当前位置: 首页 > 编程笔记 >

Java HashSet(散列集),HashMap(散列映射)的简单介绍

卫念
2023-03-14
本文向大家介绍Java HashSet(散列集),HashMap(散列映射)的简单介绍,包括了Java HashSet(散列集),HashMap(散列映射)的简单介绍的使用技巧和注意事项,需要的朋友参考一下

简介

本篇将简单讲解Java集合框架中的HashSet与HashMap。

散列集(HashSet)

快速入门

  • 底层原理:动态数组加单向链表或红黑树。JDK 1.8之后,当链表长度超过阈值8时,链表将转换为红黑树。
  • 查阅HashSet的源码,可以看到HashSet的底层是HashMap,HashSet相当于只用了HashMap键Key的部分,当需要进行添加元素操作时,其值Value始终为常量PRESENT = new Object()。以下为HashSet的代码片段:
private transient HashMap<E,Object> map;

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

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

public Iterator<E> iterator() {
  return map.keySet().iterator();
}
  • 上面说到,在JDK 1.8之后,当链表长度超过阈值8时,链表将转为红黑树;当链表长度小于6时,红黑树重新转为链表。那么为什么阈值是8呢?
  • 阈值定义为8,符合数学概率论上的泊松分布Poisson。根据泊松分布,一个桶bucket是很难被填满达到长度8的。
  • 一旦用于存储数据的链表长度达到阈值8,则很大的可能是该HashSet所使用的散列函数性能不佳、或存在恶意代码向集中添加了很多具有相同散列码的值,此时转为平衡二叉树可以提高性能。

散列表

  • 链表LinkedList、数组Array或数组列表ArrayList都有一个共同的缺点:根据值查找元素速度慢。一旦存放的数据较多,查找速度将十分缓慢。
  • 如果应用中开发者不在意元素的排列顺序,此时推荐使用的数据结构为散列表。散列表用于快速查找对象。
  • 使用散列表的关键是对象必须具备一个散列码,通过对象内HashCode()方法即可计算得到对象的散列码。一般情况下,不同数据的对象将产生不同的散列码。
  • 下表显示了使用String类中hashCode()方法成的散列码:
字符串 散列码
"Lee" 76268
"lee" 107020
"eel" 100300
  • 在Java中,散列表HashTable使用动态数组加链表或红黑树的形式实现。
  • 动态数组中的每个位置被称为桶bucket。要想查找元素位于散列表中的位置,需要首先计算元素的散列码,然后与桶的总数取余,所得到的结果就是保存这个元素的桶的索引。
  • 假设动态数组为table,对象a的散列码为hashCode,则元素将存放在table的索引为hashCode % table.size(),通常将该索引值成为散列值,它与散列码是不一样的。

  • 例如,如果某个对象的散列码为76268,并且有128个桶,那么这个对象应该保存在第108号桶中,因为76268%128=108。
  • 如果在这个桶中没有其他的元素,此时将元素直接插入到桶中即可;但如果桶已经被填充,这种现象被称为散列冲突hash collision。发生散列冲突,需要将新对象与桶中的所有对象进行比较,查看这个对象是否已经存在。
  • 此时如果散列码合理地随机分布(可以理解为散列函数hashCode()合理),桶的数目也足够大,需要比较的次数就会很少。
  • 在Java 8中,桶满时会从链表变为平衡二叉树。如果选择的散列函数不好,会产生很多冲突,或者如果有恶意代码试图在散列表中填充多个有相同散列码的值,这样改为平衡二叉树能提高性能。
  • 如果需要更多地控制散列表的性能,可以指定一个初始的桶数。桶数是指用于收集具有相同散列值的桶的数目。如果要插入到散列表中的元素太多,就会增加冲突数量,降低检索的性能。
  • 如果大致知道最终会有多少个元素要插入到散列表中,就可以设置桶数。通常,将桶数设置为预计元素个数的75%~150%。有些研究人员认为:最好将桶数设置为一个素数,以防止键的聚集。不过,对此并没有确凿的证据。
  • 标准类库使用的桶数是2的次幂,默认值为16(为表大小提供的任何值,都将自动转换为2的下一个幂值)。
  • 但是,并不总能够知道需要存储多少个元素,也有可能最初的估计过低。如果散列表太满,就需要再散列rehashed。如果要对散列表再散列,就需要创建一个桶数更多的表,并将所有元素插入到这个新表中,然后丢弃原来的表。装填因子load factor可以确定何时对散列表进行再散列。
  • 例如,如果装填因子是0.75(默认值),说明表中已经填满了75%以上,就会自动再散列,新表的桶数是原来的两倍。对于大多数程序来说,装填因子为0.75是合理的。
  • 散列表可以用于实现很多重要的数据结构,其中最简单的是集类型。集是没有重复元素的元素集合,其中add方法首先会在这个集中查找要添加的对象,如果不存在,就添加这个对象。
  • Java集合框架提供了一个HashSet类,它实现了基于散列表的集。可以用add方法添加元素。contains方法已经被重新定义,用来快速查找某个元素是否已经在集中。它只查看一个桶中的元素,而不必查看集合中所有元素。
  • 散列集迭代器将依次访问所有的桶,由于散列将元素分散在表中,所以会以一种看起来随机的顺序访问元素。只有不关心集合中元素的顺序时,才应该使用HashSet。
  • 而HashSet的实现基于HashMap,在随后会对HashMap的部分源码进行分析,以了解其初始容量及扩容机制。

散列映射(HashMap)

快速入门

  • 底层原理:动态数组加单向链表或红黑树。JDK 1.8之后,当链表长度超过阈值8时,链表将转换为红黑树。默认散列表中的动态数组长度为16,散列因子为0.75,扩容阈值为12。
  • 扩容机制:扩容后散列表中的动态数组长度,变为旧动态数组的两倍。扩容阈值为散列因子与动态数组长度的乘积。
  • 以下为HashMap中代表单向链表结构的Node<K, V>类,与代表红黑树结构的TreeNode<K, V>类。
// HashMap.java源码
// 基于单向链表的用于存储数据的对象
static class Node<K,V> implements Map.Entry<K,V> {
 final int hash;
 final K key;
 V value;
 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;
 }
 ...
}

// 基于红黑树的用于存储数据的对象
static final class TreeNode<K,V> extends LinkedHashMap.Entry<K,V> {
 TreeNode<K,V> parent; // red-black tree links
 TreeNode<K,V> left;
 TreeNode<K,V> right;
 TreeNode<K,V> prev; // needed to unlink next upon deletion
 boolean red;
 TreeNode(int hash, K key, V val, Node<K,V> next) {
  super(hash, key, val, next);
 }
 ...
}

二次散列

散列映射HashMap只对键进行散列,与键关联的值不进行散列。以下为HashMap中的部分源码:

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中的键值对,都会在内部调用putVal()进行添加元素操作。putVal()方法的第一个参数则需要提供key的散列码。
  • 此处并没有直接使用key.hashCode(),而是使用了HashMap中的hash()方法对key进行二次散列。二次散列可以理解为在对象调用它的散列函数之后,再进行一次额外的计算。二次散列有助于获得更好的散列码。

扩容机制

  • HashMap中的动态数组初始容量为16,默认的散列因子为0.75,即在容量到达16 * 0.75 = 12时,会对动态数组进行扩容处理,上限容量被称为threshold。
  • 扩容后的HashMap,其动态数组容量为原来的2倍,由于散列因子不会改变,因此threshold也为原来的2倍。
  • 以下为HashMap中resize()、putVal()的源码:
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) {
  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<K,V>[] newTab = (Node<K,V>[])new Node[newCap];
 table = newTab;
 if (oldTab != null) {
  for (int j = 0; j < oldCap; ++j) {
   Node<K,V> e;
   if ((e = oldTab[j]) != null) {
    oldTab[j] = null;
    if (e.next == null)
     newTab[e.hash & (newCap - 1)] = e;
    else if (e instanceof TreeNode)
     ((TreeNode<K,V>)e).split(this, newTab, j, oldCap);
    else { // preserve order
     Node<K,V> loHead = null, loTail = null;
     Node<K,V> hiHead = null, hiTail = null;
     Node<K,V> next;
     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<K,V>[] tab; Node<K,V> p; int n, i;
 if ((tab = table) == null || (n = tab.length) == 0)
  n = (tab = resize()).length; // 第一个resize()是进行动态数组Node<K, V>[]初始化的操作,不会进行扩容
 if ((p = tab[i = (n - 1) & hash]) == null)
  tab[i] = newNode(hash, key, value, null);
 else {
  Node<K,V> e; K k;
  if (p.hash == hash &&
   ((k = p.key) == key || (key != null && key.equals(k))))
   e = p;
  else if (p instanceof TreeNode)
   e = ((TreeNode<K,V>)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;
 // 当HashMap中元素数量大于阈值threshold,则会进行扩容resize()操作
 if (++size > threshold)
  resize();
 afterNodeInsertion(evict);
 return null;
}
  • 通过源码可以知道,HashMap在初始化的时候并不会立即为动态数组分配内存,直到调用putVal()为止,才会在putVal()中调用resize()方法初始化动态数组。
  • 动态数组Node<K, V>[]将在resize()中完成初始化或扩容的操作。
  • 其中有关初始化的关键代码为:
newCap = DEFAULT_INITIAL_CAPACITY; // DEFAULT_INITIAL_CAPACITY = 1 << 4,即默认大小为16。
newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY); // threshold = newCap * 0.75,即默认为12。
  • 有关于扩容的关键代码为:
if (oldCap > 0) { // 当动态数组拥有默认容量时,如果再次调用resize(),则一定会进行扩容操作
 if (oldCap >= MAXIMUM_CAPACITY) {
  threshold = Integer.MAX_VALUE;
  return oldTab;
 } else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY && oldCap >= DEFAULT_INITIAL_CAPACITY) { // 容量为原来的2倍
  newThr = oldThr << 1; // 阈值为原来的2倍
 }
}

总结

以上为所有关于HashSet、HashMap的粗略介绍。
如果希望了解更多的内容,可以前往JDK阅读源码。

以上就是Java HashSet(散列集),HashMap(散列映射)的简单介绍的详细内容,更多关于Java HashSet和HashMap的资料请关注小牛知识库其它相关文章!

 类似资料:
  • 考虑 HashSet 作为一个 HashMap,在此处我们只关心键(HashSet<T> 实际上只是一个包围 HashMap<T, ()> 的装包(wrapper))。(原文:Consider a HashSet as a HashMap where we just care about the keys (HashSet<T> is, in actuality, just a wrapper a

  • 根据关键码值(Key value)直接进行访问的数据结构;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。

  • 假设我有一个哈希数据结构,构造如下: 在这种情况下,如何按值从最大到最小对键进行排序?然后我想打印出最高的两个。这是一个大致的想法,但我知道这是错误的: 我想要打印代码(空格以制表符分隔):

  • vector 通过整型索引来存储值,而 HashMap (散列表)通过键(key)来存储值。HashMap 的键可以是布尔型、整型、字符串,或任意实现了 Eq 和 Hash trait 的其他类型。在下一节将进一步介绍。 和 vector 类似,HashMap 也是可增长的,但 HashMap 在空间多余时能够缩小自身(原文:HashMaps can also shrink themselves

  • 我是编程的新手,正在苦苦思索如何使用简单的散列函数。 例如,我把下面的代码放在一起测试RS散列函数(用C表示),我不断得到一个SegFault。 也许我错实现了这个功能...我尝试了一些其他简单的散列函数(例如PJW),也得到了SegFaults。 我确实消除了函数的一个原始参数(无符号int长度)(因为我正在完成一个习题集,并且我们的散列函数的规范是它应该只接受一个常量字符串作为输入),但我认为

  • SHA1散列经常用来计算二进制或者大文本数据的短标识值。git版本控制系统用SHA1来标识受版本控制的文件和目录。这里介绍Go中如何计算SHA1散列值。 Go在crypto/*包里面实现了几个常用的散列函数。 package main import "crypto/sha1" import "fmt" func main() { s := "sha1 this string" //