本篇内容介绍了“hashmap查询时间复杂度为O(1)的原因是什么”的有关知识，在实际案例的操作过程中，不少人都会遇到这样的困境，接下来就让小编带领大家学习一下如何处理这些情况吧！希望大家仔细阅读，能够学有所成！
hashmap为什么查询时间复杂度为O(1)
Hashmap是java里面一种类字典式数据结构类，能达到O(1)级别的查询复杂度，那么到底是什么保证了这一特性呢，这个就要从hashmap的底层存储结构说起
下来看一张图：
上面就是hashmap的底层存储示意图，要想查看一个键值对应的值，首先根据该键值的hash值找到该键的hash桶位置，即是tab[2]还是tab[1]等，计算某个键对应的哈希桶位置很简单，就是
int pos = (n - 1) & hash，也就是hash%n，因为位运算效率高所以在hashmap实现时使用的是位运算这种方式，需要注意的是哈希桶的数量必须是2^n，所以hashmap一旦扩容必定是哈希桶数量翻番。
通过上面的描述，我们可以知道，根据键值找到哈希桶的位置时间复杂度为O(1)，使用的就是数组的高效查询。但是仅仅有这个是无法满足整个hashmap查询时间复杂度为O(1)的。hashmap在处理哈希冲突的方式如上图所示的拉链法，在冲突数据没有达到8个以前该哈希桶内部存储使用的是链表的方式，当某个哈希桶的数据超过8个的情况下，
有下面两种处理方式：
哈希桶的数量是没有超过64个，那么此时哈希桶数量double，然后数据迁移
哈希桶的数量超过了64个，将该哈希桶内部数据进行红黑树化处理
所以我们可以看到如果所有哈希桶内部数据都是链表存储的，那么每个哈希桶的数据量不会超过8个，这样当定位到某个哈希桶时，在该哈希桶继续查找也可以在O(1)时间内完成，下面看一种极端情况，所有的数据都在同一个桶里面（这种情况只在所有键值hash值相同的情况下，这种情况下查询的时间复杂度为O(lgn)，比如下面给出的一个类，所有我们在设置hashmap的键值时需要特别注意），在hashmap的文档里面有这么一段描述，每个哈希桶中元素数量是成泊松分布的，
listSize = (exp(-0.5) * pow(0.5, k) / * factorial(k))，不同数量出现的概率如下：
* 0: 0.60653066
* 1: 0.30326533
* 2: 0.07581633
* 3: 0.01263606
* 4: 0.00157952
* 5: 0.00015795
* 6: 0.00001316
* 7: 0.00000094
* 8: 0.00000006
大于8: <千万分之1
通过上面的统计来看，hashmap的键值正常（不同对象的hash值不同的情况），哈希桶数量超过8个概率低于千万分之一，所以我们通常认为hashmap的查询时间复杂度为O(1)
PS:
哈希冲突百分百的类
public static class Student{ private String name; Student(String name){ this.name = name; } @Override public int hashCode(){ return 1; } @Override public boolean equals(Object obj){ if(this == obj){ return true; } if(obj == null){ return false; } return this.name.equals(((Student)obj).name); } }我们在实际使用hashmap时需要确保实现hashcode方法以及equals方法，否则不能作为hashmap的键值
在设置hashmap的键值hashcode方法时尽量保证较好的离散型
hashmap的键值需保证equals方法返回true时，hashcode必须相同，所以在实际中经常使用的键值类string，重写了equals以及hashcode方法
HashMap时间复杂度问题
HashMap底层采用了hash算法
根据 key 获得 hashCode 值
HashMap 初始有很多个类似于“桶”的数据结构，比如说预设了 10 个桶，通过 hashCode 经过一定的算法（这个算法必须是快速的）
得到这个 hashCode 应存在哪个桶中，然后内部生成 Map.Entry 对象将 key 和 value 存到桶中去。
所以一般情况下HashMap的插入和查找的时间复杂度都是O(1);
“hashmap查询时间复杂度为O(1)的原因是什么”的内容就介绍到这里了，感谢大家的阅读。如果想了解更多行业相关的知识可以关注编程网网站，小编将为大家输出更多高质量的实用文章！
