hashmap1.7和1.8细节

hashmap细节

JDK1.7 数组+单向链表

hashmap的put方法

在这里插入图片描述

在这里插入图片描述

初始化table

在这里插入图片描述

在这里插入图片描述

Integer.highestOneBit(int num) 会返回一个小于等于当前num的2的次方数,比如num为7,方法返回4.num为20,方法返回16

最终的效果是:

假设number为10, number-1=9 , 9左移动一位变为18, 比18小的2的次方数 就为16

0000 1001 9

0001 0010 左移一位 16+2=18

比如申请6,容量就位8 ,申请12 ,容量为16----->要求是满足当前申请数最小的 2的次方–>初始化容量必须是2的次方数

hash算法

在这里插入图片描述

各种位运算提高散列性,提高容错

求下标

在这里插入图片描述

解释为什么初始length|容量要是2的次方数???

在于 h&(length-1)算法,所以是跟求下标有关系的

h& (length-1)

长度为16的时候

h 1010 0000

15 0000 1111

& 0000 1111 长度最大为15

低位都是1 ,高位都是0 不管hash的值是多少,最终的结果都是在 0000-1111范围

长度为32的时候

32 0000 0010 0000

h 0000 1010 0000

31 0000 0001 1111

& 0001 1111 长度最大为31

数组扩容

在这里插入图片描述

if判断是在考虑是不是 需要 数组扩容,注意是 两个 条件同时满足,threashold=capacity*loadfactory

threashold值为 16*0.75(加载因子)=12 加载因子为什么是0.75 查资料 泊松分布

当map中存的数据size>=12并且当前下标位置有数据的时候,就会开始扩容

参数: 2*table.length

在这里插入图片描述

数据复制

在这里插入图片描述

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-kXkQQTHP-1588840727364)(img/新数组求下标.png)]

for循环老数组,取出以前的元素e,要不要重新hash取决于rehash这个boolean参数,重新计算在新数组中的下标(如果在没有重新hash的前提下有个规律,如上图所示,在新数组里的下标求出来跟旧数组一样),然后挂在对应的关系------通过逻辑可以看出 移动之后 链表会掉头

添加元素到数组

在这里插入图片描述

首先将以前的头节点拿出来,然后把他作为当前节点的下一个节点,当前这个节点作为新的头节点

多线程扩容问题

在这里插入图片描述

在这里插入图片描述

会出现循环链表的问题,不听的走,会耗尽cpu

###==================================

JDK1.8数组+链表/红黑树

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-KuU3V3U6-1588840727371)(img/1.8概览.png)]

链表数据结构长度大于8,那么链表将会转成红黑树—为什么?

因为链表其实添加删除很快,只需要修改引用就ok,时间复杂度为o(1),但是查找比较慢,需要挨个遍历节点,时间复杂度o(n)

hash算法(跟1.7不一样)

扰动函数,尽量避免hash碰撞.通过位扰动,尽量让所有的位参与运算,尽量分散开来

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-tbt3U2Gf-1588840727372)(img/jdk1.8 hash函数.png)]

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-0JrQiHdZ-1588840727374)(img/1.8hash 移位之前.png)]h无符号右移16位

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-R3APFfca-1588840727375)(img/1.8移位之后.png)]

然后再进行异或运算

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-GKWJjRKt-1588840727377)(img/1.8异或运算.png)]

最终得到一个hash值

在通过hash值算下标(跟1.7是一样的方式)

在这里插入图片描述

得到索引下标为 2

put方法

 final V putVal(int hash, K key, V value, boolean onlyIfAbsent,
                   boolean evict) {
        Node<K,V>[] tab; Node<K,V> p; int n, i;
   			//判断当前数组是否已经进行了初始化
        if ((tab = table) == null || (n = tab.length) == 0)
        //初始化数组
            n = (tab = resize()).length;
   			//当当前hash值算出来对应下标没有数据时候,创建新节点放入该下标位置
   			//tab就是当前node数组
        if ((p = tab[i = (n - 1) & hash]) == null)
            tab[i] = newNode(hash, key, value, null);
        else {//===说明这个位置已经有人占用了(冲突)=========
            Node<K,V> e; K k;
           //判断当前key是否和当前存储位置的key冲突,冲突的话新值会覆盖旧值---这里还没有循环遍历链表
            if (p.hash == hash &&
                ((k = p.key) == key || (key != null && key.equals(k))))
              	//p是旧node
                e = p;
            //需要判断是否是红黑树节点
            else if (p instanceof TreeNode)
                //红黑树插入元素----复杂
                e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
            else {// 链表结构,就需要遍历当前的链表
                for (int binCount = 0; ; ++binCount) {
                    if ((e = p.next) == null) {//下一个节点为null,说明遍历到当前链表的尾结点
                        p.next = newNode(hash, key, value, null);  //====注意将新节点添加到末尾
                        //链表的长度大于或者等于8,bincount=7,循环8次
                        if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st
                            treeifyBin(tab, hash); //转成红黑树 
                        break;
                    }
                    //循环遍历,找出相同key的
                    if (e.hash == hash &&
                        ((k = e.key) == key || (key != null && key.equals(k))))
                        break;
                    p = e;
                }
            }
            
            //如果节点存在,同时是同一个key,新value替换旧value
            if (e != null) { // existing mapping for key
                V oldValue = e.value;
                if (!onlyIfAbsent || oldValue == null)
                    e.value = value;
                afterNodeAccess(e);
                return oldValue;
            }
        }
        //迭代器,failfast
        ++modCount;
        //判断当前hashmap容量是否已经到达扩容阈值
        if (++size > threshold)
            resize();//进行扩容
        afterNodeInsertion(evict);
        return null;
    }

resize方法

 if ((tab = table) == null || (n = tab.length) == 0)
            n = (tab = resize()).length;
//初始化数组
final Node<K,V>[] resize() {
  			//旧数组
        Node<K,V>[] oldTab = table;
        int oldCap = (oldTab == null) ? 0 : oldTab.length;  	//0
        int oldThr = threshold;				//0
        int newCap, newThr = 0;
        if (oldCap > 0) { //Node数组已经初始化,扩容的操作
            if (oldCap >= MAXIMUM_CAPACITY) {
                threshold = Integer.MAX_VALUE;
                return oldTab;
            }
            else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&
                     oldCap >= DEFAULT_INITIAL_CAPACITY)
                newThr = oldThr << 1; // double threshold
        }
        else if (oldThr > 0) // initial capacity was placed in threshold
            newCap = oldThr;
        else {               // zero initial threshold signifies using defaults
            //1.==============得到数组的初始容量================
            newCap = DEFAULT_INITIAL_CAPACITY;		//16   容量
            newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY); //16*0.75=12
        }
        if (newThr == 0) {
            float ft = (float)newCap * loadFactor;
            newThr = (newCap < MAXIMUM_CAPACITY && ft < (float)MAXIMUM_CAPACITY ?
                      (int)ft : Integer.MAX_VALUE);
        }
        threshold = newThr;
        @SuppressWarnings({"rawtypes","unchecked"})
  			//2.=============实例化一个数组,长度为16=============
        Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap];
  			//===========table数组赋值==========
        table = newTab;
        if (oldTab != null) {
            for (int j = 0; j < oldCap; ++j) {
                Node<K,V> e;
                if ((e = oldTab[j]) != null) {
                    oldTab[j] = null;
                    if (e.next == null)
                        newTab[e.hash & (newCap - 1)] = e;
                    else if (e instanceof TreeNode)
                        ((TreeNode<K,V>)e).split(this, newTab, j, oldCap);
                    else { // preserve order
                        Node<K,V> loHead = null, loTail = null;
                        Node<K,V> hiHead = null, hiTail = null;
                        Node<K,V> next;
                        do {
                            next = e.next;
                            if ((e.hash & oldCap) == 0) {
                                if (loTail == null)
                                    loHead = e;
                                else
                                    loTail.next = e;
                                loTail = e;
                            }
                            else {
                                if (hiTail == null)
                                    hiHead = e;
                                else
                                    hiTail.next = e;
                                hiTail = e;
                            }
                        } while ((e = next) != null);
                        if (loTail != null) {
                            loTail.next = null;
                            newTab[j] = loHead;
                        }
                        if (hiTail != null) {
                            hiTail.next = null;
                            newTab[j + oldCap] = hiHead;
                        }
                    }
                }
            }
        }
        return newTab;

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-33AXnXPK-1588840727380)(img/1.8红黑树.png)]

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值