HashMap的put方法是如何实现的
✔️典型解析
先看一个简化的put方法实现，帮助理解其基本逻辑：
public V put(K key, V value) {
// 1. 计算键的哈希码
int hash = hash(key);
// 2. 计算桶的位置
int index = indexFor(hash, table.length);
// 3. 检查桶中是否有键值对
for (Entry<K,V> e = table[index]; e != null; e = e.next) {
Object k;
if (e.hash == hash && ((k = e.key) == key || (key != null && key.equals(k)))) {
// 如果找到相同的键，则更新值
return e.setValue(value);
}
}
// 4. 如果桶为空或者找到了空位，插入新的键值对
addEntry(hash, key, value, index);
return null; // 表示新插入的键值对，其值是null
}
下面是JDK 1.8中HashMap的put方法的简要实现过程:
✔️ 拓展知识仓
✔️HashMap put方法的优缺点有哪些
HashMap的put方法在实现上具有一些优点和缺点。以下是一些可能的优缺点：
优点：
- 高效性：HashMap使用哈希表作为其底层实现，使得插入、删除和查找操作的时间复杂度接近O(1)。这使得HashMap在处理大量数据时具有很高的效率。
- 易于使用：HashMap提供了简单的方法来存储和检索数据，如put和get方法。这些方法易于使用，并且可以快速地添加新数据或检索现有数据。
- 动态扩展：HashMap可以根据需要自动调整其大小，以适应不同数量的数据。这使得HashMap能够处理任意数量的数据，而无需手动管理内存。
缺点：
- 哈希冲突：如果两个键的哈希码相同，则会发生哈希冲突。虽然HashMap使用链表或红黑树来解决冲突，但哈希冲突可能导致性能下降，特别是在高负载情况下。
- 线程不安全：HashMap不是线程安全的。如果在多线程环境中使用HashMap，需要额外的同步机制来保证线程安全。这可能导致性能下降和代码复杂度增加。
- 内存消耗：HashMap使用内存来存储键值对和哈希表结构。如果存储大量数据，可能会占用大量内存。
以上是HashMap put方法的一些优缺点。在实际应用中，选择合适的数据结构非常重要，需要根据具体需求进行权衡和选择。
✔️如何避免HashMap put方法的哈希冲突
哈希冲突是HashMap实现中不可避免的问题，但是可以通过一些策略来减少其影响：
- 选择合适的哈希函数：哈希函数是将键映射到桶的函数，选择一个好的哈希函数可以减少哈希冲突的发生。尽可能选择能够均匀分布键的哈希函数，以减少冲突的可能性。
- 使用链表或红黑树：当发生哈希冲突时，HashMap可以使用链表或红黑树来存储具有相同哈希码的键值对。链表可以存储多个键值对，而红黑树则可以平衡树中的节点，提高查找效率。
- 调整数组大小：如果哈希冲突过多，可以考虑增加HashMap的数组大小。这将重新分配内存，并可能导致性能下降。因此，应该谨慎地调整数组大小，以平衡性能和内存使用。
- 使用开放地址法：开放地址法是一种解决哈希冲突的方法，其中当发生冲突时，会在哈希表中寻找下一个可用的位置来存储键值对。这种方法可以减少哈希冲突的发生，但也可能导致性能下降。
- 合理设置负载因子：负载因子是已存储的键值对数量与桶的数量之比。如果负载因子过高，可能会导致哈希冲突增多。合理设置负载因子可以平衡性能和内存使用。
避免HashMap put方法的哈希冲突需要选择合适的哈希函数、使用链表或红黑树、调整数组大小、使用开放地址法和合理设置负载因子等方法。在实际应用中，需要根据具体情况进行权衡和选择。
✔️如何避免HashMap put方法的哈希重
避免HashMap的哈希冲突的关键在于设计一个好的哈希函数，使得键的哈希码尽可能均匀分布，减少冲突的可能性。以下是一些避免哈希冲突的策略：
-
选择合适的哈希函数：尽可能选择能够均匀分布键的哈希函数。哈希函数的设计应该考虑键的特性，使得不同的键能够产生不同的哈希码。
-
使用链表或红黑树：当发生哈希冲突时，HashMap可以使用链表或红黑树来存储具有相同哈希码的键值对。链表可以存储多个键值对，而红黑树则可以平衡树中的节点，提高查找效率。
-
调整数组大小：如果哈希冲突过多，可以考虑增加HashMap的数组大小。这将重新分配内存，并可能导致性能下降。因此，应该谨慎地调整数组大小，以平衡性能和内存使用。
- 合理设置负载因子：负载因子是已存储的键值对数量与桶的数量之比。如果负载因子过高，可能会导致哈希冲突增多。合理设置负载因子可以平衡性能和内存使用。
- 使用再哈希策略：当发生哈希冲突时，可以考虑使用再哈希策略。即当发生冲突时，使用另一个哈希函数计算新的哈希码，并尝试在新的位置存储键值对。这种方法可以减少冲突的可能性，但也可能导致性能下降。
综上所述，避免HashMap的哈希冲突需要选择合适的哈希函数、使用链表或红黑树、调整数组大小、合理设置负载因子和使用再哈希策略等方法。在实际应用中，需要根据具体情况进行权衡和选择。
看一个Demo：
/**
* 使用HashMap存储用户信息，并避免哈希冲突
*/
import java.util.HashMap;
public class UserInfo {
private String username;
private String email;
private int age;
public UserInfo(String username, String email, int age) {
this.username = username;
this.email = email;
this.age = age;
}
// getter和setter方法省略
@Override
public int hashCode() {
int result = 17;
result = 31 * result + username.hashCode();
result = 31 * result + email.hashCode();
result = 31 * result + age;
return result;
}
@Override
public boolean equals(Object obj) {
if (this == obj) return true;
if (obj == null || getClass() != obj.getClass()) return false;
UserInfo other = (UserInfo) obj;
return age == other.age && username.equals(other.username) && email.equals(other.email);
}
}
Demo中，定义了一个UserInfo类，用于存储用户信息。该类具有username、email和age属性，并实现了hashCode和equals方法。hashCode方法根据username、email和age计算哈希码，以确保不同的UserInfo对象具有不同的哈希码。equals方法用于比较两个UserInfo对象是否相等。
接下来，创建一个HashMap对象，用于存储UserInfo对象：
import java.util.HashMap;
import java.util.Map;
public class UserDatabase {
private Map<String, UserInfo> database;
public UserDatabase() {
database = new HashMap<>();
}
public void addUser(UserInfo user) {
database.put(user.getUsername(), user);
}
public UserInfo getUser(String username) {
return database.get(username);
}
}
在Demo中，我们创建了一个UserDatabase类，用于管理用户信息。该类使用Map<String, UserInfo>作为底层实现，其中键是用户名，值是UserInfo对象。addUser方法用于添加用户信息，getUser方法用于根据用户名检索用户信息。注意，我们使用了UserInfo对象的username属性作为键，以确保不同的用户具有不同的键。这样，即使两个UserInfo对象的email和age属性相同，但由于键不同，它们仍然会被视为不同的键值对。这样可以减少哈希冲突的可能性。
✔️源码解读
put方法的代码很简单，就一行代码:
public V put(K key，V value) {
return putVal(hash(key), key，value, false, true);
}
核心其实是通过 putValue 方法实现的，在传给 putValue 的参数中，先调用 hash 获取了一下hashCode。
【Java集合篇】HashMap的hash方法是如何实现的?
✔️putVal 方法主要实现如下，为了更好的帮助大家阅读，提升效率，每一行都特意加了注释
/**
* Implements Map.put and related methods.
*
* @param hash key 的 hash 值
* @param key key 值
* @param value value 值
* @param onlyIfAbsent true: 如果某个 key 已经存在那么就不插了; false 存在则替换，没有则新增。这里为 false
* @param evict 不用管了，我特喵也不认识
* @return previous value, or null if none
*/
final V putVal(int hash, K key, V value, boolean onlyIfAbsent,boolean evict) {
// tab 表示当前 hash 散列表的引用
Node<K， V>[] tab;
//表示具体的散列表中的元素
Node<k，V> p;
//n:表示散列表数组的长度
//i:表示路由寻址的结果
int n, i;
// 将 table 赋值发给 tab ;如果 tab == nul，说明 table 还没有被初始化。则此时是需要去创建 table 的
//为什么这个时候才创建散列表因为可能创建了 HashMap 时候可能并没有存放数据，如果在初始化 ahMap 的时候就创建散列表，势必会造成空间的浪费
//这里也就是延迟初始化的逻辑
if ((tab = table) == null (n = tab.length) == 0) {
n = (tab = resize()).length;
}
//如p == null说明寻址到的桶的位置没有元素。那么就将 key-value 封装到 Node 中，并放到寻址到的下标为的位置
if ((p = tabli = (n - 1) & hash]) == null) {
tab[i] = newNode(hash, key, value, null);
}
//到这里说明 该位置已经有数据了，且此时可能是链表结构，也可能是树结构
else {
// e 表示找到了一个与当前要插入的key value 一致的元素
Node<k，V> e;
// 临时的 key
K k;
//p 的值就是上一步 f 中的结果即: 此时的 (p = tab[i = (n - 1) & hash]) 不等于 null
// p 是原来的已经在 位置的元素，且新插入的 key 是等于 p中的key
// 说明找到了和当前需要插入的元素相同的元素(其实就是需要替换而已)
if (p.hash == hash && ((k = p.key) == key (key != null && key.equals(k))))
//将 p的值赋值给 e
e =p;
//说明已经树化，红黑树会有单独的文章介绍，本文不再整述
else if ((p instanceof TreeNode) {
e = ((Treelode<K， V>) p).putTreeVal(this, tab, hash, key, value);
} else {
//到这里说明不是树结构，也不相等，那说明不是同一个元素，那就是链表了
for (int binCount = 0; : ++binCount) {
//如果 p.next == nul1 说明 p 是最后一个元素，说明，该元素在链表中也没有重复的，那么就需要添加到链表的
if ((e = p.next) == null) {
//直接将 key-value 封装到 Node 中并且添加到 p的后面
p.next = newNode(hash , key, value, null);
//当元素已经是 7了，再来一个就是 8 个了，那么就需要进行树化
if (binCount >= TREEIFY_THRESHOLD - 1) {
treeifyBin(tab, hash);
}
break;
}
//在链表中找到了某个和当前元素一样的元素，即需要做替换操作了。
if (e.hash == hash && ((k = e.key) == key (key != null && key.equals(k)))) {
break:
}
//将e(即p.next)赋值为，这就是为了继续遍历链表的下一个元素(没啥好说的)下面有张图帮助大家理解
p= e;
}
}
//如果条件成立，说明找到了需要替换的数据,
if (e != null) {
//这里不就是使用新的值赋值为旧的值嘛
V oldValue = e.value;
if (!onlyIfAbsent || oldValue == null) {
e.value = value;
}
//这个方法没用，里面啥也没有
afterNodeAccess(e):
//HashMap put 方法的返回值是原来位置的元素值
return oldValue;
}
}
/**
* 上面说过，对于散列表的 结构修改次数，那么就修改 modCount 的次数
*/
++ modCount;
//size 即散列表中的元素的个数，添加后需要自增，如果自增后的值大于扩容的阑值，那么就触发扩容操作
if (++size > threshold) {
resize();
}
//啥也没干
afterNodeInsertion(evict);
//原来位置没有值，那么就返回 nul1 呗
return null;
}