要求

  • 掌握 HashMap 的基本数据结构
  • 掌握树化
  • 理解索引计算方法、二次 hash 的意义、容量对索引计算的影响
  • 掌握 put 流程、扩容、扩容因子
  • 理解并发使用 HashMap 可能导致的问题
  • 理解 key 的设计

1）基本数据结构

  • 1.7 数组 + 链表

  • 1.8 数组 + （链表 | 红黑树）

    2）树化与退化

    树化意义

  • 红黑树用来避免 DoS 攻击，防止链表超长时性能下降，树化应当是偶然情况，是保底策略

  • hash 表的查找，更新的时间复杂度是 O(1)，而红黑树的查找，更新的时间复杂度是 O(log2⁡n )，TreeNode 占用空间也比普通 Node 的大，如非必要，尽量还是使用链表
  • hash 值如果足够随机，则在 hash 表内按泊松分布，在负载因子 0.75 的情况下，长度超过 8 的链表出现概率是 0.00000006，树化阈值选择 8 就是为了让树化几率足够小

树化规则

  • 当链表长度超过树化阈值 8 时，先尝试扩容来减少链表长度，如果数组容量已经 >=64，才会进行树化.

退化规则

  • 情况1：在扩容时如果拆分树时，树元素个数 <= 6 则会退化链表

  • 情况2：remove() 树节点时，若 root、root.left、root.right、root.left.left 有一个为 null （remove之后） ，也会退化为链表

    3）索引计算

    索引计算方法

  • 首先，计算对象的 hashCode()

  • 再进行调用 HashMap 的 hash() 方法进行二次哈希

    1. static final int hash(Object key) {
    2.       int h;
    3.       return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
    4.   }
    • 二次 hash() 是为了综合高位数据，让哈希分布更为均匀
  • 最后 & (capacity – 1) /（%capacity ）得到索引

数组容量为何是 2 的 n 次幂

  1. 计算索引时效率更高：如果是 2 的 n 次幂可以使用位与运算（&） 代替取模 （%）
  2. 扩容时重新计算索引效率更高： hash & oldCap == 0 的元素留在原来位置 ，否则新位置 = 旧位置 + oldCap

注意

  • 二次 hash 是为了配合 容量是 2 的 n 次幂 这一设计前提，如果 hash 表的容量不是 2 的 n 次幂，则不必二次 hash
  • 容量是 2 的 n 次幂 这一设计计算索引效率更好，但 hash 的分散性就不好，需要二次 hash 来作为补偿，没有采用这一设计的典型例子是 Hashtable

总结：数组容量是 2 的 n 次幂，计算时索引效率更高，但hash分散性不好，需要二次hash来作为补偿。

4）put 与扩容

put 流程

  1. HashMap 是懒惰创建数组的，首次使用才创建数组
  2. 计算索引（桶下标）
  3. 如果桶下标还没人占用，创建 Node 占位返回
  4. 如果桶下标已经有人占用
    1. 已经是 TreeNode 走红黑树的添加或更新逻辑
    2. 是普通 Node，走链表的添加或更新逻辑，如果链表长度超过树化阈值，走树化逻辑
  5. 返回前检查容量是否超过阈值，一旦超过进行扩容

1.7 与 1.8 的区别

  1. 链表插入节点时，1.7 是头插法，1.8 是尾插法
  2. 1.7 是大于等于阈值且没有空位时才扩容，而 1.8 是大于阈值就扩容
  3. 1.8 在扩容计算 Node 索引时，会优化

扩容（加载）因子为何默认是 0.75f

  1. 在空间占用与查询时间之间取得较好的权衡
  2. 大于这个值，空间节省了，但链表就会比较长影响性能
  3. 小于这个值，冲突减少了，但扩容就会更频繁，空间占用也更多