为啥HashMap的负载因子是0.75

Posted 2023-05-09

参考技术A HashMap是用来快速查找内容的一种数据结构。使用n个桶存储数据，数据具体存储在哪个桶中是由Hash算法决定的，即对原始内容执行Hash后得出对应桶的序号。

然后这种数据结构会遇到一些问题，由于内存空间有限，所以桶的数量也是有限制的。当桶的数量较小时就容易出现较多内容放在同一个桶中的情况。HashMap中使用默认的0.75作为桶空间的阈值，如果超过这个大小就需要增加桶的数量，以防止较多内容聚集在相同的桶中。

关于为什么0.75就是经常被拿来当做面试问题了。首先通过人脑直观来考虑这个事情，假设我现在有n个桶，那么数据放到多少我需要增加更多的桶呢。这个时候会出现直观的数字0.5，如果桶已经装满一半了那么之后添加内容分配到空桶的概率会低于分配到有内容桶的概率，可想而知从这个点之后将会出现越来越多的内容在相同的桶中。从这里来看这个0.5是个非常优秀的数字它是一个趋势的转折点。

但是这个0.5和负载因子是不一样的，这个0.5我们是指已经有一半的桶被占用了，而HashMap中的负载因子与我们存入的数据总数量相关，并且根据之前对这种数据结构的了解，数据会存在一定概率出现在一个桶中，所以当一半桶都被占用的时候我们实际存储的数据数量是大于0.5n的。

这里假设对于新的内容分配到各个桶的概率是相同的，当前内容数据大小为s。这里使用二项分布的概念，当我们进行了s次插入操作（实验），那么序号0的桶是空桶的概率是多少呢。即：

可以明显看出来当s增加P(0)是空桶的概率也会下降，这里用1/2来计算这个分界。即：

然后算下负载因子f=(s/n)对n取极限：

为了解决这个问题可以先解决 这个问题 ：

我们得到的结果就是上面式子的倒数即e，把log换成ln即得出我们的负载因子界限值 ，这个值约等于0.6931，所以0.75的取值范围是与这个界限相近的并且由于基础是16个容量空间，使用0.75也不会算出小数是一个不错的值选取。

HashMap的底层实现原理？ HashMap 和 Hashtable的异同？ 负载因子值的大小，对HashMap有什么影响？

 1. HashMap的底层实现原理

      HashMap的底层：数组+链表 （jdk7及之前）

                    数组+链表+红黑树 （jdk 8）

HashMap的底层实现原理？以jdk7为例说明：

      HashMap map = new HashMap():
      在实例化以后，底层创建了长度是16的一维数组Entry[] table。
      ...可能已经执行过多次put...
      map.put(key1,value1):
      首先，调用key1所在类的hashCode()计算key1哈希值，此哈希值经过某种算法计算以后，得到在Entry数组中的存放位置。
      如果此位置上的数据为空，此时的key1-value1添加成功。 ----情况1
      如果此位置上的数据不为空，(意味着此位置上存在一个或多个数据(以链表形式存在)),比较key1和已经存在的一个或多个数据
      的哈希值：
              如果key1的哈希值与已经存在的数据的哈希值都不相同，此时key1-value1添加成功。----情况2
              如果key1的哈希值和已经存在的某一个数据(key2-value2)的哈希值相同，继续比较：调用key1所在类的equals(key2)方法，比较：
                      如果equals()返回false:此时key1-value1添加成功。----情况3
                      如果equals()返回true:使用value1替换value2。

       补充：关于情况2和情况3：此时key1-value1和原来的数据以链表的方式存储。

      在不断的添加过程中，会涉及到扩容问题，当超出临界值(且要存放的位置非空)时，扩容。默认的扩容方式：扩容为原来容量的2倍，并将原有的数据复制过来。

      jdk8 相较于jdk7在底层实现方面的不同：
      1. new HashMap():底层没有创建一个长度为16的数组
      2. jdk 8底层的数组是：Node[],而非Entry[]
      3. 首次调用put()方法时，底层创建长度为16的数组
      4. jdk7底层结构只有：数组+链表。jdk8中底层结构：数组+链表+红黑树。
         4.1 形成链表时，七上八下（jdk7:新的元素指向旧的元素。jdk8：旧的元素指向新的元素）
          4.2 当数组的某一个索引位置上的元素以链表形式存在的数据个数 > 8 且当前数组的长度 > 64时，此时此索引位置上的所数据改为使用红黑树存储。

      DEFAULT_INITIAL_CAPACITY : HashMap的默认容量，16
      DEFAULT_LOAD_FACTOR：HashMap的默认加载因子：0.75
      threshold：扩容的临界值，=容量*填充因子：16 * 0.75 => 12
      TREEIFY_THRESHOLD：Bucket中链表长度大于该默认值，转化为红黑树:8
      MIN_TREEIFY_CAPACITY：桶中的Node被树化时最小的hash表容量:64



2.HashMap 和 Hashtable的异同？

*  |----Map:双列数据，存储key-value对的数据   ---类似于高中的函数：y = f(x)
*         |----HashMap:作为Map的主要实现类；线程不安全的，效率高；存储null的key和value
*              |----LinkedHashMap:保证在遍历map元素时，可以按照添加的顺序实现遍历。
*                      原因：在原有的HashMap底层结构基础上，添加了一对指针，指向前一个和后一个元素。
*                      对于频繁的遍历操作，此类执行效率高于HashMap。
*         |----TreeMap:保证按照添加的key-value对进行排序，实现排序遍历。此时考虑key的自然排序或定制排序
*                      底层使用红黑树
*         |----Hashtable:作为古老的实现类；线程安全的，效率低；不能存储null的key和value
*              |----Properties:常用来处理配置文件。key和value都是String类型

3.负载因子值的大小，对HashMap有什么影响？

 负载因子的大小决定了HashMap的数据密度。
 负载因子越大密度越大，发生碰撞的几率越高，数组中的链表越容易长,
造成查询或插入时的比较次数增多，性能会下降。
 负载因子越小，就越容易触发扩容，数据密度也越小，意味着发生碰撞的
几率越小，数组中的链表也就越短，查询和插入时比较的次数也越小，性
能会更高。但是会浪费一定的内容空间。而且经常扩容也会影响性能，建
议初始化预设大一点的空间。
 按照其他语言的参考及研究经验，会考虑将负载因子设置为0.7~0.75，此
时平均检索长度接近于常数。