HashMap实现原理

Posted 2022-12-11 Gjson

首先我们先来回顾一下计算机数据结构里面的哈希表：

    散列表（Hash table，也叫哈希表），是根据关键码值(Key value)而直接进行访问的 数据结构。也就是说，它通过把关键码值映射到表中一个位               置来        访问记录，以加快查找的速度。这个映射函数叫做 散列函数，存放记录的 数组叫做 散列表。    给定表M，存在函数f(key)，对任意给定的关键字值key，代入函数后若能得到包含该关键字的记录在表中的地址，则称表M为哈希(Hash）表，函数           f(key)为哈希(Hash) 函数。

常用方法

散列函数能使对一个数据序列的访问过程更加迅速有效，通过散列函数， 数据元素将被更快地定位。 实际工作中需视不同的情况采用不同的 哈希函数，通常考虑的因素有： · 计算 哈希函数所需时间 · 关键字的长度 · 哈希表的大小 · 关键字的分布情况 · 记录的查找频率 1.  直接寻址法：取关键字或关键字的某个线性函数值为散列地址。即H(key)=key或H(key) = a·key + b，其中a和b为常数（这种 散列函数叫做自身函数）。若其中H(key）中已经有值了，就往下一个找，直到H(key）中没有值了，就放进去。 2. 数字分析法：分析一组数据，比如一组员工的出生年月日，这时我们发现出生年月日的前几位数字大体相同，这样的话，出现冲突的几率就会很大，但是我们发现年月日的后几位表示月份和具体日期的数字差别很大，如果用后面的数字来构成散列地址，则冲突的几率会明显降低。因此数字分析法就是找出数字的规律，尽可能利用这些数据来构造冲突几率较低的散列地址。 3. 平方取中法：当无法确定关键字中哪几位分布较均匀时，可以先求出关键字的平方值，然后按需要取平方值的中间几位作为哈希地址。这是因为：平方后中间几位和关键字中每一位都相关，故不同关键字会以较高的概率产生不同的哈希地址。 [2]   例：我们把英文字母在字母表中的位置序号作为该英文字母的内部编码。例如K的内部编码为11，E的内部编码为05，Y的内部编码为25，A的内部编码为01, B的内部编码为02。由此组成关键字“KEYA”的内部代码为11052501，同理我们可以得到关键字“KYAB”、“AKEY”、“BKEY”的内部编码。之后对关键字进行平方运算后，取出第7到第9位作为该关键字哈希地址，如下图所示

关键字	内部编码	内部编码的平方值	H(k)关键字的哈希地址
KEYA	11050201	122157778355001	778
KYAB	11250102	126564795010404	795
AKEY	01110525	001233265775625	265
BKEY	02110525	004454315775625	315

[2]   4. 折叠法：将关键字分割成位数相同的几部分，最后一部分位数可以不同，然后取这几部分的叠加和（去除进位）作为散列地址。数位叠加可以有移位叠加和间界叠加两种方法。移位叠加是将分割后的每一部分的最低位对齐，然后相加；间界叠加是从一端向另一端沿分割界来回折叠，然后对齐相加。 5. 随机数法：选择一 随机函数，取关键字的随机值作为散列地址，通常用于关键字长度不同的场合。 6. 除留余数法：取关键字被某个不大于 散列表表长m的数p除后所得的余数为散列地址。即 H(key) = key MOD p,p<=m。不仅可以对 关键字直接取模，也可在折叠、平方取中等运算之后取模。对p的选择很重要，一般取素数或m，若p选的不好，容易产生同义词。 [3]  

处理冲突编辑

1.  开放寻址法：Hi=(H(key) + di) MOD m,i=1,2，…，k(k<=m-1），其中H(key）为 散列函数，m为 散列表长，di为增量序列，可有下列三种取法： 1.1. di=1,2,3，…，m-1，称线性探测再散列； 1.2. di=1^2,-1^2,2^2,-2^2，⑶^2，…，±（k)^2,(k<=m/2）称二次探测再散列； 1.3. di= 伪随机数序列，称伪随机探测再散列。 2. 再 散列法：Hi=RHi(key),i=1,2，…，k RHi均是不同的 散列函数，即在同义词产生地址冲突时计算另一个散列函数地址，直到冲突不再发生，这种方法不易产生“聚集”，但增加了计算时间。 3. 链地址法（拉链法） 4. 建立一个公共溢出区

查找性能编辑

散列表的查找过程基本上和造表过程相同。一些关键码可通过 散列函数转换的地址直接找到，另一些关键码在散列函数得到的地址上产生了冲突，需要按处理冲突的方法进行查找。在介绍的三种处理冲突的方法中，产生冲突后的查找仍然是给定值与关键码进行比较的过程。所以，对 散列表查找效率的量度，依然用平均查找长度来衡量。 查找过程中，关键码的比较次数，取决于产生冲突的多少，产生的冲突少，查找效率就高，产生的冲突多，查找效率就低。因此，影响产生冲突多少的因素，也就是影响查找效率的因素。影响产生冲突多少有以下三个因素： 1.  散列函数是否均匀； 2. 处理冲突的方法； 3.  散列表的装填因子。 散列表的装填因子定义为：α= 填入表中的元素个数 / 散列表的长度 α是 散列表装满程度的标志因子。由于表长是定值，α与“填入表中的元素个数”成正比，所以，α越大，填入表中的元素较多，产生冲突的可能性就越大；α越小，填入表中的元素较少，产生冲突的可能性就越小。 实际上， 散列表的平均查找长度是装填因子α的函数，只是不同处理冲突的方法有不同的函数。 了解了hash基本定义，就不能不提到一些著名的hash算法，MD5 和 SHA-1 可以说是目前应用最广泛的Hash算法，而它们都是以 MD4 为基础设计的。那么他们都是什么意思呢?

接下来进入正题：

1. HashMap的数据结构

数据结构中有数组和链表来实现对数据的存储，但这两者基本上是两个极端。

      数组

数组存储区间是连续的，占用内存严重，故空间复杂的很大。但数组的二分查找时间复杂度小，为O(1)；数组的特点是：寻址容易，插入和删除困难；

链表

链表存储区间离散，占用内存比较宽松，故空间复杂度很小，但时间复杂度很大，达O（N）。链表的特点是：寻址困难，插入和删除容易。

哈希表

那么我们能不能综合两者的特性，做出一种寻址容易，插入删除也容易的数据结构？答案是肯定的，这就是我们要提起的哈希表。哈希表（(Hash table）既满足了数据的查找方便，同时不占用太多的内容空间，使用也十分方便。

　　哈希表有多种不同的实现方法，我接下来解释的是最常用的一种方法—— 拉链法，我们可以理解为“链表的数组” ，如图：

　　从上图我们可以发现哈希表是由数组+链表组成的，一个长度为16的数组中，每个元素存储的是一个链表的头结点。那么这些元素是按照什么样的规则存储到数组中呢。一般情况是通过hash(key)%len获得，也就是元素的key的哈希值对数组长度取模得到。比如上述哈希表中，12%16=12,28%16=12,108%16=12,140%16=12。所以12、28、108以及140都存储在数组下标为12的位置。

　　HashMap其实也是一个线性的数组实现的,所以可以理解为其存储数据的容器就是一个线性数组。这可能让我们很不解，一个线性的数组怎么实现按键值对来存取数据呢？这里HashMap有做一些处理。

　　首先HashMap里面实现一个静态内部类Entry，其重要的属性有 key , value, next，从属性key,value我们就能很明显的看出来Entry就是HashMap键值对实现的一个基础bean，我们上面说到HashMap的基础就是一个线性数组，这个数组就是Entry[]，Map里面的内容都保存在Entry[]里面。

    /**      * The table, resized as necessary. Length MUST Always be a power of two.      */

    transient Entry[] table;

2. HashMap的存取实现

     既然是线性数组，为什么能随机存取？这里HashMap用了一个小算法，大致是这样实现：

// 存储时:
int hash  = key.hashCode();  // 这个hashCode方法这里不详述,只要理解每个key的hash是一个固定的int值
int index  = hash  % Entry[].length;
Entry[index]  = value;

// 取值时:
int hash  = key.hashCode();
int index  = hash  % Entry[].length;
return Entry[index];  

1）put

  疑问：如果两个key通过hash%Entry[].length得到的index相同，会不会有覆盖的危险？

　　这里HashMap里面用到链式数据结构的一个概念。上面我们提到过Entry类里面有一个next属性，作用是指向下一个Entry。打个比方， 第一个键值对A进来，通过计算其key的hash得到的index=0，记做:Entry[0] = A。一会后又进来一个键值对B，通过计算其index也等于0，现在怎么办？HashMap会这样做:B.next = A,Entry[0] = B,如果又进来C,index也等于0,那么C.next = B,Entry[0] = C；这样我们发现index=0的地方其实存取了A,B,C三个键值对,他们通过next这个属性链接在一起。所以疑问不用担心。也就是说数组中存储的是最后插入的元素。到这里为止，HashMap的大致实现，我们应该已经清楚了。

 public V put(K key, V value)          if (key == null)             return putForNullKey(value); //null总是放在数组的第一个链表中         int hash = hash(key.hashCode());         int i = indexFor(hash, table.length);         //遍历链表         for (Entry<K,V> e = table[i]; e != null; e = e.next)              Object k;             //如果key在链表中已存在，则替换为新value             if (e.hash == hash && ((k = e.key) == key || key.equals(k)))                  V oldValue = e.value;                 e.value = value;                 e.recordAccess(this);                 return oldValue;                               modCount++;         addEntry(hash, key, value, i);         return null;

    

 

void addEntry(int hash, K key, V value, int bucketIndex)      Entry<K,V> e = table[bucketIndex];     table[bucketIndex] = new Entry<K,V>(hash, key, value, e); //参数e, 是Entry.next     //如果size超过threshold，则扩充table大小。再散列     if (size++ >= threshold)             resize(2 * table.length);

　　当然HashMap里面也包含一些优化方面的实现，这里也说一下。比如：Entry[]的长度一定后，随着map里面数据的越来越长，这样同一个index的链就会很长，会不会影响性能？HashMap里面设置一个因子，随着map的size越来越大，Entry[]会以一定的规则加长长度。

2）get

 public V get(Object key)          if (key == null)             return getForNullKey();         int hash = hash(key.hashCode());         //先定位到数组元素，再遍历该元素处的链表         for (Entry<K,V> e = table[indexFor(hash, table.length)];              e != null;              e = e.next)              Object k;             if (e.hash == hash && ((k = e.key) == key || key.equals(k)))                 return e.value;                  return null;

 

3）null key的存取

null key总是存放在Entry[]数组的第一个元素。

   private V putForNullKey(V value)          for (Entry<K,V> e = table[0]; e != null; e = e.next)              if (e.key == null)                  V oldValue = e.value;                 e.value = value;                 e.recordAccess(this);                 return oldValue;                               modCount++;         addEntry(0, null, value, 0);         return null;            private V getForNullKey()          for (Entry<K,V> e = table[0]; e != null; e = e.next)              if (e.key == null)                 return e.value;                  return null;             

4）确定数组index：hashcode % table.length取模

HashMap存取时，都需要计算当前key应该对应Entry[]数组哪个元素，即计算数组下标；算法如下：

   /**      * Returns index for hash code h.      */     static int indexFor(int h, int length)          return h & (length-1);        按位取并，作用上相当于取模mod或者取余%。 这意味着数组下标相同，并不表示hashCode相同。  

5）table初始大小

    public HashMap(int initialCapacity, float loadFactor)          .....         // Find a power of 2 >= initialCapacity         int capacity = 1;         while (capacity < initialCapacity)             capacity <<= 1;         this.loadFactor = loadFactor;         threshold = (int)(capacity * loadFactor);         table = new Entry[capacity];         init();       

注意table初始大小并不是构造函数中的initialCapacity！！

而是 >= initialCapacity的2的n次幂！！！！

————为什么这么设计呢？——

3. 解决hash冲突的办法

1. 开放定址法（线性探测再散列，二次探测再散列，伪随机探测再散列）
2. 再哈希法
3. 链地址法
4. 建立一个公共溢出区

Java中hashmap的解决办法就是采用的链地址法。

 

4. 再散列rehash过程

当哈希表的容量超过默认容量时，必须调整table的大小。当容量已经达到最大可能值时，那么该方法就将容量调整到Integer.MAX_VALUE返回，这时，需要创建一张新表，将原表的映射到新表中。

   /**      * Rehashes the contents of this map into a new array with a      * larger capacity.  This method is called automatically when the      * number of keys in this map reaches its threshold.      *      * If current capacity is MAXIMUM_CAPACITY, this method does not      * resize the map, but sets threshold to Integer.MAX_VALUE.      * This has the effect of preventing future calls.      *      * @param newCapacity the new capacity, MUST be a power of two;      *        must be greater than current capacity unless current      *        capacity is MAXIMUM_CAPACITY (in which case value      *        is irrelevant).      */     void resize(int newCapacity)          Entry[] oldTable = table;         int oldCapacity = oldTable.length;         if (oldCapacity == MAXIMUM_CAPACITY)              threshold = Integer.MAX_VALUE;             return;                  Entry[] newTable = new Entry[newCapacity];         transfer(newTable);         table = newTable;         threshold = (int)(newCapacity * loadFactor);

    

 

    /**      * Transfers all entries from current table to newTable.      */     void transfer(Entry[] newTable)          Entry[] src = table;         int newCapacity = newTable.length;         for (int j = 0; j < src.length; j++)              Entry<K,V> e = src[j];             if (e != null)                  src[j] = null;                 do                      Entry<K,V> next = e.next;                     //重新计算index                     int i = indexFor(e.hash, newCapacity);                     e.next = newTable[i];                     newTable[i] = e;                     e = next;                  while (e != null);