写在篇头
其实这是在我写完下边所有方法解析后写的。每次看源码,有些时候都不知道每一步的意义在哪里,缺少了自己的思考,直接看会枯燥,甚至不知所云。今天突然想换种说明方式。为什么会有HashMap这种结构,为了实现什么目的?为什么用这种结构?比其他结构的好在哪里? 实例:我知道了一个人的姓名,我想找他所有信息。怎么存储,怎么查找。 简单的键值对结构被设计出来Node<”姓名”,”信息”>; 如果很多这种Node<”姓名”,”信息”>都存放在一个集合里,用什么存储结构好呢? 试一下顺序存储结构,数组,ArrayList都是这种。放在数组里,看一下如何获取元素。由于不知道index(数组中的第几个元素),无法直接get(index),通过地址查找元素,只能遍历比较。时间复杂度为O(n)。由于这种Key不能重复,每次增删改都要先遍历,遍历一遍(O(n)),增删要移动一遍(O(n)),增加时,可能还要重新建立数组。 试一下链式存储结构,链表,看一下如何获取元素。遍历是不可少的,时间复杂度为O(n),增删改只需改一下前边元素的指向就可以了。 好了,自己都想法试完了,是不是看着简单,但操作起来耗费时间,一个O(n)的时间复杂度应该不能让人满意。看大神怎么创建的。 HashMap构造是由数组加链表组成。也就是顺序结构与链式结构的组合。每个元素为
Node(
int hash, K key, V
value, Node<K,V> next)
对key的hashCode与数组长度(桶的数量)-1 进行位运算。存到对应桶的的链表上,结果一样的话,再对key进行equals比较,一样的,覆盖,不一样的增加。 优点 - 直接使Key的Hashcode值经过处理变为了数组的(index),在顺序存储结构查找时间复杂度变为了O(1)+该桶链表长度,当然,如果Hash值算法好的话(极限,一个桶只对应一个),这个查询的时间复杂度无线接近于O(1)。 - 在增删改不超出门限值时,即不用重新构造数组时,时间复杂同样为O(1)+该桶的链表长度,且之后增加了红黑树,比链表的速度更快。 - 任何可变容量的数据结构,顺序结构一定要开辟新空间复制(排除初始化分配内存特别大的情况),链表一定要增删指向。关于hashMap扩容,在扩容时,一个桶上的链表上的直接通过hash判段可以分成两个桶上的链表,这种复制方式,依赖于一开始元素分配给桶时的运算,也可以说是呼应。
概述
父类关系java
.lang.Object
java
.util.AbstractMap<K,V>
java
.util.HashMap<K,V>
实现接口
Serializable
Cloneable
Map<K,V>
非线性安全,底层数组,链表储存结构,允许使用 null 值和 null 键。
解决问题
1.为什么默认初始容量为
16,或者建议为
2的幂。
2.put,remove,
get方法原理。
3.java8的优化在什么地方(红黑树)。
上述问题会在说明基本结构后,开始解答。
基本概念
对于hashMap中的每个键值对对象,在内部将其封装为Entry<
Key,Value>;
HashMap内部维护一个Entry[] table数组,EntryTable的长度又被称为HashMap的容量(capacity);
Entry[] table数组中的每一个元素都是一个链表(也可以为null),这样的每个元素为桶(bucket)。
所有的Entry<
Key,Value>的数目被称为HashMap的大小(size);
根据键值对中
key的hashcode的值得某些运算,使结果一致的储存在同一个桶;
成员变量
static final int DEFAULT_INITIAL_CAPACITY =
1 <<
4;
static final int MAXIMUM_CAPACITY =
1 <<
30;
static final float DEFAULT_LOAD_FACTOR =
0.75f;
static final int TREEIFY_THRESHOLD =
8;
static final int UNTREEIFY_THRESHOLD =
6;
static final int MIN_TREEIFY_CAPACITY =
64;
transient Node<K,V>[] table;
transient Set<Map.Entry<K,V>> entrySet;
transient int size;
transient int modCount;
int threshold;
final float loadFactor;
构造方法
有三个构造方法:分别是不传参,传容量,传容量和加载因子。 构造方法中传容量这一点,非常关键,如果你提前可以估算HashMap的大致大小,有可能之后添加元素时可以省去复制数组,拆分链表,链表转数这一系列复杂操作,而且,无论你传的容量如何最终,数组的大小(桶的数量)一定是2的整数次幂。你传9到16间的任何数,他的桶数量就是16个。大于等于你传参的整数次幂,如果想要完美,直接估算出你的集合需要多少个桶传参吧,需要211个元素,100/0.75 = 133,new HashMap(138),或者直接new HashMap(256)。桶的数量是256,这个传容量,传的是桶的数目。不是元素的数目。
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);
}
public HashMap(
int initialCapacity) {
this(initialCapacity, DEFAULT_LOAD_FACTOR);
}
public HashMap() {
this.loadFactor = DEFAULT_LOAD_FACTOR;
}
public HashMap(Map<? extends K, ? extends V> m) {
this.loadFactor = DEFAULT_LOAD_FACTOR;
putMapEntries(m,
false);
}
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;
}
问题
问题1 为什么默认初始容量为16,或者建议为2的幂。
这个容量实际上是桶的数目。 对于HashMap中的Key映射到HahMap中对应的位置,会用到Hash函数 index = Hash(key); 这个Hash函数是如何实现的 对key的HashCode值与HashMao的长度length-1进行位运算。 index = HashCode(Key)&(length-1) 当length为2的幂时,length-1的2进制全为1 例 2的4次幂-1 15 1111 2的5次幂-1 31 11111 这样位运算的结果只和Key的Hashcode值的最后几位有关。 这样的HashCode本身分布均匀,Hash算法结果均匀,
问题2 什么是阈值和加载因子
先描述一下根据Key的hashCode值, 如何得到Value。 HashMap是由数组+链表组成,在获取元素时,根据key的Hash运算.找出Entry[] table 中的数组位置(桶),找到桶里的链表,找到最终value。 找到桶的时间复杂度为O(1) 在桶中直到对象节点的时间复杂度为O(n) 这个时候是不是桶中的链表越短,查询速率越快。那最好的方法就是增加桶的数量(即Entry [] table 数组的长度) 但是我们的HashMap初始的时候不能就直接创建很大数组长度,且根据HashMap的元素增加,还要动态的增加桶的数量。 策略:if HashMap.size > HashMap的容量(Entry [] table 的大小)*加载因子 HashMap的Entry[] table 的容量扩充为当前的一倍,然后将以前桶中的Entry
内部类Node
static class Node<K,V> implements Map.Entry<K,V> {
final
int hash;
final K key;
V
value;
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;
}
}
成员方法
V put(K key, V value) 添加元素方法
public V
put(K key, V value) {
return putVal(hash(key), key, value,
false,
true);
}
/**
* 添加Key-Value键值对
* @param hash hash for key
* @param key the key
* @param value the value to put
* @param onlyIfAbsent 如果为true,不替换已存在的值
* @param evict 如果为false 桶处于创造中
* @return previous value或者null
*/
final V putVal(
int hash, K key, V value,
boolean onlyIfAbsent,
boolean evict) {
Node<K,V>[] tab; Node<K,V> p;
int n, i;
if ((tab = table) ==
null || (n = tab.length) ==
0)
n = (tab = resize()).length;
if ((p = tab[i = (n -
1) & hash]) ==
null)
tab[i] = newNode(hash, key, value,
null);
else {
Node<K,V> e; K k;
if (p.hash == hash &&
((k = p.key) == key || (key !=
null && key.equals(k))))
e = p;
else if (p
instanceof TreeNode)
e = ((TreeNode<K,V>)p).putTreeVal(
this, tab, hash, key, value);
else {
for (
int binCount =
0; ; ++binCount) {
if ((e = p.next) ==
null) {
p.next = newNode(hash, key, value,
null);
if (binCount >= TREEIFY_THRESHOLD -
1)
treeifyBin(tab, hash);
break;
}
if (e.hash == hash &&
((k = e.key) == key || (key !=
null && key.equals(k))))
break;
p = e;
}
}
if (e !=
null) {
V oldValue = e.value;
if (!onlyIfAbsent || oldValue ==
null)
e.value = value;
afterNodeAccess(e);
return oldValue;
}
}
++modCount;
if (++size > threshold)
resize();
afterNodeInsertion(evict);
return null;
}
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)
newThr = oldThr <<
1;
}
else if (oldThr >
0)
newCap = oldThr;
else {
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)
((TreeNode<K,V>)e).split(
this, newTab, j, oldCap);
/**
* 因为扩容时桶的个数变为之前的两倍,(key的hash值与数组长度 与运算,判断结果是否为0)
* 直接分出去属于hi(不为0)的部分即可,
* 举例说明一下即可,对于capacity为16的HashMap
* hash值为7和23的元素是放在一个桶里的,假设index为0和1
* 扩容后,长度变成了32,那么此时7和23就不在一个桶里了
* 7在编号为7的桶里,index为0
* 23在编号为23的桶里,index也为0
* loHead = 7[0], loTail = 7[0]
* hiHead = 23[0], hiTail = 23[0]
* 判断是Hi还是Low,拿hash值与原先的capacity(16)10000与一下即可
* 原来的hash后五位为0XXXX,位运算结果为00000,即为lo
* 后五位为1xxxx,运算结果为10000,即为hi,把元素Node放到新桶里
*/
else {
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;
}
V remove(Object key) 删除元素
public V
remove(Object key) {
Node<K,V> e;
return (e = removeNode(hash(key), key,
null,
false,
true)) ==
null ?
null : e.value;
}
/**
* 方法概要说明:想要移除元素,在链表层面,分为三种情况
* 红黑树,参照红黑树结构,不详细说明
* 桶中的首元素,即链表头元素,直接是头元素的next变成头元素即可
* 桶中的中间元素,让元素前的元素的next的指向变成元素后的一个元素即可
* 此方法前边在确定需要移除的元素属于上述那种情况,找到后分别处理
* @param hash hash for key
* @param key the key
* @param value the value to match if matchValue, else ignored
* @param matchValue 如果为true 仅仅删除值等于
* @param movable 如果为FALSE 在删除时不移动其他节点 为true移动
* @return the node, or null if none
*/
final Node<K,V> removeNode(
int hash, Object key, Object value,
boolean matchValue,
boolean movable) {
Node<K,V>[] tab; Node<K,V> p;
int n, index;
if ((tab = table) !=
null && (n = tab.length) >
0 &&
(p = tab[index = (n -
1) & hash]) !=
null) {
Node<K,V> node =
null, e; K k; V v;
if (p.hash == hash &&
((k = p.key) == key || (key !=
null && key.equals(k))))
node = p;
else if ((e = p.next) !=
null) {
if (p
instanceof TreeNode)
node = ((TreeNode<K,V>)p).getTreeNode(hash, key);
else {
do {
if (e.hash == hash &&
((k = e.key) == key ||
(key !=
null && key.equals(k)))) {
node = e;
break;
}
p = e;
}
while ((e = e.next) !=
null);
}
}
if (node !=
null && (!matchValue || (v = node.value) == value ||
(value !=
null && value.equals(v)))) {
if (node
instanceof TreeNode)
((TreeNode<K,V>)node).removeTreeNode(
this, tab, movable);
else if (node == p)
tab[index] = node.next;
else
p.next = node.next;
++modCount;
--size;
afterNodeRemoval(node);
return node;
}
}
return null;
}
V get(Object key) 获取元素
public V
get(Object key) {
Node<K,V> e;
return (e = getNode(hash(key), key)) ==
null ?
null : 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 ((tab = table) !=
null && (n = tab.length) >
0 &&
(first = tab[(n -
1) & hash]) !=
null) {
if (first.hash == hash &&
((k = first.key) == key || (key !=
null && key.equals(k))))
return first;
if ((e = first.next) !=
null) {
if (first instanceof TreeNode)
return ((TreeNode<K,V>)first).getTreeNode(hash, key);
do {
if (e.hash == hash &&
((k = e.key) == key || (key !=
null && key.equals(k))))
return e;
}
while ((e = e.next) !=
null);
}
}
return null;
}