HashMap底层原理

G189D

已于 2023-05-14 11:59:11 修改

阅读量270

点赞数

分类专栏： java 文章标签：数据结构链表散列表 java

于 2023-05-14 11:58:18 首次发布

本文链接：https://blog.csdn.net/G189D/article/details/130667148

版权

java 专栏收录该内容

5 篇文章 0 订阅

订阅专栏

HashMap底层原理

1. HashMap的数据结构

要了解hashmap首先要弄清楚他的结构。在java编程语言中最基本的数据结构有两种，数组和链表。
数组：查询速度快，可以根据索引查询；但插入和删除比较困难；
链表：查询速度慢，需要遍历整个链表，但插入和删除操作比较容易。
hashmap是数组和链表组成的，数据结构中又叫“链表散列”。

在这里插入图片描述

2. HashMap特点

① HashMap内部通过一个数组实现，数组中的每个元素又是一个链表，链表中存储了哈希值相同的键值对。

② HashMap中可以存储null键和null值，但要注意，当HashMap的key为null时，其哈希值为0。

③ HashMap是线程不安全的

④ 可以实现快速随机访问

⑤ 在 JDK 8 中，HashMap 在解决 hash 冲突时使用的是链地址法，即将 hash 值相同的键值对都放在同一个单向链表(桶)中，链表节点的结构是 Entry，其中有三个重要的属性：key、value 和 next。当同一个桶(bucket)的链表长度大于阈值(threshold)（默认为 8）时，就会将链表转换为红黑树。因此，当链表的长度超过了阈值时，HashMap 会将链表转化为红黑树，以提高查找效率。

需要注意的是，在 JDK 8 之前的版本，HashMap 在解决 hash 冲突时都是采用链地址法，没有红黑树优化。从 JDK 8 开始，HashMap 对链表长度超过阈值的情况进行了优化，使得 HashMap 的性能得到了进一步提升。

问 : 为什么链表转换为红黑树,会提高查找速率

当哈希表中某个桶中的链表长度超过一定阈值时，链表转化为红黑树可以提高查找效率，这是因为红黑树在查找时的时间复杂度为 O(log n)，而链表的查找时间复杂度为 O(n)，当链表长度较大时，查找效率会受到较大影响。而红黑树作为一种自平衡二叉搜索树，其插入、删除和查找等操作的时间复杂度都是 O(log n)，所以对于大的桶，将其转化为红黑树可以提高查找效率。

需要注意的是，链表转化为红黑树的条件是链表的长度超过了一个阈值，这个阈值是通过对哈希表的大小和负载因子进行计算得到的。当哈希表中元素数量增加时，桶的数量也会随之增加，这样就可以保证单个桶中的元素数量不会过多，因此转化为红黑树的情况并不会经常发生。

3. HashMap的Hash算法

HashMap 的 Hash 算法是基于哈希表的，它使用了对象的 hashCode() 方法来确定对象在哈希表中的位置。具体地，对于每个 key 值，HashMap 会调用 key 的 hashCode() 方法来计算一个哈希值，然后根据这个哈希值和哈希表的容量计算出这个 key 在哈希表中的位置。当两个或多个 key 的哈希值相同时，它们会被放在同一个桶（bucket）中，通过链表或红黑树来组织。

具体来说，HashMap 的 Hash 算法分为以下几个步骤：

调用 key 的 hashCode() 方法获取 key 的哈希值 h；
使用哈希函数将 h 转换成索引值 index，具体的哈希函数实现取决于 HashMap 实现的版本；
如果该索引位置为空，则直接将键值对存储在该位置；
如果该索引位置已经存在一个或多个键值对，则遍历链表或树，如果找到了与当前 key 相同的键值对，则更新对应的 value 值，否则将新的键值对添加到链表或树的末尾。

其中第二步是 Hash 算法的关键，它决定了 key 在哈希表中的位置。通常情况下，哈希函数的实现方式是将哈希值 h 和哈希表容量进行按位与（&）运算，得到的结果即为索引值 index。

3.1 Hash值的计算

在 HashMap 中，每个元素都有一个对应的哈希值，哈希值是通过哈希函数计算得到的。在 Java 中，对象的哈希值可以通过调用对象的 hashCode() 方法来获取。

在 HashMap 中，每个元素被存储在数组中，数组的下标由哈希值计算而来。计算数组下标的方法是：先将哈希值与数组长度减一做位与操作，再得到的结果即为数组下标。比如说，数组长度是默认长度 16，那么数组下标可以通过 hash & 15 计算得到，其中 & 是位与运算符。

为了减少哈希冲突，HashMap 会使用一个称为“链表”的数据结构来存储哈希值相同的元素。当链表长度超过一定的阈值时，HashMap 会将链表转换为另一个称为“红黑树”的数据结构，以提高元素的访问效率。

为了保证哈希值能够足够随机，HashMap 会对哈希值进行一系列操作。其中，最重要的是将哈希值右移 16 位后与原哈希值进行异或操作。这样可以确保计算得到的哈希值分散性较好，不容易发生哈希冲突。

具体的计算公式如下：

hash = hashcode ^ (hashcode >>> 16)

那就是:
数组下标：hash&(16-1) = hash%16

3.2 Hash冲突

不同的键(对象)算出来的数组下标是相同的这样就会产生hash冲突。

如何解决哈希冲突

① 采用链表法（Chaining）

当哈希函数计算得到的哈希值相同，也就是发生哈希冲突时，会将冲突的键值对存储在同一个槽位上，并用一个链表将它们连接起来，形成一个单链表。这个单链表通常被称为“桶”（Bucket）。

弊端:

当哈希冲突比较严重时，链表会变得很长，这会降低哈希表的效率和性能

那么在jdk1.8以后的话，加入了红黑树，也就是说当链表达到一定长度后就会变成一个红黑树

下面我们再来讲下 红黑树

红黑树是一种自平衡二叉搜索树，它在插入和删除节点时可以自动地进行调整，使得整棵树始终保持平衡，从而保证了它的查找、插入、删除等操作的时间复杂度都为O(logn)。

红黑树的每个节点都被标记为红色或黑色，它满足以下性质：
1. 每个节点都是红色或黑色；
2. 根节点是黑色；
3. 每个叶子节点都是黑色的空节点（NIL节点）；
4. 如果一个节点是红色的，则它的两个子节点都是黑色的；
5. 对于任意一个节点，从该节点到其所有后代叶子节点的简单路径上，均包含相同数目的黑色节点，这个数目被称为这个节点的黑色高度。

由于这些性质的限制，红黑树可以保证它的高度最多是2log(n+1)，从而保证了它的操作效率。在插入和删除节点时，如果违反了红黑树的性质，就需要进行旋转和重新着色来进行调整，从而保持树的平衡。

具体来说，插入节点时需要进行以下步骤：
1. 将新节点插入到红黑树中，以红色标记；
2. 检查是否需要进行旋转或重新着色，以保持红黑树的性质。
删除节点时需要进行以下步骤：
1. 删除节点，并将其替换为其后继节点；
2. 检查是否需要进行旋转或重新着色，以保持红黑树的性质。

通过这些操作，红黑树可以保持自平衡，从而提高了其操作的效率和稳定性。在Java中，例如TreeMap和TreeSet就是基于红黑树实现的。

问:那在什么情况下链表会转化成红黑树 ?

答:在Java中，当HashMap中的某个桶（Bucket）中链表长度超过了阈值（默认为8），且当前 HashMap的元素数量大于等于64时，该桶中的链表就会被转化成红黑树。

在链表长度大于8的时候，将后面的数据存在二叉树中

② 采用开放地址法（Open Addressing）

开放地址法（Open Addressing）是一种哈希冲突处理方法，与链表法不同，它不需要使用链表来存储冲突的元素。

当一个元素需要插入哈希表时，如果它的哈希值所对应的槽位已经被占用了，那么开放地址法会尝试在其他槽位中寻找空闲的位置，直到找到一个空闲的槽位为止，然后将该元素插入到这个槽位中。

弊端:

它需要在哈希表中寻找空闲的槽位来插入元素，这可能会导致哈希表的查找和插入操作的时间复杂度变得比较高。
当哈希表中的元素越来越多时，开放地址法容易发生聚集现象，也就是在哈希表中形成一个或多个长的空隙，从而导致哈希表的性能下降。

4. HashMap 扩容

① 那在什么情况下需要进行扩容呢?

如果当前HashMap中的元素数量已经达到了负载因子（默认为0.75）乘以数组大小，那么就需要对数组进行扩容。

比如说hashmap默认数组长度是16，那么达到出发条件，数组存储比例达到了75% ，也就是16*0.75=12的时候就会发生扩容

扩容的过程分为以下几个步骤：

创建一个新的数组，它的大小是原数组的两倍。
将原数组中的元素重新哈希并添加到新数组中。为了实现这个操作，HashMap会先遍历原数组，对每个非空的槽位中的元素进行重新哈希操作，并计算它们在新数组中的槽位位置，然后将它们添加到新数组的相应槽位中。
将原数组的引用指向新数组，这样原数组就成为了垃圾数据，等待Java垃圾回收器回收。

需要注意的是，扩容的过程是比较耗费时间和资源的,因此，在并发环境下，需要注意HashMap的线程安全性，并且可以通过使用ConcurrentHashMap等并发哈希表来提高并发性能。