学习笔记 | HashMap的底层知识点

一、HashMap的数据结构

1-1 HashMap jdk1.7到1.8数据结构的变化。

1.7版本的HashMap的数据结构是数组加链表，1.8版本的时候数据结构改成了数组加链表加红黑树

1-2 HashMap 数据结构快速查找逻辑

其实HashMap的数据结构就是为了实现快速查找。

HashMap怎么去存元素：

HashMap是根据key去决定存储的位置。

首先会先将key计算出他的hash值，然后再二次hash，跟数组的长度相得到得就是下标（数组中的地址），如果再这个地址中存在其他值会先去跟他做一个equals的判断是否是相同，如果是相同会将他覆盖，不相同添加到链表的下一个元素。

HashMap如何实现快速查找：

1. 将key的值hash再二次hash.

1. 拿二次hash的值跟数组相模取出桶下标。

1. 去对应的桶下标进行调用equals比较获得一样的key，取出值。

1-3 链表过长解决 - 扩容

如果链表的的长度过长，那么在查找元素跟添加元素的时候的比较次数就会一直增加。

第一种链表过长的解决方法是： 当数据的数量大于数组的3/4时，数组就会扩容，然后就会重新计算桶下标实现降低链表的长度。

1-4 链表过长解决 - 链表树化

当扩容无法解决链表过长的问题，当数组的长度大于等于64 而且 链表的长度大于8 就会将链表树化成红黑树。

1-5 总结

为什么要用红黑树？

红黑树相当于长链表性能更好。

为何不一上来就树化？

短链表相对于红黑树的性能会更好，占用内存会更少，所以不到万不可以不使用红黑树。

树化阈值为何是8？

正常实际情况下没有去指定hashcode，链表很少会超过8，选择8就是为了降低链表树化的概率

何时会树化？

当扩容无法解决链表过长的问题，当数组的长度大于等于64 而且 链表的长度大于8 就会将链表树化成红黑树。

何时为退化成链表？

情况一：当扩容数组时，拆分树时，如果树的长度小于等于6，树就会退化成链表。

情况二：在remove节点之前，如果根节点的左儿子，左孙子，右儿子不存在，就会退化成链表

二、重要知识点

2-1 索引如何计算

首先会先将key计算出他的hash值，然后再二次hash，跟数组的长度相得到得就是下标（数组中的地址），如果再这个地址中存在其他值会先去跟他做一个equals的判断是否是相同，如果是相同会将他覆盖，不相同添加到链表的下一个元素。

求模的优化：

a % b =============> a & (b - 1) (只要数组的长度为2的n次方才可以使用这样的公式)

2-2 为何要二次哈希

为了让元素的哈希分布更加均匀，防止长链表的产生。

2-3 容量为何是2的n次幂

当数组长度为2的n次幂是，在计算桶下标时可以使用&来进行计算优化。

扩容时可以使用hash & odlCap 来判断元素的位置，当等于0时留在原来的位置，当不等于0使用原来的位置加上& 的结果。

2-4 容量不用2的n次幂行不行

设计者综合了各种因素选择了2的n次幂，不能说哪种设计更好，选择2的n次幂是为了优化性能。

2-5 put方法的流程，1.7 与1.8 的不同。

1. 当第一次put时，会创建一个长度为16的数组。

1. 计算桶下标

1. 判断节点是否为空，为空创建node返回，不为空根据当前node 的添加规则添加。

1. 返回前判断元素数量是不是超过数组扩容的阈值，超过的话数组进行扩容。

1.7 与 1.8的不同：

1，链表插入节点时，1.7是头插法，1.8是尾插法。

2，1.7扩容规则是大于等于阈值且无空位，1.8是到达阈值就直接扩容。

3，1.8在扩容重新计算元素的桶下标时有优化。

2-6 加载因子为何默认是0.75f

在空间占用与查询时间之间取得较好的权衡

大于这个值，空间节省了，但链表就会比较长影响性能

小于这个值，冲突减少了，但扩容就会更频繁，空间占用多

2-7 并发丢数据

扩容死链：1.7

数据错乱：1.7、1.8

数据错误的导致原因是:

俩个线程同时进入这个判断中，导致执行较慢的线程会直接覆盖上一个线程的值。

扩容死链的导致原因：

俩个线程同时进行扩容，第一个线程已经将数据转移到新的数组，第二个线程继续转移就会造成扩容死链。

2-8 key的要求

HashMap的key可以为null

作为key的对象，需要重写hashCode方法跟equals方法，且对象的内容不可变。

2-9 String的hashCode如何设计

hashCode的设计就是为了元素均匀的散布在数组上。

使用String作为key的优势 :

1. 分布比较均匀

1. string类型是不可变的，所以hash值也是不可变的，不需要考虑线程安全。