这里写目录标题
-
-
- 一，前言
- 二，大体框架
- 1.Map接口创建
- 2.存储节点的设计
- 3.大体框架
- 三，常用方法实现
- _1.clear方法_
- _2.put方法_
-
- （1）准备工作1：计算index的方法
- （2）开始写put方法
- _3.node查找节点方法，containsKey方法_
- _4.remove方法_
- _5.containValue方法_
- 四.Hashmap的扩容
- _1.一些概念_
- _2.方法实现_
-
一，前言
之前的文章哈希表1，大体介绍了哈希表的结构，和哈希冲突的解决，以及各种数据类型如何生成哈希值。现在来一步一步的实现hashmap。
学习hashmap必须对红黑树有一定的了解，不然学不会的。
二，大体框架
1.Map接口创建
众所周知hashmap 是对接口 map的实现，首先我们创建一个接口，
接口中写一些map的通用方法。
public interface Map {
int size();
boolean isEmpty();
void clear();
V put(K key,V value);
V get(K key);
V remove(K key);
boolean containsKey(K key);
boolean containsValue(V value);
//自定义的打印方法
void traversal(Visitor visitor);
public static abstract class Visitor{
boolean stop;
public abstract boolean visit(K key,V value);
}
}
2.存储节点的设计
在之前的文章里说过，当哈希表容量 >= 64 且单向链表的节点数大于8 时，我们会把单向链表转化为红黑树存储。这里为了方便一些，我们用红黑树节点存储。为什么不用红黑树？因为红黑树中有我们不需要的东西，比如比较器comparator，size。所以我们仅仅需要红黑树的节点，和他的存储逻辑。
文章图片
我们就是把红黑树的结点拿过来，改成映射（map）的形式就可以使用了。
这里我们添加了K key，和V Value。
添加了 int hash，用来记录这个节点的哈希值。
hash ^(hash >>> 16); 这种运算被称为扰动运算，目的是对哈希值的进一步处理，尽量让所有的Key值信息都参与哈希值的运算。
//节点
private static class Node{
int hash;
K key;
V value;
boolean color = RED;
Node left;
Node right;
Node parent;
public Node(K key, V value, Node parent) {
this.key = key;
this.value = https://www.it610.com/article/value;
this.parent = parent;
int hash = key == null? 0 : key.hashCode();
this.hash = hash ^(hash>>> 16);
}
//是否为叶子节点
public boolean isLeaf() {
return left == null && right == null;
}//是否有两个孩子
public boolean hasTwoChildren() {
return left != null && right != null;
}
//自己是否为左子树
public boolean isLeftChild() {
return parent != null && this == parent.left;
}
//自己是否为右子树
public boolean isRightChild() {
return parent != null && this == parent.right;
}
/*
查找兄弟节点
*/
public Node sibling() {
if (isLeftChild()) {
return parent.right;
}
if (isRightChild()) {
return parent.left;
}
return null;
}
}
3.大体框架
Hashmap 实现 Map接口，添加未实现的方法。
size： Hashmap的大小一定要有的。
s private Node
默认容量：尽量写成2的多少次方，因为JVM可以做出优化（2^3 优化为 1<<4）。
构造函数：给数组（hashmap）一个默认容量。
public class HashMap implements Map{
private int size;
private static final boolean BLACK = true;
private static final boolean RED = false;
//默认容量
private static final int DEFAULT_CAPACITU = 1<<4;
//数组
private Node[] table;
//数组的默认容量
public HashMap() {
table = new Node[DEFAULT_CAPACITU];
}
//节点
private static class Node{
K Key;
V Value;
boolean color = RED;
Node left;
Node right;
Node parent;
public Node(K key, V value, Node parent) {
Key = key;
Value = https://www.it610.com/article/value;
this.parent = parent;
}
//是否为叶子节点
public boolean isLeaf() {
return left == null && right == null;
}//是否有两个孩子
public boolean hasTwoChildren() {
return left != null && right != null;
}
//自己是否为左子树
public boolean isLeftChild() {
return parent != null && this == parent.left;
}
//自己是否为右子树
public boolean isRightChild() {
return parent != null && this == parent.right;
}
/*
查找兄弟节点
*/
public Node sibling() {
if (isLeftChild()) {
return parent.right;
}
if (isRightChild()) {
return parent.left;
}
return null;
}
} @Override
public int size() {
// TODO 自动生成的方法存根
return size;
} @Override
public boolean isEmpty() {
// TODO 自动生成的方法存根
return size == 0;
} @Override
public void clear() {
// TODO 自动生成的方法存根 } @Override
public V put(K key, V value) {
// TODO 自动生成的方法存根
return null;
} @Override
public V get(K key) {
// TODO 自动生成的方法存根
return null;
} @Override
public V remove(K key) {
// TODO 自动生成的方法存根
return null;
} @Override
public boolean containsKey(K key) {
// TODO 自动生成的方法存根
return false;
} @Override
public boolean containsValue(V value) {
// TODO 自动生成的方法存根
return false;
} @Override
public void traversal(Visitor visitor) {
// TODO 自动生成的方法存根 }
} 三，常用方法实现
1.clear方法
这里要注意的就是先判断size是否为0，在做清除。我们为了防止这种情况：数组已经扩容很大了，但是数组已经空了，如果我们再去遍历清除，会很浪费性能。
public void clear() {
// TODO 自动生成的方法存根
if (size == 0) {
return;
}
size = 0;
for(int i = 0;
i < table.length;
i ++) {
table[i] = null;
}
}
2.put方法
（1）准备工作1：计算index的方法 想要把一数据插入哈希表，首先要根据Key的哈希值计算索引。
两个重载的函数，一个根据给定的key算索引，一个根据给定的node算索引。
/*
通过key算索引
*/
private int index(K key) {
//key为空 默认放在0位置
if(key == null) return 0;
int hashcode = key.hashCode();
//二次运算
return (hashcode ^ (hashcode >>> 16)) & (table.length - 1);
}
private int index(Node node) {
return node.hash & (table.length - 1);
}
（2）开始写put方法 之前我们说了哈希表存储节点用的是红黑树的存储逻辑（二叉搜索树的添加逻辑 + 红黑树的平衡逻辑）。
这里还有一点需要提的：根结点如何设置的问题。在红黑树中专门有一个root属性表示结点。修改根结点直接赋值即可。但是在hashmap我们使用的是红黑树结点存储，并没有root这个属性。
解决方法：table[index] 表示的就是数组中 index 那一行中的第一个结点，即那棵树的根结点。
步骤：
1.首先根据Key的哈希值生成索引。
2.看索引对应的那颗红黑树（或链表）是否为空，若为空则把key和value存入根节点中。
3.若不为空就是有哈希冲突了，我们用如下的存储逻辑
存储逻辑： 我们用的是二叉树的存储逻辑，整个步骤大体分两块，第一，比较大小来得出cmp的值（cmp > 0插入节点相比较大，cmp < 0插入节点相比较小），第二，根据cmp值的正负，再和它的左、右子节点比较。一直重复这个过程直到找到插入节点的合适位置。 但是，hashmap存储的节点不需要具有可比较性。那我们通过什么来比较呢？？比较逻辑还是有的，如下：
1.首先通过key的哈希值比较来决定cmp的值（正或负）
2.如果key的哈希值相同，并且两个key不为null、两个key为同一个类、此类具有可比较性，我们就使用comparTo对两个key作比较。
3.若cmpareTo得出的不为0，我们做的操作仅仅是把结果赋值给cmp就行。
若comoareTo得出的值为零，那我们就黔驴技穷了，我们只能通过地址值的比较来得出cmp的值了。（为什么compareTo为0就不能赋值给cmp了？？ 因为compareTo为0，代表key中的某个属性一样，就好像people类中的age属性一样，并不能代表这两个就是同一个人，而我们设定cmp为0则这两个key为同一个，value值直接覆盖）
public V put(K key, V value) {
// 根节点为null的情况
int index = index(key);
Node root = table[index];
if (root == null) {
root = new Node<>(key, value, null);
table[index] = root;
size ++;
afterAdd(root);
return null;
}
//根节点不为空 哈希冲突了 添加新的节点到红黑树上面
Node parent = root;
Node node = root;
int cmp = 0;
K k1 = key;
int h1 = hash(k1);
//记录比较结果
Node result = null;
boolean searched = false;
do{
parent = node;
K k2 = node.key;
int h2 = node.hash;
if (h1 > h2) {
cmp = 1;
}else if (h1 < h2) {
cmp = -1;
}else if (k1 != null && k2 != null
&& k1.getClass() == k2.getClass()
&& k1 instanceof Comparable
&& (cmp = ((Comparable) k1).compareTo(k2)) != 0) {}else if(searched){
cmp = System.identityHashCode(k1) - System.identityHashCode(k2);
}else {
//覆盖去重
if ((node.left != null && (result = node(node.left,k1)) != null)
||(node.right != null && (result = node(node.right,k1)) != null)) {
node = result;
cmp = 0;
}else {
cmp = System.identityHashCode(k1) - System.identityHashCode(k2);
}
}if (cmp > 0) {
node = node.right;
}else if (cmp < 0) {
node = node.left;
}else {
//相等覆盖
//防止是引用类型 除了年龄还有别的属性
node.key = key;
V oldValue = https://www.it610.com/article/node.value;
node.value = value;
return oldValue;
}
}while(node != null) ;
//创建新节点
Node newNode = new Node<>(key, value, parent);
//插入父节点左右
if (cmp > 0) {
parent.right = newNode;
}else {
parent.left = newNode;
}size ++;
afterAdd(newNode);
return null;
} 3.node查找节点方法，containsKey方法
node查找节点方法，基本上和put方法的思路差不多。不同之处是在比较的最后，我们实在找不到对比方式的时候，put方法是用地址值的比较来决定cmp的正负。而node的处理思路是：首先分析一下，我们比较地址值时的条件——哈希值相等，内容不等，不是同一类型。此时参数结点和正在比较的结点已经无法比较了，而且也没有再比较下去的必要了，因为这两个节点一定不相同，我们就把参数结点和正在比较的结点的左右子节点做比较（采用递归调用的方法）一直到找到符合条件的节点，或者最终都没有找到返回null。
为什么node不使用地址值的比较？
比如我们再查找函数node中传入一个新创建引用类型，这个引用类型的地址一定是和我们Hashmap中存储的引用类型不同的。如果运气好可以比较两个引用类型的值，也许可以找到。如果因为某些原因比较一次地址，也许就永远都找不到了（即使树中存在也找不到，地址值永远不相等）。
private Node node(K key){
//取根节点
Node root = table[index(key)];
return root ==null ? null : node(root, key);
}
private Node node(Node node,K k1) {
int h1 = hash(k1);
//存储查找的结果
Node result = null;
int cmp = 0;
while(node != null) {
K k2 = node.key;
int h2 = node.hash;
//先比较哈希值
if(h1 > h2) {
node = node.right;
}else if (h1 < h2) {
node = node.left;
}else if (Objects.equals(k1, k2)) {
//找到了
return node;
}else if (k1 != null && k2 != null
&& k1.getClass() == k2.getClass()
&& k1 instanceof Comparable
&& (cmp = ((Comparable)k1).compareTo(k2)) != 0) {
if (cmp > 0) {
node = node.right;
}else if (cmp < 0) {
node = node.left;
}
}else if (node.right != null && (result = node(node.right,k1)) != null) {
return result;
}else {
node = node.left;
}
}
return null;
}
@Override
public boolean containsKey(K key) {
// TODO 自动生成的方法存根
return node(key) != null;
}
4.remove方法
方法的实现逻辑和红黑树的基本一样分几种情况讨论。这个我在之前的二叉搜索树中有记录。二叉搜索树的重构
@Override
public V remove(K key) {
return remove(node(key));
}
private V remove(Node node) {
//结点为空
if(node == null) return null;
size --;
//删除结点是度为2的结点
if (node.hasTwoChildren()) {
//找后继结点
Node s = successor(node);
//后继节点的值覆盖原来结点
node.key = s.key;
node.value = https://www.it610.com/article/s.value;
//下面还要删除后继结点
node = s;
}//删除node 结点(现在node的度必然为0 或者1)
Node replacement = node.left != null ? node.left : node.right;
if (replacement != null) {//node 是度为1的结点
//更改parent
replacement.parent = node.parent;
//若果node为度为1的根节点
if (node.parent == null) {
table[index(node)] = replacement;
}else if (node == node.parent.left) {//node是左子节点node.parent.left = replacement;
}else if(node == node.parent.right){//node是右子节点node.parent.right = replacement;
}
afterRemove(node,replacement);
return node.value;
}else if (node.parent == null) {//node是叶子结点并且是根结点table[index(node)] = null;
afterRemove(node,null);
return node.value;
}else {//是叶子结点 且不是根结点 直接删除if (node == node.parent.left) {
node.parent.left = null;
}else {
node.parent.right = null;
}
afterRemove(node,null);
return node.value;
}
} 5.containValue方法
遍历整棵红黑树，使用层序遍历
/*
* 找value就只能遍历整个map来找了
* 红黑树的遍历我们用层序遍历
*/
@Override
public boolean containsValue(V value) {
if(size == 0) return false;
Queue> queue = new LinkedList<>();
for(int i = 0;
i < table.length;
i ++) {
if(table[i] == null) continue;
queue.offer(table[i]);
while(!queue.isEmpty()) {
Node node = queue.poll();
if (Objects.equals(node.value, value)) return true;
if (node.left != null) {
queue.offer(node.left);
}
if (node.right != null) {
queue.offer(node.right);
}
}
}
return false;
}
四.Hashmap的扩容
1.一些概念
- 装填因子： 总结点数量/哈希表桶数组的长度，也叫负载因子
- 在JDK1.8的Hashmap中，如果装填因子超过0.75，就扩容为原来的2倍。
1.添加装填因子属性
private static final float DEFAULT_LOAD_FACTOR = 0.75f;
2.方法的实现
思路一：扩容之后我们遍历所有的节点，直接使用put方法将他们添加到新的（扩容后的）Hashmap中。这种做法着实不好，因为我们每次添加都要 new Node<>(key, value, parent); 这样也太浪费内存了。
思路二：扩容之后我们遍历所有的节点，将节点移动到新的Hashmap中，这就省去创建新的节点了，节约内存
我们当然是选择第二种思路了。
实现步骤
1.resize方法（）
判断数组是否需要扩容，如果需要的话采用层序遍历，把结点移动到新的数组（扩容后）中。
private void resize() {
//装填因子 <= 0.75
if (size / table.length <= DEFAULT_LOAD_FACTOR) return;
//扩容实现
Node []oldTable = table;
table = new Node[oldTable.length << 1];
//层序遍历
Queue> queue = new LinkedList<>();
for(int i = 0;
i < oldTable.length;
i ++) {
if(oldTable[i] == null) continue;
queue.offer(oldTable[i]);
while(!queue.isEmpty()) {
Node node = queue.poll();
if (node.left != null) {
queue.offer(node.left);
}
if (node.right != null) {
queue.offer(node.right);
}
moveNode(node);
}
}
}
方法写完还有一个问题，我们在哪里判断是否需要扩容呢？
在添加方法（put）的最前面判断是否需要扩容
2.结点的转移方法moveNode
节点移动的方法
结点移动到新的数组中，应该放置什么位置？我们采用的还是put方法中的逻辑，不同的是我们不新建结点，而是把旧的结点放进去。
public void moveNode(Node newNode) {
//去除曾经的关系
newNode.parent = null;
newNode.left = null;
newNode.right = null;
newNode.color = RED;
//移动添加
// 根节点为null的情况
int index = index(newNode);
Node root = table[index];
if (root == null) {
root = newNode;
table[index] = root;
afterAdd(root);
return ;
}
//根节点不为空 哈希冲突了 添加新的节点到红黑树上面
Node parent = root;
Node node = root;
int cmp = 0;
K k1 = newNode.key;
int h1 = newNode.hash;
do{
parent = node;
K k2 = node.key;
int h2 = node.hash;
if (h1 > h2) {
cmp = 1;
}else if (h1 < h2) {
cmp = -1;
}else if (k1 != null && k2 != null
&& k1.getClass() == k2.getClass()
&& k1 instanceof Comparable
&& (cmp = ((Comparable) k1).compareTo(k2)) != 0) {
}else {
cmp = System.identityHashCode(k1) - System.identityHashCode(k2);
}if (cmp > 0) {
node = node.right;
}else if (cmp < 0) {
node = node.left;
}
}while(node != null) ;
//重新搭建关系
newNode.parent = parent;
//插入父节点左右
if (cmp > 0) {
parent.right = newNode;
}else {
parent.left = newNode;
}
afterAdd(newNode);
}
【哈希表|哈希表2--Hashmap的实现详解】思路实现中的一些坑：
1.移动时候，是不需要考虑新的数组的size问题，size一定是原来数组的二倍。
2.在移动结点的时候，要把原先的属性去除，比如父节点、左右子树、颜色之类的。父节点，子树结点通通设置为null，结点的颜色通通设置为RED（红黑树结点的初始化颜色为红色）
3.由于我们只是转移结点，也不需要考虑插入结点是否会覆盖同一个index上的其他结点的问题，因为必定没有两个相同的结点。
推荐阅读
- 数据结构与算法|【Java数据结构】哈希表详解
- Android|Android全面解析之由浅及深Handler消息机制
- 数据库|Redis——作为sql数据库缓存
- Redis|Redis——Redis用作缓存（内存回收/穿透/击穿/雪崩）
- 安卓源码探究|android源码学习-Handler机制及其六个核心点
- 《C语言杂俎》|证明堆排序的时间复杂度
- 指针|【发际线大作战】C++学习记录之用户自定义数据类型
- Java|idea 设置导航栏显示前进和后退返回键
- idea|idea前进和后退按钮如何显示