【collection】1.java容器之HashMap&LinkedHashMap&Hashtable
Map源码剖析HashMap&LinkedHashMap&Hashtable
hashMap默认的阈值是0.75
HashMap put操作
put操作涉及3种结构，普通node节点，链表节点，红黑树节点，针对第三种，红黑树节点，我们后续单独去学习，这里不多做扩散
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) {
// 初始化哈希数组，或者对哈希数组扩容，返回新的哈希数组
tab = resize();
n = tab.length;
}
// 相当于取余
i = (n - 1) & hash;
p = tab;
if (p == null) {
// 直接放普通元素
tab = 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)))) {
// 存在同位元素，也就是出现了hash碰撞
e = p;
} else if (p instanceof TreeNode) {
// 如果当前位置已经是红黑树节点，那么就put红黑色
e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
} else {
// 遍历哈希槽后面链接的其他元素（binCount统计的是插入新元素之前遍历过的元素数量）
// 这里就是链表类型
for (int binCount = 0; ; ++binCount) {
// 后继节点为空
if ((e = p.next) == null) {
// 拼接到后继节点上
p.next = newNode(hash, key, value, null);
/**
* 哈希槽（链）上的元素数量增加到TREEIFY_THRESHOLD后，这些元素进入波动期，即将从链表转换为红黑树
* 注意这个TREEIFY_THRESHOLD 是8，为什么是8？？
* 每次遍历一个链表，平均查找的时间复杂度是 O(n)，n 是链表的长度。由于红黑树有自平衡的特点，可以防止不平衡情况的发生，
* 所以可以始终将查找的时间复杂度控制在 O(log(n))。
* 最初链表还不是很长，所以可能 O(n) 和 O(log(n)) 的区别不大，但是如果链表越来越长，那么这种区别便会有所体现。所以为了提升查找性能，需要把链表转化为红黑树的形式。
* 链表查询的时候使用二分查询，平均查找长度为n/2，长度为8的时候，为4，而6/2 = 3
* 而如果是红黑树，那么就是log(n) ，长度为8时候，log(8) = 3, log(6) =
* 这个时候我们发现超过8这个阈值之后，链表的查询效率会越来越不如红黑树
*/
if (binCount >= TREEIFY_THRESHOLD - 1) {
// -1 for 1st
treeifyBin(tab, hash);
}
break;
}
// 判断链表中的后继原始是否hash碰撞，如果发生了hash碰撞break
if (e.hash == hash && ((k = e.key) == key || (key != null && key.equals(k))))
break;
p = e;
}
}
// 如果存在同位元素（在HashMap中占据相同位置的元素）
if (e != null) { // existing mapping for key
V oldValue = e.value;
// 判断是否需要进行覆盖取值,因为key相同，那么直接取代，否则什么也不操作
if (!onlyIfAbsent || oldValue == null) {
e.value = value;
}
afterNodeAccess(e);
return oldValue;
}
}
++modCount;
if (++size > threshold)
resize();
afterNodeInsertion(evict);
return null;
}总结关键信息：
哈希槽（链）上的元素数量增加到TREEIFY_THRESHOLD后，这些元素进入波动期，即将从链表转换为红黑树
注意这个TREEIFY_THRESHOLD 是8，为什么是8？？
每次遍历一个链表，平均查找的时间复杂度是 O(n)，n 是链表的长度。由于红黑树有自平衡的特点，可以防止不平衡情况的发生，
所以可以始终将查找的时间复杂度控制在 O(log(n))。
最初链表还不是很长，所以可能 O(n) 和 O(log(n)) 的区别不大，但是如果链表越来越长，那么这种区别便会有所体现。所以为了提升查找性能，需要把链表转化为红黑树的形式。
链表查询的时候使用二分查询，平均查找长度为n/2，长度为8的时候，为4，而6/2 = 3
而如果是红黑树，那么就是log(n) ，长度为8时候，log(8) = 3, log(6) =
这个时候我们发现超过8这个阈值之后，链表的查询效率会越来越不如红黑树HashMap get，remove操作
除了红黑树的查找比较特殊，其余的链表查找就是暴力搜索，只是平均下来找到一个元素的话是n/2
final Node<K,V> removeNode(int hash, Object key, Object value,
boolean matchValue, boolean movable) {
Node<K,V>[] tab = table;
Node<K,V> p;
int n, index;
if (tab != null && (n = tab.length) > 0 && (p = tab) != null) {
Node<K,V> node = null, e; K k; V v;
if (p.hash == hash && ((k = p.key) == key || (key != null && key.equals(k)))) {
// 找到节点，并且是首节点
node = p;
} else if ((e = p.next) != null) {
if (p instanceof TreeNode) {
node = ((TreeNode<K,V>)p).getTreeNode(hash, key);
} else {
// 链表查询，暴力搜索
do {
if (e.hash == hash && ((k = e.key) == key || (key != null && key.equals(k)))) {
node = e;
break;
}
p = e;
} while ((e = e.next) != null);
}
}
// 移除节点，可能只需要匹配hash和key就行，也可能还要匹配value，这取决于matchValue参数
if (node != null && (!matchValue || (v = node.value) == value ||
(value != null && value.equals(v)))) {
if (node instanceof TreeNode) {
// 移除红黑树节点
((TreeNode<K,V>)node).removeTreeNode(this, tab, movable);
} else if (node == p) {
// 移除首节点为后继节点
tab = node.next;
} else {
// 链表断开
p.next = node.next;
}
++modCount;
--size;
afterNodeRemoval(node);
return node;
}
}
return null;
}HashMap扩容
链表拆分，进入新的容器
这里有个知识点：如何使用位运算进行取模
a % b == a & (b - 1)
我们拆分链表的思路也是这样：比如原来长度为8的链表，也就是 x % 8 = x & (8 - 1) = x & 0111 也就是取后三位，那么扩容之后重新排序的话，容量扩大一倍，也就是16，那么这个时候就是 x % 16 = x & (16 - 1) = x & 1111 这个时候我们发现和之前的区别就是最高位由原来的0变为1，如果还在后三位范围内，那么新容量中的位置是不会变的
https://img2023.cnblogs.com/blog/873394/202212/873394-20221202095547954-1095105422.png
final Node<K,V>[] resize() {
Node<K,V>[] oldTab = table;
int oldCap = (oldTab == null) ? 0 : oldTab.length;
// 旧阈值
int oldThr = threshold;
int newCap, newThr = 0;
if (oldCap > 0) {
// 判断旧容量是否已经超过最大值
if (oldCap >= MAXIMUM_CAPACITY) {
// 如果已经达到1 << 30;，那么直接设置为Integer.MAX_VALUE;0x7fffffff
threshold = Integer.MAX_VALUE;
return oldTab;
} else {
// mod by xiaof尝试将哈希表数组容量加倍，注意这里是左移，也就是说*2
newCap = oldCap << 1;
// 如果容量成功加倍（没有达到上限），则将阈值也加倍
if (newCap < MAXIMUM_CAPACITY && oldCap >= DEFAULT_INITIAL_CAPACITY) {
newThr = oldThr << 1;
}
}
// 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
// 如果实例化HashMap时没有指定初始容量，则使用默认的容量与阈值
newCap = DEFAULT_INITIAL_CAPACITY;
newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);
}
/*
* 至此，如果newThr==0，则可能有以下两种情形：
* 1.哈希数组已经初始化，且哈希数组的容量还未超出最大容量，
* 但是，在执行了加倍操作后，哈希数组的容量达到了上限
* 2.哈希数组还未初始化，但在实例化HashMap时指定了初始容量
*/
if (newThr == 0) {
float ft = (float)newCap * loadFactor;
// 如果新容量小于最大允许容量，并且新容量*装载因子之后还是小于最大容量，那么说明不需要扩容，那么直接使用ft作为新的阈值容量
// 如果新容量已经超过最大容量了，那么就直接返回最大允许的容量
newThr = (newCap < MAXIMUM_CAPACITY && ft < (float)MAXIMUM_CAPACITY ?
(int)ft : Integer.MAX_VALUE);
}
// 更新阈值
threshold = newThr;
// 新的容器对象，创建容量为新的newCap
@SuppressWarnings({"rawtypes","unchecked"})
Node<K,V>[] newTab = (Node<K,V>[])new Node;
table = newTab;
if (oldTab != null) {
// 遍历原来的数据，准备转移到新的容器上
for (int j = 0; j < oldCap; ++j) {
// 获取旧容器对象
Node<K,V> e = oldTab;
if (e != null) {
// 把原来的数组中的指针设置为空
oldTab = null;
if (e.next == null) {
// 重新计算hash索引位置，计算hash位置的方式防止数组越界的话，那么就设置hashcode & 长度 - 1
newTab = e;
} else if (e instanceof TreeNode) {
// 红黑树，这里是对红黑树进行拆分
((TreeNode<K,V>)e).split(this, newTab, j, oldCap);
} else { // preserve order
// lo对应的链表是数据不会动的
Node<K,V> loHead = null, loTail = null;
// hi对应的链表标识是需要去新容器新的位置的
Node<K,V> hiHead = null, hiTail = null;
Node<K,V> next;
// 这个是链表的情况下进行拆分
// 因为num % 2^n == num & (2^n - 1)，容量大小一定是2的N次方
do {
next = e.next;
// 注意：e.hash & oldCap，注意这里是对老的容量oldCap进行计算这一步就是前面说的判断多出的这一位是否为1
// 因为新的是老的2倍，新节点位置是否需要发生改变，取决于最高位是否为0
// 若与原容量做与运算，结果为0，表示将这个节点放入到新数组中，下标不变
// 由于原来的是2的倍数，那么取余肯定是和一个0111111的对象进行&操作，而不减一那就是10000000进行&操作，正好是最高位
if ((e.hash & oldCap) == 0) {
// 最高位为0，那么位置不需要改变，本身就在原来容量范围内的数据
// 直接加入lotail,并判断是否需要初始化lotail
if (loTail == null) {
loHead = e;
} else {
loTail.next = e;
}
loTail = e;
} else {
// 最高位是1，那么就需要进行切换位置
if (hiTail == null) {
hiHead = e;
} else {
hiTail.next = e;
}
hiTail = e;
}
} while ((e = next) != null);
if (loTail != null) {
loTail.next = null;
newTab = loHead;
}
if (hiTail != null) {
hiTail.next = null;
newTab = hiHead;
}
}
}
}
}
// 最后返回最新的容器对象
return newTab;
}afterNodeInsertion在linkedhashmap中作用不大
Node<K,V> newNode(int hash, K key, V value, Node<K,V> e) {
// 这里创建了linkedhashmap对象
LinkedHashMap.Entry<K,V> p = new LinkedHashMap.Entry<K,V>(hash, key, value, e);
// 创建完成之后，就添加到链表中连接起来
linkNodeLast(p);
return p;
}
private void linkNodeLast(LinkedHashMap.Entry<K,V> p) {
LinkedHashMap.Entry<K,V> last = tail;
tail = p;
if (last == null)
head = p;
else {
p.before = last;
last.after = p;
}
}综上：linkedhashmap相对hashmap其实就是多加了一个链表把所有的数据关联起来，只有在遍历的时候才能体现出来有序，其他的操作是没有差别的
关于hashtable
首先hashtable是线程安全的，因为它所有的函数都加上了synchronized
链表头插法，没有红黑树的转换
初始化容量的时候默认是11，是奇数，而hashmap全都是2的幂次方
hashtable允许key为null
rehash函数
<blockquote>常用的hash函数是选一个数m取模（余数），这个数在课本中推荐m是素数，但是经常见到选择m=2n，因为对2n求余数更快，并认为在key分布均匀的情况下，key%m也是在区间均匀分布的。但实际上，key%m的分布同m是有关的。
证明如下： key%m = key - xm，即key减掉m的某个倍数x，剩下比m小的部分就是key除以m的余数。显然，x等于key/m的整数部分，以floor(key/m)表示。假设key和m有公约数g，即key=ag, m=bg, 则 key - xm = key - floor(key/m)m = key - floor(a/b)m。由于0 [] newMap = new Entry; modCount++; threshold = (int)Math.min(newCapacity * loadFactor, MAX_ARRAY_SIZE + 1); table = newMap; // 重新把旧的原始转移到新数组上 for (int i = oldCapacity ; i-- > 0 ;) { for (Entry old = (Entry)oldMap ; old != null ; ) { Entry e = old; old = old.next; // 这里因为容量是奇数，那么就需要使用%取余，而不是位运算 -》 a & (b - 1) int index = (e.hash & 0x7FFFFFFF) % newCapacity; e.next = (Entry)newMap; newMap = e; } }}参考
https://www.cnblogs.com/tuyang1129/p/12368842.html-- 链表拆分
https://www.cnblogs.com/lyhc/p/10743550.html - linkedhashmap
http://zhaox.github.io/algorithm/2015/06/29/hash
免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！
页:
[1]