HashMap
HashMap是基于哈希算法的键值对集合。
在此先简单说一下哈希。
哈希表: 也成为散列表,是根据关键码值直接进行访问的数据结构。通过把关键码值映射到表中一个位置来访问记录,以加快查找的速度。这个映射关系就是哈希函数,但是我们往往通过哈希函数计算的值有可能会出现相同的情况,这就叫做冲突。所以好的哈希函数需要尽可能的保证计算简单和散列地址分布均匀。解决这种冲突的方式也有多种:开放定址法、链地址法(拉链法)、再散列函数法等。
在HashMap中就是采用了链地址法。
属性:
DEFAULT_INITIAL_CAPACITY(default_initial_capacity):默认的初始化桶大小,1 << 4 = 16(桶就是盛放不同key链表的容器)
MAXIMUM_CAPACITY(maximum):最大容量,1 << 30 = 2^30,如果初始化容量大于此值,将会使用此值。
DEFAULT_LOAD_FACTOR(default_load_factor):默认的装载因子,默认值0.75f,作用是在容器当前元素个数大于总容量的75%时进行扩容。
TREEIFY_THRESHOLD(treeify_threshold):从hash table向红黑树转化的阙值。(当某个桶中的链表长度大于该值时,进行转换)
UNTREEIFY_THRESHOLD:从红黑树向hash table转化的阙值。同上。
MIN_TREEIFY_CAPACITY:64,只有在桶的数量大于64的时候才会转换。这是为了避免在哈希表建立初期,多个键值对恰好被放入了同一个链表中而导致不必要的转化。
数据结构
这里的Node就相当于一个桶,Node数组就相当于是一个hash table。
static class Node<K,V> implements Map.Entry<K,V> {
final int hash;
final K key;
V value;
Node<K,V> next; // 链表,指向下一个冲突元素
Node(int hash, K key, V value, Node<K,V> next) {
this.hash = hash;
this.key = key;
this.value = value;
this.next = next;
}
public final K getKey() { return key; }
public final V getValue() { return value; }
public final String toString() { return key + "=" + value; }
public final int hashCode() { return Objects.hashCode(key) ^ Objects.hashCode(value); }
public final V setValue(V newValue) {
V oldValue = value;
value = newValue;
return oldValue;
}
public final boolean equals(Object o) {
if (o == this)
return true;
if (o instanceof Map.Entry) {
Map.Entry<?,?> e = (Map.Entry<?,?>)o;
if (Objects.equals(key, e.getKey()) &&
Objects.equals(value, e.getValue()))
return true;
}
return false;
}
}
红黑树的数据结构
static final class TreeNode<K,V> extends LinkedHashMap.Entry<K,V> {
TreeNode<K,V> parent; // red-black tree links
TreeNode<K,V> left;
TreeNode<K,V> right;
TreeNode<K,V> prev; // needed to unlink next upon deletion
boolean red;
TreeNode(int hash, K key, V val, Node<K,V> next) {
super(hash, key, val, next);
}
....
}
构造器:
HashMap有四个构造器:
public HashMap() {
this.loadFactor = DEFAULT_LOAD_FACTOR;//设置装载因子为默认值0.75f
}
public HashMap(int initialCapacity) {
this(initialCapacity, DEFAULT_LOAD_FACTOR);//设置初始化容量
}
public HashMap(Map<? extends K, ? extends V> m) {
this.loadFactor = DEFAULT_LOAD_FACTOR;
putMapEntries(m, false);//将Map m中的数据传入当前HashMap对象中。
}
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);
}
方法
put方法
//onlyIfAbsent:key值相同时是否覆盖value
final V putVal(int hash, K key, V value, boolean onlyIfAbsent,
boolean evict) {
Node<K,V>[] tab; Node<K,V> p; int n, i;
//当hash table为空或没有值的时候,resize方法会将table设置默认大小和默认阙值
if ((tab = table) == null || (n = tab.length) == 0)
n = (tab = resize()).length;
//当发现table中对应key的桶为null,则为该key创建桶
if ((p = tab[i = (n - 1) & hash]) == null)
tab[i] = newNode(hash, key, value, null);
else {//当table中对应key的桶已经存在,那么就需要在桶中查找需要put的key-value是否存在
Node<K,V> e; K k;
if (p.hash == hash & &//hash和key值对应相等
((k = p.key) == key || (key != null && key.equals(k))))
e = p;
else if (p instanceof TreeNode)//如果p属于红黑树
e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
else {
for (int binCount = 0; ; ++binCount) {//循环查找在p的next中是否存在
if ((e = p.next) == null) {
p.next = newNode(hash, key, value, null);//解决冲突,找到p.next为null的时候,放入,此时e为null
if (binCount >= TREEIFY_THRESHOLD - 1)//超过阙值则转化
treeifyBin(tab, hash);
break;
}
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
break;
p = e;
}
}
if (e != null) {//此时说明在p.next的链中存在key-value,那么就需要查看是否要进行覆盖
V oldValue = e.value;
if (!onlyIfAbsent || oldValue == null)
e.value = value;
afterNodeAccess(e);
return oldValue;
}
}
++modCount;
if (++size > threshold)
resize();
afterNodeInsertion(evict);
return null;//没有覆盖时返回null
}
get方法
final Node<K,V> getNode(int hash, Object key) {
Node<K,V>[] tab; Node<K,V> first, e; int n; K k;
if ((tab = table) != null && (n = tab.length) > 0 && //当表中有值的时候
(first = tab[(n - 1) & hash]) != null) { //当hash对应的桶存在的时候
if (first.hash == hash && //先检查第一个结点是不是我们要找的
((k = first.key) == key || (key != null && key.equals(k))))
return first;
if ((e = first.next) != null) {
if (first instanceof TreeNode)
return ((TreeNode<K,V>)first).getTreeNode(hash, key);
do {//循环遍历当前桶链表的结点
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
return e;
} while ((e = e.next) != null);
}
}
return null;
}
树化
final void treeifyBin(Node<K,V>[] tab, int hash) {
int n, index; Node<K,V> e;
if (tab == null || (n = tab.length) < MIN_TREEIFY_CAPACITY)//如果桶的数目小于64就不进行树化
resize();//进行扩容操作
else if ((e = tab[index = (n - 1) & hash]) != null) {//进行扩容
TreeNode<K,V> hd = null, tl = null;
do {
TreeNode<K,V> p = replacementTreeNode(e, null);//用Node创建一个TreeNode
if (tl == null)//创建双向链表
hd = p;//头结点
else {
p.prev = tl;
tl.next = p;
}
tl = p;
} while ((e = e.next) != null);//不断用e进行更新下一个点
if ((tab[index] = hd) != null)//将hd赋值给桶
hd.treeify(tab);//hd进行树化
}
}
final void treeify(Node<K,V>[] tab) {
TreeNode<K,V> root = null;
for (TreeNode<K,V> x = this, next; x != null; x = next) {//this是头结点
next = (TreeNode<K,V>)x.next;
x.left = x.right = null;
if (root == null) {//将x设置为根结点
x.parent = null;
x.red = false;
root = x;
}
else {//进行建树,因为实在不会
K k = x.key;
int h = x.hash;
Class<?> kc = null;
for (TreeNode<K,V> p = root;;) {
int dir, ph;
K pk = p.key;
if ((ph = p.hash) > h)
dir = -1;
else if (ph < h)
dir = 1;
else if ((kc == null &&
(kc = comparableClassFor(k)) == null) ||
(dir = compareComparables(kc, k, pk)) == 0)//如果没有实现Comparable接口或者,两者相等
dir = tieBreakOrder(k, pk);//根据原生的hashCode()进行比较大小
TreeNode<K,V> xp = p;
if ((p = (dir <= 0) ? p.left : p.right) == null) {
x.parent = xp;
if (dir <= 0)
xp.left = x;
else
xp.right = x;
root = balanceInsertion(root, x);
break;
}
}
}
}
moveRootToFront(tab, root);
}
tableSizeFor
这个方法中的算法看起来也是赏心悦目,感觉位运算博大精深。
这个算法借鉴自 原地址
static final int tableSizeFor(int cap) {
int n = cap - 1;
n |= n >>> 1;
n |= n >>> 2;
n |= n >>> 4;
n |= n >>> 8;
n |= n >>> 16;
return (n < 0) ? 1 : (n >= MAXIMUM_CAPACITY) ? MAXIMUM_CAPACITY : n + 1;
}
首先你要清楚“|”或运算,按位进行或操作,那么相当于将两个数加起来。自己可以举几个例子试试。
>>>是无符号整数的位移
假设参数cap的二进制是01xxxxxx…
n >>> 1 ------ 001xxxxx… 再|运算 011xxxxx…
n >>> 2 ------ 00011xxx… 再|运算 01111xxx…
n >>> 4 ------ 00000111… 再|运算 01111111…
…
那么所有的低位就都变成了1。
那么再看第一句话int n = cap - 1;
这是为了保证最后算出的n+1是大于等于cap的第一个2的幂次。
因为当cap=8时,不计算n=cap-1;那么最后的结果就是 …001111。结果n+1是16。
扩容
final Node<K,V>[] resize() {
Node<K,V>[] oldTab = table;
int oldCap = (oldTab == null) ? 0 : oldTab.length;
int oldThr = threshold;
int newCap, newThr = 0;
if (oldCap > 0) {//如果原数组有元素
if (oldCap >= MAXIMUM_CAPACITY) {//判断元素个数是否大于最大容量
threshold = Integer.MAX_VALUE;//(1<<31)-1
return oldTab;
}
else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&//将原数组的大小扩大2倍
oldCap >= DEFAULT_INITIAL_CAPACITY)
newThr = oldThr << 1; // double threshold 阙值也变为原来的两倍
}
//oldCap <= 0 且 oldThr > 0,在这个时候oldTab为null,使用了有参构造器,给threhsold赋值。此时将创建newCap设为此阙值
else if (oldThr > 0) // initial capacity was placed in threshold
newCap = oldThr;
//oldCap <= 0 且 oldThr <= 0,这个时候oldTab为null,使用了无参构造器,赋值newCap和newThr默认值。
else { // zero initial threshold signifies using defaults
newCap = DEFAULT_INITIAL_CAPACITY;
newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);
}
if (newThr == 0) {//说明2*oldCap>=MAXIMUM_CAPACITY || oldCap < DEFAULT_INITIAL_CAPACITY,或者是上述第二个if
float ft = (float)newCap * loadFactor;//这里newCap=oldCap*2或者newCap=oldThr
newThr = (newCap < MAXIMUM_CAPACITY && ft < (float)MAXIMUM_CAPACITY ?
(int)ft : Integer.MAX_VALUE);
}
threshold = newThr;
@SuppressWarnings({"rawtypes","unchecked"})
Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap];
table = newTab;
if (oldTab != null) {//说明刚才的oldTable中时有数据的,那么就需要将数据传入table中
for (int j = 0; j < oldCap; ++j) {
Node<K,V> e;
if ((e = oldTab[j]) != null) {//oldTab[j]是旧哈希表的第j个桶
oldTab[j] = null;
if (e.next == null)//如果桶中只有一个元素
newTab[e.hash & (newCap - 1)] = e;
else if (e instanceof TreeNode)//如果这个桶中保存的是红黑树,进行红黑树的rehash
((TreeNode<K,V>)e).split(this, newTab, j, oldCap);
else { //如果是链表就进行链表的rehash
Node<K,V> loHead = null, loTail = null;
Node<K,V> hiHead = null, hiTail = null;
Node<K,V> next;
do {
next = e.next;
//扩容之后,为了使链表的长度尽量短,这里把链表分为两部分,分别放在j位置和j+oldCap位置,在此代码下面会详细解释这里的内容。
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);
//将链表分为的两部分放进newTab中
if (loTail != null) {
loTail.next = null;
newTab[j] = loHead;
}
if (hiTail != null) {
hiTail.next = null;
newTab[j + oldCap] = hiHead;
}
}
}
}
}
return newTab;
}
我们先讲一下hash函数,在这里引用一张图,原地址
HashMap中的哈希函数计算出来的哈希值 & 一个n-1(即桶的个数-1),计算出来的数字,在HashMap中作为下标使用。
(a)情况是在扩容以前,key1和key2的(oldCap-1) & hash相同,所以他们存储在一个桶中,但是当扩容了之后(b情况),newCap=oldCap*2,他们的下标也出现了变化,相当于加了一个oldCap。
e.hash & oldCap刚好可以区分出这两种情况。所以就有了上述的算法。
在写此文章的时候借鉴了一文读懂HashMap
在红黑树的rehash中,原理也和这个是一致的。大家可以自己看一下。
面试考点:
- HashMap内部的数据结构:链表短桶少时哈希(数组+链表),链表长桶多时链表转化为红黑树。
- put方法的过程:map.put(key, value);
先对key求hash找下标,查看哈希表中是否存在这个桶,如果不存在直接放入。
如果现在桶中的数据结构是红黑树,那么就用putTreeVal进行插入。
如果是链表,则遍历放入到链表后。
如果链表长度大于等于转换阙值,那么就转换成红黑树。
如果结点已经存在就根据参数对值进行覆盖。
如果键值对的数量大于阙值(capacity * loadFactor),进行resize() - HashMap的hash函数怎么实现的:高16位不变,低16位和高16位做异或运算。(n-1)&hash为桶的下标。
- HashMap如何解决冲突,讲一下扩容过程。如果一个值在原数组中,扩容后移动到了新数组,位置肯定改变了,如何定位到这个值在新数组中的位置? 使用“拉链法(链地址法)”进行解决冲突。在扩容的时候,将第i个列表分成两份,一份留在i的位置,另一份放在i+oldCap的位置。
- 哈希冲突有哪些解决方法:开放定址法、再哈希法、建立公共溢出区。
- …
如果有什么错误还请通知纠正。谢谢。