数组
优点:查询速度快,O(1)
缺点:数组的容量是不可变的,当数组存满时,就需要新建一个容量更大的数组,在把原数组复制到新数组中,这过程比较消耗性能
链表
优点:增删快,长度可变
缺点:查询慢,O(n)
散列表
也叫哈希表,根据哈希函数来存放数据的数组,加快查询速度。
数组
散列表优点:查询速度快,如果采用链表法来解决哈希冲突问题,那么散列表就结合了链表长度可变的特点
哈希函数:将数字消息转换成长度固定的字符串,具有效率高,不能反推,冲突概率要小等特点
哈希:通过哈希算法,将不同长度的输入变成固定长度输出
HashMap
Map继承体系
public class HashMap<K,V> extends AbstractMap<K,V>
implements Map<K,V>, Cloneable, Serializable {
}
属性
// 在进行序列化和反序列化时,使用该字段进行版本一致性验证
private static final long serialVersionUID = 362498820763181265L;
// 默认最大容量
static final int MAXIMUM_CAPACITY = 1 << 30;
// 缺省负载因子大小 static final float DEFAULT_LOAD_FACTOR = 0.75f;
// 树化阈值:8,当哈希表元素个数>MIN_TREEIFY_CAPACITY,桶的链表>=8 ,链表就会转换成红黑树
static final int TREEIFY_THRESHOLD = 8;
// 红黑树->链表阈值:6;在删除元素或者是扩容时,会出现这种情况
static final int UNTREEIFY_THRESHOLD = 6;
// 树化的另一个参数,当哈希表元素个数>MIN_TREEIFY_CAPACITY,链表长度>TREEIFY_THRESHOLD;才能树化
static final int MIN_TREEIFY_CAPACITY = 64;
// 哈希表
transient Node<K,V>[] table;
// 集合:暂存元素
transient Set<Map.Entry<K,V>> entrySet;
// 哈希表存放元素的个数
transient int size;
// 改变结构的次数
transient int modCount;
// 扩容阈值,当size>threshold进行扩容
// threshold = capacity * loadFactor
int threshold;
// 负载因子
final float loadFactor;
/**
* Node<K,V>结构
* hash:元素哈希
* Key-Value
* next:下一个Node
* @param <K>
* @param <V>
*/
static class Node<K,V> implements Map.Entry<K,V> {
final int hash;
final K key;
V value;
Node<K,V> next;
.......
}
我们需要注意影响树化属性:TREEIFY_THRESHOLD= 8,UNTREEIFY_THRESHOLD=6
影响扩容的属性 size,threshold,loadFactor;
还有Node<K,V> 结构
构造函数
我们主要看第一个
public HashMap(int initialCapacity, float loadFactor) {
// 初始化容量<0,异常
if (initialCapacity < 0)
throw new IllegalArgumentException("Illegal initial capacity: " +
initialCapacity);
// initialCapacity>最大容量,initialCapacity = MAXIMUM_CAPACITY
if (initialCapacity > MAXIMUM_CAPACITY)
initialCapacity = MAXIMUM_CAPACITY;
// loadFactor负载因子<=0,非Float,异常
if (loadFactor <= 0 || Float.isNaN(loadFactor))
throw new IllegalArgumentException("Illegal load factor: " +
loadFactor);
// loadFactor赋值
this.loadFactor = loadFactor;
// threshold扩容阈值赋值
this.threshold = tableSizeFor(initialCapacity);
}
tableSizeFor方法
/**
* Returns a power of two size for the given target capacity.
* 返回当前cap容量值,并且一定是2的次方数。
* cap = 12
* 12-1 = 11
* >>>:表示无符号右移
* 1011 | 0101 ->1111 =15
* 1111 | 0011 -> 1111 =15
*
*/
static final int tableSizeFor(int cap) {
int n = cap - 1;
n |= n >>> 1;
n |= n >>> 2;
n |= n >>> 4;
n |= n >>> 8;
n |= n >>> 16;
return (n < 0) ? 1 : (n >= MAXIMUM_CAPACITY) ? MAXIMUM_CAPACITY : n + 1;
}
put方法
public V put(K key, V value) {
return putVal(hash(key), key, value, false, true);
}
hash(key)
static final int hash(Object key) {
int h;
// 如果key=null 则返回0,计算哈希值,让key的hash值的高16位也参与路由运算;进行扰动,减少哈希碰撞。
return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}
计算hash,让低16位和高16位做了一个异或运算,经过扰动,来减少哈希冲突。
final V putVal(int hash, K key, V value, boolean onlyIfAbsent,
boolean evict)
final V putVal(int hash, K key, V value, boolean onlyIfAbsent,
boolean evict) {
// tab:散列表,p:当前散列表元素,n:散列表数组长度,i:路由寻址结构
Node<K,V>[] tab; Node<K,V> p; int n, i;
// 如果散列表为null,或者长度为0,则进行初始化
if ((tab = table) == null || (n = tab.length) == 0)
n = (tab = resize()).length;
// 如果寻址找到桶位,桶位元素为null,则将构建Node放入
if ((p = tab[i = (n - 1) & hash]) == null)
tab[i] = newNode(hash, key, value, null);
else {
// e:与当前元素hash,且key一致的元素。
// k:临时key
Node<K,V> e; K k;
// 表示桶中首元素的key与要插入元素的key一致,表示后续需要进行替换操作
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
e = p;
// 如果该桶首元素是红黑树节点,则使用红黑树方式put
else if (p instanceof TreeNode)
e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
else {
// 如果不满足上面条件,则说明,桶中元素节点为链表节点,遍历链表
for (int binCount = 0; ; ++binCount) {
// 遍历到末尾,还没找到key一致的节点,则添加一个Node
if ((e = p.next) == null) {
p.next = newNode(hash, key, value, null);
// 如果满足树化标准,则树化
if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st
treeifyBin(tab, hash);
break;
}
// 如果找到key一致的Node,则替换
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
break;
p = e;
}
}
// 如果e不为null,则替换
if (e != null) { // existing mapping for key
V oldValue = e.value;
if (!onlyIfAbsent || oldValue == null)
e.value = value;
afterNodeAccess(e);
return oldValue;
}
}
++modCount;
// 是否达到扩容标准: ++当前存储元素个数>扩容阈值
if (++size > threshold)
// 扩容
resize();
afterNodeInsertion(evict);
return null;
}
put 过程:计算key的hash值,并经过扰动算法,即key的高16位也参与运算,如果在经过路由算法i = (n - 1) & hash,找到对应的桶位,然后进行put操作。
图片来源:https://thinkwon.blog.csdn.net/article/details/104588551
扩容resize()
final Node<K,V>[] resize() {
// oldTab原来散列表
Node<K,V>[] oldTab = table;
// 获取oldCap, oldThr;oldCap:原哈希表table长度,oldThr:原哈希表扩容阈值
int oldCap = (oldTab == null) ? 0 : oldTab.length;
int oldThr = threshold;
// newCap:扩容之后table数组的大小
// newThr:扩容之后,下次再次触发扩容的条件
int newCap, newThr = 0;
// 如果原哈希表已初始化
if (oldCap > 0) {
if (oldCap >= MAXIMUM_CAPACITY) {
threshold = Integer.MAX_VALUE;
return oldTab;
}
// 使用位运算符,newCap是原来2倍,newThr也是原来2倍
/**
* 16 10000
* 32 100000
*/
else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&
oldCap >= DEFAULT_INITIAL_CAPACITY)
newThr = oldThr << 1; // double threshold
}
// 如果原哈希表为null,newCap=原扩容阈值
//new HashMap(map); 并且这个map有数据
else if (oldThr > 0) // initial capacity was placed in threshold
newCap = oldThr;
// oldCap == 0,oldThr == 0
// new HashMap();
else { // zero initial threshold signifies using defaults
newCap = DEFAULT_INITIAL_CAPACITY;
newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);
}
// 如果新扩容阈值=0,通过newCap和loadFactor计算出一个newThr
if (newThr == 0) {
float ft = (float)newCap * loadFactor;
newThr = (newCap < MAXIMUM_CAPACITY && ft < (float)MAXIMUM_CAPACITY ?
(int)ft : Integer.MAX_VALUE);
}
// 给threshold复制
threshold = newThr;
@SuppressWarnings({"rawtypes","unchecked"})
// 创建新的数组
Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap];
table = newTab;
if (oldTab != null) {
// 遍历桶
for (int j = 0; j < oldCap; ++j) {
//当前node节点
Node<K,V> e;
// 如果当前桶首节点不为null
if ((e = oldTab[j]) != null) {
// 方便JVM GC时回收内存
oldTab[j] = null;
//第一种情况:当前桶位只有一个元素,从未发生过碰撞,这情况 直接计算出当前元素应存放在 新数组中的位置,然后
//扔进去就可以了
if (e.next == null)
newTab[e.hash & (newCap - 1)] = e;
// 如果是桶位首节点是红黑树
else if (e instanceof TreeNode)
((TreeNode<K,V>)e).split(this, newTab, j, oldCap);
// 桶已形成链表
else { // preserve order
// 低位链表,存放在扩容之后的数组的下标位置,与当前数组的下标位置一致。
Node<K,V> loHead = null, loTail = null;
// 高位链表,存放在扩容之后的数组的下标位置,为扩容长度+与当前数组的下标位置。
Node<K,V> hiHead = null, hiTail = null;
// 下个节点
Node<K,V> next;
do {
next = e.next;
//hash-> .... 1 1111 高位
//hash-> .... 0 1111 低位
//oldCap-> ...1 0000
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);
// 低位赋值
if (loTail != null) {
loTail.next = null;
newTab[j] = loHead;
}
// 高位赋值
if (hiTail != null) {
hiTail.next = null;
newTab[j + oldCap] = hiHead;
}
}
}
}
}
return newTab;
}
如果散列表,没有初始化则进行初始化
newCap = DEFAULT_INITIAL_CAPACITY;
newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);
如果已初始化则进行位运算,新的散列表容量和扩容阈值都是原来的两倍
newCap = oldCap << 1;newThr = oldThr << 1
扩容过程中;会遍历原散列表中的桶
如果桶中是链表,则根据(e.hash & oldCap) == 0来分成低位链表和高位链表
低位链表:存放在扩容之后的数组的下标位置,与当前数组的下标位置一致。
高位链表:存放在扩容之后的数组的下表位置为 当前数组下标位置 + 扩容之前数组的长度
这样扩容后,原来链表的长度会变短,这样的查询相率变高
如果是红黑树,还没看。
get(Object key)
public V get(Object key) {
Node<K,V> e;
return (e = getNode(hash(key), key)) == null ? null : e.value;
}
getNode
final Node<K,V> getNode(int hash, Object key) {
// tab:当前表;first桶首节点,e:临时元素,n:tab长度,k
Node<K,V>[] tab; Node<K,V> first, e; int n; K k;
if ((tab = table) != null && (n = tab.length) > 0 &&
(first = tab[(n - 1) & hash]) != null) {
// 第一种情况经过路由寻址后桶位首节点,就是我们要的
if (first.hash == hash && // always check first node
((k = first.key) == key || (key != null && key.equals(k))))
return first;
// 桶中有链表或红黑树
if ((e = first.next) != null) {
// 如果是树,则
if (first instanceof TreeNode)
return ((TreeNode<K,V>)first).getTreeNode(hash, key);
// 如果是链表,遍历链表
do {
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
return e;
} while ((e = e.next) != null);
}
}
// 都不是null
return null;
}