Map和Set

最新推荐文章于 2024-10-01 17:35:29 发布
最新推荐文章于 2024-10-01 17:35:29 发布
阅读量1.2k 收藏
点赞数
分类专栏： 笔记 JAVA数据结构 文章标签： 数据结构 java 开发语言 后端
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_49266836/article/details/124044663
版权

搜索

概念及场景

**Map和set是一种专门用来进行搜索的容器或者数据结构，其搜索的效率与其具体的实例化子类有关。**以前常见的搜索方式有：

  1. 直接遍历，时间复杂度为O(N)，元素如果比较多效率会非常慢

  2. 二分查找，时间复杂度为 ,但搜索前必须要求序列是有序的

上述排序比较适合静态类型的查找，即一般不会对区间进行插入和删除操作了，而现实中的查找比如 ：

  1. 根据姓名查询考试成绩

  2. 通讯录，即根据姓名查询联系方式

  3. 不重复集合，即需要先搜索关键字是否已经在集合中

可能在查找时进行一些插入和删除的操作，即动态查找，那上述两种方式就不太适合了，本节介绍的Map和Set是一种适合动态查找的集合容器 。

模型

一般把搜索的数据称为关键字（Key），和关键字对应的称为值（Value），将其称之为Key-value的键值对，所以
模型会有两种：

  1. 纯 key 模型，比如 ：

    1. 有一个英文词典，快速查找一个单词是否在词典中
    2. 快速查找某个名字在不在通讯录中

  2. Key-Value模型，比如：

    1. 统计文件中每个单词出现的次数，统计结果是每个单词都有与其对应的次数；
    2. 梁山好汉的江湖绰号：每个好汉都有自己的江湖绰号

    Map中存储的就是key-value的键值对，Set中只存储了Key。

Map的使用

关于Map的说明

Map是一个接口类，该类没有继承自Collection，该类中存储的是<K,V>结构的键值对，并且K一定是唯一的，不能重复。

关于Map.Entry<K,V>的说明

Map.Entry<K, V> 是Map内部实现的用来存放<key, value>键值对映射关系的内部类，该内部类中主要提供了<key, value>的获取，value的设置以及Key的比较方式

方法解释
K getKey()返回 entry 中的 key
V getValue()返回 entry 中的 value
V setValue(V value)将键值对中的value替换为指定value

**注意：Map.Entry<K,V>并没有提供设置Key的方法 **

Map的常用方法说明

方法解释
V get(Object key)返回 key 对应的 value
V getOrDefault(Object key, V defaultValue)返回 key 对应的 value，key 不存在，返回默认值
V put(K key, V value)设置 key 对应的 value
V remove(Object key)删除 key 对应的映射关系
Set keySet()返回所有 key 的不重复集合
Collection values()返回所有 value 的可重复集合
Set<Map.Entry<K, V>> entrySet()返回所有的 key-value 映射关系
boolean containsKey(Object key)判断是否包含 key
boolean containsValue(Object value)判断是否包含 value

注意：

  1. Map是一个接口，不能直接实例化对象，如果要直接实例化其实现类TreeMap或者HashMap

  2. Map中存放键值对的Key是唯一的，value是可以重复的

  3. 在Map中插入键值对时，key不能为空，否则就会抛出NullPointerException异常，但是value可以为空

  4. Map中的Key可以全部分离出来，存储到Set中来进行访问（因为Key不能重复）

  5. Map中的value可与i全部分离出来，存储在Collection的任何一个子集合中（value可能有重复）

  6. Map中键值对的Key不能直接修改，value可以修改，如果要修改key，只能先将该key删除掉，然后再来进行重新插入。

  7. TreeMap和HashMap的区别

Map底层结构TreeMapHashMap
底层结构红黑树哈希桶
插入/删除/查找时间 复杂度O(logN)O(1)
是否有序关于Key有序无序（通过hashcode函数放置）
线程安全不安全不安全
插入/删除/查找区别需要进行元素比较通过哈希函数计算哈希地址
比较与覆写key必须能够比较，否则会抛出 ClassCastException异常自定义类型需要覆写equals和 hashCode方法
应用场景需要Key有序场景下Key是否有序不关心，需要更高的 时间性能

TreeMap的使用案例

import java.util.TreeMap;
import java.util.Map;
public static void TestMap1(){
    Map<String, String> m = new TreeMap<>();
    // put(key, value):插入key-value的键值对
    // 如果key不存在，会将key-value的键值对插入到map中,返回null
    m.put("林冲", "豹子头");
    m.put("鲁智深", "花和尚");
    m.put("武松", "行者");
    m.put("宋江", "及时雨");
    String str = m.put("李逵", "黑旋风");
    System.out.println(m.size());
    System.out.println(m);
    
    //HashMap 中put可以为空
    
    // put(key,value): 注意key不能为空，但是value可以为空
    // key如果为空，会抛出空指针异常
    //m.put(null, "花名");
    str = m.put("无名", null);
    System.out.println(m.size());
    // put(key, value):
    // 如果key存在，会使用value替换原来key所对应的value，返回旧value
    str = m.put("李逵", "铁牛");
    // get(key): 返回key所对应的value
    // 如果key存在，返回key所对应的value
    // 如果key不存在，返回null
    System.out.println(m.get("鲁智深"));
    System.out.println(m.get("史进"));
    
    //GetOrDefault(): 如果key存在，返回与key所对应的value，如果key不存在，返回一个默认值
    System.out.println(m.getOrDefault("李逵", "铁牛"));
    System.out.println(m.getOrDefault("史进", "九纹龙"));
    System.out.println(m.size());
    
    //containKey(key)：检测key是否包含在Map中，时间复杂度：O(logN)
    // 按照红黑树的性质来进行查找
    // 找到返回true，否则返回false
    System.out.println(m.containsKey("林冲"));
    System.out.println(m.containsKey("史进"));
    
    // containValue(value): 检测value是否包含在Map中，时间复杂度: O(N)
    // 因为TreeMap是按照Key进行组织的，因此查找value时候就需要整体遍历
    // 找到返回true，否则返回false
    System.out.println(m.containsValue("豹子头"));
    System.out.println(m.containsValue("九纹龙"));
    
    // 打印所有的key
    // keySet是将map中的key防止在Set中返回的
    for(String s : m.keySet()){
    	System.out.print(s + " ");
    } 
    System.out.println();
    // 打印所有的value
    // values()是将map中的value放在collect的一个集合中返回的
    for(String s : m.values()){
    	System.out.print(s + " ");
    } 
    System.out.println();
    // 打印所有的键值对
    // entrySet(): 将Map中的键值对放在Set中返回了
    for(Map.Entry<String, String> entry : m.entrySet()){
    	System.out.println(entry.getKey() + "--->" + entry.getValue());
    } 
    System.out.println();
    Set<Map.Entry<String,Integer>> entrySet2 = map.entrySet();
        Iterator<Map.Entry<String,Integer>> it = entrySet2.iterator();
        while (it.hasNext()) {
            Map.Entry<String,Integer> entry = it.next();
            System.out.println("key: " +entry.getKey()+" value: " + entry.getValue());
        }
}

set的说明

Set与Map主要的不同有两点：Set是继承自Collection的接口类，Set中只存储了Key 。

常见方法说明

方法解释
boolean add(E e)添加元素，但重复元素不会被添加成功
void clear()清空集合
boolean contains(Object o)判断 o 是否在集合中
Iterator iterator()返回迭代器
boolean remove(Object o)删除集合中的 o
int size()返回set中元素的个数
boolean isEmpty()检测set是否为空，空返回true，否则返回false
Object[] toArray()将set中的元素转换为数组返回
boolean containsAll(Collection<?> c)集合c中的元素是否在set中全部存在，是返回true，否则返回 false
boolean addAll(Collection<? extends E> c)将集合c中的元素添加到set中，可以达到去重的效果

注意：

  1. Set是继承自Collection的一个接口类

  2. Set中只存储了key，并且要求key一定要唯一

  3. Set的底层是使用Map来实现的，其使用key与Object的一个默认对象作为键值对插入到Map中的

  4. Set最大的功能就是对集合中的元素进行去重

  5. 实现Set接口的常用类有TreeSet和HashSet，还有一个LinkedHashSet，LinkedHashSet是在HashSet的基础上维护了一个双向链表来记录元素的插入次序。

  6. Set中的Key不能修改，如果要修改，先将原来的删除掉，然后再重新插入

  7. Set中不能插入null的key。

  8. TreeSet和HashSet的区别

Set底层结构TreeSetHashSet
底层结构红黑树哈希桶
插入/删除/查找时间 复杂度O(logN)O(1)
是否有序关于Key有序不一定有序
线程安全不安全不安全
插入/删除/查找区别按照红黑树的特性来进行插入和删除1. 先计算key哈希地址 2. 然后进行 插入和删除
比较与覆写key必须能够比较，否则会抛出 ClassCastException异常自定义类型需要覆写equals和 hashCode方法
应用场景需要Key有序场景下Key是否有序不关心，需要更高的 时间性能

TreeSet的使用案例

import java.util.TreeSet;
import java.util.Iterator;
import java.util.Set;
public static void TestSet(){
    Set<String> s = new TreeSet<>();
    
    // add(key): 如果key不存在，则插入，返回ture
    // 如果key存在，返回false
    boolean isIn = s.add("apple");
    s.add("orange");
    s.add("peach");
    s.add("banana");
    System.out.println(s.size());
    System.out.println(s);
    isIn = s.add("apple");
    
    // add(key): key如果是空，抛出空指针异常
    //s.add(null);
    // contains(key): 如果key存在，返回true，否则返回false
    System.out.println(s.contains("apple"));
    System.out.println(s.contains("watermelen"));
    
    // remove(key): key存在，删除成功返回true
    // key不存在，删除失败返回false
    // key为空，抛出空指针异常
    s.remove("apple");
    System.out.println(s);
    s.remove("watermelen");
    System.out.println(s);
    // 抛出空指针异常
    // s.remove(null);
    
    Iterator<String> it = s.iterator();
    while(it.hasNext()){
    	System.out.print(it.next() + " ");
    } 
    System.out.println();
}

搜素树

概念

二叉搜索树又称二叉排序树，它或者是一棵空树，或者是具有以下性质的二叉树:

  • 若它的左子树不为空，则左子树上所有节点的值都小于根节点的值
  • 若它的右子树不为空，则右子树上所有节点的值都大于根节点的值
  • 它的左右子树也分别为二叉搜索树

在这里插入图片描述

/**
 * Created with IntelliJ IDEA
 * Description:
 * 二叉搜索树：
 *  左子树永远比根结点小，左子树也是二叉搜索树
 *  右子树永远比根节点大，右子树也是二叉搜索树
 *  不存在重复值
 * User: 16037
 * Date: 2022-04-03
 * Time:21:20
 */
public class BinarySearchTree {
    private TreeNode root;
	public boolean search(int val);
    public boolean insert(int val);

操作-查找

	/**
     * 查找val
     * @param val 要查找的值
     * @return 有返回true
     */
public boolean search(int val){
    if(root == null){
        return false;
    }
    TreeNode cur = root;
    while(cur != null){
        if(val == cur.val){
            return true;
        }else if(val < cur.val){
            cur = cur.left;
        }else{
            cur = cur.right;
        }
    }
    return false;
}

操作-插入

插入结点的位置一定是叶子结点

/**
     * 增加一个结点，一定是放在叶子结点的
     * @param val 要插入的数据
     * @return 成功true
     */
public boolean insert(int val){
    TreeNode node  = new TreeNode(val);
    if(root == null){
        root = node;
    }

    TreeNode cur = root;
    TreeNode parent = null;
    //查找该关键字是否存在，并找出要插入位置的父节点
    while(cur != null){
        if(val == cur.val){
            return false;
        }else if(val < cur.val){
            parent = cur;
            cur = cur.left;
        }else{
            parent = cur;
            cur = cur.right;
        }
    }
    if(parent.val < val){
        parent.left = node;
    }else {
        parent.right = node;
    }
    return true;
}

操作 - 删除

设待删除结点为 cur, 待删除结点的双亲结点为 parent

  1. cur.left == null

    1. cur 是 root，则 root = cur.right

    2. cur 不是 root，cur 是 parent.left，则 parent.left = cur.right

    3. cur 不是 root，cur 是 parent.right，则 parent.right = cur.right

  2. cur.right == null

    1. cur 是 root，则 root = cur.left

    2. cur 不是 root，cur 是 parent.left，则 parent.left = cur.left

    3. cur 不是 root，cur 是 parent.right，则 parent.right = cur.left

  3. cur.left != null && cur.right != null

    1. 需要使用替换法进行删除，即在它的右子树中寻找中序下的第一个结点(关键码最小)，用它的值填补到被删除节点中，再来处理该结点的删除问题
public boolean remove(int val){
    if(root == null){
        return false;
    }
    TreeNode cur = root;
    TreeNode parent = null;
    //查找要删除的结点
    while(cur != null){
        if(val == cur.val){
            removeNode(parent,cur);
            return true;
        }else if(val < cur.val){
            parent = cur;
            cur = cur.left;
        }else{
            parent = cur;
            cur = cur.right;
        }
    }
    return false;
}
//删除函数
private void removeNode(TreeNode parent,TreeNode del){
    if(del.left == null){
        if(del == root){
            root = del.right;
        }else if (parent.left == del){
            parent.left = del.right;
        }else{
            parent.right = del.right;
        }
    }else if (del.right == null){
        if(del == root){
            root = del.left;
        }else if (parent.left == del){
            parent.left = del.left;
        }else{
            parent.right = del.left;
        }
    }else{
        TreeNode parentNode = del;
        TreeNode node = del.right;
        while(node.left != null){
            parentNode = node;
            node = node.left;
        }
        del.val = node.val;
        //node != del.right;
        if(parentNode.left == node){
            parentNode.left = node.right;
        }else{
            //node == del.right;
            parentNode.right = node.right;
        }
    }
}

性能分析

插入和删除操作都必须先查找，查找效率代表了二叉搜索树中各个操作的性能。

对有n个结点的二叉搜索树，若每个元素查找的概率相等，则二叉搜索树平均查找长度是结点在二叉搜索树的深度的函数，即结点越深，则比较次数越多。

但对于同一个关键码集合，如果各关键码插入的次序不同，可能得到不同结构的二叉搜索树

完全二叉树 或 单支树（root为最小或最大）
最优情况下，二叉搜索树为完全二叉树，其平均比较次数为：在这里插入图片描述

最差情况下，二叉搜索树退化为单支树，其平均比较次数为： 在这里插入图片描述

和Java类集的关系

TreeMap 和 TreeSet 即 java 中利用搜索树实现的 Map 和 Set；实际上用的是红黑树，而红黑树是一棵近似平衡的二叉搜索树，

即在二叉搜索树的基础之上 + 颜色以及红黑树性质验证，关于红黑树的内容后序再进行讲解。

哈希表

概念

顺序结构以及平衡树中，元素关键码与其存储位置之间没有对应的关系，因此在查找一个元素时，必须要经过关键码的多次比较。顺序查找时间复杂度为O(N)，平衡树中为树的高度，即O(logN )，搜索的效率取决于搜索过程中元素的比较次数。

理想的搜索方法：可以不经过任何比较，一次直接从表中得到要搜索的元素。 如果构造一种存储结构，通过某种函数(hashFunc)使元素的存储位置与它的关键码之间能够建立一一映射的关系，那么在查找时通过该函数可以很快找到该元素。

当向该结构中

  • 插入元素

​ 根据待插入元素的关键码，以此函数计算出该元素的存储位置并按此位置进行存放

  • 搜索元素

​ 对元素的关键码进行同样的计算，把求得的函数值当做元素的存储位置，在结构中按此位置取元素比较，若关键码相等，则搜索成功

该方式即为哈希(散列)方法，哈希方法中使用的转换函数称为哈希(散列)函数，构造出来的结构称为哈希表(HashTable)(或者称散列表)

例如：数据集合{1，7，6，4，5，9}；
哈希函数设置为：hash(key) = key % capacity; capacity为存储元素底层空间总的大小
在这里插入图片描述

用该方法进行搜索不必进行多次关键码的比较，因此搜索的速度比较快 问题：按照上述哈希方式，向集合中插入元素44，会出现什么问题？ 发生冲突

冲突-概念

对于两个数据元素的关键字 Ki 和 Kj (i != j)，有 Ki != Kj，但有：Hash(Ki ) == Hash(Kj )，即：不同关键字通过相同哈希哈数计算出相同的哈希地址，该种现象称为哈希冲突或哈希碰撞。
把具有不同关键码而具有相同哈希地址的数据元素称为“同义词”。

冲突-避免

首先，我们需要明确一点，由于我们哈希表底层数组的容量往往是小于实际要存储的关键字的数量的，这就导致一个问题，冲突的发生是必然的，但我们能做的应该是尽量的降低冲突率。

冲突-避免-哈希函数设计

引起哈希冲突的一个原因可能是：哈希函数设计不够合理。 哈希函数设计原则：

  • 哈希函数的定义域必须包括需要存储的全部关键码，而如果散列表允许有m个地址时，其值域必须在0到m-1之间
  • 哈希函数计算出来的地址能均匀分布在整个空间中
  • 哈希函数应该比较简单

常见哈希函数（很少会由程序员直接设计）

  1. 直接定制法–(常用)

    取关键字的某个线性函数为散列地址：Hash（Key）= A*Key + B 优点：简单、均匀 缺点：需要事先知道关键字的分布情况 使用场景：适合查找比较小且连续的情况 面试题：字符串中第一个只出现一次字符

  2. 除留余数法–(常用)

    设散列表中允许的地址数为m，取一个不大于m，但最接近或者等于m的质数p作为除数，按照哈希函数：Hash(key) = key% p(p<=m),将关键码转换成哈希地址

  3. 平方取中法–(了解)

    假设关键字为1234，对它平方就是1522756，抽取中间的3位227作为哈希地址； 再比如关键字为4321，对它平方就是18671041，抽取中间的3位671(或710)作为哈希地址 平方取中法比较适合：不知道关键字的分布，而位数又不是很大的情况

  4. 折叠法–(了解)
    折叠法是将关键字从左到右分割成位数相等的几部分(最后一部分位数可以短些)，然后将这几部分叠加求和，并按散列表表长，取后几位作为散列地址。
    折叠法适合事先不需要知道关键字的分布，适合关键字位数比较多的情况

  5. 随机数法–(了解)
    选择一个随机函数，取关键字的随机函数值为它的哈希地址，即H(key) = random(key),其中random为随机数函数。
    通常应用于关键字长度不等时采用此法

  6. 数学分析法–(了解)
    设有n个d位数，每一位可能有r种不同的符号，这r种不同的符号在各位上出现的频率不一定相同，可能在某些位上分布比较均匀，每种符号出现的机会均等，在某些位上分布不均匀只有某几种符号经常出现。可根据散列表的大小，选择其中各种符号分布均匀的若干位作为散列地址。例如：

在这里插入图片描述

假设要存储某家公司员工登记表，如果用手机号作为关键字，那么极有可能前7位都是 相同的，那么我们可以选择后面的四位作为散列地址，如果这样的抽取工作还容易出现 冲突，还可以对抽取出来的数字进行反转(如1234改成4321)、右环位移(如1234改成4123)、左环移位、前两数与后两数叠加(如1234改成12+34=46)等方法

数字分析法通常适合处理关键字位数比较大的情况，如果事先知道关键字的分布且关键字的若干位分布较均匀的情况

注意：哈希函数设计的越精妙，产生哈希冲突的可能性就越低，但是无法避免哈希冲突

冲突-避免-负载因子调节（重点）

散列表的载荷因子定义为： α = 填入表中的元素个数 / 散列表的长度

α是散列表中装满程度的标志因子。由于表长是定值，α与“填入表中的元素个数”成正比，所以，α越大，表明填入表中的元素越多，产生冲突的可能性越大：反之 α越小，标明填入表中的元素越少，产生冲突的可能性越小。实际上，散列表的平均查找长度是载荷因子α的函数，只是不同处理冲突的方法有不同的函数。

对于开发定址法，载荷因子是特别重要因素，应严格限制在0.7-0.8以下，超过0.8，查表时的cpu缓存不命中（cache missing）按照指数曲线上升。因此，一些采用开放定址法的hash库，如Java系统库限制了载荷因子为0.75，超过此值将resize散列表。

所以当冲突率达到一个无法忍受的程度时，我们需要通过降低负载因子来变相的降低冲突率。
已知哈希表中已有的关键字个数是不可变的，那我们能调整的就只有哈希表中的数组的大小

冲突-解决

解决哈希冲突两种常见的方法是：闭散列 和 开散列

冲突-解决-闭散列

闭散列：也叫开放定址法，当发生哈希冲突时，如果哈希表未被装满，说明在哈希表中必然还有空位置，那么可以把key存放到冲突位置中的“下一个” 空位置中去。

那如何寻找下一个空位置呢？

  1. 线性探测

比如上面的场景，现在需要插入元素44，先通过哈希函数计算哈希地址，下标为4，因此44理论上应该插在该位置，但是该位置已经放了值为4的元素，即发生哈希冲突。

线性探测：从发生冲突的位置开始，依次向后探测，直到寻找到下一个空位置为止。

  • 插入

    • 通过哈希函数获取待插入元素在哈希表中的位置

    • 如果该位置中没有元素则直接插入新元素，如果该位置中有元素发生哈希冲突，使用线性探测找到下一个空位置，插入新元素

    • **采用闭散列处理哈希冲突时，不能随便物理删除哈希表中已有的元素，若直接删除元素会影响其他元素的搜索。**比如删除元素4，如果直接删除掉，44查找起来可能会受影响。因此线性探测采用标记的伪删除法来删除一个元素 （设置标志位）

  1. 二次探测

    线性探测的缺陷是产生冲突的数据堆积在一块，这与其找下一个空位置有关系，因为找空位置的方式就是挨着往后逐个去找，因此二次探测为了避免该问题，找下一个空位置的方法为[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-uMr5QOY5-1649406279035)(图片/image-20220405160548839.png)]或者[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-ZycY7yHK-1649406279036)(图片/image-20220405160652134.png)]其中：i = 1,2,3…， 是通过散列函数Hash(x)对元素的关键码 key 进行计算得到的位置，m是表的大小。 对于2.1中如果要插入44，产生冲突，使用解决后的情况为：

在这里插入图片描述

研究表明：当表的长度为质数且表装载因子a不超过0.5时，新的表项一定能够插入，而且任何一个位置都不会被探查两次。因此只要表中有一半的空位置，就不会存在表满的问题。

在搜索时可以不考虑表装满的情况，但在插入时必须确保表的装载因子a不超过0.5，如果超出必须考虑增容。

因此：闭散列最大的缺陷就是空间利用率比较低，这也是哈希的缺陷。

冲突-解决-开散列/哈希桶（重点）

开散列法又叫链地址法(开链法)，首先对关键码集合用散列函数计算散列地址，具有相同地址的关键码归于同一子集合，每一个子集合称为一个桶，各个桶中的元素通过一个单链表链接起来，各链表的头结点存储在哈希表中。

开散列中每个桶中放的都是发生哈希冲突的元素。
开散列，可以认为是把一个在大集合中的搜索问题转化为在小集合中做搜索了

冲突严重时的解决办法

刚才我们提到了，哈希桶其实可以看作将大集合的搜索问题转化为小集合的搜索问题了，那如果冲突严重，就意味着小集合的搜索性能其实也时不佳的，这个时候我们就可以将这个所谓的小集合搜索问题继续进行转化，例如：

  1. 每个桶的背后是另一个哈希表

  2. 每个桶的背后是一棵搜索树

实现模拟

基本数据类型模拟

/**
 * Created with IntelliJ IDEA
 * Description:
 * User: 16037
 * Date: 2022-04-04
 * Time:16:31
 */
public class HashBuck {
    private Node[] array;
    private int usedSize;
    private static final double DEFAULT_LOAD_FACTOR = 0.75;

    public HashBuck(){
        array = new Node[8];
    }

    /**
     * 放入元素
     * @param key 关键字
     * @param val 值
     * @return 返回放入元素的值
     */
    public int put(int key,int val){
        Node node = new Node(key,val);
        //1.获取存放位置(哈希函数)
        int index = key % array.length;

        //2.遍历下标链表，是否存在相同的key
        Node cur = array[index];

        while(cur!=null){
            //2.1 有相同的key
            if(cur.key == key){
                cur.val = val;
                return cur.val;
            }
            cur = cur.next;
        }
        //2.2 没有相同的key(头插法)
        node.next = array[index];
        array[index] = node;
        this.usedSize++;

        //3.存放元素后，判断当前哈希桶当中的负载因子是否大于默认的负载因子
        if(DEFAULT_LOAD_FACTOR <= loadFactor()){
            //4.扩容
            resize();
        }
        return val;
    }

    /**
     * 返回当前的负载因子
     * @return 负载因子
     */
    private double loadFactor(){
        return (double) this.usedSize / this.array.length;
    }

    /**
     * 扩容的同时，重新哈希，（原有的哈希函数值会发生变化）
     */
    private void resize(){
        //1.重新申请2倍的数组
        Node[] tmp = new Node[array.length*2];
        //2.遍历原来的数组，把每个下标的值重新哈希
        for(int i = 0;i < array.length;i++){
            Node cur = array[i];
            while(cur!=null){
                int newIndex = cur.key % tmp.length;
                Node curNext = cur.next;
                cur.next = tmp[newIndex];
                tmp[newIndex] = cur;
                cur = curNext;
            }
        }
        this.array = tmp;
    }

    public int get(int key){
        int index = key % array.length;
        Node cur = array[index];
        while(cur!=null){
            if(cur.key == key){
                return cur.val;
            }
            cur = cur.next;
        }
        return -1;
    }

}

泛型模拟

package HashBuck;

/**
 * Created with IntelliJ IDEA
 * Description:
 * User: 16037
 * Date: 2022-04-04
 * Time:17:27
 */
public class HashBuck<K,V> {
    private Node<K,V>[] array = (Node<K,V>[])new Node[8];
    private int usedSize;
    private static final double DEFAULT_LOAD_FACTOR = 0.75;

    public void put(K key,V val){
        Node<K,V> node = new Node<K, V>(key,val);

        int hash = key.hashCode();
        int index = hash % array.length;

        Node<K,V> cur = array[index];
        while(cur!=null){
            if(cur.key.equals(key)){
                cur.val = val;
                return;
            }
            cur = cur.next;
        }

        node.next = array[index];
        array[index] = node;
        this.usedSize++;

        if(DEFAULT_LOAD_FACTOR <= loadFactor()){
            resize();
        }

    }

    private double loadFactor(){
        return (double)this.usedSize/this.array.length;
    }
    private void resize(){
        Node<K,V>[] tmp = (Node<K,V>[])new Node[array.length*2];
        for (int i = 0; i < array.length; i++) {
            Node<K,V> cur = array[i];
            while(cur!=null){
                int hash = cur.key.hashCode();
                int newIndex = hash % tmp.length;
                Node<K,V> curNext = cur.next;
                cur.next = tmp[newIndex];
                tmp[newIndex] = cur;
                cur = curNext;
            }
        }
        this.array = tmp;
    }

    public V get(K key){
        int hash = key.hashCode();
        int index = hash % array.length;
        Node<K,V> cur = array[index];
        while(cur!=null){
            if(cur.key.equals(key)){
                return cur.val;
            }
            cur = cur.next;
        }
        return null;
    }
}

性能分析

虽然哈希表一直在和冲突做斗争，但在实际使用过程中，我们认为哈希表的冲突率是不高的，冲突个数是可控的，
也就是每个桶中的链表的长度是一个常数，所以，通常意义下，我们认为哈希表的插入/删除/查找时间复杂度是O(1)

和Java类集的关系

  1. HashMap 和 HashSet 即 java 中利用哈希表实现的 Map 和 Set

  2. java 中使用的是哈希桶方式解决冲突的

  3. java 会在冲突链表长度大于一定阈值后，将链表转变为搜索树（红黑树）

  4. java 中计算哈希值实际上是调用的类的 hashCode 方法，进行 key 的相等性比较是调用 key 的 equals 方法。所以如果要用自定义类作为 HashMap 的 key 或者 HashSet 的值，必须覆写 hashCode 和 equals方法，而且要做到 equals 相等的对象，hashCode 一定是一致的

import java.util.Objects;

/**
 * Created with IntelliJ IDEA
 * Description:
 *  自己定义的类一定要重写equals hashcode（参考在字典中查找词语）
 *      1.hashcode 得到hash值 来确定在哈希表中的位置
 *      2.equals 来比较值是否相同
 * User: 16037
 * Date: 2022-04-04
 * Time:17:45
 */
public class Person {
    private String id;

    public Person(String id) {
        this.id = id;
    }

    @Override
    public String toString() {
        return "Person{" +
                "id='" + id + '\'' +
                '}';
    }

    /**
     * 判定是否相同
     * @param o 同类型
     * @return 相同 true
     */
    @Override
    public boolean equals(Object o) {
        if (this == o) return true;
        if (o == null || getClass() != o.getClass()) return false;
        Person person = (Person) o;
        return id.equals(person.id);
    }

    /**
     * 获取hash值
     * @return hash值
     */
    @Override
    public int hashCode() {
        return Objects.hash(id);
    }
}

最难不过坚持！

阿辉爱睡觉
关注
专栏目录
Set接口各关系示意图
qq_40663787的博客
11-10 319
一张图片让你理解list和set的区别
weixin_44862933的博客
01-18 141
一张图片让你理解list和set的区别
Golang复习笔记之map（面向面试）
最新发布
weixin_55985119的博客
10-01 488
map 是一种内置的数据类型，用于存储键值对（key-value pairs）。它提供了高效的键值对查找、插入和删除操作。map 可以看作是一种哈希表，键是唯一的，值可以是任意类型。其中，KeyType 是键的类型；ValueType 是值的类型，值可以是任意类型。
HashMap Hash碰撞 treemap
myccsdn的专栏
08-06 862
HashMap中，如果某个桶中的记录过 大的话（当前是TREEIFY_THRESHOLD = 8），HashMap会动态的使用一个专门的treemap实现来替换掉它。这样做的结果会更好，是O(logn)，而不是糟糕的O(n)。它是如何工作 的？前面产生冲突的那些KEY对应的记录只是简单的追加到一个链表后面，这些记录只能通过遍历来进行查找。但是超过这个阈值后HashMap开始将列表升 级成一个二叉树
map和set
chen_hard的博客
08-20 224
关联式容器 在之前的文章中，我们已经接触过STL中的部分容器，比如：vector、list、deque、forward_list(C++11)等，这些容器统称为序列式容器，因为其底层为线性序列的数据结构，里面存储的是元素本身。 那什么是关联式容器？它与序列式容器有什么区别？ 关联式容器也是用来存储数据的，与序列式容器不同的是，其里面存储的是<key, value>结构的键值对，在数据检索时比序列式容器效率更高。 在说关联式容器之前，我们要先说说什么是键值对！ 键值对 用来表示具有一一.
HashMap，哈希冲突
xibinghao的博客
04-24 412
1、HashMap 是不是有序的？不是有序的。 2、有没有有序的Map实现类呢？有 TreeMap 和 LinkedHashMap。 3、然后问TreeMap 和 LinkedHashMap 是如何保证它的顺序的？ TreeMap 是通过实现 SortMap 接口，能够把它保存的键值对根据 key 排序，基于红黑树，从而保证 TreeMap 中所有键值对处于有序状态。LinkedHashMap 则...
一文搞懂ES6中的Map和Set
10-16
ES6（ECMAScript 6，也称为ECMAScript 2015）引入了两个新的集合类型：Map和Set。这两种类型在JavaScript中非常有用，尤其是在需要存储键值对或唯一值的场景中。Map和Set的引入，提高了JavaScript的数据处理能力，...
map和set的模拟实现
06-06
在IT领域，数据结构是编程的基础，而Map和Set是两种常用的数据集合。它们在C++标准库中被广泛使用，提供了高效的键值对存储（Map）和唯一元素存储（Set）功能。本文将深入探讨如何通过封装红黑树来模拟实现Map和Set...
Map和Set的区别
12-21
在C++标准模板库（STL）中，`Map` 和 `Set` 是两种关联容器，它们都提供了高效的数据存储和检索能力。然而，它们在数据结构、存储方式以及使用场景上有着显著的区别。 首先，`Map` 是一个键值对（Key-Value Pair）...
map和set的异同
09-28
### Map和Set的异同分析 #### 一、概述 Map和Set作为C++ STL（Standard Template Library）中两种重要的关联容器，它们的设计理念和应用领域各有侧重，但两者之间存在着许多共性和区别。理解这两种容器的特点对于...
【数据结构】Map和Set
拼命阿紫冲冲冲！
03-12 1872
本期主要讲解： 1、Map 和 Set的概念 2、Map 和 Set 使用的模型 3、Map 3.1 Map.Entry 简介 3.2 Map的常用方法 4、Set 4.1 Set 和 Map 的区别 4.2 Set 的常用方法
Java散列表，树对应的容器类，hashmap如何解决冲突
Peanut的博客
03-21 192
散列表： Hashmap、hashtable、concurrentHashMap、hashset 树： treemap、treeset CopyonWriteArrayList是ArrayList 的一个线程安全的变体，其中所有可变操作（add、set等等）都是通过对底层数组进行一次新的复制来实现的。 treeset继承自treemap, hashset继承自hashmap Entry:key和v...
请说出java中散列表，树所对应的容器。hashmap如何解决冲突
weixin_43115433的博客
06-28 254
hashmap,hashtable,concurrentHashmap,hashset,treemap,treeset hash冲突：就是根据key即经过一个函数f(key)得到的结果的作为地址去存放当前的key value键值对(这个是hashmap的存值方式)，但是却发现算出来的地址上已经有人先来了。就是说这个地方被抢了啦。这就是所谓的hash冲突啦。 1.开放定址法 2.链地址法 3.再哈希...
java中散列表、树所对应的的容器类。以及HashMap如何解决冲突？
yiyiyuebing的博客
02-12 201
散列表、树所对应的的容器类： 散列表：hashmap,hashtable,concurrentHashmap 树：hashset,treemap,treeset 其中treeset继承自treemap, hashset继承自hashmap treemap性能分析： treemap底层采用一颗“红黑树”来保存集合中的Entry，这意味着TreeMap添加元素、取出元素的性能都比HashMap低。当T...
查询优化——Map
hao的博客
07-04 886
【代码】查询优化——Map。
关于map
霾猿的博客
11-09 651
map介绍 当然说的是STL里的map，map是一类关联式容器。它的特点是增加和删除节点对迭代器的影响很小，除了那个操作节点，对其他的节点都没有什么影响。对于迭代器来说，可以修改实值，不能修改key。 使用map需包含map类所在的头文件： #include//STL头文件没有扩展名.h map的操作复杂度   查找find（key） 根据key值快速查找记录，查找的复杂度基本是Log
时间复杂度与空间复杂度(探索篇)
认定的总要想办法去完成。
03-22 1564
时间复杂度的种类(按照复杂度的增长趋势来进行排列) O(1) O(n) O(logn) O(nlogn) O(n2) O(n3) O(2n) O(n!) 时间复杂度增长图 时间复杂度为O(1)的操作 if语句中的判断 例如：if(i === 1)。 赋值/加减乘除运算。例如：a=1,result = 3+4,result = n*2,result = 10000 * 10000。 数组的push与pop操作。例如：array.push(‘a’),array.pop()。
C++：map和set
zhang_si_hang的博客
08-18 4083
set 是一个K模型的搜索二叉树 #includemap是KV模型的搜索二叉树，insert和[]用法是重点，其他用法参考set用来表示具有一一对应关系的一种结构，该结构中一般只包含两个成员变量key和value，key代表键值，value表示与key对应的信息。比如：现在要建立一个英汉互译的字典，那该字典中必然有英文单词与其对应的中文含义，而且，英文单词与其中文含义是一一对应的关系，即通过该应该单词，在词典中就可以找到与其对应的中文含义。............
C++map和set
03-31
C++中的map和set是两种常用的关联容器，它们都是基于红黑树实现的。 1. map： - map是一种键值对的容器，每个元素都包含一个键和一个值。 - map中的键是唯一的，且按照一定的顺序进行排序，默认是按照键的升序...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值