浅析HashMap的实现和性能分析

前段时间面试，被问及hashmap的实现，瞬间蒙了，最后被虐成了狗。痛定思过，发现自己最近一年以来走入了一些歧途，有些本末倒置。故从基础开始，从跌倒的地方开始。

Java集合框架强大、简单、易用。尤其在设计业务逻辑的编程中，集合框架可以说是使用最多的类。Hashmap作为其中一员，是一种把键（key）和值（value）的结构，在实际引用中及其广泛。本篇简单分析java中hashmap的实现，并简单分析它的一些性能，使用过程中的需要注意的地方。

构造函数

Java中hashmap的实现，最基本的原理是链表数组。如下图，即把键的hash值对数组长度取余作为index，然后存到对应数组的链表中。

 

以上原理看起来很简单，实际实现中还有一些细节需要考虑，让我们来看看它的构造函数，默认构造时值为 16和0.75

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);
 
    // Find a power of 2 >= initialCapacity
    int capacity = 1;
    while (capacity < initialCapacity)
        capacity <<= 1;
 
    //负载因子，默认构造时为0.75
    this.loadFactor = loadFactor;
    //容量和负载因子的乘积
    threshold = (int)(capacity * loadFactor);
    //链表数组，真正放键值对的地方
    table = new Entry[capacity];
    //回调。子类方可覆盖，默认实现为空
    init();
}

注意代码中注释。无论调用哪个构造函数，最后执行的都是上面的这个，这个构造函数接受两个参数：初始容量和负载因子。它们是hashmap最重要的指标。

初识容量从代码中，可看出指的是链表数组的长度，负载因子是hashmap中当前元素数量/初始容量的一个上限（此上限代码中用threshold(容量*负载因子)来衡量）。当超过整个限度时，会把链表数组的长度增加，重新计算各个元素的位置（最耗性能）。

我们接下来看下链表数组中Entry的结构，只列出了字段和关键方法。可以看出其是一个链表节点，每个节点包含键值对、hash值和下个节点的引用。其equal()和hashcode()方法同时兼顾了键值。这点在判断是否相等时很有必要。

static class Entry<K,V> implements Map.Entry<K,V> {
        final K key;
        V value;
        Entry<K,V> next;
        final int hash;
 
      public final boolean equals(Object o) {
            if (!(o instanceof Map.Entry))
                return false;
            Map.Entry e = (Map.Entry)o;
            Object k1 = getKey();
            Object k2 = e.getKey();
            if (k1 == k2 || (k1 != null && k1.equals(k2))) {
                Object v1 = getValue();
                Object v2 = e.getValue();
                if (v1 == v2 || (v1 != null && v1.equals(v2)))
                    return true;
            }
            return false;
        }
 
        public final int hashCode() {
            return (key==null   ? 0 : key.hashCode()) ^
                   (value==null ? 0 : value.hashCode());
        }
}

Put

了解以上基本结构，就可以看put操作了。以下的代码摘自jdk，注明了详细的注释：

/**
 * put操作的基本逻辑为，如果当前键已经在hashmap中存在，那么覆盖之，并返回原来的值，否则返回null
 */
public V put(K key, V value) {
    if (key == null)//键值可以为null,且专门存放在table[0]这个链表中，见putForNullKey() 这点和hashtable不同，
        return putForNullKey(value);
    //计算hash值，
    int hash = hash(key.hashCode());
    //求在数组链表中的下标，这里用了非常巧妙的方法
    int i = indexFor(hash, table.length);
    //在对应中的链表中找师傅已经存在，存在的话，覆盖之，返回原来的值
    for (Entry<K,V> e = table[i]; e != null; e = e.next) {
        Object k;
        //注意判断相等的条件
        if (e.hash == hash && ((k = e.key) == key || key.equals(k))) {
            V oldValue = e.value;
            e.value = value;
            e.recordAccess(this);
            return oldValue;
        }
    }
  // 原来不存在的话，则插入到hashmap中，并返回null.
    modCount++;//这里是改变次数，在返回迭代器的时候，用来判断迭代器的失效，有兴趣自行研究
    //真正添加
    addEntry(hash, key, value, i);
    return null;
}
 
//专门放null键，直接取下标0，其他和put操作完全一样
private V putForNullKey(V value) {
    for (Entry<K,V> e = table[0]; e != null; e = e.next) {
        if (e.key == null) {
            V oldValue = e.value;
            e.value = value;
            e.recordAccess(this);
            return oldValue;
        }
    }
    modCount++;
    addEntry(0, null, value, 0);
    return null;
}
 
//put 操作时，原hashmap中不存在键key ,则新建一个 Entry，放到对应数组下标的链表中
void addEntry(int hash, K key, V value, int bucketIndex) {
  //取链表头结点，当此链表没元素时为null,初识就是这样
    Entry<K,V> e = table[bucketIndex];
    //构造新节点，并作为头指针存在数组中
    table[bucketIndex] = new Entry<>(hash, key, value, e);
    //注意这里最耗性能，重新hash，这也是我们如果可以需要避免的地方
    if (size++ >= threshold)
        resize(2 * table.length);
}
 
 
//hashmap扩容，增加链表数组的长度，所有的元素重新计算hash位置。最耗时的操作
void resize(int newCapacity) {
    Entry[] oldTable = table;
    int oldCapacity = oldTable.length;
    if (oldCapacity == MAXIMUM_CAPACITY) {
        threshold = Integer.MAX_VALUE;
        return;
    }
 
    Entry[] newTable = new Entry[newCapacity];
    //关键是这里
    transfer(newTable);
    table = newTable;
    threshold = (int)(newCapacity * loadFactor);
}
 
 
void transfer(Entry[] newTable) {
    Entry[] src = table;
    int newCapacity = newTable.length;
    for (int j = 0; j < src.length; j++) {
        Entry<K,V> e = src[j];
        //双层循环，每个元素都重新计算位置
        if (e != null) {
            src[j] = null;
            do {
                Entry<K,V> next = e.next;
                int i = indexFor(e.hash, newCapacity);
                e.next = newTable[i];
                newTable[i] = e;
                e = next;
            } while (e != null);
        }
    }
}
 
最后看看神秘的indexFor
 
//可以这么理解 length肯定是 2的幂，如 16 转换 2禁制是 10000 ，减一为01111 ，进行&运算就可以得到h对应的低位，刚好是相当于
//h%length
static int indexFor(int h, int length) {
    return h & (length-1);
}

Get

理解了put，get就是小菜：

public V get(Object key) {
  //null键专门取，即从table[0]取
    if (key == null)
        return getForNullKey();
    //求hash,hash函数这里不研究
    int hash = hash(key.hashCode());
    //从对应的数组链表中查找数据
    for (Entry<K,V> e = table[indexFor(hash, table.length)];
         e != null;
         e = e.next) {
        Object k;
        //注意键相等的比较，hash值相等且key相等
        if (e.hash == hash && ((k = e.key) == key || key.equals(k)))
            return e.value;
    }
    returnnull;
}

分析

理解了hashmap的实现，聪明的人肯定已经知道怎么更加高性能的使用hashmap。不过在此之前还是先说明下初始容量和负载因子的含义。

Hashmap的设想是在O(1)的时间复杂度存取数据，根据我们的分析，在最坏情况下，时间复杂度很可能是o(n)，但这肯定极少出现。但是某个链表中存在多个元素还是有相当大的可能的。当hashmap中的元素数量越接近数组长度，这个几率就越大。为了保证hashmap的性能，我们对元素数量/数组长度的值做了上限，此值就是负载因子。当比值大于负载因子时，就需要对内置数组进行扩容，从而提高读写性能。但这也正是问题的所在，对数组扩容，代价较大，时间复杂度时O(n)。

故我们在hashmap需要存放的元素数量可以预估的情况下，预先设定一个初始容量，来避免自动扩容的操作来提高性能。