- HashMap究竟是什么
基于哈希表的 Map 接口的实现。此实现提供所有可选的映射操作,并允许使用 null 值和 null 键。(除了非同步和允许使用 null 之外,HashMap 类与 Hashtable 大致相同。)此类不保证映射的顺序,特别是它不保证该顺序恒久不变。 此实现假定哈希函数将元素适当地分布在各桶之间,可为基本操作(get 和 put)提供稳定的性能。迭代 collection 视图所需的时间与 HashMap 实例的“容量”(桶的数量)及其大小(键-值映射关系数)成比例。所以,如果迭代性能很重要,则不要将初始容量设置得太高(或将加载因子设置得太低)。
-
JDK1.7与JDK1.8中HashMap区别
- 最重要的一点是底层结构不一样,1.7是数组+链表,1.8则是数组+链表+红黑树结构
- 插入键值对的put方法的区别,1.8中会将节点插入到链表尾部,而1.7中是采用头插
- jdk1.7中当哈希表为空时,会先调用inflateTable()初始化一个数组;而1.8则是直接调用resize()扩容
- jdk1.7中的hash函数对哈希值的计算直接使用key的hashCode值,而1.8中则是采用key的hashCode异或上key的hashCode进行无符号右移16位的结果,避免了只靠低位数据来计算哈希时导致的冲突,计算结果由高低位结合决定,使元素分布更均匀
- 插入键值对的put方法的区别,1.8中会将节点插入到链表尾部,而1.7中是采用头插
- 扩容时1.8会保持原链表的顺序,而1.7会颠倒链表的顺序
- 1.7中是只要不小于阈值就直接扩容2倍;而1.8的扩容策略会更优化,当数组容量未达到64时,以2倍进行扩容,超过64之后若桶中元素个数不小于7就将链表转换为红黑树,但如果红黑树中的元素个数小于6就会还原为链表,当红黑树中元素不小于32的时候才会再次扩容。
-
JDK1.8实现原理
- 数据结构存储
HashMap是通过数组存储所有的数据,每个元素所存放数组的下标,是根据该存储元素的key的Hash值与该数组的长度减去1做与运算,如下所示:index = (length_of_array - 1) & hash_of_the_key
数组中存放元素的数据结构使用了Node和TreeNode两种数据结构,在单个Hash值对应的存储元素小于8个时,默认值为Node的单向链表形式存储,当单个Hash值存储的元素大于8个时,其会使用TreeNode的数据结构存储。
因为在单个Hash值对应的元素小于等于8个时,其查询时间最差为O(8),但是当单个Hash值对应的元素大于8个时,再通过Node的单向链表的方式进行查询,速度上就会变得更慢了;这个时候HashMap就会将Node的普通节点转为TreeNode(红黑树)进行存储,这是由于TreeNode占用的空间大小约为常规节点的两倍,但是其查询速度可以得到保证,这个是通过空间换时间了。当TreeNode中包括的元素变得比较少时,为了存储空间的占用,也会转换为Node节点单向链表的方式实现,它们之间可以互相转换的。
-
Node
static class Node<K,V> implements Map.Entry<K,V> { final int hash;//当前Node的Hash值 final K key;//当前Node的key V value;//当前Node的value Node<K,V> next;//表示指向下一个Node的指针,相同hash值的Node,通过next进行遍历查找 Node(int hash, K key, V value, Node<K,V> next) { this.hash = hash; this.key = key; this.value = value; this.next = next; } ...... }
-
TreeNode
static final class TreeNode<K,V> extends LinkedHashMap.Entry<K,V> { TreeNode<K,V> parent; // red-black tree links TreeNode<K,V> left; TreeNode<K,V> right; TreeNode<K,V> prev; // needed to unlink next upon deletion boolean red; TreeNode(int hash, K key, V val, Node<K,V> next) { super(hash, key, val, next); } ...... }
可以看到TreeNode使用的是红黑树(Red Black Tree)的数据结构,红黑树是一种自平衡二叉查找树,在进行插入和删除操作时通过特定操作保持二叉查找树的平衡,从而获得较高的查找性能,即使在最坏情况运行时间也是非常良好的,并且在实践中是非常高效的,它可以在O(log n)时间内做查找、插入和删除等操作,这里的n 是树中元素的数目。
-
Hash值的计算方法
// 计算指定key的hash值,原理是将key的hash code与hash code无符号向右移16位的值,执行异或运算。 // 在Java中整型为4个字节32位,无符号向右移16位,表示将高16位移到低16位上,然后再执行异或运行,也 // 就是将hash code的高16位与低16位进行异或运行。 // 小于等于65535的数,其高16位全部都为0,因而将小于等于65535的值向右无符号移16位,则该数就变成了 // 32位都是0,由于任何数与0进行异或都等于本身,因而hash code小于等于65535的key,其得到的hash值 // 就等于其本身的hash code。 static final int hash(Object key) { int h; return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16); }
-
写入数据(put)
public V put(K key, V value) { //首先根据hash方法,获取对应key的hash值,计算方法见后面 return putVal(hash(key), key, value, false, true); } final V putVal(int hash, K key, V value, boolean onlyIfAbsent,boolean evict) { Node<K,V>[] tab; Node<K,V> p; int n, i; //判断用户存放元素的数组是否为空 if ((tab = table) == null || (n = tab.length) == 0) //为空则进行初使化,并将初使化后的数组赋值给变量tab,数组的长值赋值给变量n n = (tab = resize()).length; //判断根据hash值与数组长度减1求与得到的下标, //从数组中获取元素并将其赋值给变量p(后续该变量p可以继续使用),并判断该元素是否存在 if ((p = tab[i = (n - 1) & hash]) == null) //如果不存在则创建一个新的节点,并将其放到数组对应的下标中 tab[i] = newNode(hash, key, value, null); else {//根据数组的下标取到了元素,并且该元素p且不为空,下面要判断p元素的类型是Node还是TreeNode Node<K,V> e; K k; //判断该数组对应下标取到的第一值是不是与正在存入值的hash值相同、 //key相等(可能是对象,也可能是字符串),如果相等,则将取第一个值赋值给变量e if (p.hash == hash && ((k = p.key) == key || (key != null && key.equals(k)))) e = p; //判断取的对象是不是TreeNode,如果是则执行TreeNode的put方法 else if (p instanceof TreeNode) e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value); else {//是普通的Node节点, //根据next属性对元素p执行单向链表的遍历 for (int binCount = 0; ; ++binCount) { //如果被遍历的元素最后的next为空,表示后面没有节点了,则将新节点与当前节点的next属性建立关系 if ((e = p.next) == null) { //做为当前节点的后面的一个节点 p.next = newNode(hash, key, value, null); //判断当前节点的单向链接的数量(8个)是不是已经达到了需要将其转换为TreeNode了 if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st //如果是则将当前数组下标对应的元素转换为TreeNode treeifyBin(tab, hash); break; } //判断待插入的元素的hash值与key是否与单向链表中的某个元素的hash值与key是相同的,如果是则退出 if (e.hash == hash && ((k = e.key) == key || (key != null && key.equals(k)))) break; p = e; } } //判断是否找到了与待插入元素的hash值与key值都相同的元素 if (e != null) { // existing mapping for key V oldValue = e.value; //判断是否要将旧值替换为新值 if (!onlyIfAbsent || oldValue == null) //满足于未指定不替换或旧值为空的情况,执行将旧值替换为新值 e.value = value; afterNodeAccess(e); return oldValue; } } ++modCount; if (++size > threshold) resize(); afterNodeInsertion(evict); return null; }
-
读取数据(get)
public V get(Object key) { Node<K,V> e; //根据Key获取元素 if ((e = getNode(hash(key), key)) == null) return null; if (accessOrder) afterNodeAccess(e); return e.value; } final Node<K,V> getNode(int hash, Object key) { Node<K,V>[] tab; Node<K,V> first, e; int n; K k; //if语句的第一个判断条件 if ((tab = table) != null //将数组赋值给变量tab,将判断是否为null && (n = tab.length) > 0 //将数组的长值赋值给变量n && (first = tab[(n - 1) & hash]) != null) {//判断根据hash和数组长度减1的与运算,计算出来的的数组下标的第一个元素是不是为空 //判断第一个元素是否要找的元素,大部份情况下只要hash值太集中,或者元素不是很多,第一个元素往往都是需要的最终元素 if (first.hash == hash && // always check first node ((k = first.key) == key || (key != null && key.equals(k)))) //第一个元素就是要找的元素,因为hash值和key都相等,直接返回 return first; if ((e = first.next) != null) {//如果第一元素不是要找到的元,则判断其next指向是否还有元素 //有元素,判断其是否是TreeNode if (first instanceof TreeNode) //是TreeNode则根据TreeNode的方式获取数据 return ((TreeNode<K,V>)first).getTreeNode(hash, key); do {//是Node单向链表,则通过next循环匹配,找到就退出,否则直到匹配完最后一个元素才退出 if (e.hash == hash && ((k = e.key) == key || (key != null && key.equals(k)))) return e; } while ((e = e.next) != null); } } //没有找到则返回null return null; }
**粗体** _斜体_ [链接](http://example.com) `代码` - 列表 > 引用
。你还可以使用@
来通知其他用户。