jdk 8扰动函数为static final int hash(object key) { int h; return (key == null) ? 0 : (h = key.hashcode()) ^ (h >>> 16); }，通过高位右移16位后与原值异或，使高位信息融入低位，改善因数组长度为2的幂导致的索引分布不均问题。

HashMap的扰动函数是一次轻量级位运算，作用是把键的原始哈希值“搅一搅”，让高位信息参与低位索引计算，从而缓解因数组长度为2的幂导致的分布不均问题。

扰动函数长什么样

JDK 8中的实现就一行代码：

static final int hash(Object key) {
  int h;
  return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}

它对非null键取hashCode()，再将该值右移16位后与原值异或。这个操作不加密、不加盐，只是高效混合高低位。

为什么原始hashCode容易导致聚集

HashMap用(n - 1) & hash算下标，前提是数组长度n是2的幂（如16、32）。此时n−1全是1（比如15→1111），&运算只保留hash的低几位。

Mapsly

一款AI数据处理工具，主要用于AI一体化地图生成与管理平台，适合需要提升相关任务效率的用户。

下载

• 若多个key的hashCode仅高位不同、低位相同（如0x12345678和0x9abc5678），低4位都是01111000，&15后全得8 → 全挤进table[8]
• 尤其常见于递增ID、短字符串等场景：hashCode就是1,2,3,4…，低位规律极强，映射到16槽表时大量集中在前几个桶

扰动怎么改善分布

异或（^）有“相同为0、不同为1”的特性，能有效融合两段数据：

• 原hash = 0x12345678 → 高16位是0x1234，低16位是0x5678
• h >>> 16 = 0x00001234
• h ^ (h >>> 16) = 0x12345678 ^ 0x00001234 = 0x1234444c

关键变化：原来无关紧要的高16位，现在“渗透”进了低16位。最终参与& (n−1)的低位，既含原始低位特征，又混入了高位差异——哪怕原hashCode低4位一样，扰动后大概率不同，桶分布自然更开。

它不是万能，但很务实

扰动函数不解决语义级碰撞（如"Aa"和"BB"天然hashCode相同），也不替代正确重写hashCode()。但它在不干预用户代码的前提下，对大量低质量哈希码做了兜底优化：

• 计算开销极小：一次右移+一次异或，CPU几纳秒
• 配合2的幂容量和0.75负载因子，能把平均链长从5降到2左右，显著推迟红黑树转化
• 分库分表等场景也沿用该逻辑，验证了其工程有效性