HashMap相关知识

1 HashMap特点

• HashMap是一个散列表（数组+链表/红黑树），它存储的内容是键值对（key-value）；
• HashMap继承于AbstractMap，实现了Map、Cloneable、java.io.Serializable接口;
• 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。

2 HashMap原理

2.1 基本原理

HashMap是一个散列表（数组+链表+红黑树）。首先会声明一个下标范围比较大的数组来存储元素，数组存储的元素是一个Entry类，这个类包括三个数据域：key(键)，value(值)以及next(指向下一个Entry)。例如有一个键值对A进来，通过计算其key的hashcode得到下标为0，则该A键值对被封装到Entry对象里后会存入到下标为0的数组中；第二个键值对B进来，通过计算其key的hashcode得到的下标还是0，则B键值对也会被封装到Entry对象中然后存入数组下标为0的地方，不过之前存了一个A，所以需要用equals方法比较A和B是否相等，如果相等则会覆盖A,不等，则采用链表形式，而且是采用头插法，即Entry(B).next=Entry(A).

hashMap结构示意图如下：

图2.1 hashMap结构示意图

3 hashMap相关问答

• 问：为什么要用hashMap

（1） hashMap可以接受null键和null值；
（2）HashMap底层是用数组加链表和红黑树的结构存储数据的，存储和查找都很快；
（3）因为hashMap是非Synchronized的，所以hashMap很快；
（4）hashMap是以键值对的方式存储数据的，操作方便。

• 问：你知道HashMap的工作原理么？

HashMap使用put(key，value)的方式将值存储到HashMap中，使用get(key)从HashMap中获取对象。当我们使用put(key，value)时，首先会对key调用hashcode方法，通过返回的hashcode值进行hash计算找到bucket位置来存储Entry对象。当两个对象的hashcode值一致，则可能发生碰撞，这时，需要通过equals()方法来对这两个key对象的进行比较，如果相等，则覆盖；如果不相等，则在bucket这个位置以链表（LinkedList）或红黑树的形式存储，而且这里采用的是头插法。当使用get（key）方法获取对象时，首先会对key值进行hashcode计算，通过得到的hashcode值来定位bucket位置，然后通过equals方法比较key，如果相等则取出该key对应的值。

put方法和get方法中比较key如下：

	if (e.hash == hash && ((k = e.key) == key || key.equals(k))) {
		...
	}

• 问：如果hashMap的大小超过了负载因子定义的容量怎么办？

简便回答：HashMap默认的负载因子为0.75，即如果HashMap容量超过原来定义的容量的75%，则HashMap将自动扩充约为原来的两倍大小。
详细回答：HashMap在初始化对象时，用户可以指定一个容量大小和一个负载因子，如果用户没有指定容量大小和负载因子，则系统会默认容量大小为16，负载因子为0.75。此时还会设置一个阈值，即当HashMap存储的数量达到这个阈值时，HashMap就需要扩容。阈值计算方法是：容量*负载因子，即默认情况下，存储的数据达到HashMap容量的75%时，就会创建原来HashMap大小的两倍的bucket数组。

• 问：HashMap中hash函数是怎么实现的？

将hashcode的值的高16位与hashcode值进行异或，得到的值再与（n-1）进行与运算：（n-1）&(h^(h>>>16))

• 问：HashMap中如何减少碰撞发生？

1. 扰动函数，促使元素位置分布均匀，减少碰撞几率。扰动函数：（n-1）&(h^(h>>>16))。
2. 使用final对象，并且采用合适的equals()和hashCode()方法，可以减少碰撞的发生，提高效率。

• 问：拉链法导致的链表过深问题为什么不用二叉查找树代替，而选择红黑树？为什么不一直用红黑树？

之所以选择红黑树是为了解决二叉查找树的缺陷，二叉查找树在特殊情况下会变成一条线性结构，会造成层次过深，遍历查找会非常慢。而红黑树通过左旋、右旋及变色等操作来保持平衡，引入红黑树就是为了查找数据快，解决层次过深问题。但红黑树为保持平衡，是需要付出代价的，所以只有当链表长度大于8时才使用红黑树，如果链表长度较短，使用红黑树反而会使效率降低。

• 问：你对红黑树的见解？（红黑树的特性？）

1. 红黑树的节点都是黑色或者红色
2. 根节点一定是黑色
3. 叶子节点NIL一定是黑色
4. 从任一节点出发到它所有的叶子节点的路径上，其黑色节点都相同
5. 红色节点的两个子节点都为黑色

• 为啥链表转化为红黑树的临界点是8，红黑树转化为链表的临界点是6？

     * Because TreeNodes are about twice the size of regular nodes, we
     * use them only when bins contain enough nodes to warrant use
     * (see TREEIFY_THRESHOLD). And when they become too small (due to
     * removal or resizing) they are converted back to plain bins.  In
     * usages with well-distributed user hashCodes, tree bins are
     * rarely used.  Ideally, under random hashCodes, the frequency of
     * nodes in bins follows a Poisson distribution
     * (http://en.wikipedia.org/wiki/Poisson_distribution) with a
     * parameter of about 0.5 on average for the default resizing
     * threshold of 0.75, although with a large variance because of
     * resizing granularity. Ignoring variance, the expected
     * occurrences of list size k are (exp(-0.5) * pow(0.5, k) /
     * factorial(k)). The first values are:
     *
     * 0:    0.60653066
     * 1:    0.30326533
     * 2:    0.07581633
     * 3:    0.01263606
     * 4:    0.00157952
     * 5:    0.00015795
     * 6:    0.00001316
     * 7:    0.00000094
     * 8:    0.00000006
     * more: less than 1 in ten million

上述是HashMap中的一段注释，大概意思如下：

树结点占用空间的大小大约是常规结点的两倍，所以我们仅在链表结点达到一定数量时才使用树结构（这个数量就是TREEIFY_THRESHOLD）。当树的结点数量变少到一定程度时（通过扩容使得数据再散列，或者移除了某些元素），我们又把它转化为链表。在hashcode良好的情况下，树的结构出现概率是很小的。理想情况下，结点在数组中的分布遵循泊松分布。当负载因子为0.75时，计算发现可能发生的冲突概率如下：

     * 0:    0.60653066
     * 1:    0.30326533
     * 2:    0.07581633
     * 3:    0.01263606
     * 4:    0.00157952
     * 5:    0.00015795
     * 6:    0.00001316
     * 7:    0.00000094
     * 8:    0.00000006

超过8次碰撞的概率不到千万分之一。

那么，为啥链表转化为红黑树的临界点是8？
（1）节约资源以及提升效率。首先，树结点所占用内存大小大约是普通结点的2倍，在结点数量较小的情况下，使用普通结点可以解决内存；其次，红黑树是自平衡的二插查找树，它在插入结点或者删除结点后可能需要进行左旋或右旋操作让其保持平衡，这相对来说比较耗时，在结点很少的情况下没有必要。
（2）链表转化为红黑树过程比较耗时，所以不能频繁地进行链表转化为红黑树的操作。从统计来讲，同一个地方发生8次以上碰撞的概率不到千万分之一，所以临界点使用8比较合理。

那么红黑树转化为链表的临界点为什么是6？
那是因为，当hashcode比较合理的情况下，同一个地方发生8次以上碰撞的概率不到千万分之一，但就是在如此小的概率下你都反生了8次以上碰撞，导致链表转化为了红黑树，表明你key值不太合理，导致计算得到的hashcode能发生较大概率的碰撞。所以当红黑树转化为链表后，再次转化为红黑树的可能还是很大的概率，那么此时就要防止它频繁的从红黑树转化为链表，然后又从链表转化为红黑树。所以临界点设置为6，使得中间有个缓冲。