HashSet（散列集）、HashMap（散列映射）

簡單講解Java集合架構中的HashSet與HashMap。

簡介

本篇将簡單講解 Java 集合架構中的 HashSet 與 HashMap 。

散列集（HashSet）

快速入門

private transient HashMapmap;

public HashSet() {
    map = new HashMap<>();
}

public boolean add(E e) {
    return map.put(e, PRESENT)==null;
}

public Iteratoriterator() {
        return map.keySet().iterator();
}

上面說到，在 JDK 1.8 之後，當連結清單長度超過門檻值 8 時，連結清單将轉為紅黑樹；當連結清單長度小于 6 時，紅黑樹重新轉為連結清單。那麼為什麼門檻值是 8 呢？
門檻值定義為 8 ，符合數學機率論上的泊松分布 Poisson 。根據泊松分布，一個桶 bucket 是很難被填滿達到長度 8 的。
一旦用于存儲資料的連結清單長度達到門檻值 8 ，則很大的可能是該 HashSet 所使用的散列函數性能不佳、或存在惡意代碼向集中添加了很多具有相同散列碼的值，此時轉為平衡二叉樹可以提高性能。

散清單

連結清單 LinkedList 、數組 Array 或數組清單 ArrayList 都有一個共同的缺點：根據值查找元素速度慢。一旦存放的資料較多，查找速度将十分緩慢。
如果應用中開發者不在意元素的排列順序，此時推薦使用的資料結構為散清單。散清單用于快速查找對象。
使用散清單的關鍵是對象必須具備一個散列碼，通過對象内 HashCode() 方法即可計算得到對象的散列碼。一般情況下，不同資料的對象将産生不同的散列碼。
下表顯示了使用 String 類中 hashCode() 方法成的散列碼：

字元串	散列碼
"Lee"	76268
"lee"	107020
"eel"	100300

在 Java 中，散清單 HashTable 使用動态數組加連結清單或紅黑樹的形式實作。
動态數組中的每個位置被稱為桶 bucket 。要想查找元素位于散清單中的位置，需要首先計算元素的散列碼，然後與桶的總數取餘，所得到的結果就是儲存這個元素的桶的索引。
假設動态數組為 table ，對象 a 的散列碼為 hashCode ，則元素将存放在 table 的索引為 hashCode % table.size() ，通常将該索引值成為散列值，它與散列碼是不一樣的。

例如，如果某個對象的散列碼為 76268 ，并且有 128 個桶，那麼這個對象應該儲存在第 108 号桶中，因為 76268%128=108
如果在這個桶中沒有其他的元素，此時将元素直接插入到桶中即可；但如果桶已經被填充，這種現象被稱為散列沖突 hash collision 。發生散列沖突，需要将新對象與桶中的所有對象進行比較，檢視這個對象是否已經存在。
此時如果散列碼合理地随機分布（可以了解為散列函數 hashCode() 合理），桶的數目也足夠大，需要比較的次數就會很少。
Java 8 中，桶滿時會從連結清單變為平衡二叉樹。如果選擇的散列函數不好，會産生很多沖突，或者如果有惡意代碼試圖在散清單中填充多個有相同散列碼的值，這樣改為平衡二叉樹能提高性能。
如果需要更多地控制散清單的性能，可以指定一個初始的桶數。桶數是指用于收集具有相同散列值的桶的數目。如果要插入到散清單中的元素太多，就會增加沖突數量，降低檢索的性能。
如果大緻知道最終會有多少個元素要插入到散清單中，就可以設定桶數。通常，将桶數設定為預計元素個數的 75%~150% 。有些研究人員認為：最好将桶數設定為一個素數，以防止鍵的聚集。不過，對此并沒有确鑿的證據。
标準類庫使用的桶數是 2 的次幂，預設值為 16 （為表大小提供的任何值，都将自動轉換為 2 的下一個幂值）。
但是，并不總能夠知道需要存儲多少個元素，也有可能最初的估計過低。如果散清單太滿，就需要再散列 rehashed 。如果要對散清單再散列，就需要建立一個桶數更多的表，并将所有元素插入到這個新表中，然後丢棄原來的表。裝填因子 load factor 可以确定何時對散清單進行再散列。
例如，如果裝填因子是 0.75 （預設值），說明表中已經填滿了 75% 以上，就會自動再散列，新表的桶數是原來的兩倍。對于大多數程式來說，裝填因子為 0.75 是合理的。
散清單可以用于實作很多重要的資料結構，其中最簡單的是集類型。集是沒有重複元素的元素集合，其中 add 方法首先會在這個集中查找要添加的對象，如果不存在，就添加這個對象。
Java 集合架構提供了一個 HashSet 類，它實作了基于散清單的集。可以用 add 方法添加元素。 contains 方法已經被重新定義，用來快速查找某個元素是否已經在集中。它隻檢視一個桶中的元素，而不必檢視集合中所有元素。
散列集疊代器将依次通路所有的桶，由于散列将元素分散在表中，是以會以一種看起來随機的順序通路元素。隻有不關心集合中元素的順序時，才應該使用 HashSet
而 HashSet 的實作基于 HashMap ，在随後會對 HashMap 的部分源碼進行分析，以了解其初始容量及擴容機制。

散列映射（HashMap）

底層原理：動态數組加單向連結清單或紅黑樹。 JDK 1.8 8 時，連結清單将轉換為紅黑樹。預設散清單中的動态數組長度為 16 ，散列因子為 0.75 ，擴容門檻值為 12
擴容機制：擴容後散清單中的動态數組長度，變為舊動态數組的兩倍。擴容門檻值為散列因子與動态數組長度的乘積。
以下為 HashMap 中代表單向連結清單結構的 Node 類，與代表紅黑樹結構的 TreeNode 類。

// HashMap.java源碼
// 基于單向連結清單的用于存儲資料的對象
static class Nodeimplements Map.Entry{
    final int hash;
    final K key;
    V value;
    Nodenext;

    Node(int hash, K key, V value, Nodenext) {
        this.hash = hash;
        this.key = key;
        this.value = value;
        this.next = next;
    }
    ...
}

// 基于紅黑樹的用于存儲資料的對象
static final class TreeNodeextends LinkedHashMap.Entry{
    TreeNodeparent;  // red-black tree links
    TreeNodeleft;
    TreeNoderight;
    TreeNodeprev;    // needed to unlink next upon deletion
    boolean red;
    TreeNode(int hash, K key, V val, Nodenext) {
        super(hash, key, val, next);
    }
    ...
}

二次散列

散列映射 HashMap 隻對鍵進行散列，與鍵關聯的值不進行散列。以下為 HashMap 中的部分源碼：

public V put(K key, V value) {
    return putVal(hash(key), key, value, false, true);
}

static final int hash(Object key) {
    int h;
    return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}

所有使用 put() 方法存入 HashMap 中的鍵值對，都會在内部調用 putVal() 進行添加元素操作。 putVal() 方法的第一個參數則需要提供 key 的散列碼。
此處并沒有直接使用 key.hashCode() ，而是使用了 HashMap 中的 hash() 方法對 key 進行二次散列。二次散列可以了解為在對象調用它的散列函數之後，再進行一次額外的計算。二次散列有助于獲得更好的散列碼。

擴容機制

HashMap 中的動态數組初始容量為 16 ，預設的散列因子為 0.75 ，即在容量到達 16 * 0.75 = 12 時，會對動态數組進行擴容處理，上限容量被稱為 threshold
擴容後的 HashMap ，其動态數組容量為原來的 2 倍，由于散列因子不會改變，是以 threshold 也為原來的 2 倍。
HashMap 中 resize() 、 putVal() 的源碼：

final Node[] resize() {
    Node[] oldTab = table;
    int oldCap = (oldTab == null) ? 0 : oldTab.length;
    int oldThr = threshold;
    int newCap, newThr = 0;
    if (oldCap > 0) {
        if (oldCap >= MAXIMUM_CAPACITY) {
            threshold = Integer.MAX_VALUE;
            return oldTab;
        }
        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);
    }
    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[] newTab = (Node[])new Node[newCap];
    table = newTab;
    if (oldTab != null) {
        for (int j = 0; j < oldCap; ++j) {
            Nodee;
            if ((e = oldTab[j]) != null) {
                oldTab[j] = null;
                if (e.next == null)
                    newTab[e.hash & (newCap - 1)] = e;
                else if (e instanceof TreeNode)
                    ((TreeNode)e).split(this, newTab, j, oldCap);
                else { // preserve order
                    NodeloHead = null, loTail = null;
                    NodehiHead = null, hiTail = null;
                    Nodenext;
                    do {
                        next = e.next;
                        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);
                    if (loTail != null) {
                        loTail.next = null;
                        newTab[j] = loHead;
                    }
                    if (hiTail != null) {
                        hiTail.next = null;
                        newTab[j + oldCap] = hiHead;
                    }
                }
            }
        }
    }
    return newTab;
}

final V putVal(int hash, K key, V value, boolean onlyIfAbsent,
               boolean evict) {
    Node[] tab; Nodep; int n, i;
    if ((tab = table) == null || (n = tab.length) == 0)
        n = (tab = resize()).length; // 第一個resize()是進行動态數組Node[]初始化的操作，不會進行擴容
    if ((p = tab[i = (n - 1) & hash]) == null)
        tab[i] = newNode(hash, key, value, null);
    else {
        Nodee; K k;
        if (p.hash == hash &&
            ((k = p.key) == key || (key != null && key.equals(k))))
            e = p;
        else if (p instanceof TreeNode)
            e = ((TreeNode)p).putTreeVal(this, tab, hash, key, value);
        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;
            }
        }
        if (e != null) { // existing mapping for key
            V oldValue = e.value;
            if (!onlyIfAbsent || oldValue == null)
                e.value = value;
            afterNodeAccess(e);
            return oldValue;
        }
    }
    ++modCount;
    // 當HashMap中元素數量大于門檻值threshold，則會進行擴容resize()操作
    if (++size > threshold)
        resize();
    afterNodeInsertion(evict);
    return null;
}

通過源碼可以知道， HashMap 在初始化的時候并不會立即為動态數組配置設定記憶體，直到調用 putVal() 為止，才會在 putVal() 中調用 resize() 方法初始化動态數組。
動态數組 Node 将在 resize() 中完成初始化或擴容的操作。
其中有關初始化的關鍵代碼為：

newCap = DEFAULT_INITIAL_CAPACITY; // DEFAULT_INITIAL_CAPACITY = 1 << 4，即預設大小為16。
newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY); // threshold = newCap * 0.75，即預設為12。

有關于擴容的關鍵代碼為：

if (oldCap > 0) { // 當動态數組擁有預設容量時，如果再次調用resize()，則一定會進行擴容操作
    if (oldCap >= MAXIMUM_CAPACITY) {
        threshold = Integer.MAX_VALUE;
        return oldTab;
    } else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY && oldCap >= DEFAULT_INITIAL_CAPACITY) { // 容量為原來的2倍
        newThr = oldThr << 1; // 門檻值為原來的2倍
    }
}

總結

以上為所有關于 HashSet HashMap 的粗略介紹。
如果希望了解更多的内容，可以前往 JDK 閱讀源碼。

HashSet（散列集）、HashMap（散列映射）

快速入門

散清單

二次散列

擴容機制

繼續閱讀

了解java.util包--容器相關

Java 淺談容器

08Java筆記—集合類

Objective-C中的Observer模式實作

HashMap相關面試題

Map的keySet方法關于iterator()的方法

HashMap、HashSet、ArrayList實作機制

jasperreport中可以使用List作為資料源

Passing parameters to a Jasper report

java HashMap 與HashTable的差別

[轉]編寫高效的Android代碼

java增強for循環周遊Map集合問題

重新認識HashMap

WebService CXF學習（進階篇2）：複雜對象傳遞(List，Map)

Java1.8 對HashMap的resize()的了解

Java中Integer和int的差別