文章目录 🏯1. 搜索🏯1.1 概念及场景1.2 模型 🏰2. Map 的使用🏰2.1 关于Map的说明2.2 关于Map.Entry的说明2.3 Map 的常用方
大家好，我是晓星航。今天为大家带来的是 Map和Set 相关的讲解！😀
Map和set是一种专门用来进行搜索的容器或者数据结构，其搜索的效率与其具体的实例化子类有关。以前常见的搜索方式有：
上述排序比较适合静态类型的查找，即一般不会对区间进行插入和删除操作了，而现实中的查找比如：
可能在查找时进行一些插入和删除的操作，即动态查找，那上述两种方式就不太适合了，本节介绍的Map和Set是一种适合动态查找的集合容器。
一般把搜索的数据称为关键字（Key），和关键字对应的称为值（Value），将其称之为Key-value的键值对，所以模型会有两种：
纯 key 模型，比如：
是否有？！
Key-Value 模型，比如：
而Map中存储的就是key-value的键值对，Set中只存储了Key。
次数！
Map是一个接口类，该类没有继承自Collection，该类中存储的是结构的键值对，并且K一定是唯一的，不能重复。
**Map.Entry 是Map内部实现的用来存放键值对映射关系的内部类，**该内部类中主要提供了的获取，value的设置以及Key的比较方式。
注意：Map.Entry并没有提供设置Key的方法
V get(Object key) 方法演示：
public static void main(String[] args) { Map treeMap = new TreeMap<>(); treeMap.put("abc",4); treeMap.put("hello",3); treeMap.put("the",8); treeMap.put("qi",5); treeMap.put("uit",9);// System.out.println(treeMap);//按照字母顺序进行的排序 Integer val = treeMap.get("abc");// Integer val1 = treeMap.getOrDefault("hello2",100); System.out.println(val);// System.out.println(val1);// Set keySet = treeMap.keySet();// System.out.println(keySet); } 
V getOrDefault(Object key,V defaultValue) 方法演示：
public static void main(String[] args) { Map treeMap = new TreeMap<>(); treeMap.put("abc",4); treeMap.put("hello",3); treeMap.put("the",8); treeMap.put("qi",5); treeMap.put("uit",9); Integer val1 = treeMap.getOrDefault("hello2",100); Integer val2 = treeMap.getOrDefault("qi",150); System.out.println(val1); System.out.println(val2); } 
V put(K key, V value) 方法演示：
public static void main(String[] args) { Map treeMap = new TreeMap<>(); treeMap.put("abc",4); treeMap.put("hello",3); treeMap.put("the",8); treeMap.put("qi",5); treeMap.put("uit",9); System.out.println(treeMap);//按照字母顺序进行的排序 } 
V remove(Object key) 方法演示：
public static void main(String[] args) { Map treeMap = new TreeMap<>(); treeMap.put("abc",4); treeMap.put("hello",3); treeMap.put("the",8); treeMap.put("qi",5); treeMap.put("uit",9); System.out.println(treeMap);//按照字母顺序进行的排序 treeMap.remove("hello"); treeMap.remove("the"); System.out.println(treeMap);//按照字母顺序进行的排序 } 
SeTKEySet() 方法演示：
public static void main(String[] args) { Map treeMap = new TreeMap<>(); treeMap.put("abc",4); treeMap.put("hello",3); treeMap.put("the",8); treeMap.put("qi",5); treeMap.put("uit",9); Set keySet = treeMap.keySet(); for (String set: keySet) { System.out.println("key:" + set); } } 
Collection values() 方法演示：
public static void main(String[] args) { Map treeMap = new TreeMap<>(); treeMap.put("abc",4); treeMap.put("hello",3); treeMap.put("the",8); treeMap.put("qi",5); treeMap.put("uit",9); Collection values = treeMap.values(); for (Integer ret: values) { System.out.println("value:" + ret); } } 
Set
public static void main(String[] args) { Map treeMap = new TreeMap<>(); treeMap.put("abc",4); treeMap.put("hello",3); treeMap.put("the",8); treeMap.put("qi",5); treeMap.put("uit",9); Set> set = treeMap.entrySet(); for (Map.Entry entry:set) { System.out.println("key:" + entry.getKey() + " value: "+entry.getValue()); } } 
boolean containsKey(Object key) 方法演示：
public static void main(String[] args) { Map treeMap = new TreeMap<>(); treeMap.put("abc",4); treeMap.put("hello",3); treeMap.put("the",8); treeMap.put("qi",5); treeMap.put("uit",9); System.out.println(treeMap.containsKey("qi")); System.out.println(treeMap.containsKey("world")); System.out.println(treeMap.containsKey("abc")); } 
boolean containsValue(Object value) 方法演示：
public static void main(String[] args) { Map treeMap = new TreeMap<>(); treeMap.put("abc",4); treeMap.put("hello",3); treeMap.put("the",8); treeMap.put("qi",5); treeMap.put("uit",9); System.out.println(treeMap.containsValue(4)); System.out.println(treeMap.containsValue(2)); System.out.println(treeMap.containsValue(7)); } 
注意：
import java.util.TreeMap;import java.util.Map;public static void TestMap1(){ Map m = new TreeMap<>(); // put(key, value):插入key-value的键值对 // 如果key不存在，会将key-value的键值对插入到map中,返回null m.put("林冲", "豹子头"); m.put("鲁智深", "花和尚"); m.put("武松", "行者"); m.put("宋江", "及时雨"); String str = m.put("李逵", "黑旋风"); System.out.println(m.size()); System.out.println(m); // put(key,value): 注意key不能为空，但是value可以为空 // key如果为空，会抛出空指针异常 //m.put(null, "花名"); str = m.put("无名", null); System.out.println(m.size()); // put(key, value): // 如果key存在，会使用value替换原来key所对应的value，返回旧value str = m.put("李逵", "铁牛"); // get(key): 返回key所对应的value // 如果key存在，返回key所对应的value // 如果key不存在，返回null System.out.println(m.get("鲁智深")); System.out.println(m.get("史进")); //GetOrDefault(): 如果key存在，返回与key所对应的value，如果key不存在，返回一个默认值 System.out.println(m.getOrDefault("李逵", "铁牛")); System.out.println(m.getOrDefault("史进", "九纹龙")); System.out.println(m.size()); //containKey(key)：检测key是否包含在Map中，时间复杂度：O(logN) // 按照红黑树的性质来进行查找 // 找到返回true，否则返回false System.out.println(m.containsKey("林冲")); System.out.println(m.containsKey("史进")); // containValue(value): 检测value是否包含在Map中，时间复杂度: O(N) // 因为TreeMap是按照Key进行组织的，因此查找value时候就需要整体遍历 // 找到返回true，否则返回false System.out.println(m.containsValue("豹子头")); System.out.println(m.containsValue("九纹龙"));// 打印所有的key // keySet是将map中的key防止在Set中返回的 for(String s : m.keySet()){ System.out.print(s + " "); } System.out.println(); // 打印所有的value // values()是将map中的value放在collect的一个集合中返回的 for(String s : m.values()){ System.out.print(s + " "); } System.out.println(); // 打印所有的键值对 // entrySet(): 将Map中的键值对放在Set中返回了 for(Map.Entry entry : m.entrySet()){ System.out.println(entry.getKey() + "--->" + entry.getValue()); } System.out.println(); } 可使用HashMap来实例化Map，看看TreeMap和HashMap的不同。
Set与Map主要的不同有两点：Set是继承自Collection的接口类，Set中只存储了Key。
boolean add(E e) 方法演示：
public static void main(String[] args) { Set set1 = new TreeSet<>(); set1.add("abc"); set1.add("hello"); set1.add("qi"); set1.add("xxh"); set1.add("xxh");//重复的元素虽然不会报错 但是不会添加成功 set1.add("the"); System.out.println(set1);} 
void clear() 方法演示：
public static void main(String[] args) { Set set1 = new TreeSet<>(); set1.add("abc"); set1.add("hello"); set1.add("qi"); set1.add("xxh"); set1.add("xxh");//重复的元素虽然不会报错 但是不会添加成功 set1.add("the"); System.out.println(set1); System.out.println("==================="); set1.clear(); System.out.println(set1);} 
boolean contains(Object o) 方法演示：
public static void main(String[] args) { Set set1 = new TreeSet<>(); set1.add("abc"); set1.add("hello"); set1.add("qi"); set1.add("xxh"); set1.add("xxh");//重复的元素虽然不会报错 但是不会添加成功 set1.add("the"); System.out.println(set1.contains("qi")); System.out.println(set1.contains("qiq")); } 
boolean remove(Object o) 方法演示：
public static void main(String[] args) { Set set1 = new TreeSet<>(); set1.add("abc"); set1.add("hello"); set1.add("qi"); set1.add("xxh"); set1.add("xxh");//重复的元素虽然不会报错 但是不会添加成功 set1.add("the"); System.out.println(set1); set1.remove("hello"); System.out.println(set1); } 
int size() 方法演示：
public static void main(String[] args) { Set set1 = new TreeSet<>(); set1.add("abc"); set1.add("hello"); set1.add("qi"); set1.add("xxh"); set1.add("xxh");//重复的元素虽然不会报错 但是不会添加成功 set1.add("the"); int size = set1.size(); System.out.println(size); } 
boolean isEmpty() 方法演示：
public static void main(String[] args) { Set set1 = new TreeSet<>(); set1.add("abc"); set1.add("hello"); set1.add("qi"); set1.add("xxh"); set1.add("xxh");//重复的元素虽然不会报错 但是不会添加成功 set1.add("the"); System.out.println(set1.isEmpty()); } 
Object[] toArray() 方法演示：
public static void main(String[] args) { Set set1 = new TreeSet<>(); set1.add("abc"); set1.add("hello"); set1.add("qi"); set1.add("xxh"); set1.add("xxh");//重复的元素虽然不会报错 但是不会添加成功 set1.add("the"); Object[] ret = set1.toArray(); for(Object a: ret){ String b = a.toString(); System.out.println(b.getClass().getName()+ "数据为" + b); } 
注意：
3.2 TreeSet的使用案例
import java.util.TreeSet;import java.util.Iterator;import java.util.Set;public static void TestSet(){ Set s = new TreeSet<>(); // add(key): 如果key不存在，则插入，返回ture // 如果key存在，返回false boolean isIn = s.add("apple"); s.add("orange"); s.add("peach"); s.add("banana"); System.out.println(s.size()); System.out.println(s); isIn = s.add("apple"); // add(key): key如果是空，抛出空指针异常 //s.add(null); // contains(key): 如果key存在，返回true，否则返回false System.out.println(s.contains("apple")); System.out.println(s.contains("watermelen"));// remove(key): key存在，删除成功返回true// key不存在，删除失败返回false// key为空，抛出空指针异常 s.remove("apple"); System.out.println(s); s.remove("watermelen"); System.out.println(s); // 抛出空指针异常 // s.remove(null); Iterator it = s.iterator(); while(it.hasNext()){ System.out.print(it.next() + " "); } System.out.println(); } 将TreeSet换为HashSet，试试TreeSet和HashSet的不同。
class Solution { public int singleNumber(int[] nums) { Set set = new HashSet<>(); for (int num : nums) { if (!set.contains(num)) { set.add(num); } else { set.remove(num); } } for (int num : nums) { if (set.contains(num)) { return num; } } return -1; }} 思路：我们对数组进行两次遍历，第一遍我们用来过滤删除出现两次的数字，第二遍我们用来找我们set数组中仅存的那一个不重复的元素。
思路：先用cur遍历我们的单链表一次，将地址和值先对应拿过来。再让cur遍历第二次单链表通过map.get(cur.next)来拿到我们next的值，通过map.get(cur.random)来拿到random的值。
class Solution { public node copyRandomList(Node head) { Map map = new HashMap<>(); Node cur = head; while (cur != null) { Node node = new Node(cur.val); map.put(cur,node); cur = cur.next; } cur = head; while (cur != null) { map.get(cur).next = map.get(cur.next); map.get(cur).random = map.get(cur.random); cur = cur.next; } return map.get(head); }} 
思路：我们直接用Set来遍历两次我们所需要的东西，第一遍遍历宝石，第二遍遍历石头，并在石头中找我们所需要的宝石，找到我们的计数器count就加加，最后返回count。
class Solution { public int numJewelsInStones(String jewels, String stones) { int count = 0; Set set = new HashSet<>(); //1.遍历jewels for(int i = 0;i < jewels.length();i++) { char ch = jewels.charAt(i); set.add(ch); } //2.遍历stones for(int i = 0;i < stones.length();i++) { char ch = stones.charAt(i); if (set.contains(ch)) { count++; } } return count; }} 
思路：通过Set来添加这两个字符串，并在添加过程中直接将小写字符转化为大写字符并转化为字符数组到Set中，然后通过foreach来遍历我们的第一个字符串输出不包含的字符(坏掉键盘中无法输出的字符)，可通过加入SetBroken来过滤掉已经打印过的漏掉的字符。
import java.util.Scanner;import java.util.Set;import java.util.HashSet;// 注意类名必须为 Main, 不要有任何 package xxx 信息public class Main { public static void func(String str1, String str2) { Set set = new HashSet<>(); for (char ch : str2.toUpperCase().toCharArray()) { set.add(ch); } Set setBroken = new HashSet<>(); for (char ch : str1.toUpperCase().toCharArray()) { if (!set.contains(ch) && !setBroken.contains(ch)) { setBroken.add(ch); System.out.print(ch); } } } public static void main(String[] args) { Scanner scan = new Scanner(System.in); // 注意 hasNext 和 hasNextLine 的区别 while (scan.hasNextLine()) { // 注意 while 处理多个 case String str1 = scan.nextLine(); String str2 = scan.nextLine(); func(str1, str2); } }} 
class Solution { public static List topKFrequent(String[] Words, int k) { //1、遍历数组 统计每个单词出现的频率 Map hashMap = new HashMap<>(); for (String s : words) { if (hashMap.get(s) == null) { hashMap.put(s,1); } else { hashMap.put(s,hashMap.get(s) + 1); } } //2、建立小根堆 PriorityQueue> minHeap = new PriorityQueue<>( k, new Comparator>() { @Override public int compare(Map.Entry o1, Map.Entry o2) { if (o1.getValue().compareTo(o2.getValue()) == 0) { return o2.getKey().compareTo(o1.getKey()); } return o1.getValue().compareTo(o2.getValue()); } } ); //3、遍历hashMap 把里面 的数据 放到小根堆 for (Map.Entry entry:hashMap.entrySet()) { if (minHeap.size() < k) { minHeap.offer(entry); } else { //小根堆放满了K个，下一个entry和堆顶元素比较 Map.Entry top = minHeap.peek(); //堆顶的频率小于当前entry的频率 就出队 然后入队entry if (top.getValue() < entry.getValue()) { minHeap.poll(); minHeap.add(entry); } else { //频率相同的情况 if (top.getValue().compareTo(entry.getValue()) == 0) { if (top.getKey().compareTo(entry.getKey()) > 0) {minHeap.poll();minHeap.add(entry); } } } } } //4、此时小根堆当中已经有了结果 //System.out.println(minHeap); List ret = new ArrayList<>(); for (int i = 0; i < k; i++) { String key = minHeap.poll().getKey(); ret.add(key); } Collections.reverse(ret); //System.out.println("ret: "+ret); return ret; }} 
二叉搜索树又称二叉排序树，它或者是一棵空树，或者是具有以下性质的二叉树:
public class BinarySearchTree { static class TreeNode { public int val; public TreeNode left; public TreeNode right; public TreeNode(int val) { this.val = val; } } TreeNode root = null;}
public TreeNode find(int val) { TreeNode cur = root; while (cur != null) { if (cur.val == val) { return cur; } else if (cur.val > val) { cur = cur.left; } else { cur = cur.right; } } return null;}
public void insert(int val) { if (root == null) { root = new TreeNode(val); return; } TreeNode cur = root; TreeNode parent = null; while (cur != null) { if (cur.val < val) { parent = cur; cur = cur.right; } else if (cur.val == val) { return; } else { parent = cur; cur = cur.left; } } TreeNode node = new TreeNode(val); if (parent.val > val) { parent.left = node; } else { parent.right = node; }}设待删除结点为 cur, 待删除结点的双亲结点为 parent
cur.left == null
cur.right == null
cur.left != null && cur.right != null
public class BinarySearchTree { static class TreeNode { public int val; public TreeNode left; public TreeNode right; public TreeNode(int val) { this.val = val; } } TreeNode root = null; public TreeNode find(int val) { TreeNode cur = root; while (cur != null) { if (cur.val == val) { return cur; } else if (cur.val > val) { cur = cur.left; } else { cur = cur.right; } } return null; } public void insert(int val) { if (root == null) { root = new TreeNode(val); return; } TreeNode cur = root; TreeNode parent = null; while (cur != null) { if (cur.val < val) { parent = cur; cur = cur.right; } else if (cur.val == val) { return; } else { parent = cur; cur = cur.left; } } TreeNode node = new TreeNode(val); if (parent.val > val) { parent.left = node; } else { parent.right = node; } } public void inorder(TreeNode root) { if (root == null) { return; } inorder(root.left); System.out.print(root.val + " "); inorder(root.right); } public void remove(int val) { TreeNode cur = root; TreeNode parent = null; while (cur != null) { if (cur.val == val) { removeNode(parent,cur); } else if (cur.val < val) { parent = cur; cur = cur.right; } else { parent = cur; cur = cur.left; } } } private void removeNode(TreeNode parent, TreeNode cur) { if (cur.left == null) { if (cur == root) { root = cur.right; } else if (parent.left == cur) { parent.left = cur.right; } else { parent.right = cur.right; } } else if (cur.right == null) { if (cur == root) { root = cur.left; } else if (parent.left == cur) { parent.left = cur.left; } else { parent.right = cur.left; } } else { TreeNode target = cur.right; TreeNode targetParent = cur; while (target.left != null) { targetParent = target; target = target.left; } cur.val = target.val; if (target == targetParent.left) { targetParent.left = target.right; } else { targetParent.right = target.right; } } }}插入和删除操作都必须先查找，查找效率代表了二叉搜索树中各个操作的性能。
对有n个结点的二叉搜索树，若每个元素查找的概率相等，则二叉搜索树平均查找长度是结点在二叉搜索树的深度的函数，即结点越深，则比较次数越多。
但对于同一个关键码集合，如果各关键码插入的次序不同，可能得到不同结构的二叉搜索树：
最优情况下，二叉搜索树为完全二叉树，其平均比较次数为：log2 N
最差情况下，二叉搜索树退化为单支树，其平均比较次数为：N/2
问题：如果退化成单支树，二叉搜索树的性能就失去了。那能否进行改进，不论按照什么次序插入关键码，都可以是二叉搜索树的性能最佳？
TreeMap 和 TreeSet 即 java 中利用搜索树实现的 Map 和 Set；实际上用的是红黑树，而红黑树是一棵近似平衡的二叉搜索树，即在二叉搜索树的基础之上 + 颜色以及红黑树性质验证，关于红黑树的内容后序再进行讲解。
顺序结构以及平衡树中，元素关键码与其存储位置之间没有对应的关系，因此在查找一个元素时，必须要经过关键码的多次比较。顺序查找时间复杂度为O(N)，平衡树中为树的高度，即O(log2 N )，搜索的效率取决于搜索过程中元素的比较次数。
理想的搜索方法：可以不经过任何比较，一次直接从表中得到要搜索的元素。 如果构造一种存储结构，通过某种函数(hashFunc)使元素的存储位置与它的关键码之间能够建立一一映射的关系，那么在查找时通过该函数可以很快找到该元素。
当向该结构中：
根据待插入元素的关键码，以此函数计算出该元素的存储位置并按此位置进行存放
对元素的关键码进行同样的计算，把求得的函数值当做元素的存储位置，在结构中按此位置取元素比较，若关键码相等，则搜索成功
该方式即为哈希(散列)方法，哈希方法中使用的转换函数称为哈希(散列)函数，构造出来的结构称为哈希表(HashTable)(或者称散列表)
例如：数据集合{1，7，6，4，5，9}；
哈希函数设置为：hash(key) = key % capacity; capacity为存储元素底层空间总的大小。
用该方法进行搜索不必进行多次关键码的比较，因此搜索的速度比较快 问题：按照上述哈希方式，向集合中插入元素44，会出现什么问题？
对于两个数据元素的关键字 和 (i != j)，有 != ，但有：Hash( ) == Hash( )，即：不同关键字通过相同哈希哈数计算出相同的哈希地址，该种现象称为哈希冲突或哈希碰撞。
把具有不同关键码而具有相同哈希地址的数据元素称为“同义词”。
首先，我们需要明确一点，由于我们哈希表底层数组的容量往往是小于实际要存储的关键字的数量的，这就导致一个问题，冲突的发生是必然的，但我们能做的应该是尽量的降低冲突率。
引起哈希冲突的一个原因可能是：哈希函数设计不够合理。 哈希函数设计原则：
常见哈希函数
取关键字的某个线性函数为散列地址：Hash（Key）= A*Key + B 优点：简单、均匀 缺点：需要事先知道关键字的分布情况 使用场景：适合查找比较小且连续的情况 面试题：字符串中第一个只出现一次字符
class Solution { public int firstUniqChar(String s) { int[] array = new int[26]; for (int i = 0; i < s.length(); i++) { array[s.charAt(i) - 'a']++; } for (int i = 0; i < s.length(); i++) { if(array[s.charAt(i) - 'a'] == 1) { return i; } } return -1; }}
设散列表中允许的地址数为m，取一个不大于m，但最接近或者等于m的质数p作为除数，按照哈希函数：Hash(key) = key% p(p<=m),将关键码转换成哈希地址
平方取中法–(了解)假设关键字为1234，对它平方就是1522756，抽取中间的3位227作为哈希地址； 再比如关键字为4321，对它平方就是18671041，抽取中间的3位671(或710)作为哈希地址 平方取中法比较适合：不知道关键字的分布，而位数又不是很大的情况
折叠法–(了解)
折叠法是将关键字从左到右分割成位数相等的几部分(最后一部分位数可以短些)，然后将这几部分叠加求和，并按散列表表长，取后几位作为散列地址。
折叠法适合事先不需要知道关键字的分布，适合关键字位数比较多的情况
选择一个随机函数，取关键字的随机函数值为它的哈希地址，即H(key) = random(key),其中random为随机数函数。
通常应用于关键字长度不等时采用此法
设有n个d位数，每一位可能有r种不同的符号，这r种不同的符号在各位上出现的频率不一定相同，可能在某些位上分布比较均匀，每种符号出现的机会均等，在某些位上分布不均匀只有某几种符号经常出现。可根据散列表的大小，选择其中各种符号分布均匀的若干位作为散列地址。例如：
假设要存储某家公司员工登记表，如果用手机号作为关键字，那么极有可能前7位都是 相同的，那么我们可以选择后面的四位作为散列地址，如果这样的抽取工作还容易出现 冲突，还可以对抽取出来的数字进行反转(如1234改成4321)、右环位移(如1234改成4123)、左环移位、前两数与后两数叠加(如1234改成12+34=46)等方法。
数字分析法通常适合处理关键字位数比较大的情况，如果事先知道关键字的分布且关键字的若干位分布较均匀的情况
注意：哈希函数设计的越精妙，产生哈希冲突的可能性就越低，但是无法避免哈希冲突
负载因子和冲突率的关系粗略演示
所以当冲突率达到一个无法忍受的程度时，我们需要通过降低负载因子来变相的降低冲突率。
已知哈希表中已有的关键字个数是不可变的，那我们能调整的就只有哈希表中的数组的大小。(扩容)
解决哈希冲突两种常见的方法是：闭散列和开散列
**闭散列：也叫开放定址法，当发生哈希冲突时，如果哈希表未被装满，说明在哈希表中必然还有空位置，那么可以把key存放到冲突位置中的“下一个” 空位置中去。**那如何寻找下一个空位置呢？
比如上面的场景，现在需要插入元素44，先通过哈希函数计算哈希地址，下标为4，因此44理论上应该插在该位置，但是该位置已经放了值为4的元素，即发生哈希冲突。
线性探测：从发生冲突的位置开始，依次向后探测，直到寻找到下一个空位置为止。
插入
线性探测的缺陷是产生冲突的数据堆积在一块，这与其找下一个空位置有关系，因为找空位置的方式就是挨着往后逐个去找，因此二次探测为了避免该问题，找下一个空位置的方法为：H i = (H 0 +i^2 )% m, 或者：
H i= (H 0 - i^2 )% m。其中：i = 1,2,3…， 是通过散列函数Hash(x)对元素的关键码 key 进行计算得到的位置，m是表的大小(10)。 对于2.1中如果要插入44，产生冲突，使用解决后的情况为：
研究表明：当表的长度为质数且表装载因子a不超过0.5时，新的表项一定能够插入，而且任何一个位置都不会被探查两次。因此只要表中有一半的空位置，就不会存在表满的问题。在搜索时可以不考虑表装满的情况，但在插入时必须确保表的装载因子a不超过0.5，如果超出必须考虑增容。
因此：比散列最大的缺陷就是空间利用率比较低，这也是哈希的缺陷。
开散列法又叫链地址法(开链法)，首先对关键码集合用散列函数计算散列地址，具有相同地址的关键码归于同一子集合，每一个子集合称为一个桶，各个桶中的元素通过一个单链表链接起来，各链表的头结点存储在哈希表中。
从上图可以看出，开散列中每个桶中放的都是发生哈希冲突的元素。
开散列，可以认为是把一个在大集合中的搜索问题转化为在小集合中做搜索了。
刚才我们提到了，哈希桶其实可以看作将大集合的搜索问题转化为小集合的搜索问题了，那如果冲突严重，就意味着小集合的搜索性能其实也时不佳的，这个时候我们就可以将这个所谓的小集合搜索问题继续进行转化，例如：
// key-value 模型public class HashBucket { private static class Node { private int key; private int value; Node next; public Node(int key, int value) { this.key = key; this.value = value; } } private Node[] array; private int size; // 当前的数据个数 private static final double LOAD_FACTOR = 0.75; public int put(int key, int value) { int index = key % array.length; // 在链表中查找 key 所在的结点 // 如果找到了，更新 // 所有结点都不是 key，插入一个新的结点 for (Node cur = array[index]; cur != null; cur = cur.next) { if (key == cur.key) { int oldValue = cur.value; cur.value = value; return oldValue; } } Node node = new Node(key, value); node.next = array[index]; array[index] = node; size++; if (loadFactor() >= LOAD_FACTOR) { resize(); } return -1; } private void resize() { Node[] newArray = new Node[array.length * 2]; for (int i = 0; i < array.length; i++) { Node next; for (Node cur = array[i]; cur != null; cur = next) { next = cur.next; int index = cur.key % newArray.length; cur.next = newArray[index]; newArray[index] = cur; } } array = newArray; } private double loadFactor() { return size * 1.0 / array.length; } public HashBucket() { array = new Node[8]; size = 0; } public int get(int key) { int index = key % array.length; Node head = array[index]; for (Node cur = head; cur != null; cur = cur.next) { if (key == cur.key) { return cur.value; } } return -1; }}虽然哈希表一直在和冲突做斗争，但在实际使用过程中，我们认为哈希表的冲突率是不高的，冲突个数是可控的，也就是每个桶中的链表的长度是一个常数，所以，通常意义下，我们认为哈希表的插入/删除/查找时间复杂度是O(1) 。
感谢各位读者的阅读，本文章有任何错误都可以在评论区发表你们的意见，我会对文章进行改正的。如果本文章对你有帮助请动一动你们敏捷的小手点一点赞，你的每一次鼓励都是作者创作的动力哦！😘
来源地址：https://blog.csdn.net/xinhang10/article/details/131342284
--结束END--
本文标题: Java·Map和Set
本文链接: https://www.lsjlt.com/news/372690.html(转载时请注明来源链接)
有问题或投稿请发送至: 邮箱/279061341@qq.com QQ/279061341
下载Word文档到电脑，方便收藏和打印～
2024-04-01
2024-04-03
2024-04-03
2024-01-21
2024-01-21
2024-01-21
2024-01-21
2023-12-23
回答
回答
回答
回答
回答
回答
回答
回答
回答
回答
官方手机版
微信公众号
商务合作
0