常用键值对集合解析(HashMap,LinkedHashMap,TreeMap,HashTable,WeakHashMap,SparseArray,Array)

关于键值对形式储存的常用集合大概有这么几种：

HashMap
LinkedHashMap
TreeMap
HashTable
WeakHashMap
SparseArray
ArrayMap

接下来对这几类常用集合分别简单说明一下其特性：

HashMap：
1.
其底层的实现和储存依赖于数组和链表结构，准确的说是哈希表的拉链结构


每一个结点都是Entry类型，HashMap中Entry在源码中的属性：

final K key;//键
V value;//值
final int hash;//hash值
HashMapEntry next;//单链表中下一个Entry的地址值

Entry数据进行存储的规则：
通过计算元素key的hash值，然后对HashMap中数组长度取余得到该元素存储的位置，计算公式为hash(key)%len。
比如：假设hash(14)=14,hash(30)=30,hash(46)=46，我们分别对len取余，得到 hash(14)%16=14，hash(30)%16=14，hash(46)%16=14，所以key为14、30、46的这三个元素存储在数组下标为14的位置.

从中可以看出，如果有多个元素key的hash值相同的话，后一个元素并不会覆盖上一个元素，而是采取链表的方式，把之后加进来的元素加入链表末尾



2.
其构造函数中比较有特性的一个是含有两个形式参数的构造函数，可以指定初始容量 以及 加载因子；这两个参数的设定对其性能会产生较大影响.
假如我们使用的初始容量为16，加载因子为0.75,那么 当使用容量的负荷承载到12的时候，就会对其容量进行扩展，扩展的大小为原来的两倍，16经过扩展后为32，再扩展则为64，依次类推；
而其扩展的底层代码实现为：

不难看出，假如我们有几十万、几百万条数据，在每次HashMap集合达到承载负荷的零界点后，那么HashMap要存储完这些数据将要不断的扩容，而且在此过程中也需要不断的做hash运算，每次扩容，都是通过遍历读取存储来进行扩容后的数据刷新，而这一过程是极其消耗性能的。
因此较大的加载因子，占用空间小，但会影响到集合的性能以及效率,较小的加载因子将占用更多的空间，但降低冲突的可能性，从而将加快访问和更新的速度。


3.
另外 HashMap的一些特性就是支持异步操作，key，value都可以为null

TreeMap:
基于红黑树实现。TreeMap没有调优选项，因为该树总处于平衡状态。 会依据规则对数据进行排序，而排序规则也还可以自己定义，使用构造函数：TreeMap(Comparator c): 构建一个映像树，并且使用特定的比较器对关键字进行排序 。
依据其底层实现TreeMap适用于按自然顺序或自定义顺序遍历键(key)。
而底层的红黑树算法会做另一篇论说，在此不做过多赘述。

HashTable：
HashTable和HashMap还是比较像，但也还是有些不同点，HashTable不支持key和value都为null，每次扩容是*2+1，另外，底层在计算hash值计得到当前存储数据的数组下表时，其算法不及HashMap，HashMap在计算时，还会对哈希值进行移位运算和位运算，使其能更广泛地分散到数组的不同位置。
另外最主要的一个特点是支持同步，但在实际应用的环境里，纯粹的以依靠HashTable本身是不稳妥的，还需要通过自己在相关逻辑上的处理。

另外，需要明白两个概念:一个是同步，一个是快速失败机制（Fast-Fail）
同步：在执行get,put,remove,size,clear等一次性读写操作时，使用了同步机制，避免了多个线程 同时读写Hashtable。
快速失败机制（Fast-Fail）：主要目的在于使iterator遍历数组的线程能及时发现其他线程对Map的修改（如put、remove、clear等），因 此，fast-fail并不能保证所有情况下的多线程并发错误，只能保护iterator遍历过程中的iterator.next()与写并发.
所以，这两个概念是针对于不同情况下的并发访问的处理




WeakHashMap：
其底层的实现和储存依赖于数组和链表结构，不明白的可看上面的HashMap部分的图解。
另外 WeakHashMap也是支持异步操作，key，value都可以为null。
值得注意的是HashMap是强引用，而WeakHashMap是弱引用。
关于四种引用在此也不做过多赘述，想了解的小伙伴可以戳这里–>android开发四种引用的详解。




SparseArray：
简单说来SparseArray是HashMap的升级版，SparseArray比HashMap更省内存，在某些条件下性能更好，主要是因为它避免了对key的自动装箱（int转为Integer类型），它内部则是通过两个数组来进行数据存储的，一个存储key，另外一个存储value，为了优化性能，它内部对数据还采取了压缩的方式来表示稀疏数组的数据，从而节约内存空间，我们从源码中可以看到key和value分别是用数组表示：

 private int[] mKeys;
 private Object[] mValues;

我们可以看到，SparseArray只能存储key为int类型的数据，同时，SparseArray在存储和读取数据时候，使用的是二分查找法，我们可以看看：

 public void put(int key, E value) {
        int i = ContainerHelpers.binarySearch(mKeys, mSize, key);
        ...
        }
 public E get(int key, E valueIfKeyNotFound) {
        int i = ContainerHelpers.binarySearch(mKeys, mSize, key);
        ...
        }

也就是在put添加数据的时候，会使用二分查找法和之前的key比较当前我们添加的元素的key的大小，然后按照从小到大的顺序排列好，所以，SparseArray存储的元素都是按元素的key值从小到大排列好的。
而在获取数据的时候，也是使用二分查找法判断元素的位置，所以，在获取数据的时候非常快，比HashMap快的多，因为HashMap获取数据是通过遍历Entry[]数组来得到对应的元素。

虽说SparseArray性能比较好，但是由于其添加、查找、删除数据都需要先进行一次二分查找，所以在数据量大的情况下性能并不明显。
满足下面两个条件我们可以使用SparseArray代替HashMap：

● 数据量不大，最好在千级以内
● key必须为int类型，这中情况下的HashMap可以用SparseArray代替

ArrayMap：

SparseArray和ArrayMap都差不多，使用哪个呢？
假设数据量都在千级以内的情况下：

●如果key的类型已经确定为int类型，那么使用SparseArray，因为它避免了自动装箱的过程，如果key为long类型，它还提供了一个LongSparseArray来确保key为long类型时的使用

●如果key类型为其它的类型，则使用ArrayMap