源码学习:HashMap
2016-04-28 16:17
351 查看
一:HashMap,本人用过无数次,基于哈希表的Map接口实现。JDK1.8中HashMap和之前的实现有区别。下面我们来看看源码喽。
二:HashMap源码分析
(1)哈希MAP的主要属性
填充比,默认值为0.75,如果实际元素容量所占分配容量的0.75时就要扩容,如果填充比很大,说明利用的空间很多,但是查找的效率低,因为链表的长度很大,哈希MAP就是以空间换时间,填充比不需要很大,但是太小的话就会浪费空间,节省内存就大一点,注重查找效率就小一点。
(2)查看HashMap所设计到的数据结构
首先HashMap的基本结构大概由数组+链表+红黑树构成
那么首先是一个数组
然后是处理hash冲突的链表
以及红黑树
算法好久没看了,忘光了块。。。。。改日在好哈看看。(会么?手动斜眼)
HashMap大致实现:首先是每个元素都是链表或者红黑树的数组,当添加一个元素时候,先计算元素key的hash值,由此来确定插入数组的位置,当然也可能存在相同的hash值已经被放在数组的一个位置,这个时候就添加同意hash元素值的元素后面,然后形成链表,让链表长度太长时候,链表就转化为红黑树,这样大大提高了查询效率。对于链表长度太长的数组元素,查询的时间复杂度由O(n)变成了O(log n)。
(3)大致构造方法
(4)hashMap的扩容机制
这个过程是比较耗时的因为存在数组元素的复制
(5)如何确定元素put/get的位置
通过由key值来获取hash,再通过 h&(length-1)得到所在数组位置。一般对于哈希表的散列常用的方法有直接定址法,除留余数法等,既要便于计算,又能减少冲突。
在HashMap的构造函数中,都直接或间接的调用了tableSizeFor函数。下面分析原因:length为2的整数幂保证了length-1最后一位(当然是二进制表示)为1,从而保证了取索引操作 h&(length-1)的最后一位同时有为0和为1的可能性,保证了散列的均匀性。反过来讲,当length为奇数时,length-1最后一位为0,这样与h按位与的最后一位肯定为0,即索引位置肯定是偶数,这样数组的奇数位置全部没有放置元素,浪费了大量空间。
length为2的幂保证了按位与最后一位的有效性,使哈希表散列更均匀。
(6)常用的put/get操作
三:大体过程分为三部分
1.初始化,判断键值对数组是否为null,否则resize();
2.根据键值key计算hash值得到插入的数组索引i,如果tab[i]==null,直接新建节点添加,否则进行下一步
3.判断当前数组中处理hash冲突的方式为链表还是红黑树(check第一个节点类型即可),分别处理。
二:HashMap源码分析
(1)哈希MAP的主要属性
/** * 默认的初试容量 */ static final int DEFAULT_INITIAL_CAPACITY = 1 << 4; // aka 16 /** * 最大容量 */ static final int MAXIMUM_CAPACITY = 1 << 30; /** * 填充比 */ static final float DEFAULT_LOAD_FACTOR = 0.75f; /** * 当链表长度超过8的时候将数组里面的链表转化成为红黑树 */ static final int TREEIFY_THRESHOLD = 8; /** * 储存元素的数组 */ transient Node<K,V>[] table; /** * Holds cached entrySet(). Note that AbstractMap fields are used * for keySet() and values(). */ transient Set<Map.Entry<K,V>> entrySet; /** * 存放元素的个数 */ transient int size; /** * 被修改的次数fast-fail机制 */ transient int modCount; /** * The next size value at which to resize (capacity * load factor). * * @serial */ // 临界值 当实际大小(容量*填充比)超过临界值时,会进行扩容 int threshold;
填充比,默认值为0.75,如果实际元素容量所占分配容量的0.75时就要扩容,如果填充比很大,说明利用的空间很多,但是查找的效率低,因为链表的长度很大,哈希MAP就是以空间换时间,填充比不需要很大,但是太小的话就会浪费空间,节省内存就大一点,注重查找效率就小一点。
(2)查看HashMap所设计到的数据结构
首先HashMap的基本结构大概由数组+链表+红黑树构成
那么首先是一个数组
transient Node<k,v>[] table;//存储的数组
然后是处理hash冲突的链表
static class Node<K,V> implements Map.Entry<K,V> { final int hash; final K key; V value; Node<K,V> next; //构造hash,键,值,及下一个节点 Node(int hash, K key, V value, Node<K,V> next) { this.hash = hash; this.key = key; this.value = value; this.next = next; } public final K getKey() { return key; } public final V getValue() { return value; } public final String toString() { return key + "=" + value; } public final int hashCode() { return Objects.hashCode(key) ^ Objects.hashCode(value); } public final V setValue(V newValue) { V oldValue = value; value = newValue; return oldValue; } //判断两个两个node是否相等,可以和自身做比较,如果键值都相同的话,返回true public final boolean equals(Object o) { if (o == this) return true; if (o instanceof Map.Entry) { Map.Entry<?,?> e = (Map.Entry<?,?>)o; if (Objects.equals(key, e.getKey()) && Objects.equals(value, e.getValue())) return true; } return false; } }
以及红黑树
/** * 老长了大致看下。。。。 */ static final class TreeNode<K,V> extends LinkedHashMap.Entry<K,V> { TreeNode<K,V> parent; // red-black tree links TreeNode<K,V> left; TreeNode<K,V> right; TreeNode<K,V> prev; // needed to unlink next upon deletion boolean red; TreeNode(int hash, K key, V val, Node<K,V> next) { super(hash, key, val, next); } /** * 返回他的父节点. */ final TreeNode<K,V> root() { for (TreeNode<K,V> r = this, p;;) { if ((p = r.parent) == null) return r; r = p; } } ....... }
算法好久没看了,忘光了块。。。。。改日在好哈看看。(会么?手动斜眼)
HashMap大致实现:首先是每个元素都是链表或者红黑树的数组,当添加一个元素时候,先计算元素key的hash值,由此来确定插入数组的位置,当然也可能存在相同的hash值已经被放在数组的一个位置,这个时候就添加同意hash元素值的元素后面,然后形成链表,让链表长度太长时候,链表就转化为红黑树,这样大大提高了查询效率。对于链表长度太长的数组元素,查询的时间复杂度由O(n)变成了O(log n)。
(3)大致构造方法
/** * 自己来指定参数, */ public HashMap(int initialCapacity, float loadFactor) { //初始容量非负 if (initialCapacity < 0) throw new IllegalArgumentException("Illegal initial capacity: " + initialCapacity); //指定的初始容量大于最大容量,置为最大容量 if (initialCapacity > MAXIMUM_CAPACITY) initialCapacity = MAXIMUM_CAPACITY; //填充比为正的 if (loadFactor <= 0 || Float.isNaN(loadFactor)) throw new IllegalArgumentException("Illegal load factor: " + loadFactor); this.loadFactor = loadFactor; this.threshold = tableSizeFor(initialCapacity); } /** * 设置容量,负载因子默认 */ public HashMap(int initialCapacity) { this(initialCapacity, DEFAULT_LOAD_FACTOR); } /** * 默认容量,和默认负载印子 */ public HashMap() { this.loadFactor = DEFAULT_LOAD_FACTOR; // all other fields defaulted }
(4)hashMap的扩容机制
/** * 自动扩容机制 * * @return the table */ 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) {//超过1>>30大小,无法扩容只能改变 阈值 threshold = Integer.MAX_VALUE; return oldTab; } else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY && oldCap >= DEFAULT_INITIAL_CAPACITY)//新的容量为旧的2倍 最小也是16 newThr = oldThr << 1; // 扩容阈值加倍 } else if (oldThr > 0) // //oldCap=0 ,oldThr>0此时newThr=0 newCap = oldThr; else { //oldCap=0,oldThr=0 相当于使用默认填充比和初始容量 初始化 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]; //数组复制到新的数组中,分红黑树和链表讨论 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 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; newTab[j] = loHead; } if (hiTail != null) { hiTail.next = null; newTab[j + oldCap] = hiHead; } } } } } return newTab; }
这个过程是比较耗时的因为存在数组元素的复制
(5)如何确定元素put/get的位置
static final int hash(Object key) { int h; return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16); }
public native int hashCode();
通过由key值来获取hash,再通过 h&(length-1)得到所在数组位置。一般对于哈希表的散列常用的方法有直接定址法,除留余数法等,既要便于计算,又能减少冲突。
//这段代码保证HashMap的容量总是2的n次方 static final int tableSizeFor(int cap) { int n = cap - 1; n |= n >>> 1; n |= n >>> 2; n |= n >>> 4; n |= n >>> 8; n |= n >>> 16; return (n < 0) ? 1 : (n >= MAXIMUM_CAPACITY) ? MAXIMUM_CAPACITY : n + 1; }
在HashMap的构造函数中,都直接或间接的调用了tableSizeFor函数。下面分析原因:length为2的整数幂保证了length-1最后一位(当然是二进制表示)为1,从而保证了取索引操作 h&(length-1)的最后一位同时有为0和为1的可能性,保证了散列的均匀性。反过来讲,当length为奇数时,length-1最后一位为0,这样与h按位与的最后一位肯定为0,即索引位置肯定是偶数,这样数组的奇数位置全部没有放置元素,浪费了大量空间。
length为2的幂保证了按位与最后一位的有效性,使哈希表散列更均匀。
(6)常用的put/get操作
public V get(Object key) { Node<k,v> e; return (e = getNode(hash(key), key)) == null ? null : e.value; } final Node<k,v> getNode(int hash, Object key) { Node<k,v>[] tab; Node<k,v> first, e; int n; K k; //hash & (length-1)得到对象的保存位 if ((tab = table) != null && (n = tab.length) > 0 && (first = tab[(n - 1) & hash]) != null) { if (first.hash == hash && // always check first node ((k = first.key) == key || (key != null && key.equals(k)))) return first; if ((e = first.next) != null) { //如果第一个节点是TreeNode,说明采用的是数组+红黑树结构处理冲突 //遍历红黑树,得到节点值 if (first instanceof TreeNode) return ((TreeNode<k,v>)first).getTreeNode(hash, key); //链表结构处理 do { if (e.hash == hash && ((k = e.key) == key || (key != null && key.equals(k)))) return e; } while ((e = e.next) != null); } } return null; }
public V put(K key, V value) { return putVal(hash(key), key, value, false, true); } final V putVal(int hash, K key, V value, boolean onlyIfAbsent, boolean evict) { Node<k,v>[] tab; Node<k,v> p; int n, i; //如果tab为空或长度为0,则分配内存resize() if ((tab = table) == null || (n = tab.length) == 0) n = (tab = resize()).length; //(n - 1) & hash找到put位置,如果为空,则直接put if ((p = tab[i = (n - 1) & hash]) == null) tab[i] = newNode(hash, key, value, null); else { Node<k,v> e; K k; //第一节节点hash值同,且key值与插入key相同 if (p.hash == hash &&((k = p.key) == key || (key != null && key.equals(k)))) e = p; else if (p instanceof TreeNode)//属于红黑树处理冲突 e = ((TreeNode<k,v>)p).putTreeVal(this, tab, hash, key, value); else { //链表处理冲突 for (int binCount = 0; ; ++binCount) { //p第一次指向表头,以后依次后移 if ((e = p.next) == null) { //e为空,表示已到表尾也没有找到key值相同节点,则新建节点 p.next = newNode(hash, key, value, null); //新增节点后如果节点个数到达阈值,则将链表转换为红黑树 if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st treeifyBin(tab, hash); break; } //容许null==null if (e.hash == hash &&((k = e.key) == key || (key != null && key.equals(k)))) break; p = e;//更新p指向下一个节点 } } //更新hash值和key值均相同的节点Value值 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; }
三:大体过程分为三部分
1.初始化,判断键值对数组是否为null,否则resize();
2.根据键值key计算hash值得到插入的数组索引i,如果tab[i]==null,直接新建节点添加,否则进行下一步
3.判断当前数组中处理hash冲突的方式为链表还是红黑树(check第一个节点类型即可),分别处理。
相关文章推荐
- 关于new 和delete
- 单指手势,旋转,缩放
- [转] Initial Impressions on GraphQL & Relay
- 杨森翔诗词20首
- 设计模式-抽象工厂模式
- 浅析rem和em和px vh vw和% 移动端长度单位
- leetcode 10. Regular Expression Matching
- 值得推荐的C/C++框架和库(转)
- iOS开发网络篇—数据安全
- 使用jxl输出excel表格
- 快速排序
- 插入排序
- 树莓派B+上手小记--使用HDMI线连接显示器
- boost compile
- C++ 牛人博客(不断更新中...)
- c++ 实现百度自动搜索
- 新写的c++日志库:log4K
- VC编译错误:一个或多个多重定义的符号
- CThreadPool
- 10 Code Coverage Tools for C &amp; C++