HashMap原理

java HashMap 详解

了解HashMap之前，先来了解下hash算法

Hash算法

  按我的理解，hash算法相当于对一个值进行某种运算，可以生成一个与这个值对应的“唯一”标识，这个生成的过程是可预估时间的，但是逆向这个过程较为困难，且很难找到不同值生成的两个标识相同，这个过程就叫做hash算法。

  例如，有一万个文件，你想确认一个文件在不在一万个文件里，一一比对每个文件内容速度会很慢，如果对每个文件根据内容都生成一个唯一标识，那么只要比对这个标识是否重复就可以判断出来了。

  hash算法在HashMap中的主要应用就是针对key生成一个唯一值，尽可能的让键值对分配到不同的桶中

HashMap 是什么

HashMap 是基于哈希表的 Map 接口的非同步实现。此实现提供所有可选的映射操作，并允许使用 null 值和 null 键。此类不保证映射的顺序，特别是它不保证该顺序恒久不变。

HashMap 是非线程安全的。

HashMap 是数组和链表的结合体，发生碰撞时，在该位置加一个链表。数据结构如下：

通过查看HashMap源码，在构造函数中，会创建一个Entry数组，Entry结构如下：

static class Entry<K,V> implements Map.Entry<K,V> {
    final K key;
    V value;
    Entry<K,V> next;
    final int hash;
    ……
}

Entry 是一个 static class，其中包含了 key 和 value，也就是键值对，另外还包含了一个 next 的 Entry 指针。我们可以总结出：Entry 就是数组中的元素，每个 Entry 其实就是一个 key-value 对，它持有一个指向下一个元素的引用，这就构成了链表。

 

HashMap 的存储机制

当系统决定存储 HashMap 中的 key-value 对时，完全没有考虑 Entry 中的 value，仅仅只是根据 key 来计算并决定每个 Entry 的存储位置。我们完全可以把 Map 集合中的 value 当成 key 的附属，当系统决定了 key 的存储位置之后，value 随之保存在那里即可。

hash(int h)方法根据 key 的 hashCode 重新计算一次散列。此算法加入了高位计算，防止低位不变，高位变化时，造成的 hash 冲突。

根据计算出的hash值分别存入不同的桶中，如果计算出的hash值相同，意味着发生碰撞，当我们往 HashMap 中 put 元素的时候，先根据 key 的 hashCode 重新计算 hash 值，根据 hash 值得到这个元素在数组中的位置（即下标），如果数组该位置上已经存放有其他元素了，那么在这个位置上的元素将以链表的形式存放，新加入的放在链头，最先加入的放在链尾。如果数组该位置上没有元素，就直接将该元素放到此数组中的该位置上。

举个例子，有两个桶，一个装的是水果，一个装的是蔬菜，你要找到特定的水果或者蔬菜，要先找到对应的桶，再去桶里逐个寻找你要的水果或者蔬菜，但是分类更细的话，每种水果和每种蔬菜都各占一个桶，你只要找对应的桶就可以找到你要的，是一种拿空间换时间的做法。至于多少个桶，没有固定的要求。

HashMap的长度为什么是2的n次方

有两点原因

1. 通过查看源码，计算某个键值对应该保存的位置的时候时，使用的indexFor方法代码如下：

/**
     * Returns index for hash code h.
     */
static int indexFor(int h, int length) {  
    return h & (length-1);
}

使用的  & 即按位与运算

假设数组长度分别为 15 和 16，优化后的 hash 码分别为 8 和 9，那么 & 运算后的结果如下：

h & (table.length-1)	hash		table.length-1
8 & (15-1)：	0100	&	1110	= 0100
9 & (15-1)：	0101	&	1110	= 0100
8 & (16-1)：	0100	&	1111	= 0100
9 & (16-1)：	0101	&	1111	= 0101

2n-1 得到的二进制数的每个位上的值都为 1，这使得在低位上&时，得到的和原 hash 的低位相同，加之 hash(int h)方法对 key 的 hashCode 的进一步优化，加入了高位计算，就使得只有相同的 hash 值的两个值才会被放到数组中的同一个位置上形成链表。而15的后一位为0，导致数组空间浪费，而且增加碰撞几率，使得查询效率变低。

所以说当数组长度为2的次幂的时候，不同的key hash运算得到的结果相同的几率很小，使得数组分布较为均匀，碰撞的概率也变小了，从而查询的时候无需遍历数组某个位置的链表，提升查询效率。

2.长度为2的n次幂，可以使用效率较高的位移运算符 ">>"

HashMap 的性能参数

当HashMap中的数据越来越多时，发生碰撞的概率也越来越搞，这个时候会对数据进行扩容，默认长度为16，负载因子为0.75，也就是数据数目达到两者乘积也就是16*0.75=12时，数组会扩容为原来的两倍，2*16=32。这个扩容操作叫做rehash，因为要对原先所有数据重新计算位置，再放入扩容后的数组中，所以如果可以确定数组长度的话，提前设置好长度，可以减少性能消耗。

HashMap 包含如下几个构造器：

• HashMap()：构建一个初始容量为 16，负载因子为 0.75 的 HashMap。
• HashMap(int initialCapacity)：构建一个初始容量为 initialCapacity，负载因子为 0.75 的 HashMap。
• HashMap(int initialCapacity, float loadFactor)：以指定初始容量、指定的负载因子创建一个 HashMap。

HashMap 的基础构造器 HashMap(int initialCapacity, float loadFactor) 带有两个参数，它们是初始容量 initialCapacity 和负载因子 loadFactor。

负载因子 loadFactor 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。

HashMap 的实现中，通过 threshold 字段来判断 HashMap 的最大容量：

        threshold = (int)(capacity * loadFactor);

结合负载因子的定义公式可知，threshold 就是在此 loadFactor 和 capacity 对应下允许的最大元素数目，超过这个数目就重新 resize，以降低实际的负载因子。默认的的负载因子 0.75 是对空间和时间效率的一个平衡选择。当容量超出此最大容量时， resize 后的 HashMap 容量是容量的两倍：

HashMap是否是线程安全的

HashMap是非线程安全的，当对其进行遍历的时候，如果其他线程修改了map，那么会报ConcurrentModificationException，这个是通过modCount 域实现的，类似计数器，迭代器初始化的时候会得到这个值，每次迭代去比较值是否发生了变化，如果有变化，则抛出异常，这个机制叫fail-fast 机制，是一种错误检测机制。它只能被用来检测错误，因为 JDK 并不保证 fail-fast 机制一定会发生。若在多线程环境下使用 fail-fast 机制的集合，建议使用“java.util.concurrent 包下的类”去取代“java.util 包下的类”。

ConcurrentHashMap

 

本篇内容主要参考该文章

http://wiki.jikexueyuan.com/project/java-collection/hashmap.html 

针对性的对部分内容举例说明