《数据结构与算法之美》笔记—HashMap

2020-03-30  本文已影响0人  波波维奇c

先抛出问题,根据问题在源码中寻找答案:

1.HashMap默认的初始长度是多少?为什么这么规定?
2.HashMap 底层的数据结构是什么?
3.HashMap 为何可以允许键值为空?
4.HashMap 拓容倍数为什么一定要是2的n次幂
5.HashMap 是如何计算存储的下标的?
6.HashMap 是如何扩容的?
7.HashMap 在扩容的时候是如何解决 Hash 冲突的

HashMap默认的初始长度是多少?为什么这么规定?

一般初始化的东西我们都会去找构造法看看,HashMap 由4个构造参数,一般我们使用的是无参的构造方法,它只初始化了负载系数,那么负载系数是干吗的呢?下面再讲。

  ....
    static final float DEFAULT_LOAD_FACTOR = 0.75f;
    static final int MAXIMUM_CAPACITY = 1 << 30;
   ....
   //传容量和负载系数的构造方法
    public HashMap(int initialCapacity, float loadFactor) {
       //小于 0 抛异常
        if (initialCapacity < 0)
            throw new IllegalArgumentException("Illegal initial capacity: " +
                                               initialCapacity);
        //这里可以知道如果初始化的容量超过 MAXIMUM_CAPACITY 会默认等于 MAXIMUM_CAPACITY
        if (initialCapacity > MAXIMUM_CAPACITY)
            initialCapacity = MAXIMUM_CAPACITY;
       //负载系数小于0 或 属于非法的 flaot 抛异常
        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);
    }  
   //常用的初始化,只初始化了 负载系数
   public HashMap() {
        this.loadFactor = DEFAULT_LOAD_FACTOR; // all other fields defaulted
    }
   public HashMap(Map<? extends K, ? extends V> m) {
        this.loadFactor = DEFAULT_LOAD_FACTOR;
        putMapEntries(m, false);
    }

从构造方法我们只能知道 负载系数,和最大的容量,真正的初始化还是没有,其实真正的初始化是在我们 第一次 put 存值的时候,更准确的说是在 resize ( ) 方法里面。

    public V put(K key, V value) {
        //对 key 进行Hash 计算,得到 数组的下表 i
        return putVal(hash(key), key, value, false, true);
     }
 //这里就回答了 2.HashMap 为何可以允许键值为空?
 //因为如果为null返回的下标位 0 
 //如果不为 null 时 h^h>>>16 (意思就是让高16位和低16位进行 异或运算)
 static final int hash(Object key) {
        int h;
        return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
    }

这里用一个标准的网络图片解释一下计算过程,通过 hashCode 得到了 h 让 h 和 h>>>16 进行异或运算 返回了 hash 值,但是呢,这个值还并不是我们最终确定的位置得到 hash,还需要在我们存值(putvalue方法)的时候在进行一次 (n-1)& hash 的与运算。(这里也就回答了 HashMap 是如何计算存储的下标的?这个问题)
1.为什么不直接用 hashCode 处理后的哈希码作为下标
2.为什么要经过 hashCode 后还要进行 异或运算
3.为什么最终的下标是通过 (n-1)&hash 确定的
这三个问题相当于 HashMap 是如何计算存储的下标的?的衍生问题了

网络图片
回答:
1.因为直接用 hashCode 处理后直接使用的话容易出现不在数组范围内下标,从而导致无法匹配存储位置。
2.让 int 的高位参与低位的运算,使分配更加均匀,也就是减低了 hash 碰撞的概率。
3.通过 (n-1)&hash 来确定下标主要是为了解决取模的效率问题, 其实也可以是这样的:index = hash%length,但是官方没有采用,而采用了 (n-1)&hash 来确定下标 ,但是这种情况必须有个前提条件 length的长度必须是2的n次幂,这也是拓容倍数为什么一定要是2的n次幂的原因。
.... 
   //链表转为红黑树的阀值
    static final int TREEIFY_THRESHOLD = 8;
...
    final V putVal(int hash, K key, V value, boolean onlyIfAbsent,
                   boolean evict) {
        Node<K,V>[] tab; Node<K,V> p; int n, i;
       //当数组为空的时候 tab 数组被resize()赋值
        if ((tab = table) == null || (n = tab.length) == 0)
            n = (tab = resize()).length;
    //判断这个下标是否存在值,存在则代表存在Hash冲突,即当前存储位置已存在节点
    //tab[i]==null  代表不存在则直接新建一个节点
        if ((p = tab[i = (n - 1) & hash]) == null)
            tab[i] = newNode(hash, key, value, null);
        else {
            Node<K,V> e; K k;
        //如果存在值(Hash冲突),并且key相等的时候直接赋值
            if (p.hash == hash &&
                ((k = p.key) == key || (key != null && key.equals(k))))
                e = p;
           //插入的数据结构是否是 TreeNode(红黑树)
            else if (p instanceof TreeNode)
                e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
            else {
                //遍历链表
                for (int binCount = 0; ; ++binCount) {
                   //如果链表的最后一个元素,都找不到key值相等的,则新建一个节点
                    if ((e = p.next) == null) {
                        p.next = newNode(hash, key, value, null);
                       //如果链表的节点数,大于转化为数的阀值的时候,转为红黑数
                        if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st
                            treeifyBin(tab, hash);
                        break;
                    }
                   //如果有key值相等的则覆盖
                    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;
                if (!onlyIfAbsent || oldValue == null)
                    e.value = value;
                afterNodeAccess(e);
                return oldValue;
            }
        }
        ++modCount;

    // 插入成功后,判断实际存在的键值对数量size 是否大于下一次需要调整的容量大小 threshold
    // 若 大于,则进行扩容 
        if (++size > threshold)
            resize();
        afterNodeInsertion(evict);
        return null;
    }
HashMap 底层的数据结构是什么?

JDK1.8 数据结构: 数组+链表+红黑树
经过上面 put 源码的分析,我们知道在添加的时候有3中添加情况,数组,链表,红黑树

HashMap 是如何扩容的?

resize()

....
    /**
     * The default initial capacity - MUST be a power of two.
     */
 static final int DEFAULT_INITIAL_CAPACITY = 1 << 4; // aka 16
....
 final Node<K,V>[] resize() {
        Node<K,V>[] oldTab = table;
        int oldCap = (oldTab == null) ? 0 : oldTab.length;
        int oldThr = threshold;
        int newCap, newThr = 0; 
        //判读老容量是否大于0
        if (oldCap > 0) {
          //判断是否超过最大容量,超过最大容量就不再扩充
            if (oldCap >= MAXIMUM_CAPACITY) {
                threshold = Integer.MAX_VALUE;
                return oldTab;
            }
         //如果没有超过最大值,就扩充为原来的2倍
            else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&
                     oldCap >= DEFAULT_INITIAL_CAPACITY)
                newThr = oldThr << 1; // double threshold
        }
        else if (oldThr > 0) // initial capacity was placed in threshold
            newCap = oldThr;
        else {               // zero initial threshold signifies using defaults
           //这里的英文注释也说的很清楚了在这里初始化操作
            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);
                    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;
    }
上一篇下一篇

猜你喜欢

热点阅读