散列表实现原理

作者: Noblel | 来源:发表于2017-12-30 00:10 被阅读0次

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<K,V> implements Map.Entry<K,V> {
    //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<K,V> next;

    Node(int hash, K key, V value, Node<K,V> 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<K,V>[] tab; Node<K,V> 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<K,V> 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<K,V>)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<K,V> 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<K,V> getNode(int hash, Object key) {
    Node<K,V>[] tab; Node<K,V> 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<K,V>)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<K,V>[] resize() {
    Node<K,V>[] 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<K,V>[] newTab = (Node<K,V>[])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<K,V> 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<K,V>)e).split(this, newTab, j, oldCap);
                else { // preserve order
                    //原位置的桶下有链表
                    Node<K,V> loHead = null, loTail = null;
                    Node<K,V> hiHead = null, hiTail = null;
                    Node<K,V> 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。

散列表实现原理

散列表：

1. 用hash函数将查找的键转换成数组索引

2. 解决碰撞

Java中的HashMap

相关文章

网友评论

延伸阅读

深度阅读

栏目导航

热点阅读