散列表：
1. 用hash函数将查找的键转换成数组索引
- 正整数
除留余数法：对任意正数k，计算k除以M的余数。java中为（K % M）
- 浮点数
将键转换成二进制然后使用除留余数法
-
字符串
String中实现：
for (int i = 0; i < value.length; i++) { h = 31 * h + val[i]; }公式：
s[0]*31^(n-1) + s[1]*31^(n-2) + ... + s[n-1] 自定义
希望hashCode()方法能够将键平均的散布为所有可能的32位正数，String，Integer，Double，File对象的hashCode都可以，我们可以将对象的每个变量的hashCode返回值转换为32位正数，并且计算得到散列值。
private final String who;
private final Date when;
private final double amount;
public int hashCode() {
int hash = 17;
hash = 31 * hash + who.hashCode();
hash = 31 * hash + when.hashCode();
hash = 31 * hash + ((Double) amount).hashCode();
return hash;
}
- 软缓存
如果计算很耗时间，我们可以将每个键的散列值缓存起来，使用一个hash变量来保存hashCode返回值
2. 解决碰撞
- 拉链法（链地址法）
将大小为M的数组中每个元素指向一条链表，链表的每个结点都存储散列值为该元素的索引的键值对
实现：
- 使用原始的链表数据类型
- 为M个元素构建符号表来保存散列的键
- 线性探测法（开放地址法）
散列值被占用冲突时，直接检查下一个位置(索引加1)
- 命中，该位置的键和被查找的键相同
- 未命中，键为空(该位置没有键)，直接返回
- 继续查找，该位置的键和被查找的键不同
线性探测法.png
Java中的HashMap
先开看下Node有什么？
//实现了Map.Entry接口
static class Node implements Map.Entry {
//存了一个hash值，用来定位数组的位置
final int hash;
//存入的键
final K key;
//存入的值
V value;
//链表中的下一个节点
Node next;
Node(int hash, K key, V value, Node next) {
this.hash = hash;
this.key = key;
this.value = value;
this.next = next;
}
public final K getKey() { return key; }
public final V getValue() { return value; }
public final String toString() { return key + "=" + value; }
public final int hashCode() {
//返回（key的hash值 异或 value的hash值）
return Objects.hashCode(key) ^ Objects.hashCode(value);
}
public final V setValue(V newValue) {
V oldValue = value;
value = newValue;
return oldValue;
}
/**
* 判断是否equals
*/
public final boolean equals(Object o) {
if (o == this)
return true;
if (o instanceof Map.Entry) {
Map.Entry e = (Map.Entry)o;
if (Objects.equals(key, e.getKey()) &&
Objects.equals(value, e.getValue()))
return true;
}
return false;
}
}
哦，就是一个键值对，能指向下一个地方的键值对
当我们用map.put("noblel","android");系统会调用putVal(hash(key), key, value, false, true)方法到下面这个方法,先看下hash(key)方法
对于任意对象，只要hashCode返回值相同，那么调用hash(key)的返回值总是相同，我们需要进行模运算使元素分布相对来说比较均匀。做这一步主要是解决碰撞，如果是直接进行运算，(n-1)& h 只有低位有效很容易产生碰撞。所以先高16位和低16位异或下。
static final int hash(Object key) {
int h;
//先获取hashCode值，然后h ^ h >>>16，得到一个32位的值，还需要取模运算去确定在数组中的位置
return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}
/**
* 1.对key的hashCode做hash运算，计算出在表中的位置
* 2.如果没有碰撞直接方法坑中
* 3.如果碰撞了就以链表的方式放在桶后面
* 4.链表过长那就转成红黑树
* 5.如果桶满了就重新resize
* 6.节点存在就替换保证唯一性
*/
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)
//重新计算大小
n = (tab = resize()).length;
//table为空就创建
if ((p = tab[i = (n - 1) & hash]) == null)
//这一步就是定位，很巧妙，看分析1
tab[i] = newNode(hash, key, value, null);
else {
Node e; K k;
//节点存在
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
e = p;
//该链为红黑树
else if (p instanceof TreeNode)
e = ((TreeNode)p).putTreeVal(this, tab, hash, key, value);
//该链为链表
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;
}
}
//写入
if (e != null) { // existing mapping for key
V oldValue = e.value;
if (!onlyIfAbsent || oldValue == null)
e.value = value;
afterNodeAccess(e);
return oldValue;
}
}
++modCount;
//超过load factor*current capacity，resize
if (++size > threshold)
resize();
afterNodeInsertion(evict);
return null;
}
public V get(Object key) {
Node e;
return (e = getNode(hash(key), key)) == null ? null : e.value;
}
/**
* 1.桶中第一个节点直接命中
* 2.有冲突，通过equals去查找对应节点
*/
final Node getNode(int hash, Object key) {
Node[] tab; Node first, e; int n; K k;
if ((tab = table) != null && (n = tab.length) > 0 &&
(first = tab[(n - 1) & hash]) != null) {
//直接命中
if (first.hash == hash && // always check first node
((k = first.key) == key || (key != null && key.equals(k))))
return first;
//未命中
if ((e = first.next) != null) {
if (first instanceof TreeNode)
//在树中获取
return ((TreeNode)first).getTreeNode(hash, key);
do {
//在链表中获取
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
return e;
} while ((e = e.next) != null);
}
}
return null;
}
final Node[] resize() {
Node[] oldTab = table;
int oldCap = (oldTab == null) ? 0 : oldTab.length;
int oldThr = threshold;
int newCap, newThr = 0;
if (oldCap > 0) {
//超过最大值，就不再扩充
if (oldCap >= MAXIMUM_CAPACITY) {
threshold = Integer.MAX_VALUE;
return oldTab;
}
//没有超过就扩充为原来的2倍
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);
}
//重新计算表大小
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[] newTab = (Node[])new Node[newCap];
table = newTab;
if (oldTab != null) {
//把每个桶都移动到新桶中
for (int j = 0; j < oldCap; ++j) {
Node e;
if ((e = oldTab[j]) != null) {
//先把原位置的桶置为null
oldTab[j] = null;
if (e.next == null)
//原位置的桶下面没有链表了，重新放
newTab[e.hash & (newCap - 1)] = e;
else if (e instanceof TreeNode)
((TreeNode)e).split(this, newTab, j, oldCap);
else { // preserve order
//原位置的桶下有链表
Node loHead = null, loTail = null;
Node hiHead = null, hiTail = null;
Node next;
do {
next = e.next;
//分析2
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);
//原节点放到新表的原位置中，比如原来是5，现在还是5
if (loTail != null) {
loTail.next = null;
newTab[j] = loHead;
}
//原索引放到新表【原位置+原表大小】位置中，并且下一个节点置为null，比如原来是9，表大小为16，现在就是25
if (hiTail != null) {
hiTail.next = null;
newTab[j + oldCap] = hiHead;
}
}
}
}
}
return newTab;
}
分析1:
n:表的大小
由于直接%的运算比较大，所以HashMap中调用了这个方法(n- 1) & hash 这种效率更高
hashCode: 1111 1111 1101 1111 1111 1100 1101 1010
h>>>16: 0000 0000 0000 0000 1111 1111 1101 1111
hash(hashCode ^ h>>>16) : 1111 1111 1101 1111 0000 0011 0000 0101
(n- 1) & hash 等同于 hash % n
n默认是16 0000 0000 0000 0000 0000 0000 0001 0000
hash: 1111 1111 1101 1111 0000 0011 0000 0101 --->4292805381
n-1: 0000 0000 0000 0000 0000 0000 0000 1111 --->15
(n- 1) & hash: 0000 0000 0000 0000 0000 0000 0000 0101 --->5
4292805381 / 16 = 268300336余5
分析2：
e：原表中的每个桶
oldCap： 原表桶的个数，实际就是分析1中的n
e.hash & oldCap == 0
判断这个节点是否的hash值新加的bit是0还是1，什么意思呢？分析1中的确定位置是使用n-1和hash按位与的，但是我们这里相当于直接使用了n 和 hash按位与，位置相同hashCode不一定相同，比如17 / 2 余1, 19 / 2 也是余1，但是他们的hashCode不一样的，所以16扩容到32后，看二进制的后五位，所以有部分会在原位置，有些会到后面n的位置。