Map 总结

在前面 LZ 详细介绍了 HashMap 、HashTable 、TreeMap 的实现方法，从数据结构、实现原理、源码分析三个方面进行阐述，对这个三个类应该有了比较清晰的了解,下面 LZ 就 Map 做一个简单的总结。

一、Map 概述

首先先看 Map 的结构示意图

fig.1

Map：“键值”对映射的抽象接口。该映射不包括重复的键，一个键对应一个值。

SortedMap：有序的键值对接口，继承 Map 接口。

NavigableMap：继承 SortedMap，具有了针对给定搜索目标返回最接近匹配项的导航方法的接口。

AbstractMap：实现了 Map 中的绝大部分函数接口。它减少了“Map 的实现类”的重复编码。

Dictionary：任何可将键映射到相应值的类的抽象父类。目前被Map接口取代。

TreeMap：有序散列表，实现 SortedMap 接口，底层通过红黑树实现。

HashMap：是基于“拉链法”实现的散列表。底层采用“数组+链表”实现。

WeakHashMap：基于“拉链法”实现的散列表。

HashTable：基于“拉链法”实现的散列表。

总结如下：

fig.2

他们之间的区别：

fig.3

二、内部哈希：哈希映射技术

几乎所有通用 Map 都使用哈希映射技术。对于我们程序员来说我们必须要对其有所了解。

哈希映射技术是一种就元素映射到数组的非常简单的技术。由于哈希映射采用的是数组结果，那么必然存在一中用于确定任意键访问数组的索引机制，该机制能够提供一个小于数组大小的整数，我们将该机制称之为哈希函数。在 Java 中我们不必为寻找这样的整数而大伤脑筋，因为每个对象都必定存在一个返回整数值的 hashCode 方法，而我们需要做的就是将其转换为整数，然后再将该值除以数组大小取余即可。如下


    int hashValue = Maths.abs(obj.hashCode()) % size;

下面是 HashMap、HashTable 的：


    ----------HashMap------------
    //计算hash值
    static int hash(int h) {
        h ^= (h >>> 20) ^ (h >>> 12);
        return h ^ (h >>> 7) ^ (h >>> 4);
    }
    //计算key的索引位置
    static int indexFor(int h, int length) {
            return h & (length-1);
    }
    -----HashTable--------------
    int index = (hash & 0x7FFFFFFF) % tab.length;     //确认该key的索引位置

位置的索引就代表了该节点在数组中的位置。下图是哈希映射的基本原理图：

fig.4

在该图中 1-4 步骤是找到该元素在数组中位置，5-8 步骤是将该元素插入数组中。在插入的过程中会遇到一点点小挫折。在众多肯能存在多个元素他们的 hash 值是一样的，这样就会得到相同的索引位置，也就说多个元素会映射到相同的位置，这个过程我们称之为“冲突”。解决冲突的办法就是在索引位置处插入一个链接列表，并简单地将元素添加到此链接列表。当然也不是简单的插入，在 HashMap 中的处理过程如下：获取索引位置的链表，如果该链表为 null，则将该元素直接插入，否则通过比较是否存在与该 key 相同的 key，若存在则覆盖原来 key 的 value 并返回旧值，否则将该元素保存在链头（最先保存的元素放在链尾）。下面是 HashMap 的 put 方法，该方法详细展示了计算索引位置，将元素插入到适当的位置的全部过程：


    public V put(K key, V value) {
            //当key为null，调用putForNullKey方法，保存null与table第一个位置中，这是HashMap允许为null的原因
            if (key == null)
                return putForNullKey(value);
            //计算key的hash值
            int hash = hash(key.hashCode());                 
            //计算key hash 值在 table 数组中的位置
            int i = indexFor(hash, table.length);            
            //从i出开始迭代 e,判断是否存在相同的key
            for (Entry<K, V> e = table[i]; e != null; e = e.next) {
                Object k;
                //判断该条链上是否有hash值相同的(key相同)
                //若存在相同，则直接覆盖value，返回旧value
                if (e.hash == hash && ((k = e.key) == key || key.equals(k))) {
                    V oldValue = e.value;    //旧值 = 新值
                    e.value = value;
                    e.recordAccess(this);
                    return oldValue;     //返回旧值
                }
            }
            //修改次数增加1
            modCount++;
            //将key、value添加至i位置处
            addEntry(hash, key, value, i);
            return null;
        }

HashMap 的 put 方法展示了哈希映射的基本思想，其实如果我们查看其它的 Map，发现其原理都差不多！

三、Map 优化

首先我们这样假设，假设哈希映射的内部数组的大小只有1，所有的元素都将映射该位置（0），从而构成一条较长的链表。由于我们更新、访问都要对这条链表进行线性搜索，这样势必会降低效率。我们假设，如果存在一个非常大数组，每个位置链表处都只有一个元素，在进行访问时计算其 index 值就会获得该对象，这样做虽然会提高我们搜索的效率，但是它浪费了控件。诚然，虽然这两种方式都是极端的，但是它给我们提供了一种优化思路：使用一个较大的数组让元素能够均匀分布。在 Map 有两个会影响到其效率，一是容器的初始化大小、二是负载因子。

3.1、调整实现大小

在哈希映射表中，内部数组中的每个位置称作“存储桶”(bucket)，而可用的存储桶数（即内部数组的大小）称作容量 (capacity)，我们为了使 Map 对象能够有效地处理任意数的元素，将 Map 设计成可以调整自身的大小。我们知道当 Map 中的元素达到一定量的时候就会调整容器自身的大小，但是这个调整大小的过程其开销是非常大的。调整大小需要将原来所有的元素插入到新数组中。我们知道 index = hash(key) % length。这样可能会导致原先冲突的键不在冲突，不冲突的键现在冲突的，重新计算、调整、插入的过程开销是非常大的，效率也比较低下。所以，如果我们开始知道 Map 的预期大小值，将 Map 调整的足够大，则可以大大减少甚至不需要重新调整大小，这很有可能会提高速度。下面是 HashMap 调整容器大小的过程，通过下面的代码我们可以看到其扩容过程的复杂性：


    void resize(int newCapacity) {
                Entry[] oldTable = table;    //原始容器
                int oldCapacity = oldTable.length;    //原始容器大小
                if (oldCapacity == MAXIMUM_CAPACITY) {     //是否超过最大值：1073741824
                    threshold = Integer.MAX_VALUE;
                    return;
                }

                //新的数组：大小为 oldCapacity * 2
                Entry[] newTable = new Entry[newCapacity];    
                transfer(newTable, initHashSeedAsNeeded(newCapacity));
                table = newTable;
               /*
                * 重新计算阀值 =  newCapacity * loadFactor >  MAXIMUM_CAPACITY + 1 ? 
                *                         newCapacity * loadFactor :MAXIMUM_CAPACITY + 1
                */
                threshold = (int)Math.min(newCapacity * loadFactor, MAXIMUM_CAPACITY + 1);   
            }

            //将元素插入到新数组中
            void transfer(Entry[] newTable, boolean rehash) {
                int newCapacity = newTable.length;
                for (Entry<K,V> e : table) {
                    while(null != e) {
                        Entry<K,V> next = e.next;
                        if (rehash) {
                            e.hash = null == e.key ? 0 : hash(e.key);
                        }
                        int i = indexFor(e.hash,  newCapacity);
                        e.next = newTable[i];
                        newTable[i] = e;
                        e = next;
                    }
                }
           }

3.2、负载因子

为了确认何时需要调整 Map 容器，Map 使用了一个额外的参数并且粗略计算存储容器的密度。在 Map 调整大小之前，使用”负载因子”来指示 Map 将会承担的“负载量”，也就是它的负载程度，当容器中元素的数量达到了这个“负载量”，则 Map 将会进行扩容操作。负载因子、容量、Map 大小之间的关系如下：负载因子 * 容量 > map 大小 —–>调整 Map 大小。

例如：如果负载因子大小为 0.75（HashMap 的默认值），默认容量为 11，则 11 * 0.75 = 8.25 = 8，所以当我们容器中插入第八个元素的时候，Map 就会调整大小。