● Map和Collection之间没有继承关系;
Map以(key,value)键值对的形式存储元素;
key和value存储的都是java对象的内存地址(引用数据类型);
key起到主导作用,value从属于key。
Map集合的key的特点:无序不可重复。
Map中的常用方法:
![](https://i-blog.csdnimg.cn/blog_migrate/ba6ad0b48fa1bdf03a4c9d95070e9118.png)
![](https://i-blog.csdnimg.cn/blog_migrate/bc2ef16aef73fc3f485ecc161a008b5e.png)
Map的遍历方式
第一类方法
先获取map的keySet,然后取出key对应的value。
方法签名 |
功能 |
Set<K> keySet() |
返回map中的key集合(Set) |
方法一
通过foreach遍历map.keySet(),取出对应的value
public static void printMap1(Map<Integer,String> map){
if(map.size() == 0){
System.out.println("the map is empty");
return;
}
System.out.println("the elements in the map are like below");
for(Integer key : map.keySet()){
System.out.println(key + ":" + map.getOrDefault(key, ""));
}
}
方法二
通过迭代器迭代map.keySet(),来取出对应的value
public static void printMap2(Map<Integer,String> map){
Set<Integer> keySet = map.keySet();
Iterator<Integer> value = keySet.iterator();
while(value.hasNext()){
Integer cntKey = value.next();
System.out.println(cntKey + ":" + map.getOrDefault(cntKey,""));
}
}
第二类方法
调用map.entrySet()方法,然后直接从entrySet中获取key和value
特点:
效率较高(直接从node中获取key,value)
适用于大数据量的map遍历。
方法签名 |
功能 |
Set<Map.Entry<K,V> entrySet() |
返回map对应的Map.Entry集合(set) |
方法三
调用map.entrySet(),然后使用foreach遍历entrySet
public static void printMap3(Map<Integer,String > map){
Set<Map.Entry<Integer,String>> entry = map.entrySet();
for(Map.Entry<Integer,String> it : entry){
System.out.println(it.getKey() + ":" +it.getValue());
}
}
方法四
调用map.entrySet(),然后使用迭代器遍历entrySet
public static void printMap4(Map<Integer,String> map){
Set<Map.Entry<Integer,String>> entry = map.entrySet();
Iterator<Map.Entry<Integer,String >> it = entry.iterator();
while(it.hasNext()){
Map.Entry<Integer,String> node = it.next();
System.out.println(node.getKey() + ":" + node.getValue());
}
}
HashMap
● HashMap是Java中最常用的集合类框架
HashMap 默认的初始化大小为 16。之后每次扩充,容量变为原来的 2 倍。并且, HashMap 总是使用 2 的幂作为哈希表的大小。
是非线程安全的,且不能保证元素的存储顺序。查询和修改的速度很快,能到到O(1)的平均复杂度。
HashMap 结合了 ArrayList 的查询效率高的特点和 LinkedList 插入效率高的特点,但是如果要存储的数据过于庞大,肯定会造成很多次的哈希冲突,这样一来,链表上的节点会堆积得过多,在做查询的时候效率又变得很低,又失去HashMap 本来的特点。JDK 1.8 之后,使用数组+链表+红黑树的结构。当节点数不大于8时,还是一个链表结构,只不过插入节点时变成了尾插法 ,当节点数大于8后,将从链表结构转化成红黑树结构,复杂度也从 O(n) 变成 O(logn)。
HashMap 通过键值对(key,value)进行存储,通过键(key)进行查询,在 JDK 1.8以后底层是数组+链表+红黑树 (JDK1.7之前其底层实现是:数组+链表)。数组是 HashMap 的主体,链表则是主要为了解决哈希冲突而存在的(“拉链法”解决冲突)。【JDK1.8 以后的 HashMap 在解决哈希冲突时有了较大的变化,当链表长度大于阈值(默认为 8)(将链表转换成红黑树前会判断,如果当前数组的长度小于 64,那么会选择先进行数组扩容,而不是转换为红黑树)时,将链表转化为红黑树,以减少搜索时间。】
● 哈希表是一种数组和单向链表的结合体。
○ 数组:在查询方面效率较高,但是在随机增删方面效率较低;
○ 单向链表:在随机增删方面效率较高,但是在查询方面效率较低;
○ 哈希表将以上两种数据结构融合在一起,充分发挥他们各自的优点。
![](https://i-blog.csdnimg.cn/blog_migrate/86d36971fb1a2b8cd651d594e2a4dfc7.png)
HashMap 可以存储 null 的 key 和 value,但 null 作为key键只能有一个,null 作为value值可以有多个。
![](https://i-blog.csdnimg.cn/blog_migrate/f26f5eb2c5a4f51f48a3c8d40845c8dd.png)
1、HashMap底层数据结构
HashMap 通过 key 的 hashCode 经过扰动函数处理过后得到 hash 值,然后通过 (n - 1) & hash 判断当前元素存放的位置(这里的 n 指的是数组的长度),如果当前位置存在元素的话,就判断该元素与要存入的元素的 hash 值以及 key 是否相同,如果相同的话,直接覆盖,不相同就通过拉链法解决冲突。
所谓扰动函数指的就是 HashMap 的 hash() 方法。使用 hash 方法也就是扰动函数是为了防止一些实现比较差的 hashCode() 方法,换句话说使用扰动函数之后可以减少碰撞。
/**
* JDK 1.8实现:将 键key 转换成 哈希码(hash值)操作 = 使用hashCode() + 1次位运算 + 1次异或运算(2次扰动)
* 1. 取hashCode值: h = key.hashCode()
* 2. 高位参与低位的运算:h ^ (h >>> 16)
*/
static final int hash(Object key) {
int h;
// key.hashCode():返回散列值也就是hashcode
// ^ :按位异或
// >>>:无符号右移,忽略符号位,空位都以0补齐
return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
// a. 当key = null时,hash值 = 0,所以HashMap的key 可为null
// 注:对比HashTable,HashTable对key直接hashCode(),若key为null时,会抛出异常,所以HashTable的key不可为null
// b. 当key ≠ null时,则通过先计算出 key的 hashCode()(记为h),然后 对哈希码进行扰动处理: 按位 异或(^) 哈希码自身右移16位后的二进制
}
“拉链法” 就是:将链表和数组相结合。也就是说创建一个链表数组,数组中每一格就是一个链表。若遇到哈希冲突,则将冲突的值加到链表中即可。
![](https://i-blog.csdnimg.cn/blog_migrate/60e55059a4ff82490179d1c065df4cd2.png)
在JDK1.8 以后,解决哈希冲突时有了较大的变化。当链表长度大于阈值(默认为 8)时,会首先调用 treeifyBin()方法(这个是HashMap自身的final方法)。这个方法会根据 HashMap 数组当时的状态来决定是否转换为红黑树。只有当数组长度大于或者等于 64 的情况下,才会执行转换红黑树操作,即调用树节点的方法treeify(),将链表转换为红黑树,以减少搜索时间。否则,就是只是执行 resize() 方法对数组扩容。
![](https://i-blog.csdnimg.cn/blog_migrate/cb6a198397b58758c5ba016bca92f351.png)
2、HashMap类的属性
HashMap里面数组结构的每一个存储元素的位置被称为桶
桶中存放的数据被称为bin(bin这个概念会在HashMap源码中大量出现)
public class HashMap<K,V> extends AbstractMap<K,V> implements Map<K,V>, Cloneable, Serializable {
// 序列号
private static final long serialVersionUID = 362498820763181265L;
// 默认的初始容量是16 capacity译为容量。capacity就是指HashMap中桶的数量,但是注意HashMap里并没有这个成员属性
static final int DEFAULT_INITIAL_CAPACITY = 1 << 4;
// 最大容量
static final int MAXIMUM_CAPACITY = 1 << 30;
// 默认的填充因子(扩容因子),当数组的存储比例达到了0.75,数组就会进行两倍扩容
static final float DEFAULT_LOAD_FACTOR = 0.75f;
// 当桶(bucket)上的结点数大于这个值时会转成红黑树
static final int TREEIFY_THRESHOLD = 8;
// 当桶(bucket)上的结点数小于这个值时树转链表
static final int UNTREEIFY_THRESHOLD = 6;
// 桶中结构转化为红黑树对应的table的最小大小
static final int MIN_TREEIFY_CAPACITY = 64;
// 存储元素的数组,数组长度总是2的幂次倍
transient Node<k,v>[] table;
// 存放具体元素的集
transient Set<map.entry<k,v>> entrySet;
// 存放元素的个数,表示当前HashMap包含的键值对数量。注意这个不等于数组的长度。
transient int size;
// 每次扩容和更改map结构的计数器,表示当前HashMap修改次数
transient int modCount;
// 数组扩容临界值(阈值) 当数组实际大小(容量*填充因子)超过临界值时,会进行扩容
int threshold;
// 加载因子(负载因子)
final float loadFactor;
}
TREEIFY_THRESHOLD 树化阈
一个桶是由链表呈现还是红黑树呈现的节点数阈值,当一个桶中的元素个数超过该阈值时,该桶将会被转化为一课红黑树。treeify_threshold表达了这个阈值的含义,即“限制成为一棵树的值”。
UNTREEIFY_THRESHOLD
一个桶是由链表呈现还是红黑树呈现的节点数阈值,当一个桶中的元素个少于过该阈值时,该桶将会从一颗红黑树转化为链表。
loadFactor 加载因子
loadFactor加载因子是控制数组存放数据的疏密程度,loadFactor 越趋近于1,那么数组中存放的数据(entry)也就越多,也就越密,也就是会让链表的长度增加,loadFactor越小,也就是趋近于0,数组中存放的数据(entry)也就越少,也就越稀疏。
loadFactor 太大导致查找元素效率低,太小导致数组的利用率低,存放的数据会很分散。loadFactor的默认值为 0.75f 是官方给出的一个比较好的临界值。
给定的默认容量为16,负载因子为0.75。Map 在使用过程中不断的往里面存放数据,当数量达到了 16 * 0.75 = 12 就需要将当前 16 的容量进行扩容,而扩容这个过程涉及到 rehash、复制数据等操作,所以非常消耗性能。
threshold
threshold = capacity(数组的总长度) * loadFactor,当 size(当前数组中包含元素数量)>=threshold的时候,那么就要考虑对数组的扩增了,也就是说,这个的意思就是 衡量数组是否需要扩增的一个标准。
3、Node节点类
Node节点是HashMap的static修饰的静态内部类
// 继承自 Map.Entry<K,V>
static class Node<K,V> implements Map.Entry<K,V> {
final int hash;// key的哈希值,存放元素到hashmap中时用来与其他元素hash值比较
final K key;//键
V value;//值
// 指向下一个节点(后驱节点),数组元素中的链表就是通过Node结构实现的
Node<K,V> next;
Node(int hash, K key, V value, Node<K,V> next) {
this.hash = hash;
this.key = key;
this.value = value;
this.next = next;
}
public final K getKey() { return key; }
public final V getValue() { return value; }
// 重写toString方法
public final String toString() { return key + "=" + value; }
// 重写hashCode()方法
public final int hashCode() {
return Objects.hashCode(key) ^ Objects.hashCode(value);
}
// 重新设置当前entry的值
public final V setValue(V newValue) {
V oldValue = value;
value = newValue;
return oldValue;
}
// 重写 equals() 方法
public final boolean equals(Object o) {
//如果内存地址一致直接返回true
if (o == this)
return true;
//比较的节点必须实现这个Map.Entry
if (o instanceof Map.Entry) {
Map.Entry<?,?> e = (Map.Entry<?,?>)o;
if (Objects.equals(key, e.getKey()) &&
Objects.equals(value, e.getValue()))
//键和值都相等才能返回true
return true;
}
return false;
}
}
在HashMap类中有两个方法是用来创建Node节点的:newNode和replacementNode
// 调用Node构造方法创建Node节点
Node<K,V> newNode(int hash, K key, V value, Node<K,V> next) {
return new Node<>(hash, key, value, next);
}
// 用于从树节点转换为普通节点
Node<K,V> replacementNode(Node<K,V> p, Node<K,V> next) {
return new Node<>(p.hash, p.key, p.value, next);
}
4、TreeNode树节点类
TreeNode是用来实现红黑树的树节点。该类也是HashMap的静态内部类
static final class TreeNode<K,V> extends LinkedHashMap.Entry<K,V> {
TreeNode<K,V> parent; // 父
TreeNode<K,V> left; // 左
TreeNode<K,V> right; // 右
TreeNode<K,V> prev; // 前驱节点
boolean red; // 判断颜色
TreeNode(int hash, K key, V val, Node<K,V> next) {
super(hash, key, val, next);
}
// 返回根节点
final TreeNode<K,V> root() {
// 所有节点节点,直到父节点为空的时候,该节点就是根节点
for (TreeNode<K,V> r = this, p;;) {
if ((p = r.parent) == null)
return r;
r = p;
}
}
}
在Hashmap类中有两个方法是用来创建TreeMap节点的:newTreeNode和replacementTreeNode
// 调用TreeNode构造方法创建TreeNode节点
TreeNode<K,V> newTreeNode(int hash, K key, V value, Node<K,V> next) {
return new TreeNode<>(hash, key, value, next);
}
// 用于从普通节点转换为树节点
TreeNode<K,V> replacementTreeNode(Node<K,V> p, Node<K,V> next) {
return new TreeNode<>(p.hash, p.key, p.value, next);
}
版本 |
存储的数据结构 |
数组&链表节点的实现类 |
红黑树的实现类 |
核心参数 |
JDK 1.8 |
数组+链表+红黑树 |
Node类 |
TreeNode类 |
|
JDK 1.7 |
数组+链表 |
Entry类 |
/ |
HashMap底层原码分析
HashMap采用(key,value)的形式存储数据,每一个key都对应唯一的value。查询和修改的效率很高,能做到平均O(1)的复杂度。但是HashMap是非线程安全的,且无法保证元素的存储顺序。