本地文本索引及java的HashMap实现
这个学期的信息检索课要做一个大的作业，其实就是相当于一个搜索引擎，但是是基于本地文本文件的检索，不需要扒网页，也不能使用Lucence或Lemur等强大的第三方开源软件，要全部自己完成。
要说索引倒是十分简单，就是倒排而已，并没有什么复杂，而且第一版的作业要求只要以字为索引即可，而且不需要对结果进行排序和高亮显示，甚至不需要记录该字在文档中出现的次数和位置。所以在完成的时候也就是使用了一个较为简单的存储数据结构，即HashMap<string, HashSet<int>>这样一个结构，第一个参数存储的是字，后面的HashSet中存储的是该字出现的文档号，由于字和文档号都不需要重复记录，所以采用了哈希结构。
不久又开始做数据库的作业，内容是基于数据库的信息检索，这次的数据量相对要大很多，大概有300多M的数据，而且必须用C++来完成，开始是用STL的map来做，但是map是没有实现哈希的，插入时要判断重复，所以速度会指数级变慢，380万条数据处理到50万时就已经慢到不行了，而且吃内存十分严重，所以就希望自己实现一个HashMap。
虽然网上也有现成的代码，但是还是想自己写一个，想到java中用到了JDK1.6的HashMap，就想着顺便看一下JDK的源码，然后照猫画虎移植到C++中，大概花了一天左右的时间实现了一个较简单的，没有实现迭代器的HashMap，顺便记录一下在看JDK源码时的一些收获，毕竟写得还是相当精彩的，可以这么说吧。
首先是散列码的计算，这是做哈希最重要的一部分，没有一个好的散列函数，一切都是空谈，下面是JDK1.6中哈希的计算，一些参数我直接初始化使用了，源码中不是这样写的，但是结果是一样的，这里是String类hashCode的计算：
int hashCode(string s) {
int h = 0, off = 0;
int len = s.length();
for (int i = 0; i < len; i++)
h = 31 * h + s[off++];
return h;
}
上面是String类的hashCode的计算，在HashMap中，基于这个结果又进行了进一步计算，算法如下：
int hash(int h) {
h ^= (h >>> 20) ^ (h >>> 12);
return h ^ (h >>> 7) ^ (h >>> 4);
}
其中参数h就是String的hashCode，虽然是简单的四次移位和六次按位异或的计算，但是效果却是惊人的，经测试，在使用0.75作为负载因子，380万条数据共1万多个键的分布情况是极为平均的，并且移位和按位逻辑运算是在所有运算中最快的，即使处理的都是中文效果也非常好，比起�
相关文档：
我们经常下载开源项目的源码在本地编译,是不是经常被一句"assert expression"给搞得编译不过去，经常是在老版本的jdk编译器下没办法，下面就向大家推荐一篇深入分析java assertion的文章。
一、assertion的语法和语义
J2SE 1.4在语言上提供了一个新特性，就是assertion(断言)功能，它是该版本在Java语言方面最� ......
JVM：加载、链接和初始化
JVM要解释Java字节码，就必须对所需的类和接口执行如下3步操作：
(1) 加载：JVM在加载类时，会查找该类或该接口的二进制表示，并根据找到的二进制表示(通常是由Java编译器创建的类文件)创建一个Class对象。该Class对象中封装了类或接口的运行时状态。
(2) 链接：链接这一过程是指取得已加载的 ......
一 插入排序法:
说明: 每次将一个待排序的记录，按其关键字大小插入到前面已经排好序的子文件中的适当位置，直到全部记录插入完成为止。 Java代码 public class InsertSorter extends Sorter { /** * from 起始位置 &# ......
JDK 5.0 中增加的泛型类型，是 Java 语言中类型安全的一次重要改进。但是，对于初次使用泛型类型的用户来说，泛型的某些方面看起来可能不容易明白，甚至非常奇怪。在本月的“Java 理论和实践”中，Brian Goetz 分析了束缚第一次使用泛型的用户的常见陷阱。您可以通过讨论论坛与作者和其他读者分享您对本文的看法� ......
