HashMap底层原理简要说明

对于HashMap的一些问题:

1.HashMap的底层数据结构 1.8之前和1.8的区别?

在jdk8之前HashMap的底层是由数组和链表实现的,而在jdk8之后则是由数据+链表+红黑树实现
在jdk8之前HashMap创建时就已经创建好数组了,而且jdk8之后在调用put方法时才创建数组,而且jdk8之前的数组是entry类型的,之后的是node类型

2.HashMap存储元素的过程

首先调用put(k,v)进行存储,根据key的hash值算出存储位置,判断node数组是否为空,为空的话调用resize方法进行扩容。不为空的话判断tablei 判断数组当前位置是否有元素,没有的话直接插入,有的话判断当前元素的hash值与插入元素的hash值是否相等。如果不相等,把新的值放入链表头部,没有链表即在当前位置创建一个链表,并判断当前链表的长度是否大于8,大于8的话进行红黑树的转换。
相等的话,就发生了hash碰撞现象,那我们需要继续根据equals方法判断key是否相等,不相等的话就加入链表,并判断链表长度是否大于8,大于进行红黑树转换。如果相等就把新插入的value值覆盖原来的value值。
最后插入完数据之后增加修改册数modCount,如果超过了临界点(默认0.75),就执行resize方法进行扩容。
这就是整个hashmap存储过程

3.hashMap 加载因子为什么0.75

首先我们需要知道什么是加载因子,加载因子就是hash表在其容量自动扩充之前可以达到多满的一种度量。
加载因子过于小,元素在数组中过于分散,有些空间一直没有元素,会造成空间的浪费
加载因子过大,会造成空间的拥挤,造成链表长度过长,加大遍历难度,加大hash碰撞的几率。
所以根据泊松分布,0.75是最合适的加载因子

4.hashmap 数组长度为什么是2的n次方

因为根据创始人团队的测试,如果是2的n次幂的话,元素可以在数据中进行均匀的分布。如果不是2的n次幂,计算出的索引特别容易相同,及其容易发生hash碰撞,导致其余数组空间没有存储数据,造成链表长度过长。

5.为什么转换成红黑树的节点是8

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(-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

根据原码所说,按照泊松分布的计算公式计算出了桶中元素个数和概率的对照表,我们可以清楚的看到当链表节点到8时已经是很小的概率了,所以作者在设置转换红黑树节点时设置为8,是按照统计学来的。

而且红黑树的节点是链表的两倍,所以当节点过小就没有转换成红黑树的必要,还没有链表的查询速度快,违背了效率高的初衷。

6.hashmap的构造函数哪些?

//构造一个空的HashMap,默认初始容量为(16)和默认加载因子(0.75)
public HashMap() {
    this.loadFactor = DEFAULT_LOAD_FACTOR; // 将默认的加载因子0.75赋值给loadFactor,并没有创建数组
}
//构造一个具有指定的初始容量和默认加载因子(0.75)HashMap
public HashMap(int initialCapacity) {
    this(initialCapacity, DEFAULT_LOAD_FACTOR);
}
//构造一个具有指定的初始容量和指定加载因子的HashMap
public HashMap(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);
    this.loadFactor = loadFactor;
    this.threshold = tableSizeFor(initialCapacity);
    //tableSizeFor(initialCapacity)判断初始化容量是否为2的n次幂,如果不是变为比指定初始化容量大的最小的2的n次幂
}

以上皆为个人理解,如不错误,欢迎指出

  • 1
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
【优质项目推荐】 1、项目代码均经过严格本地测试,运行OK,确保功能稳定后才上传平台。可放心下载并立即投入使用,若遇到任何使用问题,随时欢迎私信反馈与沟通,博主会第一时间回复。 2、项目适用于计算机相关专业(如计科、信息安全、数据科学、人工智能、通信、物联网、自动化、电子信息等)的在校学生、专业教师,或企业员工,小白入门等都适用。 3、该项目不仅具有很高的学习借鉴价值,对于初学者来说,也是入门进阶的绝佳选择;当然也可以直接用于 毕设、课设、期末大作业或项目初期立项演示等。 3、开放创新:如果您有一定基础,且热爱探索钻研,可以在此代码基础上二次开发,进行修改、扩展,创造出属于自己的独特应用。 欢迎下载使用优质资源!欢迎借鉴使用,并欢迎学习交流,共同探索编程的无穷魅力! 基于业务逻辑生成特征变量python实现源码+数据集+超详细注释.zip基于业务逻辑生成特征变量python实现源码+数据集+超详细注释.zip基于业务逻辑生成特征变量python实现源码+数据集+超详细注释.zip基于业务逻辑生成特征变量python实现源码+数据集+超详细注释.zip基于业务逻辑生成特征变量python实现源码+数据集+超详细注释.zip基于业务逻辑生成特征变量python实现源码+数据集+超详细注释.zip基于业务逻辑生成特征变量python实现源码+数据集+超详细注释.zip 基于业务逻辑生成特征变量python实现源码+数据集+超详细注释.zip 基于业务逻辑生成特征变量python实现源码+数据集+超详细注释.zip

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值