Hashtable、HashMap、TreeMap有什么不同？

---

title：Hashtable、HashMap、TreeMap有什么不同？

map我们都知道来源于key-value的认识。以键值对的形式存储和操作数据的容器类型。而上面的这些都是Map的常见实现

Hashtable 是早期java类库类库提供的一个哈希表实现，本身是同步的，不支持null键和值，由于同步导致的性能开销，不推荐使用。

HashMap与Hashtable行为基本上一致，不一样的地方在于HashMap不是同步的，支持null键和值
通常，HashMap进行put或者get操作，可以达到常数时间的性能,因此使我们利用键值对存取场景的首选。比如：
用户ID --用户信息对应的运行时存储结构

Treemap是基于红黑树的一种提供访问顺序的Map，和HashMap不同，它的get,put,remove的时间复杂度都是O（log(n)）,具体顺序由指定的Comparator来决定，或者由键的自然顺序来判断

HashMap的设计和实现细节
HashMap扩展了abstractMap，且非常依赖于哈希码的有效性：
1.equals相等，hashcode一定相等
2.hashcode改写以后也要改写equals
3.hashCode需要保持一致性，状态改变返回的哈希值仍然要一致
4.equals的对称，反射，传递等特性（下篇博客写）

有序Map
LinkedHashMap和TreeMap都可以保证某种顺序
1.linkedHashMap提供的遍历顺序符合插入顺序，它的实现是通过为键值对维护一个双向链表，
通过特定构造函数，我们可以创建反映访问顺序的实例，所谓的put,get,compute都算作“访问”。
场景：构建一个空间占用敏感化的资源池，希望可以自动将最不常被访问的对象释放掉，使用LInkedHashMap来实现
2.对于TreeMap,它的整体顺序是由键的顺序来决定，通过comparator或Comparable（自然顺序：必须符合约定：comparaTo的返回值需要和equals一致）来决定。
代码如下，经常复盘

public V put(K key, V value) {
    Entry<K,V> t = …
    cmp = k.compareTo(t.key);
    if (cmp < 0)
        t = t.left;
    else if (cmp > 0)
        t = t.right;
    else
        return t.setValue(value);
        // ...
   }

构建一个优先级的调度系统的问题，其本质就是一个典型的有限队列场景，Java标准类库提供了基于二叉堆实现的PriorityQueue,TreeMap和TreeSet也是依赖于此。

HashMap内部基本点分析
可以看作是数组（Node<K,V>[]table）和链表组成的符合结构
数组被分为一个个桶，通过哈希值决定键值对在这个数组的寻址。
哈希值相同的键值对，就按照链表形式存储。
如果链表超过阈值，就会被改造成树形结构。

这个数组似乎并没有被初始化好，仅仅设置了一些初始值而已
看代码就知道

public HashMap(int initialCapacity, float loadFactor){  
    // ... 
    this.loadFactor = loadFactor;
    this.threshold = tableSizeFor(initialCapacity);
}

我们认为HashMap也许是按照lazy-load原则，在首次使用时初始化。
只有putVal的调用

public V put(K key, V value) {
    return putVal(hash(key), key, value, false, true);
}

final V putVal(int hash, K key, V value, boolean onlyIfAbent,
               boolean evit) {
    Node<K,V>[] tab; Node<K,V> p; int , i;
    if ((tab = table) == null || (n = tab.length) = 0)
        n = (tab = resize()).length;
    if ((p = tab[i = (n - 1) & hash]) == ull)
        tab[i] = newNode(hash, key, value, nll);
    else {
        // ...
        if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for first 
           treeifyBin(tab, hash);
        //  ... 
     }
}

如果表格是null,resize就会负责初始化它，这从tab=
resize()可以看出

resize方法兼顾两个职责，创建初始存储表格，或者在容量不满足要求的时候，进行扩容（resize）

在放置新的键值对的过程中，如果发生下面这种情况，就会发生扩容

if (++size > threshold)
    resize();

具体键值对在哈希表的位置（数组Index）取决于下面的位运算

i = (n - 1) & hash

学过数据结构的都知道，它并不是key本身的hashCode,而是来自于HashMap里面的另外一个hash方法。
为什么将高位数据移位到低位进行异或运算？
计算出的哈希值差异主要在高位，而HashMap里的哈希寻址是忽略容量以上的高位的，这种处理就可以有效避免类似情况下的哈希碰撞

 static final int hash(Object key){
            int h;
            return (key =null)?0:(h= key.hashCode())^(h>>> 16;
        }

为什么树化？对链表（bin）进行怎样的处理？

可以看出，putVal方法本身逻辑非常集中，从初始化，扩容到树化，都有参与
依据resize源码，在不考虑极端情况下的（容量理论最大极限由 MAXIMUM_CAPACITY指定，数值为1<<30,即2^30次方）：
我们可以归纳为门限值=负载因子*容量，我们通常用默认值
**门限值（就是数组的最大参数）**通常以倍数调整，当元素个数超过门限大小是，即调整Map大小
扩容后，需要将老的数组中的元素重新放置到新的数组，这是扩容的一个主要开销来源

容量，负载因子，树化？
还是数据结构的原理
容量和负载因子都是数组的标准条件，相当于当时学过的寻找大于元素数量的最小的素数来当做数组。
就相当于桶的数量，太少和占用太满都会影响操作的性能

负载因子：不超过0.75
如果使用太小的负载因子，则用导致更加频繁的扩容，增加开销成本

树化改造，不外乎对应逻辑就是putVal和treeIfyBin中

 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)
                resize();//创建数组
            else if((e=tab[index =(n-1)&hash])! =null){
                //树化逻辑改造
            }

数组判定条件：当bin的数量大于TREEIFY_THRESHOLD（默认是8）的条件下：（一个桶中有8个元素），允许红黑树化
—>接下来有判定条件：
如果容量小于MIN_TREEIFY_CAPACITY，只会进行简单的扩容
如果容量大于MIN_TREEIFY_CAPACITY（最小树形阈值）
则进行红黑树化

本质上是一个安全问题，如果哈希冲突，都会放置同一个桶里，形成链表，我们知道链表是线性的，会影响存取的性能。
第二是因为构造哈希冲突的数据并不是非常复杂的事情，恶意代码可以利用这些数据大量与服务器交互，从而让服务器CPU被大量占用，造成崩溃，所以允许树化，再不济进行扩容。