Java关于数据结构的实现:散列

Java关于数据结构的实现:散列

关于作者

郭孝星,程序员,吉他手,主要从事Android平台基础架构方面的工作,欢迎交流技术方面的问题,可以去我的Github提issue或者发邮件至guoxiaoxingse@163.com与我交流。

文章目录`

  • 一 散列的概念与应用场景
    • 1.1 哈希冲突
  • 二 散列的操作与源码实现
    • 2.1 HashMap/HashSet的实现原理

更多文章:https://github.com/guoxiaoxing/data-structure-and-algorithm/blob/master/README.md

一 散列的概念与应用场景

散列是一种对信息的处理方法,通过特定的算法将要检索的项与用来检索的索引(散列值)关联起来,生成一种便于搜索的数据结构散列表。

散列的应用

  • 加密散列:在信息安全使用,例如SHA-1加密算法。
  • 散列表:一种使用散列喊出将键名与键值关联起来的数据结构。
  • 关联数组:一种使用散列表实现的数据结构。
  • 几何散列:查询相同或相似几何形状的一种有效方法。

我们主要来讨论散列表的应用,散列值也即哈希值,提到哈希值,我们不禁会联想到Java里到hashCode()方法与equals()方法。

hashCode()方法返回该对象的哈希码值,在一次Java应用运行期间,如果该对象上equals()方法里比较的信息没有修改,则对该对象多次调用hashCode()方法时返回
相同的整数。

从这个定义我们可以了解到以下几点:

  • 当equals()方法被重写时,通常有必要重写hashCode()方法,以维护hashCode()方法的常规协定,该协定声明相等对象必须具有相等的哈希码。
  • hashCode的存在主要用来提升查找的快捷性,HashMap、Hashtable等用hashCode来确定散列表中对象的存储地址。
  • 两个对象相同,则两个对象的hashCode相同,反过来却不一定,hashCode相同只能说明这两个对象放在散列表里的同一个"篮子"里。

我们再重写hashCode()方法时,通常用以下方式来计算hashCode:

1 将一个非0的常数值保存到一个名为result的int型变量中。
2 分别计算每个域的散列码并相加求和,散列码的生成规则如下:

  • byte、char、short、int: (int)(value)
  • long: (int)(value ^ (value >>> 32))
  • boolean: value == false ? 0 : 1
  • float: Float.floatToIntBits(value)
  • double: Double.doubleToLongBits(value)
  • 引用类型:value.hashCode()

1.1 哈希冲突

通过上面的描述,我们可以知道散列表主要面临的问题是散列值均匀的分布,而我们主要解决的问题是在散列值在计算的时候出现的冲突问题,即出现
了两个相同的散列值,通常这也成为哈希冲突。Java在解决哈希冲突上,使用了一种叫做分离链接法的方法。

分离链接法将拥有相同哈希值的所有元素保存到同一个单向链表中,所以这种散列表整体上是一个数组,数组里面存放的元素时单向链表。

这样方法有个叫负载因子的概念,负载因子 = 元素个数 / 散列表大小.

负载因子是空间利用率与查找效率的一种平衡。

  • 负载因子越大表示散列表装填程度越高,空间利用率越高,但对应的查找效率就越低。
  • 负载因子越小表示散列表装填程度越低,空间利用率越低,但对应的查找效率就越高。

Java集合里的HashMap就使用了这种方法,我们会在下面的HashMap源码分析了详细讨论这种方法的实现。

二 散列的操作与源码实现

2.1 HashMap/HashSet的实现原理

HashMap基于数组实现,数组里的元素是一个单向链表。

HashMap具有以下特点:

  • 基于数组实现,数组里的元素是一个单向链表。
  • 键不可以重复,值可以重复,键、值都可以为null
  • 非线程安全

HashMap实现了以下接口:

  • Map:以键值对的形式存取元素
  • Cloneable:可以被克隆
  • Serializable:可以序列化

成员变量

//初始同乐,初始容量必须为2的n次方
static final int DEFAULT_INITIAL_CAPACITY = 4;

//最大容量为2的30次方
static final int MAXIMUM_CAPACITY = 1 << 30;

//默认负载因子为0.75f
static final float DEFAULT_LOAD_FACTOR = 0.75f;

//默认的空表
static final HashMapEntry<?,?>[] EMPTY_TABLE = {};

//存储元素的表
transient HashMapEntry<K,V>[] table = (HashMapEntry<K,V>[]) EMPTY_TABLE;

//集合大小
transient int size;

//下次扩容阈值,size > threshold就会进行扩容,扩容阈值 = 容量 * 负载因子。
int threshold;

//加载因此
final float loadFactor = DEFAULT_LOAD_FACTOR;

//修改次数
transient int modCount;

从这个结构transient HashMapEntry<K,V>[] table = (HashMapEntry<K,V>[]) EMPTY_TABLE可以看出,HashMap基于数组实现,数组里的元素是一个单向链表
HashMap使用哈希算法将key散列成一个int值,这个值就对应了这个数组的下标,所以你可以知道,如果两个key的哈希值相等,则它们会被放在当前下表的单向链表中。

这里我们着重介绍一下负载因子,它是空间利用率与查找效率的一种平衡。

  • 负载因子越大表示散列表装填程度越高,空间利用率越高,但对应的查找效率就越低。
  • 负载因子越小表示散列表装填程度越低,空间利用率越低,但对应的查找效率就越高。

内部类

static class HashMapEntry<K,V> implements Map.Entry<K,V> {
        //键
        final K key;
        //值
        V value;
        //后继的引用
        HashMapEntry<K,V> next;
        //哈希值
        int hash;

        HashMapEntry(int h, K k, V v, HashMapEntry<K,V> n) {
            value = v;
            next = n;
            key = k;
            hash = h;
        }

        public final K getKey() {
            return key;
        }

        public final V getValue() {
            return value;
        }

        public final V setValue(V newValue) {
            V oldValue = value;
            value = newValue;
            return oldValue;
        }

        public final boolean equals(Object o) {
            if (!(o instanceof Map.Entry))
                return false;
            Map.Entry e = (Map.Entry)o;
            Object k1 = getKey();
            Object k2 = e.getKey();
            if (k1 == k2 || (k1 != null && k1.equals(k2))) {
                Object v1 = getValue();
                Object v2 = e.getValue();
                if (v1 == v2 || (v1 != null && v1.equals(v2)))
                    return true;
            }
            return false;
        }

        public final int hashCode() {
            return Objects.hashCode(getKey()) ^ Objects.hashCode(getValue());
        }

        public final String toString() {
            return getKey() + "=" + getValue();
        }

        //当向HashMao里添加元素时调用此方法,这里提供给子类实现
        void recordAccess(HashMap<K,V> m) {
        }

        //当从HashM里删除元素时调用此方法,这里提供给子类实现
        void recordRemoval(HashMap<K,V> m) {
        }
    }

HashMapEntry用来描述HashMao里的元素,它保存了键、值、后继的引用与哈希值。

构造方法


//提供初始容量和负载因子进行构造
public HashMap(int initialCapacity, float loadFactor) {
    if (initialCapacity < 0)
        throw new IllegalArgumentException("Illegal initial capacity: " +
                                           initialCapacity);
    if (initialCapacity > MAXIMUM_CAPACITY) {
        initialCapacity = MAXIMUM_CAPACITY;
    } else if (initialCapacity < DEFAULT_INITIAL_CAPACITY) {
        initialCapacity = DEFAULT_INITIAL_CAPACITY;
    }

    if (loadFactor <= 0 || Float.isNaN(loadFactor))
        throw new IllegalArgumentException("Illegal load factor: " +
                                           loadFactor);
    // Android-Note: We always use the default load factor of 0.75f.

    // This might appear wrong but it's just awkward design. We always call
    // inflateTable() when table == EMPTY_TABLE. That method will take "threshold"
    // to mean "capacity" and then replace it with the real threshold (i.e, multiplied with
    // the load factor).
    threshold = initialCapacity;
    init();
}

//提供初始容量进行构造
public HashMap(int initialCapacity) {
    this(initialCapacity, DEFAULT_LOAD_FACTOR);
}

//空构造方法
public HashMap() {
    this(DEFAULT_INITIAL_CAPACITY, DEFAULT_LOAD_FACTOR);
}

//提供一个Map进行构造
public HashMap(Map<? extends K, ? extends V> m) {
    this(Math.max((int) (m.size() / DEFAULT_LOAD_FACTOR) + 1,
                  DEFAULT_INITIAL_CAPACITY), DEFAULT_LOAD_FACTOR);
    inflateTable(threshold);

    putAllForCreate(m);
}

操作方法

put
public class HashMap<K,V>
    extends AbstractMap<K,V>
    implements Map<K,V>, Cloneable, Serializable{
    
    public V put(K key, V value) {
        if (table == EMPTY_TABLE) {
            inflateTable(threshold);
        }
        if (key == null)
            //如果key为null,则将其放在table[0]的位置
            return putForNullKey(value);
        //根据key计算hash值
        int hash = sun.misc.Hashing.singleWordWangJenkinsHash(key);
        //根据hash值和数组容量,找到索引值
        int i = indexFor(hash, table.length);
        //遍历table[i]位置的链表,查找相同的key,若找到则则用新的value替换掉oldValue
        for (HashMapEntry<K,V> e = table[i]; e != null; e = e.next) {
            Object k;
            if (e.hash == hash && ((k = e.key) == key || key.equals(k))) {
                V oldValue = e.value;
                e.value = value;
                e.recordAccess(this);
                return oldValue;
            }
        }

        modCount++;
        //若没有查找到相同的key,则添加key到table[i]位置,新添加的元素总是添加在单向链表的表头位置,后面的元素称为它的后继
        addEntry(hash, key, value, i);
        return null;
    }
    
    //根据哈希值与数组容量计算索引位置,使用&代替取模,提升效率。
    static int indexFor(int h, int length) {
        // assert Integer.bitCount(length) == 1 : "length must be a non-zero power of 2";
        return h & (length-1);
    }
    
    void addEntry(int hash, K key, V value, int bucketIndex) {
        //如果达到了扩容阈值,则进行扩容,容量翻倍
        if ((size >= threshold) && (null != table[bucketIndex])) {
            resize(2 * table.length);
            hash = (null != key) ? sun.misc.Hashing.singleWordWangJenkinsHash(key) : 0;
            bucketIndex = indexFor(hash, table.length);
        }

        createEntry(hash, key, value, bucketIndex);
    }

    //新添加的元素总是添加在单向链表的表头位置,后面的元素称为它的后继
    void createEntry(int hash, K key, V value, int bucketIndex) {
        HashMapEntry<K,V> e = table[bucketIndex];
        table[bucketIndex] = new HashMapEntry<>(hash, key, value, e);
        size++;
    }
}

这个添加的流程还是比较简单的,这个流程如下:

  1. 根据key计算hash值,并根据hash值和数组容量,找到索引值,该位置即为存储该元素的链表所在处。
  2. 遍历table[i]位置的链表,查找相同的key,若找到则则用新的value替换掉oldValue.
  3. 若没有查找到相同的key,则添加key到table[i]位置,新添加的元素总是添加在单向链表的表头位置,后面的元素称为它的后继。

这里你可以看到HashMap使用了我们上面所说的分离链接法来解决哈希冲突的问题。

remove
public class HashMap<K,V>
    extends AbstractMap<K,V>
    implements Map<K,V>, Cloneable, Serializable{
    
    public V remove(Object key) {
        Entry<K,V> e = removeEntryForKey(key);
        return (e == null ? null : e.getValue());
    }

    final Entry<K,V> removeEntryForKey(Object key) {
        if (size == 0) {
            return null;
        }
        //计算哈希值,根据哈希值与数组容量计算它所在的索引,根据索引查找它所在的链表
        int hash = (key == null) ? 0 : sun.misc.Hashing.singleWordWangJenkinsHash(key);
        int i = indexFor(hash, table.length);
        HashMapEntry<K,V> prev = table[i];
        HashMapEntry<K,V> e = prev;

        //从起始节点开始遍历,查找要删除的元素,删除该节点,将节点的后继添加为它前驱的后继
        while (e != null) {
            HashMapEntry<K,V> next = e.next;
            Object k;
            if (e.hash == hash &&
                ((k = e.key) == key || (key != null && key.equals(k)))) {
                modCount++;
                size--;
                if (prev == e)
                    table[i] = next;
                else
                    prev.next = next;
                e.recordRemoval(this);
                return e;
            }
            prev = e;
            e = next;
        }

        return e;
    }
}

删除的流程如下所示:

  1. 计算哈希值,根据哈希值与数组容量计算它所在的索引,根据索引查找它所在的链表。
  2. 从起始节点开始遍历,查找要删除的元素,删除该节点,将节点的后继添加为它前驱的后继
get
public class HashMap<K,V>
    extends AbstractMap<K,V>
    implements Map<K,V>, Cloneable, Serializable{
    
   public V get(Object key) {
       if (key == null)
           return getForNullKey();
       Entry<K,V> entry = getEntry(key);

       return null == entry ? null : entry.getValue();
   }
   
   final Entry<K,V> getEntry(Object key) {
       if (size == 0) {
           return null;
       }
       //计算哈希值,根据哈希值与数组容量计算它所在的索引,根据索引查找它所在的链表
       int hash = (key == null) ? 0 : sun.misc.Hashing.singleWordWangJenkinsHash(key);
       //在单向链表中查找该元素
       for (HashMapEntry<K,V> e = table[indexFor(hash, table.length)];
            e != null;
            e = e.next) {
           Object k;
           if (e.hash == hash &&
               ((k = e.key) == key || (key != null && key.equals(k))))
               return e;
       }
       return null;
   }

}

查找的流程也十分简单,具体如下:

  1. 计算哈希值,根据哈希值与数组容量计算它所在的索引,根据索引查找它所在的链表。
  2. 在单向链表中查找该元素

推荐阅读更多精彩内容