2021年1月28日星期四

HashMap详解

原文链 id="hashmap详解">HashMap详解

介绍

HashMap是在项目中使用的最多的Map,实现了Map接口,继承AbstractMap。基于哈希表的Map接口实现,不包含重复的键,一个键对应一个值,在HashMap存储的时候会将key、value作为一个整体Entry进行存储。

HashMap中会根据hash算法来计算key所对应的存储位置。

继承关系

public class HashMap<K,V> extends AbstractMap<K,V> implements Map<K,V>, Cloneable, Serializable

在这里插入图片描述

数据结构

数组+链表+红黑树

默认采用数组+链表的方式存储元素,当元素出现哈希冲突时,HashMap使用链地址法来解决hash冲突,会存储在该位置的链表中。当链表中元素个数超过8个时,会尝试将链表转为红黑树存储。但是在转换前,会判断一次当前数组的长度,当数组长度大于64时才会处理,否则进行扩容操作

源码解析

重要参数

初始大小和加载因子

  • 初始大小用来规定哈希表数组的长度

  • 加载因子用来表示哈希表元素的填满程度,加载因子越大哈希表的空间利用率越高,但是哈希冲突的几率也会越大

静态常量

/*** 默认初始容量16,必须为2的次幂*/static final int DEFAULT_INITIAL_CAPACITY = 1 << 4; // aka 16/*** 最大容量 最大为1<<30 即2^30*/static final int MAXIMUM_CAPACITY = 1 << 30;/*** 默认加载因子 0.75*/static final float DEFAULT_LOAD_FACTOR = 0.75f;/*** hash冲突链表节点个数大于8时,会转化为红黑树*/static final int TREEIFY_THRESHOLD = 8;/*** hash冲突时,当红黑树存储中节点少于6时,则转化为单链表存储*/static final int UNTREEIFY_THRESHOLD = 6;/*** 链表转为红黑树的最小表容量,如果没有达到该容量,将进行扩容* 该值设置至小为4*TREEIFY_THRESHOLD*/static final int MIN_TREEIFY_CAPACITY = 64;

为什么容量一定要是2次幂

在计算数组下标时使用的是(n - 1) & hash来计算的,当n为2次幂时,n-1的低位将全是1,哈希值进行与操作时保证低位不变,最终得到的index结果,完全取决于key的hashCode的最后几位,从而保证分布均匀,效果等同于取模,且性能比取模高。

Node

HashMap中的元素都存储在Node数组中,看一下Node的结构

transient Node<K,V>[] table;static class Node<K,V> implements Map.Entry<K,V> { 	// 该Node节点的hash值 final int hash; final K key; V value; 	// 链表的下一个节点 Node<K,V> next; Node(int hash, K key, V value, Node<K,V> next) {  this.hash = hash;  this.key = key;  this.value = value;  this.next = next; } public final K getKey()  { return key; } public final V getValue()  { return value; } public final String toString() { return key + "=" + value; } public final int hashCode() {  return Objects.hashCode(key) ^ Objects.hashCode(value); } public final V setValue(V newValue) {  V oldValue = value;  value = newValue;  return oldValue; } public final boolean equals(Object o) {  if (o == this)   return true;  if (o instanceof Map.Entry) {   Map.Entry<?,?> e = (Map.Entry<?,?>)o;   if (Objects.equals(key, e.getKey()) &&    Objects.equals(value, e.getValue()))    return true;  }  return false; }}

在这里插入图片描述

如果是链表,则使用的是Node存储(单向链表);如果是红黑树,则使用的是TreeNode

构造函数

无参构造函数
public HashMap() { this.loadFactor = DEFAULT_LOAD_FACTOR; // all other fields defaulted}
指定初始容量
public HashMap(int initialCapacity) { this(initialCapacity, DEFAULT_LOAD_FACTOR);}
指定初始容量和加载因子
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); this.loadFactor = loadFactor; this.threshold = tableSizeFor(initialCapacity);}/*** 返回大于等于cap最小的2的幂*/static final int tableSizeFor(int cap) { int n = cap - 1; // 右移一位,在进行按位或 保证了除最高位之外全是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;}
传入map
public HashMap(Map<? extends K, ? extends V> m) { this.loadFactor = DEFAULT_LOAD_FACTOR; putMapEntries(m, false);}

方法分析

put方法添加元素
public V put(K key, V value) { return putVal(hash(key), key, value, false, true);}/*** 将key的hash值进行高16位和低16位异或操作,增加低16位的随机性,减少哈希冲突*/static final int hash(Object key) { int h; // 右移16位是为了使得hash值得高位参与运算 return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);}final V putVal(int hash, K key, V value, boolean onlyIfAbsent,     boolean evict) { Node<K,V>[] tab; Node<K,V> p; int n, i; // 第一次添加元素table为null,resize()进行数组初始化 if ((tab = table) == null || (n = tab.length) == 0) n = (tab = resize()).length; // 使用(n-1)&hash找到下标位置,如果当前没有元素,则创建Node对象,放到数组该位置 if ((p = tab[i = (n - 1) & hash]) == null) tab[i] = newNode(hash, key, value, null); else { // 数组该位置已有值,hash冲突 Node<K,V> e; K k; // 哈希值与key值都相同,则进行value值替代 if (p.hash == hash &&  ((k = p.key) == key || (key != null && key.equals(k))))  e = p; else if (p instanceof TreeNode) // hash值相等,但是key不相等,且为红黑树  e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value); else { // hash值相等,但是key不等,且为链表  for (int binCount = 0; ; ++binCount) {  if ((e = p.next) == null) { // 追加到链表末尾   p.next = newNode(hash, key, value, null);   if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st 是否超过阈值,超过则进行链表转红黑树 表示添加之后的长度和TREEIFY_THRESHOLD进行比较   treeifyBin(tab, hash);   break;  }  if (e.hash == hash &&   ((k = e.key) == key || (key != null && key.equals(k))))   break;  p = e;  } } if (e != null) { // existing mapping for key  V oldValue = e.value; // 进行  if (!onlyIfAbsent || oldValue == null)  e.value = value;  afterNodeAccess(e);  return oldValue; } } ++modCount; if (++size > threshold) // 元素个数大于新增阈值,进行resize()扩容 resize(); afterNodeInsertion(evict); return null;}
扩容

当hashMap中的容量达到阈值时,就会开始扩容操作

final Node<K,V>[] resize() { Node<K,V>[] oldTab = table;// 当前的数组 int oldCap = (oldTab == null) ? 0 : oldTab.length; int oldThr = threshold; int newCap, newThr = 0; if (oldCap > 0) { if (oldCap >= MAXIMUM_CAPACITY) { // 当前长度超过了最大容量,新增阈值为Integer.MAX_VALUE  threshold = Integer.MAX_VALUE;  return oldTab; } else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&    oldCap >= DEFAULT_INITIAL_CAPACITY) // 容量扩容为2倍且当新容量小于最大容量,原来的容量大于默认初始容量时,阈值扩容为2倍  newThr = oldThr << 1; // double threshold } else if (oldThr > 0) // 此时oldCap<=0,指定了阈值,将阈值赋给容量 initial capacity was placed in threshold newCap = oldThr; else { // 没有指定阈值,容量为初始阈值,阈值为初始阈值*加载因子    // zero initial threshold signifies using defaults newCap = DEFAULT_INITIAL_CAPACITY; newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY); } if (newThr == 0) { // 按照给定的初始容量计算阈值 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];// 扩容后的数组 table = newTab; if (oldTab != null) { // 将原数组的数据放入到新数组中 for (int j = 0; j < oldCap; ++j) {  Node<K,V> e;  if ((e = oldTab[j]) != null) {  oldTab[j] = null;  if (e.next == null) // 无后继节点,直接放入新数组计算的位置中   newTab[e.hash & (newCap - 1)] = e;  else if (e instanceof TreeNode) // 为红黑树节点,进行拆分   ((TreeNode<K,V>)e).split(this, newTab, j, oldCap);  else { // preserve order 有后继节点,且为链表   Node<K,V> loHead = null, loTail = null; // 保存在原索引的链表中   Node<K,V> hiHead = null, hiTail = null; // 保存在新索引的链表中   Node<K,V> next;   do {   next = e.next;   if ((e.hash & oldCap) == 0) { // 哈希值和原数组容量进行&操作,为0,则放入原数组的索引位置    if (loTail == null)    loHead = e;    else    loTail.next = e;    loTail = e;   }   else { // 非0则放入原数组索引位置+原数组长度的新位置    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;}
红黑树转换

将单向链表转为双向链表,在遍历双向链表转为红黑树

final void treeifyBin(Node<K,V>[] tab, int hash) { int n, index; Node<K,V> e; // 判断是否容量到达红黑树转换的最小容量 if (tab == null || (n = tab.length) < MIN_TREEIFY_CAPACITY)  resize(); else if ((e = tab[index = (n - 1) & hash]) != null) {  TreeNode<K,V> hd = null, tl = null; // hd指向首节点,tl指向尾结点  do {   TreeNode<K,V> p = replacementTreeNode(e, null); // 将链表转为红黑树   if (tl == null) // 如果尾结点为null,说明还没有首节点    hd = p; // 当前节点为首节点   else { // 尾结点不为null,构造一个双向链表,将当前节点追加到双向链表的末尾    p.prev = tl;    tl.next = p;   }   tl = p;  } while ((e = e.next) != null);  	// 将原本的单链表转化为一个节点类型为TreeNode的双向链表  if ((tab[index] = hd) != null) // 把转换后的双向链表,替换数组原来位置上的单向链表   hd.treeify(tab); // 将当前双向链表树形化 }}

双向链表转为红黑树

final void treeify(Node<K,V>[] tab) { TreeNode<K,V> root = null; //定义红黑树根节点 for (TreeNode<K,V> x = this, next; x != null; x = next) { // 从TreeNode双向链表的头节点开始遍历 next = (TreeNode<K,V>)x.next; x.left = x.right = null; if (root == null) { // 不存在根节点  x.parent = null;  x.red = false; // 红黑树根节点为黑色  root = x; // 当前元素设为根节点 } else { // 存在根节点  K k = x.key;  int h = x.hash;  Class<?> kc = null;  for (TreeNode<K,V> p = root;;) { //遍历红黑树  int dir, ph;  K pk = p.key;  if ((ph = p.hash) > h) // 当前红黑树节点p的hash值大于双向链表节点x的哈希值   dir = -1;  else if (ph < h) // 当前红黑树节点p的hash值小于双向链表节点x的哈希值   dir = 1;  else if ((kc == null &&     (kc = comparableClassFor(k)) == null) ||     (dir = compareComparables(kc, k, pk)) == 0) // 两者相等,使用比较器比较   dir = tieBreakOrder(k, pk);  TreeNode<K,V> xp = p;  if ((p = (dir <= 0) ? p.left : p.right) == null) { // 当前红黑树p为叶子节点   x.parent = xp;   if (dir <= 0) // 根据dir的值,确认是p的左节点还是右节点   xp.left = x;   else   xp.right = x;   root = balanceInsertion(root, x); // 进行平衡调整   break;  }  } } } // 将TreeNode双向链表转换为红黑树之后,将根节点作为数组的当前位置 moveRootToFront(tab, root);}

将红黑树的根节点移动到数组的索引所在位置

static <K,V> void moveRootToFront(Node<K,V>[] tab, TreeNode<K,V> root) { int n; if (root != null && tab != null && (n = tab.length) > 0) { int index = (n - 1) & root.hash; TreeNode<K,V> first = (TreeNode<K,V>)tab[index]; // 数组当前索引的元素 if (root != first) { // 根节点不是当前元素  Node<K,V> rn;  tab[index] = root; // 将根节点设置为当前索引的元素  TreeNode<K,V> rp = root.prev;  if ((rn = root.next) != null)  ((TreeNode<K,V>)rn).prev = rp;  if (rp != null)  rp.next = rn;  if (first != null)  first.prev = root;  root.next = first;  root.prev = null; } assert checkInvariants(root); }}
红黑树插入
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)))  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; } }}
红黑树拆分

在进行扩容操作时,会重新计算索引位置,拆分之后的红黑树需要判断个数,从而决定做去树化还是树化

final void split(HashMap<K,V> map, Node<K,V>[] tab, int index, int bit) { TreeNode<K,V> b = this; // Relink into lo and hi lists, preserving order TreeNode<K,V> loHead = null, loTail = null; // 保存在原索引的红黑树 TreeNode<K,V> hiHead = null, hiTail = null; // 保存在新索引的红黑树 int lc = 0, hc = 0; for (TreeNode<K,V> e = b, next; e != null; e = next) { // 与链表操作基本一致 next = (TreeNode<K,V>)e.next; e.next = null; if ((e.hash & bit) == 0) {  if ((e.prev = loTail) == null)  loHead = e;  else  loTail.next = e;  loTail = e;  ++lc; } else {  if ((e.prev = hiTail) == null)  hiHead = e;  else  hiTail.next = e;  hiTail = e;  ++hc; } } if (loHead != null) { // 原索引位置 if (lc <= UNTREEIFY_THRESHOLD)  tab[index] = loHead.untreeify(map); else {  tab[index] = loHead;  if (hiHead != null) // (else is already treeified)  loHead.treeify(tab); } } if (hiHead != null) { // 新索引位置 if (hc <= UNTREEIFY_THRESHOLD) // 红黑树节点小于去树化阈值,进行去树化操作  tab[index + bit] = hiHead.untreeify(map); else { // 大于去树化阈值,进行树化操作  tab[index + bit] = hiHead;  if (loHead != null)  hiHead.treeify(tab); } }}
去树化操作
final Node<K,V> untreeify(HashMap<K,V> map) { Node<K,V> hd = null, tl = null; for (Node<K,V> q = this; q != null; q = q.next) { Node<K,V> p = map.replacementNode(q, null); if (tl == null)  hd = p; else  tl.next = p; tl = p; } return hd;}

put操作的大致步骤如下:

  • 对key进行hash操作,找到索引位置,如果此时索引位置为null,直接插入
  • 如果此时索引位置不为null,说明出现了hash冲突,使用equals()比较key的值,如果存在与该key相同的值,则替换value
  • 如果不存在与该key相同的值,且此时存储结构为链表,则插入链表尾部,如果链表长度超过8个且数组长度大于64时,进行链表转红黑树
  • 当数组中数据达到阈值,则需要进行扩容,扩容时需要进行去树化
get方法获取元素
public V get(Object key) { Node<K,V> e; return (e = getNode(hash(key), key)) == null ? null : e.value;}// hash为key的hash值// key为所要查找的key对象final Node<K,V> getNode(int hash, Object key) { Node<K,V>[] tab; Node<K,V> first, e; int n; K k; // 数组不为null且该索引位置的头节点不为null if ((tab = table) != null && (n = tab.length) > 0 &&  (first = tab[(n - 1) & hash]) != null) { // 先检查头节点是否匹配,若匹配直接返回 if (first.hash == hash && // always check first node  ((k = first.key) == key || (key != null && key.equals(k))))  return first; // 头节点不匹配,且有后继节点 if ((e = first.next) != null) {  // 红黑树  if (first instanceof TreeNode)  // 红黑树查找  return ((TreeNode<K,V>)first).getTreeNode(hash, key);  // 链表  do {  if (e.hash == hash &&   ((k = e.key) == key || (key != null && key.equals(k))))   return e;  } while ((e = e.next) != null);// 进行遍历匹配 } } return null;}

高并发问题

由于HashMap不是线程安全的,在高并发的情况下会出现问题,在插入时可能会出现问题

假如HashMap到达了扩容的临界点,此时有两个线程在同一时刻对HashMap进行put操作,两个线程都会进行扩容可能会形成链表环,使得下一次读操作出现死循环。

由于本身的博客百度没有收录,博客地 />






原文转载:http://www.shaoqun.com/a/520051.html

跨境电商:https://www.ikjzd.com/

barclays:https://www.ikjzd.com/w/2775

墩煌网:https://www.ikjzd.com/w/189


原文链id="hashmap详解">HashMap详解介绍HashMap是在项目中使用的最多的Map,实现了Map接口,继承AbstractMap。基于哈希表的Map接口实现,不包含重复的键,一个键对应一个值,在HashMap存储的时候会将key、value作为一个整体Entry进行存储。HashMap中会根据hash算法来计算key所对应的存储位置。继承关系public
电霸:电霸
乐一番:乐一番
盲目创业做亚马逊,是一道送命题!!!:盲目创业做亚马逊,是一道送命题!!!
优惠券怎样设置才能更好的吸引客户购买:优惠券怎样设置才能更好的吸引客户购买
亚马逊欺诈频现!22岁小伙靠退货诈骗37万美金:亚马逊欺诈频现!22岁小伙靠退货诈骗37万美金