- 数据结构:数组+链表+红黑树(Java8)
- 原理
底层采用链表数组,链表的长度达到8(为什么是8?因为链表长度遵循泊松分布)的时候可能就会转换为红黑树,而且要树化,数组容量必须达到64,即需要两次扩容;当输节点数减少到6的时候,就会进行反树化,变成链表;
链表长度的泊松分布: * 0: 0.60653066 * 1: 0.30326533 * 2: 0.07581633 * 3: 0.01263606 * 4: 0.00157952 * 5: 0.00015795 * 6: 0.00001316 * 7: 0.00000094 * 8: 0.00000006
由此可知,如果出现了红黑树,说明hash值不够离散
初始容量为:2^4,要求容量为2^n;而Hashtable初始化容量大小为11,且都为素数(满足了除法散列法的推荐值);
所以操作HashMap主要分两步:
1.在数组中找到正确的链表;
2.在链表中找到正确的元素(遍历链表);
而对于上面的第1步,又分两个步骤:
hash :该方法主要是将Object转换成一个整型;
indexFor :该方法主要是将hash生成的整型转换成链表数组中的下标(使用除法散列法,即取模运算);到了jdk8时,在这步骤之前还加入了高位运算,以减少碰撞提升效率(其实就是减少链表长度);
在jdk8中,在put方法的实现里还做了优化,当链表长度大于8时,加入了红黑树;
- 算法
1)hash计算
static final int hash(Object key) {
int h;
return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}
2)put
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;
//初始化table
if ((tab = table) == null || (n = tab.length) == 0)
n = (tab = resize()).length;
//取值或者取链表或者红黑树
//没有冲突时
if ((p = tab[i = (n - 1) & hash]) == null)
//初始化node
tab[i] = newNode(hash, key, value, null);
else {
Node<K,V> e; K k;
//1. 根据下标取出节点的hash值必须等于传入的key对应的hash值
//2. a. 用==比较传入的key和p.key是否是同一个对象 b. 如果a不满足,且key不为null时,则利用key.equals方法比较是否相等
//找到相同key值的节点,且头部节点就是key对应的原节点
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
e = p;
else
//是树的情况
if (p instanceof TreeNode)
e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
//不存在相同key,那么就要开始遍历链表,并插入到链表的尾部
else {
for (int binCount = 0; ; ++binCount) {
//找到尾部节点,生成新的新的节点,插入尾部
if ((e = p.next) == null) {
p.next = newNode(hash, key, value, null);
//树化
if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st
treeifyBin(tab, hash);
break;
}
//找到相同key值的节点
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
break;
p = e;
}
}
//找到key对应有旧的不为bull的元素
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;
}
3)扩容
容量每次扩大一倍,这是为了性能;扩容后,hash值虽不用重新计算,但是在数组中的位置可能会发生变化,如果每次扩容一倍的话,元素位置只有两种可能:1. 位置不变; 2. 当前位置+原有容量;
下面有一个示例来解释扩容过程:
扩容其实就是元素下标从新确定的过程,后文中指出:一个容量为2^n的hash数组上元素的位置,实际是取这个元素上key.hash值的二进制形式的低n位。
那么,进行一次扩容,实际上就是取低n+1位,即:
新的下标 = 原来的下标 + 2^n * 第n+1位的二进制值;例如:
容量:2^5
hash:0000 0000 0000 0011 0001 0101 0111 1010
下标:11010 = 26扩容一次后的下标:1 11010 = 26 + 2^5 * 1 = 26 + 32 ,
类似地,
hash:0000 0000 0000 0011 0001 0101 0101 1010
扩容一次后的下标:0 11010 = 26 + 2^5 * 0 = 26
- 为什么HashMap的容量要设置为2^n?
因为计算数组下标使用到取模运算,又因为如下公式的存在:X % 2^n = X & (2^n – 1),可以将取模运算转化为与运算,提升cpu效率,所以要求除数为2^n的形式;
为什么X % 2^n = X & (2^n – 1)?
由于除数是2^n的形式,其二进制如下形式:……000001000……,取模运算时,我们把被除数当作2^n进制的数,那么做完除法之后剩下都是小于2^n的部分,对应到二进制形式就等于被除数右边的m位(m = 除数中“1”右边“0”的个数)
例如: 202106 % 32
转化为二进制:0000 0000 0000 0011 0001 0101 0111 1010 % 0010 0000
用上面的方式直接目测出来m = 5,所以余数为:11010,即26由上述计算,不难得出一个结论:对一个整数进行取模运算,如果它的除数满足2^n的形式,那么它的余数等于被除数二进制形式的低n-1位;放在计算机学科中,就是取低n-1位的值。
- 为什么要加入高位运算呢,为什么是异或运算?
实际上,HashMap在散列时的做法违背了算法本来的初衷,不应该用2^n的数作为除数,而应该用素数,正如上面提到的,使用2^n的形式能提升下标值的运算速度,但同时也只能利用的hash值的低位,这大大的增加了碰撞几率,所以要想办法把高位也利用起来,就能有效减小碰撞,即减小链表长度;
为什么要用异或运算呢?因为异或出现0和1的概率是均等的,而与运算出现0的概率是0.75,出现1的概率是0.25,或运算出现0的概率是0.25,出现1的概率是0.75;
- 负载因子对性能的影响,为什么默认值时0.75,还不建议修改?
1. 负载因子相对越小一些,碰撞概率就小,那么读取效率相对就高,但是更耗费内存,但数组空间变得特别大的时候,扩容过于频繁,反过来也会减低效率;
2. 0.75是设计人员通过计算得出的科学临界值,均衡了性能和成本;真实理论值其实是log2≈0.69,但由于临界值(threshold) = 负载因子(loadFactor) * 容量(capacity),capacity是2^n,故而loadFactor取0.75更容易能得到整数的threshold;
实际运用中,我们一般把容量设置为:预估实际容量 / 0.75 + 1,以减小扩容次数;
- 高并发情形下出现死锁
在扩容过程中,多线程同时put很多元素有可能会形成环形链表,调用get方法时就导致循环死锁,cpu100%;
- JDK1.8为什么要加入红黑树
1 解决链表遍历效率问题;
2 防止线程安全情况下的Dos(拒绝服务)
tomcat使用HashMap来存储接收到的HTTP参数,heike就可以利用这一点进行Dos攻击
假设模拟2万个hash值相同的字符串(因为java覆写了String类型的hashCode方法),将这些值作为key传给服务器,这时存储参数的HashMap的链表长度就达到2万,此时遍历链表的效率低,如果发起大量这样的请求就导致cpu一直在遍历链表而满载。
public int hashCode() {
int h = hash;
if (h == 0 && value.length > 0) {
char val[] = value;
for (int i = 0; i < value.length; i++) {
h = 31 * h + val[i];
}
hash = h;
}
return h;
}
- 为什么是红黑树?
由于旋转输比较消耗性能,这是一种这种的方案,满足如下条件:最高处的长度<=2*最低处的长度
- 注意事项
不要在 foreach 循环里进行元素的 remove/add 操作。 remove 元素请使用 Iterator方式,如果并发操作,需要对 Iterator 对象加锁;
使用 entrySet 遍历 Map 类集合 KV,而不是 keySet 方式进行遍历;