数据结构 之 HashMap

HashMap数据结构

JDK1.8版本的，内部使用数组 + 链表 或 红黑树

HashMap的数据插入原理

1. 判断数组是否为空，为空进行初始化;

2. 不为空 ,计算 key 的 hash 值 , 通过 (n - 1) & hash 计算应当存放在数组中的下标 index;

3. 查看 table[index]是否存在数据,没有数据就构造一个Node节点存放在 table[index] 中；

4. 存在数据，说明发生了hash冲突 ( 存在俩个节点key 的 hash值一样 )

• 继续判断key是否相等，相等，用新的value替换原数据 (onlyIfAbsent为false)；

5. 如果不相等，判断当前节点类型是不是树型节点

• 如果是树型节点，创造树型节点插入红黑树中；

• (如果当前节点是树型节点证明当前已经是红黑树了)

6. 如果不是树型节点，创建普通Node加入链表中；

• 判断链表长度是否大于 8并且数组长度大于64，大于的话链表转换为红黑树；

7. 插入完成之后判断当前节点数是否大于阈值，如果大于开始扩容为原数组的二倍。

HashMap是如何设定初始容量大小？

一般如果 new HashMap() 不传值，默认大小是16，负载因子是0.75， 如果自己传入初始大小 n ，初始化大小为 大于 n 的 2的整数次方

例如传入10，大小为16。( 10 为 2的3次方 +2 ，那么 就应该设为 2的4次方 ==> 16)

具体代码如下：

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;
}

算法就是让初始二进制右移1，2，4，8，16位，分别与自己位或

把高位第一个为1的数通过不断右移，把高位为1的后面全变为1，最后再进行+1操作

1111 +1 = 10000 = 16

HashMap的哈希函数设计

hash函数是先拿到 key 的hashcode，是一个32位的int值，然后让hashcode的高16位和低16位进行异或操作。

这样子设计的原因：

• 1. 一定要尽可能降低hash碰撞，越分散越好；

• 2. 算法一定要尽可能高效，因为这是高频操作, 因此采用位运算；

为什么采用hashcode的高16位和低16位异或能降低hash碰撞？hash函数能不能直接用key的hashcode？

因为key.hashCode()函数调用的是key键值类型自带的哈希函数，返回int型散列值。int值范围
为-2147483648~2147483647，前后加起来大概40亿的映射空间。只要哈希函数映射得比较均匀松
散，一般应用是很难出现碰撞的。但问题是一个40亿长度的数组，内存是放不下的。你想，如果
HashMap数组的初始大小才16，用之前需要对数组的长度取模运算，得到的余数才能用来访问数组下
标。

源码中模运算就是把散列值和数组长度-1做一个"与"操作，位运算比取余%运算要快。

bucketIndex = indexFor(hash, table.length);
	static int indexFor(int h, int length) {
		return h & (length-1);
}

这也正好解释了为什么HashMap的数组长度要取2的整数幂。因为这样（数组长度-1）正好相当于一个“低位掩码”。
“与”操作的结果就是散列值的高位全部归零，只保留低位值，用来做数组下标访问。以初始长度16为例，16-1=15。
2进制表示是00000000 00000000 00001111。和某散列值做“与”操作如下，结果就是截取了最低的四位值。

	10100101 11000100 00100101
& 	00000000 00000000 00001111
----------------------------------
	00000000 00000000 00000101 //高位全部归零，只保留末四位

但这时候问题就来了，这样就算我的散列值分布再松散，要是只取最后几位的话，碰撞也会很严重。

更要命的是如果散列本身做得不好，分布上成等差数列的漏洞，如果正好让最后几个低位呈现规律性重复。

此时“扰动函数”的价值就体现出来了

右移16位，正好是32bit的一半，自己的高半区和低半区做异或，就是为了混合原始哈希码的高位和低位，以此来加大低位的随机性。而且混合后的低位掺杂了高位的部分特征，这样高位的信息也被变相保留下来。

对比一下Java1.8 版本 和 Java1.7 版本

1.7的hash代码：

static int hash(int h) {
	h ^= (h >>> 20) ^ (h >>> 12);
	return h ^ (h >>> 7) ^ (h >>> 4);
}

Java1.7时 做了四次移位和四次异或，但明显Java 8觉得扰动做一次就够了，做4次的话，多了可能边际效用也不大，所谓为了效率考虑就改成一次了。

对比一下Java1.8 版本 和 Java1.7 版本 总的有哪些优化？

1. 数组+链表改成了数组+链表或红黑树；

2. 链表的插入方式从头插法改成了尾插法，简单说就是插入时，如果数组位置上已经有元素

• 1.7将新元素放到数组中，原始节点作为新节点的后继节点

• 1.8遍历链表，将元素放置到链表的最后；

3. 扩容的时候1.7需要对原数组中的元素进行重新hash定位在新数组的位置，1.8采用更简单的判断逻辑，位置不变或索引+旧容量大小；

4. 在插入时，1.7先判断是否需要扩容，再插入，1.8先进行插入，插入完成再判断是否需要扩容；

优化目的：

1. 防止发生hash冲突，链表长度过长，将时间复杂度由 O(n) 降为 O(logn) ;

2. 因为1.7头插法扩容时，头插法会使链表发生反转，多线程环境下会产生环；

• A线程在插入节点B，B线程也在插入，遇到容量不够开始扩容，重新hash，放置元素，采用头插法，后遍历到的B节点放入了头部，这样形成了环，如下图所示：

• 1.7的扩容调用transfer代码

void transfer(Entry[] newTable, boolean rehash) {
	int newCapacity = newTable.length;
	for (Entry<K,V> e : table) {
		while(null != e) {
			Entry<K,V> next = e.next;
			if (rehash) {
				e.hash = null == e.key ? 0 : hash(e.key);
			}
			int i = indexFor(e.hash, newCapacity);
			e.next = newTable[i]; //A线程如果执行到这一行挂起，B线程开始进行扩容
			newTable[i] = e;
			e = next;
		}
	}
}

问题： 扩容的时候为什么1.8 不用重新hash就可以直接定位原节点在新数据的位置呢?

这是由于扩容是扩大为原数组大小的2倍，用于计算数组位置的掩码仅仅只是高位多了一个1，怎么理解呢？

扩容前长度为16，用于计算(n-1) & hash 的二进制n-1为0000 1111，扩容为32后的二进制就高位多了1，为0001 1111。

因为是& 运算，1和任何数 & 都是它本身，那就分二种情况，如下图：原数据hashcode高位第4位为0和高位为1的情况；

第四位高位为0，重新hash数值不变，第四位为1，重新hash数值比原来大16（旧数组的容量）

HashMap是线程安全的吗？

不是，在多线程环境下，1.7 会产生死循环、数据丢失、数据覆盖的问题。1.8 中会有数据覆盖的问题，

以1.8为例，当A线程判断index位置为空后正好挂起，B线程开始往index位置的写入节点数据，这时A线程恢复现场，执行赋值操作，就把A线程的数据给覆盖了；还有++size这个地方也会造成多线程同时扩容等问题。

    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) //多线程执行到这里
            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)// 多个线程走到这，可能重复resize()
            resize();
        afterNodeInsertion(evict);
        return null;
    }

怎么解决这个线程不安全的问题？

• Java中有HashTable、Collections.synchronizedMap、以及ConcurrentHashMap可以实现线程安全的Map。

• HashTable是直接在操作方法上加synchronized关键字，锁住整个数组，粒度比较大.

• Collections.synchronizedMap是使用Collections集合工具的内部类，通过传入Map封装出一个SynchronizedMap对象，内部定义了一个对象锁，方法内通过对象锁实现；

• ConcurrentHashMap使用分段锁，降低了锁粒度，让并发度大大提高。