java数据结构的底层原理——HashMap

HashMap 是 Java 中用于存储键值对的集合类，提供了高效的插入、删除和查找操作。它的底层数据结构是哈希表。以下是 HashMap 的一些关键点和底层原理：

1. 底层数据结构

HashMap 的底层实现是一个数组加上链表（或红黑树）。每个数组位置称为一个桶（bucket），用于存储哈希冲突的元素。

• 数组: 用于存储桶的引用。数组的大小会根据 HashMap 的容量自动调整。
• 链表: 用于处理哈希冲突，即不同键的哈希值相同或者碰撞的情况。这些键值对会以链表的形式存储在同一个桶中。
• 红黑树: 从 Java 8 开始，当一个桶内的链表长度超过一定阈值（默认为 8）时，链表会转化为红黑树，以提高查找性能。红黑树是一种自平衡的二叉搜索树。

2. 哈希函数和哈希码

HashMap 使用键的哈希码（通过 hashCode 方法）来确定键值对存储的桶位置。哈希函数将键的哈希码映射到数组的索引位置。

• 哈希码: 每个对象都有一个 hashCode 方法，返回对象的哈希码。
• 哈希函数: 通过对哈希码进行扰动运算（如异或、位移等），减少哈希冲突的概率，并确保更均匀的分布。

3. 哈希冲突处理

• 链表: 当多个键的哈希码映射到同一个桶时，这些键值对会以链表的形式存储在该桶中。插入新元素时，HashMap 会检查链表中是否已经存在相同的键。
• 红黑树: 如果链表的长度超过一定阈值，链表会被转换成红黑树，以提高查找效率。红黑树的操作时间复杂度是 O(log n)，而链表是 O(n)。

4. 负载因子和扩容

• 负载因子: 决定 HashMap 的填充程度。默认负载因子是 0.75，这意味着哈希表会在填充达到 75% 时进行扩容。
• 扩容: 当 HashMap 的实际大小超过负载因子与当前容量的乘积时，HashMap 会进行扩容。扩容会创建一个新的、更大的数组，并将现有的键值对重新哈希到新的数组中。扩容的时间复杂度是 O(n)，因为需要重新计算每个元素的位置。

5. 常见操作的时间复杂度

• 插入（put）: 平均时间复杂度是 O(1)。由于哈希表的操作大部分是常数时间复杂度，但在最坏情况下（例如哈希冲突过多）可能会退化到 O(n)。
• 查找（get）: 平均时间复杂度是 O(1)，与插入操作类似。
• 删除（remove）: 平均时间复杂度是 O(1)，与插入操作类似。

示例代码

以下是一个简单的 HashMap 示例代码：

import java.util.HashMap;

public class HashMapExample {
    public static void main(String[] args) {
        HashMap<String, Integer> map = new HashMap<>();

        // 添加键值对
        map.put("apple", 1);
        map.put("banana", 2);
        map.put("cherry", 3);

        // 输出映射
        System.out.println("HashMap: " + map);

        // 查找值
        System.out.println("Value for 'banana': " + map.get("banana"));

        // 删除键值对
        map.remove("banana");
        System.out.println("HashMap after removal: " + map);

        // 遍历键值对
        for (String key : map.keySet()) {
            System.out.println(key + ": " + map.get(key));
        }

        // 集合的大小
        System.out.println("Size of HashMap: " + map.size());
    }
}

总结

HashMap 的核心在于通过哈希表来存储键值对，提供了高效的插入、查找和删除操作。通过使用链表和红黑树来处理哈希冲突，HashMap 在大多数情况下能保持良好的性能。