HashMap

成员变量:

1、序列化版本号:

private static final long serialVersionUID = 362498820763181265L;

2、集合的初始化容量:(默认为16)

/**
* The default initial capacity - MUST be a power of two.
*/
//默认为16:1<<4(左移4位)相当于1*24次方
static final int DEFAULT_INITIAL_CAPACITY = 1 << 4; // aka 16

问题1:初始化容量为什么是2的n次幂?如果不为2的n次幂会怎么样?

当向HashMap中添加元素的时候,需要根据key的hash值去确定其在数组中的位置,HashMap为了存取高效,尽量减少hash碰撞,就需要尽量把数据分配均匀,每个链表(也可能位红黑树)的长度大致相同。这就需要算法:
这个算法实际上就是取模,hash%length,但是计算机中直接求余的效率不如位运算。所以源码中做了优化,使用:hash&(length-1)按位与,实际上hash%length等于hash&(length-1),前提是length是2的n次幂


但是为什么这样能够均匀分布减少hash碰撞呢?2的n次幂-1实际上就是n个1.
比如:
为2的n次幂:

图片.png

不为2的n次幂:
图片.png

可以发现:如果数组的长度不是2的n次幂,计算出的索引值很特别容易相同(发生hash碰撞),会导致数组的每个位置下的数据量不均匀,个别位置的链表或者红黑树过长,导致效率降低。


问题2:当初始化HashMap的时候指定了容量(比如为10),会怎么样?

HashMap<String,Integer> hashMap = new HashMap<>(10);

根据源码可以发现:如果初始化给的容量不是2的n次幂,最后容量会变成比初始化给定的值大的最小的2的n次幂。
比如给定的10,将会变成16;给定的17,将会变成32

 public static void main(String[] args) throws Exception {

        HashMap<String,Integer> hashMap = new HashMap<>(11);
        Class aClass = hashMap.getClass();
        Method capacity = aClass.getDeclaredMethod("capacity");
        capacity.setAccessible(true);
        System.out.println(capacity.invoke(hashMap));

        HashMap<String,Integer> hashMap2 = new HashMap<>(17);
        Class aClass2 = hashMap.getClass();
        Method capacity2 = aClass2.getDeclaredMethod("capacity");
        capacity2.setAccessible(true);
        System.out.println(capacity2.invoke(hashMap2));

    }
********************************结果:********************************
16
32

3、负载因子,默认为0.75:

static final float DEFAULT_LOAD_FACTOR = 0.75f;

默认容量为16,当容量超过16*0.75=12时会自动扩容

4、集合最大容量(1<<30)2的30次幂:

static final int MAXIMUM_CAPACITY = 1 << 30;

5、当链表的的数量超过8,会转为红黑树:(并且数组的长度大于64,也就是参数7)

static final int TREEIFY_THRESHOLD = 8;

6、当红黑树的数量小于6,会从红黑树转为链表:

static final int UNTREEIFY_THRESHOLD = 6;

7、链表转为红黑树对应的数组长度的最小值:

static final int MIN_TREEIFY_CAPACITY = 64;
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 199,902评论 5 468
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 84,037评论 2 377
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 146,978评论 0 332
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 53,867评论 1 272
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 62,763评论 5 360
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,104评论 1 277
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,565评论 3 390
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,236评论 0 254
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,379评论 1 294
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,313评论 2 317
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,363评论 1 329
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,034评论 3 315
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,637评论 3 303
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,719评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 30,952评论 1 255
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 42,371评论 2 346
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 41,948评论 2 341

推荐阅读更多精彩内容