Java魔法解密：HashMap底层机制大揭秘
文章目录
-
- 一、 源码深度解析
-
- 1.1 窥探Java集合框架中的设计思想
- 1.2 逐行解读HashMap的源代码
-
- 1.2.1 类信息
- 1.2.2 常量属性
- 1.2.3 变量属性
- 1.2.4 节点信息
- 1.2.5 构造方法
- 1.2.6 put方法
-
- 1.2.6.1 putVal方法
- 1.2.6.2 putTreeVal方法
- 1.2.6.3 tieBreakOrder方法
- 1.2.6.4 treeifyBin方法
- 1.2.6.5 treeify方法
- 1.2.7 get方法
- 1.2.8 remove方法
- 1.2.9 resize方法
- 二、 应用与最佳实践
-
- 2.1 在实际项目中如何合理使用HashMap
- 2.2 最佳实践和注意事项
- 三、 结论
-
- 3.1 对HashMap的全面总结
- 3.2 鼓励读者深入学习和实践
一、 源码深度解析
1.1 窥探Java集合框架中的设计思想
Java集合框架是Java编程中非常重要的一部分，提供了各种数据结构和算法，使得开发者能够高效地组织和操作数据。
Java集合框架的设计思想主要包括以下几个方面：
- 通用性（Generality）：
- Java集合框架被设计成通用的、可重用的组件。这样一来，同一套集合框架可以用于存储和处理各种类型的对象。
- 可扩展性（Scalability）：
- 集合框架提供了一系列接口和类，允许开发者实现自定义的集合类型。这种可扩展性使得开发者能够根据具体的需求创建新的集合类。
- 高性能（Performance）：
- 集合框架在设计时考虑了性能的因素，通过选择合适的数据结构和算法来提高操作的效率。例如，
ArrayList和LinkedList都是List接口的实现，但它们在插入和删除操作上有不同的性能表现。
- 集合框架在设计时考虑了性能的因素，通过选择合适的数据结构和算法来提高操作的效率。例如，
- 互操作性（Interoperability）：
- 集合框架中的各个接口和类都被设计成可以互相操作的。这种互操作性使得不同的集合类之间能够轻松地进行转换和使用。
- 可读性和简洁性（Readability and Simplicity）：
- 集合框架的设计追求代码的可读性和简洁性。通过提供一组清晰的接口和方法，开发者可以更容易地理解和使用集合框架。
- 线程安全性（Thread Safety）：
- 部分集合类（如
Hashtable、Vector）被设计成线程安全的，适用于多线程环境。此外，Java提供了一些在多线程环境中使用时更安全的并发集合类，如ConcurrentHashMap。
- 部分集合类（如
- Fail-Fast机制（快速失败机制）：
- 集合框架在迭代过程中使用了快速失败机制，当多个线程对同一集合进行修改时，可能会抛出
ConcurrentModificationException，以提醒开发者在迭代过程中不要修改集合。
- 集合框架在迭代过程中使用了快速失败机制，当多个线程对同一集合进行修改时，可能会抛出
总体来说，Java集合框架的设计思想注重通用性、性能、可扩展性和简洁性，为开发者提供了丰富而强大的工具，用于处理各种不同类型的数据。
1.2 逐行解读HashMap的源代码
1.2.1 类信息
1.2.2 常量属性
1.2.3 变量属性
1.2.4 节点信息
1.2.5 构造方法
1、构造一个具有默认初始容量（16）和默认加载因子（0.75）的空HashMap。
2、构造一个带指定初始容量和默认加载因子（0.75）的空HashMap。
3、构造一个带指定初始容量和加载因子的空HashMap。
4、构造一个映射关系与指定Map相同的新HashMap。
5、扩展LRU实现方式与思路。
在实现一个基于LRU策略的缓存时，通常会使用一个数据结构来存储缓存中的数据，并且需要记录数据的访问顺序。常见的数据结构是双向链表和哈希表的结合。
基于双向链表和哈希表的实现方式：
- 使用双向链表：双向链表可以记录数据的访问顺序，当某个数据被访问时，可以将其移动到链表的头部或尾部。
头部表示最近访问的数据，尾部表示最久未被访问的数据。 - 使用哈希表：哈希表用于
快速查找缓存中的数据，可以将数据的键（key）映射到对应的链表节点，以实现快速的查找和插入操作。
实现LRU缓存的基本思路如下：
- 当需要
访问缓存中的数据时，首先在哈希表中查找该数据是否存在。 - 如果
存在，则将该数据移动到链表的头部，表示最近被访问过。 - 如果
不存在，需要从后端的存储中加载数据，并插入到链表的头部，同时更新哈希表。 - 当
缓存已满时，需要淘汰链表尾部的数据，同时更新哈希表。
通过这种方式，实现了一个基于LRU淘汰策略的缓存系统，可以确保最近最少被使用的数据会被及时地淘汰，从而保持缓存中的数据是最有用的。
1.2.6 put方法
由于put方法代码量偏多，故使用代码+注释形式解读源码。
1.2.6.1 putVal方法
/**
* HashMap的put操作源码+注释
*/
public V put(K key, V value) {
// 先根据hash()方法，计算存放元素在table数组中的下标
return putVal(hash(key), key, value, false, true);
}
// hash方法
static final int hash(Object key) {
int h;
// 如果key为null，返回hash=0
// 如果key不为null，那么进行key的hashCode值的高低位异或运算，返回结果作为hash值
return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}
// putVal方法
final V putVal(int hash, K key, V value, boolean onlyIfAbsent,
boolean evict) {
Node<K,V>[] tab; Node<K,V> p; int n, i;
// 如果第一次插入，table为空或者length等于0
if ((tab = table) == null || (n = tab.length) == 0)
// 调用resize方法进行初始化
n = (tab = resize()).length;
// 通过hash值计算索引位置，将该索引位置的头节点赋值给p且p为空
// 实则进行取余操作 == p=tab[hash%length]
if ((p = tab[i = (n - 1) & hash]) == null)
// 在该索引位置新增一个节点
tab[i] = newNode(hash, key, value, null);
else {
// table表该索引位置不为空，则会发生hash冲突
Node<K,V> e; K k;
// 当p节点的hash值和key跟传入的相等
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
// p节点即为要查找的目标节点，将p节点赋值给e节点
e = p;
// 当p节点为TreeNode
else if (p instanceof TreeNode)
// 调用红黑树的putTreeVal方法查找目标节点
e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
else {
// 判断完，则p节点为普通链表节点
//遍历节点操作，使用binCount统计链表的节点数
for (int binCount = 0; ; ++binCount) {
// p的next节点为空时，代表找不到目标节点
if ((e = p.next) == null) {
// 新增一个节点并插入链表尾部
p.next = newNode(hash, key, value, null);
// 当binCount节点数超过8个
// TREEIFY_THRESHOLD - 1：由于循环是从p节点的下一个节点开始的
if (binCount >= TREEIFY_THRESHOLD - 1)
// 调用treeifyBin方法将链表节点转为红黑树节点
treeifyBin(tab, hash);
break;
}
// e节点的hash值和key值与传入的相同
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
// e节点即为目标节点，跳出循环
break;
// 将p指向下一个节点，继续往后遍历
p = e;
}
}
// e节点不为空，代表目标节点存在
if (e != null) {
// 使用传入的value覆盖该节点的value，即保留原来元素的value
V oldValue = e.value;
// 当oldValue为空
if (!onlyIfAbsent || oldValue == null)
// 替换value
e.value = value;
// 用于LinkedHashMap
afterNodeAccess(e);
// 返回一个原有的value
return oldValue;
}
}
// 添加操作执行后，对modCount、size做加一操作
++modCount;
// 插入节点后节点数超过阈值
if (++size > threshold)
// 调用resize方法进行扩容
resize();
// 用于LinkedHashMap
afterNodeInsertion(evict);
return null;
}
1.2.6.2 putTreeVal方法
/**
* 当阈值达到触发红黑树的put的源码+注释
*/
final TreeNode<K,V> putTreeVal(HashMap<K,V> map, Node<K,V>[] tab,
int h, K k, V v) {
Class<?> kc = null;
boolean searched = false;
// TreeNode继承于LinkedHashMap.Entry
// parent节点不等于空，则查找根节点
// 即得出索引位置的头节点并不一定为红黑树的根节点
TreeNode<K,V> root = (parent != null) ? root() : this;
// 将根节点赋值给p节点，开始进行查找
for (TreeNode<K,V> p = root;;) {
int dir, ph; K pk;
// 当传入的hash值小于p节点的hash值
if ((ph = p.hash) > h)
// 将dir赋值为-1，代表向p的左边查找树
dir = -1;
// 否则传入的hash值大于p节点的hash值
else if (ph < h)
// 将dir赋值为1，代表向p的右边查找树
dir = 1;
// 当传入的key值等于p节点的key值
else if ((pk = p.key) == k || (k != null && k.equals(pk)))
// 即p节点为目标节点, 返回p节点
return p;
// 当k所属的类没有实现Comparable接口 或 k和p节点的key相等
else if ((kc == null &&
(kc = comparableClassFor(k)) == null) ||
(dir = compareComparables(kc, k, pk)) == 0) {
// 由于局部变量初始为false，即当第一次判断是符合条件的
if (!searched) {
TreeNode<K,V> q, ch;
// 查找过后标记为true
searched = true;
// 从p节点的左节点和右节点分别调用find方法进行查找
if (((ch = p.left) != null &&
(q = ch.find(h, k, kc)) != null) ||
((ch = p.right) != null &&
(q = ch.find(h, k, kc)) != null))
// 查找到目标节点则返回
return q;
}
// 否则使用定义的一套规则来比较k和p节点的key的大小, 用来决定向左还是向右查找
// dir<0则代表k
dir = tieBreakOrder(k, pk);
}
// xp赋值为x的父节点,中间变量,用于下面给x的父节点赋值
TreeNode<K,V> xp = p;
// dir<=0则向p左边查找,否则向p右边查找,如果为null
if ((p = (dir <= 0) ? p.left : p.right) == null) {
// xp的next节点
Node<K,V> xpn = xp.next;
// 创建新的节点, 其中x的next节点为xpn, 即将x节点插入xp与xpn之间
TreeNode<K,V> x = map.newTreeNode(h, k, v, xpn);
// 调整x、xp、xpn之间的属性关系
// 如果dir <= 0
if (dir <= 0)
// 代表x节点为xp的左节点
xp.left = x;
else
// 如果dir> 0, 则代表x节点为xp的右节点
xp.right = x;
// 将xp的next节点设置为x
xp.next = x;
// 将x的parent和prev节点设置为xp
x.parent = x.prev = xp;
// 当xpn不为空
if (xpn != null)
// 将xpn的prev节点设置为x节点,与上文的x节点的next节点对应
((TreeNode<K,V>)xpn).prev = x;
// 进行红黑树的插入平衡调整
moveRootToFront(tab, balanceInsertion(root, x));
return null;
}
}
}
1.2.6.3 tieBreakOrder方法
/**
* 使用定义的一套规则来比较k和p节点的key的大小
*/
static int tieBreakOrder(Object a, Object b) {
int d;
if (a == null || b == null ||
(d = a.getClass().getName().
compareTo(b.getClass().getName())) == 0)
// a < b为-1，a > b为1
d = (System.identityHashCode(a) <= System.identityHashCode(b) ?
-1 : 1);
return d;
}
1.2.6.4 treeifyBin方法
/**
* 将链表转为红黑树
*/
final void treeifyBin(Node<K,V>[] tab, int hash) {
int n, index; Node<K,V> e;
// 当tab为空或者tab的长度小于64
if (tab == null || (n = tab.length) < MIN_TREEIFY_CAPACITY)
// 进行扩容
resize();
// 根据hash值计算索引值，将该索引位置的节点赋值给e且e不为null
else if ((e = tab[index = (n - 1) & hash]) != null) {
TreeNode<K,V> hd = null, tl = null;
// 从e开始遍历该索引位置的链表
do {
// 将链表节点转红黑树节点
TreeNode<K,V> p = replacementTreeNode(e, null);
// tl为空代表为第一次循环
if (tl == null)
// 将头节点赋值给hd
hd = p;
else {
// 如果不是第一次遍历
// 当前节点的prev属性设为上一个节点
p.prev = tl;
// 上一个节点的next属性设置为当前节点
tl.next = p;
}
// 将p节点赋值给tl，用于在下一次循环中作为上一个节点进行一些链表的关联操作（p.prev = tl 和 tl.next = p）
tl = p;
} while ((e = e.next) != null);
// 将tab该索引位置赋值为新的TreeNode的头节点，如果该节点不为空
if ((tab[index] = hd) != null)
// 以头节点(hd)为根节点, 构建红黑树
hd.treeify(tab);
}
}
// 将链表节点转红黑树节点
TreeNode<K,V> replacementTreeNode(Node<K,V> p, Node<K,V> next) {
return new TreeNode<>(p.hash, p.key, p.value, next);
}
1.2.6.5 treeify方法
/**
* 将哈希表中的链表结构转换为树形结构，以提高查找效率
*/
final void treeify(Node<K,V>[] tab) {
TreeNode<K,V> root = null;
// 开始一个循环，初始化变量x为当前节点，然后在每次迭代中将x更新为next
for (TreeNode<K,V> x = this, next; x != null; x = next) {
// next赋值为x的下个节点
next = (TreeNode<K,V>)x.next;
// 将x的左右节点设置为空
x.left = x.right = null;
// 如果还没有根节点
if (root == null) {
// 根节点没有父节点，设为null
x.parent = null;
// 根节点必须为黑色,false为黑色
x.red = false;
// 在将x设置为根节点
root = x;
}
// 如果有根节点
else {
// k赋值为x的key
K k = x.key;
// h赋值为x的hash值
int h = x.hash;
// 定义一个类型未知的变量kc
Class<?> kc = null;
// 开始一个无限循环，初始化变量p为root节点，表示对树进行遍历
for (TreeNode<K,V> p = root;;) {
int dir, ph;
K pk = p.key;
// 比较当前节点x的哈希值h与节点p的哈希值ph，根据比较结果给变量dir赋值
// 如果x节点的hash值小于p节点的hash值，则将dir赋值为-1, 代表向p的左边查找
if ((ph = p.hash) > h)
dir = -1;
// 如果x节点的hash值大于p节点的hash值，则将dir赋值为1, 代表向p的右边查找
else if (ph < h)
dir = 1;
// x的hash值和p的hash值相等，则比较key值
// 如果k没有实现Comparable接口 或者 x节点的key和p节点的key相等
else if ((kc == null &&
(kc = comparableClassFor(k)) == null) ||
(dir = compareComparables(kc, k, pk)) == 0)
// 使用定义的一套规则来比较x节点和p节点的大小，用来决定向左还是向右查找
dir = tieBreakOrder(k, pk);
// 将p节点的父节点赋值给xp,中间变量用于下面给x的父节点赋值
TreeNode<K,V> xp = p;
// dir<=0则向p左边查找,否则向p右边查找,如果为null,则代表该位置即为x的目标位置
if ((p = (dir <= 0) ? p.left : p.right) == null) {
// x的父节点即为最后一次遍历的p节点
x.parent = xp;
// 如果dir <= 0, 代表x节点为父节点的左节点
if (dir <= 0)
xp.left = x;
// 如果dir > 0, 代表x节点为父节点的右节点
else
xp.right = x;
// 进行红黑树的插入平衡(通过左旋、右旋和改变节点颜色来保证当前树符合红黑树的要求)
root = balanceInsertion(root, x);
break;
}
}
}
}
// 如果root节点不在tab索引位置的头节点, 则将其调整为头节点
moveRootToFront(tab, root);
}
1.2.7 get方法
/**
* HashMap的get操作源码+注释
*/
public V get(Object key) {
Node<K,V> e;
// 调用hash(key)方法计算键key的哈希值，然后调用getNode方法获取与该键对应的节点，将结果赋给变量e
// 如果e为null，则返回null；否则返回e节点的值e.value
return (e = getNode(hash(key), key)) == null ? null : e.value;
}
// 获取与该键对应的节点
final Node<K,V> getNode(int hash, Object key) {
Node<K,V>[] tab; Node<K,V> first, e; int n; K k;
// 对table进行校验：table不为空 && table长度大于0 && table索引位置(使用table.length - 1和hash值进行位与运算)的节点不为空
if ((tab = table) != null && (n = tab.length) > 0 &&
(first = tab[(n - 1) & hash]) != null) {
// 检查first节点的hash值和key是否和入参的一样，如果一样则first即为目标节点，直接返回first节点
if (first.hash == hash && // always check first node
((k = first.key) == key || (key != null && key.equals(k))))
return first;
// 如果first不是目标节点，并且first的next节点不为空则继续遍历
if ((e = first.next) != null) {
if (first instanceof TreeNode)
// 如果是红黑树节点，则调用红黑树的查找目标节点方法getTreeNode
return ((TreeNode<K,V>)first).getTreeNode(hash, key);
// 继续遍历
do {
// 执行链表节点的查找，向下遍历链表, 直至找到节点的key和入参的key相等时,返回该节点
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
return e;
} while ((e = e.next) != null);
}
}
// 找不到符合的返回空
return null;
}
1.2.8 remove方法
/**
* HashMap的remove操作源码+注释
*/
public V remove(Object key) {
Node<K,V> e;
return (e = removeNode(hash(key), key, null, false, true)) == null ?
null : e.value;
}
final Node<K,V> removeNode(int hash, Object key, Object value,
boolean matchValue, boolean movable) {
Node<K,V>[] tab; Node<K,V> p; int n, index;
// 如果table不为空 && table长度大于0 && 根据hash值计算出来的索引位置不为空, 将该位置的节点赋值给p
if ((tab = table) != null && (n = tab.length) > 0 &&
(p = tab[index = (n - 1) & hash]) != null) {
Node<K,V> node = null, e; K k; V v;
// 如果p的hash值和key都与入参的相同, 则p即为目标节点, 赋值给node
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
node = p;
// 否则将p.next赋值给e，向下遍历节点
else if ((e = p.next) != null) {
// 如果p是TreeNode则调用红黑树的方法查找节点
if (p instanceof TreeNode)
node = ((TreeNode<K,V>)p).getTreeNode(hash, key);
else {
// 否则，进行普通链表节点的查找
do {
// 当节点的hash值和key与传入的相同,则该节点即为目标节点
if (e.hash == hash &&
((k = e.key) == key ||
(key != null && key.equals(k)))) {
// 赋值给node, 并跳出循环
node = e;
break;
}
// p节点赋值为本次结束的e，在下一次循环中，e为p的next节点
p = e;
// e指向下一个节点
} while ((e = e.next) != null);
}
}
// 如果node不为空，即根据传入key和hash值查找到目标节点，则进行移除操作
if (node != null && (!matchValue || (v = node.value) == value ||
(value != null && value.equals(v)))) {
// 如果是TreeNode则调用红黑树的移除方法
if (node instanceof TreeNode)
((TreeNode<K,V>)node).removeTreeNode(this, tab, movable);
// 如果node是该索引位置的头节点则直接将该索引位置的值赋值为node的next节点
// “node == p”只会出现在node是头节点的时候，如果node不是头节点，则node为p的next节点
else if (node == p)
tab[index] = node.next;
// 否则将node的上一个节点的next属性设置为node的next节点
// 即将node节点移除, 将node的上下节点进行关联(链表的移除)
else
p.next = node.next;
++modCount;
--size;
// 供LinkedHashMap使用
afterNodeRemoval(node);
// 返回被移除的节点
return node;
}
}
return null;
}
1.2.9 resize方法
/**
* HashMap的resize操作源码+注释
*/
final Node<K,V>[] resize() {
Node<K,V>[] oldTab = table;
int oldCap = (oldTab == null) ? 0 : oldTab.length;
int oldThr = threshold;
int newCap, newThr = 0;
// 旧表的容量不为0
if (oldCap > 0) {
// 判断旧表的容量是否超过最大容量值
if (oldCap >= MAXIMUM_CAPACITY) {
// 将阈值设置为Integer.MAX_VALUE，并直接返回旧表
threshold = Integer.MAX_VALUE;
return oldTab;
}
// 将newCap赋值为oldCap的2倍，如果newCap<最大容量小于最大容量值并且oldCap>=16
else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&
oldCap >= DEFAULT_INITIAL_CAPACITY)
// 将新阈值设置为原来的两倍
newThr = oldThr << 1; // double threshold
}
// 如果旧表的容量的阈值大于0, 是因为初始容量被放入阈值，则将新表的容量设置为旧表的阈值
else if (oldThr > 0)
newCap = oldThr;
else {
// 旧表的容量为0, 旧表的阈值为0，这种情况是没有传初始容量的new方法创建的空表，将阈值和容量设置为默认值
newCap = DEFAULT_INITIAL_CAPACITY;
newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);
}
// 如果新表的阈值为空, 则通过新的容量*负载因子获得阈值
if (newThr == 0) {
float ft = (float)newCap * loadFactor;
newThr = (newCap < MAXIMUM_CAPACITY && ft < (float)MAXIMUM_CAPACITY ?
(int)ft : Integer.MAX_VALUE);
}
// 将当前阈值设置为刚计算出来的新的阈值，定义新表，容量为刚计算出来的新容量，将table设置为新定义的表
threshold = newThr;
@SuppressWarnings({"rawtypes","unchecked"})
Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap];
table = newTab;
// 如果旧表不为空，则需遍历所有节点，将节点赋值给新表
if (oldTab != null) {
for (int j = 0; j < oldCap; ++j) {
Node<K,V> e;
// 将索引值为j的旧表头节点赋值给e
if ((e = oldTab[j]) != null) {
// 将旧表的节点设置为空, 以便垃圾收集器回收空间
oldTab[j] = null;
// 如果e.next为空, 则代表旧表的该位置只有1个节点，计算新表的索引位置, 直接将该节点放在该位置
if (e.next == null)
newTab[e.hash & (newCap - 1)] = e;
// 如果是红黑树节点，则进行红黑树的重hash分布(跟链表的hash分布基本相同)
else if (e instanceof TreeNode)
((TreeNode<K,V>)e).split(this, newTab, j, oldCap);
else { // preserve order
// 如果是普通的链表节点，则进行普通的重hash分布
// 存储索引位置为:“原索引位置”的节点
Node<K,V> loHead = null, loTail = null;
// 存储索引位置为:“原索引位置+oldCap”的节点
Node<K,V> hiHead = null, hiTail = null;
Node<K,V> next;
do {
next = e.next;
// 如果e的hash值与旧表的容量进行与运算为0,则扩容后的索引位置跟旧表的索引位置一样
if ((e.hash & oldCap) == 0) {
// 如果loTail为空
if (loTail == null)
// 将loHead赋值为第一个节点
loHead = e;
else
// 否则将节点添加在loTail后面
loTail.next = e;
// 并将loTail赋值为新增的节点
loTail = e;
}
else {
// 如果hiTail为空, 代表该节点为第一个节点
if (hiTail == null)
// 将hiHead赋值为第一个节点
hiHead = e;
else
// 否则将节点添加在hiTail后面
hiTail.next = e;
// 并将hiTail赋值为新增的节点
hiTail = e;
}
} while ((e = next) != null);
// 如果loTail不为空（说明旧表的数据有分布到新表上“原索引位置”的节点），则将最后一个节点的next设为空，并将新表上索引位置为“原索引位置”的节点设置为对应的头节点
if (loTail != null) {
loTail.next = null;
newTab[j] = loHead;
}
// 如果hiTail不为空（说明旧表的数据有分布到新表上“原索引+oldCap位置”的节点），则将最后一个节点的next设为空，并将新表上索引位置为“原索引+oldCap”的节点设置为对应的头节点
if (hiTail != null) {
hiTail.next = null;
newTab[j + oldCap] = hiHead;
}
}
}
}
}
// 返回新表
return newTab;
}
二、 应用与最佳实践
2.1 在实际项目中如何合理使用HashMap
合理使用HashMap的建议：
- 缓存数据：可以使用HashMap作为缓存的数据结构，将
计算结果或者频繁访问的数据存储在HashMap中，以提高数据的访问速度。 - 数据索引：在需要按照某个字段快速查找数据的场景下，可以使用HashMap来构建索引，以便快速定位数据对象。
- 配置信息存储：可以使用HashMap来存储应用程序的配置信息，例如
键值对形式的配置参数。 - 数据分组：当需要对数据进行分组时，可以使用HashMap来进行分组存储，以便快速获取特定分组的数据。
- 缓存计算结果：在一些需要
频繁计算的场景下，可以使用HashMap来缓存计算结果，避免重复计算。 - 快速访问和修改：HashMap提供了快速的
查找、插入和删除操作，适合于需要频繁进行这些操作的场景。 - 代替多层嵌套的条件判断：有时候可以使用HashMap代替多层嵌套的条件判断，提高代码的可读性和可维护性。
- 事件处理：可以在事件驱动的系统中使用HashMap来保存事件处理器，根据事件类型快速找到对应的处理器进行处理。
- 路由表：在网络相关的应用中，可以使用HashMap来构建路由表，快速查找目标地址对应的路由信息。
2.2 最佳实践和注意事项
最佳实践：
-
初始化容量： 在创建HashMap时，尽量提供初始容量，以减少扩容操作的频率。这可以通过构造函数中的参数来完成，如
HashMap(int initialCapacity)。Map<String, Integer> map = new HashMap<>(16); // 初始化容量为16 -
负载因子： 负载因子是指哈希表在自动扩容之前可以达到多满的一个度量。默认负载因子是0.75，你可以根据你的需求调整。
Map<String, Integer> map = new HashMap<>(16, 0.8f); // 指定负载因子为0.8 -
选择好的哈希函数： 如果你使用自定义对象作为键，确保实现了合适的
hashCode()和equals()方法。 -
线程安全性： 如果在多线程环境下使用HashMap，考虑使用
ConcurrentHashMap，它提供了更好的并发性能。Map<String, Integer> concurrentMap = new ConcurrentHashMap<>(); -
遍历方式： 使用
entrySet()来遍历HashMap，而不是分别使用keySet()和values()。这可以避免多次计算哈希码。for (Map.Entry<String, Integer> entry : map.entrySet()) { // 处理每个键值对 }
注意事项：
-
空指针检查： 在使用
get()方法获取值之前，最好先检查键是否存在，以避免空指针异常。if (map.containsKey(key)) { // 避免空指针异常 Integer value = map.get(key); // 处理值 } -
键和值的类型： 注意HashMap的键和值的类型，确保它们符合你的预期。使用
泛型可以在编译时提供类型检查。 -
扩容代价： HashMap在达到一定负载因子时会自动扩容，这可能导致性能损失。在性能敏感的场景中，可以考虑
手动调整容量以减少扩容的发生。 -
不要过度使用HashMap： 在某些情况下，可能有更适合的数据结构，如LinkedHashMap、TreeMap等，取决于你的需求。
-
了解并发限制： 如果在并发环境下使用HashMap，要注意可能出现的并发限制，确保你的代码是线程安全的。
三、 结论
3.1 对HashMap的全面总结
HashMap的全面总结：
- 概述：
- 定义：
HashMap是Java集合框架中的一部分，实现了Map接口，用于存储键值对。 - 特性： 允许存储null键和null值，非同步（不是线程安全的）。
- 基本操作：
- 插入元素：
put(key, value)方法用于插入键值对。 - 获取元素：
get(key)方法用于根据键获取值。 - 删除元素：
remove(key)方法用于根据键删除键值对。
- 内部实现：
- 数组+链表/红黑树： HashMap内部使用一个数组来存储桶(bucket)，每个桶是一个链表或者红黑树，用于解决哈希冲突。
- 哈希算法： 通过对键的哈希码进行运算，确定键在数组中的位置。
- 哈希冲突：
- 链表解决冲突： 相同哈希码的键值对以链表形式存储在同一桶中。
- 红黑树优化： 当链表长度过长时，会将链表转换为红黑树，以提高检索效率。
- 扩容和负载因子：
- 负载因子： 默认为
0.75，表示当HashMap中的元素个数达到容量乘以负载因子时，进行扩容操作。 - 扩容： 当达到负载因子时，HashMap会创建一个新的容量是原容量两倍的数组，将原有元素重新分配到新的数组中。
- 性能：
- 平均时间复杂度： 插入、删除、查找的平均时间复杂度都是
O(1)，在理想情况下。 - 注意： 由于哈希冲突和扩容操作，性能可能会有所下降。
- 使用注意事项：
- 线程安全： HashMap不是线程安全的，如果需要在多线程环境中使用，可以考虑使用
ConcurrentHashMap。 - equals和hashCode方法： 为了正确存储和检索对象，键的类必须正确实现
equals和hashCode方法。
- JDK版本变化：
- JDK 8： 引入了红黑树优化，以提高性能。
- JDK 9： 基于树的桶(bin)中的元素现在是按插入顺序排序。
3.2 鼓励读者深入学习和实践
- 源码分析： 阅读HashMap的源代码是学习其实现原理的一种有效方式。通过查看Java标准库的HashMap源码，你可以深入了解它是如何处理哈希冲突、计算哈希码、扩容等细节的。
- 实际应用： 将HashMap应用于实际项目中，观察其在不同场景下的性能表现。理解何时使用HashMap以及如何调整其初始容量等参数是很重要的。
- 深入学习数据结构和算法： 了解哈希表是如何在计算机科学中工作的，并学习其他数据结构和算法，有助于更好地理解HashMap的优势和局限性。
- 参与开源项目： 如果可能，参与开源项目，特别是与数据结构和算法相关的项目。通过实际的编码和与其他开发者的交流，你可以深化对HashMap以及其他数据结构的理解。
盈若安好，便是晴天