HashMap的实现原理和底层结构
哈希表
哈希表也叫散列表,是一种重要的数据结构,应用场景比较丰富。
和其他的数据结构相比,在哈希表中进行添加,删除,查找等操作,性能十分之高,不考虑哈希冲突的情况下,仅需一次定位即可完成,时间复杂度为O(1),接下来我们就来看看哈希表是如何实现达到惊艳的常数阶O(1)的。
哈希表的主干是数组
假如我们要查找某个元素的关键字,可以通过函数映射带数组中的某个位置,这个函数就是hash函数
哈希冲突
如果两个不同的元素,通过哈希函数得出的实际存储地址相同怎么办?也就是说,当我们对某个元素进行哈希运算,得到一个存储地址,然后要进行插入的时候,发现已经被其他元素占用了,其实这就是所谓的哈希冲突,也叫哈希碰撞。前面我们提到过,哈希函数的设计至关重要,好的哈希函数会尽可能地保证 计算简单和散列地址分布均匀,但是,我们需要清楚的是,数组是一块连续的固定长度的内存空间,再好的哈希函数也不能保证得到的存储地址绝对不发生冲突。那么哈希冲突如何解决呢?哈希冲突的解决方案有多种:开放定址法(发生冲突,继续寻找下一块未被占用的存储地址),再散列函数法,链地址法,而HashMap即是采用了链地址法,也就是数组+链表的方式。
HashMap实现原理
HashMap的主干是一个数组,每一个Entry都抱一个键值对<key,value>
transient Entry<K,V>[] table = (Entry<K,V>[]) EMPTY_TABLE;
然后我们打开原码可以看到,Entry是一个静态内部类,实现了Map接口。
static class Node<K,V> implements Map.Entry<K,V> {
final int hash;
final K key;
V value;
Node<K,V> next;
Node(int hash, K key, V value, Node<K,V> next) {
this.hash = hash;
this.key = key;
this.value = value;
this.next = next;
}
我们都知道HashMap是由数组和链表组成的,数组是主体,链表是为了解决哈希冲突的。
如果定位道德数组位置不含有链表的话,添加和查找操作只需要一次就可以。
反之,如果头部已经有了,那我们通过遍历操作通过equals方法比较key
[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-CIPNGUjn-1594526884442)(C:\Users\Administrator\AppData\Roaming\Typora\typora-user-images\image-20200712114534948.png)]
初始容量默认是16,加载因子是0.75
public HashMap(int initialCapacity, float loadFactor) {
if (initialCapacity < 0)
throw new IllegalArgumentException("Illegal initial capacity: " +
initialCapacity);
if (initialCapacity > MAXIMUM_CAPACITY)
initialCapacity = MAXIMUM_CAPACITY;
if (loadFactor <= 0 || Float.isNaN(loadFactor))
throw new IllegalArgumentException("Illegal load factor: " +
loadFactor);
this.loadFactor = loadFactor;
this.threshold = tableSizeFor(initialCapacity);
}
从上面这段代码我们可以看出,在常规构造器中,没有为数组table分配内存空间(有一个入参为指定Map的构造器例外),而是在执行put操作的时候才真正构建table数组
put的实现
public void put(Object key, Object value) {
//判断是否存在数组,如果不存在创建
if(table == null||table.length == 0) {
table = new Node[16];
}
//1.计算位桶索引 hash
int hash = hash(key.hashCode());
//2.构建新节点
Node newNode = new Node(hash,key,value,null);
//3.获取数组中对应索引位置的节点-->首节点
Node node = table[hash];
//4.判断节点是否存在,不存在直接添加作为链表头节点,
if(node == null) {
table[hash] = newNode;
size++;
}else {
//5.存在就遍历,找到最后节点
while(true) {
//从第一个节点快开始,先判断key与添加新节点的key是否相同,相同覆盖,不相同才往后遍历
if(node.getKey().equals(key)) {
node.setValue(value);
return;
}
if(node.getNext()==null) {
break;
}
node = node.getNext();
}
//添加新节点
node.setNext(newNode);
//6.size++
size++;
}
}
hash函数
//计算位桶索引的hash
public int hash(int hashcode) {
return hashcode & (table.length-1); //保证数组的长度为2的整数幂 %->除法效率较低 &->位运算符效率高
}
看看源码
static final int hash(Object key) {
int h;
return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}
通过hash函数获得的值来处理具体的位置
static int indexFor(int h, int length) {
return h & (length-1);
}
[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-YgYaTLgm-1594526884445)(C:\Users\Administrator\AppData\Roaming\Typora\typora-user-images\image-20200712120415569.png)]
void addEntry(int hash, K key, V value, int bucketIndex) {
if ((size >= threshold) && (null != table[bucketIndex])) {
resize(2 * table.length);//当size超过临界阈值threshold,并且即将发生哈希冲突时进行扩容
hash = (null != key) ? hash(key) : 0;
bucketIndex = indexFor(hash, table.length);
}
createEntry(hash, key, value, bucketIndex);
}
通过以上代码能够得知,当发生哈希冲突并且size大于阈值的时候,需要进行数组扩容,扩容时,需要新建一个长度为之前数组2倍的新的数组,然后将当前的Entry数组中的元素全部传输过去,扩容后的新数组长度为之前的2倍,所以扩容相对来说是个耗资源的操作。