HashSet(散列集)、HashMap(散列映射)
简介
- 本篇将简单讲解
Java
集合框架中的HashSet
与HashMap
。
散列集(HashSet)
快速入门
-
底层原理:动态数组加单向链表或红黑树。
JDK 1.8
之后,当链表长度超过阈值8
时,链表将转换为红黑树。 -
查阅
HashSet
的源码,可以看到HashSet
的底层是HashMap
,HashSet
相当于只用了HashMap
键Key
的部分,当需要进行添加元素操作时,其值Value
始终为常量PRESENT = new Object()
。以下为HashSet
的代码片段:
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();
}
- 上面说到,在
JDK 1.8
之后,当链表长度超过阈值8
时,链表将转为红黑树;当链表长度小于6
时,红黑树重新转为链表。那么为什么阈值是8
呢? - 阈值定义为
8
,符合数学概率论上的泊松分布Poisson
。根据泊松分布,一个桶bucket
是很难被填满达到长度8
的。 - 一旦用于存储数据的链表长度达到阈值
8
,则很大的可能是该HashSet
所使用的散列函数性能不佳、或存在恶意代码向集中添加了很多具有相同散列码的值,此时转为平衡二叉树可以提高性能。
散列表
- 链表
LinkedList
、数组Array
或数组列表ArrayList
都有一个共同的缺点:根据值查找元素速度慢。一旦存放的数据较多,查找速度将十分缓慢。 - 如果应用中开发者不在意元素的排列顺序,此时推荐使用的数据结构为散列表。散列表用于快速查找对象。
- 使用散列表的关键是对象必须具备一个散列码,通过对象内
HashCode()
方法即可计算得到对象的散列码。一般情况下,不同数据的对象将产生不同的散列码。 - 下表显示了使用
String
类中hashCode()
方法成的散列码:
字符串 | 散列码 |
---|---|
"Lee" | 76268 |
"lee" | 107020 |
"eel" | 100300 |
- 在
Java
中,散列表HashTable
使用动态数组加链表或红黑树的形式实现。 - 动态数组中的每个位置被称为桶
bucket
。要想查找元素位于散列表中的位置,需要首先计算元素的散列码,然后与桶的总数取余,所得到的结果就是保存这个元素的桶的索引。 - 假设动态数组为
table
,对象a
的散列码为hashCode
,则元素将存放在table
的索引为hashCode % table.size()
,通常将该索引值成为散列值,它与散列码是不一样的。
- 例如,如果某个对象的散列码为
76268
,并且有128
个桶,那么这个对象应该保存在第108
号桶中,因为76268%128=108
。 - 如果在这个桶中没有其他的元素,此时将元素直接插入到桶中即可;但如果桶已经被填充,这种现象被称为散列冲突
hash collision
。发生散列冲突,需要将新对象与桶中的所有对象进行比较,查看这个对象是否已经存在。 - 此时如果散列码合理地随机分布(可以理解为散列函数
hashCode()
合理),桶的数目也足够大,需要比较的次数就会很少。 - 在
Java 8
中,桶满时会从链表变为平衡二叉树。如果选择的散列函数不好,会产生很多冲突,或者如果有恶意代码试图在散列表中填充多个有相同散列码的值,这样改为平衡二叉树能提高性能。 - 如果需要更多地控制散列表的性能,可以指定一个初始的桶数。桶数是指用于收集具有相同散列值的桶的数目。如果要插入到散列表中的元素太多,就会增加冲突数量,降低检索的性能。
- 如果大致知道最终会有多少个元素要插入到散列表中,就可以设置桶数。通常,将桶数设置为预计元素个数的
75%~150%
。有些研究人员认为:最好将桶数设置为一个素数,以防止键的聚集。不过,对此并没有确凿的证据。 - 标准类库使用的桶数是
2
的次幂,默认值为16
(为表大小提供的任何值,都将自动转换为2
的下一个幂值)。 - 但是,并不总能够知道需要存储多少个元素,也有可能最初的估计过低。如果散列表太满,就需要再散列
rehashed
。如果要对散列表再散列,就需要创建一个桶数更多的表,并将所有元素插入到这个新表中,然后丢弃原来的表。装填因子load factor
可以确定何时对散列表进行再散列。 - 例如,如果装填因子是
0.75
(默认值),说明表中已经填满了75%
以上,就会自动再散列,新表的桶数是原来的两倍。对于大多数程序来说,装填因子为0.75
是合理的。 - 散列表可以用于实现很多重要的数据结构,其中最简单的是集类型。集是没有重复元素的元素集合,其中
add
方法首先会在这个集中查找要添加的对象,如果不存在,就添加这个对象。 Java
集合框架提供了一个HashSet
类,它实现了基于散列表的集。可以用add
方法添加元素。contains
方法已经被重新定义,用来快速查找某个元素是否已经在集中。它只查看一个桶中的元素,而不必查看集合中所有元素。- 散列集迭代器将依次访问所有的桶,由于散列将元素分散在表中,所以会以一种看起来随机的顺序访问元素。只有不关心集合中元素的顺序时,才应该使用
HashSet
。 - 而
HashSet
的实现基于HashMap
,在随后会对HashMap
的部分源码进行分析,以了解其初始容量及扩容机制。
散列映射(HashMap)
快速入门
- 底层原理:动态数组加单向链表或红黑树。
JDK 1.8
之后,当链表长度超过阈值8
时,链表将转换为红黑树。默认散列表中的动态数组长度为16
,散列因子为0.75
,扩容阈值为12
。 - 扩容机制:扩容后散列表中的动态数组长度,变为旧动态数组的两倍。扩容阈值为散列因子与动态数组长度的乘积。
- 以下为
HashMap
中代表单向链表结构的Node<K, V>
类,与代表红黑树结构的TreeNode<K, V>
类。
// HashMap.java源码
// 基于单向链表的用于存储数据的对象
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;
}
...
}
// 基于红黑树的用于存储数据的对象
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
只对键进行散列,与键关联的值不进行散列。以下为HashMap
中的部分源码:
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
中的键值对,都会在内部调用putVal()
进行添加元素操作。putVal()
方法的第一个参数则需要提供key
的散列码。 - 此处并没有直接使用
key.hashCode()
,而是使用了HashMap
中的hash()
方法对key
进行二次散列。二次散列可以理解为在对象调用它的散列函数之后,再进行一次额外的计算。二次散列有助于获得更好的散列码。
扩容机制
HashMap
中的动态数组初始容量为16
,默认的散列因子为0.75
,即在容量到达16 * 0.75 = 12
时,会对动态数组进行扩容处理,上限容量被称为threshold
。- 扩容后的
HashMap
,其动态数组容量为原来的2
倍,由于散列因子不会改变,因此threshold
也为原来的2
倍。 - 以下为
HashMap
中resize()
、putVal()
的源码:
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; // 第一个resize()是进行动态数组Node<K, V>[]初始化的操作,不会进行扩容
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;
// 当HashMap中元素数量大于阈值threshold,则会进行扩容resize()操作
if (++size > threshold)
resize();
afterNodeInsertion(evict);
return null;
}
- 通过源码可以知道,
HashMap
在初始化的时候并不会立即为动态数组分配内存,直到调用putVal()
为止,才会在putVal()
中调用resize()
方法初始化动态数组。 - 动态数组
Node<K, V>[]
将在resize()
中完成初始化或扩容的操作。 - 其中有关初始化的关键代码为:
newCap = DEFAULT_INITIAL_CAPACITY; // DEFAULT_INITIAL_CAPACITY = 1 << 4,即默认大小为16。
newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY); // threshold = newCap * 0.75,即默认为12。
- 有关于扩容的关键代码为:
if (oldCap > 0) { // 当动态数组拥有默认容量时,如果再次调用resize(),则一定会进行扩容操作
if (oldCap >= MAXIMUM_CAPACITY) {
threshold = Integer.MAX_VALUE;
return oldTab;
} else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY && oldCap >= DEFAULT_INITIAL_CAPACITY) { // 容量为原来的2倍
newThr = oldThr << 1; // 阈值为原来的2倍
}
}
总结
- 以上为所有关于
HashSet
、HashMap
的粗略介绍。 - 如果希望了解更多的内容,可以前往
JDK
阅读源码。