|
对hash的理解
将任意长度的输入，转化为固定长度的输出，会产生hash冲突，举例（有10个苹果，9个盒子，则肯定有一个盒子里面装两个）
好的hash算法应该有什么特点：首先效率要高，对长文本也能高效的计算出hash值；
不能根据hash值逆推出来原文；散列度较高输入有一点不同，得到的hash值就不同；极可能分散；
static final int hash(Object key) {
int h;
//将hashcode的高16位参与运算 防止散列
return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}
Node中的hash值不是key字段的hashcode值，而是key的hashcode经过二次hash后得到的结果hashcode的高16位与低16位异或操作后得到的
原因：因为大多数使用的hashmap的长度都不是很大，因此在进行寻址操作的时候(table.length - 1) & hash用的大多数都是低16位，因此将让hashcode的高16位也参与运算，减少hash冲突
JDK8链表 数组 红黑树
hashmap里面存储的元素是Node类型，里面包括key value hash next
3.创建hashmap默认长度为16
第一次put数据的时候会进行hashmap的创建，默认长度为16，负载因子为0.75，第一次扩容阈值为12
4.链表转化为红黑树的条件是，链表长度到达8，并且散列表数组的长度到达64，否则的话，就算链表长度到达8，也不会转化为红黑树，只会触发扩容操作resize();
put操作
首先都是进行hash算法，计算出具体的hash值，然后再根据寻址算法，计算出具体的桶位。
计算出具体的桶位后，分4种情况1.桶位没有元素 则直接将元素插入进去即可
2.桶位有元素但是没有形成链表(只有一个元素)，此时需要将元素与要插入的元素key进行比较，如果相同则直接替换value，并且返回oldvalue
?3.桶位元素形成链表，遍历链表，对每一个节点，都进行key的比较，如果相同则发生和2相同的情况，如果不同则将元素插入链表尾结点，并且进行判断，链表长度是否达到8，如果达到8则需要进行树化操作
?4.桶位链表已经转化为红黑树，红黑树的插入操作,先找父节点，第一种是一直向下探测，直到找到左子树或者右子树为空，说明整个树中没有发现key相同的节点，此时节点就是插入节点的父节点，将当前节点插入到父节点的左子树或者右子树，根据插入节点的hash大小判断是左子树还是右子树，插入后有可能会打破平衡，需要平衡算法。第二种是，探测过程中找到key相同的节点，则直接返回该节点，然后进行替换操作。
红黑树特点
1.根节点为黑
2.叶子节点为黑
3.红节点儿子节点必须为黑
4.根绝点到叶子节点路径上的黑节点数相同
5.插入节点为红
1.扩容为原来的2倍，位移运算(考虑性能 位移运算操作效率高效)
2.老数组的数据进行迁移，rehash,分为4种情况
2.1.为空
2.2.为一个元素，根据新表的tablesize然后计算出在新表中的桶位直接放进去
2.3.为链表，老表中，当前位置的链表所有元素hash值的低位全部为1，但是高位不一定相同，因此根据这个可以进行划分，将所有元素的hash值与老表的长度进行按位与，结果为0，则在新表中的位置还是当前数组位置下标，但是当结果为1，则在新表数组的下标为当前下标加上老表的长度。
2.4.为红黑树 根据红黑树元素TreeNode节点里面的next属性，然后先将红黑树进行split具体判断与链表的划分相同，分为两个高低链表，然后将两个链表分别插入对应的位置，然后根据两个高低链表的长度进行判断如果长度<=6则树变为链表，否则还是要再次树化。? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ??
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) {
//tab 当前hashmap的散列表
//p 当前散列表的元素
//n 散列表数组的长度
//i 表示路由寻址
Node<K,V>[] tab; Node<K,V> p; int n, i;
//延迟初始化逻辑 第一次put会初始化
if ((tab = table) == null || (n = tab.length) == 0)//表示没有初始化 散列表为null
//创建散列表
n = (tab = resize()).length;
//寻址找到桶位为null则直接将元素放进去
if ((p = tab[i = (n - 1) & hash]) == null)
tab[i] = newNode(hash, key, value, null);
//如果已经有数据
else {
//e 表示相同的元素不为null
//k 临时的key
Node<K,V> e; K k;
//该位置第一个元素key与要插入元素的key相同 后续进行替换操作
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
e = p;
//当前位置为红黑树
else if (p instanceof TreeNode)
e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
else {
//当前位置为链表且头节点 key也不相等
for (int binCount = 0; ; ++binCount) {
if ((e = p.next) == null) {
//将元素加到链表后面
p.next = newNode(hash, key, value, null);
if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st //循环从0开始，当当值为7时，证明已经有9个元素了
//树化
treeifyBin(tab, hash);
break;
}
//找到了相同key的元素 进行替换
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
break;
p = e;
}
}
//e!=null找到了与插入元素完全相等的key需要进行替换
if (e != null) { // existing mapping for key
V oldValue = e.value;
if (!onlyIfAbsent || oldValue == null)
e.value = value;
afterNodeAccess(e);
return oldValue;
}
}
++modCount;//走到这里 表示 有元素添加进去 修改了结构
//插入元素size++ 大于扩容值则扩容
if (++size > threshold)
resize();
afterNodeInsertion(evict);
return null;
}
final Node<K,V>[] resize() {
//扩容前的hashmap表
Node<K,V>[] oldTab = table;
//扩容前数组长度
int oldCap = (oldTab == null) ? 0 : oldTab.length;
//扩容前的阈值 触发本次扩容阈值
int oldThr = threshold;
//扩容后的容量 扩容阈值大小
int newCap, newThr = 0;
//条件成立 原来hashmap中散列表已经初始化过 正常扩容
if (oldCap > 0) {
//如果之前数组长度已经大于等于最大长度 已经无法扩容
if (oldCap >= MAXIMUM_CAPACITY) {
threshold = Integer.MAX_VALUE;
return oldTab;
}
//新数组长度为旧数组长度的两倍
else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&
oldCap >= DEFAULT_INITIAL_CAPACITY)
//正常扩容直接两倍
newThr = oldThr << 1; // double threshold阈值也为原来的2倍
}
//oldcap==0 原数组为null 但是扩容阈值不为0
//1.new HashMap(initCap,loadFactor);
//2.new HashMap(initCap);
//3.new HashMap(map);map中有数据
else if (oldThr > 0) // initial capacity was placed in threshold
newCap = oldThr;
else {
//new HashMap(); oldCap= 0;oldThr = 0; // zero initial threshold signifies using defaults
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);
}
//计算出来扩容后数组的大小以及扩容阈值
threshold = newThr;
@SuppressWarnings({"rawtypes","unchecked"})
Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap];
table = newTab;
//扩容前原来的数组里面有元素
if (oldTab != null) {
for (int j = 0; j < oldCap; ++j) {
//当前node节点
Node<K,V> e;
if ((e = oldTab[j]) != null) {
//方便JVM回收
oldTab[j] = null;
//如果当前位置只有一个元素
if (e.next == null)
newTab[e.hash & (newCap - 1)] = e;
//当前位置已经树化
else if (e instanceof TreeNode)
((TreeNode<K,V>)e).split(this, newTab, j, oldCap);
//当前位置为一个链表
else { // preserve order
//当前位置为一个链表，根据元素的hash值与原来数组长度与运算，若为0则元素在新数组位置不变
//若为1则元素在新数组位置为原来下表+原来数组长度
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;
}
|