标签：搜索 util 散列 长度 double 参数 alt 算法 efault
哈希表（hash table）
也叫散列表，是一种非常重要的数据结构，应用场景及其丰富，许多缓存技术（比如memcached）的核心其实就是在内存中维护一张大的哈希表，这种数据结构提供了键（key）和值（value）的映射关系，时间复杂度接近于O(1)。HashMap就是一个哈希表，它存储的内容是键值对(key-value)映射
java.lang.Object
? java.util.AbstractMap<K, V>
? java.util.HashMap<K, V>
public class HashMap<K,V>
extends AbstractMap<K,V>
implements Map<K,V>, Cloneable, Serializable { }
HashMap继承于AbstractMap类，实现了Map接口
Map是"key-value键值对"接口AbstractMap实现了"键值对"的通用函数接口HashMap是通过"拉链法"实现的哈希表。它包括几个重要的成员变量：table, size, threshold, loadFactor, modCounttable是一个Entry[]数组类型，而Entry实际上就是一个单向链表。哈希表的"key-value键值对"都是存储在Entry数组中的size是HashMap的大小，实际存储的key-value键值对的个数threshold是HashMap的阈值，HashMap在进行扩容时需要参考threshold，当table == {}时，该值为初始容量（初始容量默认为16）；当table被填充了，也就是为table分配内存空间后，threshold = capacity * loadFactoryloadFactor负载因子，代表了table的填充度有多少，默认是0.75，加载因子存在的原因，还是因为减缓哈希冲突，如果初始桶为16，等到满16个元素才扩容，某些桶里可能就有不止一个元素了。 所以加载因子默认为0.75，也就是说大小为16的HashMap，到了第13个元素，就会扩容成32modCount HashMap被改变的次数，由于HashMap非线程安全，在对HashMap进行迭代时， 如果期间其他线程的参与导致HashMap的结构发生变化了（比如put，remove等操作）， 需要抛出异常ConcurrentModificationExceptionstatic final int DEFAULT_INITIAL_CAPACITY = 1 << 4; // aka 16, HashMap的默认初始容量
static final int MAXIMUM_CAPACITY = 1 << 30;//最大容量, 如果在创建HashMap时显示指定HashMap的大小, 则不能超过这个值, 否则会默认使用这个值
static final float DEFAULT_LOAD_FACTOR = 0.75f;//默认负载因子
static final int MIN_TREEIFY_CAPACITY = 64;//当HashMap的容量大于这个值, 一个位置冲突过多时才能转为红黑树, 否则解决冲突过多的方式是扩容
static final int TREEIFY_THRESHOLD = 8;//冲突时元素会用链表连起来, 当链表的长度达到了这个值, 就会转换为红黑树
static final int UNTREEIFY_THRESHOLD = 6;//当红黑树的结点数量少于这个值的时候, 会转换回链表
int threshold; //当前容量与负载因子的乘积, 用于判断是否要扩容
HashMap一共有4个构造器
// 默认构造函数
HashMap()
// 指定“容量大小”的构造函数
HashMap(int capacity)
// 指定“容量大小”和“加载因子”的构造函数
HashMap(int capacity, float loadFactor)
// 包含“子Map”的构造函数
HashMap(Map<? extends K, ? extends V> map)
构造器如果用户没有传入initialCapacity 和loadFactor这两个参数，会使用默认值
initialCapacity 默认为16
loadFactory 默认为0.75
在插入过程中，如果两个不同的元素，通过哈希函数得出的实际存储地址相同怎么办？也就是说，当我们对某个元素进行哈希运算，得到一个存储地址，然后要进行插入的时候，发现已经被其他元素占用了，其实这就是所谓的哈希冲突，也叫哈希碰撞
哈希冲突的解决方案有多种:
HashMap即是采用了链地址法，也就是数组 + 链表的方式
以JDK7为例，首先在实例化以后，底层会创建一个长度为16的一维数组Entry[] table，对于执行put(key1, value1)操作，首先调用key1所在类的hashCode()计算可key1哈希值，此哈希值经过一些算法计算后，会得到在Entry数组中的存放位置：
key1-value1就直接添加成功 ---------情况一key1和已经存在的一个或多个数据的哈希值：
key1的哈希值与已经存在的数据的哈希值都不相同，则key1-value1添加成功 --------情况二key1的哈希值和已经存在的某一个数据的哈希值相同，则继续比较，调用key1所在类的equals()方法，比较：
equals()返回false，此时key1-value1添加成功 ----------情况三equals()返回true，则使用value1替换value2 ----------情况四JDK8相较于JDK7在底层进行了一定的修改：
new HashMap()时，底层没有创建一个长度为16的数组，而是调用put方法时创建JDK8底层的数组是：Node[]，而不是Entry[]（修改了数组名）JDK7底层结构只有：数组 + 链表，而JDK8的底层架构是：数组 + 链表 + 红黑树（最重要的区别）。当数组的某一个索引位置上的元素以链表形式存在的数据个数 > 8 且当数组的长度 > 64 时，此时该索引位置上的所有数据由链表存储改称为红黑树存储底层是数组 + 链表实现
HashMap的主干是一个Entry数组，是HashMap的基本组成单元，每一个Entry包含一个key-value键值对（其实所谓Map其实就是保存了两个对象之间的映射关系的一种集合）
结构示意图：
其中一个构造器源码
// initialCapacity: 容量大小 loadFactor: 加载因子
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);
// Find a power of 2 >= initialCapacity
int capacity = 1;
while (capacity < initialCapacity)
capacity <<= 1;
this.loadFactor = loadFactor;
// 计算阀值
threshold = (int)Math.min(capacity * loadFactor, MAXIMUM_CAPACITY + 1);
// 创建 Entry数组
table = new Entry[capacity];
useAltHashing = sun.misc.VM.isBooted() &&
(capacity >= Holder.ALTERNATIVE_HASHING_THRESHOLD);
init();
}
Entry[]数组
transient Entry[] table;
Entry是HashMap中的一个静态内部类
static class Entry<K,V> implements Map.Entry<K,V> {
final K key; // 键
V value; // 值
Entry<K,V> next; // 下一个节点，单链表结构
int hash; // 对key的HashCode值进行hash运算后得到的值，避免重复计算
/**
* Creates new entry.
*/
Entry(int h, K k, V v, Entry<K,V> n) {
value = v;
next = n;
key = k;
hash = h;
}
}
存储Put()方法
public V put(K key, V value) {
// HashMap 允许存放 null 键和 null 值。
// 当 key 为 null 时，调用 putForNullKey 方法，将 value 放置在数组第一个位置。
if (key == null)
return putForNullKey(value);
// 根据 key 的 keyCode 重新计算 hash 值。
int hash = hash(key.hashCode());
// 搜索指定 hash 值在对应 table 中的索引。
int i = indexFor(hash, table.length);
// 如果 i 索引处的 Entry 不为 null，通过循环不断遍历 e 元素的下一个元素。
for (Entry<K,V> e = table[i]; e != null; e = e.next) {
Object k;
if (e.hash == hash && ((k = e.key) == key || key.equals(k))) {
V oldValue = e.value;
e.value = value;
e.recordAccess(this);
return oldValue;
}
}
modCount++; //保证并发访问时，若HashMap内部结构发生变化，快速响应失败
// 将 key、value 添加到 i 索引处。
addEntry(hash, key, value, i);
return null;
}
// 存取 key == null 键值对
private V putForNullKey(V value) {
for (Entry<K,V> e = table[0]; e != null; e = e.next) {
if (e.key == null) {
V oldValue = e.value;
e.value = value;
e.recordAccess(this);
return oldValue;
}
}
modCount++;
addEntry(0, null, value, 0);
return null;
}
// 计算Hash值
final int hash(Object k) {
int h = 0;
if (useAltHashing) {
if (k instanceof String) {
return sun.misc.Hashing.stringHash32((String) k);
}
h = hashSeed;
}
h ^= k.hashCode();
// This function ensures that hashCodes that differ only by
// constant multiples at each bit position have a bounded
// number of collisions (approximately 8 at default load factor).
h ^= (h >>> 20) ^ (h >>> 12);
return h ^ (h >>> 7) ^ (h >>> 4);
}
// 计算下标索引
static int indexFor(int h, int length) {
return h & (length-1); // 效率比 % 高
}
// 根据 hash值 索引值 将 key-value存到指定位置
void addEntry(int hash, K key, V value, int bucketIndex) {
// 判断是否需要进行扩容
if ((size >= threshold) && (null != table[bucketIndex])) {
resize(2 * table.length);
hash = (null != key) ? hash(key) : 0;
bucketIndex = indexFor(hash, table.length);
}
createEntry(hash, key, value, bucketIndex);
}
// 插入key-value
void createEntry(int hash, K key, V value, int bucketIndex) {
Entry<K,V> e = table[bucketIndex];
table[bucketIndex] = new Entry<>(hash, key, value, e);
size++;
}
Entry[]数组扩容
void resize(int newCapacity) {
Entry[] oldTable = table;
int oldCapacity = oldTable.length;
// 当就容量已经等于最大容量时，已经扩容不了，只能将阀值增到最大值
if (oldCapacity == MAXIMUM_CAPACITY) {
threshold = Integer.MAX_VALUE;
return;
}
Entry[] newTable = new Entry[newCapacity]; // 创建新Entry[]数组
boolean oldAltHashing = useAltHashing;
useAltHashing |= sun.misc.VM.isBooted() &&
(newCapacity >= Holder.ALTERNATIVE_HASHING_THRESHOLD);
boolean rehash = oldAltHashing ^ useAltHashing;
transfer(newTable, rehash);
table = newTable; // 新Entry[]数组
threshold = (int)Math.min(newCapacity * loadFactor, MAXIMUM_CAPACITY + 1); // 新阀值
}
get()获取方法
public V get(Object key) {
if (key == null) // 处理key = null的情况
return getForNullKey();
Entry<K,V> entry = getEntry(key);
return null == entry ? null : entry.getValue();
}
// key == null 的情况
private V getForNullKey() {
for (Entry<K,V> e = table[0]; e != null; e = e.next) {
if (e.key == null)
return e.value;
}
return null;
}
final Entry<K,V> getEntry(Object key) {
int hash = (key == null) ? 0 : hash(key); // 获取hash值
for (Entry<K,V> e = table[indexFor(hash, table.length)];// 获取指定下标索引的值
e != null;
e = e.next) {
Object k;
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
return e;
}
return null;
}
底层是数组 + 链表 + 红黑树实现
HashMap的主干是一个Node数组，是HashMap的基本组成单元，每一个Node包含一个key-value键值对（其实所谓Map其实就是保存了两个对象之间的映射关系的一种集合）
transient Node<K,V>[] table;
Node是HashMap中的一个静态内部类
// Node部分代码
static class Node<K,V> implements Map.Entry<K,V> {
final int hash; // 对key的HashCode值进行hash运算后得到的值，避免重复计算
final K key; // 键
V value; // 值
Node<K,V> next; // 下一个节点，单链表结构
// 构造器
Node(int hash, K key, V value, Node<K,V> next) {
this.hash = hash;
this.key = key;
this.value = value;
this.next = next;
}
}
在JDK1.8之前，HashMap由数组+链表组成的，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，如果定位到的数组位置不含链表（node的next指向null）,那么查找，添加等操作很快，仅需一次寻址即可；
如果定位到的数组包含链表：
因此，从性能考虑，HashMap中的链表出现越少，性能才会越好
下面看HashMap其中一个构造器
public HashMap(int initialCapacity, float loadFactor) {
//此处对传入的初始容量进行校验，最大不能超过MAXIMUM_CAPACITY = 1<<30(230)
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;
threshold = initialCapacity;
init();//init方法在HashMap中没有实际实现，不过在其子类如 linkedHashMap中就会有对应实现
}
可以发现，在构造器中其中，并没有为数组table分配内存空间（参数为Map的构造器除外）
因此真正构建table数组是在执行put操作时
查看put()操作
public V put(K key, V value) {
return putVal(hash(key), key, value, false, true);
}
// hash方法
static final int hash(Object key) {
int h;
return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}
// 真正put的方法
final V putVal(int hash, K key, V value, boolean onlyIfAbsent,
boolean evict) {
// tab: Node数组
// p: node节点
// n: 数组长度
// i: 下标索引
Node<K,V>[] tab; Node<K,V> p; int n, i;
if ((tab = table) == null || (n = tab.length) == 0) // 如果table数组为空，或者table数组长度为0
n = (tab = resize()).length; // 创建Node[]数组
if ((p = tab[i = (n - 1) & hash]) == null) // (n - 1) & hash 根据Hash计算下标索引
tab[i] = newNode(hash, key, value, null); // 如果为null说明这个位置是个空位，直接填充
else {
Node<K,V> e; K k;
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k)))) // key相同的情况
e = p;
else if (p instanceof TreeNode) // 存储的节点是红黑树结构
e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
else { // 不是红黑树结构（链表结构）
for (int binCount = 0; ; ++binCount) {
// 最后一个节点
if ((e = p.next) == null) {
p.next = newNode(hash, key, value, null);
if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st 判断是否变成红黑树
treeifyBin(tab, hash);//TREEIFY_THRESHOLD = 8 当链表的长度达到了这个值, 就会转换为红黑树
break;
}
// 不是最后一个节点 继续比较 如果找到了相同点节点就直接退出
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
break;
p = e; // 下一个节点
}
}
// 替换过程
if (e != null) { // existing mapping for key
V oldValue = e.value;
if (!onlyIfAbsent || oldValue == null)
e.value = value;
afterNodeAccess(e);
return oldValue;
}
}
++modCount; //保证并发访问时，若HashMap内部结构发生变化，快速响应失败
if (++size > threshold) // 如果HashMap大小超过了阀值，则进行重构
resize();
afterNodeInsertion(evict);
return null;
}
// 红黑树扩容
final void treeifyBin(Node<K,V>[] tab, int hash) {
int n, index; Node<K,V> e;
if (tab == null || (n = tab.length) < MIN_TREEIFY_CAPACITY)
resize(); // 执行扩容操作
else if ((e = tab[index = (n - 1) & hash]) != null) { // 执行转换成红黑树操作
TreeNode<K,V> hd = null, tl = null;
do {
TreeNode<K,V> p = replacementTreeNode(e, null);
if (tl == null)
hd = p;
else {
p.prev = tl;
tl.next = p;
}
tl = p;
} while ((e = e.next) != null);
if ((tab[index] = hd) != null)
hd.treeify(tab);
}
}
// 往红黑树添加数据
final TreeNode<K,V> putTreeVal(HashMap<K,V> map, Node<K,V>[] tab,
int h, K k, V v) {
Class<?> kc = null;
boolean searched = false;
TreeNode<K,V> root = (parent != null) ? root() : this;
for (TreeNode<K,V> p = root;;) {
int dir, ph; K pk;
if ((ph = p.hash) > h)
dir = -1;
else if (ph < h)
dir = 1;
else if ((pk = p.key) == k || (k != null && k.equals(pk))) // 找到相同的值
return p;
else if ((kc == null &&
(kc = comparableClassFor(k)) == null) ||
(dir = compareComparables(kc, k, pk)) == 0) {
if (!searched) {
TreeNode<K,V> q, ch;
searched = true;
if (((ch = p.left) != null &&
(q = ch.find(h, k, kc)) != null) ||
((ch = p.right) != null &&
(q = ch.find(h, k, kc)) != null))
return q;
}
dir = tieBreakOrder(k, pk);
}
TreeNode<K,V> xp = p;
if ((p = (dir <= 0) ? p.left : p.right) == null) {
Node<K,V> xpn = xp.next;
TreeNode<K,V> x = map.newTreeNode(h, k, v, xpn);
if (dir <= 0)
xp.left = x;
else
xp.right = x;
xp.next = x;
x.parent = x.prev = xp;
if (xpn != null)
((TreeNode<K,V>)xpn).prev = x;
moveRootToFront(tab, balanceInsertion(root, x));
return null; // 执行到这代表添加成功，并且返回null表示添加成功
}
}
}
resize()方法
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) { // 处理容量
if (oldCap >= MAXIMUM_CAPACITY) {
threshold = Integer.MAX_VALUE;
return oldTab;
}
else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&
oldCap >= DEFAULT_INITIAL_CAPACITY) // 扩容操作
newThr = oldThr << 1; // double threshold
}
else if (oldThr > 0) // initial capacity was placed in threshold
newCap = oldThr; // 处理负载因子
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]; // 创建数组
table = newTab;
if (oldTab != null) { // 如果旧数组不为null，需要把旧数组的元素重新存放在新数组中
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)
((TreeNode<K,V>)e).split(this, newTab, j, oldCap);
else { // preserve order
Node<K,V> loHead = null, loTail = null;
Node<K,V> hiHead = null, hiTail = null;
Node<K,V> next;
do {
next = e.next;
if ((e.hash & oldCap) == 0) {
if (loTail == null)
loHead = e;
else
loTail.next = e;
loTail = e;
}
else {
if (hiTail == null)
hiHead = e;
else
hiTail.next = e;
hiTail = e;
}
} while ((e = next) != null);
if (loTail != null) {
loTail.next = null;
newTab[j] = loHead;
}
if (hiTail != null) {
hiTail.next = null;
newTab[j + oldCap] = hiHead;
}
}
}
}
}
return newTab;
}
执行逻辑图：
标签：搜索 util 散列 长度 double 参数 alt 算法 efault
原文地址：https://www.cnblogs.com/erhuoweirdo/p/14491109.html
