HashMap
第一部分，基础入门
- 数组的优势/劣势
- 链表的优势劣势
- 有没有一种方式整合两种数据结构的优势？散列表
散列表有什么特点？
- 从hash值不可以
反向推导出原始的数据 - 输入数据的
微小变化会得到完全不同的hash值，相同的数据会得到相同的值 - 哈希算法的执行效率要
高效，长的文本也能快速地计算出哈希值 - hash算法的
冲突概率要小
由于hash的原理是将输入空间的值映射成hash空间内，而hash值的空间远小于输入的空间。
根据抽屉原理，一定会存在不同的输入被映射成相同输出的情况。
抽屉原理：桌上有十个苹果，要把这十个苹果放到九个抽屉里，无论怎样放，我们会发现至少会有一个抽尼里面放不少于两个苹果。这一现象就是我们所说的“抽屉原理”。
什么是哈希（Hash）
哈希也称散列、哈希，对应的英文都是Hash。基本原理就是把任意长度的输入，通过Hash算法变成固定长度的输出。这个映射的规则就是对应的Hash算法，而原始数据映射后的二进制串就是哈希值。
第二部分，HashMap原理讲解
文中jdk版本是17。
HashMap的继承体系
extends AbstractMap
implements Map<K,V>, Cloneable, Serializable
Node数据结构分析？
java.util.HashMap.Node
final int hash;
final K key;
V value;
Node<K,V> next;
底层存储结构介绍？
哈希表结构（链表散列：数组+链表）实现，结合数组和链表的优点。当链表长度超过 8 时，链表转换为红黑树。
put数据原理分析？
根据put(key,value)的key计算出hashValue = hash(key)，然后拿hashValue & (len-1)得到该Node应该在的索引，此索引的Node可能是null/TreeNode/Node(链表)
null：直接赋值
TreeNode：添加元素
Node(链接)：追加元素
什么是Hash碰撞？
哈希碰撞(Hash Collision)是指不同的输入数据产生了相同的哈希值。
什么是链化和树化？
这里就涉及到了一个链表中数据存储时，进行“树化”和“链化”的一个过程，那么什么是“树化”和“链化”呢？
当我们在对键值对进行存储的时候，如果我们在同一个数组下标下存储的数据过多的话，就会造成我们的链表长度过长，导致进行删除和插入操作比较麻烦，所以在 java 中规定，当链表长度大于 8 时，我们会对链表进行“树化”操作，将其转换成一颗红黑树（一种二叉树，左边节点的值小于根节点，右边节点的值大于根节点），这样我们在对元素进行查找时，就类似于进行二分查找了，这样的查找效率就会大大增加。
但是当我们进行删除操作，将其中的某些节点删除了之后，链表的长度不再大于 8 了，这个时候怎么办？难道就要赶紧将红黑树转化为链表的形式吗？其实并不是，只有当链表的长度小于 6 的时候，我们才会将红黑树重新转化为链表，这个过程就叫做“链化”。
jdk8为什么引入红黑树？
当链表长度超过一定阈值（默认为8个元素）时，链表的查找效率会低于红黑树。
HashMap扩容原理？
第一次是从0变成16，之后每次变为2倍。
第三部分，手撕源码
HashMap核心属性分析（threshold, loadFactor，size，modcount）
- table Node数组
- loadFactor 负载因子
- size 元素总数
- threshold 扩容阀值，当元素总数超过此值时，会扩容，threshold = loadFactor * capacity
- modcount HashMap修改次数
构造方法分析
- HashMap() 不创建Node数组
- HashMap(int initialCapacity) 不创建Node数组
- HashMap(int initialCapacity, float loadFactor) 不创建Node数组
- HashMap(Map<? extends K, ? extends V> m)
put方法分析=>putVal方法分析（核心）
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)
n = (tab = resize()).length;
if ((p = tab[i = (n - 1) & hash]) == null)
tab[i] = newNode(hash, key, value, null);
else {
// e -> existed node（已存在的节点），指要查找的节点，保存前需要查一下是否已存在
Node<K,V> e; K k;
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
e = p;
else if (p instanceof TreeNode)
e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
else {
for (int binCount = 0; ; ++binCount) {
if ((e = p.next) == null) {
p.next = newNode(hash, key, value, null);
if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st
treeifyBin(tab, hash);
break;
}
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;
if (++size > threshold)
resize();
afterNodeInsertion(evict);
return null;
}
resize扩容方法分析（核心）
final Node<K,V>[] resize() {
Node<K,V>[] oldTab = table;
int oldCap = (oldTab == null) ? 0 : oldTab.length;
int oldThr = threshold;
int newCap, newThr = 0;
if (oldCap > 0) {
if (oldCap >= MAXIMUM_CAPACITY) {
threshold = Integer.MAX_VALUE;
return oldTab;
}
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
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
// loHead变量的作用是方便快速找到loTail的头节点。因为loTail会一直向右移动，找它的头节点会多耗费时间，此处变量真是神来之笔，下面的hiHead也一样。
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;
// 此处使用到了loHead
newTab[j] = loHead;
}
if (hiTail != null) {
hiTail.next = null;
// 此处使用到了hiHead
newTab[j + oldCap] = hiHead;
}
}
}
}
}
return newTab;
}
get方法分析
略。
remove方法分析
final Node<K,V> removeNode(int hash, Object key, Object value,
boolean matchValue, boolean movable) {
// p(previous)是首节点，或是待删除Node节点的前一个节点，因为删除节点时，需要将它前一个节点的next指定它的后一个节点。此变量是神来之笔
Node<K,V>[] tab; Node<K,V> p; int n, index;
if ((tab = table) != null && (n = tab.length) > 0 &&
(p = tab[index = (n - 1) & hash]) != null) {
// node 要删除的节点
Node<K,V> node = null, e; K k; V v;
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
node = p;
else if ((e = p.next) != null) {
if (p instanceof TreeNode)
node = ((TreeNode<K,V>)p).getTreeNode(hash, key);
else {
do {
if (e.hash == hash &&
((k = e.key) == key ||
(key != null && key.equals(k)))) {
node = e;
break;
}
p = e;
} while ((e = e.next) != null);
}
}
if (node != null && (!matchValue || (v = node.value) == value ||
(value != null && value.equals(v)))) {
if (node instanceof TreeNode)
((TreeNode<K,V>)node).removeTreeNode(this, tab, movable);
else if (node == p)
tab[index] = node.next;
else // p的神来之处在此，若是根据node去找的话，就比较呆板了
p.next = node.next;
++modCount;
--size;
afterNodeRemoval(node);
return node;
}
}
return null;
}
replace方法分析
略。
作者：张三 创建时间：2024-10-16 21:25
最后编辑：张三 更新时间：2024-10-25 08:34
最后编辑：张三 更新时间：2024-10-25 08:34
