HashMap---数据结构

目录

一、基本数据结构

二、树化与退化

三、索引计算

四、put方法和扩容

五、并发问题

六、key的设计

---

一、基本数据结构

在jdk1.7版本的时候，hashmap结构主要是使用数组 + 链表的格式，而在jdk1.8版本中，hashmap的数据结构增加了一种"红黑树"的结构，即数组 + （链表 | 红黑树）的一种格式。

二、树化与退化

树化意义

红黑树用来避免 DoS 攻击，防止链表超长时性能下降，树化应当是偶然情况，是保底策略。

hash 表的查找，更新的时间复杂度是 O(1)，而红黑树的查找，更新的时间复杂度是 O(log_2⁡n )，TreeNode 占用空间也比普通 Node 的大，如非必要，尽量还是使用链表。

hash 值如果足够随机，则在 hash 表内按泊松分布，在负载因子 0.75 的情况下，长度超过 8 的链表出现概率是 0.00000006，树化阈值选择 8 就是为了让树化几率足够小

树化规则

当链表长度超过树化阈值 8 时，先尝试扩容来减少链表长度，如果数组容量已经 >=64，才会进行树化

退化规则

情况1：在扩容时如果拆分树时，树元素个数 <= 6 则会退化链表

情况2：remove 树节点时，若 root、root.left、root.right、root.left.left 有一个为 null ，也会退化为链表

三、索引计算

索引计算方法

• 首先，计算对象的 hashCode()

• 再进行调用 HashMap 的 hash() 方法进行二次哈希

  • 二次 hash() 是为了综合高位数据，让哈希分布更为均匀

• 最后 & (capacity -- 1) 得到索引

数组容量为何是 2 的 n 次幂

1. 计算索引时效率更高：如果是 2 的 n 次幂可以使用位与运算代替取模。

2. 扩容时重新计算索引效率更高： hash & oldCap == 0 的元素留在原来位置 ，否则新位置 = 旧位置 + oldCap。

注意

• 二次 hash 是为了配合 容量是 2 的 n 次幂 这一设计前提，如果 hash 表的容量不是 2 的 n 次幂，则不必二次 hash。

• 容量是 2 的 n 次幂 这一设计计算索引效率更好，但 hash 的分散性就不好，需要二次 hash 来作为补偿，没有采用这一设计的典型例子是 Hashtable。

四、put方法和扩容

put 流程

1. HashMap 是懒惰创建数组的，首次使用才创建数组。

2. 计算索引（桶下标）。

3. 如果桶下标还没人占用，创建 Node 占位返回。

4. 如果桶下标已经有人占用：

   1. 已经是 TreeNode 走红黑树的添加或更新逻辑。

   2. 是普通 Node，走链表的添加或更新逻辑，如果链表长度超过树化阈值，走树化逻辑。

5. 返回前检查容量是否超过阈值，一旦超过进行扩容。

1.7 与 1.8 的区别

1. 链表插入节点时，jdk1.7 是头插法，jdk1.8 是尾插法。

2. jdk1.7 是大于等于阈值且没有空位时才扩容，而 jdk1.8 是大于阈值就扩容。

3. jdk1.8 在扩容计算 Node 索引时，会优化。

扩容（加载）因子为何默认是 0.75f

1. 在空间占用与查询时间之间取得较好的权衡

2. 大于这个值，空间节省了，但链表就会比较长影响性能

3. 小于这个值，冲突减少了，但扩容就会更频繁，空间占用也更多

五、并发问题

扩容死链（1.7 会存在）

• e 和 next 都是局部变量，用来指向当前节点和下一个节点

• 线程1（绿色）的临时变量 e 和 next 刚引用了这俩节点，还未来得及移动节点，发生了线程切换，由线程2（蓝色）完成扩容和迁移

• 线程2 扩容完成，由于头插法，链表顺序颠倒。但线程1 的临时变量 e 和 next 还引用了这俩节点，还要再来一遍迁移

• 第一次循环

  • 循环接着线程切换前运行，注意此时 e 指向的是节点 a，next 指向的是节点 b

  • e 头插 a 节点，注意图中画了两份 a 节点，但事实上只有一个（为了不让箭头特别乱画了两份）

  • 当循环结束是 e 会指向 next 也就是 b 节点

• 第二次循环

  • next 指向了节点 a

  • e 头插节点 b

  • 当循环结束时，e 指向 next 也就是节点 a

• 第三次循环

  • next 指向了 null

  • e 头插节点 a，a 的 next 指向了 b（之前 a.next 一直是 null），b 的 next 指向 a，死链已成

  • 当循环结束时，e 指向 next 也就是 null，因此第四次循环时会正常退出

数据错乱（1.7，1.8 都会存在）

也就是多个线程对一个同一个值的key进行存储的时候，会产生覆盖问题。

也包括仅仅修改了当前线程中的该副本的值，但并没有及时更新，进而导致一种错误。

六、key的设计

key 的设计要求

1. HashMap 的 key 可以为 null，但 Map 的其他实现则不然

2. 作为 key 的对象，必须实现 hashCode 和 equals，并且 key 的内容不能修改（不可变）

3. key 的 hashCode 应该有良好的散列性

如果 key 可变，例如修改了 age 会导致再次查询时查询不到。

public class HashMapMutableKey {
    public static void main(String[] args) {
        HashMap<Student, Object> map = new HashMap<>();
        Student stu = new Student("张三", 18);
        map.put(stu, new Object());

        System.out.println(map.get(stu));

        stu.age = 19;
        System.out.println(map.get(stu));
    }

    static class Student {
        String name;
        int age;

        public Student(String name, int age) {
            this.name = name;
            this.age = age;
        }

        public String getName() {
            return name;
        }

        public void setName(String name) {
            this.name = name;
        }

        public int getAge() {
            return age;
        }

        public void setAge(int age) {
            this.age = age;
        }

        @Override
        public boolean equals(Object o) {
            if (this == o) return true;
            if (o == null || getClass() != o.getClass()) return false;
            Student student = (Student) o;
            return age == student.age && Objects.equals(name, student.name);
        }

        @Override
        public int hashCode() {
            return Objects.hash(name, age);
        }
    }
}

String 对象的 hashCode() 设计

• 目标是达到较为均匀的散列效果，每个字符串的 hashCode 足够独特

• 字符串中的每个字符都可以表现为一个数字，称为 S_i，其中 i 的范围是 0 ~ n - 1

• 散列公式为： S_0∗31\^{(n-1)}+ S_1∗31\^{(n-2)}+ ... S_i ∗ 31\^{(n-1-i)}+ ...S_{(n-1)}∗31\^0

• 31 代入公式有较好的散列特性，并且 31 * h 可以被优化为

  • 即 32 ∗h -h

  • 即 2\^5 ∗h -h

  • 即 h≪5 -h