<Java八股文面试>HashMap深度解析 , 一文让你彻底搞懂HashMap(一)

在线体验各类最新模型,更有模型 免费Token 额度领取!
立即体验
简介: <Java八股文面试>HashMap深度解析 , 一文让你彻底搞懂HashMap

4. HashMap

4.1 HashMap的快速查找演示

  1. 采用ArrayList存储元素,查找元素过程

当采用ArrayList存储元素,进行查找元素时,需要从头到位进行遍历.比如要查找元素a,需要遍历整个ArrayList,然后进行匹配.


时间复杂度为O ( N )

31c85a5ec27e2d7324ee74efe0a49eab.jpg


当采用HashMap存储元素,查找元素过程

首先我们分析以下HashMap的存储过程.比如元素a,先利用hash算法(hashCode())计算出key对应的hash值,然后再进行二次hash(演示中的两次hash是一样的,实际中未必哦!),然后计算元素的下标: 97 % 16 = 1,最后就将元素存储在1位置.


如何进行元素的查找呢?


也是通过元素的hash值进行查找,比如我要查找a,那么a对应的下标经过计算可以得到是1,然后直接去下标为1的地方获取值即可.这个时候的时间复杂度就成了 O ( 1 )


但是如果遇到了hash冲突,则计算出下标后还需要进行多次匹配,直到匹配到指定的元素.


ee0ec27f5a8676736c212e1195395db4.jpg


4.2 链表过长的解决方案


4.2.1 方案1—扩容


先说明一个问题,hashMap出现链表过长的原因是什么?这样会给我们带来的弊端是什么?


原因: 当元素数量增多,经过key计算出来的hash值更容易冲突(也就是hash值一致),从而会导致同一个下标下的链表长度会不断的增长.


弊端: 如果链表过长,就会大大降低查找元素的效率. 当我们通过hash算法计算得到下标后,还需要遍历链表来匹配元素,由LinkedList底层原理可知,链表迭代的效率是非常低的,从而导致查找元素的效率大大降低


这时候我们就需要提高元素查找效率了,第一种方案就是扩容,演示如下:


若下图,1,2,3,4和5,6,7,8 经过hash运算和下标计算得到的数组下标是一样的,都是1


2ea7c95b72c97cb2fd3a3c0ad0b28bb5.jpg


当元素的个数> 容量 * 负载因子,也就是 > 12的时候,链表就会进行扩容,每次库容后的大小是之前的2倍.

此时5,6,7,8的下标就会变化,从而链表长度就会缩短.


80433609c1890cef980f125d75180498.jpg


备注: 但是对于一些特殊情况,比如扩容前链表中的元素的hash值是一样的,那么即使扩容后元素仍然还在同一条链表上,并无法达到缩短链表的效果. 如下图所示:


bd75d5dd08f8a743e707ff9990073f19.jpg

3b8b101cb50a1c71d9d77c9682b0ba10.jpg



总结:扩容并不能完全解决链表过长的问题,因此就有了下面我们将要介绍的将链表转换为红黑树


4.2.1 方案2—树化


树化的前提条件


链表的长度必须达到阈值(8)

数组的长度必须大于64,否则会采取扩容的策略.

图解


当链表的长度超过8,但是数组长度==< 64==时.


fc1c8bb2c121eaa98413d36d9bd56389.png

58d5f7b3c3699e1cd9e5d235af4d14cf.png


当链表的长度超过8,但是数组长度==>= 64==时


1f9a3343aaf2978c5ebbb412f1037a98.png

7cd32a275657bab6a531632e8bc5adb2.png


分析


红黑树比较规则:先按照hash值比,如果相等,则按照字符值的大小顺序比.


树化后的比较:(以数字8为例)


比4大–>右子树查找–>比6大–>右子树寻找–>和8相同,查找结束. 总共需要3次比较,即可找到对应的数.


红黑树查找的时间复杂度:O ( l o g 2 N ) O(log2N)O(log2N)


补充:hashMap中的链表长度会大于8吗?


202204082332652.png


4.3 红黑树的意义—树化阈值


hash 值如果足够随机,则在 hash 表内按泊松分布,在负载因子 0.75 的情况下,长度超过 8 的链表出现概率是 0.00000006,树化阈值选择 8 就是为了让树化几率足够小


代码演示大量单词(234937个)加入到hashMap中后,链表的长度情况

package com.rg.map;
import java.io.IOException;
import java.lang.reflect.Array;
import java.lang.reflect.Field;
import java.nio.file.Files;
import java.nio.file.Path;
import java.util.HashMap;
import java.util.Map;
import java.util.concurrent.atomic.AtomicInteger;
import java.util.stream.Collectors;
// --add-opens java.base/java.util=ALL-UNNAMED
public class HashMapDistribution {
    public static void main(String[] args) throws IOException {
        Object value = new Object();
        Map<String, Object> words = Files.readAllLines(Path.of("words")).stream()
                .collect(Collectors.toMap(w -> w, w -> value));
        System.out.println(words.getClass());
        showDistribution(words);
    }
    private static void showDistribution(Map<String, Object> map) {
        try {
            Field tableField = HashMap.class.getDeclaredField("table");
            Field nextField = Class.forName("java.util.HashMap$Node").getDeclaredField("next");
            tableField.setAccessible(true);
            nextField.setAccessible(true);
            Object array = tableField.get(map);
            int length = Array.getLength(array);
            System.out.println("总的桶个数[" + length + "]");
            Map<Integer, AtomicInteger> result = new HashMap<>();
            for (int i = 0; i < length; i++) {
                Object node = Array.get(array, i);
                AtomicInteger c = result.computeIfAbsent(i, key -> new AtomicInteger());
                while (node != null) {
                    c.incrementAndGet();
                    node = nextField.get(node);
                }
            }
            Map.Entry maxEntry = null;
            int max = -1;
            HashMap<Integer, AtomicInteger> counting = new HashMap<>();
            for (Map.Entry<Integer, AtomicInteger> entry : result.entrySet()) {
                int value = entry.getValue().get();
                AtomicInteger c = counting.computeIfAbsent(value, k -> new AtomicInteger());
                c.incrementAndGet();
            }
            counting.forEach((k, v) -> {
                System.out.println(k + "个元素的桶个数[" + v + "]");
            });
        } catch (Exception e) {
            e.printStackTrace();
        }
    }
}

6a6f70f4894c948da8de604c598e3c2d.png

4.4 树退化链表

4.4.1 情况1—树节点个数<=6

情况1:在扩容时如果拆分树时,树元素个数 <= 6 则会退化链表

退化图解

  • 当HashMap的链表中红黑树为6时,发生退化


987a6e99f6b697a3d3e9f146e2a22ae5.png

  • 当HashMap中的红黑树节点为7时,保持红黑树

202204121522850.png


相关文章
|
9月前
|
存储 缓存 NoSQL
Redis常见面试题全解析
Redis面试高频考点全解析:从过期删除、内存淘汰策略,到缓存雪崩、击穿、穿透及BigKey问题,深入原理与实战解决方案,助你轻松应对技术挑战,提升系统性能与稳定性。(238字)
|
10月前
|
机器学习/深度学习 JSON Java
Java调用Python的5种实用方案:从简单到进阶的全场景解析
在机器学习与大数据融合背景下,Java与Python协同开发成为企业常见需求。本文通过真实案例解析5种主流调用方案,涵盖脚本调用到微服务架构,助力开发者根据业务场景选择最优方案,提升开发效率与系统性能。
2179 0
|
10月前
|
Java
Java的CAS机制深度解析
CAS(Compare-And-Swap)是并发编程中的原子操作,用于实现多线程环境下的无锁数据同步。它通过比较内存值与预期值,决定是否更新值,从而避免锁的使用。CAS广泛应用于Java的原子类和并发包中,如AtomicInteger和ConcurrentHashMap,提升了并发性能。尽管CAS具有高性能、无死锁等优点,但也存在ABA问题、循环开销大及仅支持单变量原子操作等缺点。合理使用CAS,结合实际场景选择同步机制,能有效提升程序性能。
|
10月前
|
Java 开发者
Java并发编程:CountDownLatch实战解析
Java并发编程:CountDownLatch实战解析
626 100
|
10月前
|
算法 Java
50道java集合面试题
50道 java 集合面试题
|
9月前
|
监控 Java 关系型数据库
面试性能测试总被刷?学员真实遇到的高频问题全解析!
面试常被性能测试题难住?其实考的不是工具,而是分析思维。从脚本编写到瓶颈定位,企业更看重系统理解与实战能力。本文拆解高频面试题,揭示背后考察逻辑,并通过真实项目训练,帮你构建性能测试完整知识体系,实现从“会操作”到“能解决问题”的跨越。
|
9月前
|
存储 安全 Java
《数据之美》:Java集合框架全景解析
Java集合框架是数据管理的核心工具,涵盖List、Set、Map等体系,提供丰富接口与实现类,支持高效的数据操作与算法处理。
|
10月前
|
Java 开发者
Java 函数式编程全解析:静态方法引用、实例方法引用、特定类型方法引用与构造器引用实战教程
本文介绍Java 8函数式编程中的四种方法引用:静态、实例、特定类型及构造器引用,通过简洁示例演示其用法,帮助开发者提升代码可读性与简洁性。
|
10月前
|
安全 Java API
Java SE 与 Java EE 区别解析及应用场景对比
在Java编程世界中,Java SE(Java Standard Edition)和Java EE(Java Enterprise Edition)是两个重要的平台版本,它们各自有着独特的定位和应用场景。理解它们之间的差异,对于开发者选择合适的技术栈进行项目开发至关重要。
1570 1