1.HashMap实现原理一步一步分析(1-put方法源码整体过程)
2.MapReduce源码解析之Mapper
3.concurrenthashmap1.8源码如何详细解析?集p集
4.JDK成长记7：3张图搞懂HashMap底层原理！
5.map在golang的合及合实底层实现和源码分析
6.HashMap不明白？来看看这篇文章吧！
HashMap实现原理一步一步分析(1-put方法源码整体过程)
本文分享了HashMap内部的源码实现原理，重点解析了哈希(hash)、分析散列表(hash table)、现原哈希码(hashcode)以及hashCode()方法等基本概念。集p集jquery修改源码
哈希(hash)是合及合实将任意长度的输入通过散列算法转换为固定长度输出的过程，建立一一对应关系。源码常见算法包括MD5加密和ASCII码表。分析
散列表(hash table)是现原一种数据结构，通过关键码值映射到表中特定位置进行快速访问。集p集
哈希码(hashcode)是合及合实散列表中对象的存储位置标识，用于查找效率。源码
Object类中的分析hashCode()方法用于获取对象的哈希码值，以在散列存储结构中确定对象存储地址。现原
在存储字母时，使用哈希码值对数组大小取模以适应存储范围，防止哈希碰撞。
HashMap在JDK1.7中使用数组+链表结构，而JDK1.8引入了红黑树以优化性能。
HashMap内部数据结构包含数组和Entry对象，数组用于存储Entry对象，Entry对象用于存储键值对。
在put方法中，首先判断数组是否为空并初始化，然后计算键的哈希码值对数组长度取模，用于定位存储位置。如果发生哈希碰撞，使用链表解决。
本文详细介绍了HashMap的存储机制，包括数组+链表的实现方式，以及如何处理哈希碰撞。后续文章将继续深入探讨HashMap的其他特性，如数组长度的优化、多线程环境下的性能优化和红黑树的引入。
MapReduce源码解析之Mapper
MapReduce，大数据领域的标志性计算模型，由Google公司研发，其核心概念"Map"与"Reduce"简明易懂却威力巨大，打开了大数据时代的大门。对于许多大数据工作者来说，MapReduce是基础技能之一，而源码解析更是深入理解与实践的必要途径。 MapReduce由两部分组成：Map与Reduce。Map阶段通过映射函数将一组键值对转换成另一组键值对，而Reduce阶段则负责合并这些新的键值对。这种并行计算模型极大地提高了大数据处理的jeesz 源码下载 csdn效率。 本文将聚焦于Map阶段的核心实现——Mapper。通过解析Mapper类及其子类的源码，我们可以更深入地理解MapReduce的工作机制，并在易观千帆等技术数据处理中发挥更大的效能。 Mapper类内部包含四个关键方法与一个抽象类： setup()：主要为map()方法做准备，例如加载配置文件、传递参数。 cleanup()：用于清理资源，如关闭文件、处理Key-Value。 map()：程序的逻辑核心，对输入的文本进行处理（如分割、过滤），以键值对的形式写入context。 run()：驱动Mapper执行的主方法，按照预设顺序执行setup()、map()、cleanup()。 Context抽象类扮演着重要角色，用于跟踪任务状态和数据存储，如在setup()中读取配置信息，并作为Key-Value载体。 下面是几个Mapper子类的详细解析： InverseMapper：将键值对反转，适用于不同需求的统计分析。 TokenCounterMapper：使用StringTokenizer对文本进行分割，计算特定token的数量，适用于词频统计等。 RegexMapper：对文本进行正则化处理，适用于特定格式文本的统计。 MultithreadedMapper：利用多线程执行Mapper任务，提高CPU利用率，适用于并发处理。 本文对MapReduce中Mapper及其子类的源码进行了详尽解析，旨在帮助开发者更深入地理解MapReduce的实现机制。后续将探讨更多关键类源码，以期为大数据处理提供更深入的洞察与实践指导。concurrenthashmap1.8源码如何详细解析?
ConcurrentHashMap在JDK1.8的线程安全机制基于CAS+synchronized实现，而非早期版本的分段锁。
在JDK1.7版本中，ConcurrentHashMap采用分段锁机制，包含一个Segment数组，每个Segment继承自ReentrantLock，并包含HashEntry数组，每个HashEntry相当于链表节点，用于存储key、value。三浪指标源码默认支持个线程并发，每个Segment独立，互不影响。
对于put流程，与普通HashMap相似，首先定位至特定的Segment，然后使用ReentrantLock进行操作，后续过程与HashMap基本相同。
get流程简单，通过hash值定位至segment，再遍历链表找到对应元素。需要注意的是，value是volatile的，因此get操作无需加锁。
在JDK1.8版本中，线程安全的关键在于优化了put流程。首先计算hash值，遍历node数组。若位置为空，则通过CAS+自旋方式初始化。
若数组位置为空，尝试使用CAS自旋写入数据；若hash值为MOVED，表示需执行扩容操作；若满足上述条件均不成立，则使用synchronized块写入数据，同时判断链表或转换为红黑树进行插入。链表操作与HashMap相同，链表长度超过8时转换为红黑树。
get查询流程与HashMap基本一致，通过key计算位置，若table对应位置的key相同则返回结果；如为红黑树结构，则按照红黑树规则获取；否则遍历链表获取数据。
JDK成长记7：3张图搞懂HashMap底层原理！
一句话讲， HashMap底层数据结构，JDK1.7数组+单向链表、JDK1.8数组+单向链表+红黑树。
在看过了ArrayList、LinkedList的底层源码后，相信你对阅读JDK源码已经轻车熟路了。除了List很多时候你使用最多的还有Map和Set。接下来我将用三张图和你一起来探索下HashMap的底层核心原理到底有哪些？
首先你应该知道HashMap的核心方法之一就是put。我们带着如下几个问题来看下图：
如上图所示，put方法调用了putVal方法，之后主要脉络是：
如何计算hash值？
计算hash值的算法就在第一步，对key值进行hashCode()后，对hashCode的android商城完整源码值进行无符号右移位和hashCode值进行了异或操作。为什么这么做呢？其实涉及了很多数学知识，简单的说就是尽可能让高和低位参与运算，可以减少hash值的冲突。
默认容量和扩容阈值是多少？
如上图所示，很明显第二步回调用resize方法，获取到默认容量为，这个在源码里是1<<4得到的，1左移4位得到的。之后由于默认扩容因子是0.，所以两者相乘就是扩容大小阈值*0.=。之后就分配了一个大小为的Node[]数组，作为Key-Value对存放的数据结构。
最后一问题是，如何进行hash寻址的？
hash寻址其实就在数组中找一个位置的意思。用的算法其实也很简单，就是用数组大小和hash值进行n-1&hash运算，这个操作和对hash取模很类似，只不过这样效率更高而已。hash寻址后，就得到了一个位置，可以把key-value的Node元素放入到之前创建好的Node[]数组中了。
当你了解了上面的三个原理后，你还需要掌握如下几个问题:
还是老规矩，看如下图：
当hash值计算一致，比如当hash值都是时，Key-Value对的Node节点还有一个next指针，会以单链表的形式，将冲突的节点挂在数组同样位置。这就是数据结构中所提到解决hash 的冲突方法之一：单链法。当然还有探测法+rehash法有兴趣的人可以回顾《数据结构和算法》相关书籍。
但是当hash冲突严重的时候，单链法会造成原理链接过长，导致HashMap性能下降，因为链表需要逐个遍历性能很差。所以JDK1.8对hash冲突的算法进行了优化。当链表节点数达到8个的时候，会自动转换为红黑树，自平衡的一种二叉树，有很多特点，比如区分红和黑节点等，具体大家可以看小灰算法图解。红黑树的遍历效率是O(logn)肯定比单链表的O(n)要好很多。
总结一句话就是，hash冲突使用单链表法+红黑树来解决的。
上面的图，核心脉络是sp_flash源码四步，源码具体的就不粘出来了。当put一个之后，map的size达到扩容阈值，就会触发rehash。你可以看到如下具体思路：
情况1:如果数组位置只有一个值：使用新的容量进行rehash，即e.hash & (newCap - 1)
情况2:如果数组位置有链表，根据 e.hash & oldCap == 0进行判断，结果为0的使用原位置，否则使用index + oldCap位置,放入元素形成新链表，这里不会和情况1新的容量进行rehash与运算了，index + oldCap这样更省性能。
情况3：如果数组位置有红黑树，根据split方法，同样根据 e.hash & oldCap == 0进行树节点个数统计，如果个数小于6，将树的结果恢复为普通Node，否则使用index + oldCap，调整红黑树位置，这里不会和新的容量进行rehash与运算了，index + oldCap这样更省性能。
你有兴趣的话，可以分别画一下这三种情况的图。这里给大家一个图，假设都出发了以上三种情况结果如下所示：
上面源码核心脉络，3个if主要是校验了一堆，没做什么事情，之后赋值了扩容因子，不传递使用默认值0.，扩容阈值threshold通过tableSizeFor(initialCapacity);进行计算。注意这里只是计算了扩容阈值，没有初始化数组。代码如下：
竟然不是大小*扩容因子？
n |= n >>> 1这句话，是在干什么？n |= n >>> 1等价于n = n | n >>>1; 而|表示位运算中的或，n>>>1表示无符号右移1位。遇到这种情况，之前你应该学到了，如果碰见复杂逻辑和算法方法就是画图或者举例子。这里你就可以举个例子：假设现在指定的容量大小是,n=cap-1=，那么计算过程应该如下：
n是int类型，java中一般是4个字节，位。所以的二进制： 。
最后n+1=，方法返回，赋值给threshold=。再次注意这里只是计算了扩容阈值，没有初始化数组。
为什么这么做呢？一句话，为了提高hash寻址和扩容计算的的效率。
因为无论扩容计算还是寻址计算，都是二进制的位运算，效率很快。另外之前你还记得取余(%)操作中如果除数是2的幂次方则等同于与其除数减一的与(&)操作。即 hash%size = hash & (size-1)。这个前提条件是除数是2的幂次方。
你可以再回顾下resize代码，看看指定了map容量，第一次put会发生什么。会将扩容阈值threshold，这样在第一次put的时候就会调用newCap = oldThr;使得创建一个容量为threshold的数组，之后从而会计算新的扩容阈值newThr为newCap*0.=*0.=。也就是说map到了个元素就会进行扩容。
除了今天知识，技能的成长，给大家带来一个金句甜点，结束我今天的分享：坚持的三个秘诀之一目标化。
坚持的秘诀除了上一节提到的视觉化，第二个秘诀就是目标化。顾名思义，就是需要给自己定立一个目标。这里要提到的是你的目标不要定的太高了。就比如你想要增加肌肉，给自己定了一个目标，每天5组，每次个俯卧撑，你看到自己胖的身形或者海报，很有刺激，结果开始前两天非常厉害，干劲十足，特别奥利给。但是第三天，你想到要个俯卧撑，你就不想起床，就算起来，可能也会把自己撅死过去......其实你的目标不要一下子定的太大，要从微习惯开始，比如我媳妇从来没有做过俯卧撑，就让她每天从1个开始,不能多，我就怕她收不住，做多了。一开始其实从习惯开始，先变成习惯，再开始慢慢加量。量太大养不成习惯，量小才能养成习惯。很容易做到才能养成，你想想是不是这个道理？
所以，坚持的第二个秘诀就是定一个目标，可以通过小量目标，养成微习惯。比如每天你可以读五分钟书或者5分钟成长记，不要多，我想超过你也会睡着了的.....
最后，大家可以在阅读完源码后，在茶余饭后的时候问问同事或同学，你也可以分享下，讲给他听听。
map在golang的底层实现和源码分析
在Golang 1..2版本中，map的底层实现由两个核心结构体——hmap和bmap（此处用桶来描述）——构建。初始化map，如`make(map[k]v, hint)`，会创建一个hmap实例，包含map的所有信息。makemap函数负责创建hmap、计算B值和初始化桶数组。
Golang map的高效得益于其巧妙的设计：首先，key的hash值的后B位作为桶索引；其次，key的hash值的前8位决定桶内结构体的数组索引，包括tophash、key和value；tophash数组还用于存储标志位，当桶内元素为空时，标志位能快速识别。读写删除操作充分利用了这些设计，包括更新、新增和删除key-value对。
删除操作涉及到定位key，移除地址空间，更新桶内tophash的标志位。而写操作，虽然mapassign函数返回value地址但不直接写值，实际由编译器生成的汇编指令提高效率。扩容和迁移机制如sameSizeGrow和biggerSizeGrow，针对桶利用率低或桶数组满的情况，通过调整桶结构和数组长度，优化查找效率。
evacuate函数负责迁移数据到新的桶区域，并清理旧空间。最后，虽然本文未详述，但订阅"后端云"公众号可获取更多关于Golang map底层实现的深入内容。
HashMap不明白？来看看这篇文章吧！
面试中常遇问题：简单谈谈HashMap。
通过四个问题来深入探讨HashMap。
1. HashMap是什么？
2. HashMap的底层数据结构？
3. HashMap1.7与1.8的区别？
4. HashMap的扩容机制？
HashMap是Java集合，用于存储键值对，非线程安全。
上图展示简易的HashMap结构：存储Key和对应的Value。
注意，HashMap中Key唯一，不允重复。
允许存储Null的Key和Value，但Null作为键只能有一个。
初始容量为2的次幂，设置为时，实际容量为。
putVal()源码显示，通过(n-1)&hash定位元素位置。
Hash冲突解决：链表+红黑树结构。
1.8中，当链表节点超过8个时，转为红黑树。
红黑树节点小于等于6个时，转回链表。
扩容机制：1.7死循环问题，1.8采用尾插法解决。
正常扩容情况：找到元素，记录next节点，链接至扩容数组。
并发扩容问题：线程一记录元素，线程二完成扩容。
线程一执行扩容，记录元素位置，继续执行线程一的扩容。
此时形成死循环。
1.8中使用尾插法，解决并发问题，但数据丢失。
扩容考虑：容量和加载因子，默认容量为，加载因子为0.。
数组大小小于，链表长度超过8，也会进行扩容。
每次扩容扩大原数组的两倍。
以上内容，希望对理解HashMap有所帮助。
MapReduce源码解析之InputFormat
导读
深入探讨MapReduce框架的核心组件——InputFormat。此组件在处理多样化数据类型时，扮演着数据格式化和分片的角色。通过设置job.setInputFormatClass(TextInputFormat.class)等操作，程序能正确处理不同文件类型。InputFormat类作为抽象基础，定义了文件切分逻辑和RecordReader接口，用于读取分片数据。本节将解析InputFormat、InputSplit、RecordReader的结构与实现，以及如何在Map任务中应用此框架。
类图与源码解析
InputFormat类提供了两个关键抽象方法：getSplits()和createRecordReader()。getSplits()负责规划文件切分策略，定义逻辑上的分片，而RecordReader则从这些分片中读取数据。
InputSplit类承载了切分逻辑，表示了给定Mapper处理的逻辑数据块，包含所有K-V对的集合。
RecordReader类实现了数据读取流程，其子类如LineRecordReader，提供行数据读取功能，将输入流中的数据按行拆分，赋值为Key和Value。
具体实现与操作流程
在getSplits()方法中，FileInputFormat类负责将输入文件按照指定策略切分成多个InputSplit。
TextInputFormat类的createRecordReader()方法创建了LineRecordReader实例，用于读取文件中的每一行数据，形成K-V对。
Mapper任务执行时，通过调用RecordReader的nextKeyValue()方法，读取文件的每一行，完成数据处理。
在Map任务的run()方法中，MapContextImp类实例化了一个RecordReader，用于实现数据的迭代和处理。
总结
本文详细阐述了MapReduce框架中InputFormat的实现原理及其相关组件，包括类图、源码解析、具体实现与操作流程。后续文章将继续探讨MapReduce框架的其他关键组件源码解析，为开发者提供深入理解MapReduce的构建和优化方法。
js中的Map、Set
在Vue3的源码中，Map和WeakMap这两种ES6新增的内置数据结构起着至关重要的作用，它们在响应式系统中提供了高效且内存管理友好的解决方案。
Map：
Map是一种键值对的可迭代容器，区别于对象，它需要通过new创建实例。Map的创建依赖于可迭代的参数，并在迭代过程中，新添加或删除的键值对会被访问。与对象不同，Map的迭代特性确保了数据的完整性和一致性。
Set：
Set则是无重复值的集合，与Array类似，通过new创建实例。Set的迭代行为与Map相似，但只处理value，且值的引用是弱的，有利于内存管理。在Vue3中，Set常用于存储唯一值，如依赖项的跟踪。
WeakMap与WeakSet：
WeakMap与Map类似，但键是对象，值任意类型，且键与对象的引用是弱的，当对象不再被引用时，键值会被自动回收。同样，WeakSet只包含对象值，且值的引用也是弱的。在响应式系统中，WeakMap用于缓存Proxy对象，避免内存泄漏问题。
总结：
Vue3利用Map和WeakMap的强大功能，实现了响应式系统的高效管理，通过弱引用机制，确保了内存的高效利用和程序执行的稳定性。深入理解这些数据结构在Vue3中的运用，有助于开发者更好地优化代码和处理内存问题。
