散列表

先到wiki 看看散列表（Hash table）的原理描述。

散列表（Hash table，也叫哈希表），是根据键（Key）而直接访问在内存存储位置的数据结构。也就是说，它通过计算一个关于键值的函数，将所需查询的数据映射到表中一个位置来访问记录，这加快了查找速度。这个映射函数称做散列函数，存放记录的数组称做散列表。

两个重点

构造散列函数
处理冲突

HashMap

HashMap就是基于散列表的原理来实现的，看源码，获知有哪些数据结构组成了HashMap。

散列表，是一个数组，其长度为2的次方。

/**
 * The table, resized as necessary. Length MUST Always be a power of two.
 */
transient HashMapEntry<K,V>[] table = (HashMapEntry<K,V>[]) EMPTY_TABLE;
/**
 *
 */

再看散列表中存放的元素HashMapEntry<K,V>。

static class HashMapEntry<K,V> implements Map.Entry<K,V> {
    final K key;
    V value;
    HashMapEntry<K,V> next;
    int hash;
}
/**
 *
 */

其中包含的成员变量HashMapEntry<K,V> next是一个单链表的设计，所以HashMap处理冲突的方法是单独链表法。其他细节看源码吧。

LinkedHashMap

继承于HashMap，与HashMap不同的是其数组中存放的元素是LinkedHashMapEntry，总体上说是比HashMap多了一个双向链表的数据结构。

双向链表表头

public class LinkedHashMap<K,V> extends HashMap<K,V> implements Map<K,V> {
    /**
     * The head of the doubly linked list.
     */
    private transient LinkedHashMapEntry<K,V> header;
}

散列表中存放的元素是LinkedHashMapEntry<K,V>，继承于HashMapEntry<K,V>，多了两个成员变量。

private static class LinkedHashMapEntry<K,V> extends HashMapEntry<K,V> {
    // These fields comprise the doubly linked list used for iteration.
    LinkedHashMapEntry<K,V> before, after;

}

before,after组成了一个双向链表，一个双向循环链表。这个链表串联了散列表中的所有元素，组成了一个有序列表。
LinkedHashMap利用双向链表实现了按访问元素来排序或按插入元素来排序。
总结：
LinkedHashMap完全拥有HashMap的行为、属性，只是多了一个链表，多了些行为、属性。若设置了按访问元素来排序（accessOrder == true），则每次get(Object key)操作都会让该元素置于表头header.before。插入操作会忽略accessOrder，插入新元素时都会置于表头，插入旧元素（即key已存在）则不会改变排序顺序。

根据下面代码演绎出图示，existingEntry都是指Header元素，代码中都是这么用的：e.addBefore(header);

private void addBefore(LinkedHashMapEntry<K,V> existingEntry) {
    after  = existingEntry;
    before = existingEntry.before;
    before.after = this;
    after.before = this;
}

看图，哪里是表头哪里是表尾呢。我说的表头是指靠近Header的。

LruCache

LruCache的源码很少很简单。用的数据结构是LinkedHashMap，按访问元素来排序。最近最少使用的元素在表尾（eldest = header.after，header.after指向表尾）。

public class LruCache<K, V> {
    private final LinkedHashMap<K, V> map;

    public LruCache(int maxSize) {
        if (maxSize <= 0) {
            throw new IllegalArgumentException("maxSize <= 0");
        }
        this.maxSize = maxSize;
        this.map = new LinkedHashMap<K, V>(0, 0.75f, true);
    }

    /**
     * Remove the eldest entries until the total of remaining entries is at or
     * below the requested size.
     *
     * @param maxSize the maximum size of the cache before returning. May be -1
     *            to evict even 0-sized elements.
     */
    public void trimToSize(int maxSize) {
        while (true) {
            K key;
            V value;
            synchronized (this) {
                if (size < 0 || (map.isEmpty() && size != 0)) {
                    throw new IllegalStateException(getClass().getName()
                            + ".sizeOf() is reporting inconsistent results!");
                }

                if (size <= maxSize) {
                    break;
                }

                Map.Entry<K, V> toEvict = map.eldest();
                if (toEvict == null) {
                    break;
                }

                key = toEvict.getKey();
                value = toEvict.getValue();
                map.remove(key);
                size -= safeSizeOf(key, value);
                evictionCount++;
            }

            entryRemoved(true, key, value, null);
        }
    }

不能直接使用LruCache，必须要重写它的protected int sizeOf(K key, V value)方法。

mingdroid

散列表 --> HashMap --> LinkedHashMap --> LruCache

散列表

HashMap

LinkedHashMap

LruCache