HashMap
1. 结构特点:
-
存取无序
-
键和值都可以是null,但是所有键中只能有一个null (key不重复)
-
键位置是唯一的
-
数据结构
jdk1.8前:数组+链表
jdk1.8后:数组+链表+红黑树
-
阈值(链表长度)>8且数组长度大于64,将链表转化为红黑树(以此获得更高效的查询)
如果链表长度大于8但是数组长度小于64,底层会将数组长度加倍,以此获得新的map,解决hash冲突
2. HashMap使用细节
ADD操作
@Test
public void test(){
HashMap <String,Integer> hm = new HashMap<>();
hm.put("张三",23);
hm.put("李四",23);
hm.put("王五",23);
hm.put("葛二蛋",23);
System.out.println(hm.get("王五"));
}
-
HashMap <String,Integer> hm = new HashMap<>();
jdk1.8之前: 在执行构造方法时,创建一个长度为16的Entry[] table
jdk1.8之后: 在构造方法初不创建数组,而是在第一次put被调用时创建一个长度为16的Node[] table.
// node节点信息,其中的next是为hash碰撞时,形成链表或者红黑树 static class Node<K,V> implements Map.Entry<K,V> { final int hash; final K key; V value; Node<K,V> next; }
-
/[假定我们运行
hm.put("张三",23);
]这句-
根据键值"张三",获得hash值,结合当前的数组长度,进而计算出hash对应的索引
-
若对应索引没有值,将创建一个新的Node节点插入这里
-
如果对应索引有值,且hash值相等,且key值相同,覆盖旧的value
-
如果该索引有值在里面,就会创建新的节点插入链表最后方,(如果此时的链表已经转变为红黑树,将会把这个节点插入红黑树中的响应位置)
-
如果此时的阈值(链表长度)>8且数组长度大于64,将链表转化为红黑树
-
-
在不断的添加数据过程中,如果哈希表的填充值达到一个临界值(默认为0.75),就会进行扩容操作.默认的扩容方式是扩容为原来容量的2倍,并将原来的内容全部散列到新的数组中.
3. HashMap的成员变量
-
序列化版本号:
private static final long serialVersionUID = 362498820763181265L;
-
集合的初始化容量
//默认容量为16 static final int DEFAULT_INITIAL_CAPACITY = 1 << 4;
同时我们也可以通过某些构造方法进行指定初始容量,但是指定的初始容量一旦不是2的幂则向上去最小的整数幂
public HashMap(int initialCapacity); //指定初始容量和默认加载因子 public HashMap(int initialCapacity, float loadFactor); //指定初始容量,以及加载因子
问:为什么必须是2的n次幂
因为我们寻找索引的方式是取余操作,而对于计算机来说,取余操作太过复杂,更快的是位运算,而当列表长度为2的n次幂的时候,我们就可以用位运算中的与运算来代替取余操作,
(列表长度 - 1) & hash
例如:我们的hash值为31,而我们的列表长度为16
hash:31 ==>0001 1111 长度为16 (列表长度-1) ==>0000 1111 此时与运算之后可以得到 0000 1111(15),刚好就是31%16的的数,
如上右图:如果不是2的n次幂,如果直接使用取余操作,则会耗费大量算力,如果直接使用位运算,则会大概率造成哈希碰撞.造成链或者树过长,也会浪费未使用的空间,且浪费查询时的性能.所以,我们最好使用2的n次幂来作为初始容量,(其实,hashMap中直接为我们向上找到最小n次幂了)
-
默认负载因子
static final float DEFAULT_LOAD_FACTOR = 0.75f; // 默认为0.75
-
集合最大容量
// 2的30次幂 static final int MAXIMUM_CAPACITY = 1 << 30;
-
链表与树的相互转变的边界值
static final int TREEIFY_THRESHOLD = 8; //当阈值到8时,如果节点为链表,会;变为红黑树 static final int UNTREEIFY_THRESHOLD = 6; // 当阈值为6时,如果节点为红黑树,会变为链表
因为树节点的大小大约是普通节点的两倍,所以我们只在箱子包含足够的节点时才使用树节点(参见TREEIFY_ THRESHOLD〕。当它们变得太小〔由于删除或调整大小〕时,就会被转换回普通的桶。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,节点数为8时,概率很小.所以说很少会用到红黑树.
-
如果table的长度小于64,当链表的大小大于8时,table会采用扩容的方式,而非链表转化红黑树
static final int MIN_TREEIFY_CAPACITY = 64
-
table用于初始化数组,且长度为2的n次幂
transient Node<K,V>[] table;
-
entrySet用于存放缓存数据
transient Set<Map.Entry<K,V>> entrySet;
-
size用于存放元素个数(键值对个数)
transient int size;
-
modeCount:哈希表的修改次数
transient int modCount;
-
哈希表调整大小的边界值
int threshold;
-
哈希表的加载因子
final float loadFactor;
加载因子表示hashMap的疏密程度,计算方式是size/capacity,也就是,存储的元素数/数组的长度.
默认值为0.75,如果过低,可能会造成空间的浪费,同时扩容几率增高,消耗性能;如果过高,可能会造成元素过多,链表转化为红黑树的概率增大.同时也会消耗性能.
扩容消耗性能,建议初始化时,指定capacity
4. hashMap的构造方法
public HashMap();
public HashMap(int initialCapacity);
public HashMap(int initialCapacity, float loadFactor);
public HashMap(Map<? extends K, ? extends V> m);
5. HashMap的部分核心方法
-
put方法
public V put(K key, V value) { return putVal(hash(key), key, value, false, true); } /** * * @param hash 计算的Hash值 * @param key * @param value * @param onlyIfAbsent 是否在key字面量冲突的时候,保留原来的信息.默认为false,即替换信息 * @param evict 表是否在创建模式,如果为false,则表是在创建模式。 * @return */ final V putVal(int hash, K key, V value, boolean onlyIfAbsent, boolean evict) { HashMap.Node<K,V>[] tab; HashMap.Node<K,V> p; int n, i; if ((tab = table) == null || (n = tab.length) == 0) //哈希表为空, 使用resize方法对哈希表进行初始化,并获得长度 n = (tab = resize()).length; if ((p = tab[i = (n - 1) & has吧h]) == null) // 该可以对应的索引位置没有数据, 新建一个节点添加至索引处 tab[i] = newNode(hash, key, value, null); else { // 此时为hash冲突情况 HashMap.Node<K,V> e; K k; if (p.hash == hash && ((k = p.key) == key || (key != null && key.equals(k)))) // 此时为key的字面量重复情况, 将p标记到指针e上 e = p; else if (p instanceof HashMap.TreeNode) // key的字面量没有重复,判断这个索引是否已经是红黑树,如果是的话就直接按照红黑树的插入方式获得插入地址,标记在指针e上 e = ((HashMap.TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value); else { for (int binCount = 0; ; ++binCount) { // 遍历链表的情况,查找是否有key的字面量重复的情况 if ((e = p.next) == null) { // 如果到达链表最后端还没有key字面量冲突,直接添加新节点到最后,同时,e被置空 p.next = newNode(hash, key, value, null); if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st // 如果长度达到指定链表转化为红黑树的长度,进行数据结构转变 treeifyBin(tab, hash); break; } if (e.hash == hash && ((k = e.key) == key || (key != null && key.equals(k)))) // 如果找到字面量冲突,直接停止,此时e已经指向了目标地址 break; p = e; } } // 此时找到的e,是没有被添加的情况.可以在目标地址上进行添加信息 if (e != null) { // existing mapping for key V oldValue = e.value; if (!onlyIfAbsent || oldValue == null) e.value = value; afterNodeAccess(e); return oldValue; } } ++modCount; // 新增修改的次数 if (++size > threshold) // 增加元素个数,如果高于边界值,将会扩容 resize(); afterNodeInsertion(evict); return null; }
-
resize
// 用于哈希表扩容 final Node<K,V>[] resize() { // 声明变量区 Node<K,V>[] oldTab = table; int oldCap = (oldTab == null) ? 0 : oldTab.length; int oldThr = threshold; int newCap, newThr = 0; if (oldCap > 0) { if (oldCap >= MAXIMUM_CAPACITY) { // 原哈希表的长度大于等于哈希表最大的长度,将边界值设置为最大Integer.MAX_VALUE threshold = Integer.MAX_VALUE; // 已经达到哈希表大小上限,未执行扩容 return oldTab; } else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY && oldCap >= DEFAULT_INITIAL_CAPACITY) // 将新哈希表长度和边界值,设置为原来的2倍,等待执行扩容 newThr = oldThr << 1; // double threshold } else if (oldThr > 0) // initial capacity was placed in threshold // 只执行了构造方法,指定了threshold字段,也属于初始化 newCap = oldThr; else { // zero initial threshold signifies using defaults // 只执行了无参构造方法,直接初始化 newCap = DEFAULT_INITIAL_CAPACITY; newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY); } if (newThr == 0) { // 设置新的边界值 float ft = (float)newCap * loadFactor; newThr = (newCap < MAXIMUM_CAPACITY && ft < (float)MAXIMUM_CAPACITY ? (int)ft : Integer.MAX_VALUE); } threshold = newThr; @SuppressWarnings({"rawtypes","unchecked"}) // 重新创建新的数组 Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap]; table = newTab; // 当原来数组中有数据的时候,将这些数据放入到新的数组中 if (oldTab != null) { for (int j = 0; j < oldCap; ++j) { //获得数组中的每一个节点 Node<K,V> e; if ((e = oldTab[j]) != null) { // 将引用置空,防止后续的强引用导致虽然被remote,但是没有被回收 oldTab[j] = null; if (e.next == null) // 单个元素时 newTab[e.hash & (newCap - 1)] = e; else if (e instanceof TreeNode) // 红黑树节点情况 ((TreeNode<K,V>)e).split(this, newTab, j, oldCap); else { // preserve order // 链表节点情况 Node<K,V> loHead = null, loTail = null; Node<K,V> hiHead = null, hiTail = null; Node<K,V> next; do { // 将索引为x的每一个数据提取出来,分别创建出两条链表 // 分别存储在索引为x,和x+oldCap的地方; //详情可见位运算 next = e.next; //如果最高位没有余数,那么这里就是放在索引为x的位置 if ((e.hash & oldCap) == 0) { // 具体解释看下方有讲解 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; }
关于链表的转存问题
假设
e.hash为00000000 00000000 00000000 00010101
newCap为32,oldCap为16
此时则有
旧索引应该是:e.hash & (oldCap - 1)
新索引应该是:e.hash & (newCap - 1)
接下来就是计算式(忽略了前16位)
e.hash 0000 0000 0001 0101
newCap-1 0000 0000 0001 1111
oldCap-1 0000 0000 0000 1111
旧索引应该是 0000 0000 0000 0101
新索引应该是 0000 0000 0001 0101
其中索引之间的关系只在新加的位置上,而如果不同的话就是将旧索引加上oldCap就可以得到新的索引位置.
结论:所以说,旧表上的索引为[x]元素只可能分布在,新表中索引为[x],或者[x+oldCap]的位置,所以只需要考虑这两个位置
-
remove方法
@Override public boolean remove(Object key, Object value) { // 内部调用 return removeNode(hash(key), key, value, true, true) != null; } /** * @param hash * @param key the key * @param value the value to match if matchValue, else ignored * @param matchValue if true only remove if value is equal * @param movable if false do not move other nodes while removing * @return the node, or null if none */ final Node<K,V> removeNode(int hash, Object key, Object value, boolean matchValue, boolean movable) { // 声明变量区 Node<K,V>[] tab; Node<K,V> p; int n, index; if ((tab = table) != null && (n = tab.length) > 0 && (p = tab[index = (n - 1) & hash]) != null) { // 表格非空 && 表格长度合理 && 通过hash寻找的index处有数据 Node<K,V> node = null, e; K k; V v; if (p.hash == hash && ((k = p.key) == key || (key != null && key.equals(k)))) // hash相等 && (引用相同||判定相等) // 就是这个元素,直接带走(取得引用,标记在node上) node = p; else if ((e = p.next) != null) { // 如果是链表或者红黑树 if (p instanceof TreeNode) //如果是红黑树 //通过红黑树的方法获得这个元素的引用 node = ((TreeNode<K,V>)p).getTreeNode(hash, key); else { // 链表 do { if (e.hash == hash && ((k = e.key) == key || (key != null && key.equals(k)))) { // 一直遍历,知道找到这个节点,标记在node上.直接break; node = e; break; } // 注意这句话,这个p将会是node的前导指针 p = e; } while ((e = e.next) != null); } } if (node != null && (!matchValue || (v = node.value) == value || (value != null && value.equals(v)))) { // 如果找到了这个node if (node instanceof TreeNode) //如果这个节点是树节点 // 通过红黑树的方法去拿掉它 ((TreeNode<K,V>)node).removeTreeNode(this, tab, movable); else if (node == p) // 如果这个节点独占一个index tab[index] = node.next; else // 这个节点再列表上 p.next = node.next; // 增加修改次数(标记,防止异步操作) ++modCount; // 元素数-- --size; // afterNodeRemoval(node); // 获得了这个节点 return node; } } return null; }
-
get方法
// 用key获得值 public V get(Object key) { Node<K,V> e; return (e = getNode(hash(key), key)) == null ? null : e.value; } 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 && (first = tab[(n - 1) & hash]) != null) { // 数组符合条件且hash对应的索引上有值 if (first.hash == hash && // always check first node ((k = first.key) == key || (key != null && key.equals(k)))) //如果第一个就是,直接带走 return first; if ((e = first.next) != null) { if (first instanceof TreeNode) //如果 碰上红黑树的情况,使用红黑树的方法进行获得节点 或者没找到 返回null return ((TreeNode<K,V>)first).getTreeNode(hash, key); do { // 这里就是链表了,循环找到这个节点 if (e.hash == hash && ((k = e.key) == key || (key != null && key.equals(k)))) return e; } while ((e = e.next) != null); } } // 当数组不符合条件,或者索引处没有值(第一个if), 又或者前面的几个寻找没有找到.这里来兜底,保证返回null return null; }
6. HashMap的遍历
HashMap<String,String> hm = new HashMap();
hm.put("zs","张三");
// ... ... 添加数据
-
key,values的遍历
for (String key:hm.keySet()){ System.out.println(key); } for (String value:hm.values()){ System.out.println(value); }
-
迭代器遍历
Iterator<Map.Entry<String,String>> iterator = hm.entrySet().iterator(); while(iterator.hasNext()){ Map.Entry<String, String> entry = iterator.next(); System.out.println(entry.getKey()+"=======\t"+entry.getValue()); }
-
使用get遍历(迭代两次,效率低)
for (String key:hm.keySet()){ System.out.println(key+"===="+hm.get(key)); }
-
使用Map中的默认接口(jdk 1.8 后)
hm.forEach((key,value)->{ System.out.println(key+"---"+value); });
面试题
-
哈希表底层采用什么算法计算出hash值,还有哪些方式可以计算出hash值
底层采用key的hashCode方法,然后对其进行按位异或(^),无符号右移(>>>)得出hash值
static final int hash(Object key) { int h; return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16); }
其他还可以采用平方取中法
取关键字的平方,然后根据可使用空间的大小,选取平方数是中间几位为哈希地址
,取余数,伪随机数法,但是位运算的效率高 -
如果两个对象的hashCode相等时会怎么样?
此时会产生哈希碰撞,在插入的时候比较key的值是否相同,如果相同再决定时候覆盖信息,如果不同的话进行插入操作,放在该索引值下的链表的最后或者红黑树的相应位置
-
什么是哈希碰撞,何时产生hash碰撞,如何解决哈希碰撞
q1: 有可能两个不同的原始值在经过哈希运算后得到同样的结果,这样就是哈希碰撞
q2: 两个插入信息的key值对应计算出的hash值相同就会产生哈希碰撞
q3: 在哈希表中,jdk1.8前使用:数组+链表解决哈希冲突,jdk1.8后使用:数组+链表+红黑树
-
如果两个键的hashcode相同,如何进行存储
使用equals判断key的内容是否相同
如果相同则直接使用新的value覆盖原有的
如果不相同,则直接插入新的数据节点