HashSet集合--java进阶day11

1.HashSet

HashSet具备去重的功能，但不具备排序

..

可以看见，多次添加的元素都没有被打印

2.HashSet的使用

HashSet必须重写hashcode和equals方法，二者少了其一都无法正常使用HashSet

刚才我们使用的是String泛型进行演示，这是java写好的类，无法看出HashSet的本质，这里我们编写一个学生类进行演示

[1]hashcode和equals方法都未重写时，无去重功能

[2]hashcode未重写时，依旧无去重功能

[3]hashcode和equals全部重写，王五被去重

3.HashSet内部简聊

HashSet的数据结构是哈希表

红黑树在最后讲解，我们先看哈希表中数组加链表的结构

当我们创建了HashSet集合后，就会产生哈希表，哈希表最初的样子就是一个数组

当我们往集合中添加张三时，它会自带调用对象的hashcode方法

hashcode返回的值，可以看成是坐火车时的座位号，张三拿着1号，看见座位上没有人，就坐上去了（将张三存入1号索引位置）

张三的存入方式不是直接存进去，而是形成一个链表将张三挂在1号索引

接着添加李四，自动调用hashcode方法，李四也拿着1号座位号，发现已经有人在上面了

此时就调用equals方法，发现李四和张三内容不一样，不一样就可以接着往1号索引存

以此类推，将所有不同的对象都存在了1号索引，多出的王五因为equals方法将被去重

详细流程：https://kdocs.cn/l/ck3AUjfXj4fv?linkname=150996947

总结

4.hashcode改造

了解HashSet存储元素的流程后，我们会发现一个问题：

这样就会导致HashSet在查询方面性能较低，需要优化

思路：如果在面对不同的对象时，hashcode返回的值也不同，就可以减少equals调用次数，集合里的索引位置也能利用充分

我们将对象的属性放入hashcode中，这样就能让不同的对象拿到的返回值不同，存入的索引位置也就不同了

下图报错的原因是因为name是String，使用加号导致age和name都变为了字符串，返回值是int

仔细想想，我们重写的hashcode方法来源于object，String类继承了object，那么String类就也有它自己重写过的hashcode方法，我们可以通过name（字符串对象）调用String类的hashcode方法

右键运行，equals只调用了一次用于去重，说明每个对象拿到的座位号都不同，减少了全挤在一个索引位置的概率

以后我们不需要手动重写，直接快捷键生成即可

5.hashCode方法介绍

hashCode是Object类里的一个方法，其底层逻辑就是调用C++代码计算出一个随机数

其中hashCode返回的数组称为哈希值

如果我们不重写hashCode方法，那每一个对象所拿到的哈希值都不一样，就会导致无法去重

6.HashSet原理解析：重点看JDk8版本

HashSet在JDK7和JDK8版本底层数据结构略有差异

1.JDK7版本HashSet内部操作

2.JDK8版本HashSet内部操作

JDK8版本，HashSet底层结构是哈希表

[1]创建HashSet集合

表面是创建HashSet集合，但实际是创建HashMap集合，HashMap当中会帮我们构造一个长度为16的空数组

[2]添加方法内部逻辑

当我们使用add方法进行添加时，会自动调用对象的hashCode方法计算出要存入的索引位置

光知道这些还不够，我们需要了解清楚add方法内部究竟干了什么，进入add方法内部，发现add方法调用了put方法，是在这里面做的添加

继续跟进put方法，里面调用了hash（）方法，hash方法又是干什么的呢？

跟进hash方法，其中参数key是我们添加的对象，先判断了我们的对象是否为空，是空就返回0，防止空指针异常

若不是空，就调用了对象的hashCode方法，获取到了原始哈希值（我们重写hashCode后返回的年龄等）

接着将我们的原始哈希值进行了右移16位--哈希扰动，然后再将扰动后的哈希值与原始哈希值做异或操作--二次哈希

哈希扰动可以将数据以二进制形式向右移动16位，目的就是让每个数据的相似度减少，让更有价值的数据参与运算

可以看见下图中，红框里两个数据的重复率特别高

经过哈希扰动后，两个数据后面16位不再相同

将原始哈希值和扰动后的哈希值进行二次哈希（异或操作），得到最终的哈希值，再将哈希值模与数组长度就可以得到应存入的索引位置

进行如此复杂的计算，目的是为了减少计算出过多重复的索引位置，导致某个链表挂载过多的数据，降低效率

如下图，直接拿着原始哈希值模与数组长度，计算出来的索引位置大多重复

而通过哈希扰动和二次哈希计算出的哈希值，再模与数组长度，算出的索引位置几乎无重复

如此操作就能使得不同的数据尽可能的挂在不同的索引位置，而且还能减小数据的大小，假如对象年龄是88，通过这种计算就能使算出的索引很小，防止数组长度过大，占据内存

注意： 源码中并不是将哈希值模与数组长度计算索引位置，而是拿着数组长度减1，再与哈希值

n是数组长度，hash就是哈希值，这种计算方式和哈希值模与数组长度计算出的结果是一致的，系统使用这种计算方式的原因--与操作的运算效率比模与更高

[3]存入原理

拿着刚才计算好的索引存入对应的索引位置，如果存入的位置为空则直接存入，否则调用equals方法判断数据是否重复，不重复则挂在前数据下面

[4]扩容原理

尽管我们进行了如此复杂的操作，依旧可能会有某个链表上挂着多个元素，导致查询效率降低

解决这个问题有两种方法，分别是扩容数组，链表转红黑树

1.扩容数组

如果我们将数组长度增大，那么存入的数据就需要重新计算对应的下标，使得每个数据尽可能挂在不同索引位置

A：当数组中存了12个元素后，在存第13个元素时，会扩容原数组的2倍（并不是存满12个索引，是存了12个元素就会扩容）

原数组长度为16，现在已经存了12个元素了

当我们存入第13个元素时，数组长度变为了32

B:当链表上挂载的元素超过了8个，数组长度没有到达64时，扩容数组

A和B中，满足了其一就会扩容数组，扩容完成后，即使再满足另外一个条件，也不会继续扩容了

2.链表转红黑树

如果链表挂载的元素超过了阈值，而且数组长度到达了64（只能小于64），就会进行树化操作

如图，treeifyBin即树化操作，会判断数组长度是否到达64，未到达64，则会继续扩容数组，到达了64则会转红黑树