由 dawei 副标题#e#
1.哈希表介绍
前面我们已经介绍了许多类型的数据结构。在想要查询容器内特定元素时，有序向量使得我们能使用二分查找法进行精确的查询((O(logN)对数复杂度，很高效)。
可人类总是不知满足，依然在寻求一种更高效的特定元素查询的数据结构，哈希表/散列表(hash table)就应运而生啦。哈希表在特定元素的插入，删除和查询时都能够达到O(1)常数的时间复杂度,十分高效。
1.1 哈希算法
哈希算法的定义：把任意长度的输入通过哈希算法转换映射为固定长度的输出，所得到的输出被称为哈希值(hashCode =?hash(input))。哈希映射是一种多对一的关系，即多个不同的输入有可能对应着一个相同的哈希值输出；也意味着，哈希映射是不可逆，无法还原的。
举个例子：我们有一个好朋友叫熊大,大家都叫他老熊。可以理解为是一个hash算法：对于一个人名，我们一般称呼为"老" + 姓氏(单姓) (hash(熊大) = 老熊)。同时，我们还有一个好朋友叫熊二,我们也叫他老熊(hash(熊二) = 老熊)。当熊大和熊二两个好朋友同时和我们聚会时，都称呼他们为老熊就不太合适啦，因为这时出现了hash冲突。老熊这个称呼同时对应了多个人，多个不同的输入对应了相同的哈希值输出。
java在Object这一最高层对象中实现了hashCode方法，并允许子类重写更适应自身，冲突概率更低的hashCode方法。
1.2 哈希表实现的基本思路
哈希表存储的是key-value键值对结构的数据，其基础是一个数组。
由于采用hash算法会出现hash冲突，一个数组下标对应了多个元素。常见的解决hash冲突的方法有：开放地址法、重新哈希法、拉链法等等，我们的哈希表实现采用的是拉链法解决hash冲突。
采用拉链法的哈希表将内部数组的每一个元素视为一个插槽(slot)或者桶(bucket)，并将数据存放在键值对节点(EntryNode)中。EntryNode除了存放key和value，还维护着一个next节点的引用。为了解决hash冲突，单个插槽内的多个EntryNode构成一个简单的单向链表，插槽指向链表的头部节点，新的数据将会插入当前链表的尾部。
key值不同但映射的hash值相同的元素在哈希表的同一个插槽中以链表的形式共存。
1.3 哈希表的负载因子(loadFactor)：
哈希表在查询数据时通过直接计算数据hash值对应的插槽，迅速获取到key值对应的数据，进行非常高效的数据查询。
但依然存在一个问题：虽然设计良好的hash函数可以尽可能的降低hash冲突的概率，但hash冲突还是不可避免的。当发生频繁的哈希冲突时，对应的插槽内可能会存放较多的元素，导致插槽内的链表数据过多。而链表的查询效率是非常低的，在极端情况下，甚至会出现所有元素都映射存放在同一个插槽内，此时的哈希表退化成了一个链表，查询效率急剧降低。
一般的，哈希表存储的数据量一定时，内部数组的大小和数组插槽指向的链表长度成反比。换句话说，总数据量一定，内部数组的容量越大(插槽越多)，平均下来桶链表的长度也就越小，查询效率越高。
同等数据量下，哈希表内部数组容量越大，查询效率越高，但同时空间占用也越高，这本质上是一个空间换时间的取舍。
哈希表允许用户在初始化时指定负载因子(loadFactor)：负载因子代表着存储的总数据量和内部数组大小的比值。插入新数据时，判断哈希表当前的存储量和内部数组的比值是否超过了负载因子。当比值超过了负载因子时，哈希表认为内部过于拥挤，查询效率太低，会触发一次扩容的rehash操作。rehash会对内部数组扩容，将存储的元素重新进行hash映射，使得哈希表始终保持一个合适的查询效率。
通过指定自定义的负载因子，用户可以控制哈希表在空间和时间上取舍的程度，使哈希表能更有效地适应用户的使用场景。
指定的负载因子越大，哈希表越拥挤(负载高，紧凑)，查询效率越低，空间效率越高。
指定的负载因子越小，哈希表越稀疏(负载小，松散)，查询效率越高，空间效率越低。
2.哈希表ADT接口
和之前介绍的链表不同，我们在哈希表的ADT接口中暴露出了哈希表内部实现的EntryNode键值对节点。通过暴露出去的public方法，用户在使用哈希表时，可以获得内部的键值对节点，灵活的访问其中的key、value数据(但没有暴露setKey方法，不允许用户自己设置key值)。
public interface Map <K,V>{
/**
* 存入键值对
* @param key key值
* value value
* @return 被覆盖的的value值
*/
V put(K key,V value);
* 移除键值对
* 被删除的value的值
V remove(K key);
* 获取key对应的value值
* 对应的value值
V get(K key);
* 是否包含当前key值
* true：包含 false：不包含
*/
boolean containsKey(K key);
* 是否包含当前value值
* value value值
* true：包含 false：不包含
containsValue(V value);
* 获得当前map存储的键值对数量
* 键值对数量
* int size();
* 当前map是否为空
* true：为空 false：不为空
isEmpty();
* 清空当前map
void clear();
* 获得迭代器
* 迭代器对象
Iterator<EntryNode<K,V>> iterator();
* 键值对节点 内部类
* class EntryNode<K,1)">{
final K key;
V value;
EntryNode<K,1)"> next;
EntryNode(K key,V value) {
this.key = key;
this.value = value;
}
keyIsEquals(K key){
if(this.key == key){
return true;
}
if(key == null){
//:::如果走到这步，this.key不等于null，不匹配
false;
}else{
return key.equals(this.key);
}
}
EntryNode<K,1)"> getNext() {
return next;
}
void setNext(EntryNode<K,1)"> next) {
this.next =public K getKey() {
key;
}
V getValue() {
setValue(V value) {
value;
}
@Override
String toString() {
return key + "=" + value;
}
}
}
3.哈希表实现细节
3.1 哈希表基本属性：
class HashMap<K,V> implements Map<K,1)">{
* 内部数组
* private EntryNode<K,1)">[] elements;
* 当前哈希表的大小
* private size;
* 负载因子
* float loadFactor;
* 默认的哈希表容量
* final static int DEFAULT_CAPACITY = 16;
* 扩容翻倍的基数
* int REHASH_BASE = 2
* 默认的负载因子
* float DEFAULT_LOAD_FACTOR = 0.75f========================================构造方法===================================================
* 默认构造方法
*
@SuppressWarnings("unchecked")
HashMap() {
this.size = 0;
this.loadFactor = DEFAULT_LOAD_FACTOR;
elements = new EntryNode[DEFAULT_CAPACITY];
}
* 指定初始容量的构造方法
* capacity 指定的初始容量
* public HashMap( capacity) {
EntryNode[capacity];
}
* 指定初始容量和负载因子的构造方法
* capacity 指定的初始容量
* loadFactor 指定的负载因子
* int capacity, loadFactor) {
loadFactor;
elements = EntryNode[capacity];
}
}
3.2 通过hash值获取对应插槽下标：
获取hash的方法仅和数据自身有关，不受到哈希表存储数据量的影响。
#p#副标题#e##p#分页标题#e#
因此getIndex方法的时间复杂度为O(1)。
* 通过key的hashCode获得对应的内部数组下标
* key 传入的键值key
* 对应的内部数组下标
* getIndex(K key){
return getIndex(key,1)">.elements);
}
* 通过key的hashCode获得对应的内部数组插槽slot下标
* elements 内部数组
* int getIndex(K key,EntryNode<K,1)">[] elements){
){
::: null 默认存储在第0个桶内
return 0;
}{
int hashCode = key.hashCode();
:::通过 高位和低位的异或运算，获得最终的hash映射，减少碰撞的几率
int finalHashCode = hashCode ^ (hashCode >>> 16);
return (elements.length-1) & finalHashCode;
}
}
3.3 链表查询方法：
当出现hash冲突时，会在对应插槽处生成一个单链表。我们需要提供一个方便的单链表查询方法，将增删改查接口的部分公用逻辑抽象出来，简化代码的复杂度。
值得注意的是：在判断Key值是否相等时使用的是EntryNode.keyIsEquals方法，内部最终是通过equals方法进行比较的。也就是说，判断key值是否相等和其它数据结构一样，依然是由equals方法决定的。hashCode方法的作用仅仅是使我们能够更快的定位到所映射的插槽处，加快查询效率。
思考一下，为什么要求在重写equals方法的同时，也应该重写hashCode方法？
* 获得目标节点的前一个节点
* currentNode 当前桶链表节点
* key 对应的key
* 返回当前桶链表中"匹配key的目标节点"的"前一个节点"
* 注意：当桶链表中不存在匹配节点时，返回桶链表的最后一个节点
* currentNode,K key){
:::不匹配
EntryNode<K,V> nextNode = currentNode.next;
:::遍历当前桶后面的所有节点
while(nextNode != :::如果下一个节点的key匹配
if(nextNode.keyIsEquals(key)){
currentNode;
}:::不断指向下一个节点
currentNode = nextNode;
nextNode = nextNode.next;
}
}
:::到达了桶链表的末尾，返回最后一个节点
currentNode;
}
3.4 增删改查接口：
哈希表的增删改查接口都是通过hash值直接计算出对应的插槽下标(getIndex方法)，然后遍历插槽内的桶链表进行进一步的精确查询(getTargetPreviousEntryNode方法)。在负载因子位于正常范围内时(一般小于1)，桶链表的平均长度非常短，可以认为单个桶链表的遍历查询时间复杂度为(O(1))。
因此哈希表的增删改查接口的时间复杂度都是O(1)。
@Override
V put(K key,V value) {
(needReHash()){
reHash();
}
:::获得对应的内部数组下标
int index = getIndex(key);
:::获得对应桶内的第一个节点
EntryNode<K,V> firstEntryNode = .elements[index];
:::如果当前桶内不存在任何节点
if(firstEntryNode == :::创建一个新的节点
this.elements[index] = new EntryNode<>(key,value);
:::创建了新节点，size加1
this.size++;
;
}
(firstEntryNode.keyIsEquals(key)){
:::当前第一个节点的key与之匹配
V oldValue = firstEntryNode.value;
firstEntryNode.value = value;
oldValue;
}:::不匹配
:::获得匹配的目标节点的前一个节点
EntryNode<K,V> targetPreviousNode = getTargetPreviousEntryNode(firstEntryNode,key);
:::获得匹配的目标节点
EntryNode<K,V> targetNode = targetPreviousNode.next;
if(targetNode != :::更新value的值
V oldValue = targetNode.value;
targetNode.value = value;
oldValue;
}:::在桶链表的末尾 新增一个节点
targetPreviousNode.next = :::创建了新节点，size加1
;
;
}
}
}
@Override
V remove(K key) {
;
}
:::当前第一个节点的key与之匹配
:::将桶链表的第一个节点指向后一个节点(兼容next为null的情况)
this.elements[index] = firstEntryNode.next;
:::移除了一个节点 size减一
this.size--:::返回之前的value值
firstEntryNode.value;
} targetPreviousNode.next;
:::将"前一个节点的next" 指向 "目标节点的next" ---> 相当于将目标节点从桶链表移除
targetPreviousNode.next = targetNode.next;
:::移除了一个节点 size减一
targetNode.value;
}:::如果目标节点为空，说明key并不存在于哈希表中
V get(K key) {
:::当前第一个节点的key与之匹配
;
}
}
}
3.5 扩容rehash操作：
前面提到，当插入数据时发现哈希表过于拥挤，超过了负载因子指定的值时，会触发一次rehash扩容操作。
扩容时，我们的内部数组扩容了2倍，所以对于每一个插槽内的元素在rehash时存在两种可能：
1.依然映射到当前下标插槽处
2.映射到高位下标处(当前下标 + 扩容前内部数组长度大小)
#p#副标题#e##p#分页标题#e#
注意观察0，4，8三个元素节点，在扩容前(对4取模)都位于下标0插槽；扩容后，数组容量翻倍(对8取模)，存在两种情况，0，8两个元素哈希值依然映射在下标0插槽(低位插槽)，而元素4则被映射到了下标4插槽(高位插槽)(当前下标(0) + 扩容前内部数组长度大小(4))。
通过遍历每个插槽，将内部元素按顺序进行rehash，得到扩容两倍后的哈希表(数据保留了之前的顺序，即先插入的节点依然位于桶链表靠前的位置)。
和向量扩容一样，虽然rehash操作的时间复杂度为O(n)。但是由于只在插入时偶尔的被触发，总体上看，rehash操作的时间复杂度为O(1)。
哈希表扩容前:
哈希表扩容后:
?
/**
* 哈希表扩容
* reHash(){
:::扩容两倍
EntryNode<K,V>[] newElements = new EntryNode[this.elements.length * REHASH_BASE];
:::遍历所有的插槽
for (int i=0; i<this.elements.length; i++) {
:::为单个插槽内的元素 rehash
reHashSlot(i,newElements);
}
:::内部数组 ---> 扩容之后的新数组
this.elements = newElements;
}
* 单个插槽内的数据进行rehash
* void reHashSlot(int index,1)">[] newElements){
:::获得当前插槽第一个元素
EntryNode<K,V> currentEntryNode = .elements[index];
if(currentEntryNode == :::当前插槽为空，直接返回
:::低位桶链表 头部节点、尾部节点
EntryNode<K,V> lowListHead = ;
EntryNode<K,V> lowListTail = :::高位桶链表 头部节点、尾部节点
EntryNode<K,V> highListHead = ;
while(currentEntryNode != :::获得当前节点 在新数组中映射的插槽下标
int entryNodeIndex = getIndex(currentEntryNode.key,newElements);
:::是否和当前插槽下标相等
if(entryNodeIndex == index){
:::和当前插槽下标相等
if(lowListHead == ){
:::初始化低位链表
lowListHead = currentEntryNode;
lowListTail = currentEntryNode;
}{
:::在低位链表尾部拓展新的节点
lowListTail.next = lowListTail.next;
}
}:::和当前插槽下标不相等
if(highListHead == :::初始化高位链表
highListHead = currentEntryNode;
highListTail =:::在高位链表尾部拓展新的节点
highListTail.next = highListTail.next;
}
}
:::指向当前插槽的下一个节点
currentEntryNode = currentEntryNode.next;
}
:::新扩容elements(index)插槽 存放lowList
newElements[index] = lowListHead;
:::lowList末尾截断
if(lowListTail != ){
lowListTail.next = :::新扩容elements(index + this.elements.length)插槽 存放highList
newElements[index + this.elements.length] = highListHead;
:::highList末尾截断
if(highListTail != ){
highListTail.next = ;
}
}
* 判断是否需要 扩容
* needReHash(){
return ((this.size / this.elements.length) > .loadFactor);
}
3.6 其它接口实现：
containsKey(K key) {
V value = get(key);
return (value != );
}
@Override
containsValue(V value) {
:::遍历全部桶链表
for (EntryNode<K,V> element : .elements) {
:::获得当前桶链表第一个节点
EntryNode<K,V> entryNode = element;
:::遍历当前桶链表
while (entryNode != ) {
:::如果value匹配
(entryNode.value.equals(value)) {
:::返回true
;
} {
:::不匹配，指向下一个节点
entryNode = entryNode.next;
}
}
}
:::所有的节点都遍历了，没有匹配的value
;
}
@Override
size() {
.size;
}
@Override
isEmpty() {
return (this.size == 0 clear() {
:::遍历内部数组，将所有桶链表全部清空
for(this.elements[i] = :::size设置为0
public Iterator<EntryNode<K,1)"> iterator() {
Itr();
}
@Override
String toString() {
Iterator<EntryNode<K,V>> iterator = .iterator();
:::空容器
if(!iterator.hasNext()){
return "[]":::容器起始使用"["
StringBuilder s = new StringBuilder("[");
:::反复迭代
while(:::获得迭代的当前元素
EntryNode<K,V> data = iterator.next();
:::判断当前元素是否是最后一个元素
iterator.hasNext()){
:::是最后一个元素，用"]"收尾
s.append(data).append("]");
:::返回 拼接完毕的字符串
s.toString();
}:::不是最后一个元素
:::使用","分割，拼接到后面
s.append(data).append(",");
}
}
}
4.哈希表迭代器
1. 由于哈希表中数据分布不是连续的，所以在迭代器的初始化过程中必须先跳转到第一个非空数据节点，以避免无效的迭代。
#p#副标题#e##p#分页标题#e#
2. 当迭代器的下标到达当前插槽链表的末尾时，迭代器下标需要跳转到靠后插槽的第一个非空数据节点。
* 哈希表 迭代器实现
class Itr implements Iterator<EntryNode<K,1)"> {
* 迭代器 当前节点
* */
currentNode;
* 迭代器 下一个节点
* nextNode;
* 迭代器 当前内部数组的下标
* currentIndex;
* 默认构造方法
* private Itr(){
:::如果当前哈希表为空，直接返回
if(HashMap..isEmpty()){
;
}
:::在构造方法中，将迭代器下标移动到第一个有效的节点上
:::遍历内部数组，找到第一个不为空的数组插槽slot
int i=0; i<HashMap.:::设置当前index
this.currentIndex = i;
EntryNode<K,V> firstEntryNode = HashMap..elements[i];
:::找到了第一个不为空的插槽slot
if(firstEntryNode != :::nextNode = 当前插槽第一个节点
this.nextNode = firstEntryNode;
:::构造方法立即结束
;
}
}
}
@Override
hasNext() {
this.nextNode != );
}
@Override
public EntryNode<K,1)"> next() {
this.currentNode = .nextNode;
:::暂存需要返回的节点
EntryNode<K,V> needReturn = .nextNode;
:::nextNode指向自己的next
this.nextNode = .nextNode.next;
:::判断当前nextNode是否为null
this.nextNode == :::说明当前所在的桶链表已经遍历完毕
:::寻找下一个非空的插槽
int i=this.currentIndex+1; i<HashMap.:::设置当前index
i;
EntryNode<K,1)">.elements[i];
:::找到了后续不为空的插槽slot
){
:::nextNode = 当前插槽第一个节点
firstEntryNode;
:::跳出循环
break;
}
}
}
needReturn;
}
@Override
remove() {
this.currentNode == throw new IteratorStateErrorException("迭代器状态异常: 可能在一次迭代中进行了多次remove操作");
}
:::获得需要被移除的节点的key
K currentKey = .currentNode.key;
:::将其从哈希表中移除
HashMap..remove(currentKey);
:::currentNode设置为null，防止反复调用remove方法
;
}
}
5.哈希表性能
5.1 空间效率：
哈希表的空间效率很大程度上取决于负载因子。通常，为了保证哈希表查询的高效性，负载因子都设置的比较小(小于1)，因而可能会出现许多空的插槽，浪费空间。
总体而言，哈希表的空间效率低于向量和链表。
5.2 时间效率：
一般的，哈希表增删改查接口的时间复杂度都是O(1)。但是出现较多的hash冲突时，冲突范围内的key的增删改查效率较低，时间效率会有一定的波动。
总体而言，哈希表的时间效率高于向量和链表。
哈希表的时间效率很高，可天下没有免费的午餐，据统计，哈希表的空间利用率通常情况下还不到50%。
哈希表是一个使用空间来换取时间的数据结构，对查询性能有较高要求的场合，可以考虑使用哈希表。
6.哈希表总结
6.1 当前版本缺陷
至此，我们已经实现了一个基础的哈希表，但还存在许多明显缺陷：
1.当hash冲突比较频繁时，查询效率急剧降低。
jdk在1.8版本的哈希表实现(java.util.HashMap)中，对这一场景进行了优化。当内部桶链表的节点个数超过一定数量(默认为8)时，会将插槽中的桶链表转换成一个红黑树(查询效率为O(logN))。
2.不支持多线程
在多线程的环境，并发的访问一个哈希表会导致诸如：扩容时内部节点死循环、丢失插入数据等异常情况。
6.2 查询特定元素的方法
我们目前查询特定元素有几种不同的方法：
1.顺序查找
在无序向量或者链表中，查找一个特定元素是通过从头到尾遍历容器内元素的方式实现的，执行速度正比于数据量的大小，顺序查找的时间复杂度为O(n)，效率较低。
2.二分查找
在有序向量以及后面要介绍的二叉搜索树中，由于容器内部的元素是有序的，因此可以通过二分查找比较的方式查询特定的元素，二分查找的时间复杂度为O(logN)，效率较高。
3.哈希查找
在哈希表中，通过直接计算出数据hash值对应的插槽(slot)(时间复杂度O(1))，查找出对应的数据，哈希查找的时间复杂度为O(1)，效率极高。
特定元素的查找方式和排序算法的关系
1.顺序查找对应冒泡排序、选择排序等，效率较低，时间复杂度(O(n2))。
2.二分查找对应快速排序、归并排序等，效率较高，时间复杂度(O(nLogn))。
3.哈希查找对应基排序，效率极高，时间复杂度(O(n))。
在大牛刘未鹏的博客中有更为详细的说明，http://mindhacks.cn/2008/06/13/why-is-quicksort-so-quick。
6.3 完整代码
#p#副标题#e##p#分页标题#e#
哈希表ADT接口:
1 {
2 /**
3 * 存入键值对
4 * key key值
5 value value
6 被覆盖的的value值
7 */
8 V put(K key,V value);
9
10 11 * 移除键值对
12 13 被删除的value的值
14 15 V remove(K key);
16
17 18 * 获取key对应的value值
19 20 对应的value值
21 22 V get(K key);
23
24 25 * 是否包含当前key值
26 27 true：包含 false：不包含
28 29 containsKey(K key);
30
31 32 * 是否包含当前value值
33 value value值
34 true：包含 false：不包含
35 36 containsValue(V value);
37
38 39 * 获得当前map存储的键值对数量
40 键值对数量
41 * 42 size();
43
44 45 * 当前map是否为空
46 true：为空 false：不为空
47 48 isEmpty();
49
50 51 * 清空当前map
52 53 clear();
54
55 56 * 获得迭代器
57 迭代器对象
58 59 Iterator<EntryNode<K,1)"> iterator();
60
61 62 * 键值对节点 内部类
63 64 65 K key;
66 V value;
67 EntryNode<K,1)"> next;
68
69 EntryNode(K key,V value) {
70 key;
71 value;
72 }
73
74 keyIsEquals(K key){
75 key){
76 ;
77 }
78
79 ){
80 :::如果走到这步，this.key不等于null，不匹配
81 82 } 83 .key);
84 85 86
87 EntryNode<K,1)"> getNext() {
88 89 90
91 next) {
92 93 94
95 K getKey() {
96 97 98
99 V getValue() {
100 101 102
103 setValue(V value) {
104 105 106
107 @Override
108 String toString() {
109 110 111 }
112 }
View Code
哈希表实现:
2
3 ===========================================成员属性================================================
4 * 内部数组
7 [] elements;
8
9 10 * 当前哈希表的大小
12 size;
13
14 * 负载因子
16 loadFactor;
18
19 * 默认的哈希表容量
21 22 * 扩容翻倍的基数 两倍
27 28
30 * 默认的负载因子
31 32 33
34 ========================================构造方法===================================================
35 36 * 默认构造方法
37 38 @SuppressWarnings("unchecked")
39 HashMap() {
40 41 DEFAULT_LOAD_FACTOR;
42 elements = EntryNode[DEFAULT_CAPACITY];
43 44
45 * 指定初始容量的构造方法
47 capacity 指定的初始容量
48 49 @SuppressWarnings("unchecked" capacity) {
51 52 53 elements = EntryNode[capacity];
54 55
56 * 指定初始容量和负载因子的构造方法
58 59 loadFactor 指定的负载因子
60 61 @SuppressWarnings("unchecked" 62 loadFactor) {
63 64 65 elements = 67
68 ==========================================内部辅助方法=============================================
69 70 * 通过key的hashCode获得对应的内部数组下标
71 key 传入的键值key
对应的内部数组下标
73 74 getIndex(K key){
75 .elements);
76 77
78 79 * 通过key的hashCode获得对应的内部数组插槽slot下标
80 81 elements 内部数组
82 83 84 [] elements){
85 86 ::: null 默认存储在第0个桶内
87 88 } 89 key.hashCode();
91 :::通过 高位和低位的异或运算，获得最终的hash映射，减少碰撞的几率
);
93 finalHashCode;
94 95 96
97 98 * 获得目标节点的前一个节点
99 currentNode 当前桶链表节点
100 key 对应的key
返回当前桶链表中"匹配key的目标节点"的"前一个节点"
102 * 注意：当桶链表中不存在匹配节点时，返回桶链表的最后一个节点
103 104 105 :::不匹配
106 EntryNode<K,1)"> currentNode.next;
107 :::遍历当前桶后面的所有节点
:::如果下一个节点的key匹配
110 (nextNode.keyIsEquals(key)){
111 currentNode;
112 }113 :::不断指向下一个节点
114 currentNode = nextNode;
115 nextNode = nextNode.next;
116 117 118
119 :::到达了桶链表的末尾，返回最后一个节点
120 121 122
123 124 * 哈希表扩容
125 126 @SuppressWarnings("unchecked"127 reHash(){
128 :::扩容两倍
129 EntryNode<K,1)"> REHASH_BASE];
130
131 :::遍历所有的插槽
132 ) {
133 134 135 136
137 :::内部数组 ---> 扩容之后的新数组
138 newElements;
139 140
141 142 * 单个插槽内的数据进行rehash
143 144 [] newElements){
145 :::获得当前插槽第一个元素
146 EntryNode<K,1)">.elements[index];
147 148 :::当前插槽为空，直接返回
149 150 151
152 :::低位桶链表 头部节点、尾部节点
153 EntryNode<K,1)">154 EntryNode<K,1)">155 :::高位桶链表 头部节点、尾部节点
156 EntryNode<K,1)">157 EntryNode<K,1)">158
159 160 :::获得当前节点 在新数组中映射的插槽下标
161 162 :::是否和当前插槽下标相等
163 index){
164 :::和当前插槽下标相等
165 166 :::初始化低位链表
167 lowListHead = currentEntryNode;
168 lowListTail =169 }170 :::在低位链表尾部拓展新的节点
171 lowListTail.next =172 lowListTail = lowListTail.next;
173 }
174 }175 :::和当前插槽下标不相等
176 177 :::初始化高位链表
178 highListHead =179 highListTail =180 }181 :::在高位链表尾部拓展新的节点
182 highListTail.next =183 highListTail = highListTail.next;
184 185 186 :::指向当前插槽的下一个节点
187 currentEntryNode = currentEntryNode.next;
188 189
190 :::新扩容elements(index)插槽 存放lowList
191 newElements[index] = lowListHead;
192 :::lowList末尾截断
193 194 lowListTail.next = 195 196
197 :::新扩容elements(index + this.elements.length)插槽 存放highList
198 newElements[index + highListHead;
199 :::highList末尾截断
200 201 highListTail.next = 202 203 204
205 206 * 判断是否需要 扩容
207 208 needReHash(){
209 .loadFactor);
210 211
212 ============================================外部接口================================================
213
214 @Override
215 216 (needReHash()){
217 reHash();
218 219
220 :::获得对应的内部数组下标
221 getIndex(key);
222 :::获得对应桶内的第一个节点
223 EntryNode<K,1)">224
225 :::如果当前桶内不存在任何节点
226 227 :::创建一个新的节点
228 229 :::创建了新节点，size加1
230 231 232 233
234 (firstEntryNode.keyIsEquals(key)){
235 :::当前第一个节点的key与之匹配
236 V oldValue = firstEntryNode.value;
237 firstEntryNode.value =238 oldValue;
239 }240 :::不匹配
241
242 :::获得匹配的目标节点的前一个节点
243 EntryNode<K,key);
244 :::获得匹配的目标节点
245 EntryNode<K,1)"> targetPreviousNode.next;
246 247 :::更新value的值
248 V oldValue = targetNode.value;
249 targetNode.value =250 251 }252 :::在桶链表的末尾 新增一个节点
253 targetPreviousNode.next = 254 255 256 257 258 259 260
261 262 V remove(K key) {
263 264 265 266 EntryNode<K,1)">267
268 269 270 271 272
273 274 :::当前第一个节点的key与之匹配
275
276 :::将桶链表的第一个节点指向后一个节点(兼容next为null的情况)
277 firstEntryNode.next;
278 :::移除了一个节点 size减一
279 280 :::返回之前的value值
281 282 }283 284
285 286 EntryNode<K,1)">287 288 EntryNode<K,1)">289
290 291 :::将"前一个节点的next" 指向 "目标节点的next" ---> 相当于将目标节点从桶链表移除
292 targetPreviousNode.next = targetNode.next;
293 294 295 296 }297 :::如果目标节点为空，说明key并不存在于哈希表中
298 299 300 301 302
303 304 V get(K key) {
305 306 307 308 EntryNode<K,1)">309
310 311 312 313 314
315 316 317 318 }319 320 EntryNode<K,1)">321 322 EntryNode<K,1)">323
324 325 326 }327 328 329 330 331 332
333 334 containsKey(K key) {
335 V value = get(key);
336 337 338
339 340 containsValue(V value) {
341 :::遍历全部桶链表
342 .elements) {
343 :::获得当前桶链表第一个节点
344 EntryNode<K,1)"> element;
345
346 :::遍历当前桶链表
347 348 :::如果value匹配
349 (entryNode.value.equals(value)) {
350 :::返回true
351 352 } {
353 :::不匹配，指向下一个节点
354 entryNode = entryNode.next;
355 356 357 358
359 :::所有的节点都遍历了，没有匹配的value
360 361 362
363 364 size() {
365 .size;
366 367
368 369 isEmpty() {
370 371 372
373 374 clear() {
375 :::遍历内部数组，将所有桶链表全部清空
376 377 378 379
380 :::size设置为0
381 382 383
384 385 iterator() {
386 Itr();
387 388
389 390 391 Iterator<EntryNode<K,1)">.iterator();
392
393 :::空容器
394 iterator.hasNext()){
395 396 397
398 :::容器起始使用"["
399 StringBuilder s = 400
401 :::反复迭代
402 403 :::获得迭代的当前元素
404 EntryNode<K,1)"> iterator.next();
405
406 :::判断当前元素是否是最后一个元素
407 408 :::是最后一个元素，用"]"收尾
409 s.append(data).append("]"410 :::返回 拼接完毕的字符串
411 s.toString();
412 }413 :::不是最后一个元素
414
415 s.append(data).append(",1)">416 417 418 419
420 421 * 哈希表 迭代器实现
422 423 424 425 * 迭代器 当前节点
426 * 427 428
429 430 * 迭代器 下一个节点
431 432 433
434 435 * 迭代器 当前内部数组的下标
436 437 currentIndex;
438
439 440 * 默认构造方法
441 442 Itr(){
443 :::如果当前哈希表为空，直接返回
444 .isEmpty()){
445 446 447 :::在构造方法中，将迭代器下标移动到第一个有效的节点上
448
449 :::遍历内部数组，找到第一个不为空的数组插槽slot
450 451 :::设置当前index
452 i;
453
454 EntryNode<K,1)">.elements[i];
455 :::找到了第一个不为空的插槽slot
456 457 :::nextNode = 当前插槽第一个节点
458 firstEntryNode;
459
460 :::构造方法立即结束
461 462 463 464 465
466 467 hasNext() {
468 469 470
471 472 next() {
473 .nextNode;
474 :::暂存需要返回的节点
475 EntryNode<K,1)">476
477 :::nextNode指向自己的next
478 .nextNode.next;
479 :::判断当前nextNode是否为null
480 481 :::说明当前所在的桶链表已经遍历完毕
482
483 :::寻找下一个非空的插槽
484 485 486 487
488 EntryNode<K,1)">489 :::找到了后续不为空的插槽slot
490 491 492 493 :::跳出循环
494 495 }
496 497 498 needReturn;
499 500
501 502 remove() {
503 504 505 506
507 :::获得需要被移除的节点的key
508 K currentKey = .currentNode.key;
509 :::将其从哈希表中移除
510 HashMap..remove(currentKey);
511
512 :::currentNode设置为null，防止反复调用remove方法
513 514 515 516 }
View Code#p#副标题#e##p#分页标题#e#
哈希表简单的测试代码:
1 class MapTest {
2 main(String[] args){
3 testJDKHashMap();
4
5 System.out.println("=================================================" 6
7 testMyHashMap();
8 9
10 testJDKHashMap(){
11 java.util.Map<Integer,String> map1 = new java.util.HashMap<>(1,212 System.out.println(map1.put(1,"aaa"));
13 System.out.println(map1.put(2,"bbb"14 System.out.println(map1.put(3,"ccc"15 System.out.println(map1.put(1,1)">16 System.out.println(map1.put(2,1)">17 System.out.println(map1.put(3,1)">18 System.out.println(map1.put(1,"111"19 System.out.println(map1.put(3,1)">20 System.out.println(map1.put(4,"ddd"21 System.out.println(map1.put(5,"eee"22 System.out.println(map1.put(6,"fff"23 System.out.println(map1.put(8,"ggg"24 System.out.println(map1.put(11,1)">25 System.out.println(map1.put(22,1)">26 System.out.println(map1.put(33,1)">27 System.out.println(map1.put(9,1)">28 System.out.println(map1.put(10,1)">29 System.out.println(map1.put(12,1)">30 System.out.println(map1.put(13,1)">31 System.out.println(map1.put(14,1)">32
33 System.out.println(map1.toString());
34 System.out.println(map1.containsKey(135 System.out.println(map1.containsKey(1136 System.out.println(map1.containsValue("bbb"37 System.out.println(map1.containsValue("aaa"38 System.out.println(map1.size());
39 System.out.println(map1.get(140 System.out.println(map1.get(241 System.out.println(map1.get(342 System.out.println(map1.remove(143 System.out.println(map1.remove(244 45
46 47
48 testMyHashMap(){
49 com.xiongyx.datastructures.map.Map<Integer,String> map2 = new com.xiongyx.datastructures.map.HashMap<>(1,1)">50 System.out.println(map2.put(1,1)">51 System.out.println(map2.put(2,1)">52 System.out.println(map2.put(3,1)">53 System.out.println(map2.put(1,1)">54 System.out.println(map2.put(2,1)">55 System.out.println(map2.put(3,1)">56 System.out.println(map2.put(1,1)">57 System.out.println(map2.put(3,1)">58 System.out.println(map2.put(4,1)">59 System.out.println(map2.put(5,1)">60 System.out.println(map2.put(6,1)">61 System.out.println(map2.put(8,1)">62 System.out.println(map2.put(11,1)">63 System.out.println(map2.put(22,1)">64 System.out.println(map2.put(33,1)">65 System.out.println(map2.put(9,1)">66 System.out.println(map2.put(10,1)">67 System.out.println(map2.put(12,1)">68 System.out.println(map2.put(13,1)">69 System.out.println(map2.put(14,1)">70
71 System.out.println(map2.toString());
72 System.out.println(map2.containsKey(173 System.out.println(map2.containsKey(1174 System.out.println(map2.containsValue("bbb"75 System.out.println(map2.containsValue("aaa"76 System.out.println(map2.size());
77 System.out.println(map2.get(178 System.out.println(map2.get(279 System.out.println(map2.get(380 System.out.println(map2.remove(181 System.out.println(map2.remove(282 83 84 }
View Code#p#副标题#e##p#分页标题#e#
我们的哈希表实现是demo级别的，功能简单，也比较好理解，希望这能够成为大家理解更加复杂的产品级哈希表实现的一个跳板。在理解了demo级别代码的基础之上，去阅读更加复杂的产品级实现代码，更好的理解哈希表，更好的理解自己所使用的数据结构，写出更高效，易维护的程序。
本系列博客的代码在我的 github上：https://github.com/1399852153/DataStructures?，存在许多不足之处，请多多指教。