hashMap拓展

HashMap我们谈点不一样的

课程目的

早年间，HashMap是面试场上必问的面试题，如今学生出去面试也会经常碰见。为了彰显个人学习的深度，以及领悟力。我们必须在面试的过程中，说点不一样的东西，像什么数组+链表的数据结构、Java8的链表树形化这种千篇一律的答案，已经没有任何新颖之处了，是非常平庸的答案。所以我们要说，就必须说点有意思的。在这个知识点上，必须把面试官拿下！本课程就是为了让大家从根源上认识HashMap，并且可以深入浅出的把它表达清楚。

课程内容

1、对象的hashCode方法它的返回值是int类型——产生的疑问

Java里面Object类是所有引用类型的父类，Object中的hashCode方法可以被所有子类继承使用。

hashCode方法是用来干嘛的呢？

hashCode是程序(一套底层算法)给对象分配的一个代表它的数值，用于散列存储这个对象时有据可依。方便针对这个对象使用Java中的各种散列数据结构做存储，比如像HashMap、HashSet。

hashCode返回类型为int，意味着，不同的对象可能存在同样的hashCode值。

int取值范围是固定的，而对象是可以无穷多的，用有穷的数值去表示无穷的对象，那么肯定会存在重复。

2、HashMap的综合效率是如何保证的——空间换时间

数组寻址快，但是插入、删除慢。链表寻址慢，但是插入、删除快。而哈希表(散列)，刚好介于二者之间，综合性能比较给力。

HashMap底层也是散列，通过key的hashCode值，经过一个计算(取模)，可以迅速定位到数据的存储位置。但是，散列说到底，也是数组，只是一个空间比较富裕的数组而已，一个数据被存储到这个数组上，一般是用hashCode值对这个数组长度取模，得到数组下标的位置，从而快速定位。想要同一个位置冲突的几率小，那么只有增大空间，让离散度变大，这样效率才可保证！这也就是程序届有名的"空间换时间"的概念。

比如：n%2取模，要么是0，要么是1；

​ n%3取模，可能值就变成了0，1，2；

​ …

​ 存储同样的数据量，数组的长度越大，取模的值的可能就越多，也就代表离散更大；

这也是为什么会存在负载因子、扩容这一回事了的原因了。为了保证效率，不会让散列数组存满的。但是，有限的空间长度len，针对整个int范围的hashCode值被取模，怎么样都可能存在下标冲突，这也是哈希冲突产生的原因，由此，HashMap为解决这个问题，用链表来解决哈希冲突。但是链表的引入，多少会影响寻址的效率。

3、HashMap是如何存数、找数、寻找下标的——此算法必须领悟并记住，这就是资本

说明

1、如果key为null，则默认对应的数组下标为0；

2、key的hashCode值记为hashCode；

3、记h = hashCode ^ (hashCode >>> 16)；

4、记数组长度len也就是HashMap容量cap；

5、index = h & (cap-1);

如何理解这个算法？

为何不直接使用hashCode值来跟数组长度取模？

其实这个算法的前后，包括它的扩容机制、初始化长度，都是相辅相成、前后呼应的。是由此才得出的一套完整的算法解决方案。

根据最后的取模算法 h & (cap-1)，如果直接使用hashCode & (cap - 1)，当数组长度比较小的时候，hashCode值只有它的低位才会参与求取下标的计算。而一旦我们所需要存储的数据的key整体的hashCode值都比较大、并且低位都相同的时候，那么直接使用这个hashCode值来对数组长度取模，那产生的冲突将是非常恐怖的！所以，这个算法，在进行后面取模求index之前，先获取了一个更具有代表这个数据整体的数值h（h = hashCode ^ (hashCode >>> 16)）。这样操作之后就将hashCode值的高低16位都运用了起来，这样h & （cap - 1）取模的离散算法就更优了，产生的冲突的几率更小，访问效率更高。

图解

1、如下，当直接使用hashCode来取模时，因为数组长度比较小，就可能存在多个hashCode对应一个模长。这不是一个合格的离散算法！

2、我们改改，也就是HashMap中的正确的取模算法，让高低16位都参与取模运算，图解如下。

上图第一个数，最终取模如下：

第二个数，最终取模如下：

…由此可见，这样操作，最终得到的下标值离散度是更好的。

4、扩容核心，为何2倍扩容，为何默认初始化容量16？——新增一倍的空间，将原空间一半的数据移动到新空间，重新达到离散平衡、保证效率

二倍扩容、2的次幂——16初始化容量，实则都是为了完美整合寻址散列算法。

我们发现一个有趣的二进制计算技巧

n % m ==> 当m的值是二的次幂的时候，它可以由 n & (m-1)替代，后者的效率也是更高。

比如：10 % 4 = 2 ==> 10 & 3 = 2

所以，如果默认初始化是16，那么数组最大下标用二进制表示就是1111。

那么当根据key获取到h值之后，h & 1111运算，获取到一个下标值，实则只跟h值的低四位有关。

关键点就在这里！当二倍扩容时！最大数组下标由二进制1111变成11111，四位变五位。

那么h值二进制的第五位，它不是0，就是1！

如果是0，则下标值不变，因为0 & 1 为 0；如果是1，则新下标值=原下标值+原容量大小值

这就是二倍扩容、二的次幂默认初始化大小(16)、寻址算法、扩容实现的核心所在！

扩容之后，冲突位置的值是否需要移动，就看扩容位对应的h的二进制位是0还是1，是0则原位置不变，是1则移至新空间对应位置。所以这里有2分之1的可能会将原数据移动！新增一倍的空间，将原空间一半的数据移动到新空间，让整体空间重新达到离散平衡！

图解如下：（如果扩容位为0，则数据保持原下标不变！）

如此算法非常优秀的支持了扩容，大大提升了扩容效率，移动的元素的新的下标值都不需要从新计算，只是用原来的下标+原来的容量即可得到，移动数据量也是最少的，离散平衡也能依旧保持。

5、这有1000个非重复的键值对要存储，我需要怎么初始化我的HashMap？

如果我们确切的知道我们有多少键值对需要要存储(其它的动态数据结构使用亦是如此)，那么我们在初始化HashMap的时候就应该指定它的容量，以防止HashMap自动扩容，影响使用效率。

有的同学说应该给它初始化容量为1000，有的同学说应该给他初始化为1024。实则都不对！

HashMap底层是这样实现的初始化的，当你给HashMap初始化为一个n的容量时，程序会用算法自动计算出一个不小于n的一个二的次幂值(原因前面已经说明)，所以这里你就算给他指定1000容量，实则初始化后分配的容量也是1024。

如上代码，实则是将cap这个数的二进制数从第一个1开始，把后面的二进制位全部变成1，然后+1操作，实则是取不小于n的一个最近的2的次幂。

然而，1000个数你用1024的空间来存储，你还怎么实现空间换时间？富余的空间太少，哈希冲突肯定很多，影响使用效率。再说，HashMap默认负载因子0.75，它也不会让你1024空间存够1000，在存储的数据size到达768的时候，这个HashMap已经执行自动扩容了！为了不让它自动扩容，所以我们初始化为2048！当然你可以初始化为1023——2048之间的任何容量值，结果都是2048。

6、高并发情况下扩容时的循环死链，CPU百分之百占用案例分析，以及Java8是如何避免的？

HashMap本身就是线程不安全的，所以这种问题（循环死链）是在错误的使用方法上出现的更为严峻的问题。

在并发扩容的情况下，Jdk7是遍历每一个数组下标位置的链表，然后逐个元素采用头插法添加到新的空间。这样操作，在并发的情况下就会出现循环死链！

图解循环死链：

Jdk8采用方法内部局部变量维护这个将被移动的数据(可能是一个新链表)，然后在遍历结束后统一将新链表转移至对应新的下标位置，并非Jdk7那样一个一个元素进行转移。Jdk8链表添加元素采用尾插法。

7、树形化条件分析——并不是单纯的长度大于8！

如上可知，树形化的条件不是单纯的链表长度大于8，还得要求是容量不能小于64，否则会用扩容手段减少链表长度。

8、你们知道有一种结构，既可以维持链表又可以维持二叉树么？——树形化后链表依旧存在且维持！

在链表转化成红黑二叉树之后，其实链表结构并没有退化，而是继续维持且更新，便于后期扩容、或数据缩减时退化成链表，也可以继续使用链表的优势，比如全局遍历…

9、HashMap最多能存多少键值对？为什么？

1、HashMap在确定数组下标Index的时候，采用的是( length-1) & hash的方式，只有当length为2的指数幂的时候才能较均匀的分布元素。所以HashMap规定了其容量必须是2的n次方；

2、由于HashMap规定了其容量是2的n次方，所以我们采用位运算<<来控制HashMap的大小。使用位运算同时还提高了Java的处理速度。HashMap内部由Entry[]数组构成，Java的数组下标是由Int表示的。所以对于HashMap来说其最大的容量应该是不超过int最大值的一个2的指数幂，而最接近int最大值的2的指数幂用位运算符表示就是 1 << 30；

3、初始容量问题，可以赋值容量小于16！

OVER彩蛋

教你们循序渐进、深入浅出的表达HashMap

1、散列算法。先^让高低16位都参与获取代表hash值，再&取模，得下标。

2、数组扩容位跟hash值对应位比较，0不动，1移动，重新达到离散平衡，扩容算法最优，效率最高。