【本文是为了梳理知识的总结性文章,总结了一些自认为相关的重要知识点,只为巩固记忆以及技术交流,忘批评指正。其中参考了很多前辈的文章,包括图片也是引用,如有冒犯,侵删。】
0 存储结构
从底层实现来看,HashMap是数组+链表+红黑树(JDK1.8 为了优化链表查询性能新增红黑树)实现的。
Hash槽:仅是一个位置标识,对应于table数组中下标;
Hash桶:哈希桶包括头结点在内,在哈希槽上形成的链表或树上所有元素的集合。
1 类定义
public class HashMap<K,V> extends AbstractMap<K,V>
implements Map<K,V>, Cloneable, Serializable {
从类继承图可以看出,AbstractMap实现了Map接口,那为什么HashMap继承了AbstractMap还要实现Map接口?
从搜到的资料看有主要有两种说法:
1、添加Map接口声明是为了Class类的getInterfaces这个方法能够直接获取到Map接口;
2、这就是一个写法上的错误,并没有其他深意。
2 静态常量
// 初始容量,默认是16
static final int DEFAULT_INITIAL_CAPACITY = 1 << 4; // aka 16
// 最大容量,不能超过该值
static final int MAXIMUM_CAPACITY = 1 << 30;
// 默认负载因子
static final float DEFAULT_LOAD_FACTOR = 0.75f;
// 同一个桶中链表元素数量超过8可能会转化为树
static final int TREEIFY_THRESHOLD = 8;
// 删除冲突节点后,桶中节点数目小于这个数,红黑树就恢复成链表
static final int UNTREEIFY_THRESHOLD = 6;
// 扩容的临界值
static final int MIN_TREEIFY_CAPACITY = 64;
3 属性
名称 | 用途 |
---|---|
initialCapacity | HashMap 初始容量 |
loadFactor | 负载因子 |
threshold | 当前 HashMap 所能容纳键值对数量的最大值,超过这个值,则需扩容 |
// 存储元素的数组,其长度必须为2的次方
transient Node<K,V>[] table;
// 缓存entrySet()返回值
transient Set<Map.Entry<K,V>> entrySet;
// 键值对的数量
transient int size;
// HashMap中结构性修改的次数,用于集合视图fail-fast
transient int modCount;
// 下一次扩容的阈值(capacity * load factor)
int threshold;
// 负载因子
final float loadFactor;
4 构造函数
主要用于初始化负载因子和初始容量。
public HashMap(int initialCapacity, float loadFactor) {
if (initialCapacity < 0)
throw new IllegalArgumentException("Illegal initial capacity: " +
initialCapacity);
if (initialCapacity > MAXIMUM_CAPACITY)
initialCapacity = MAXIMUM_CAPACITY;
if (loadFactor <= 0 || Float.isNaN(loadFactor))
throw new IllegalArgumentException("Illegal load factor: " +
loadFactor);
this.loadFactor = loadFactor;
this.threshold = tableSizeFor(initialCapacity);
}
public HashMap(int initialCapacity) {
this(initialCapacity, DEFAULT_LOAD_FACTOR);
}
public HashMap() {
this.loadFactor = DEFAULT_LOAD_FACTOR; // all other fields defaulted
}
5 链表节点
链表节点,重写了hashCode和equals方法,往HashMap添加元素的时候,需要先使用hashCode() 的值定位到节点在数组中的位置,然后再使用equals()比较桶中的节点是否相等,节点相等意味着key和value值相等,因此需要重写equals方法,根据规则也需要重写hashCode()方法。
static class Node<K,V> implements Map.Entry<K,V> {
final int hash; // 节点hash码
final K key; // 节点键
V value; // 节点值
Node<K,V> next; // 指向下一个节点
Node(int hash, K key, V value, Node<K,V> next) {
this.hash = hash;
this.key = key;
this.value = value;
this.next = next;
}
public final K getKey() { return key; }
public final V getValue() { return value; }
public final String toString() { return key + "=" + value; }
public final int hashCode() {
return Objects.hashCode(key) ^ Objects.hashCode(value);
}
public final V setValue(V newValue) {
V oldValue = value;
value = newValue;
return oldValue;
}
public final boolean equals(Object o) {
if (o == this)
return true;
if (o instanceof Map.Entry) {
Map.Entry<?,?> e = (Map.Entry<?,?>)o;
if (Objects.equals(key, e.getKey()) &&
Objects.equals(value, e.getValue()))
return true;
}
return false;
}
}
6 功能方法
确定哈希桶数组索引位置
HashMap 通过 key 的 hashCode 经过扰动函数处理过后得到最终的 hash 值,然后通过 (tableLength - 1) & hash
判断当前节点存放的位置。使用扰动函数 hash 方法是为了减少一些实现比较差的 hashCode() 方法带来的性能影响。
// 扰动函数
static final int hash(Object key) {
int h;
// h = key.hashCode() 为第一步 取hashCode值
// h ^ (h >>> 16) 为第二步 高位参与运算
return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}
// 寻址举例
int indexFor(int tableLength,int hash) {
return (tableLength - 1) & hash]; // 取模运算
}
hash扰动函数计算方法
在JDK1.8的实现中,优化了高位运算的算法,通过hashCode()的高16位异或低16位实现的:(h = k.hashCode()) ^ (h >>> 16),主要是从速度、功效、质量来考虑的,这么做可以在数组table的length比较小的时候,也能保证考虑到高低Bit都参与到Hash的计算中,同时不会有太大的开销。
取模运算优化
为了能让 HashMap 存取高效,尽量较少碰撞,也就是要尽量把数据分配均匀。Hash 值的范围值-2147483648到2147483647,前后加起来大概40亿的映射空间,只要哈希函数映射得比较均匀松散,一般应用是很难出现碰撞的。但问题是一个40亿长度的数组,内存是放不下的。所以这个散列值是不能直接拿来用的。用之前还要先做对数组的长度取模运算,得到的余数才能用来要存放的位置也就是对应的数组下标。
我们首先可能会想到采用模运算(hash % length )的操作来实现,但是,模运算的消耗还是比较大的,可以考虑位运算进行优化。又因为当table数组的长度length总是2的n次方时,hash % length == hash & (length - 1),为了这个优化,于是我们知道了之前为什么要规定HashMap 的长度必须为2的幂次方。
7 常用方法
get方法
- 根据目标Key的hash,计算其在table数组的中的位置;
- 判断桶中的第一个节点是否等于目标key,如果是找到目标节点,返回目标节点;
- 判断该桶中是否是否是红黑树存储,如果是则在红黑树中查找;
- 如果不是红黑树,那么遍历链表,寻找目标key节点;
- 如果找不到,则返回null。
// get() 函数通过 getNode() 来进行寻找节点
public V get(Object key) {
Node<K,V> e;
return (e = getNode(hash(key), key)) == null ? null : e.value;
}
final Node<K,V> getNode(int hash, Object key) {
Node<K,V>[] tab;
Node<K,V> first, e;
int n;
K k;
// table不为null,长度大于 0,根据key找 table 桶中的第一个节点也不为空
if ((tab = table) != null && (n = tab.length) > 0 &&
(first = tab[(n - 1) & hash]) != null) {
// 与桶中第一个节点key相等,直接返回该节点
if (first.hash == hash && // always check first node
((k = first.key) == key || (key != null && key.equals(k))))
return first;
// 不相等就需找该桶的其他节点
if ((e = first.next) != null) {
// 如果为红黑树节点,在红黑树中查找
if (first instanceof TreeNode)
return ((TreeNode<K,V>)first).getTreeNode(hash, key);
do {
// 否则,在链表中查找
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
return e;
} while ((e = e.next) != null);
}
}
return null;
}
put方法
// 调用 putVal() 函数进行插入
public V put(K key, V value) {
return putVal(hash(key), key, value, false, true);
}
final V putVal(int hash, K key, V value, boolean onlyIfAbsent,boolean evict) {
Node<K,V>[] tab;
Node<K,V> p;
int n, i;
// table 为空,使用resize分配初始空间
if ((tab = table) == null || (n = tab.length) == 0)
n = (tab = resize()).length;
// 指定 hash 值节点为空则直接在该槽上插入
if ((p = tab[i = (n - 1) & hash]) == null)
tab[i] = newNode(hash, key, value, null);
// 不为空
else {
Node<K,V> e; K k;
// 比较该槽节点是否与要插入的节点
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
// 相同则覆盖
e = p;
// 若不同的话,并且当前桶转化为了红黑树
else if (p instanceof TreeNode)
// 创建新的树节点
e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
// 不同并且当前桶存储的是链表
else {
for (int binCount = 0; ; ++binCount) {
if ((e = p.next) == null) {
// 表示在表尾插入
p.next = newNode(hash, key, value, null);
// 新增节点后如果节点个数>= 8,则进入 treeifyBin() 进行再次判断
if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st
// 这里还会跟size比较,判断是否需要对 table 进行扩容
treeifyBin(tab, hash);
break;
}
// 如果找到了同hash、key的节点,那么直接退出循环
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
break;
// 更新 p 指向下一节点
p = e;
}
}
// 退出循环后的操作,hash 和 key 都相同,则覆盖更新
if (e != null) {
V oldValue = e.value;
if (!onlyIfAbsent || oldValue == null)
e.value = value;
afterNodeAccess(e);
return oldValue;
}
}
++modCount;
// 新增后如果容量超过阈值则扩容
if (++size > threshold)
resize();
afterNodeInsertion(evict);
return null;
}
8 扩容
因为HashMap底层是链表数组的形式存储的,当向HashMap对象里不停的添加元素时,会造成链表过长的情况,影响存取的性能,因而就需要扩大数组的长度,以便能分配到不同的桶中,减少链表长度。因为Java里的数组是无法自动扩容的,因此必须使用一个新的数组(长度为原来的两倍)代替原来小的数组,然后将数据从小数组中迁移到新的数组中。
final Node<K,V>[] resize() {
Node<K,V>[] oldTab = table;
int oldCap = (oldTab == null) ? 0 : oldTab.length;
int oldThr = threshold;
int newCap, newThr = 0;
if (oldCap > 0) {
// 不能超过最大容量
if (oldCap >= MAXIMUM_CAPACITY) {
threshold = Integer.MAX_VALUE;
return oldTab;
}
// 容量扩大为2倍
else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&
oldCap >= DEFAULT_INITIAL_CAPACITY)
newThr = oldThr << 1; // double threshold
}
// table 大小为0,threshold 以及制定,使用threshold 进行初始化
else if (oldThr > 0)
newCap = oldThr;
// 使用默认值进行初始化
else {
newCap = DEFAULT_INITIAL_CAPACITY;
newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);
}
if (newThr == 0) {
float ft = (float)newCap * loadFactor;
newThr = (newCap < MAXIMUM_CAPACITY && ft < (float)MAXIMUM_CAPACITY ?
(int)ft : Integer.MAX_VALUE);
}
threshold = newThr;
// 声明新的桶数组
@SuppressWarnings({"rawtypes","unchecked"})
Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap];
table = newTab;
if (oldTab != null) {
// 迁移旧数组到新数组
for (int j = 0; j < oldCap; ++j) {
Node<K,V> e;
if ((e = oldTab[j]) != null) {
oldTab[j] = null;
// 桶中只有一个节点,直接迁移
if (e.next == null)
newTab[e.hash & (newCap - 1)] = e;
else if (e instanceof TreeNode)
// 红黑树处理
((TreeNode<K,V>)e).split(this, newTab, j, oldCap);
else { // preserve order
// 链表处理,使用两个链表进行复制,
Node<K,V> loHead = null, loTail = null;
Node<K,V> hiHead = null, hiTail = null;
Node<K,V> next;
do {
next = e.next;
if ((e.hash & oldCap) == 0) {
if (loTail == null)
loHead = e;
else
loTail.next = e;
loTail = e;
}
else {
if (hiTail == null)
hiHead = e;
else
hiTail.next = e;
hiTail = e;
}
} while ((e = next) != null);
if (loTail != null) {
loTail.next = null;
newTab[j] = loHead;
}
if (hiTail != null) {
hiTail.next = null;
newTab[j + oldCap] = hiHead;
}
}
}
}
}
return newTab;
}
9 转化为红黑树
final void treeifyBin(Node<K,V>[] tab, int hash) {
int n, index; Node<K,V> e;
// 必须得table的容量量大于等于64才会转化为红黑树
if (tab == null || (n = tab.length) < MIN_TREEIFY_CAPACITY)
resize();
else if ((e = tab[index = (n - 1) & hash]) != null) {
TreeNode<K,V> hd = null, tl = null;
do {
TreeNode<K,V> p = replacementTreeNode(e, null);
if (tl == null)
hd = p;
else {
p.prev = tl;
tl.next = p;
}
tl = p;
} while ((e = e.next) != null);
if ((tab[index] = hd) != null)
hd.treeify(tab);
}
}
10 最佳实践
- 预估使用场景所需的容量,并设置为初始值,防止多次扩容,影响性能(尤其在数据量大的时候);
- 使用自定义对象作为Key的时候,重写equals方法和hashCode方法,以免出错;
- HashMap不是线程安全的,多线程环境下可能出现死链和数据丢失情况,使用ConcurrentHashMap替代;
参考文献