Java HashSet(散列集),HashMap(散列映射)的簡單介紹

更新時間：2021年01月04日 09:33:07 作者：dylan''''s blog

這篇文章主要介紹了Java HashSet(散列集),HashMap(散列映射)的簡單介紹，幫助大家更好的理解和學習Java集合框架的相關知識，感興趣的朋友可以了解下

簡介

本篇將簡單講解Java集合框架中的HashSet與HashMap。

散列集（HashSet）

快速入門

底層原理：動態(tài)數(shù)組加單向鏈表或紅黑樹。JDK 1.8之后，當鏈表長度超過閾值8時，鏈表將轉換為紅黑樹。
查閱HashSet的源碼，可以看到HashSet的底層是HashMap，HashSet相當于只用了HashMap鍵Key的部分，當需要進行添加元素操作時，其值Value始終為常量PRESENT = new Object()。以下為HashSet的代碼片段：

private transient HashMap<E,Object> map;

public HashSet() {
 map = new HashMap<>();
}

public boolean add(E e) {
 return map.put(e, PRESENT)==null;
}

public Iterator<E> iterator() {
  return map.keySet().iterator();
}

上面說到，在JDK 1.8之后，當鏈表長度超過閾值8時，鏈表將轉為紅黑樹；當鏈表長度小于6時，紅黑樹重新轉為鏈表。那么為什么閾值是8呢？
閾值定義為8，符合數(shù)學概率論上的泊松分布Poisson。根據(jù)泊松分布，一個桶bucket是很難被填滿達到長度8的。
一旦用于存儲數(shù)據(jù)的鏈表長度達到閾值8，則很大的可能是該HashSet所使用的散列函數(shù)性能不佳、或存在惡意代碼向集中添加了很多具有相同散列碼的值，此時轉為平衡二叉樹可以提高性能。

散列表

鏈表LinkedList、數(shù)組Array或數(shù)組列表ArrayList都有一個共同的缺點：根據(jù)值查找元素速度慢。一旦存放的數(shù)據(jù)較多，查找速度將十分緩慢。
如果應用中開發(fā)者不在意元素的排列順序，此時推薦使用的數(shù)據(jù)結構為散列表。散列表用于快速查找對象。
使用散列表的關鍵是對象必須具備一個散列碼，通過對象內HashCode()方法即可計算得到對象的散列碼。一般情況下，不同數(shù)據(jù)的對象將產(chǎn)生不同的散列碼。
下表顯示了使用String類中hashCode()方法成的散列碼：

字符串	散列碼
"Lee"	76268
"lee"	107020
"eel"	100300

在Java中，散列表HashTable使用動態(tài)數(shù)組加鏈表或紅黑樹的形式實現(xiàn)。
動態(tài)數(shù)組中的每個位置被稱為桶bucket。要想查找元素位于散列表中的位置，需要首先計算元素的散列碼，然后與桶的總數(shù)取余，所得到的結果就是保存這個元素的桶的索引。
假設動態(tài)數(shù)組為table，對象a的散列碼為hashCode，則元素將存放在table的索引為hashCode % table.size()，通常將該索引值成為散列值，它與散列碼是不一樣的。

例如，如果某個對象的散列碼為76268，并且有128個桶，那么這個對象應該保存在第108號桶中，因為76268%128=108。
如果在這個桶中沒有其他的元素，此時將元素直接插入到桶中即可；但如果桶已經(jīng)被填充，這種現(xiàn)象被稱為散列沖突hash collision。發(fā)生散列沖突，需要將新對象與桶中的所有對象進行比較，查看這個對象是否已經(jīng)存在。
此時如果散列碼合理地隨機分布（可以理解為散列函數(shù)hashCode()合理），桶的數(shù)目也足夠大，需要比較的次數(shù)就會很少。
在Java 8中，桶滿時會從鏈表變?yōu)槠胶舛鏄?。如果選擇的散列函數(shù)不好，會產(chǎn)生很多沖突，或者如果有惡意代碼試圖在散列表中填充多個有相同散列碼的值，這樣改為平衡二叉樹能提高性能。
如果需要更多地控制散列表的性能，可以指定一個初始的桶數(shù)。桶數(shù)是指用于收集具有相同散列值的桶的數(shù)目。如果要插入到散列表中的元素太多，就會增加沖突數(shù)量，降低檢索的性能。
如果大致知道最終會有多少個元素要插入到散列表中，就可以設置桶數(shù)。通常，將桶數(shù)設置為預計元素個數(shù)的75%~150%。有些研究人員認為：最好將桶數(shù)設置為一個素數(shù)，以防止鍵的聚集。不過，對此并沒有確鑿的證據(jù)。
標準類庫使用的桶數(shù)是2的次冪，默認值為16（為表大小提供的任何值，都將自動轉換為2的下一個冪值）。
但是，并不總能夠知道需要存儲多少個元素，也有可能最初的估計過低。如果散列表太滿，就需要再散列rehashed。如果要對散列表再散列，就需要創(chuàng)建一個桶數(shù)更多的表，并將所有元素插入到這個新表中，然后丟棄原來的表。裝填因子load factor可以確定何時對散列表進行再散列。
例如，如果裝填因子是0.75（默認值），說明表中已經(jīng)填滿了75%以上，就會自動再散列，新表的桶數(shù)是原來的兩倍。對于大多數(shù)程序來說，裝填因子為0.75是合理的。
散列表可以用于實現(xiàn)很多重要的數(shù)據(jù)結構，其中最簡單的是集類型。集是沒有重復元素的元素集合，其中add方法首先會在這個集中查找要添加的對象，如果不存在，就添加這個對象。
Java集合框架提供了一個HashSet類，它實現(xiàn)了基于散列表的集?？梢杂胊dd方法添加元素。contains方法已經(jīng)被重新定義，用來快速查找某個元素是否已經(jīng)在集中。它只查看一個桶中的元素，而不必查看集合中所有元素。
散列集迭代器將依次訪問所有的桶，由于散列將元素分散在表中，所以會以一種看起來隨機的順序訪問元素。只有不關心集合中元素的順序時，才應該使用HashSet。
而HashSet的實現(xiàn)基于HashMap，在隨后會對HashMap的部分源碼進行分析，以了解其初始容量及擴容機制。

散列映射（HashMap）

快速入門

底層原理：動態(tài)數(shù)組加單向鏈表或紅黑樹。JDK 1.8之后，當鏈表長度超過閾值8時，鏈表將轉換為紅黑樹。默認散列表中的動態(tài)數(shù)組長度為16，散列因子為0.75，擴容閾值為12。
擴容機制：擴容后散列表中的動態(tài)數(shù)組長度，變?yōu)榕f動態(tài)數(shù)組的兩倍。擴容閾值為散列因子與動態(tài)數(shù)組長度的乘積。
以下為HashMap中代表單向鏈表結構的Node<K, V>類，與代表紅黑樹結構的TreeNode<K, V>類。

// HashMap.java源碼
// 基于單向鏈表的用于存儲數(shù)據(jù)的對象
static class Node<K,V> implements Map.Entry<K,V> {
 final int hash;
 final K key;
 V value;
 Node<K,V> next;

 Node(int hash, K key, V value, Node<K,V> next) {
  this.hash = hash;
  this.key = key;
  this.value = value;
  this.next = next;
 }
 ...
}

// 基于紅黑樹的用于存儲數(shù)據(jù)的對象
static final class TreeNode<K,V> extends LinkedHashMap.Entry<K,V> {
 TreeNode<K,V> parent; // red-black tree links
 TreeNode<K,V> left;
 TreeNode<K,V> right;
 TreeNode<K,V> prev; // needed to unlink next upon deletion
 boolean red;
 TreeNode(int hash, K key, V val, Node<K,V> next) {
  super(hash, key, val, next);
 }
 ...
}

二次散列

散列映射HashMap只對鍵進行散列，與鍵關聯(lián)的值不進行散列。以下為HashMap中的部分源碼：

public V put(K key, V value) {
 return putVal(hash(key), key, value, false, true);
}

static final int hash(Object key) {
 int h;
 return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}

所有使用put()方法存入HashMap中的鍵值對，都會在內部調用putVal()進行添加元素操作。putVal()方法的第一個參數(shù)則需要提供key的散列碼。
此處并沒有直接使用key.hashCode()，而是使用了HashMap中的hash()方法對key進行二次散列。二次散列可以理解為在對象調用它的散列函數(shù)之后，再進行一次額外的計算。二次散列有助于獲得更好的散列碼。

擴容機制

HashMap中的動態(tài)數(shù)組初始容量為16，默認的散列因子為0.75，即在容量到達16 * 0.75 = 12時，會對動態(tài)數(shù)組進行擴容處理，上限容量被稱為threshold。
擴容后的HashMap，其動態(tài)數(shù)組容量為原來的2倍，由于散列因子不會改變，因此threshold也為原來的2倍。
以下為HashMap中resize()、putVal()的源碼：

final Node<K,V>[] resize() {
 Node<K,V>[] oldTab = table;
 int oldCap = (oldTab == null) ? 0 : oldTab.length;
 int oldThr = threshold;
 int newCap, newThr = 0;
 if (oldCap > 0) {
  if (oldCap >= MAXIMUM_CAPACITY) {
   threshold = Integer.MAX_VALUE;
   return oldTab;
  }
  else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&
     oldCap >= DEFAULT_INITIAL_CAPACITY)
   newThr = oldThr << 1; // double threshold
 }
 else if (oldThr > 0) // initial capacity was placed in threshold
  newCap = oldThr;
 else {    // 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);
 }
 threshold = newThr;
 @SuppressWarnings({"rawtypes","unchecked"})
 Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap];
 table = newTab;
 if (oldTab != null) {
  for (int j = 0; j < oldCap; ++j) {
   Node<K,V> e;
   if ((e = oldTab[j]) != null) {
    oldTab[j] = null;
    if (e.next == null)
     newTab[e.hash & (newCap - 1)] = e;
    else if (e instanceof TreeNode)
     ((TreeNode<K,V>)e).split(this, newTab, j, oldCap);
    else { // preserve order
     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;
}

final V putVal(int hash, K key, V value, boolean onlyIfAbsent,
    boolean evict) {
 Node<K,V>[] tab; Node<K,V> p; int n, i;
 if ((tab = table) == null || (n = tab.length) == 0)
  n = (tab = resize()).length; // 第一個resize()是進行動態(tài)數(shù)組Node<K, V>[]初始化的操作，不會進行擴容
 if ((p = tab[i = (n - 1) & hash]) == null)
  tab[i] = newNode(hash, key, value, null);
 else {
  Node<K,V> e; K k;
  if (p.hash == hash &&
   ((k = p.key) == key || (key != null && key.equals(k))))
   e = p;
  else if (p instanceof TreeNode)
   e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
  else {
   for (int binCount = 0; ; ++binCount) {
    if ((e = p.next) == null) {
     p.next = newNode(hash, key, value, null);
     if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st
      treeifyBin(tab, hash);
     break;
    }
    if (e.hash == hash &&
     ((k = e.key) == key || (key != null && key.equals(k))))
     break;
    p = e;
   }
  }
  if (e != null) { // existing mapping for key
   V oldValue = e.value;
   if (!onlyIfAbsent || oldValue == null)
    e.value = value;
   afterNodeAccess(e);
   return oldValue;
  }
 }
 ++modCount;
 // 當HashMap中元素數(shù)量大于閾值threshold，則會進行擴容resize()操作
 if (++size > threshold)
  resize();
 afterNodeInsertion(evict);
 return null;
}

通過源碼可以知道，HashMap在初始化的時候并不會立即為動態(tài)數(shù)組分配內存，直到調用putVal()為止，才會在putVal()中調用resize()方法初始化動態(tài)數(shù)組。
動態(tài)數(shù)組Node<K, V>[]將在resize()中完成初始化或擴容的操作。
其中有關初始化的關鍵代碼為：

newCap = DEFAULT_INITIAL_CAPACITY; // DEFAULT_INITIAL_CAPACITY = 1 << 4，即默認大小為16。
newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY); // threshold = newCap * 0.75，即默認為12。

有關于擴容的關鍵代碼為：

if (oldCap > 0) { // 當動態(tài)數(shù)組擁有默認容量時，如果再次調用resize()，則一定會進行擴容操作
 if (oldCap >= MAXIMUM_CAPACITY) {
  threshold = Integer.MAX_VALUE;
  return oldTab;
 } else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY && oldCap >= DEFAULT_INITIAL_CAPACITY) { // 容量為原來的2倍
  newThr = oldThr << 1; // 閾值為原來的2倍
 }
}