HashMap深入理解

涉及

  

hashing(散列法或哈希法)的概念

散列法（Hashing）是一种将字符组成的字符串转换为固定长度（一般是更短长度）的数值或索引值的方法，称为散列法，也叫哈希法。由于通过更短的哈希值比用原始值进行数据库搜索更快，这种方法一般用来在数据库中建立索引并进行搜索，同时还用在各种解密算法中。

 

红黑树

每个节点非红即黑
根节点总是黑色的
如果节点是红色的，则它的子节点必须是黑色的（反之不一定）
每个叶子节点都是黑色的空节点（NIL节点）
从根节点到叶节点或空子节点的每条路径，必须包含相同数目的黑色节点（即相同的黑色高度）

 

一，HashMap概念和底层结构

HashMap基于Map接口实现，元素以键值对的方式存储，并且允许使用null 建和null值，因为key不允许重复，因此只能有一个键为null,另外HashMap不能保证放入元素的顺序，它是无序的，和放入的顺序并不能相同。HashMap是线程不安全的。

相对于HashTable 来说 不允许使用null 建和null值，HsahTable是同步的，同步导致的性能开销所以HashMap快一些，通常情况下HashMap进行get和put操作可以达到常数时间的性能，所以它是绝大部分利用键值对存取场景的首选，平时使用时若无特殊需求建议使用HashMap，若要在多线程中使用HashMap，需要我们额外的进行同步处理。
            对HashMap的同步处理可以使用Collections类提供的synchronizedMap静态方法，或者直接使用JDK 5.0之后提供的java.util.concurrent包里的ConcurrentHashMap类。

HashMap 由数组 + （ 链表 or 红黑树 ）结合组成的复合结构 ，数组被分为一个个桶（bucket），每个桶存储有一个或多个Entry对象（其重要的属性有 hash，key，value，next。），通过哈希值决定了Entry对象（键值对）在这个数组的寻址；哈希值相同的Entry对象（键值对），则以链表形式存储。如果链表大小超过树形转换的阈值（TREEIFY_THRESHOLD= 8），链表就会被改造为树形结构。

HashMap的本质可以认为是一个数组，数组的每个索引被称为桶，每个桶里放着一个单链表，一个节点连着一个节点。很明显通过下标来检索数组元素时间复杂度为O(1)，而且遍历链表的时间复杂度是常数级别，所以整体的查询复杂度仍为O(1)

简单提下数组和链表的区别

数组 
                优点：物理地址连续+按下标随机访问效率高O（1） 
                缺点：占用内存严重，插入，删除效率低， 

链表 
                优点：存储地址不连续，可灵活的扩展自己的长度，插入，删除效率高 
                缺点：访问效率低O（n）

而哈希表（Hash类数据结构）正是结合了两者的优点，而衍生出来的的一种高效的数据存储结构，本质上是采用空间换时间的方式，提高了读写的效率。 

二，HashMap的基本存储原理以及存储内容的组成。

基本原理：先声明一个数组来存储元素（默认长度16），每个元素都是存储的都是一个链表的头结点，这些元素的存储规则是通过hash(key.hashCode())%len获得，也就是元素的key的哈希值对数组长度取模得到，数组存储的元素是一个Entry类，其中重要属性有key，value，next

Next指针，可以连接下一个Entyr实体，以此来解决Hash冲突的问题，针对哈希表直接定址可能存在冲突。

例如：第一个键值对A进来。通过Hash计算得到的index = 0,。记作：Entry[0] = A。
第二个键值对B进来，Hash得到的Index也是0。记作：B.next = A,Entry[0] = B。
第三个键值对C进来，index也等于0。记作：C.next = B,Entry[0] = C。

这样我们发现index=0的地方事实上存取了A,B,C三个键值对,它们通过next这个属性链接在一起。 
也就是说数组中存储的是最后插入的元素。
对于不同的元素，可能计算出了相同的函数值，这样就产生了“冲突”，这就需要解决冲突，“直接定址”与“解决冲突”是哈希表的两大特点。

三，HashMap的工作原理以及存取方法过程

HashMap是基于散列法（又称哈希法）的原理，使用put和get 储存和获取对象，当我们给put()方法传递键和值时，我们先对键调用hashCode()方法，返回的hashCode用于找到bucket（桶）位置来储存Entry对象。HashMap是在bucket中储存键对象和值对象，作为Map.Entry。并不是仅仅只在bucket中存储值。

put键值过程

1.判断键值数组table[i] 是否为空，否则执行resize()进行扩充。

2.根据key计算hash得到插入数组的索引i，如果table[i]为空，新建结点添加，插入成功后，判断实际存在的键值对数量是否超过了最大容量，超过进行扩容。

3.如果table[i]不为空，判断table[i] 首个元素是否和key一样（hashCode以及equals），如果相同直接覆盖value

4.如果不相同，判断table[i]是否为红黑树，如果是直接在树中插入键值

5.如果不是红黑树，遍历table[i] 判断链表长度是否大于8，大于8的话把链表转为红黑树，在红黑树中执行插入操作，否则进行链表的插入操作；遍历过程中发现key已经存在覆盖value即可。

6.插入成功后，判断实际存在的键值对数量是否超过了最大容量，超过进行扩容。

 

get值方法的过程是:
            根据hash函数得到key的hash值，调用内部方法 getNode() 得到桶号，然后比较桶的内部元素是否与key相等，都不相等则没有找到。

如果key所在的桶头结点是红黑树，就调用红黑树的getTreeNode()方法，否则就遍历链表结点。

如果对比节点的哈希值和要查找的哈希值相等，就会判断 key 是否相等，相等就直接返回；不相等就从子树中递归查找。
 

四，问题

拉链法导致的链表过深问题为什么不用二叉查找树代替，而选择红黑树？为什么不一直使用红黑树？

          之所以选择红黑树是为了解决二叉查找树的缺陷，二叉查找树在特殊情况下会变成一条线性结构（这就跟原来使用链表结构一样了，造成很深的问题），遍历查找会非常慢。而红黑树在插入新数据后可能需要通过左旋，右旋、变色这些操作来保持平衡，引入红黑树就是为了查找数据快，解决链表查询深度的问题，我们知道红黑树属于平衡二叉树，但是为了保持“平衡”是需要付出代价的，但是该代价所损耗的资源要比遍历线性链表要少，所以当长度大于8的时候，会使用红黑树，如果链表长度很短的话，根本不需要引入红黑树，引入反而会慢。

 

解决 hash 冲突的常见方法

a. 链地址法：将哈希表的每个单元作为链表的头结点，所有哈希地址为 i 的元素构成一个同义词链表。即发生冲突时就把该关键字链在以该单元为头结点的链表的尾部。

b. 开放定址法：即发生冲突时，去寻找下一个空的哈希地址。只要哈希表足够大，总能找到空的哈希地址。

c. 再哈希法：即发生冲突时，由其他的函数再计算一次哈希值。

d. 建立公共溢出区：将哈希表分为基本表和溢出表，发生冲突时，将冲突的元素放入溢出表。

HashMap 就是使用链地址法来解决冲突的（jdk8中采用平衡树来替代链表存储冲突的元素，但hash() 方法原理相同）。当两个对象的hashcode相同时，它们的bucket位置相同，碰撞就会发生。此时，可以将 put 进来的 K- V 对象插入到链表的尾部。对于储存在同一个bucket位置的链表对象，可通过键对象的equals()方法用来找到键值对。
 

 

为什么Map桶中个数超过8才转为红黑树

        我们首先要明白为什么要转换，这个问题比较简单，因为Map中桶的元素初始化是链表保存的，其查找性能是O(n)，而树结构能将查找性能提升到O(log(n))。当链表长度很小的时候，即使遍历，速度也非常快，但是当链表长度不断变长，肯定会对查询性能有一定的影响，所以才需要转成树。
TreeNodes占用空间是普通Nodes的两倍，所以只有当bin包含足够多的节点时才会转成TreeNodes，而是否足够多就是由TREEIFY_THRESHOLD的值决定的。当bin中节点数变少时，又会转成普通的bin。并且我们查看源码的时候发现，链表长度达到8就转成红黑树，当长度降到6就转成普通bin。这样就解析了为什么不是一开始就将其转换为TreeNodes，而是需要一定节点数才转为TreeNodes，说白了就是trade-off，空间和时间的权衡：

    当hashCode离散性很好的时候，树型bin用到的概率非常小，因为数据均匀分布在每个bin中，几乎不会有bin中链表长度会达到阈值。但是在随机hashCode下，离散性可能会变差，然而JDK又不能阻止用户实现这种不好的hash算法，因此就可能导致不均匀的数据分布。不过理想情况下随机hashCode算法下所有bin中节点的分布频率会遵循泊松分布，我们可以看到，一个bin中链表长度达到8个元素的概率为0.00000006，几乎是不可能事件。所以，之所以选择8，不是拍拍屁股决定的，而是根据概率统计决定的。由此可见，发展30年的Java每一项改动和优化都是非常严谨和科学的。