Java数据结构之Map
在java编程语言中，最基本的结构就是两种，一个是数组，另一个是模拟指针（引用），所有的数据结构都可以用这两个基本结构来构造的。HashMap实际上是一个数组和链表的结合体（在数据结构中，一般称之为“链表散列”）。
什么是数组？
Java提供了一个用于存储相同类型元素的，固定大小的连续集合数据结构：数组。
什么是链表？
链表是一种物理存储单元上非连续、非顺序的存储结构，数据元素的逻辑顺序是通过链表中的指针链接次序实现的。链表由一系列结点（链表中每一个元素称为结点）组成，结点可以在运行时动态生成。每个结点包括两个部分：一个是存储数据元素的数据域，另一个是存储下一个结点地址的指针域。
链表与数组的主要区别
（1）数组的元素个数是固定的,而组成链表的结点个数可按需要增减；
（2）数组元素的存诸单元在数组定义时分配，链表结点的存储单元在程序执行时动态向系统申请；
（3）数组中的元素顺序关系由元素在数组中的位置(即下标)确定，链表中的结点顺序关系由结点所包含的指针来体现；
（4）对于不是固定长度的列表,用可能最大长度的数组来描述，会浪费许多内存空间。
（5）对于元素的插人、删除操作非常频繁的列表处理场合，用数组表示列表也是不适宜的。若用链表实现，会使程序结构清晰，处理的方法也较为简便。
例如：在一个列表中间要插人一个新元素，如用数组表示列表，为完成插入工作，插入处之后的全部元素必须向后移动一个位置空出的位置用于存储新元素。对于在一个列表中删除一个元素情况，为保持数组中元素相对位置连续递增，删除处之后的元素都得向前移一个位置。如用链表实现列表.链表结点的插人或删除操作不再需要移动结点，只需改变相关的结点中的后继结点指针的值即可，与结点的实际存储位置无关。
HashMap的数据结构
JDK环境：1.8
HsahMap实现类 继承了 AbstractMap抽象类，并实现了Map,Cloneable,Serializable 接口 表示可以被克隆，序列化
public class HashMap<K,V> extends AbstractMap<K,V> implements Map<K,V>, Cloneable, Serializable { // 内容... }
存储的内容： key-value 键值对
数据结构：数组+链表(单向)+ 1.8后新增红黑树（当一个数组里，链表长度>=(阈值-默认8)-1 的时候 会将链表转化成红黑树（平衡））
重要参数：
- 初始容量大小（默认值）：
static final int DEFAULT_INITIAL_CAPACITY = 1 << 4; // aka 16
- 数组最大容量：
static final int MAXIMUM_CAPACITY = 1 << 30；
- 负载因子
static final float DEFAULT_LOAD_FACTOR = 0.75f;
- 链表转红黑树阀值（链表中长度>=8-1 的时候会转为红黑树）
static final int TREEIFY_THRESHOLD = 8;
- 最小树形化数组容量阀值
static final int MIN_TREEIFY_CAPACITY = 64;
源码解析：
1、HashMap构造方法
/* 无参数 默认长度16，负载因子0.75 */ public HashMap() { this.loadFactor = DEFAULT_LOAD_FACTOR; // all other fields defaulted } /* 一个参数 还是调用2个带参构造（传入的容量,加载因子取默认值）*/ public HashMap(int initialCapacity) { this(initialCapacity, DEFAULT_LOAD_FACTOR); } /* 两个参数 */ public HashMap(int initialCapacity, float loadFactor) { if (initialCapacity < 0) // 长度必须>=0 throw new IllegalArgumentException("Illegal initial capacity: " + initialCapacity); if (initialCapacity > MAXIMUM_CAPACITY)// 检查传入的容量 是否大于最大容量 1<<30 initialCapacity = MAXIMUM_CAPACITY;// 当传入的容量 大于最大容量 1<<30的话 ，则将传入的容量调整为最大容量 if (loadFactor <= 0 || Float.isNaN(loadFactor)) // 加载因子必须>0 throw new IllegalArgumentException("Illegal load factor: " + loadFactor); this.loadFactor = loadFactor; this.threshold = tableSizeFor(initialCapacity); // 负载容量 } /* 参数为Map */ public HashMap(Map<? extends K, ? extends V> m) { this.loadFactor = DEFAULT_LOAD_FACTOR; putMapEntries(m, false); }
2、带着问题看源码
通过解析上面的构造方法源码，我们已经知道了“最大容量”的使用场景，接下来让我一起去探究一下，其他几个参数的使用场景，这里提几个小问题，最后我看能不呢找到答案：
- HashMap默认长度为16（2^4）有什么意义？
- HashMap加载因子（loadfactor）为什么默认是0.75？
- key的hashCode与equals方法为什么要重写？
3、解析put方法
public V put(K key, V value) { return putVal(hash(key), key, value, false, true); }
3.1、hash(key)
static final int hash(Object key) { int h; return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16); }
3.2、putVal
// 第三个参数 onlyIfAbsent 如果是 true，那么只有在不存在该 key 时才会进行 put 操作 // 第四个参数 evict 我们这里不关心 final V putVal(int hash, K key, V value, boolean onlyIfAbsent, boolean evict) { Node<K,V>[] tab; Node<K,V> p; int n, i; // 第一次 put 值的时候，会触发下面的 resize()，类似 java7 的第一次 put 也要初始化数组长度 // 第一次 resize 和后续的扩容有些不一样，因为这次是数组从 null 初始化到默认的 16 或自定义的初始容量 if ((tab = table) == null || (n = tab.length) == 0) n = (tab = resize()).length; // 找到具体的数组下标，如果此位置没有值，那么直接初始化一下 Node 并放置在这个位置就可以了 if ((p = tab[i = (n - 1) & hash]) == null) tab[i] = newNode(hash, key, value, null); else {// 数组该位置有数据 Node<K,V> e; K k; // 首先，判断该位置的第一个数据和我们要插入的数据，key 是不是"相等"，如果是，取出这个节点 if (p.hash == hash && ((k = p.key) == key || (key != null && key.equals(k)))) e = p; // 如果该节点是代表红黑树的节点，调用红黑树的插值方法 else if (p instanceof TreeNode) e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value); else { // 到这里，说明数组该位置上是一个链表 for (int binCount = 0; ; ++binCount) { // 插入到链表的最后面(Java7 是插入到链表的最前面) if ((e = p.next) == null) { p.next = newNode(hash, key, value, null); // TREEIFY_THRESHOLD 为 8，所以，如果新插入的值是链表中的第 9 个 // 会触发下面的 treeifyBin，也就是将链表转换为红黑树 if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st treeifyBin(tab, hash); break; } // 如果在该链表中找到了"相等"的 key(== 或 equals) if (e.hash == hash && ((k = e.key) == key || (key != null && key.equals(k)))) // 此时 break，那么 e 为链表中[与要插入的新值的 key "相等"]的 node break; p = e; } } // e!=null 说明存在旧值的key与要插入的key"相等" // 对于我们分析的put操作，下面这个 if 其实就是进行 "值覆盖"，然后返回旧值 if (e != null) { V oldValue = e.value; if (!onlyIfAbsent || oldValue == null) e.value = value; afterNodeAccess(e); return oldValue; } } ++modCount; // 如果 HashMap 由于新插入这个值导致 size 已经超过了阈值，需要进行扩容 if (++size > threshold) resize(); afterNodeInsertion(evict); return null; }
3.3、Node节点
static class Node<K,V> implements Map.Entry<K,V> { final int hash;// key hash值 final K key; V value; Node<K,V> next;// 指向下一个节点的指针 }
3.4、数组扩容：resize()
final Node<K,V>[] resize() { Node<K,V>[] oldTab = table; int oldCap = (oldTab == null) ? 0 : oldTab.length; //老容量 int oldThr = threshold; //老阈值 int newCap, newThr = 0; if (oldCap > 0) { // 老容量不为空，对数组扩容 if (oldCap >= MAXIMUM_CAPACITY) { //如果老容量大于最大的容量的话，则设置 最大容量为Integer最大数值（之后不再扩容） threshold = Integer.MAX_VALUE; return oldTab; } // 将数组大小扩大一倍 else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY && oldCap >= DEFAULT_INITIAL_CAPACITY) // 新数组容量小于1 << 30，且老数组容量大于等于 1 << 4 // 将阈值扩大一倍 newThr = oldThr << 1; // double threshold } else if (oldThr > 0) // 对应使用 new HashMap(int initialCapacity) 初始化后，第一次 put 的时候 newCap = oldThr; else {// 对应使用 new HashMap() 初始化后，第一次 put 的时候 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; // 用新的数组大小初始化新的数组 Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap]; table = newTab; // 如果是初始化数组，到这里就结束了，返回 newTab 即可 if (oldTab != null) { // 开始遍历原数组，进行数据迁移。 for (int j = 0; j < oldCap; ++j) { Node<K,V> e; if ((e = oldTab[j]) != null) { oldTab[j] = null; // 如果该数组位置上只有单个元素，那就简单了，简单迁移这个元素就可以了 if (e.next == null) newTab[e.hash & (newCap - 1)] = e; // 如果是红黑树，具体我们就不展开了 else if (e instanceof TreeNode) ((TreeNode<K,V>)e).split(this, newTab, j, oldCap); else { // 这块是处理链表的情况， // 需要将此链表拆成两个链表，放到新的数组中，并且保留原来的先后顺序 // loHead、loTail 对应一条链表，hiHead、hiTail 对应另一条链表，代码还是比较简单的 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; // 第一条链表 newTab[j] = loHead; } if (hiTail != null) { hiTail.next = null; // 第二条链表的新的位置是 j + oldCap，这个很好理解 newTab[j + oldCap] = hiHead; } } } } } return newTab; }
3.5、链表与红黑树互转：treeifyBin()
final void treeifyBin(Node<K,V>[] tab, int hash) { int n, index; Node<K,V> e; // 判断capacity是否小于最小树形化容量阈值：64 if (tab == null || (n = tab.length) < MIN_TREEIFY_CAPACITY) resize();// 对数组容量进行扩容 else if ((e = tab[index = (n - 1) & hash]) != null) { TreeNode<K,V> hd = null, tl = null; do { TreeNode<K,V> p = replacementTreeNode(e, null); if (tl == null) hd = p; else { p.prev = tl; tl.next = p; } tl = p; } while ((e = e.next) != null); if ((tab[index] = hd) != null) hd.treeify(tab); } }
现在我们做下总结，通过put的源码解析，我们已经知道了Map重要参数的用处，那为什么数组的初始大小是16呢？
在HashMap中要找到某个元素，需要通过key的hash值来求得对应数组中的位置。如何提高hashMap的访问性能，减少遍历链表？
可以看到，key在数组的下标值为：key的hashcode值，跟数组的长度-1做一次“与”运算（&）。为什么hashMap的数组初始化大小都是2的次方大小时，hashMap的访问效率最高。
下面我们以8和9分别作为key，16和15作为数组初始大小，进行计算：
接着我们再介绍一个概念：加载因子
加载因子 = 填入表中的元素个数 / 散列表的长度
加载因子越大，填满的元素越多，空间利用率越高，但发生冲突的机会变大了；加载因子越小，填满的元素越少，冲突发生的机会减小，但空间浪费了更多了，而且还会提高扩容rehash操作的次数。冲突的机会越大，说明需要查找的数据还需要通过另一个途径查找，这样查找的成本就越高。因此，必须在“冲突的机会”与“空间利用率”之间，寻找一种平衡与折衷。
那么为什么选择了0.75作为HashMap的加载因子呢？笔者不才，通过看源码解释和大佬的文章，才知道这个跟一个统计学里很重要的原理——泊松分布有关。
泊松分布是统计学和概率学常见的离散概率分布，适用于描述单位时间内随机事件发生的次数的概率分布。有兴趣的读者可以看看维基百科或者阮一峰老师的这篇文章：泊松分布和指数分布：10分钟教程
等号的左边，P 表示概率，N表示某种函数关系，t 表示时间，n 表示数量。等号的右边，λ 表示事件的频率。关于具体的分析，请移步：HashMap的加载因子为什么是0.75？
4、解析get()
final Node<K,V> getNode(int hash, Object key) { Node<K,V>[] tab; Node<K,V> first, e; int n; K k; if ((tab = table) != null && (n = tab.length) > 0 && (first = tab[(n - 1) & hash]) != null) { // 判断第一个节点是不是就是需要的 if (first.hash == hash && // always check first node ((k = first.key) == key || (key != null && key.equals(k)))) return first; if ((e = first.next) != null) { // 判断是否是红黑树 if (first instanceof TreeNode) return ((TreeNode<K,V>)first).getTreeNode(hash, key); // 链表遍历 do { if (e.hash == hash && ((k = e.key) == key || (key != null && key.equals(k)))) return e; } while ((e = e.next) != null); } } return null; }
5、解析remove()
final Node<K,V> removeNode(int hash, Object key, Object value, boolean matchValue, boolean movable) { Node<K,V>[] tab; Node<K,V> p; int n, index; if ((tab = table) != null && (n = tab.length) > 0 && (p = tab[index = (n - 1) & hash]) != null) { Node<K,V> node = null, e; K k; V v; if (p.hash == hash && ((k = p.key) == key || (key != null && key.equals(k)))) node = p; else if ((e = p.next) != null) { if (p instanceof TreeNode) node = ((TreeNode<K,V>)p).getTreeNode(hash, key); else { do { if (e.hash == hash && ((k = e.key) == key || (key != null && key.equals(k)))) { node = e; break; } p = e; } while ((e = e.next) != null); } } // 上面代码与get()基本一样 // 根据查询到的值 删除 if (node != null && (!matchValue || (v = node.value) == value || (value != null && value.equals(v)))) { if (node instanceof TreeNode) //如果是树结构 ，那么以红黑树删除 ((TreeNode<K,V>)node).removeTreeNode(this, tab, movable); else if (node == p) // 该node节点是首节点 tab[index] = node.next; //删除 在数组内替换 else p.next = node.next; //node不是首节点 p是node的父节点，只需要把p的下一个节点指向到node的下一个节点即可把node从链表中删除了 ++modCount; --size; afterNodeRemoval(node); return node; } } return null; }
6、总结
- 1.7采用数组+单链表，1.8在单链表超过一定长度后改成红黑树存储
- 1.7扩容时需要重新计算哈希值和索引位置（resize()里面调用transfer()），1.8并不重新计算哈希值，巧妙地采用和扩容后容量进行&操作来计算新的索引位置。（图解jdk1.8扩容机制）
- 1.7插入元素到单链表中采用头插入法，1.8采用的是尾插入法（在并发扩容的状态下，不会造成 链表死循环）。
