hashMap总结

目录

hashMap

1、haspmap扩容机制

2、hashmap为啥会有线程安全问题？

3、hashMap、hashTable、ConcurrentHashMap对比？

4、JDK1.7 和1.8 关于hashMap尾插

5、参考文章

 

---

hashMap

1、haspmap扩容机制

 

1、什么是扩容机制？

当数据容量超过当前最大容量*loadfactor（loadfactor表示扩容因子）时，容量自动扩大2倍，并将当前的数据重新放入新的hashmap中。所以初始的定义大小为2^n的大小最佳。

 

2、什么是resize？

resize就是重新计算容量；当我们不断的向HashMap对象里不停的添加元素时，HashMap对象内部的数组就会出现无法装载更多的元素，这是对象就需要扩大数组的长度，以便能装入更多的元素；当然Java里的数组是无法自动扩容的，方法的本质是使用一个新的数组代替已有的容量小的数组；就像我们用一个小桶装水，如果想装更多的水，就得换大水桶。

 

3、什么时候需要resize()？

当向容器添加元素的时候，会判断当前容器的元素个数，如果大于等于阈值—即当前数组的长度乘以加载因子的值的时候，就要自动扩容。

---

2、hashmap为啥会有线程安全问题？

本质原因：put()、addEntry()、resize()方法不是同步的，导致多线程并发的时候会出错，造成数据不一致、覆盖、死循环的错误。比如，JDK7中HashMap并发put会造成循环链表，导致get时出现死循环此问题在JDK8中已经解决。

 

1、put的时候导致的多线程数据不一致。

这个问题比较好想象，比如有两个线程A和B，首先A希望插入一个key-value对到HashMap中，首先计算记录所要落到的桶的索引坐标，然后获取到该桶里面的链表头结点，此时线程A的时间片用完了，而此时线程B被调度得以执行，和线程A一样执行，只不过线程B成功将记录插到了桶里面，假设线程A插入的记录计算出来的桶索引和线程B要插入的记录计算出来的桶索引是一样的，那么当线程B成功插入之后，线程A再次被调度运行时，它依然持有过期的链表头但是它对此一无所知，以至于它认为它应该这样做，如此一来就覆盖了线程B插入的记录，这样线程B插入的记录就凭空消失了，造成了数据不一致的行为。

2、HashMap的get操作在并发时，可能因为resize而引起死循环（cpu100%）

具体需要分析源码，参考资料 https://juejin.im/post/5ba457a25188255c7b168023

---

3、hashMap、hashTable、ConcurrentHashMap对比？

	主要特点	线程是否安全	原因
hashMap	HashMap内部是保存链表头节点的桶数组，根据key的hashCode值来保存value，需要注意的是，HashMap不保证遍历的顺序和插入的顺序是一致的。	否
hashTable		是	HashTable类是线程安全的，它使用synchronize来做线程安全，全局只有一把锁，在线程竞争比较激烈的情况下hashtable的效率是比较低下的
ConcurrentHashMap		是	ConcurrentHashMap使用了分段锁技术来提高了并发度，不在同一段的数据互相不影响，多个线程对多个不同的段的操作是不会相互影响的。
hashMap 子类--LinkedHashMap	与HashMap的区别在于LinkedHashMap保存了记录插入的顺序。
TreeMap	TreeMap实现了SortedMap接口，TreeMap有能力对插入的记录根据key排序，默认按照升序排序，也可以自定义比较强，在使用TreeMap的时候，key需实现Comparable。

---

4、JDK1.7 和1.8 关于hashMap尾插

HashMap在jdk1.7中采用头插入法，在扩容时会改变链表中元素原本的顺序，以至于在并发场景下导致链表成环的问题。而在jdk1.8中采用尾插入法，在扩容时会保持链表元素原本的顺序，就不会出现链表成环的问题了。

	区别
JDK1.7	HashMap默认采用数组+单链表方式存储元素，当元素出现哈希冲突时，会存储到该位置的单链表中。
JDK1.8	当单链表中元素个数超过8个时，会进而转化为红黑树存储，巧妙地将遍历元素时时间复杂度从O(n)降低到了O(logn)）
JDK1.7 头插法	在扩容时会改变链表中元素原本的顺序，以至于在并发场景下导致链表成环的问题。
JDK1.8 尾插法	在扩容时会保持链表元素原本的顺序，就不会出现链表成环的问题了。（链表成环问题解决！）

---

5、参考文章

1） https://blog.csdn.net/hefenglian/article/details/79763634?utm_medium=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-1.nonecase&depth_1-utm_source=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-1.nonecase