1.HashMap集合简介
HashMap基于哈希表的Map接口实现,是以key-value存储形式存在,即主要用来存放键值对。HashMap 的实现不是同步的,这意味着它不是线程安全的。它的key、value都可以为null。此外,HashMap中的映射不是有序的。
JDK1.8 之前 HashMap 由 数组+链表 组成的,数组是 HashMap 的主体,链表则是主要为了解决哈希冲突(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值相同)而存在的(“拉链法”解决冲突).JDK1.8 以后在解决哈希冲突时有了较大的变化,当链表长度大于阈值(或者红黑树的边界值,默认为 8)并且当前数组的长度大于64时,此时此索引位置上的所有数据改为使用红黑树存储。
补充:将链表转换成红黑树前会判断,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。而是选择进行数组扩容。
这样做的目的是因为数组比较小,尽量避开红黑树结构,这种情况下变为红黑树结构,反而会降低效率,因为红黑树需要进行左旋,右旋,变色这些操作来保持平衡 。同时数组长度小于64时,搜索时间相对要快些。所以综上所述为了提高性能和减少搜索时间,底层在阈值大于8并且数组长度大于64时,链表才转换为红黑树。具体可以参考 treeifyBin
方法。
当然虽然增了红黑树作为底层数据结构,结构变得复杂了,但是阈值大于8并且数组长度大于64时,链表转换为红黑树时,效率也变的更高效。
小结:
特点:
1.存取无序的
2.键和值位置都可以是null,但是键位置只能是一个null
3.键位置是唯一的,底层的数据结构控制键的
4.jdk1.8前数据结构是:链表 + 数组 jdk1.8之后是 : 链表 + 数组 + 红黑树
5.阈值(边界值) > 8 并且数组长度大于64,才将链表转换为红黑树,变为红黑树的目的是为了高效的查询。
2.HashMap集合底层的数据结构
2.1数据结构概念
数据结构:就是存储数据的一种方式。ArrayList LinkedList
在JDK1.8 之前 HashMap 由 数组+链表 数据结构组成的。
在JDK1.8 之后 HashMap 由 数组+链表 +红黑树数据结构组成的。
2.2HashMap底层的数据结构存储数据的过程
存储过程如下所示:
使用的代码:
public class Demo01 {
public static void main(String[] args) {
HashMap<String, Integer> map = new HashMap<>();
map.put("刘德华", 53);
map.put("柳岩", 35);
map.put("张学友", 55);
map.put("郭富城", 52);
map.put("黎明", 51);
map.put("林青霞", 55);
map.put("刘德华", 50);
}
}
说明:
1.面试题:HashMap中hash函数是怎么实现的?还有哪些hash函数的实现方式?
对于key的hashCode做hash操作,无符号右移16位然后做异或运算。
还有平方取中法,伪随机数法和取余数法。这三种效率都比较低。而无符号右移16位异或运算效率是最高的。至于底层是如何计算的我们下面看源码时给大家讲解。
2.面试题:当两个对象的hashCode相等时会怎么样?
会产生哈希碰撞,若key值内容相同则替换旧的value.不然连接到链表后面,链表长度超过阈值8就转换为红黑树存储。
3.面试题:何时发生哈希碰撞和什么是哈希碰撞,如何解决哈希碰撞?
只要两个元素的key计算的哈希码值相同就会发生哈希碰撞。jdk8前使用链表解决哈希碰撞。jdk8之后使用链表+红黑树解决哈希碰撞。
4.面试题:如果两个键的hashcode相同,如何存储键值对?
hashcode相同,通过equals比较内容是否相同。
相同:则新的value覆盖之前的value
不相同:则将新的键值对添加到哈希表中
5.在不断的添加数据的过程中,会涉及到扩容问题,当超出临界值(且要存放的位置非空)时,扩容。默认的扩容方式:扩容为原来容量的2倍,并将原有的数据复制过来。
6.通过上述描述,当位于一个链表中的元素较多,即hash值相等但是内容不相等的元素较多时,通过key值依次查找的效率较低。而JDK1.8中,哈希表存储采用数组+链表+红黑树实现,当链表长度(阀值)超过 8 时且当前数组的长度 > 64时,将链表转换为红黑树,这样大大减少了查找时间。jdk8在哈希表中引入红黑树的原因只是为了查找效率更高。
JDK 1.8 以前 HashMap 的实现是 数组+链表,即使哈希函数取得再好,也很难达到元素百分百均匀分布。当 HashMap 中有大量的元素都存放到同一个桶中时,这个桶下有一条长长的链表,这个时候 HashMap 就相当于一个单链表,假如单链表有 n 个元素,遍历的时间复杂度就是 O(n),完全失去了它的优势。针对这种情况,JDK 1.8 中引入了 红黑树(查找时间复杂度为 O(logn))来优化这个问题。 当链表长度很小的时候,即使遍历,速度也非常快,但是当链表长度不断变长,肯定会对查询性能有一定的影响,所以才需要转成树。
7.总结
说明:
1.size表示 HashMap中K-V的实时数量 , 注意这个不等于数组的长度 。
2.threshold( 临界值) =capacity(容量) * loadFactor( 加载因子 )。这个值是当前已占用数组长度的最大值。size超过这个临界值就重新resize(扩容),扩容后的 HashMap 容量是之前容量的两倍 。
3.HashMap代码实现(数组加链表)
import java.util.Arrays;
/**
* jdk1.8以前HashMap由数组+链表
* 数组是主体,链表是主要为了解决哈希冲突(调用hashCode方法计算出的hash值一样,导致计算出的数组索引相同)
*
* jdk1.8以后使用数组+链表+红黑树(
* 当链表长度大于阈值或者红黑树的边界值,默认为 8
* 并且当前数组的长度大于64时,此时此索引位置上的所有数据改为使用红黑树存储)
*
*
*/
public class MyHashMap<K,V> {
static final int DEFAULT_INITIAL_CAPACITY = 1 << 4; // 默认数组长度16
static final float DEFAULT_LOAD_FACTOR = 0.75f;// 默认加载因子0.75,
static final int MAXIMUM_CAPACITY = 1 << 30;//2^30
private int size;//表示 HashMap中K-V的实时数量 ,不等于数组的长度
//threshold( 临界值) =capacity(容量) * loadFactor( 加载因子 )
//当前已占用数组长度的最大值。size超过这个临界值就重新resize(扩容),扩容后的 HashMap 容量是之前容量的两倍
private int threshold;
private float loadFactor;//加载因子,表示HashMap的疏密程度
private Node<K,V>[] table;//存储元素的数组
public MyHashMap() {
this(DEFAULT_INITIAL_CAPACITY,DEFAULT_LOAD_FACTOR);
}
public MyHashMap(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);
}
table = (Node<K,V>[])new Node[initialCapacity];//初始化数组大小
this.loadFactor = loadFactor;
this.threshold = (int) (loadFactor*initialCapacity);//初始化阀值
}
public MyHashMap(int initialCapacity){
this(initialCapacity,DEFAULT_LOAD_FACTOR);
}
/**
* put方法
*实现步骤
* 1.先通过hash值计算出key映射到哪个桶
* 2.如果桶上没有碰撞冲突,则直接插入
* 3.如果出现碰撞冲突了,则需要处理冲突:
* 如果桶中存在重复的键,则为该键替换新值value
* 否则使用头插法,接到链表头部
* 4.如果size大于阈值threshold,则进行扩容;
* @param key
* @param value
* @return
*/
public V put(K key,V value){
return putVal(hash(key), key, value);
}
/**
*
* @param hash
* @param key
* @param value
* @return
*/
private V putVal(int hash, K key, V value) {
Node<K,V>[] tab = table;
int index = hash & (tab.length-1); //取余,计算索引
Node<K,V> p = tab[index];//索引节点
if (++size > threshold) {
tab = Arrays.copyOf(tab,table.length*2);
}
if (p == null) {
//创建一个新的节点存入到数组中
tab[index] = new Node<>(key,value,null);
}else {
//此位置有节点
Node<K, V> temp = p;
while (temp!=null){
//两个元素哈希值相等,并且key的值也相等
if (hash(temp.key) == hash && ((temp.getKey() == key) || key.equals(temp.getKey()))) {
p.setValue(value);
size--;
return value;
}
temp = temp.next;
}
Node<K, V> newNode = new Node<>(key, value, p);//头插
tab[index] = newNode;
}
return value;
}
/**
* 先找到元素的位置,遍历链表找到元素之后删除
* @param key
* @return
*/
public V remove(K key){
Node<K,V> e = removeNode(hash(key),key);
return e == null ? null : e.value;
}
private Node<K,V> removeNode(int hash, K key) {
Node<K,V>[] tab = table;
int index = hash & (tab.length-1); //取余,计算索引
Node<K,V> p = tab[index];
//如果当前key映射到的数组不为空
if (p != null && tab.length > 0 && tab != null) {
Node<K,V> prev = null;//目标节点的前一个节点,即前驱
while (p != null){
if (hash(p.key) == hash && ((p.getKey() == key) || key.equals(p.getKey()))) {
if (prev == null) {//链表只有一个元素
tab[index] = p.next;
}else {
prev.next = p.next;
}
size--;
return p;
}
prev = p;
p = p.next;
}
}
return null;
}
public V get(K key) {
Node<K,V> e = getNode(hash(key), key);
return e == null ? null : e.value;
}
private Node<K,V> getNode(int hash, K key) {
Node<K,V>[] tab = table;
int index = hash & (tab.length-1); //取余,计算索引
Node<K,V> p = tab[index];
if (p != null && tab.length > 0 && tab != null) {
while (p != null){
if (hash(p.key) == hash && ((p.getKey() == key) || key.equals(p.getKey()))) {
Node<K, V> node = p;
return node;
}
p = p.next;
}
}
return null;
}
private int hash(K key) {
int h;
return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);//异或运算,减少哈希冲突
}
public int size() {
return size;
}
public boolean isEmpty() {
return size == 0;
}
private class Node<K,V>{
private K key;
private V value;
private Node<K,V> next;
public K getKey() {
return this.key;
}
public V getValue() {
return this.value;
}
public V setValue(V newValue) {
V oldValue = value;
value = newValue;
return oldValue;
}
public Node(K key, V value, Node<K, V> next) {
this.key = key;
this.value = value;
this.next = next;
}
}
}