HashMap夺命14问,你能坚持到第几问?

共 3346字,需浏览 7分钟

 ·

2022-04-11 16:57

点击上方“码农突围”,马上关注
这里是码农充电第一站,回复“666”,获取一份专属大礼包
真爱,请设置“星标”或点个“在看”


1. HashMap的底层数据结构是什么?

在JDK1.7中和JDK1.8中有所区别:

在JDK1.7中,由”数组+链表“组成,数组是HashMap的主体,链表则是主要为了解决哈希冲突而存在的。

在JDK1.8中,有“数组+链表+红黑树”组成。当链表过长,则会严重影响HashMap的性能,红黑树搜索时间复杂度是O(logn),而链表是O(n)。因此,JDK1.8对数据结构做了进一步的优化,引入了红黑树,链表和红黑树在达到一定条件会进行转换:

  • 当链表超过8且数组长度(数据总量)超过64才会转为红黑树

  • 将链表转换成红黑树前会判断,如果当前数组的长度小于64,那么会选择先进行数组扩容,而不是转换为红黑树,以减少搜索时间。



2. 说一下HashMap的特点

  • hashmap存取是无序的

  • 键和值位置都可以是null,但是键位置只能是一个null

  • 键位置是唯一的,底层的数据结构是控制键的

  • jdk1.8前数据结构是:链表+数组jdk1.8之后是:数组+链表+红黑树

  • 阈值(边界值)>8并且数组长度大于64,才将链表转换成红黑树,变成红黑树的目的是提高搜索速度,高效查询


3. 解决hash冲突的办法有哪些?HashMap用的哪种?

解决Hash冲突方法有:开放定址法、再哈希法、链地址法(HashMap中常见的拉链法)、简历公共溢出区。HashMap中采用的是链地址法。

  • 开放定址法也称为再散列法,基本思想就是,如果p=H(key)出现冲突时,则以p为基础,再次hash,p1=H(p),如果p1再次出现冲突,则以p1为基础,以此类推,直到找到一个不冲突的哈希地址pi。因此开放定址法所需要的hash表的长度要大于等于所需要存放的元素,而且因为存在再次hash,所以只能在删除的节点上做标记,而不能真正删除节点

  • 再哈希法(双重散列,多重散列),提供多个不同的hash函数,R1=H1(key1)发生冲突时,再计算R2=H2(key1),直到没有冲突为止。这样做虽然不易产生堆集,但增加了计算的时间。

  • 链地址法(拉链法),将哈希值相同的元素构成一个同义词的单链表,并将单链表的头指针存放在哈希表的第i个单元中,查找、插入和删除主要在同义词链表中进行,链表法适用于经常进行插入和删除的情况。

  • 建立公共溢出区,将哈希表分为公共表和溢出表,当溢出发生时,将所有溢出数据统一放到溢出区


注意开放定址法和再哈希法的区别是

  • 开放定址法只能使用同一种hash函数进行再次hash,再哈希法可以调用多种不同的hash函数进行再次hash


4. 为什么要在数组长度大于64之后,链表才会进化为红黑树

在数组比较小时如果出现红黑树结构,反而会降低效率,而红黑树需要进行左旋右旋,变色,这些操作来保持平衡,同时数组长度小于64时,搜索时间相对要快些,总之是为了加快搜索速度,提高性能

JDK1.8以前HashMap的实现是数组+链表,即使哈希函数取得再好,也很难达到元素百分百均匀分布。当HashMap中有大量的元素都存放在同一个桶中时,这个桶下有一条长长的链表,此时HashMap就相当于单链表,假如单链表有n个元素,遍历的时间复杂度就从O(1)退化成O(n),完全失去了它的优势,为了解决此种情况,JDK1.8中引入了红黑树(查找的时间复杂度为O(logn))来优化这种问题

5. 为什么加载因子设置为0.75,初始化临界值是12?

HashMap中的threshold是HashMap所能容纳键值对的最大值。计算公式为length*LoadFactory。也就是说,在数组定义好长度之后,负载因子越大,所能容纳的键值对个数也越大

loadFactory越趋近于1,那么数组中存放的数据(entry也就越来越多),数据也就越密集,也就会有更多的链表长度处于更长的数值,我们的查询效率就会越低,当我们添加数据,产生hash冲突的概率也会更高

默认的loadFactory是0.75,loadFactory越小,越趋近于0,数组中个存放的数据(entry)也就越少,表现得更加稀疏


0.75是对空间和时间效率的一种平衡选择

如果负载因子小一些比如是0.4,那么初始长度16*0.4=6,数组占满6个空间就进行扩容,很多空间可能元素很少甚至没有元素,会造成大量的空间被浪费

如果负载因子大一些比如是0.9,这样会导致扩容之前查找元素的效率非常低

loadfactory设置为0.75是经过多重计算检验得到的可靠值,可以最大程度的减少rehash的次数,避免过多的性能消耗

6. 哈希表底层采用何种算法计算hash值?还有哪些算法可以计算出hash值?

hashCode方法是Object中的方法,所有的类都可以对其进行使用,首先底层通过调用hashCode方法生成初始hash值h1,然后将h1无符号右移16位得到h2,之后将h1与h2进行按位异或(^)运算得到最终hash值h3,之后将h3与(length-1)进行按位与(&)运算得到hash表索引

其他可以计算出hash值的算法有

  • 平方取中法

  • 取余数

  • 伪随机数法


7. 当两个对象的hashCode相等时会怎样

hashCode相等产生hash碰撞,hashCode相等会调用equals方法比较内容是否相等,内容如果相等则会进行覆盖,内容如果不等则会连接到链表后方,链表长度超过8且数组长度超过64,会转变成红黑树节点

8. 何时发生哈希碰撞和什么是哈希碰撞,如何解决哈希碰撞

只要两个元素的key计算的hash码值相同就会发生hash碰撞,jdk8之前使用链表解决哈希碰撞,jdk8之后使用链表+红黑树解决哈希碰撞

9. HashMap的put方法流程

以jdk8为例,简要流程如下:

  • 首先根据key的值计算hash值,找到该元素在数组中存储的下标

  • 如果数组是空的,则调用resize进行初始化;

  • 如果没有哈希冲突直接放在对应的数组下标里

  • 如果冲突了,且key已经存在,就覆盖掉value

  • 如果冲突后是链表结构,就判断该链表是否大于8,如果大于8并且数组容量小于64,就进行扩容;如果链表节点数量大于8并且数组的容量大于64,则将这个结构转换成红黑树;否则,链表插入键值对,若key存在,就覆盖掉value

  • 如果冲突后,发现该节点是红黑树,就将这个节点挂在树上




10. HashMap的扩容方式

HashMap在容量超过负载因子所定义的容量之后,就会扩容。java里的数组是无法自己扩容的,将HashMap的大小扩大为原来数组的两倍

我们来看jdk1.8扩容的源码

final Node[] resize() { //oldTab:引用扩容前的哈希表 Node[] oldTab = table; //oldCap:表示扩容前的table数组的长度 int oldCap = (oldTab == null) ? 0 : oldTab.length; //获得旧哈希表的扩容阈值 int oldThr = threshold; //newCap:扩容之后table数组大小 //newThr:扩容之后下次触发扩容的条件 int newCap, newThr = 0; //条件成立说明hashMap中的散列表已经初始化过了,是一次正常扩容 if (oldCap > 0) { //判断旧的容量是否大于等于最大容量,如果是,则无法扩容,并且设置扩容条件为int最大值, //这种情况属于非常少数的情况 if (oldCap >= MAXIMUM_CAPACITY) { threshold = Integer.MAX_VALUE; return oldTab; }//设置newCap新容量为oldCap旧容量的二倍(<<1),并且<最大容量,而且>=16,则新阈值等于旧阈值的两倍 else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY && oldCap >= DEFAULT_INITIAL_CAPACITY) newThr = oldThr << 1; // double threshold } //如果oldCap=0并且边界值大于0,说明散列表是null,但此时oldThr>0 //说明此时hashMap的创建是通过指定的构造方法创建的,新容量直接等于阈值 //1.new HashMap(intitCap,loadFactor) //2.new HashMap(initCap) //3.new HashMap(map) else if (oldThr > 0) // initial capacity was placed in threshold newCap = oldThr; //这种情况下oldThr=0;oldCap=0,说明没经过初始化,创建hashMap //的时候是通过new HashMap()的方式创建的 else { // zero initial threshold signifies using defaults newCap = DEFAULT_INITIAL_CAPACITY; newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY); } //newThr为0时,通过newCap和loadFactor计算出一个newThr if (newThr == 0) { //容量*0.75 float ft = (float)newCap * loadFactor; newThr = (newCap < MAXIMUM_CAPACITY && ft < (float)MAXIMUM_CAPACITY ? (int)ft : Integer.MAX_VALUE); } threshold = newThr; @SuppressWarnings({"rawtypes","unchecked"}) //根据上面计算出的结果创建一个更长更大的数组 Node[] newTab = (Node[])new Node[newCap]; //将table指向新创建的数组 table = newTab; //本次扩容之前table不为null if (oldTab != null) { //对数组中的元素进行遍历 for (int j = 0; j < oldCap; ++j) { //设置e为当前node节点 Node e; //当前桶位数据不为空,但不能知道里面是单个元素,还是链表或红黑树, //e = oldTab[j],先用e记录下当前元素 if ((e = oldTab[j]) != null) { //将老数组j桶位置为空,方便回收 oldTab[j] = null; //如果e节点不存在下一个节点,说明e是单个元素,则直接放置在新数组的桶位 if (e.next == null) newTab[e.hash & (newCap - 1)] = e; //如果e是树节点,证明该节点处于红黑树中 else if (e instanceof TreeNode) ((TreeNode)e).split(this, newTab, j, oldCap); //e为链表节点,则对链表进行遍历 else { // preserve order //低位链表:存放在扩容之后的数组的下标位置,与当前数组下标位置一致 //loHead:低位链表头节点 //loTail低位链表尾节点 Node loHead = null, loTail = null; //高位链表,存放扩容之后的数组的下标位置,=原索引+扩容之前数组容量 //hiHead:高位链表头节点 //hiTail:高位链表尾节点 Node hiHead = null, hiTail = null; Node next; do { next = e.next; //oldCap为16:10000,与e.hsah做&运算可以得到高位为1还是0 //高位为0,放在低位链表 if ((e.hash & oldCap) == 0) { if (loTail == null) //loHead指向e loHead = e; else loTail.next = e; loTail = e; } //高位为1,放在高位链表 else { if (hiTail == null) hiHead = e; else hiTail.next = e; hiTail = e; } } while ((e = next) != null); //低位链表已成,将头节点loHead指向在原位 if (loTail != null) { loTail.next = null; newTab[j] = loHead; } //高位链表已成,将头节点指向新索引 if (hiTail != null) { hiTail.next = null; newTab[j + oldCap] = hiHead; } } } } } return newTab; }

扩容之后原位置的节点只有两种调整

  • 保持原位置不动(新bit位为0时)

  • 散列原索引+扩容大小的位置去(新bit位为1时)


扩容之后元素的散列设置的非常巧妙,节省了计算hash值的时间,我们来看一 下具体的实现


当数组长度从16到32,其实只是多了一个bit位的运算,我们只需要在意那个多出来的bit为是0还是1,是0的话索引不变,是1的话索引变为当前索引值+扩容的长度,比如5变成5+16=21


这样的扩容方式不仅节省了重新计算hash的时间,而且保证了当前桶中的元素总数一定小于等于原来桶中的元素数量,避免了更严重的hash冲突,均匀的把之前冲突的节点分散到新的桶中去

11. 一般用什么作为HashMap的key?

一般用Integer、String这种不可变类当HashMap当key

  • 因为String是不可变的,当创建字符串时,它的hashcode被缓存下来,不需要再次计算,相对于其他对象更快

  • 因为获取对象的时候要用到equals()和hashCode()方法,那么键对象正确的重写这两个方法是非常重要的,这些类很规范的重写了hashCode()以及equals()方法


12. 为什么Map桶中节点个数超过8才转为红黑树?

8作为阈值作为HashMap的成员变量,在源码的注释中并没有说明阈值为什么是8

在HashMap中有这样一段注释说明,我们继续看

* Because TreeNodes are about twice the size of regular nodes, we * use them only when bins contain enough nodes to warrant use * (see TREEIFY_THRESHOLD). And when they become too small (due to * removal or resizing) they are converted back to plain bins. In * usages with well-distributed user hashCodes, tree bins are * rarely used. Ideally, under random hashCodes, the frequency of * nodes in bins follows a Poisson distribution * (http://en.wikipedia.org/wiki/Poisson_distribution) with a * parameter of about 0.5 on average for the default resizing * threshold of 0.75, although with a large variance because of * resizing granularity. Ignoring variance, the expected * occurrences of list size k are (exp(-0.5) * pow(0.5, k) / * factorial(k)).

翻译

因为树节点的大小大约是普通节点的两倍,所以我们只在箱子包含足够的节点时才使用树节点(参见TREEIFY_THRESHOLD)。当他们边的太小(由于删除或调整大小)时,就会被转换回普通的桶,在使用分布良好的hashcode时,很少使用树箱。理想情况下,在随机哈希码下,箱子中节点的频率服从泊松分布第一个值是:
* 0: 0.60653066 * 1: 0.30326533 * 2: 0.07581633 * 3: 0.01263606 * 4: 0.00157952 * 5: 0.00015795 * 6: 0.00001316 * 7: 0.00000094 * 8: 0.00000006 * more: less than 1 in ten million

树节点占用空间是普通Node的两倍,如果链表节点不够多却转换成红黑树,无疑会耗费大量的空间资源,并且在随机hash算法下的所有bin节点分布频率遵从泊松分布,链表长度达到8的概率只有0.00000006,几乎是不可能事件,所以8的计算是经过重重科学考量的

  • 从平均查找长度来看,红黑树的平均查找长度是logn,如果长度为8,则logn=3,而链表的平均查找长度为n/4,长度为8时,n/2=4,所以阈值8能大大提高搜索速度

  • 当长度为6时红黑树退化为链表是因为logn=log6约等于2.6,而n/2=6/2=3,两者相差不大,而红黑树节点占用更多的内存空间,所以此时转换最为友好


13. HashMap为什么线程不安全?

  • 多线程下扩容死循环。JDK1.7中的HashMap使用头插法插入元素,在多线程的环境下,扩容的时候有可能导致环形链表的出现,形成死循环。因此JDK1.8使用尾插法插入元素,在扩容时会保持链表元素原本的顺序,不会出现环形链表的问题

  • 多线程的put可能导致元素的丢失。多线程同时执行put操作,如果计算出来的索引位置是相同的,那会造成前一个key被后一个key覆盖,从而导致元素的丢失。此问题在JDK1.7和JDK1.8中都存在

  • put和get并发时,可能导致get为null。线程1执行put时,因为元素个数超出threshold而导致rehash,线程2此时执行get,有可能导致这个问题,此问题在JDK1.7和JDK1.8中都存在


14. 计算hash值时为什么要让低16bit和高16bit进行异或处理

  • 我们计算索引需要将hashCode值与length-1进行按位与运算,如果数组长度很小,比如16,这样的值和hashCode做异或实际上只有hashCode值的后4位在进行运算,hash值是一个随机值,而如果产生的hashCode值高位变化很大,而低位变化很小,那么有很大概率造成哈希冲突,所以我们为了使元素更好的散列,将hash值的高位也利用起来\


举个例子

如果我们不对hashCode进行按位异或,直接将hash和length-1进行按位与运算就有可能出现以下的情况


如果下一次生成的hashCode值高位起伏很大,而低位几乎没有变化时,高位无法参与运算


可以看到,两次计算出的hash相等,产生了hash冲突

所以无符号右移16位的目的是使高混乱度地区与地混乱度地区做一个中和,提高低位的随机性,减少哈希冲突。

(完)

码农突围资料链接

1、卧槽!字节跳动《算法中文手册》火了,完整版 PDF 开放下载!
2、计算机基础知识总结与操作系统 PDF 下载
3、艾玛,终于来了!《LeetCode Java版题解》.PDF
4、Github 10K+,《LeetCode刷题C/C++版答案》出炉.PDF

欢迎添加鱼哥个人微信:smartfish2020,进粉丝群或围观朋友圈。

浏览 12
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报
评论
图片
表情
推荐
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报