动手实现一个java中的散列表（HashTable）（文末福利）

2. 如果 key1 = key2，那 hash(key1) == hash(key2)；

3. 如果 key1 ≠ key2，那 hash(key1) ≠ hash(key2)。

第三点要求看起来合理，但是在真实的情况下，要想找到一个不同的 key 对应的散列值都不一样的散列函数，几乎是不可能的。此外，因为数组的存储空间有限，也会加大散列冲突的概率。所以针对散列冲突问题，我们需要通过其他途径来解决。

3 散列冲突

======

3.1 开放寻址法

---

开放寻址法的核心思想是，如果出现了散列冲突，我们就重新探测一个空闲位置，将其插入。比较简单的探测方法是线性探测。

当往散列表中插入数据时，如果某个数据经过散列函数散列之后，存储位置已经被占用了，就从当前位置开始，依次往后查找，看是否有空闲位置，直到找到为止。

在散列表中查找元素的过程类似插入过程。通过散列函数求出要查找元素的键值对应的散列值，然后比较数组中下标为散列值的元素和要查找的元素。相等则说明就是要找的元素；否则就顺序往后依次查找。如果遍历到数组中的空闲位置，还没有找到，就说明要查找的元素并没有在散列表中。

散列表跟数组一样，不仅支持插入、查找操作，还支持删除操作。对于使用线性探测法解决冲突的散列表，删除操作稍微有些特别。我们不能单纯地把要删除的元素设置为空。在查找的时候，一旦我们通过线性探测方法，找到一个空闲位置，我们就可以认定散列表中不存在这个数据。但是，如果这个空闲位置是我们后来删除的，就会导致原来的查找算法失效。本来存在的数据，会被认定为不存在。

解决方案是将删除的元素，特殊标记一下。当线性探测查找的时候，遇到特殊标记的空间时，并不是停下来，而是继续往下探测。

线性探测法其实存在很大问题。当散列表中插入的数据越来越多时，散列冲突发生的可能性就会越来越大，空闲位置会越来越少，线性探测的时间就会越来越久。极端情况下，我们可能需要探测整个散列表，所以最坏情况下的时间复杂度为 O(n)。同理，在删除和查找时，也有可能会线性探测整张散列表，才能找到要查找或者删除的数据。

为了尽可能保证散列表的操作效率，一般情况下，会保证散列表中有一定比例的空闲槽位，空位的多少则用负载因子（load factor）表示。

负载因子 = 填入表中的元素个数 / 散列表的长度

负载因子越大，说明空闲位置越少，冲突越多，散列表的性能会下降。

3.2 链表法

---

链表法是一种更加常用的散列冲突解决办法。在散列表中，每个“槽（slot）”会对应一条链表，所有散列值相同的元素都放到相同槽位对应的链表中。

当插入的时候，我们只需要通过散列函数计算出对应的散列槽位，将其插入到对应链表中即可，所以插入的时间复杂度是 O(1)。当查找、删除一个元素时，我们同样通过散列函数计算出对应的槽，然后遍历链表查找或者删除。

关于查找和删除操作的时间复杂度，和链表的长度k成正比，即O(k)。对于散列比较均匀的散列函数来说，理论上讲，k=n/m，其中 n 表示散列中数据的个数，m 表示散列表中“槽”的个数。

4 手写HashTable底层实现

=================

哈希表存储的是键值对，所以需要两个泛型来分别表示key和value的数据类型，key的数据类型必须实现hashcode()方法，不过由于java中所有的类都继承了Object类，所以默认所有的类都实现了hashcode()方法。

关键在于hashcode()是不是我们想要的。

另外我们也可以考虑哈希表的动态空间处理，当每个位置的平均哈希冲突超过上界时则扩容，小于下界时则缩容。

上面介绍链表法时，整个槽slot可以看做是一个TreeMap数组，数组的每一个位置存储了一个 链表 或者 红黑树，所以构造函数可以实现如下：

public class HashTable<K, V> {

/**

• 容忍度上界

*/

private static final int upperTol = 10;

/**

• 容忍度下界

*/

private static final int lowerTol = 2;

/**

• 初始容量

*/

private static final int initCapacity = 7;

private TreeMap<K, V>[] hashtable;

// 长度（素数）

private int M;

// 已经存储了多少元素

private int size;

public HashTable(int M){

this.M = M;

size = 0;

hashtable = new TreeMap[M];

// 对每一个TreeMap进行初始化

for (int i = 0; i < M; i ++)

hashtable[i] = new TreeMap<>();

}

public HashTable(){

this(initCapacity);

}

}

在实现哈希表的增删改查之前，我们需要定义辅助方法hash用于计算要存储的位置，由于数组的索引是从0开始的，所以我们要避免负数的出现：

private int hash(K key){

return key.hashCode() & 0x7fffffff % M;

}

public int getSize(){ return size; }

向哈希表中添加键值对：

1. 根据key计算要插入的位置（对应一个TreeMap）

2. 如果TreeMap中已经存在这个key的话就进行value的更新

3. 如果TreeMap中不存在这个key的话则进行数据添加

4. 当元素过多时进行扩容操作

public void add(K key, V value){

// 计算要插入的位置

TreeMap<K, V> map = hashtable[hash(key)];

// key已存在

if (map.containsKey(key))

map.put(key, value);

else {

// key不存在

map.put(key, value);

size ++;

// 满足条件则扩容

if (size >= upperTol * M)

resize(2 * M);

}

}

删除操作：

1. 根据key计算要删除key对应的位置（对应一个TreeMap）

2. 判断是否包含这个key，存在的话则删除

3. 当元素过少时进行扩容操作

public V remove(K key){

// 计算要删除的位置

TreeMap<K, V> map = hashtable[hash(key)];

V ret = null;

// 存在则删除

if (map.containsKey(key)){

ret = map.remove(key);

size --;

// 一定情况下缩容

if (size < lowerTol * M && M / 2 >= initCapacity)

resize(M / 2);

}

return ret;

}

修改操作：

1. 根据key计算要进行修改的位置（对应一个TreeMap）

2. 存在该元素时则修改

public void set(K key, V value){

TreeMap<K, V> map = hashtable[hash(key)];

if (!map.containsKey(key))

throw new IllegalArgumentException(key + " doesn’t exist!");

map.put(key, value);

}

查询操作：

public boolean contains(K key){

return hashtable[hash(key)].containsKey(key);

}

public V get(K key){

return hashtable[hash(key)].get(key);

}

动态空间处理方法：

类似于动态数组，开辟一个新的TreeMap数组，将原始数据全都放入到新的TreeMap数组中即可，注意hash()函数计算时需要使用新的Map长度。

private void resize(int newM){

TreeMap<K, V>[] newHashTable = new TreeMap[newM];

for (int i = 0; i < newM; i ++)

newHashTable[i] = new TreeMap<>();

int oldM = M;

// hash()函数需要新的M值

this.M = newM;

for (int i = 0; i < oldM; i ++){

TreeMap<K, V> map = hashtable[i];

for (K key: map.keySet())

newHashTable[hash(key)].put(key, map.get(key));

}

this.hashtable = newHashTable;

}

}

测试：

自我介绍一下，小编13年上海交大毕业，曾经在小公司待过，也去过华为、OPPO等大厂，18年进入阿里一直到现在。

深知大多数Java工程师，想要提升技能，往往是自己摸索成长或者是报班学习，但对于培训机构动则几千的学费，着实压力不小。自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！

因此收集整理了一份《2024年Java开发全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友，同时减轻大家的负担。

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，基本涵盖了95%以上Java开发知识点，真正体系化！

由于文件比较大，这里只是将部分目录截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频，并且会持续更新！

如果你觉得这些内容对你有帮助，可以扫码获取！！（备注Java获取）

Docker步步实践

目录文档：

①Docker简介

②基本概念

③安装Docker

④使用镜像：

⑤操作容器：

⑥访问仓库：

⑦数据管理：

⑧使用网络：

⑨高级网络配置：

⑩安全：

⑪底层实现：

⑫其他项目：

《互联网大厂面试真题解析、进阶开发核心学习笔记、全套讲解视频、实战项目源码讲义》点击传送门即可获取！
中…(img-ULEHCerg-1713551341522)]

⑦数据管理：

[外链图片转存中…(img-pzUo79Oa-1713551341522)]

⑧使用网络：

[外链图片转存中…(img-q1PQMxP1-1713551341522)]

⑨高级网络配置：

[外链图片转存中…(img-2WoISBT2-1713551341522)]

⑩安全：

[外链图片转存中…(img-MCkgmHss-1713551341522)]

⑪底层实现：

[外链图片转存中…(img-ab6ng6D8-1713551341522)]

⑫其他项目：

[外链图片转存中…(img-dDkofKLL-1713551341523)]

《互联网大厂面试真题解析、进阶开发核心学习笔记、全套讲解视频、实战项目源码讲义》点击传送门即可获取！