HashSet、HashMap，散列表数据结构（哈希表）

 

HashSet、HashMap，散列表数据结构（哈希表）

前几天介绍了 ArrayList的底层实现以及对性能的简单分析。今天再来看看HashSet，HashMap。

HashSet:

很多开发者，初学者都知道HashSet无序，不可重复，线程非同步。底层是哈希表结构。
但它是怎么做到的？什么是散列表数据结构（哈希表）？有什么特性？都清楚吗？不清楚继续往下看。

它是这样做到的：

先来看HashSet的源码，首先看默认构造器：

public HashSet() {
	map = new HashMap<E,Object>();
}
// ok,我们看到构造器中new了一个HashMap。key使用了泛型，value使用Object。

再来看add方法源码：

private static final Object PRESENT = new Object();
public boolean add(E e) {
	return map.put(e, PRESENT)==null;
}
// PRESENT是一个Object类型的常量，用来当做map的value. 也就是说，你以后在HashSet中存储的元素都是HashMap中key，value全部使用Object。

HashMap的key是不可以重复的，保证元素唯一的依据是对象的hashCode跟equals方法。
而HashSet不就是用HashMap的key来存储元素嘛，也就保证了元素的唯一性。包括迭代器也是HashMap中keySet方法取得的iterator。

public Iterator<E> iterator() {
	return map.keySet().iterator();
}

通过上面的介绍，已经对HashSet比较了解了，我们知道HashSet底层是用了HashMap。
要想知道怎么做到存取速度快的，我们直接看HashMap就好了。

散列表数据结构（哈希表）

散列表（Hash table，也叫哈希表），是根据关键字(Key value)而直接进行访问的数据结构。
也就是说，它通过把关键码值映射到表中一个位置来访问记录，以加快查找的速度。这个映射函数叫做散列函数，存放记录的数组叫做散列表。

HashMap底层就是散列表数据结构，即数组和链表的结合体，
底层是一个数组结构，数组中的每一项又是一个链表。这样做有什么好处呢？
数组能够提供对元素的快速访问但不易于扩展(如果不知道元素脚标，还得进行遍历查找)，链表易于扩展但不能对其元素进行快速访问。
怎样做到两全其美，就是散列表数据结构。

我们来看看HashMap中元素存跟取的实现方式：

首先明白，HashMap根据key的hashCode计算出元素在Entry数组中的位置,然后再Entry内部链表中存放key,value。

先看构造方法源码：

static final int DEFAULT_INITIAL_CAPACITY = 16; // 默认初始化容量
static final float DEFAULT_LOAD_FACTOR = 0.75f; 
final float loadFactor; // 用于计算扩容阀值
 /* The next size value at which to resize (capacity * load factor) */
int threshold; // Entry扩容阀值
// The table, resized as necessary. Length MUST Always be a power of two.
transient Entry[] table;// 存放键值对的Entry数组
public HashMap() { 
    this.loadFactor = DEFAULT_LOAD_FACTOR;
    threshold = (int)(DEFAULT_INITIAL_CAPACITY * DEFAULT_LOAD_FACTOR); // 计算扩容阀值
    table = new Entry[DEFAULT_INITIAL_CAPACITY]; // 初始化Entry<K,V>数组
    init();
}
/* 在默认构造方法中，初始化了一个容量为16的HashMap（Entry数组），当元素超过75%(16*0.75f=12个)的时候开始自动扩容*/

put方法源码： eg: map.put("a","abc");

public V put(K key, V value) {
    if (key == null)
        return putForNullKey(value);
    int hash = hash(key.hashCode()); // 获取key的hash值
    int i = indexFor(hash, table.length); // h & (length-1); 通过hashcode取模数组长度， 定位hash值在table数组中的索引
    // 如果table数组中i索引所在位置有元素，循环遍历该链表中的下一个元素
    for (Entry<K,V> e = table[i]; e != null; e = e.next) {
        Object k;
        // 遍历到了hash值相同并且equals也相同的key，把value用新值替换掉
        if (e.hash == hash && ((k = e.key) == key || key.equals(k))) {
            V oldValue = e.value;
            e.value = value;
            e.recordAccess(this);
            return oldValue;
        }
    }
	
    modCount++;
    // table中i索引所在位置没有元素，添加key、value到指定索引处。
    addEntry(hash, key, value, i);
    return null;
}

addEntry()方法源码：

void addEntry(int hash, K key, V value, int bucketIndex) {
	// 下面两行代码将entry保存进了table数组中Entry内部链表的第一个位置。
	Entry<K,V> e = table[bucketIndex];
    table[bucketIndex] = new Entry<K,V>(hash, key, value, e);
    if (size++ >= threshold) // 需要扩容了
        resize(2 * table.length); // 重新计算数组大小
}

由于元素的位置是通过hashcode取模数组长度而得， 现在由于需要扩容，数组长度会发生变化，
所以会在resize方法跟transfer方法中进行元素位置的重新分配。

resize()方法源码： // 重新计算数组长度

void resize(int newCapacity) {
    Entry[] oldTable = table;
    int oldCapacity = oldTable.length;
    if (oldCapacity == MAXIMUM_CAPACITY) {
        threshold = Integer.MAX_VALUE;
        return;
    }


    Entry[] newTable = new Entry[newCapacity];
    transfer(newTable);
    table = newTable;
    threshold = (int)(newCapacity * loadFactor); // 新的扩容阀值
}

transfer()方法源码：// 重新分配

void transfer(Entry[] newTable) {
    Entry[] src = table;
    int newCapacity = newTable.length;
    for (int j = 0; j < src.length; j++) {
        Entry<K,V> e = src[j];
        if (e != null) {
            src[j] = null;
            do {
                Entry<K,V> next = e.next;
                int i = indexFor(e.hash, newCapacity);
                e.next = newTable[i];
                newTable[i] = e;
                e = next;
            } while (e != null);
        }
    }
}

上面是HashMap存元素的实现方式，再来看看取元素的方式：

// get方法源码

public V get(Object key) {
    if (key == null)
        return getForNullKey();
    int hash = hash(key.hashCode()); // 还是计算key的hashcode，
    // 定位hash值在table数组中的索引,并通过equals方法定位元素在链表中的位置。
    for (Entry<K,V> e = table[indexFor(hash, table.length)];  e != null; e = e.next) {
        Object k;
        if (e.hash == hash && ((k = e.key) == key || key.equals(k)))
            return e.value;
    }
    return null;
}

我们来对HashMap存取元素的过程来做一个小的总结：

元素(key,value)在HashMap中被封装进Entry数组。
put元素的时候，根据key的hash值定位元素在Entry数组中的索引，如果当前索引有元素，就通过equals方法进行比较，将元素存进当前Entry的链表中适当的位置。
get元素的时候，根据key的hash值定位元素在Entry数组中的索引，然后通过equals方法定位元素在链表中的位置，取出该元素。

性能分析：

因为元素的存取是通过hash算法进行的，所以速度都没的说。
在查找操作中，唯一影响性能的是在链表中，但实际只要优化好了key对象hashCode跟equals方法，就会避免链表中的数据过多而导致查找性能变慢。

再一个非常影响性能的是数组扩容操作，当使用默认的DEFAULT_INITIAL_CAPACITY对HashMap进行初始化的时候，
如果元素个数非常多，会导致扩容次数增加，每次扩容都会进行元素位置的重新分配，这是相当耗费性能的。
如果能预算好元素个数，就应该避免使用默认的DEFAULT_INITIAL_CAPACITY，可在HashMap的构造函数中为其指定一个初始值。

问题解决：

hashCode必须和equals保持兼容(equals方法的判断依据和计算hashCode的依据相同)，这样做是为了避免链表中的数据过多。

举例：  

public class Person {  
       public int id;  
       public String name="";  

       public int hashCode() {   
            return id;  
       }  
       // equals必须比较id  
       public boolean equals(Person p) {  
            if(this.id == p.id)
            	return true;  
            else 
            	return false;  
       }
}

如果元素很多，应该使用这个构造函数public HashMap(int initialCapacity){}对HashMap进行初始化。
举例：HashMap map = new HashMap(1024);

了解了HashMap的存储原理之后，自然也就明白了为什么说HashSet的存取效率高了。


原创文章，转载请注明出处： http://blog.youkuaiyun.com/thinking_in_android