HashMap

  HashMap也是我们使用非常多的Collection，它是基于哈希表的 Map 接口的实现，以key-value的形式存在。在HashMap中，key-value总是会当做一个整体来处理，系统会根据hash算法来来计算key-value的存储位置，我们总是可以通过key快速地存、取value。下面就来分析HashMap的存取。

一、定义

      HashMap实现了Map接口，继承AbstractMap。其中Map接口定义了键映射到值的规则，而AbstractMap类提供 Map 接口的骨干实现，以最大限度地减少实现此接口所需的工作，其实AbstractMap类已经实现了Map，这里标注Map LZ觉得应该是更加清晰吧！

public class HashMap<K,V>

extends AbstractMap<K,V>

implements Map<K,V>, Cloneable, Serializable

二、构造函数

      HashMap提供了三个构造函数：

      HashMap()：构造一个具有默认初始容量 (16) 和默认加载因子 (0.75) 的空 HashMap。

      HashMap(int initialCapacity)：构造一个带指定初始容量和默认加载因子 (0.75) 的空 HashMap。

      HashMap(int initialCapacity, float loadFactor)：构造一个带指定初始容量和加载因子的空 HashMap。

      在这里提到了两个参数：初始容量，加载因子。这两个参数是影响HashMap性能的重要参数，其中容量表示哈希表中桶的数量，初始容量是创建哈希表时的容量，加载因子是哈希表在其容量自动增加之前可以达到多满的一种尺度，它衡量的是一个散列表的空间的使用程度，负载因子越大表示散列表的装填程度越高，反之愈小。对于使用链表法的散列表来说，查找一个元素的平均时间是O(1+a)，因此如果负载因子越大，对空间的利用更充分，然而后果是查找效率的降低；如果负载因子太小，那么散列表的数据将过于稀疏，对空间造成严重浪费。系统默认负载因子为0.75，一般情况下我们是无需修改的。

      HashMap是一种支持快速存取的数据结构，要了解它的性能必须要了解它的数据结构。

三、数据结构

      我们知道在Java中最常用的两种结构是数组和模拟指针(引用)，几乎所有的数据结构都可以利用这两种来组合实现，HashMap也是如此。实际上HashMap是一个“链表散列”，如下是它数据结构：

对上图的自我见解：

1.这里面有个 Hash冲突 的概念 ： 就像上面的一个数组的位置上出现了一条链，即一个链表的出现，这就是所谓的hash冲突，解决hash冲突，就是让链表的长度变短，或者干脆就是不产生链表，一个好的hash算法应该是让数据很好的散列到数组的各个位置，即一个位置存一个数据就是最好的散列，下面说的链地址法， 说的 就是在hashmap里面冲突的时候，一个节点可以存多个数据。

2.还有个 桶：bucket ，就是上面的数组的每一个成员，数组的每个位置就叫一个桶。对应前面的单词。

      从上图我们可以看出HashMap底层实现还是数组，只是数组的每一项都是一条链。其中参数initialCapacity就代表了该数组的长度。下面为HashMap构造函数的源码：

public HashMap( int initialCapacity, float loadFactor) {

// 初始容量不能<0

if (initialCapacity < 0 )

throw new IllegalArgumentException("Illegal initial capacity: "

+ initialCapacity);

// 初始容量不能 > 最大容量值，HashMap的最大容量值为2^30

if (initialCapacity > MAXIMUM_CAPACITY)

initialCapacity = MAXIMUM_CAPACITY;

// 负载因子不能 < 0

if (loadFactor <= 0 || Float.isNaN(loadFactor))

throw new IllegalArgumentException("Illegal load factor: "

+ loadFactor);

// 计算出大于 initialCapacity 的最小的 2 的 n 次方值。

int capacity = 1 ;

while (capacity < initialCapacity)

capacity <<= 1 ;

this .loadFactor = loadFactor;

// 设置HashMap的容量极限，当HashMap的容量达到该极限时就会进行扩容操作

threshold = ( int ) (capacity * loadFactor);

// 初始化table数组

table = new Entry[capacity];

init();

}

      从源码中可以看出，每次新建一个HashMap时，都会初始化一个table数组。table数组的元素为Entry节点。

static class Entry<K,V> implements Map.Entry<K,V> {

final K key;

V value;

Entry <K,V> next;

final int hash;

/**

* Creates new entry.

*/

Entry( int h, K k, V v, Entry<K,V> n) {

value = v;

next = n;

key = k;

hash = h;

}

.......

}

      其中Entry为HashMap的内部类，它包含了键key、值value、下一个节点next，以及hash值，这是非常重要的，正是由于Entry才构成了table数组的项为链表。

注意：里面有个属性next，是个节点类型，根据构造函数传进来的。他对上面说的那个链表的形成很重要。

 

[java]   view plain   copy

1. /**  
2.  * HashMap 添加节点  
3.  *  
4.  * @param hash        当前key生成的hashcode  
5.  * @param key         要添加到 HashMap 的key  
6.  * @param value       要添加到 HashMap 的value  
7.  * @param bucketIndex 桶，也就是这个要添加 HashMap 里的这个数据对应到数组的位置下标  
8.  */   
9. void  addEntry( int  hash, K key, V value,  int  bucketIndex) {  
10.      //size：The number of key-value mappings contained in this map.   
11.      //threshold：The next size value at which to resize (capacity * load factor)   
12.      //数组扩容条件：1.已经存在的key-value mappings的个数大于等于阈值   
13.      //             2.底层数组的bucketIndex坐标处不等于null   
14.      if  ((size >= threshold) && ( null  != table[bucketIndex])) {  
15.         resize( 2  * table.length); //扩容之后，数组长度变了   
16.         hash = ( null  != key) ? hash(key) :  0 ; //为什么要再次计算一下hash值呢？   
17.         bucketIndex = indexFor(hash, table.length); //扩容之后，数组长度变了，在数组的下标跟数组长度有关，得重算。   
18.     }  
19.     createEntry(hash, key, value, bucketIndex);  
20. }  
21.   
22. /**  
23.  * 这地方就是链表出现的地方，有2种情况  
24.  * 1，原来的桶bucketIndex处是没值的，那么就不会有链表出来啦  
25.  * 2，原来这地方有值，那么根据Entry的构造函数，把新传进来的key-value mapping放在数组上，原来的就挂在这个新来的next属性上了  
26.  */   
27. void  createEntry( int  hash, K key, V value,  int  bucketIndex) {  
28.     HashMap.Entry<K, V> e = table[bucketIndex];  
29.     table[bucketIndex] =  new  HashMap.Entry<>(hash, key, value, e);  
30.     size++;  
31. }  

     上面简单分析了HashMap的数据结构，下面将探讨HashMap是如何实现快速存取的。

四、存储实现：put(key,vlaue)

      首先我们先看源码

public V put(K key, V value) {

// 当key为null，调用putForNullKey方法，保存null与table第一个位置中，这是HashMap允许为null的原因

if (key == null )

return putForNullKey(value);

// 计算key的hash值

int hash = hash(key.hashCode()); ------(1 )

// 计算key hash 值在 table 数组中的位置

int i = indexFor(hash, table.length); ------(2 )

// 从i出开始迭代 e,找到 key 保存的位置

for (Entry<K, V> e = table[i]; e != null ; e = e.next) {

Object k;

// 判断该条链上是否有hash值相同的(key相同)

// 若存在相同，则直接覆盖value，返回旧value

if (e.hash == hash && ((k = e.key) == key || key.equals(k))) {

V oldValue = e.value; // 旧值 = 新值

e.value = value;

e.recordAccess( this );

return oldValue; // 返回旧值 }

}

// 修改次数增加1

modCount++ ;

// 将key、value添加至i位置处 addEntry(hash, key, value, i);

return null ;

}

      通过源码我们可以清晰看到HashMap保存数据的过程为：首先判断key是否为null，若为null，则直接调用putForNullKey方法。若不为空则先计算key的hash值，然后根据hash值搜索在table数组中的索引位置，如果table数组在该位置处有元素，则通过比较是否存在相同的key，若存在则覆盖原来key的value，否则将该元素保存在链头（最先保存的元素放在链尾）。若table在该处没有元素，则直接保存。这个过程看似比较简单，其实深有内幕。有如下几点：

      1、 先看迭代处。此处迭代原因就是为了防止存在相同的key值，若发现两个hash值（key）相同时，HashMap的处理方式是用新value替换旧value，这里并没有处理key，这就解释了HashMap中没有两个相同的key。

      2、 在看（1）、（2）处。这里是HashMap的精华所在。首先是hash方法，该方法为一个纯粹的数学计算，就是计算h的hash值。

static int hash( int h) {

h ^= (h >>> 20) ^ (h >>> 12 );

return h ^ (h >>> 7) ^ (h >>> 4 );

}

      我们知道对于HashMap的table而言，数据分布需要均匀（最好每项都只有一个元素，这样就可以直接找到），不能太紧也不能太松，太紧会导致查询速度慢，太松则浪费空间。计算hash值后，怎么才能保证table元素分布均与呢？我们会想到取模，但是由于取模的消耗较大，HashMap是这样处理的：调用indexFor方法。

static int indexFor( int h, int length) {

return h & (length-1 );

}

      HashMap的底层数组长度总是2的n次方，在构造函数中存在：capacity <<= 1;这样做总是能够保证HashMap的底层数组长度为2的n次方。当length为2的n次方时，h&(length - 1)就相当于对length取模，而且速度比直接取模快得多，这是HashMap在速度上的一个优化。至于为什么是2的n次方下面解释。

      我们回到indexFor方法，该方法仅有一条语句：h&(length - 1)，这句话除了上面的取模运算外还有一个非常重要的责任：均匀分布table数据和充分利用空间。

      这里我们假设length为16(2^n)和15，h为5、6、7。

(这里的h表示的根据key算的hash值，这个indexFor方法是要在数组上给当前数据找个落脚点，好存放当前数据。)

      当length= 15时 ，6和7的结果一样，这样表示他们在table存储的位置是相同的，也就是产生了碰撞，6、7就会在一个位置形成链表，这样就会导致查询速度降低。诚然这里只分析三个数字不是很多，那么我们就看0-15。

      从上面的图表中我们看到总共发生了8次碰撞，同时发现浪费的空间非常大，有1、3、5、7、9、11、13、15处没有记录，也就是没有存放数据。这是因为他们在与14进行&运算时，得到的结果最后一位永远都是0，即0001、0011、0101、0111、1001、1011、1101、1111位置处是不可能存储数据的，空间减少，进一步增加碰撞几率，这样就会导致查询速度慢。而当length = 16时 ，length – 1 = 15 即1111，那么进行低位&运算时，值总是与原来hash值相同，而进行高位运算时，其值等于其低位值。

所以说当length = 2^n时，不同的hash值发生碰撞的概率比较小，这样就会使得数据在table数组中分布较均匀，查询速度也较快。

      这里我们再来复习put的流程：当我们想一个HashMap中添加一对key-value时，系统首先会计算key的hash值，然后根据hash值确认在table中存储的位置。若该位置没有元素，则直接插入。否则迭代该处元素链表并依此比较其key的hash值。如果两个hash值相等且key值相等(e.hash == hash && ((k = e.key) == key || key.equals(k))),则用新的Entry的value覆盖原来节点的value。如果两个hash值相等但key值不等 ，则将该节点插入该链表的链头。具体的实现过程见addEntry方法，如下：

void addEntry( int hash, K key, V value, int bucketIndex) {

// 获取bucketIndex处的Entry

Entry<K, V> e = table[bucketIndex];

// 将新创建的 Entry 放入 bucketIndex 索引处，并让新的 Entry 指向原来的 Entry

table[bucketIndex] = new Entry<K, V> (hash, key, value, e);

// 若HashMap中元素的个数超过极限了，则容量扩大两倍

if (size++ >= threshold)

resize( 2 * table.length);

}

      这个方法中有两点需要注意：

      一是链的产生。 这是一个非常优雅的设计。系统总是将新的Entry对象添加到 桶处 即bucketIndex处。如果bucketIndex处已经有了对象( 也就是说table[bucketIndex]这个可以取到对象 )，那么新添加的Entry对象将指向原有的Entry对象( 这个也好理解，再去看看Entry，这个内部类的一个属性，next，就是链表里面的指针不是嘛。 )，形成一条Entry链，但是若bucketIndex处没有Entry对象，也就是 table[bucketIndex],也就是 e==null,那么新添加的Entry对象指向null，也就不会产生Entry链了。 也就没有冲突啦， 我上面又把这个代码补充到那个Entry代码的下面啦。可细看下。

      二、扩容问题。

      随着HashMap中元素的数量越来越多，发生碰撞的概率就越来越大，所产生的链表长度就会越来越长，这样势必会影响HashMap的速度 (为啥呢，原来是直接找到数组的index就可以直接根据key取到值了，但是冲突严重，也就是说链表长，那就得循环链表了，时间就浪费在循环链表上了，也就慢了) ，为了保证HashMap的效率，系统必须要在某个临界点进行扩容处理。该 临界点在当HashMap中元素的数量等于table数组长度*加载因子。但是扩容是一个非常耗时的过程，因为它需要重新计算这些数据在新table数组中的位置并进行复制处理。所以如果我们已经预知HashMap中元素的个数，那么预设元素的个数能够有效的提高HashMap的性能。 这个我也在上面链表产生的过程中写了详细的注释

五、读取实现：get(key)

      相对于HashMap的存而言，取就显得比较简单了。通过key的hash值找到在table数组中的索引处的Entry，然后返回该key对应的value即可。

public V get(Object key) {

// 若为null，调用getForNullKey方法返回相对应的value

if (key == null )

return getForNullKey();

// 根据该 key 的 hashCode 值计算它的 hash 码

int hash = hash(key.hashCode());

// 取出 table 数组中指定索引处的值

for (Entry<K, V> e = table[indexFor(hash, table.length)]; e != null ; e = e.next) {

Object k;

// 若搜索的key与查找的key相同，则返回相对应的value

if (e.hash == hash && ((k = e.key) == key || key.equals(k)))

return e.value;

}

return null ;

}

      在这里能够根据key快速的取到value除了和HashMap的数据结构密不可分外，还和Entry有莫大的关系，在前面就提到过，HashMap在存储过程中并没有将key，value分开来存储，而是当做一个整体key-value来处理的，这个整体就是Entry对象。同时value也只相当于key的附属而已。在存储的过程中，系统根据key的hashcode来决定Entry在table数组中的存储位置，在取的过程中同样根据key的hashcode取出相对应的Entry对象。

简单来说，HashMap由数组+链表组成的，数组是HashMap的主体，链表则是主要为了解决哈希冲突而存在的，如果定位到的数组位置不含链表（当前entry的next指向null）,那么对于查找，添加等操作很快，仅需一次寻址即可；如果定位到的数组包含链表，对于添加操作，其时间复杂度依然为O(1)，因为最新的Entry会插入链表头部，急需要简单改变引用链即可，而对于查找操作来讲，此时就需要遍历链表，然后通过key对象的equals方法逐一比对查找。所以，性能考虑，HashMap中的链表出现越少，性能才会越好。