Tenho observado que a utilização de hashcode
é utilizada em comparações, mas o que significa o termo? Sua utilização em programação é específica em comparação?
-
Em específico para programação funcional eu não sei, mas existe uma possível duplicata sobre esse assunto (em Java): pt.stackoverflow.com/questions/11108/…– igventurelliCommented 14/02/2017 às 14:51
1 Resposta
O termo hash "costuma" ser traduzido por espalhamento. Algumas pessoas podem dizer que é triturar (o dado até ficar um pedacinho).
Usos
Tabela hash
A principal finalidade é usar em chaves de tabelas de hash que precisam organizar os dados de uma forma numérica simples.
Uma tabela hash consegue localizar um elemento quase sempre em complexidade O(1), ou seja, não importa o tamanho da tabela ele acha sempre no mesmo tempo. Isso é o mesmo que acontece com um array.
Como ele consegue colocar dados diversos que não são números, ou pelo menos não são números simples e em sequencia e permanecer tão rápido?
Ele pega o dado real aplicando uma fórmula para descobrir qual é o número que aquele dado corresponde. Esse cálculo é feito no que chamamos hash function. Uma boa função tenta evitar que dois dados diferentes gerem o mesmo resultado. Embora seja provável que não gere repetidos, acontece, especialmente em volumes grandes de dados. Quando isso ocorre, a complexidade vai para O(m), onde m
é a quantidade de repetições. Como não costuma ter muita repetição, dizemos que a complexidade de uma tabela hash é quase O(1). Só não é 1 quando tem repetição. Em tese em um caso extremo o O(1) poderia virar O(n), ou seja, ter que analisar tudo. Na prática isso não ocorre, a não ser que faça esta piada:
function getHashCode() { return 42; }
Aí todas chaves gerarão o mesmo resultado e só terá repetição na tabela.
O hash code pode ser só calculado na hora que precisa, ou pode ser armazenado no objeto trocando tempo de processamento por espaço ocupado.
Se um objeto não pode ter uma forma de calcular seu hash de forma confiável, ele não pode ser usado em uma tabela de hash. Claro que todo objeto pode ser hasheável, mas se isso será bem organizado ou não, depende da linguagem e do programador.
Linguagens como Java e C# obrigam todo objeto ter uma função que calcula o hash. Se vai armazenar ou não (cache) é problema de cada objeto. Algumas pessoas dizem que isso é um erro e que deveria ter uma interface Hashable
para usar em objetos que podem fazer bom uso do código. Outros dizem que já que praticamente todo objeto pode ser usado como chave, então é melhor obrigar em todos.
Um objeto pode usar a implementação padrão ou fazer um próprio. Muitas vezes tem que fazer o próprio usando as partes do objeto que são relevantes para identificar o objeto.
A comparação não é tão boa, mas vamos dizer que é o RG do objeto (no Brasil, o documento de identidade da pessoa), que inclusive pode ter repetido porque os estados é que controlam isso. É verdade que a identidade completa do objeto RG seria seu número e órgão emissor, aí ficaria único.
switch
Algumas linguagens usam isso para poder usar estruturas mais complexas em case
do switch
.
O case
precisa ser rápido, não pode fazer comparações complexas, precisa ter um padrão fácil de localização. Ele se assemelha muito com uma tabela hash. Usando o hash code da string dá para tornar o switch
mais poderoso e aceitar um tipo que é muito útil em uma seleção múltipla.
Integridade
Em alguns casos o código pode ser gravado ou transmitido junto servindo de verificação da integridade do dado. Depois ele calcula de novo e vê se bate com o que foi transmitido pra ver se houve alguma corrupção. Não é uma forma muito confiável, mas pode ser usada se souber o que está fazendo e puder lidar com algum possível erro.
Comparações
Outros usos podem ser feitos talvez para otimizar algum algoritmo. O código hash pode servir para identificar que algo é diferente mais rapidamente do que olhar um objeto enorme. Ele junto de um trecho do objeto pode quase garantir a unicidade. Ele sozinho não é tão útil para isto. Não que isto costume ser usado na prática.
De maneira geral é usado para comparações, mas nada impede de ser usado para outras coisas. Dá pra ser criativo.
Outros tipos
Não confundir com outros tipos de hash code, normalmente enormes que são usados para assinar ou autenticar objetos. Esse é bem pequeno, geralmente 4 bytes.
Extra
Não vejo porque seria diferente em programação funcional, a não ser que pode haver otimizações do pattern matching como o citado sobre o switch
.
O que eu posso dizer é que em programação funcional os objetos tendem a ser mais propícios para uso em tabela hash já que eles são imutáveis. Essa é uma característica importante do objeto para usar em tabela de espalhamento.
Exemplo de implementação
public override int GetHashCode() {
unchecked {
int hash = 17;
hash *= 23 + field1.GetHashCode(); //cada um tem sua própria fórmula
hash *= 23 + field2.GetHashCode();
hash *= 23 + field3.GetHashCode();
return hash;
}
}
Coloquei no GitHub para referência futura.
Um int
pode ter seu código como o próprio objeto. De fato é assim que é feito (no .NET Core).
Algumas pessoas preferem o fato 31 outras preferem 16777619 e base 2166136261.
-
Por que é feita esta multiplicação? Por que não podemos apenas retornar a soma dos gethashcode dos campos?– DanOverCommented 12/07/2020 às 4:43
-
@DanOver acho que está melhor explicado em pt.stackoverflow.com/q/353963/101. Preciso ver se escrevo uma resposta melhor em pt.stackoverflow.com/q/356435/101.– Maniero ♦Commented 12/07/2020 às 11:38