博客
关于我
java HashSet
阅读量:339 次
发布时间:2019-03-04

本文共 655 字,大约阅读时间需要 2 分钟。

HashSet底层是HashMap的实现,这种基于哈希表的数据结构能够在O(1)的平均时间内完成插入、删除和查找操作。以下是具体的实现细节:

  • 构造器

    HashSet的构造器调用HashMap的构造器,初始化内部的哈希表。默认情况下,哈希表的大小为16(如果没有指定初始容量)。

  • 添加元素

    HashSet的add方法调用HashMap的put方法,将元素存储进哈希表。每次添加元素时,put方法会计算元素的哈希值,并找到对应的索引位置。如果该位置为空,则新建一个节点并存入;如果不为空,则检查该节点的键与新元素的键是否相同。如果相同,则返回false,否则返回true。

  • 哈希值计算

    HashMap使用 hashCode方法计算元素的哈希值,这个方法不仅考虑元素的内置hashCode,还对哈希值进行了位运算,以减少碰撞概率。

  • 存储逻辑

    put方法将元素存储到哈希表中,并在链表中添加新的节点。链表的最大长度为8,超过这个数目后,链表会被转换为红黑树,以减少查找时间。

  • 树化过程

    当链表长度达到8时,put方法会调用treeify方法,将链表转换为红黑树。这一过程确保了在高负载情况下的查找效率。

  • 扩容机制

    当哈希表的负载因素超过75%时,resize方法会被调用,将表扩展到下一个更大的大小,以确保有足够的空间存储新增的元素。

  • 迁移节点

    当表扩容时,旧表中的节点会被迁移到新表中,保持数据的完整性和一致性。

  • 通过以上机制,HashSet能够在高效的时间复杂度内完成各种集合操作,同时保持内存占用和操作的平衡性。

    转载地址:http://thce.baihongyu.com/

    你可能感兴趣的文章
    OpenCV与AI深度学习 | 基于PyTorch语义分割实现洪水识别(数据集 + 源码)
    查看>>
    OpenCV与AI深度学习 | 基于机器视觉的磁瓦表面缺陷检测方案
    查看>>
    Opencv中KNN背景分割器
    查看>>
    OpenCV中基于已知相机方向的透视变形
    查看>>
    opencv保存图片路径包含中文乱码解决方案
    查看>>
    opencv图像分割2-GMM
    查看>>
    OpenCV:概念、历史、应用场景示例、核心模块、安装配置
    查看>>
    Openlayers高级交互(10/20):绘制矩形,截取对应部分的地图并保存
    查看>>
    Openlayers高级交互(19/20): 地图上点击某处,列表中显示对应位置
    查看>>
    openlayers:圆孔相机根据卫星经度、纬度、高度、半径比例推算绘制地面的拍摄的区域
    查看>>
    OpenMCU(一):STM32F407 FreeRTOS移植
    查看>>
    OpenMMLab | 【全网首发】Llama 3 微调项目实践与教程(XTuner 版)
    查看>>
    OpenMMLab | 面向多样应用需求,书生·浦语2.5开源超轻量、高性能多种参数版本
    查看>>
    OpenPPL PPQ量化(4):计算图的切分和调度 源码剖析
    查看>>
    OpenPPL PPQ量化(5):执行引擎 源码剖析
    查看>>
    Openresty框架入门详解
    查看>>
    OpenResty(2):OpenResty开发环境搭建
    查看>>
    openshift搭建Istio企业级实战
    查看>>
    OpenStack 网络服务Neutron详解
    查看>>
    Openstack(两控制节点+四计算节点)-1
    查看>>