作者:纯洁的微笑
出处:www.ityouknow.com
版权所有,欢迎保留原文链接进行转载:)
1. 前言
Map 这样的 key value 在软件开发中是非常经典的结构,常用于在内存中存放数据。本篇主要谈一谈 HashMap 存储结构以及其常用 API 的实现。
众所周知 HashMap 底层是就 数组+链表
组成的,不过在 JDK1.7 和 1.8 中具体的实现稍有不同。
2. Base 1.7
1.7 中的数据结构图:
先来看看 1.7 中的实现
这是HashMap 中比较核心的几个成员变量,看看分别是什么意思?
- 初始化桶大小,因为底层是数组,所以这是数组默认的大小
- 桶最大值
- 默认的负载因子(0.75)
- table 真正存放数据的数组
- Map 存放数量的大小
- 桶大小,可在初始化时显式指定
- 负载因子,可在初始化时显式指定
重点解释下负载因子
由于给定的 HashMap 的容量大小是固定的,比如默认初始化:
public HashMap() {
this(DEFAULT_INITIAL_CAPACITY, DEFAULT_LOAD_FACTOR);
}
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;
threshold = initialCapacity;
init();
}
给定的默认容量为 16,负载因子为 0.75。Map 在使用过程中不断的往里面存放数据,当数量达到了 16*0.75=12
就需要将当前 16 的容量进行扩容,而扩容这个过程涉及到 rehash
、赋值数据等操作,所以非常消耗性能。
因此,通常建议能提前预估 HashMap 的大小,尽量的减少扩容带来的性能损耗。
根据代码可以看到其实真正存放数据的是:
transient Entry<K,V>[] table = (Entry<K,V>[]) EMPTY_TABLE;
这个数组,它是如何定义的呢?
Entry 是 HashMap 中的一个内部类,从他的成员变量很容易看出:
- Key 就是写入时的键
- value 自然就是值
- 开始的时候就提到 HashMap 是由数组和链表组成的,所以这个 next 就是用于实现链表结构
- hash 存放的是当前 key 的 hashcode
知晓了基本结构,那来看看其中重要的写入、获取函数:
2.1 put 方法
public V put(K key,V value){
if(table == EMPTY_TABLE){
inflateTable(threshold);
}
if(key == null)
return putForNullKey(value);
int hash = hash(key);
int i = indexFor(hash,table.length);
for(Entry<K,V> e = table[i];e!=null;e=e.next){
Object k;
if(e.hash == hash && ((k = e.key)==key || key.equals(k))){
V oldValue = e.value;
e.value = value;
e.recordAccess(this);
return oldValue;
}
}
}
- 判断当前数组是否需要初始化
- 如果 key 为空,则 put 一个空值进去
- 根据 key 计算出 hashcode
- 根据计算出的 hashcode 定位出所在桶
- 如果桶是一个链表则需要遍历判断里面的 hashcode、key 是否和传入的 key 相等,如果相等则进行覆盖,并返回原来的值
- 如果桶是空的,说明当前没有数据存入;新增一个 Entry 对象写入当前位置。
void addEntry(int hash,K key,V value,int bucketIndex){
if((size>=threshold) && (null != table[bucketIndex])){
resize(2*table.length);
hash = (null!=key)?hash(key):0;
bucketIndex = indexFor(hash,table.length);
}
createEntry(hash,key,value,bucketIndex);
}
void createEntry(int hash,K key,V value,int bucketIndex){
Entry<K,V> e = table[bucketIndex];
table[bucketIndex] = new Entry<>(hash,key,value,e);
size++;
}
当调用 addEntry 写入 Entry 时需要判断是否需要扩容。如果需要就进行两倍扩容,并将当前的 key 重新 hash 并定位。而在 createEntry
中会将当前位置的桶传入到新建的桶中,如果当前桶有值就会在这个位置上形成链表。
2.2 get 方法
再来看看 get 函数:
public V get(Object key){
if(key == null)
return getForNullKey();
Entry<K,V> entry = getEntry(key);
return null == entry ? null:entry.getValue();
}
final Entry<K,V> getEntry(Object key){
if(size==0)
return null;
int hash = (key == null)?0:hash(key);
for(Entry<K,V> e = table[indexFor(hash,table.length)];e!=null;e=e.next){
Object k;
if(e.hash == hash && ((k = e.key)==key || (key !=null && key.equals(k))))
return e;
}
return null;
}
- 首先也是根据 key 计算出 hashcode,然后定位到具体的桶中
- 判断该位置是否为链表
- 不是链表就根据 key、key 的hashcode 判断是否相等来返回值
- 链表则需要遍历直到 key 及 hashcode 相等时候就返回值
- 啥都没有取到就直接返回 null
3. Base 1.8
不知道 1.7 的实现大家看出什么需要优化的点没有?其中一个很明显的地方就是:
当 Hash 冲突严重时,在桶上形成的链表会变的越来越长,这样在查询时的效率就会越来越低;时间复杂度为
O(N)
。
因此 1.8 中重点优化了这个查询效率。1.8 HashMap 结构图:
先来看看几个核心成员变量:
static final int DEFAULT_INITIAL_CAPACITY = 1 << 4; // aka 16
/**
* The maximum capacity, used if a higher value is implicitly specified
* by either of the constructors with arguments.
* MUST be a power of two <= 1<<30.
*/
static final int MAXIMUM_CAPACITY = 1 << 30;
/**
* The load factor used when none specified in constructor.
*/
static final float DEFAULT_LOAD_FACTOR = 0.75f;
static final int TREEIFY_THRESHOLD = 8;
transient Node<K,V>[] table;
/**
* Holds cached entrySet(). Note that AbstractMap fields are used
* for keySet() and values().
*/
transient Set<Map.Entry<K,V>> entrySet;
/**
* The number of key-value mappings contained in this map.
*/
transient int size;
和 1.7 大体上差不多,但还是有几个重要的区别:
- TREEIFY_THRESHOLD 用于判断是否需要将链表转换为红黑树的阀值
- HashEntry 修改为 Node
Node 的核心组成其实也和 1.7 中的 HashEntry 一样,存放的都是 key value hashcode next 等数据。再来看看核心方法
3.1 put 方法
看似要比 1.7 的复杂,我们一步步拆解:
- 判断当前桶是否为空,空的就需要初始化(resize 中会判断是否进行初始化)。
- 根据当前 key 的 hashcode 定位到具体的桶中并判断是否为空,为空表明没有 Hash 冲突就直接在当前位置创建一个新桶即可。
- 如果当前桶有值(Hash 冲突),那么就要比较当前桶中的 key、key 的 hashcode 与写入的 key 是否相等,相等就赋值给 e,在第 8 步的时候会统一进行赋值及返回。
- 如果当前桶为红黑树,那就要按照红黑树的方式写入数据
- 如果是个链表,就需要将当前的 key、value 封装成一个新的节点写入到当前桶的后面(形成链表)
- 接着判断当前链表的大小是否大于预设的阀值,大于时就要转换为红黑树。
- 如果在遍历过程中找到 key 相同时直接退出遍历
- 如果 e!=null 就相当于存在相同的 key,那就需要将值覆盖
- 最后判断是否需要进行扩容
3.2 get 方法
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;
int n;
K k;
if((tab=table)!=null && (n=tab.length)>0 && (first=tab[n-1] & hash)!=null){
if(first.hash==hash && ((k=first.key)==key || (key!=null && key.equals(k))))
return first;
if((e=first.next)!=null){
if(first instanceof TreeNode)
return ((TreeNode)first).getTreeNode(hash,key);
do{
if(e.hash==hash && ((k=e.key)==key || (key!=null && key.equals(k))))
return e;
}while((e=e.next)!=null);
}
}
return null;
}
get 方法看起来简单许多了
- 首先将 key hash 之后取得所定位的桶
- 如果桶为空则直接返回 null
- 否则判断桶的第一个位置(有可能是链表、红黑树)的 key 是否为查询的 key,是就直接返回 value
- 如果第一个不匹配,则判断它的下一个是红黑树还是链表
- 红黑树就按照树的查找方式返回值
- 不然就按照链表的方式遍历匹配返回值
从这两个核心方法可以看出 1.8 中对链表做了优化,修改为红黑树之后查询效率直接提高到了 O(logn)
但是 HashMap 原有的问题也都存在,比如在并发场景下使用时容易出现死循环。
final HashMap<String,String> map = new HashMap<String,String>();
for(int i=0;i<1000;i++){
new Thread(new Runnable(){
@Override
public void run(){
map.put(UUID.randomUUID().toString(),"");
}
}).start();
}
但是为什么呢?简单分析下。
上文说过 HashMap 扩容时会调用 resize()
方法,就是这里的并发操作容易在一个桶上形成环形链表;这样当获取一个不存在的 key 时,计算出的 index 正好是环形链表的下标就会出现死循环。
如下图:
4. 遍历方式
HashMap 常用的遍历方式有以下这几种:
Iterator<Map.Entry<String,Integer>> entryIterator = map.entrySet().iterator;
while(entryIterator.hasNext()){
Map.Entry<String,Integer> next = enteryIterator.next();
System.out.println(next.getKey()+":"+next.getValue());
}
Iterator<String> iterator = map.keySet().iterator();
while(iterator.hasNext()){
String key = iterator.next();
System.out.println(key+":"+map.get(key));
}
这边 强烈建议
使用第一种 EntrySet 进行遍历
第一种可以把 key,value 同时取出,第二种还需要通过 key 取一次 value,效率较低。
简单总结下 HashMap:无论是 1.7 还是 1.8 其实都能看出 JDK 并没有对它做任何同步操作,所以并发会出现问题,甚至出现死循环导致系统不可用。
因此 JDK 推出了专项专用的 ConcurrentHashmap,该类位于 java.util.concurrent
包下,专门用于解决并发问题。