HashSet与HashMap

Posted 2021-04-24 西安比特教育

比特科技

 

目的：了解HashSet的内部结构和使用

1：Hash表：要了解HashSet，先要了解Hash表这一数据结构，包括Hash计算、装载因子、扩容等知识点。

2：HashSet的继承关系图

                                 

对于接口Set,是一种不包含重复的元素的Collection，即任意的两个元素e1和e2都有e1.equals(e2)=false，Set最多有一个null元素。Set的构造函数有一个约束条件，传入的Collection参数不能包含重复的元素。请注意：必须小心操作可变对象（Mutable Object）。如果一个Set中的可变元素改变了自身状态导致Object.equals(Object)=true将导致一些问题。

HashSet的API： 

public class HashSet<E> extends AbstractSet<E> implements Set<E>, Cloneable, java.io.Serializable {
// 使用 HashMap 的 key 保存 HashSet 中所有元素
private transient HashMap<E,Object> map; 

// 定义一个虚拟的 Object 对象作为 HashMap 的 value 
 private static final Object PRESENT = new Object(); 

// 默认构造函数
public HashSet() 
     
// 带集合的构造函数
public HashSet(Collection<? extends E> c) 
     
// 指定HashSet初始容量和加载因子的构造函数
public HashSet(int initialCapacity, float loadFactor) 
     
// 指定HashSet初始容量的构造函数
public HashSet(int initialCapacity) 
     
// 指定HashSet初始容量和加载因子的构造函数,dummy没有任何作用
HashSet(int initialCapacity, float loadFactor, boolean dummy)

由上面源程序可以看出，HashSet 的实现其实非常简单，它只是封装了一个 HashMap 对象来存储所有的集合元素，所有放入 HashSet 中的集合元素实际上由 HashMap 的 key 来保存，而 HashMap 的 value 则存储了一个 PRESENT，它是一个静态的 Object 对象。

往hashset中插入对象其实只不过是内部做了

            public boolean add(Object o) {

                      return map.put(o, PRESENT)==null;
            }

HashSet 的绝大部分方法都是通过调用 HashMap 的方法来实现的，因此 HashSet 和 HashMap 两个集合在实现本质上是相同的。

3：HashMap

               　

上图为Hashmap的数据结构图，具体实线是采用数组结合链表实现，链表是为了解决在hash过程中因hash值一样导致的碰撞问题。

所以在使用自定义对象做key的时候，一定要去实现hashcode方法，不然HashMap就成了纯粹的链表，查找性能非常的慢，添加节点元素也非常的慢。

HashMap的成员变量：

//默认初始容量，总为2的次方值  
static final int DEFAULT_INITIAL_CAPACITY = 16;  
  
//最大容量  
static final int MAXIMUM_CAPACITY = 1 << 30;  
  
//默认加载因子    
static final float DEFAULT_LOAD_FACTOR = 0.75f;  
  
//Entry数组，每一个Entry是一个键值对实体  
transient Entry[] table;  
  
//实际存的Entry个数    
transient int size;  
  
//数组扩容的阀值，当size+1 > threshold时，扩充到以前容量的两倍  
//threshold = table.length * loadFactor  
int threshold;  
  
//负载比率  
final float loadFactor;  
  
//Map结构一旦变化，如put remove clear等操作的时候，modCount随之变化  
transient volatile int modCount;

可以看出，Entry就是数组中的元素，每个 Map.Entry 其实就是一个key-value对，它持有一个指向下一个元素的引用，这就构成了链表。

Entry对象：

//很简单的一个键值对实体而已  
static class Entry<K,V> implements Map.Entry<K,V> {  
        final K key;          //key  
        V value;              //value  
        Entry<K,V> next;  //next Entry  
        final int hash;       //计算出key的hash值  
  
        /** 
         * Creates new entry. 
         */  
        Entry(int h, K k, V v, Entry<K,V> n) {  
            value = v;  
            next = n;  
            key = k;  
            hash = h;  
        }  
        .....  
}

构造函数：

// 构造函数  
public HashMap(int initialCapacity, float loadFactor) {  
    if (initialCapacity < 0)  
        throw new IllegalArgumentException("Illegal initial capacity: "  
                + initialCapacity);  
    if (initialCapacity > MAXIMUM_CAPACITY)  
        initialCapacity = MAXIMUM_CAPACITY;  
    if (loadFactor <= 0 || Float.isNaN(loadFactor))  
        throw new IllegalArgumentException("Illegal load factor: "  
                + loadFactor);  
  
    // 将传入的initialCapacity值，转变成2的次方值capacity去实例化hashmap的属性  
    // 比喻传入initialCapacity = 100，则算出来capacity = 2 << 7 = 128，  
    // 最终threshold = 128 * 0.75 = 96，table = new Entry[128]  
    int capacity = 1;  
    while (capacity < initialCapacity)  
        capacity <<= 1;  
  
    this.loadFactor = loadFactor;  
    threshold = (int) (capacity * loadFactor);  
    table = new Entry[capacity];  
    // 模板方法模式，子类想在init里面做点什么重写init就好了  
    init();  
}

hash算法：

/** 
 * 让hashMap里面的元素尽量分布均需，方便查找 
 * @param h entry中key的hash值 
 * @return 打散后的hash值 
 */  
static int hash(int h) {  
    // This function ensures that hashCodes that differ only by  
    // constant multiples at each bit position have a bounded  
    // number of collisions (approximately 8 at default load factor).  
    h ^= (h >>> 20) ^ (h >>> 12);  
    return h ^ (h >>> 7) ^ (h >>> 4);  
}

HashMap的功能是通过“键(key)”能够快速的找到“值”。下面我们分析下HashMap存数据的基本流程：

(1):当调用put(key,value)时，首先获取key的hashcode，int hash = key.hashCode(); 

(2): 再把hash通过一下运算得到一个int h.  

h ^= (h >>> 20) ^ (h >>> 12);      　　  

return h ^ (h >>> 7) ^ (h >>> 4);
为什么要经过这样的运算呢？这就是HashMap的高明之处。先看个例子，一个十进制数32768(二进制1000 0000 0000 0000)，经过上述公式运算之后的结果是35080(二进制1000 1001 0000 1000)。看出来了吗？或许这样还看不出什么，再举个数字61440(二进制1111 0000 0000 0000)，运算结果是65263(二进制1111 1110 1110 1111)，现在应该很明显了，它的目的是让“1”变的均匀一点，散列的本意就是要尽量均匀分布。那这样有什么意义呢？看第3步。 

(3) :得到h之后，把h与HashMap的承载量（HashMap的默认承载量length是16，可以自动变长。在构造HashMap的时候也可以指定一个长 度。这个承载量就是上图所描述的数组的长度。）进行逻辑与运算，即 h & (length-1)，这样得到的结果就是一个比length小的正数，我们把这个值叫做index。其实这个index就是索引将要插入的值在数组中的 位置。第2步那个算法的意义就是希望能够得出均匀的index，这是HashTable的改进，HashTable中的算法只是把key的 hashcode与length相除取余，即hash % length，这样有可能会造成index分布不均匀。还有一点需要说明，HashMap的键可以为null，它的值是放在数组的第一个位置。 
 

(4) :我们用table[index]表示已经找到的元素需要存储的位置。先判断该位置上有没有元素（这个元素是HashMap内部定义的一个类Entity， 基本结构它包含三个类，key，value和指向下一个Entity的next）,没有的话就创建一个Entity<K,V>对象，在 table[index]位置上插入，这样插入结束；如果有的话，通过链表的遍历方式去逐个遍历，看看有没有已经存在的key，有的话用新的value替 换老的value；如果没有，则在table[index]插入该Entity，把原来在table[index]位置上的Entity赋值给新的 Entity的next，这样插入结束。
 总结： Key ->  hashCode -> h -> index -> 遍历链表 -> 插入

要同时复写equals方法和hashCode方法。

按照散列函数的定义，如果两个对象相同，即obj1.equals(obj2)=true，则它们的hashCode必须相同，但如果两个对象不同，则它们的hashCode不一定不同。

如果两个不同对象的hashCode相同，这种现象称为冲突，冲突会导致操作哈希表的时间开销增大，所以尽量定义好的hashCode()方法，能加快哈希表的操作。

文章转载自博客园，版权归原作者所有

---

编辑：比特李哥

导师微信 / 15596668826

导师QQ / 2799935869

导师Tel / 15249287076