【Java】HashMap 背诵版

HashMap 背诵版

1. HashMap、Hashtable 和 ConcurrentHashMap 的区别？
- 1.1 线程安全：
- 1.2 继承关系：
- 1.3 允不允许null值：
2. HashMap 的数据结构
- 2.1 什么是hash表？
- 2.2 HashMap 的数据结构
3. 什么是hash冲突，怎么解决？
- 3.1 什么是hash冲突？
- 3.2 为什么不能完全避免hash冲突？
- 3.2 hash冲突怎么解决？
- - （1）开放定址法（再散列法）
  - （2）再哈希法
  - （3）建立公共溢出区
  - （4）链地址法
4. 为什么在 JDK8 中 HashMap 要转成红黑树？
- 4.1 为什么不继续使用链表?
- 4.2 为什么是红黑树？
- - （1）二叉树
  - （2）二叉平衡树
  - （3）红黑树（自平衡二叉查找树）

1. HashMap、Hashtable 和 ConcurrentHashMap 的区别？

1.1 线程安全：

HashMap 是非线程安全的。

Hashtable 中的方法是同步的，所以它是线程安全的。

ConcurrentHashMap 在 JDK1.8 之前，使用分段锁以在保证线程安全的同时获得更大的效率。JDK1.8 开始舍弃了分段锁，使用 自旋 + CAS + synchronized 来实现同步。官方的解释中：一是节省内存空间，二是分段锁需要更多的内存空间，而大多数情况下，并发粒度达不到设置的粒度，竞争概率较小，反而导致更新的长时间等待（因为锁定一段后整个段就无法更新了）三是提高GC效率。

1.2 继承关系：

HashTable 是基于陈旧的 Dictionary 类继承来的。

HashMap 继承的抽象类 AbstractMap 实现了 Map 接口。

ConcurrentHashMap 同样继承了抽象类 AbstractMap，并且实现了 ConcurrentMap 接口。

1.3 允不允许null值：

HashTable 中，key 和 value 都不允许出现 null 值，否则会抛出 NullPointerException 异常。

HashMap 中，null 可以作为 key、value 都可以。

ConcurrentHashMap 中，key、value 都不允许为 null。

2. HashMap 的数据结构

2.1 什么是hash表？

哈希表（Hash Table）是一种常见的数据结构，也被称为散列表。它通过使用哈希函数将键映射到存储桶中，以实现高效的键值对存储和查找操作。

哈希表的基本原理是，通过将键（key）作为输入，经过哈希函数的计算，得到一个对应的哈希码（hash code）。这个哈希码通常是一个整数，用于确定键在哈希表中的存储位置。

哈希表内部由一个数组（数组的每个元素称为桶）和哈希函数组成。当需要存储一个键值对时，哈希函数计算出键的哈希码，并将其映射到对应的桶中。如果多个键具有相同的哈希码，即发生哈希冲突，常见的解决方法是使用链表或开放地址法来处理冲突。

在哈希表中，通过键的哈希码可以快速定位到对应的桶，从而实现快速的查找和插入操作。哈希表的平均时间复杂度为 O(1)，即常数时间，但在最坏情况下，哈希冲突较多时，时间复杂度可能会退化为 O(n)，其中n是存储的键值对数量。

哈希表在实际应用中被广泛使用，例如在编程语言中的字典（Dictionary）或映射（Map）数据结构中，用于高效地存储和查找键值对。

2.2 HashMap 的数据结构

在 Java 中，保存数据有两种比较简单的数据结构：数组和链表。

数组的特点是：寻址容易，插入和删除困难；而链表的特点是：寻址困难，插入和删除容易。

JDK1.8 以前 HashMap 内部数据结构使用 数组 + 链表 进行存储。（了解即可）
JDK1.8 以后 HashMap 内部数据结构使用 数组 + 链表 + 红黑树 进行存储。

在这里插入图片描述

3. 什么是hash冲突，怎么解决？

3.1 什么是hash冲突？

哈希表内部由一个数组（数组的每个元素称为桶）和哈希函数组成。当需要存储一个键值对时，哈希函数计算出键的哈希码，并将其映射到对应的桶中。如果多个不同键具有相同的哈希码，即发生哈希冲突

比如：对应不同的 key 可能获得相同的 hash code，即 key1 ≠ key2，但是H(key1) = H(key2)。

3.2 为什么不能完全避免hash冲突？

哈希函数是从关键字集合和地址集合的映像，通常关键字集合为无限大、长度不受限制（密码、或者文件都可以作为关键字），而地址集合却有限，无限量映射到有限量上肯定是存在重合的部分，这就是冲突。
哈希函数的复杂性：设计一个完全避免冲突的哈希函数是非常困难的。哈希函数需要具备均匀地将输入映射到输出空间的特性，但在实际情况下，很难找到一个完美的哈希函数，尤其是当输入数据的特征和分布较为复杂时。

尽管无法完全避免哈希冲突，但我们可以通过合理选择和设计哈希函数、调整哈希表的大小和负载因子等方法来降低冲突的概率。此外，使用解决冲突的方法，如链表法或开放地址法，可以处理哈希冲突并保证数据的正确性和高效性。