企业彩铃制作网站jsp网站开发好书

企业彩铃制作网站,jsp网站开发好书,房地产行业市场分析,wordpress主题中文网HashMap实现类特点HashMap 是 Java 集合框架中 Map 接口的最常用、最核心的实现类#xff08;位于 java.util 包下#xff09;#xff0c;底层数据结构是哈希表的具体实现#xff0c;完全遵循 Map 接口的规范#xff0c;具备键唯一、值可重复、无序、无索引、线程不安全的…HashMap实现类特点HashMap 是 Java 集合框架中 Map 接口的最常用、最核心的实现类位于 java.util 包下底层数据结构是哈希表的具体实现完全遵循 Map 接口的规范具备键唯一、值可重复、无序、无索引、线程不安全的核心特性在存null值方面允许一个 null 键、多个 null 值。需要注意的是JDK 1.8 是 HashMap 的重要优化版本解决了 JDK 1.7 中链表过长导致的性能退化、扩容死循环等核心问题大幅提升了极端场景下的稳定性和性能在JDK 1.8和1.7版本中的 HashMap 有许多不同点。比如底层数据结构1.7是数组链表1.8是数组红黑树链表。特点的额外说明重复键放入时新值会覆盖旧值且不抛出异常。理想场景无哈希冲突下查询、增删操作时间复杂度接近 O (1)是效率最高的 Map 实现类之一。版本差异特点JDK 1.7 vs JDK 1.81.底层数据结构差异核心差异JDK 1.7采用数组 单向链表实现JDK 1.8采用数组 单向链表 红黑树实现2.链表节点插入方式差异JDK 1.7采用头插法新节点直接插入链表头部无需遍历链表尾部插入效率略高。弊端扩容时迁移节点会导致链表顺序反转多线程环境下扩容可能形成环形链表引发 get() 操作死循环致命问题。JDK 1.8采用尾插法新节点需遍历链表到尾部后插入插入效率略低于头插法。优势扩容时节点迁移保持链表原顺序不会反转彻底解决了 1.7 中多线程扩容的死循环问题同时避免了环形链表的形成提升了数据一致性。3. 哈希值计算与桶位定位差异JDK 1.7哈希扰动算法较复杂分两步扰动调用 key.hashCode() 获取原始哈希值通过 hashCode() ^ (hashCode() 24) 混合低 24 位信息再通过 hash (n-1)n 为数组容量计算桶位索引扰动效果较弱哈希冲突概率相对较高。JDK 1.8优化哈希扰动算法更简洁高效调用 key.hashCode() 获取原始哈希值直接通过 hash ^ (hash 16) 混合高 16 位与低 16 位信息充分利用哈希值的高位数据桶位索引仍通过 hash (n-1) 计算扰动效果更优能有效减少哈希冲突提升桶位分布的均匀性。4. 扩容机制与节点迁移差异JDK 1.7数组初始化立即加载在构造方法中初始化桶数组节点迁移扩容时需为所有节点重新计算哈希值和桶位索引通过「头插法」迁移到新数组导致链表反转性能与风险迁移逻辑复杂性能较低多线程环境下易出现「数据丢失」和「死循环」致命风险。JDK 1.8数组初始化懒加载首次调用 put() 方法时才初始化桶数组减少无用内存开销节点迁移无需重新计算哈希值利用「数组容量是 2 的幂次方」的特性旧桶位节点在新数组中仅存在两个可能位置i 或 i 旧容量通过 hash 旧容量 快速判断以「尾插法」迁移链表顺序不变性能与风险迁移逻辑简化性能大幅提升解决了「多线程扩容死循环」的致命风险但仍存在「数据丢失」「并发修改异常」仍非线程安全。5. 极端场景性能差异JDK 1.7无红黑树兜底当大量键发生哈希冲突导致链表过长时查询、删除操作的性能会急剧退化至 O (n)极端场景下影响系统响应。JDK 1.8通过红黑树优化极端场景当链表长度 ≥ 8 且数组容量 ≥ 64 时链表转为红黑树操作时间复杂度优化为 O (log n)即使哈希冲突严重也能保证较高的稳定性和效率。6. 线程安全风险差异两者均为非线程安全实现多线程环境下并发修改会出现问题但风险类型存在差异JDK 1.7核心风险是多线程扩容死循环环形链表导致 get() 死循环、数据丢失、并发修改异常ConcurrentModificationException其中死循环是致命风险可能导致系统宕机。JDK 1.8解决了多线程扩容死循环的致命风险但仍存在数据丢失多个线程同时 put() 同一键值对、并发修改异常遍历过程中并发修改的风险仍不能在多线程环境下直接使用。核心差异JDK 1.8 修复了 JDK 1.7 的致命死循环问题线程安全风险降低但仍非线程安全高并发场景需使用 ConcurrentHashMap。7. 其他细节差异内部类JDK 1.8 新增 TreeNode 内部类用于实现红黑树节点扩展了哈希表的功能JDK 1.7 仅存在 Entry 内部类。null 键处理JDK 1.7 和 1.8 均支持一个 null 键哈希值固定为 0映射到桶位 0但 JDK 1.8 对 null 键的处理更简洁无需额外的分支判断。核心方法优化JDK 1.8 简化了 put()、get() 等方法的分支判断逻辑减少冗余操作对 null 键的处理更简洁执行效率略高于 JDK 1.7。工作原理含put()、get()核心方法Node 是 HashMap 底层链表节点实现 Map.Entry 接口包含 hash键的哈希值、key键、value值、next下一个链表节点引用四个属性TreeNode 继承 Node是红黑树节点仅树化时用到。1. 键的哈希值计算与桶位定位HashMap 操作的核心是「通过键找到对应的桶位」具体流程如下计算键的哈希值若键为 null哈希值为 0否则调用 key.hashCode() 得到原始哈希值再通过 HashMap 的内部哈希函数优化h ^ (h 16)减少哈希冲突。计算桶位索引通过 (n - 1) hash 计算桶位索引n 为数组容量即 2 的幂次方该运算等价于 hash % n但效率更高位运算优于取模运算。2. put(K key, V value) 方法执行流程核心源码public V put(K key, V value) { // 步骤1计算键的优化哈希值调用内部hash()方法混合高低位减少哈希冲突 return putVal(hash(key), key, value, false, true); } /** * 实际执行插入/更新的核心方法put()的底层实现访问权限为final不可被重写 * param hash 键的优化哈希值 * param key 传入的键 * param value 传入的值 * param onlyIfAbsent 是否仅在键不存在时插入true不覆盖已存在的值false覆盖已存在的值默认false * param evict 是否为驱逐模式trueHashMap非创建模式false创建模式如构造方法初始化 * return 键存在时返回旧值键不存在时返回null */ final V putVal(int hash, K key, V value, boolean onlyIfAbsent, boolean evict) { // 局部变量声明 // tabHashMap的桶数组Node[] table // p桶数组中对应的节点链表/红黑树的头节点 // n桶数组的长度 // i桶数组的索引通过哈希值计算得到 NodeK,V[] tab; NodeK,V p; int n, i; // 步骤2懒加载初始化桶数组JDK 1.8 优化首次put时才初始化而非构造方法 if ((tab table) null || (n tab.length) 0) // resize() 方法既负责初始化桶数组也负责扩容此处为初始化 n (tab resize()).length; // 步骤3计算桶数组索引判断目标桶位是否为空无哈希冲突 // 索引计算公式(n - 1) hash 等价于 hash % n且n是2的幂次方位运算效率更高 if ((p tab[i (n - 1) hash]) null) // 桶位为空直接创建新Node节点放入该桶位尾插法此处链表只有一个节点等价于头插 tab[i] newNode(hash, key, value, null); else { // 步骤4目标桶位不为空存在哈希冲突处理冲突节点 // e用于存储匹配到的重复键节点后续用于覆盖旧值 // k临时存储节点的键 NodeK,V e; K k; // 步骤4.1判断桶位头节点是否与当前键重复精准匹配 // 匹配条件1. 哈希值相同2. 键引用相同同一对象 或 键equals()返回true内容相同 if (p.hash hash ((k p.key) key || (key ! null key.equals(k)))) // 头节点就是重复键将头节点赋值给e后续用于覆盖旧值 e p; // 步骤4.2判断桶位是否为红黑树节点已树化 else if (p instanceof TreeNode) // 调用红黑树的插入方法处理重复键或插入新节点返回匹配到的重复键节点若有 e ((TreeNodeK,V)p).putTreeVal(this, tab, hash, key, value); // 步骤4.3桶位为链表节点未树化遍历链表处理 else { // binCount统计链表长度用于判断是否需要树化 for (int binCount 0; ; binCount) { // 步骤4.3.1遍历到链表尾部当前节点的next为null if ((e p.next) null) { // 尾插法创建新Node节点插入到链表尾部 p.next newNode(hash, key, value, null); // 步骤4.3.2判断链表长度是否达到树化阈值8 // TREEIFY_THRESHOLD 8binCount从0开始所以需要 -1 if (binCount TREEIFY_THRESHOLD - 1) // treeifyBin()尝试将链表转为红黑树还需满足桶数组容量≥64否则仅扩容 treeifyBin(tab, hash); // 插入完成跳出循环 break; } // 步骤4.3.3遍历链表过程中找到重复键节点 if (e.hash hash ((k e.key) key || (key ! null key.equals(k)))) // 找到重复键跳出循环后续用于覆盖旧值 break; // 步骤4.3.4未找到重复键移动到链表下一个节点继续遍历 p e; } } // 步骤5处理重复键e ! null 说明找到重复键 if (e ! null) { // 保存旧值 V oldValue e.value; // 仅当 onlyIfAbsent 为 false默认时才覆盖旧值 if (!onlyIfAbsent || oldValue null) e.value value; // 空方法用于LinkedHashMap重写实现访问顺序维护 afterNodeAccess(e); // 返回旧值方法结束 return oldValue; } } // 步骤6无重复键新节点插入成功更新修改次数和容量 // modCountHashMap的修改次数用于快速失败遍历过程中并发修改会抛出ConcurrentModificationException modCount; // 步骤7判断是否需要扩容size 超过扩容阈值 threshold if (size threshold) // resize()此处为扩容将桶数组容量翻倍迁移所有节点 resize(); // 空方法用于LinkedHashMap重写实现删除顺序维护 afterNodeInsertion(evict); // 步骤8新节点插入返回null return null; }核心逻辑拆解put() 方法1.哈希值优化put() 先调用 hash(key)将键的 hashCode() 高 16 位与低 16 位异或混合高低位信息减少哈希冲突。2.委托底层方法实际逻辑交给 putVal()解耦对外接口和内部实现。3.懒加载初始化桶数组 table 首次 put 时才通过 resize() 初始化避免构造方法初始化后未使用造成内存浪费。4.桶位定位通过 (n - 1) hash 计算索引利用位运算高效定位桶位n 是 2 的幂次方等价于取模运算 hash % n。5.无冲突处理桶位为空时直接创建 Node 节点放入无需处理链表 / 红黑树。6.有冲突处理先匹配桶位头节点判断是否为重复键。头节点不匹配判断是否为红黑树调用红黑树插入方法。否则遍历链表尾插法插入新节点达到阈值则尝试树化。7.重复键覆盖找到重复键时覆盖旧值并返回旧值。8.扩容判断新节点插入后若 size 超过 threshold容量 × 负载因子调用 resize() 扩容。核心总结① 计算哈希值定位桶位② 桶位为空直接插入不为空则处理冲突链表 / 红黑树③ 重复键覆盖旧值无重复键则插入新节点④ 插入后判断是否触发扩容。3. get(Object key) 方法执行流程核心源码public V get(Object key) { NodeK,V e; // 步骤1计算键的优化哈希值调用getNode()查找节点找到则返回value否则返回null return (e getNode(hash(key), key)) null ? null : e.value; } /** * 实际执行节点查找的核心方法get()的底层实现访问权限为final * param hash 键的优化哈希值 * param key 传入的键 * return 找到的节点Node/TreeNode未找到返回null */ final NodeK,V getNode(int hash, Object key) { // 局部变量声明 // tab桶数组 // first目标桶位的头节点 // e遍历过程中的临时节点 // n桶数组长度 // k临时存储节点的键 NodeK,V[] tab; NodeK,V first, e; int n; K k; // 步骤2前置条件判断桶数组已初始化 目标桶位不为空 if ((tab table) ! null (n tab.length) 0 (first tab[(n - 1) hash]) ! null) { // 步骤3匹配桶位头节点最快匹配避免遍历 if (first.hash hash // 哈希值相同 ((k first.key) key || (key ! null key.equals(k)))) // 键精准匹配 // 头节点就是目标节点直接返回 return first; // 步骤4头节点不匹配遍历后续节点 if ((e first.next) ! null) { // 步骤4.1判断是否为红黑树节点已树化 if (first instanceof TreeNode) // 调用红黑树的查找方法返回目标节点时间复杂度O(log n) return ((TreeNodeK,V)first).getTreeNode(hash, key); // 步骤4.2桶位为链表节点遍历链表查找 do { // 匹配当前节点是否为目标节点 if (e.hash hash ((k e.key) key || (key ! null key.equals(k)))) // 找到目标节点返回 return e; // 未找到移动到链表下一个节点继续遍历 } while ((e e.next) ! null); } } // 步骤5前置条件不满足 或 未找到目标节点返回null return null; }核心逻辑拆解get() 方法1.哈希值优化与 put() 一致调用 hash(key) 计算优化哈希值保证查找和插入的桶位一致。2.委托底层方法实际查找逻辑交给 getNode()解耦对外接口和内部实现。3.前置条件过滤快速排除桶数组未初始化、目标桶位为空的情况提升效率。4.头节点优先匹配桶位头节点是最易命中的节点优先匹配避免不必要的遍历。5.后续节点遍历若为红黑树调用树的查找方法高效定位节点适合长链表场景。若为链表通过 do-while 循环遍历直到找到目标节点或遍历结束。6.结果返回找到节点则返回其 value未找到返回 null无法区分键不存在和值为 null这是 HashMap 的特性。核心总结① 计算哈希值定位桶位② 桶位首节点直接匹配匹配成功返回值③ 首节点不匹配遍历链表 / 红黑树查找④ 找到则返回值未找到返回 null。适用场景HashMap 的核心优势是高效的查询、增删操作内存开销适中劣势是非线程安全、无序因此适用于以下业务场景单线程环境下大量查询 / 增删、少量有序需求的场景首选允许键为 null、值为 null且对数据顺序无要求的场景能预估键值对数量可优化初始化参数的场景不需要线程安全追求极致性能的场景优缺点优点查询、增删操作效率极高支持null键和null值动态扩容使用便捷内存利用率适中实现序列化和克隆JDK 1.8 优化显著减少死循环和数据丢失风险提升了极端场景下的稳定性和性能缺点非线程安全多线程环境下存在并发问题无序性不保证存储和遍历顺序扩容带来的性能开销哈希冲突的潜在风险不支持按键排序遍历过程中修改会抛出异常