Hashmap的学习

一：hash 算法

hash 值的计算，目的为了找到在数组中的index下标。

数组下标index = hash & (n-1) // n 代表的是数组的长度，hashmap 里数组的初始长度是16

 上面源码的写法，等价于下面的，如下：

hash>>>16: 表示高位的，移动到了低位，低位的全部消失，然后高位全部补0

问题一：为啥要让高位的参与进来呢？

如果高位不参与进来，那么参与计算的只有低4位了，因为是 & 运算，而且（16-1）用二进制表示是 15 = 1111,  所以取决第四位 与 1111 进行 &运算 ，这样低四位全为0，结果位0，低四位全为1，结果位1111，所以取值范围是0000~1111.

问题二：为什么是 异或运算呢？

从这个图可以看出：

1， & 运算 ，偏向0的概率为 0.75

2.， | 运算，偏向1 的 概率为 0.75

3，^ 异或运算，0和1的概率都是0.5，这样更均衡、

hash 算法，主要是数组下标定位，这样改进的目的，都是为了，避免hash 冲突。

二： hash冲突了，怎么解决？

解决hash冲突（哈希冲突）有以下四种方法：

链地址法
再哈希法
建立公共溢出区
开放定址法

方法1：链地址法
对于相同的哈希值，使用链表进行连接。（HashMap使用此法）

优点

处理冲突简单，无堆积现象。即非同义词决不会发生冲突，因此平均查找长度较短；
适合总数经常变化的情况。（因为拉链法中各链表上的结点空间是动态申请的）
占空间小。装填因子可取α≥1，且结点较大时，拉链法中增加的指针域可忽略不计
删除结点的操作易于实现。只要简单地删去链表上相应的结点即可。

缺点

查询时效率较低。（存储是动态的，查询时跳转需要更多的时间）
在key-value可以预知，以及没有后续增改操作时候，开放定址法性能优于链地址法。
不容易序列化

方法2：再哈希法
提供多个哈希函数，如果第一个哈希函数计算出来的key的哈希值冲突了，则使用第二个哈希函数计算key的哈希值。

优点

不易产生聚集

缺点

增加了计算时间

方法3：建立公共溢出区
将哈希表分为基本表和溢出表两部分，凡是和基本表发生冲突的元素，一律填入溢出表。

法4：开放定址法
当关键字key的哈希地址p =H（key）出现冲突时，以p为基础，产生另一个哈希地址p1，若p1仍然冲突，再以p1为基础，产生另一个哈希地址p2，…，直到找出一个不冲突的哈希地址pi ，将相应元素存入其中。

即：Hi=（H（key）+di）% m （i=1，2，…，n）

开放定址法有下边三种方式：

线性探测再散列

1. 顺序查看下一个单元，直到找出一个空单元或查遍全表
2. di=1，2，3，…，m-1

二次(平方)探测再散列

1. 在表的左右进行跳跃式探测，直到找出一个空单元或查遍全表
2. di=1^2，-1^2，2^2，-2^2，…，k^2，-k^2 ( k<=m/2 )

伪随机探测再散列

建立一个伪随机数发生器，并给一个随机数作为起点
di=伪随机数序列。具体实现时，应建立一个伪随机数发生器，（如i=(i+p) % m），并给定一个随机数做起点。

例如，已知哈希表长度m=11，哈希函数为：H（key）= key % 11，则H（47）=3，H（26）=4，H（60）=5，假设下一个关键字为69，则H（69）=3，与47冲突。

如果用线性探测再散列处理冲突，下一个哈希地址为H1=（3 + 1）% 11 = 4，仍然冲突，再找下一个哈希地址为H2=（3 + 2）% 11 = 5，还是冲突，继续找下一个哈希地址为H3=（3 + 3）% 11 = 6，此时不再冲突，将69填入5号单元。

如果用二次探测再散列处理冲突，下一个哈希地址为H1=（3 + 12）% 11 = 4，仍然冲突，再找下一个哈希地址为H2=（3 - 12）% 11 = 2，此时不再冲突，将69填入2号单元。

如果用伪随机探测再散列处理冲突，且伪随机数序列为：2，5，9，……..，则下一个哈希地址为H1=（3 + 2）% 11 = 5，仍然冲突，再找下一个哈希地址为H2=（3 + 5）% 11 = 8，此时不再冲突，将69填入8号单元。

优点

容易序列化
若可预知数据总数，可以创建完美哈希数列

缺点

1. 占空间很大。（开放定址法为减少冲突，要求装填因子α较小，故当结点规模较大时会浪费很多空间）
2. 删除节点很麻烦。不能简单地将被删结点的空间置为空，否则将截断在它之后填人散列表的同义词结点的查找路径。这是因为各种开放地址法中，空地址单元(即开放地址)都是查找失败的条件。因此在用开放地址法处理冲突的散列表上执行删除操作，只能在被删结点上做删除标记，而不能真正删除结点。
 

三：hashmap 的put 源码解读

成员 变量一：数组初始容量 = 16 （1<< 4, 表示1 左移4位，即10000）

成员变量二：扩容因子 = 0.75

为什么是0.75呢？

1     空间利用率很高，但是提高了查询成本（因为1的话，表示数组已经全部使用，再添加元素的话，就会有冲突，无论放哪个index 都有元素，这样会形成链表，链表的查询效率低）

0.5   空间利用低，

0.75 是 空间和时间的折中。

成员变量三：树化参数 8

为什么链表的长度是8，就会转化成树呢？

 从源码中可以看到， hash 值出现8次一样的值时，即有8次冲突的概率是非常低的。

成员变量四：树化的最小数组容量 = 64 （16 扩容一次变为32， 32再扩容一次变为64，即要两次扩容才到达了转化为树的条件）

hashmap  put 源码解读

流程图：

 

// 第一步：数组是否为空的判断， 是——> 初始化数组

// 第二步：判断数组下标为i的位置，元素是否为空， 是——> 直接new一个节点/元素

// 第三步：判断下标i 位置的key, 和要插入的元素的key 是否相等，

是 ——>   值的覆盖；

不是——>判断next 节点是否为空，

为空，在节点后面 插入/new 一个节点/元素

不为空，e再赋值给p，继续遍历p的下一个节点，是否为空

// 第四步：节点next 的指向是否为空，即有没有下一个节点， 是——> 新的节点直接插在后面

// 第五步：是否要树化， 链表的长度是否为8，即遍历了8次，是——> 执行treeifyBin(tab, hash);

 

 初始化数组或者扩容的方法，如下：