Java-HashMap详解

最新推荐文章于 2024-04-25 18:14:47 发布

悟_

最新推荐文章于 2024-04-25 18:14:47 发布

阅读量574

点赞数

分类专栏： HashMap详解 HashMap底层源码文章标签： java

本文链接：https://blog.csdn.net/qq_40286155/article/details/107458387

版权

本文参考：

hashset源码学习网站：
https://www.bilibili.com/video/BV1FE411t7M7?from=search&seid=4736935028171333861

1. HashMap集合介绍

jdk8之前：HashMap是由数组+链表组成，数组是主体，链表是为了解决哈希冲突

【哈希冲突】：两个对象调用的hashCode方法计算的哈希码值一致导致计算的数组索引相同

jdk8之后：HashMap由：数组+链表+红黑树组成；链表和红黑树是为了解决哈希冲突的。
当链表长度大于阈值（或者红黑树边界值，默认为8）并且当前数组长度大于64时，此时此索引位置上的所有数据改为使用红黑树存储，具体可参考源码：treeifyBin方法。

【补充】：在将链表转换成红黑树之前会判断，即使阈值大于8，但是数组长度小于64，此时并不会将链表变为红黑树，而是选择进行扩容。

【原因】：因为此时数组比较小，搜索时间相对要快些，这种情况下转换为红黑树反而降低效率，因为红黑树需要左旋，右旋变色这些操作来保持平衡。这样做是平衡之后为了提高性能和减少搜索时间选择的操作。
在这里插入图片描述
注意：数组比较小时，要尽量避开红黑树结构。

2. HashMap底层的数据结构

2.1 语言过程描述

当创建HashMap集合对象的时候，在jdk8之前，构造方法中创建一个长度是16的Entry[] table ,用来存放键值对数据的。在jdk8以后，不是在HashMap构造方法中创建数组（只初始化加载因子和初始容量大小），是在第一次调用put方法时创建的数组：**Node[] table;**用来存储键值对数据（两次实现的都是Map.Entry<>）

HashMap<String,Integer> hm = new HashMap<>();
hm.put("柳岩",18);
hm.put("杨幂",28);
hm.put("刘德华",40);
hm.put("柳岩",20);

上述代码存储过程：
（1）假设向哈希表中存储柳岩=18，根据柳岩调用String类中重写之后的hashCode()方法计算出值，然后结合数组长度，采用某种算法计算出向Node数组中存储数据的空间对应的索引值。如果计算出的索引空间没有数据则直接将柳岩和对应的value18存储到数组中，假设计算出索引为3，杨幂索引为6.

面试题：哈希表底层采用哪种算法计算哈希值的？还有那些算法可以计算哈希值？

底层采用的是key的HashCode方法的值，结合数组长度进行无符号右移（>>>），按位异或（^）,按位与（&）。
还可以采用平方取中法，取余数，伪随机数法。
为什么不用其他算法：执行效率比较低，而位运算效率高。因为计算机底层都是二进制存储。

（2）向哈希表中存储数据刘德华-40，假设刘德华计算出的HashCode方法结合数组长度计算出的索引值也是3，那么此时数组空间不是null，此时底层会比较柳岩和刘德华的哈希值是否一致，如果不一致，则在此空间上划出一个节点来存储键值对数据：刘德华-40.

上述这种方式称为：拉链法

（3）假设向哈希表中存储数据：柳岩-20，那么根据柳岩调用hashCode方法结合数组长度计算出索引值，肯定为3.此时比较后存储的数据柳岩和已经存在的数据的哈希值是否相等，如果哈希值相等，此时发生哈希碰撞，那么底层会调用柳岩所属类String类中的equals方法比较两个内容是否相等（如：比较两个柳岩是否相等）。

相等：则将后添加的数据的value覆盖之前的value

不相等：那么继续向下和其他的数据的key进行比较：

如果都不相等，则划出一个节点存储数据；

如果相等，直接覆盖对应的value值。
数据存储结果如下图：
在这里插入图片描述

PS：HashCode值相等的两个key内容不一定相同，如”重地“和“通话”计算的哈希值相等

PS：如果节点长度大于阈值8且数组长度大于64，将链表变为红黑树

即：如果计算出的索引处，存在数据就比较哈希值，哈希值不相等直接存，如果相等就发生哈希碰撞，就要比较key的内容，如果key的内容相等就进行value值覆盖，如果不相等再继续和链表中剩余key值比较相等则继续覆盖value值，都不相等就再划出一块空间存储。

面试题：当两个对象HashCode相等时会怎样？

产生哈希碰撞，若key值相同替换value值（调用equals比较key），不同就链到链表后面，链表长度大于8并且数组长度大于64就转换为红黑树。

面试题：何时发生哈希碰撞？如何解决？

只要计算的key的哈希值相等就会发生哈希碰撞
jdk8之前采用链表解决，8之后采用链表+红黑树解决

面试题：如果两个hashCode相同如何存储键值对？

hashCode相同，通过equals比较内容（key值），若内容相同直接后添加数据value覆盖，如果不相同，继续存储就可以了。

（5）在不断添加的过程中，会发现有扩容情况，什么时候扩容呢？

检测链表大于阈值，先检查长度是否小于64，小于就扩容，扩容为原来2倍。

jdk8之后在哈希表中引入红黑树只是为了查找效率更高。

传统hashMap的缺点？1.8为什么引入红黑树这样结构不是更复杂了吗？为何阈值大于8换成红黑树？

1.8之前HashMap的实现是数组+链表，即使哈子函数取得再好，也很难达到百分之百均匀分布。通过计算，当存储的长度超过 加载因子*默认长度就会进行扩容（如，默认长16，加载因子为0.75，当超过12时就会扩容）。

当HashMap中有大量元素都存放同一个桶中时，此时HashMap就相当于一个单链表，加入有n个元素，遍历的时间复读就是O(n)，转换为红黑树就会变成O(logn)，小于O(n)，所以转换为红黑树之后效率变高了。
为什么阈值为8，需要看源码。

哈希流程图：

在这里插入图片描述

3. HashMap继承关系

public class HashMap<K,V> extends AbstractMap<K,V>
    implements Map<K,V>, Cloneable, Serializable {
   
//...
}

由源码可以看出HashMap，继承了AbstractMap<K,V>抽象类，并且实现了 Map<K,V>, Cloneable, Serializable三个接口：

AbstractMap<K,V>抽象类：实现Map<K,V>接口，以最大限度减少此接口所需的工作

Cloneable空接口：表示可以克隆，创建并返回一个HashMap副本。（是一个标记性接口表示HashMap可以克隆的，即可以完成一个对象副本）

Serializable序列化接口：属于标记性接口，HashMap对象可以完成序列化和反序列化

Map<K,V>：提供Map集合的方法，更加方便
为什么父类AbstractMap<K,V>抽象类实现Map<K,V>接口后HashMap还要再实现该接口呢？

首先，所有集合都是这样做的
根据集合创始人描述，这样写是个小失误，最开始写集合时认为有某种价值，但最后发现是个错误，oracle公司认为不值当修改就留着了。

4. HashMap集合的成员变量

4.1序列化版本号：

private static final long serialVersionUID = 362498820763181265L;

4.2 集合的默认初始化容量(必须是2的n次幂)

//默认初始化容量16---1<<4等价于2^4=16
static final int DEFAULT_INITIAL_CAPACITY = 1 << 4; // aka 16

为什么必须是2的n次幂？

首先HashMap在创建元素时是调用hashCode方法计算出哈希码值再结合数组长度，计算出其数组索引，HashMap为了存取高效，要尽量减少碰撞，就是要尽量把数据分配均匀，每个链表长度大致相同,这个实现就是把数据存到哪个链表中的算法。这个算法实际就是取模，hash%length，上面说过取模运算的效率没有位运算效率高，所以底层使用了位运算：hash&(length-1)，前提就是length是2的n次幂。

（如果数组长度过大就有可能导致有的数组空间一直没有数据，这样的空间比较多的话就会造成空间浪费，如果链表空间很长的话，也会使得查询效率低，即使转化为红黑树效率也会低，所以就要让数组空间分配均匀一些）

为什么这样hash&(length-1)就能减少哈希碰撞呢？让数据在数组空间平均分配呢？2的n次幂

hash&(length-1)是按照二进制处理的，如下：
按位与运算：参与运算的两个数，相同位上都为1时结果为1，否则为0

length-1:
 10000
-    1
---------
  1111
按位与运算：参与运算的两个数，相同位上都为1时结果为1，否则为0，等价于低位（数组长度范围位）取得是自己，高位全部被取0，就实现了取余运算。
- hash&(length-1)这种算法如何减少哈希碰撞？
假设数组长度为8，hash：15，那么15&(8-1)，对应的二进制运算即为：
     1111-1111（15）
    &0000-0111（8-1）
     -----------
     0000-0111（7=15%8）
     
假设数组长度为8，hash：14，那么14&(8-1)，对应的二进制运算即为：
     1111-1110（14）
    &0000-0111（8-1）
     -----------
     0000-0110（6=14%8）
两次计算出的索引并不相同

如果数组长度不是2的n次幂

例1：hash=15，数组长度为9（1001）
  hash&(length-1)运算对应15&（9-1）
    1111-1111（15）
   &0000-1000（9-1）
    ----------
    0000-1000（8）
    
 例2：hash=14，数组长度为9（1001）
  hash&(length-1)运算对应14&（9-1）
    1111-1110（14）
   &0000-1000（9-1）
    ----------
    0000-1000（8）
上次计算出的索引相同
//从上例可以看出如果数组长度不是2的n次幂，计算出的索引特别容易相同，及其容易发生碰撞，导致其余数组空间很大程度上并没有存储数据，链表或者红黑树过程，效率降低。
    //如果不考虑效率问题，就可以直接用取余操作，不用再用位运算实现，这样链表长度就可以不限定必须为2的n次幂了。

小结：

由上面可以看出，当我们根据key的hash确定其在数组的位置时，如果n为2的幂次方，可以保证数据的均匀插入，如果n不是2的幂次方，可能数组的一些位置永远不会插入数据，浪费数组空间，加大hash冲突
另一方面，一般我们可能想通过区域来确定位置，这样也可以，只不过性能不如位运算（&），而且当n是2幂次方时，hash&(length-1) == hash % length;
因此，HashMap容量为2次幂的原因：为了数据的均匀分布，减少hash冲突，毕竟hash冲突越大，代表数组汇总一个链的长度就越大，这样的话就会降低HashMap的性能。

如果用有参构造给的初始值不是2的n次幂会怎么样呢？

如果创建HashMap对象时，输入的数组长度是10.不是2的次幂，HashMap通过位运算（或运算和右移运算）得到的肯定是2的幂次数，并且是里那个数最近的数字。如，长度为10会创建长为16的数组，底层通过移位运算自主完成。
底层源码分析：

 HashMap<String, Integer> hm = new HashMap<>(10); 

public HashMap(int initialCapacity) {
   
        this(initialCapacity, DEFAULT_LOAD_FACTOR);//用this调用有参构造方法
    }

public HashMap(int initialCapacity, float loadFactor) {
   //有参构造方法
        if (initialCapacity < 0)//10<0-false
            throw new IllegalArgumentException("Illegal initial capacity: " +
                                               initialCapacity);
        if (initialCapacity > MAXIMUM_CAPACITY)//MAXIMUM_CAPACITY最大容量，false
            initialCapacity = MAXIMUM_CAPACITY;
        if (loadFactor <= 0 || Float.isNaN(loadFactor))//false || false
            throw new IllegalArgumentException("Illegal load factor: " +
                                               loadFactor);
        this.loadFactor = loadFactor;//加载因子初始化
        this.threshold = tableSizeFor(initialCapacity);//从这进入初始化数组容量
    }

static final int tableSizeFor(int cap) {
   //初始化数组容量，cap=10
        int n = cap - 1;//减1：防止创建集合的时候恰巧给的长度时2的次幂的情况。
        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;
    }

说明：

从上面源码可以看出，如果指定的数组长度不是2的幂次方，底层会自己右移，或运算将数组长度转换为与所给长度差距最小的2的幂次方大小。

【分析算法：】

1）int n = cap - 1;

减1：防止创建集合的时候恰巧给的长度时2的次幂的情况。

如果给的长度恰好是2的幂次方又没有减1，那么经过下面几条无符号右移操作之后，返回的capacity就是这个cap的2倍。

2）如果给的长度是0：经过一波无符号右移之后得到的还是0，那么在返回时就会执行n+1操作返回一个1给边界值this.threshold.[ this.threshold = tableSizeFor(initialCapacity);]。

3）或运算"|":

运算规则：参与运算的两个数的相同数位上，都是0的时候结果为0，否则为1.

HashMap<String, Integer> hm = new HashMap<>(10); 
cap = 10;
int n = cap - 1;（int型数据占32位）
n |= n >>> 1;//第一次操作
    0000-0000 0000-0000 0000-0000 0000-1001  9 (n = cap - 1)
  | 0000-0000 0000-0000 0000-0000 0000-0100  4 (n >>> 1)无符号右移
  -----------------------------------------------
	0000-0000 0000-0000 0000-0000 0000-1101   13 (n |= n >>> 1)

n |= n >>> 2;//第二次操作
	0000-0000 0000-0000 0000-0000 0000-1101   13
  | 0000-0000 0000-0000 0000-0000 0000-0011   3 (n >>> 2)
	-----------------------------------------------
	0000-0000 0000-0000 0000-0000 0000-1111   15 (n |= n >>> 2)

n |= n >>> 4;//第三次操作
	0000-0000 0000-0000 0000-0000 0000-1111   13
  | 0000-0000 0000-0000 0000-0000 0000-0000   3 (n >>> 4)
	-----------------------------------------------
	0000-0000 0000-0000 0000-0000 0000-1111   15 (n |= n >>> 4)
        
n |= n >>> 8;//得到结果还是15，对结果没什么作用了
n |= n >>> 16;//得到结果还是15，对结果没什么作用了
//注意：容量最大也就是32bit的正数，因此最后到n |= n >>> 16为止；最多也就32个1

但是这已经是负数了，所以在执行tableSizrFor之前，对initialCapacity做了判断：
	在HashMap(int initialCapacity, float loadFactor)方法中调用：this.threshold = tableSizeFor(initialCapacity);之前，判断initialCapacity做了判断是否大于MAXIMUM_CAPACITY
，如果大于MAXIMUM_CAPACITY[2^30]，则取MAXIMUM_CAPACITY
在tableSizeFor(initialCapacity)方法里面，如果等于MAXIMUM_CAPACITY就先减1得到2^30-1（即29个1）再执行移位操作，但是此时的每一步移位操作对这个结果都不再起作用，在return语句中执行n+1,，得到最大值2^30.
 即：对最大值MAXIMUM_CAPACITY不是由移位得到的，而是经过返回值语句时加1得到的。
    就一般情况而言也是如此，通过移位，或运算只能达到2^n-1，经过加1之后才是真正的2^n，如上例中移位，或之后得到15，经过加1之后才是16，并将其返回.

4.3 默认的负载因子，默认值是0.75

static final float DEFAULT_LOAD_FACTOR = 0.75f;

【注意】：

数组长度并不是满了才会扩容，而是当数组中存放的数据达到：加载因子*数组长度大小时就会扩容。如数组长16，加载因子0.75，那么当数组中元素有16 * 0.75 = 12个时就会扩容。

4.4 集合最大容量

static final int MAXIMUM_CAPACITY = 1 << 30;上限2^30

4.5 当链表的值超过8则会转换为红黑树（1.8新增）

//当桶（bucket）上的节点数大于这个值时会转成红黑树
static final int TREEIFY_THRESHOLD = 8;

【面试】：为什么Map中结点个数大于8才会转为红黑树呢？

8这个阈值在HashMap中，针对成员变量，在源码的主食中是说明了8是bin（即bucket，桶）藏链表转成输的阈值，但是没有说明是为什么、

在HashMap中有一段注释说明：

Because TreeNodes are about twice the size of regular nodes, we
         use them only when bins contain enough nodes to warrant use
         (see TREEIFY_THRESHOLD). And when they become too small (due to
         removal or resizing) they are converted back to plain bins.  In
         usages with well-distributed user hashCodes, tree bins are
         rarely used.  Ideally, under random hashCodes, the frequency of
         nodes in bins follows a Poisson distribution
         (http://en.wikipedia.org/wiki/Poisson_distribution) with a
         parameter of about 0.5 on average for the default resizing
         threshold of 0.75, although with a large variance because of
         resizing granularity. Ignoring variance, the expected
         occurrences of list size k are (exp(-0.5) * pow(0.5, k) /
         factorial(k)). The first values are:
 
 因为（在内存中）树节点（红黑树节点）大小约是普通节点（链表节点）的两倍，所以我们只在箱子包含足够节点的时候才使用树节点（参见——TREEIFY_THRESHOLD）。当它们变得太小（由于删除或调整大小时），就会被换成普通的桶，在使用分布良好的用户hashcode时，很少使用树箱。理想情况下，在随机哈希码下，箱子中节点的频率服从泊松分布。(http://en.wikipedia.org/wiki/Poisson_distribution)，默认调整阈值为0.75，平均参数约为0.5，尽管由于调整粒度的差异很大，忽略方差，列表大小k的预期出现次数是(exp(-0.5) * pow(0.5, k) / factorial(k))
第一个值是：
	  0:    0.60653066
      1:    0.30326533
      2:    0.07581633
      3:    0.01263606
      4:    0.00157952
      5:    0.00015795
      6:    0.00001316
      7:    0.00000094
     *8:    0.00000006
     
//红黑树的节点比链表节点在内存中占的空间大两倍，所以当达到边界值才变为红黑树，当小于边界值时不建议转换为红黑树，当节点数小于边界值时也会由红黑树变为链表，这样从空间时间角度查询效率都会比较高。根据统计学泊松分布，统计每个小标下存储元素的概率，计算出当达到8指向的空间时存储的概率非常小

上述注释就说明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，说白了就是权衡空间和时间。

这段内容还说到，当hashCode离散型很好的时候，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中链表长度回答道阈值，但是在随机hashCode下，离散型可能会变差，然而JDK又不能组织用户实现这种不好的hash算法，因此就有可能法制不均匀的数据分布，不过理想情况下随机hashCode算法下所有bin中结点的分布概率会遵循泊松分布，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8，不是随便决定的，而是根据概率统计决定的，由此可见，发展将近30年的Java每一项改动和优化都是非常严谨和科学的。

也即：选择8是因为8是符合泊松分布的，超过8的时候概率已经非常小了，所以我们选择8这个数字

2)下面是老师在研究这个问题时遇到的另外一个种解释

hong红黑树的查找长度是log(n)，如果长度为8，平均查找长度为log(8)=3，链表的平均查找长度为n/2，当长度为8时，平均查找长度为8/2=4，这才有转换为红黑树的必要；如果链表常熟小于等于6,6/2=3，log(6)=2.6，虽然速度也很快，但是转化为树结构和生成树的时间并不会太短。
    但是维持红黑树结构的话还需要左旋，右旋，耗费时间

4.6 当链表值小于6时会从红黑树转回链表

//当桶上的结点数小于这个值时书转为链表
static final int UNTREEIFY_THRESHOLD = 6;

4.7 当Map里面的数量超过这个值时，表中的桶才能进行树形化，否则桶内元素太多是会扩容，而不是树形化为了避免扩容和树形化选择的冲突，这个值不能小于4*TREEIFY_THRESHOLD（8）

最低0.47元/天解锁文章

悟_

关注

0
点赞
踩
1

收藏

觉得还不错? 一键收藏
0
评论
Java-HashMap详解

本文参考：hashset源码学习网站：https://www.bilibili.com/video/BV1FE411t7M7?from=search&seid=47369350281713338611. HashMap集合介绍jdk8之前：HashMap是由数组+链表组成，数组是主体，链表是为了解决哈希冲突【哈希冲突】：两个对象调用的hashCode方法计算的哈希码值一直导致计算的数组索引相同jdk8之后：HashMap由：数组+链表+红黑树组成；链表和红黑树是为了解决哈希冲突的。
复制链接

扫一扫