HashMap vs HashTable

本文探讨了HashMap和HashTable之间的关键差异,重点在于线程安全、同步性、速度以及快速失败特性。此外,文章还介绍了如何通过Collections.synchronizeMap()方法使HashMap同步,以确保在多线程环境下安全地使用。

HashMap 与 HashTable 的差异?能不能让HashMap同步?

HashMap和HashTable之间的差异在Java面试中经常被提问到,以此来检验面试者是否正确理解容器类的用法以及是否知道怎么做出选择。HashTable是一个遗留的容器类,存在于Java API中很长时间了,并且在Java4的时候被重构了,从那时起,HashTable成为了Java集合框架(Java Collections framework)的一部分。在Java中,HashMap VS HashTable是非常流行的问题,以至于可以排到Java集合面试问题题的前几名。在接下来的这篇Java文章中,我们不仅将研究它们两者的差异,还将探索它们之间的共性,先来看一下两者的差异。


HashMap 与 HashTable 的差异

两者都实现了Map接口,但是它们有一些重大的区别,在决定使用HashMap还是HashTable的时候知道这些区别是非常重要的。区别包括:线程安全、同步、速度,以下是详细叙述:

1. HashMap类大体上和HashTable相同,但是HashMap不是同步的,并且HashMap允许null值(HashMap允许key或者value的值为null,但是HashTable中不可以)。


2. 两者之间最重要的差异就是HashMap是非同步的,而HashTable是同步的,这就意味着HashTable是线程安全的,可以被多个线程共享;而HashMap在没有被恰当的同步之前是不能够被多个线程共享的。在Java5中引入了ConcurrentHashMap作为一种可选择的替代,并且比HashTable提供了更好的可扩展性。


3. HashMap vs HashTable的另外一个重要的区别是在HashMap中它的迭代器是快速失败的(fail-fast),并且在发生结构性修改的时候会立即抛出ConcurrentModificationExeception异常。而在HashTable中这些是不会发生的。但是这并不是一个获得保证的行为,因为这个行为是JVM尽量去执行的。(注:通过阅读HashMap的源码可以发现,HashMap保存一个叫做modCount的值,每一次结构性修改的时候都会自增modCount的值,然后在迭代的时候,modCount会对迭代行为产生影响)


4. 另一个需要留意的区别就是因为保证线程安全和同步的实施,HashTable相比于HashMap是非常的慢的,假如在单线程的环境中或者不需要同步,应该考虑使用HashMap。


5. HashMap不保证元素在map中的映射顺序随着时间的改变是不变的。(因为随着容量的最大,会发生rehashing操作)


一些重要的术语

1)同步(Synchronized)意味着在同一个时间只能有一个线程修改哈希表。更进一步的说,这就意味着任何一个线程想要在哈希表上实施update操作之前,都必须先获得这个对象的锁,然后其他的对象必须等待它完成之后释放锁后才能修改。


2)快速失败(fail-fast)是与迭代器有关的内容。假如一个迭代器被创建出来迭代容器内的元素,而另外的一个线程随即对这个容器进行了结构性的修改,那么就会立即抛出    ConcurrentModificationExeception异常。其他线程对容器的非结构性修改则不会导致该异常的发生。


3)结构性修改是指删除或者插入元素、改变底层数组的大小使得map的结构发生变化,而仅仅对于map的value做出修改,则不算结构性修改。


如何使HashMap同步?

可以公共下面的方法使HashMap同步

Map m = Collections.synchronizeMap(hashMap);



---文章翻译于 : Difference between HashMap and HashTable? Can we make hashmap synchronized?




单向双向V2G 环境下分布式电源与电动汽车充电站联合配置方法(Matlab代码实现)内容概要:本文介绍了在单向和双向V2G(Vehicle-to-Grid)环境下,分布式电源与电动汽车充电站的联合配置方法,并提供了基于Matlab的代码实现。研究涵盖电力系统优化、可再生能源接入、电动汽车充放电调度、储能配置及微电网经济调度等多个关键技术领域,重点探讨了在不同电价机制和需求响应策略下,如何通过智能优化算法实现充电站与分布式电源的协同规划与运行优化。文中还展示了多种应用场景,如有序充电调度、鲁棒优化模型、多目标优化算法(如NSGA-II、粒子群算法)在电力系统中的实际应用,体现了较强的工程实践价值和技术综合性。; 适合人群:具备电力系统、新能源、智能优化算法等相关背景的科研人员、研究生及从事能源系统规划与优化的工程技术人员;熟悉Matlab/Simulink仿真工具者更佳。; 使用场景及目标:①用于科研项目中关于电动汽车与分布式电源协同配置的模型构建与仿真验证;②支持毕业论文、期刊投稿中的案例分析与算法对比;③指导实际电力系统中充电站布局与能源调度的优化设计。; 阅读建议:建议结合文中提供的Matlab代码与具体案例进行同步实践,重点关注优化模型的数学建模过程与算法实现细节,同时可参考文末网盘资源获取完整代码与数据集以提升学习效率。
【电动车】【超级棒】基于蒙特卡洛模拟法的电动汽车充电负荷研究(Matlab代码实现)内容概要:本文围绕基于蒙特卡洛模拟法的电动汽车充电负荷研究展开,利用Matlab代码实现对不同类型电动汽车(如常规充电、快速充电、换电模式)在不同场景下的充电负荷进行建模与仿真。通过蒙特卡洛方法模拟大量电动汽车的充电行为,结合用户出行规律、充电时间、电量需求等随机因素,分析电动汽车规模化接入电网后对电力系统负荷的影响,并探讨分时电价策略对充电负荷的引导作用,进而优化电网运行。研究涵盖充电负荷的空间分布特性、时间分布特征及对电网峰谷差的影响,旨在为电力系统规划和电动汽车有序充电管理提供理论支持和技术工具。; 适合人群:具备一定电力系统、交通工程或新能源汽车背景的研究生、科研人员及从事智能电网、电动汽车相关领域的工程技术人员。; 使用场景及目标:①用于研究大规模电动汽车接入对配电网负荷曲线的影响;②支撑分时电价、需求响应等政策制定与优化;③为充电站规划、电网调度、储能配置等提供数据支持和仿真平台;④适用于学术研究、课题复现及工程项目前期分析。; 阅读建议:建议读者结合文中提供的Matlab代码进行实践操作,重点关注蒙特卡洛模拟的参数设置、充电行为的概率建模过程,并尝试调整输入变量以观察负荷变化趋势,加深对电动汽车充电负荷不确定性和聚合效应的理解。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值