本文属于个人随笔,纯原创,转载请注明出处
最近面试,屡屡被问道HashMap的实现,回答得总是不太流畅。回头想想,HashMap作为平时用得最多的一个集合框架类,我对其其内部实现确实知之甚少。这有点说不过去,于是把源码搬出来,尝试做个简单分析,如有谬误,还请指出,谢谢!
(本文所示源码均来源于JDK1.8.0_131)
首先翻译一下类声明前的一大段注释吧,只提取关键信息:
1、HashMap是基于哈希表的Map接口实现类(间接实现:直接继承自AbstractMap,而AbstractMap实现了Map接口);
2、与HashTable相比,HashMap有两个区别:其一是HashMap线程不安全,其二是HashMap允许键为null;
3、鉴于其内部实现是哈希表,HashMap无法保证内部元素的顺序始终不变;
4、影响HashMap读写性能的两个要素:初始容量与加载因子;前者确定HashMap对象创建初期的容量,后者用于HashMap判断是否达到需要扩容的临界值(容量*加载因子);如果达到临界值,HashMap会重建内部数据结构,以获得较之前相比约两倍的容量;
5、加载因子默认0.75,以获得性能与容量的平衡,过高可能会导致读写耗时增加、过低可能会浪费过多内存;
6、HashMap的迭代器Iterator内置fail-fast机制,不允许在遍历过程中更改内部数据结构;
7、尽管该类在JDK 1.2开始就有了,但是直到JDK 1.8,该类还进行过大改动,这也从侧面反映了这个类的使用范围之广,以至于一丁点的性能提升都显得格为重要;
首先还是来看构造方法:
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
}
public HashMap(Map<? extends K, ? extends V> m) {
this.loadFactor = DEFAULT_LOAD_FACTOR;
putMapEntries(m, false);
}
四个重载的构造方法,一一说明:
1、空参:加载因子默认0.75,没有指定初始容量;
2、一个整形参数:指定初始容量、加载因子默认0.75;
3、两个参数:指定初始容量和加载因子;
4、一个Map类型参数:加载因子默认0.75,并调用putMapEntries将参数中的键值对添加到HashMap中;
其中,前三个构造方法执行完成后都没有创建用于存放键值对的容器,而第四个构造方法也只是在putVal的方法里才会调用到resize()并创建Node<K,V>数组;
这里插一句,tableSizeFor这个方法用于判断传入的初始容量是否合法,写得很牛逼,具体算法大家直接尝试看源码吧:
/**
* Returns a power of two size for the given target capacity.
*/
static final int tableSizeFor(int cap) {
int n = cap - 1;
n |= n >>> 1;
n |= n >>> 2;
n |= n >>> 4;
n |= n >>> 8;
n |= n >>> 16;
return (n < 0) ? 1 : (n >= MAXIMUM_CAPACITY) ? MAXIMUM_CAPACITY : n + 1;
}
在两个参数的构造方法中,我们注意到:
this.threshold = tableSizeFor(initialCapacity);
按照字面意思,这里的threshold应该存放加载因子乘以容量的临界值,为何在此存的是初始容量的校准值(姑且这么叫吧,就是通过tableSizeFor方法校准过的返回值)?先表明态度——这不是bug,至于为啥,设为疑问A,稍后自会分晓;
既然构造方法本身都不会创建容器,那么一定和第四个构造方法一样,我们的容器一定就是在添加第一个元素的时候创建的,来到最常用的put(K key, V value)方法:
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;
if ((tab = table) == null || (n = tab.length) == 0)
n = (tab = resize()).length;
if ((p = tab[i = (n - 1) & hash]) == null)
tab[i] = newNode(hash, key, value, null);
else {
Node<K,V> e; K k;
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
e = p;
else if (p instanceof TreeNode)
e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
else {
for (int binCount = 0; ; ++binCount) {
if ((e = p.next) == null) {
p.next = newNode(hash, key, value, null);
if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st
treeifyBin(tab, hash);
break;
}
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
break;
p = e;
}
}
if (e != null) { // existing mapping for key
V oldValue = e.value;
if (!onlyIfAbsent || oldValue == null)
e.value = value;
afterNodeAccess(e);
return oldValue;
}
}
++modCount;
if (++size > threshold)
resize();
afterNodeInsertion(evict);
return null;
}
和上方的第四个构造方法一样,会调用到final V putVal(int hash, K key, V value, boolean onlyIfAbsent, boolean evict)方法中,假设这个HashMap在构造完成后立即进行了put元素的操作,我们可以将构造方法的值直接代入,查看代码走向:
final V putVal(int hash, K key, V value, boolean onlyIfAbsent,
boolean evict) {
Node<K,V>[] tab; Node<K,V> p; int n, i;
n = (tab = resize()).length;
i = (n - 1) & hash;
tab[i] = newNode(hash, key, value, null);
++modCount;
if (++size > threshold)
resize();
return null;
}
简化后的代码如上,我们可以看到,首先会执行resize()方法:
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) {
if (oldCap >= MAXIMUM_CAPACITY) {
threshold = Integer.MAX_VALUE;
return oldTab;
}
else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&
oldCap >= DEFAULT_INITIAL_CAPACITY)
newThr = oldThr << 1; // double threshold
}
else if (oldThr > 0) // initial capacity was placed in threshold
newCap = oldThr;
else { // zero initial threshold signifies using defaults
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;
@SuppressWarnings({"rawtypes","unchecked"})
Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap];
table = newTab;
if (oldTab != null) {
for (int j = 0; j < oldCap; ++j) {
Node<K,V> e;
if ((e = oldTab[j]) != null) {
oldTab[j] = null;
if (e.next == null)
newTab[e.hash & (newCap - 1)] = e;
else if (e instanceof TreeNode)
((TreeNode<K,V>)e).split(this, newTab, j, oldCap);
else { // preserve order
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;
}
看到这里,可以解答一下之前的疑问A了:
将初始容量存入threshold成员变量是为了在resize()方法中做判断,再将其赋值与newCap变量,用于创建容器时使用,说白了,就是一个记录临时变量的作用。
好了,回来继续看resize()方法,同样我们按照之前的逻辑将方法简化:
final Node<K,V>[] resize() {
Node<K,V>[] oldTab = table;
int oldCap = (oldTab == null) ? 0 : oldTab.length;
int oldThr = threshold;
int newCap, newThr = 0;
newCap = oldThr;
float ft = (float)newCap * loadFactor;
newThr = (newCap < MAXIMUM_CAPACITY && ft < (float)MAXIMUM_CAPACITY ?
(int)ft : Integer.MAX_VALUE);
threshold = newThr;
@SuppressWarnings({"rawtypes","unchecked"})
Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap];
table = newTab;
return newTab;
}
可以看出来,初始化容器其实并没有做太多事情,主要是一些变量间的赋值和一个Node数组的创建,而这个Node数组,则是HashMap的内部数据结构;
我们从而得到结论1:HashMap是通过内部维护一个键值对数组来实现的。
基于结论1,我们肯定会问,这跟哈希有啥关系?
别急,我们只是看了resize()方法,而调用它的putVal方法我们还没看完,于是我们回到putVal方法,来看看resize之后又做了什么:
final V putVal(int hash, K key, V value, boolean onlyIfAbsent,
boolean evict) {
Node<K,V>[] tab; Node<K,V> p; int n, i;
n = (tab = resize()).length;
i = (n - 1) & hash;
tab[i] = newNode(hash, key, value, null);
++modCount;
if (++size > threshold)
resize();
return null;
}
关键代码出现了:
首先,数组的下标i是通过数组长度-1再位与上hash值而来;
其次,创建一个Node对象存放键值对于哈希值,并将其赋值给tab[i]。如果说HashMap内部是一个数组,那么往这个数组里面的某个元素赋值,则就是往HashMap里面添加元素的关键所在了;
不急,一个一个来。
首先,我们可能需要回头看下这个整形参数hash的来历:
翻遍整个HashMap.java,我们看到调用putVal并传入的第一个参数,始终都是通过hash(key)获得的;
static final int hash(Object key) {
int h;
return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}
再次声明,本文代码基于JDK1.8.0_131,每个版本的方法实现可能不一样。不过我们暂时不深入了解这个,不然就没完没了了,我们只需要知道,putVal方法的第一参数是通过HashMap内部的hash方法,对需要put的key进行哈希运算得到的。
那么利用运算得到的哈希值hash位与上键值对数组的最大下标(length - 1)所得的数值i,就是这次putVal操作需要添加的键值对存放在内部数组的位置;
如果每次添加元素的操作都如我简化后的代码这样执行,那么这个HashMap也就不会那么备受推崇了,甚至你会觉得求hash变得没那么必要。别急,作为Map的实现类,乃至整个集合框架内使用频率最高的HashMap,绝对没那么简单。
这一篇先写到这,本来打算一口气写完,不过感觉这样会很乱,也很冗长。不如在此停顿一下,预计明天再开一篇,跟下putVal的其他几个if 、else if;