JAVA容器-自问自答学ArrayList

最新推荐文章于 2024-11-09 20:55:41 发布

huangshulang1234

最新推荐文章于 2024-11-09 20:55:41 发布

阅读量276

点赞数

分类专栏： Java基础文章标签： java arraylist

Java基础专栏收录该内容

147 篇文章 2 订阅

订阅专栏

JAVA容器-自问自答学ArrayList

前言

这次我和大家一起学习HashMap，HashMap我们在工作中经常会使用，而且面试中也很频繁会问到，因为它里面蕴含着很多知识点，可以很好的考察个人基础。但一个这么重要的东西，我为什么没有在一开始就去学习它呢，因为它是由多种基础的数据结构和一些代码设计思想组成的。我们要学习了这些基础，再学习HashMap，这样我们才能更好的去理解它。古人云：无欲速，无见小利。欲速则不达，见小利则大事不成。

HashMap其实就是ArrayList和LinkedList的数据结构加上hashCode和equals方法的思想设计出来的。没有理解上述说的知识点的同学可以翻开我过往的文章记录。

下面我就以面试问答的形式学习我们的——HashMap（源码分析基于JDK8，辅以JDK7），问答内容只是对HashMap的一个总结归纳，因为现时已经有大牛把HashMap通俗易懂的剖析了一遍，我学习HashMap也是主要通过这篇文章学习的，强烈推荐：美团点评技术团队的Java 8系列之重新认识HashMap

问答内容

1.

问：HashMap有用过吗？您能给我说说他的主要用途吗？

答：

有用过，我在平常工作中经常会用到HashMap这种数据结构，HashMap是基于Map接口实现的一种键-值对<key,value>的存储结构，允许null值，同时非有序，非同步(即线程不安全)。HashMap的底层实现是数组 + 链表 + 红黑树（JDK1.8增加了红黑树部分）。它存储和查找数据时，是根据键key的hashCode的值计算出具体的存储位置。HashMap最多只允许一条记录的键key为null，HashMap增删改查等常规操作都有不错的执行效率，是ArrayList和LinkedList等数据结构的一种折中实现。

示例代码：

HashMap的底层实现是数组 + 链表 + 红黑树（JDK1.8增加了红黑树部分），核心组成元素有：

int size;用于记录HashMap实际存储元素的个数；
float loadFactor;负载因子（默认是0.75，此属性后面详细解释）。
int threshold;下一次扩容时的阈值，达到阈值便会触发扩容机制resize（阈值 threshold = 容器容量 capacity * 负载因子 load factor）。也就是说，在容器定义好容量之后，负载因子越大，所能容纳的键值对元素个数就越多。
Node<K,V>[] table; 底层数组，充当哈希表的作用，用于存储对应hash位置的元素Node<K,V>，此数组长度总是2的N次幂。（具体原因后面详细解释）

示例代码：

其中Node<K,V>[] table;哈希表存储的核心元素是Node<K,V>,Node<K,V>包含：

final int hash;元素的哈希值，决定元素存储在Node<K,V>[] table;哈希表中的位置。由final修饰可知，当hash的值确定后，就不能再修改。
final K key; 键，由final修饰可知，当key的值确定后，就不能再修改。
V value; 值
Node<K,V> next; 记录下一个元素结点(单链表结构，用于解决hash冲突)

示例代码：

hashMap内存结构图 - 图片来自于《美团点评技术团队文章》

2.

问：您能说说HashMap常用操作的底层实现原理吗？如存储put(K key, V value)，查找get(Object key)，删除remove(Object key)，修改replace(K key, V value)等操作。

答：

调用put(K key, V value)操作添加key-value键值对时，进行了如下操作：

判断哈希表Node<K,V>[] table是否为空或者null，是则执行resize()方法进行扩容。
根据插入的键值key的hash值，通过(n - 1) & hash当前元素的hash值 & hash表长度 - 1（实际就是 hash值 % hash表长度）计算出存储位置table[i]。如果存储位置没有元素存放，则将新增结点存储在此位置table[i]。
如果存储位置已经有键值对元素存在，则判断该位置元素的hash值和key值是否和当前操作元素一致，一致则证明是修改value操作，覆盖value即可。
当前存储位置即有元素，又不和当前操作元素一致，则证明此位置table[i]已经发生了hash冲突，则通过判断头结点是否是treeNode，如果是treeNode则证明此位置的结构是红黑树，已红黑树的方式新增结点。
如果不是红黑树，则证明是单链表，将新增结点插入至链表的最后位置，随后判断当前链表长度是否大于等于 8，是则将当前存储位置的链表转化为红黑树。遍历过程中如果发现key已经存在，则直接覆盖value。
插入成功后，判断当前存储键值对的数量大于阈值threshold 是则扩容。

hashMap put方法执行流程图- 图片来自于《美团点评技术团队文章》

示例代码：

调用get(Object key)操作根据键key查找对应的key-value键值对时，进行了如下操作：

先调用 hash(key)方法计算出 key 的 hash值
根据查找的键值key的hash值，通过(n - 1) & hash当前元素的hash值 & hash表长度 - 1（实际就是 hash值 % hash表长度）计算出存储位置table[i]，判断存储位置是否有元素存在。

如果存储位置有元素存放，则首先比较头结点元素，如果头结点的key的hash值和要获取的key的hash值相等，并且头结点的key本身和要获取的 key 相等，则返回该位置的头结点。
如果存储位置没有元素存放，则返回null。

如果存储位置有元素存放，但是头结点元素不是要查找的元素，则需要遍历该位置进行查找。
先判断头结点是否是treeNode，如果是treeNode则证明此位置的结构是红黑树，以红色树的方式遍历查找该结点，没有则返回null。
如果不是红黑树，则证明是单链表。遍历单链表，逐一比较链表结点，链表结点的key的hash值和要获取的key的hash值相等，并且链表结点的key本身和要获取的 key 相等，则返回该结点，遍历结束仍未找到对应key的结点，则返回null。

示例代码：

调用remove(Object key)操作根据键key删除对应的key-value键值对时，进行了如下操作：

先调用 hash(key)方法计算出 key 的 hash值
根据查找的键值key的hash值，通过(n - 1) & hash当前元素的hash值 & hash表长度 - 1（实际就是 hash值 % hash表长度）计算出存储位置table[i]，判断存储位置是否有元素存在。

如果存储位置有元素存放，则首先比较头结点元素，如果头结点的key的hash值和要获取的key的hash值相等，并且头结点的key本身和要获取的 key 相等，则该位置的头结点即为要删除的结点，记录此结点至变量node中。
如果存储位置没有元素存放，则没有找到对应要删除的结点，则返回null。

如果存储位置有元素存放，但是头结点元素不是要删除的元素，则需要遍历该位置进行查找。
先判断头结点是否是treeNode，如果是treeNode则证明此位置的结构是红黑树，以红色树的方式遍历查找并删除该结点，没有则返回null。
如果不是红黑树，则证明是单链表。遍历单链表，逐一比较链表结点，链表结点的key的hash值和要获取的key的hash值相等，并且链表结点的key本身和要获取的 key 相等，则此为要删除的结点，记录此结点至变量node中，遍历结束仍未找到对应key的结点，则返回null。
如果找到要删除的结点node，则判断是否需要比较value也是否一致，如果value值一致或者不需要比较value值，则执行删除结点操作，删除操作根据不同的情况与结构进行不同的处理。

如果当前结点是树结点，则证明当前位置的链表已变成红黑树结构，通过红黑树结点的方式删除对应结点。
如果不是红黑树，则证明是单链表。如果要删除的是头结点，则当前存储位置table[i]的头结点指向删除结点的下一个结点。
如果要删除的结点不是头结点，则将要删除的结点的后继结点node.next赋值给要删除结点的前驱结点的next域，即p.next = node.next;。

HashMap当前存储键值对的数量 - 1，并返回删除结点。

示例代码：

调用replace(K key, V value)操作根据键key查找对应的key-value键值对，随后替换对应的值value，进行了如下操作：

先调用 hash(key)方法计算出 key 的 hash值
随后调用getNode方法获取对应key所映射的value值。
记录元素旧值，将新值赋值给元素，返回元素旧值，如果没有找到元素，则返回null。

示例代码：

3.

问 1：您上面说，存放一个元素时，先计算它的hash值确定它的存储位置，然后再把这个元素放到对应的位置上，那万一这个位置上面已经有元素存在呢，新增的这个元素怎么办？

问 2：hash冲突（或者叫hash碰撞）是什么？为什么会出现这种现象，如何解决hash冲突？

答：

hash冲突：当我们调用put(K key, V value)操作添加key-value键值对，这个key-value键值对存放在的位置是通过扰动函数(key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16)计算键key的hash值。随后将这个hash值 % 模上哈希表Node<K,V>[] table的长度得到具体的存放位置。所以put(K key, V value)多个元素，是有可能计算出相同的存放位置。此现象就是hash冲突或者叫hash碰撞。
例子如下：
元素 A 的hash值为 9，元素 B 的hash值为 17。哈希表Node<K,V>[] table的长度为8。则元素 A 的存放位置为9 % 8 = 1，元素 B 的存放位置为17 % 8 = 1。两个元素的存放位置均为table[1]，发生了hash冲突。
hash冲突的避免：既然会发生hash冲突，我们就应该想办法避免此现象的发生，解决这个问题最关键就是如果生成元素的hash值。Java是使用“扰动函数”生成元素的hash值。

示例代码：

Java7做了4次16位右位移异或混合，Java 8中这步已经简化了，只做一次16位右位移异或混合，而不是四次，但原理是不变的。例子如下：

扰动函数执行例子 - 图片来自于《知乎》

右位移16位，正好是32bit的一半，自己的高半区和低半区做异或，就是为了混合原始哈希码的高位和低位，以此来加大低位的随机性。而且混合后的低位掺杂了高位的部分特征，这样高位的信息也被变相保留下来。

上述扰动函数的解释参考自：JDK 源码中 HashMap 的 hash 方法原理是什么？

hash冲突解决：解决hash冲突的方法有很多，常见的有：开发定址法，
再散列法，链地址法，公共溢出区法（详细说明请查看我的文章JAVA基础-自问自答学hashCode和equals）。HashMap是使用链地址法解决hash冲突的，当有冲突元素放进来时，会将此元素插入至此位置链表的最后一位，形成单链表。但是由于是单链表的缘故，每当通过hash % length找到该位置的元素时，均需要从头遍历链表，通过逐一比较hash值，找到对应元素。如果此位置元素过多，造成链表过长，遍历时间会大大增加，最坏情况下的时间复杂度为O(N)，造成查找效率过低。所以当存在位置的链表长度大于等于 8 时，HashMap会将链表转变为红黑树，红黑树最坏情况下的时间复杂度为O(logn)。以此提高查找效率。

4.

问：HashMap的容量为什么一定要是2的n次方？

答：

因为调用put(K key, V value)操作添加key-value键值对时，具体确定此元素的位置是通过 hash值 % 模上哈希表Node<K,V>[] table的长度 hash % length 计算的。但是"模"运算的消耗相对较大，通过位运算h & (length-1)也可以得到取模后的存放位置，而位运算的运行效率高，但只有length的长度是2的n次方时，h & (length-1) 才等价于 h % length。
而且当数组长度为2的n次幂的时候，不同的key算出的index相同的几率较小，那么数据在数组上分布就比较均匀，也就是说碰撞的几率小，相对的，查询的时候就不用遍历某个位置上的链表，这样查询效率也就较高了。

例子：

hash & (length-1)运算过程.jpg

上图中，左边两组的数组长度是16（2的4次方），右边两组的数组长度是15。两组的hash值均为8和9。
当数组长度是15时，当它们和1110进行&与运算（相同为1，不同为0）时，计算的结果都是1000，所以他们都会存放在相同的位置table[8]中，这样就发生了hash冲突，那么查询时就要遍历链表，逐一比较hash值，降低了查询的效率。
同时，我们可以发现，当数组长度为15的时候，hash值均会与14（1110）进行&与运算，那么最后一位永远是0，而0001，0011，0101，1001，1011，0111，1101这几个位置永远都不能存放元素了，空间浪费相当大，更糟的是这种情况中，数组可以使用的位置比数组长度小了很多，这意味着进一步增加了碰撞的几率，减慢了查询的效率。

所以，HashMap的容量是2的n次方，有利于提高计算元素存放位置时的效率，也降低了hash冲突的几率。因此，我们使用HashMap存储大量数据的时候，最好先预先指定容器的大小为2的n次方，即使我们不指定为2的n次方，HashMap也会把容器的大小设置成最接近设置数的2的n次方，如，设置HashMap的大小为 7 ，则HashMap会将容器大小设置成最接近7的一个2的n次方数，此值为 8 。

上述回答参考自：深入理解HashMap

示例代码：

5.

问：HashMap的负载因子是什么，有什么作用？

答：负载因子表示哈希表空间的使用程度（或者说是哈希表空间的利用率）。

例子如下：
底层哈希表Node<K,V>[] table的容量大小capacity为 16，负载因子load factor为 0.75，则当存储的元素个数size = capacity 16 * load factor 0.75等于 12 时，则会触发HashMap的扩容机制，调用resize()方法进行扩容。
当负载因子越大，则HashMap的装载程度就越高。也就是能容纳更多的元素，元素多了，发生hash碰撞的几率就会加大，从而链表就会拉长，此时的查询效率就会降低。
当负载因子越小，则链表中的数据量就越稀疏，此时会对空间造成浪费，但是此时查询效率高。
我们可以在创建HashMap 时根据实际需要适当地调整load factor 的值；如果程序比较关心空间开销、内存比较紧张，可以适当地增加负载因子；如果程序比较关心时间开销，内存比较宽裕则可以适当的减少负载因子。通常情况下，默认负载因子 (0.75) 在时间和空间成本上寻求一种折衷，程序员无需改变负载因子的值。
因此，如果我们在初始化HashMap时，就预估知道需要装载key-value键值对的容量size，我们可以通过size / load factor 计算出我们需要初始化的容量大小initialCapacity，这样就可以避免HashMap因为存放的元素达到阈值threshold而频繁调用resize()方法进行扩容。从而保证了较好的性能。

6.

问：您能说说HashMap和HashTable的区别吗？

答：HashMap和HashTable有如下区别：

1）容器整体结构：

HashMap的key和value都允许为null，HashMap遇到key为null的时候，调用putForNullKey方法进行处理，而对value没有处理。
Hashtable的key和value都不允许为null。Hashtable遇到null，直接返回NullPointerException。

2）容量设定与扩容机制：

HashMap默认初始化容量为 16，并且容器容量一定是2的n次方，扩容时，是以原容量 2倍的方式进行扩容。
Hashtable默认初始化容量为 11，扩容时，是以原容量 2倍再加 1的方式进行扩容。即int newCapacity = (oldCapacity << 1) + 1;。

3）散列分布方式（计算存储位置）：

HashMap是先将key键的hashCode经过扰动函数扰动后得到hash值，然后再利用 hash & (length - 1)的方式代替取模，得到元素的存储位置。
Hashtable则是除留余数法进行计算存储位置的（因为其默认容量也不是2的n次方。所以也无法用位运算替代模运算），int index = (hash & 0x7FFFFFFF) % tab.length;。
由于HashMap的容器容量一定是2的n次方，所以能使用hash & (length - 1)的方式代替取模的方式计算元素的位置提高运算效率，但Hashtable的容器容量不一定是2的n次方，所以不能使用此运算方式代替。

4）线程安全（最重要）：

HashMap 不是线程安全，如果想线程安全，可以通过调用synchronizedMap(Map<K,V> m)使其线程安全。但是使用时的运行效率会下降，所以建议使用ConcurrentHashMap容器以此达到线程安全。
Hashtable则是线程安全的，每个操作方法前都有synchronized修饰使其同步，但运行效率也不高，所以还是建议使用ConcurrentHashMap容器以此达到线程安全。

因此，Hashtable是一个遗留容器，如果我们不需要线程同步，则建议使用HashMap，如果需要线程同步，则建议使用ConcurrentHashMap。

此处不再对Hashtable的源码进行逐一分析了，如果想深入了解的同学，可以参考此文章
Hashtable源码剖析

7.

问：您说HashMap不是线程安全的，那如果多线程下，它是如何处理的？并且什么情况下会发生线程不安全的情况？

答：

HashMap不是线程安全的，如果多个线程同时对同一个HashMap更改数据的话，会导致数据不一致或者数据污染。如果出现线程不安全的操作时，HashMap会尽可能的抛出ConcurrentModificationException防止数据异常，当我们在对一个HashMap进行遍历时，在遍历期间，我们是不能对HashMap进行添加，删除等更改数据的操作的，否则也会抛出ConcurrentModificationException异常，此为fail-fast（快速失败）机制。从源码上分析，我们在put,remove等更改HashMap数据时，都会导致modCount的改变，当expectedModCount != modCount时，则抛出ConcurrentModificationException。如果想要线程安全，可以考虑使用ConcurrentHashMap。
而且，在多线程下操作HashMap，由于存在扩容机制，当HashMap调用resize()进行自动扩容时，可能会导致死循环的发生。

由于时间关系，我暂不带着大家一起去分析resize()方法导致死循环发生的现象造成原因了，迟点有空我会再补充上去，请见谅，大家可以参考如下文章：

Java 8系列之重新认识HashMap

谈谈HashMap线程不安全的体现

8.

问：我们在使用HashMap时，选取什么对象作为key键比较好，为什么？

答：

可变对象：指创建后自身状态能改变的对象。换句话说，可变对象是该对象在创建后它的哈希值可能被改变。
我们在使用HashMap时，最好选择不可变对象作为key。例如String，Integer等不可变类型作为key是非常明智的。
如果key对象是可变的，那么key的哈希值就可能改变。在HashMap中可变对象作为Key会造成数据丢失。因为我们再进行hash & (length - 1)取模运算计算位置查找对应元素时，位置可能已经发生改变，导致数据丢失。

详细例子说明请参考：危险！在HashMap中将可变对象用作Key

总结

HashMap是基于Map接口实现的一种键-值对<key,value>的存储结构，允许null值，同时非有序，非同步(即线程不安全)。HashMap的底层实现是数组 + 链表 + 红黑树（JDK1.8增加了红黑树部分）。
HashMap定位元素位置是通过键key经过扰动函数扰动后得到hash值，然后再通过hash & (length - 1)代替取模的方式进行元素定位的。
HashMap是使用链地址法解决hash冲突的，当有冲突元素放进来时，会将此元素插入至此位置链表的最后一位，形成单链表。当存在位置的链表长度大于等于 8 时，HashMap会将链表转变为红黑树，以此提高查找效率。
HashMap的容量是2的n次方，有利于提高计算元素存放位置时的效率，也降低了hash冲突的几率。因此，我们使用HashMap存储大量数据的时候，最好先预先指定容器的大小为2的n次方，即使我们不指定为2的n次方，HashMap也会把容器的大小设置成最接近设置数的2的n次方，如，设置HashMap的大小为 7 ，则HashMap会将容器大小设置成最接近7的一个2的n次方数，此值为 8 。
HashMap的负载因子表示哈希表空间的使用程度（或者说是哈希表空间的利用率）。当负载因子越大，则HashMap的装载程度就越高。也就是能容纳更多的元素，元素多了，发生hash碰撞的几率就会加大，从而链表就会拉长，此时的查询效率就会降低。当负载因子越小，则链表中的数据量就越稀疏，此时会对空间造成浪费，但是此时查询效率高。
HashMap不是线程安全的，Hashtable则是线程安全的。但Hashtable是一个遗留容器，如果我们不需要线程同步，则建议使用HashMap，如果需要线程同步，则建议使用ConcurrentHashMap。
在多线程下操作HashMap，由于存在扩容机制，当HashMap调用resize()进行自动扩容时，可能会导致死循环的发生。
我们在使用HashMap时，最好选择不可变对象作为key。例如String，Integer等不可变类型作为key是非常明智的。