HashMap 总结

最新推荐文章于 2022-07-12 22:00:09 发布

Olge

最新推荐文章于 2022-07-12 22:00:09 发布

阅读量137

点赞数

分类专栏： Code 文章标签： HashMap

本文链接：https://blog.csdn.net/zhangdong2012/article/details/102992739

版权

Code 专栏收录该内容

7 篇文章 0 订阅

订阅专栏

核心数据结构

在jdk 1.7中，核心数据结构是哈希表+链表，在jdk1.8中是哈希表+链表+红黑树，链表和红黑树主要是为了解决哈希冲突的问题，红黑树主要解决在哈希冲突比较严重的情况下链表的查询效率问题。

哈希表的初始容量为16，加载因子默认为0.76=5。

初始容量

在哈希表初始化时，有这样一段代码

// Find a power of 2 >= toSize
 int capacity = roundUpToPowerOf2(toSize);
 table = new Entry[capacity];

作用是向下找到最接近toSize的2的整数次幂，例如toSize=5，那么capacity=8，如果toSize=27，那么capacity=32，之所以这名做，是因为在计算哈希索引的时候，为了避免低效的取模（%）操作，HashMap用了hashcode & （lenght - 1）来实现，这样再保证lenght为2的整数次幂的情况下，hashcode & (lenght - 1)就是一个 0 ~ （lenght - 1）之间的数，保证不会越界。

另外，在扩容的时候也用到了这个特性，来提高扩容效率。

加载因子设置为0.75的原因

记得HashMap源码中有对0.75这个取值的解释，但是刚刚翻开看不知道为什么没有了。这里其实是在时间和空间上的平和，加入加载因子设置为1，理想情况下，所有的元素均匀分布在哈希表中，但是实际情况是这几乎很难，在极端情况下，假设所有元素都被分到了同一个哈希桶中，那么查询效率会很低，但是，如何设置为0.5的话，那么就只有一半的空间会被利用，虽然解决了get的效率问题，但是空间浪费很严重，所以，0.75是一个折中值。

链表长度为8的时候触发链表转红黑树

在jdk代码中下面一段注释

     * 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

艰难的翻译了一下，大概意思就是说，哈希冲突的概率遵循一个叫做“泊松分别”的概率理论，在加载因子取值0.75的情况下，链表长度达到8的概率在千万分之一，所以8这个值差不多可以理解为是一个临界点，如果连败哦长度达到8，那么很可能说明hashmap出问题的，这时候为了保证效率，就要将链表转成红黑树。

jdk 1.7 - 扩容导致死循环

这个东东很难用文字说清楚，简单来说，问题的关键在于扩容的时候会导致致链表中的元素倒序排列，再加上一些列的指针操作，扩容完成以后，链表就形成了一个环，最终导致get操作死循环。

jdk 1.8 + 对扩容的优化

对于这个问题，1.8进行了优化，优化包含两方面，一是新的哈希索引的确定策略，二是元素的转移策略，下面这段代码是1.8的扩容逻辑：

final Node<K,V>[] resize() {
        Node<K,V>[] oldTab = table;
        int oldCap = (oldTab == null) ? 0 : oldTab.length;
        int oldThr = threshold;
        int newCap, newThr = 0;
        if (oldCap > 0) {
            if (oldCap >= MAXIMUM_CAPACITY) {
                threshold = Integer.MAX_VALUE;
                return oldTab;
            }
            else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&
                     oldCap >= DEFAULT_INITIAL_CAPACITY)
                     //扩容为原来容量的两倍
                newThr = oldThr << 1; // double threshold
        }
        else if (oldThr > 0) // initial capacity was placed in threshold
            newCap = oldThr;
        else {               // zero initial threshold signifies using defaults
            newCap = DEFAULT_INITIAL_CAPACITY;
            newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);
        }
        if (newThr == 0) {
            float ft = (float)newCap * loadFactor;
            newThr = (newCap < MAXIMUM_CAPACITY && ft < (float)MAXIMUM_CAPACITY ?
                      (int)ft : Integer.MAX_VALUE);
        }
        threshold = newThr;
        @SuppressWarnings({"rawtypes","unchecked"})
        Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap];
        table = newTab;
        if (oldTab != null) {
            for (int j = 0; j < oldCap; ++j) {
                Node<K,V> e;
                if ((e = oldTab[j]) != null) {
                    oldTab[j] = null;
                    if (e.next == null)
                        newTab[e.hash & (newCap - 1)] = e;
                    else if (e instanceof TreeNode)
                        //这里是处理红黑树结构
                        ((TreeNode<K,V>)e).split(this, newTab, j, oldCap);
                    else { // preserve order
                         /**
							这里是处理链表结构，这里将一个哈希槽下的链表分成了高低位两种
							高低位的确认逻辑是用hashcode & oldLenght
							比如：
							1010 0101 0101 1011  (hashcode)
							0000 0000 0001 0000  (oldLenght 默认16， 2的四次方)
			
							这样得到的结果就是非0即1。
						*/
                        Node<K,V> loHead = null, loTail = null;
                        Node<K,V> hiHead = null, hiTail = null;
                        Node<K,V> next;
                        do {
                            next = e.next;
                            //0 按低位算
                            if ((e.hash & oldCap) == 0) {
                                if (loTail == null)
                                    loHead = e;
                                else
                                    loTail.next = e;
                                loTail = e;
                            }
                            //1 按高位算
                            else {
                                if (hiTail == null)
                                    hiHead = e;
                                else
                                    hiTail.next = e;
                                hiTail = e;
                            }
                        } while ((e = next) != null);
                        //低位按原来位置移动到新数组中
                        if (loTail != null) {
                            loTail.next = null;
                            newTab[j] = loHead;
                        }
                        //高位按 原位置+oldCap 移动到新的数组中，
                        //这里之所以这名干，也得益于 哈希表的长度是 2的整数次幂
                        if (hiTail != null) {
                            hiTail.next = null;
                            newTab[j + oldCap] = hiHead;
                        }
                    }
                }
            }
        }
        return newTab;
    }

上面的逻辑简单理解，就是将链表按高低位拆成两半，然后放到新的数组中，这样就不会出现1.7中链表在扩容完成后顺序翻转的问题，从而避免了产生循环链表，同时，利用哈希表长度为2的整数次幂的特点，避免的rehash的过程，提供扩容效率。