Map

Hashtable、HashMap、TreeMap有何不同

 

HashTable是一个早期的集合类型，所以在继承扩展上是有区别的。

 

大部分使用Map的场景，通常就是放入、访问或者删除，而对顺序没有特别要求，HashMap在这种情况下基本是最好的选择。HashMap的性能表现非常依赖于哈希码的有效性，请务必 掌握hashCode和equals的一些基本约定，比如：

1.equals相等的对象，hashCode也一定相等。因为我们是我们是通过hash得到对象所在的“链表节点”，然后再进行equals对比的，所以相同的hashCode不一定equals相等，但是反之必然。实际上来讲，单纯的hash不满足很多业务需求，因此扩展出了一种一致性哈希，这个在外文翻译里有一篇。

https://medium.com/ably-realtime/how-to-implement-consistent-hashing-efficiently-fe038d59fff2

2.重写了hashCode也一定要重写equals，实际上不建议自己重写，因为并非比较简单的事情。

3.hashCode需要保持一致性，状态改变返回的哈希值仍然要一致。

4.equals的一些对称反射传递特性

 

TreeMap和LinkedHashMap保证存放顺序是不同的

public class LinkedHashMapTest {

    public static void main(String[] args) {
        Map map = new LinkedHashMap<>() {
            @Override
            protected boolean removeEldestEntry(Map.Entry eldest) {
                return size() > 3;
            }
        };

        map.put("a", "1");
        map.put("b", "2");
        map.put("c", "3");
        map.put("d", "4");
        map.forEach((k, v) -> {
            System.out.println(k + " : " + v);
        });
    }
}

输出

b : 2
c : 3
d : 4

这适合一种空间敏感的场合。

 

对于TreeMap来讲，它的整体的顺序就是由键的顺序决定的，实际上就是通过Comparator或Comparable（自然顺序）来决定。

 

 

可以看出就是典型的树结构，但是要注意compareTo的返回值要保证和equals一致。

当我不遵守约定时，两个不符合唯一性（equals）要求的对象被当作是同一个（因为，compareTo返回0），这会导致歧义的行为表现。

 

HashMap分析

1.内部实现

 

看HashMap内部的结构，它可以看作是数组（Node[] table）和链表结合组成的复合结构，数组被分为一个个桶（bucket），通过哈希值决定了键值对在这个 数组的寻址；哈希值相同的键值对，则以链表形式存储，你可以参考下面的示意图。这里需要注意的是，如果链表大小超过阈值（TREEIFY_THRESHOLD, 8），图中的链表就会被 改造为树形结构。

 

    public HashMap(int initialCapacity, float loadFactor) {
        if (initialCapacity < 0)
            throw new IllegalArgumentException("Illegal initial capacity: " +
                                               initialCapacity);
        if (initialCapacity > MAXIMUM_CAPACITY)
            initialCapacity = MAXIMUM_CAPACITY;
        if (loadFactor <= 0 || Float.isNaN(loadFactor))
            throw new IllegalArgumentException("Illegal load factor: " +
                                               loadFactor);
        this.loadFactor = loadFactor;
        this.threshold = tableSizeFor(initialCapacity);
    }

构造函数的实现来看，这个表格（数组）似乎并没有在最初就初始化好，仅仅设置了一些初始值而已。这么明显肯定是懒加载模式了。

 

final V putVal(int hash, K key, V value, boolean onlyIfAbsent,
                   boolean evict) {
        Node[] tab; Node p; int n, i;
        if ((tab = table) == null || (n = tab.length) == 0)
            n = (tab = resize()).length;
        if ((p = tab[i = (n - 1) & hash]) == null)　　　　　　// 确定节点的桶位置，采用位运算提高效率
            tab[i] = newNode(hash, key, value, null);
        else {
            Node 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)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;
        if (++size > threshold)　　　　　　　　// 放置新值扩容的条件
            resize();
        afterNodeInsertion(evict);
        return null;
    }

可以确定了是懒加载机制。分析：

1.如果表格是null，resize方法会负责初始化它，这从tab = resize()可以看出。

2.resize方法兼顾两个职责，创建初始存储表格，或者在容量不满足需求的时候，进行扩容（resize）。

 

key并不是hashCode

    static final int hash(Object key) {
        int h;
        return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
    }

将高位数据移位到低位进行异或运 算呢？这是因为有些数据计算出的哈希值差异主要在高位，而HashMap里的哈希寻址是忽略容量以上的高位的，那么这种处理就可以有效避免类似情况下的哈希碰撞。

 

resize分析

jdk代码太长不展示

依据resize源码，不考虑极端情况（容量理论最大极限由MAXIMUM_CAPACITY指定，数值为 1<<30，也就是2的30次方），我们可以归纳为：

1.门限值等于（负载因子）x（容量），如果构建HashMap的时候没有指定它们，那么就是依据相应的默认常量值。

2.门限通常是以倍数进行调整 （newThr = oldThr << 1），我前面提到，根据putVal中的逻辑，当元素个数超过门限大小时，则调整Map大小。

3.扩容后，需要将老的数组中的元素重新放置到新的数组，这是扩容的一个主要开销来源。

 

负载因子和容量的设值是很重要的，这里复杂点牵扯到一些数学问题，当然也有一个通用标准

1.负载因子 * 容量 > 元素数量　　　　

2.负载因子是不建议改动，不得不改动也应< 0.75，否则会增加冲突，为什么，因为你的桶依然是那些，但是可存放的阈值却高了很多，面临的风险肯定也会更大，对于现在的计算机发展来讲，我们更倾向于空间换风险。

 

我们前面提到了树化改造，对应逻辑主要在putVal和treeifyBin中。

 final void treeifyBin(Node[] tab, int hash) {
        int n, index; Node e;
        if (tab == null || (n = tab.length) < MIN_TREEIFY_CAPACITY)
            resize();
        else if ((e = tab[index = (n - 1) & hash]) != null) {
            TreeNode hd = null, tl = null;
            do {
                TreeNode 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);
        }
    }

这段代码就两个意思：

1.如果容量小于MIN_TREEIFY_CAPACITY，只会进行简单的扩容。

2.如果容量大于MIN_TREEIFY_CAPACITY ，则会进行树化改造。

 

为什么HashMap要树化呢？

本质上这是个安全问题。因为在元素放置过程中，如果一个对象哈希冲突，都被放置到同一个桶里，则会形成一个链表，我们知道链表查询是线性的，会严重影响存取的性能。
而在现实世界，构造哈希冲突的数据并不是非常复杂的事情，恶意代码就可以利用这些数据大量与服务器端交互，导致服务器端CPU大量占用，这就构成了哈希碰撞拒绝服务攻击。

 

扫盲end

杂谈：做什么事需要考虑意义吗？这个意义谁定义的？吃饭算不算的上是最有意义的，不吃就会饿死，但事实上没什么人认为它是有意义的，因此意义这个标准和概念就是一个完全不成立的东西。