《集合》之hashmap

 

 

HashMap底层采用了数组＋链表＋红黑树

 

put操作

1）判断数组是否为空，为空进行初始化

2）不为空，计算 key 的 hash 值，通过(n - 1) & hash计算哈希槽;

3）查看哈希桶是否存在数据，没有数据 构造一个 Node节点 存放在 table[index] 中；

4）存在数据，hash冲突,  判断key是否相等，

相等，用新的value替换原数据；

若不相等，判断当前节点类型是不是树型节点，是树型节点，创造树型节点插入红黑树；

　 不是红黑树，创建普通Node加入链表；

　链表长度 > 8，数组长度 >= 64，转红黑树。数组长度 < 64，扩容。

 

5）插入完成之后判断当前节点数是否大于阈值，大于，扩容为原数组的二倍

 

哈希函数

hash函数是先拿到 key 的hashcode，32位的值，高16位和低16位进行异或操作。

该函数也称为扰动函数，尽可能降低hash碰撞。

 

容量为什么 2^N 

数组下标的计算方法是 (n - 1) 与 hash ，速度比取模运算快

索引值在容量中，不会超出数组长度

尽量把数据分配均匀，较少碰撞，让 HashMap 存取高效。

 

 扩容

1）数组为空，或者数组的长度为0时，扩容

1）链表长度 > 8，数组长度 < 64，会引发扩容

1）默认负载因子0.75，数组中已存储的元素个数 > 数组长度75%，扩容

 

创建一个长度为原来数组长度 两倍 的新数组。

重新对原数组中的Entry对象进行哈希运算，确定在新数组中位置。

 

元素在重新计算hash之后，因为n变为2倍，那么n-1的mask范围在高位多1bit

不需要重新计算hash，看原来的hash值新增 bit是 1还是0，0索引没变，1 索引变成“原索引+ n”

 

负载因子0.75

提高空间利用率和 减少查询成本的折中，主要是泊松分布

加载因子过高，例如为1，减少了空间开销，提高了空间利用率，但增加了查询时间成本；

加载因子过低，例如0.5，减少查询时间成本，但是空间利用率很低，同时提高了rehash 的次数。

为什么不直接红黑树，先链表再转红黑树

树节点的大小是链表节点大小的两倍，所以有足够的节点才用

 

转为树使得查找的速度更快，但是节点数少的时候，红黑树内存上的劣势会超过查找的优势，

在节点数比较多的时候，综合考虑，红黑树比链表要好。

 

链表长度是 8，不是9、10

理想情况下，哈希表中节点长度遵循泊松分布，8的时候概率就已经很小了，往后调整没有多大意义。

 

当hashCode离散性很好的时候，树型bin用到的概率非常小，因为数据均匀分布在每个bin中，几乎不会有bin中链表长度会达到阈值。

可以看到，链表长度达到8，概率为0.00000006，几乎不可能事件

 

1.7 死循环

扩容后链表中的节点在新的hash桶使用头插法插入，新的hash桶会倒置原hash桶中的单链表。

多个线程同时扩容的情况下，产生一个存在闭环的单链表，死循环。

1.8 采用尾插法，保证了链表的顺序与之前一致。

1.8中链表过长时会转换为红黑树，在转换为红黑树前，也是先根据尾插法生成新链表再进行转换。

 

 JDK1.8死循环

红黑树成环，两个红黑树节点的父节点相互引用。