数据结构基础:哈希表(HashMap)原理分析

前言:

 数组的特点是：寻址容易，插入和删除困难；

 链表的特点是：寻址困难，插入和删除容易；

我们可以构造一种结合两种优点的“链表散列”的数据结构，可以理解为链表的数组，HashMap就是基于其实现的。

 

1.哈希表的缺点有和优点

优点:

相对数组可以节省存储空间;

插入和寻址都很快;

在散列表中,查找一个元素的时间和链表中是相同的,都为O(n),但是在实践中散列表效率是很高的,查找一个元素的期望的时间为O(1);

缺点:

它是基于数组的, 数组创建完后扩展比较难, 所以当哈希表被填满的时候,性能会下降很多;所以,最好是知道表中要存储多少数据;

2. 理解寻址

在理解Hashmap之前,先理解哈寻址

直接寻址方式:

 

 

 

 

 哈希寻址:

 

 

 

关键字是k的元素被散列到槽h(k);

 

所以现在就剩下几个问题:

1.如何哈希化

//JDK源码

 final int hash(Object k) {

        int h = hashSeed;

        if (0 != h && k instanceof String) {

            return sun.misc.Hashing.stringHash32((String) k);

        }

 

        h ^= k.hashCode();

 

        // This function ensures that hashCodes that differ only by

        // constant multiples at each bit position have a bounded

        // number of collisions (approximately 8 at default load factor).

        h ^= (h >>> 20) ^ (h >>> 12);

        return h ^ (h >>> 7) ^ (h >>> 4);

    }

 

哈希函数的设计其实很有讲究, 目标就是尽量减少冲突,同时把寻址控制在一定范围内;

 具体的理论现在还理解不了, 源码的分析可以参考:

http://pengranxiang.iteye.com/blog/543893

 

2.如何解决冲突

  指定的数组大小是需要存储的数据量的两倍,因此,可能有一半的单元是空的.

当冲突发生, 

方法一:找到数组的一个空位,把数据插入,称为开放地址法;

 

方法二:创建一个存放链表的数组, 数组内不直接存放数据,这样当冲突发生,新的数据项直接接到这个数组下标所指的链表中;(链地址法)

 

2.1 开放地址法:

一种简单的就是:当要插入的数据的位置是1234, 如果位置被占了, 那么就看看1235, 以此类推,直到找到空位, 这样的方式叫线性探测;

当然,还有其他更好的改进的探测方法,就不仔细说了;

 

 

2.2 链地址法:

在链地址法中,如果需要在N个单元的数组中存放大于N个数据,因此装填因子大于1;

装填因子为2/3左右的时候,开发地址法的哈希表效率会下降很多, 而链地址法当因子为大于1,且对性能影响不是很大;

当然, 如果链表中有许多项, 存储时间会变长, 因为存储特定的数据需要搜索链表一半的长度;

 

2.3 JDK的链地址法具体实现

 (这部分原文是来自 http://xiaolu123456.iteye.com/blog/1485349)

public V put(K key, V value) {  

        if (key == null)  

            return putForNullKey(value);  

        int hash = hash(key.hashCode());  

        int i = indexFor(hash, table.length);  

        for (Entry<K,V> e = table[i]; e != null; e = e.next) {  

            Object k;  

            /*判断当前确定的索引位置是否存在相同hashcode和相同key的元素，如果存在相同的hashcode和相同的key的元素，那么新值覆盖原来的旧值，并返回旧值。  

            如果存在相同的hashcode，那么他们确定的索引位置就相同，这时判断他们的key是否相同，如果不相同，这时就是产生了hash冲突。  

            Hash冲突后，那么HashMap的单个bucket里存储的不是一个 Entry，而是一个 Entry 链。  

            系统只能必须按顺序遍历每个 Entry，直到找到想搜索的 Entry 为止——如果恰好要搜索的 Entry 位于该 Entry 链的最末端（该 Entry 是最早放入该 bucket 中），  

            那系统必须循环到最后才能找到该元素。  

*/

            if (e.hash == hash && ((k = e.key) == key || key.equals(k))) {  

                V oldValue = e.value;  

                e.value = value;  

                return oldValue;  

            }  

        }  

        modCount++;  

        addEntry(hash, key, value, i);  

        return null;  

    }  

 

理解HASHMAP冲突最重要的一句话: 冲突是不可避免的,所以要去解决, 但是要尽最大努力,减少冲突的机会;

个人的理解是:减少冲突一方面是体现在哈希函数的设计上, 另外,作为使用者也要注意下容量是否合适;

 

HashMap的API里面有一句：

通常，默认加载因子 (.75) 在时间和空间成本上寻求一种折衷。加载因子过高虽然减少了空间开销，但同时也增加了查询成本（在大多数 HashMap 类的操作中，包括 get 和 put 操作，都反映了这一点）。

 

3. 哈希表怎么扩容

上面提到了默认的加载因子为0.75, 那么什么时候JDK里面的Hashmap数组会扩容? 扩多大?

在设置初始容量时应该考虑到映射中所需的条目数及其加载因子，以便最大限度地减少 rehash 操作次数。

如果 初始容量*加载因子<最大数据条目，则会发生扩容操作。 

//JDK源码 

void addEntry(int hash, K key, V value, int bucketIndex) {
        if ((size >= threshold) && (null != table[bucketIndex])) {
            resize(2 * table.length);
            hash = (null != key) ? hash(key) : 0;
            bucketIndex = indexFor(hash, table.length);
        }

        createEntry(hash, key, value, bucketIndex);
    }

 * @param newCapacity the new capacity, MUST be a power of two;
     *        must be greater than current capacity unless current
     *        capacity is MAXIMUM_CAPACITY (in which case value
     *        is irrelevant).
     */
    void resize(int newCapacity) {
        Entry[] oldTable = table;
        int oldCapacity = oldTable.length;
        if (oldCapacity == MAXIMUM_CAPACITY) {
            threshold = Integer.MAX_VALUE;
            return;
        }


        Entry[] newTable = new Entry[newCapacity];
        transfer(newTable, initHashSeedAsNeeded(newCapacity));
        table = newTable;
        threshold = (int)Math.min(newCapacity * loadFactor, MAXIMUM_CAPACITY + 1);
    }

每次在原来的基础上增大1倍(table.lenght*2)

所以在使用的过程中, 合理使用扩容.

参考:   http://blog.csdn.net/likika2012/article/details/40510007

http://www.cnblogs.com/matrix-skygirl/archive/2013/01/17/2864919.html