java数据结构-HashMap

一直以来似乎都有一个错觉，认为map跟其他的集合类一样继承自Collection，其实不然，Map和Collection在结构层次上是没有任何关系的，通过查看源码可以发现map所有操作都是基于key-value对，而不是单独的元素。

下面以HashMap为例子，深入对Map的实现机制进行了解，在这个过程中，请打开jdk源码。

Hash算法

HashMap使用Hash算法，所以在解剖HashMap之间，需要先简单的了解Hash算法，Hash算法一般也成为散列算法，通过散列算法将任意的值转化成固定的长度输出，该输出就是散列值，这是一种压缩映射，也就是，散列值的空间远远小于输入的值空间。
简单的说，hash算法的意义在于提供了一种快速存取数据的方法,它用一种算法建立键值与真实值之间的对应关系,(每一个真实值只能有一个键值,但是一个键值可以对应多个真实值),这样可以快速在数组等里面存取数据。

下面我们建立一个HashMap,然后往里面放入12对key-value，这个HashMap的默认数组长度为16，我们的key分别存放在该数组的格子中，每个格子下面存放的元素又是以链表的方式存放元素。

public static void main(String[]args){
Mapmap = new HashMap();
map.put( " What " , " chenyz " );
map.put( " You " , " chenyz " );
map.put( " Don't " , " chenyz " );
map.put( " Know " , " chenyz " );
map.put( " About " , " chenyz " );
map.put( " Geo " , " chenyz " );
map.put( " APIs " , " chenyz " );
map.put( " Can't " , " chenyz " );
map.put( " Hurt " , " chenyz " );
map.put( " you " , " chenyz " );
map.put( " google " , " chenyz " );
map.put( " map " , " chenyz " );
map.put( " hello " , " chenyz " );
}

当我们新添加一个元素时，首先我们通过Hash算法计算出这个元素的Hash值的hashcode，通过这个hashcode的值，我们就可以计算出这个新元素应该存放在这个hash表的哪个格子里面，如果这个格子中已经存在元素，那么就把新的元素加入到已经存在格子元素的链表中。

运行上面的程序，我们对HashMap源码进行一点修改，打印出每个key对象的hash值

What-->hash值：8
You-->hash值：3
Don't-->hash值：7
Know-->hash值：13
About-->hash值：11
Geo-->hash值：12
APIs-->hash值：1
Can't-->hash值：7
Hurt-->hash值：1
you-->hash值：10
google-->hash值：3
map-->hash值：8
hello-->hash值：0

计算出来的Hash值分别代表该key应该存放在Hash表中对应数字的格子中，如果该格子已经有元素存在，那么该key就以链表的方式依次放入格子中

从上表可以看出，Hash表是线性表和链表的综合所得，根据数据结构的定义，可以得出粗劣的结论，Hash算法的存取速度要比数组差一些，但是比起单纯的链表，在查找和存取方面却要好多。

如果要查找一个元素时，同样的方式，通过Hash函数计算出这个元素的Hash值hashcode，然后通过这个hashcode值，直接找到跟这个hash值相对应的线性格子，进如该格子后，对这个格子存放的链表元素逐个进行比较，直到找到对应的hash值。

在简单了解完Hash算法后，我们打开HashMap源码

初始化HashMap

下面我们看看Map map = new HashMap();这段代码究竟做了什么，发生了什么数据结构的变化。

HashMap中几个重要的属性

transient Entry[] table;
用来保存key-value的对象Entry数组，也就是Hash表

transient int size;
返回HashMap的键值对个数

final float loadFactor;
负载因子，用来决定Entry数组是否扩容的因子，HashMap默认是0.75f

int threshold;
重构因子，(capacity * load factor)负载因子与Entry[]数组容积的乘值

public class HashMap < K,V >
extends AbstractMap < K,V >
implements Map < K,V > ,Cloneable,Serializable
{
int threshold;

final float loadFactor;

transient Entry[]table;

static final float DEFAULT_LOAD_FACTOR = 0.75f ;

static final int DEFAULT_INITIAL_CAPACITY = 16 ;

public HashMap( int initialCapacity, float loadFactor){
if (initialCapacity < 0 )
throw new IllegalArgumentException( " Illegalinitialcapacity: " +
initialCapacity);
if (initialCapacity > MAXIMUM_CAPACITY)
initialCapacity = MAXIMUM_CAPACITY;
if (loadFactor <= 0 || Float.isNaN(loadFactor))
throw new IllegalArgumentException( " Illegalloadfactor: " +
loadFactor);

// Findapowerof2>=initialCapacity
int capacity = 1 ;
while (capacity < initialCapacity)
capacity <<= 1 ;

this .loadFactor = loadFactor;
threshold = ( int )(capacity * loadFactor);
table = new Entry[capacity];
init();
}

以public HashMap(int initialCapacity, float loadFactor)构造函数为例，另外两个构造函数实际上也是以同种方式来构建HashMap.

首先是要确定hashMap的初始化的长度，这里使用的策略是循环查出一个大于initialCapacity的2的次方的数，例如initialCapacity的值是10，那么大于10的数是2的4次方，也就是16，capacity的值被赋予了16，那么实际上table数组的长度是16，之所以采用这样的策略来构建Hash表的长度，是因为2的次方运算对于计算机来说是有相当的效率。

loadFactor，被称为负载因子，HashMap的默认负载因子是0.75f

threshold，接下来是重构因子，由负载因子和容量的乘机组成，它表示当HashMap元素被存放了多少个之后，需要对HashMap进行重构。

通过这一系列的计算和定义后，初始化Entry[] table;

put(key,value)

接下来看一对key-value是如何被存放到HashMap中：put(key,value)

public Vput(Kkey,Vvalue){
if (key == null )
return putForNullKey(value);
int hash = hash(key.hashCode());

int i = indexFor(hash,table.length);
System.out.println(key + " -->hash值： " + i); // 这就是刚才程序打印出来的key对应hash值
for (Entry < K,V > e = table[i];e != null ;e = e.next){
Objectk;
if (e.hash == hash && ((k = e.key) == key || key.equals(k))){
VoldValue = e.value;
e.value = value;
e.recordAccess( this );
return oldValue;
}
}

modCount ++ ;
addEntry(hash,key,value,i);
return null ;
}

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

static int indexFor( int h, int length){
return h & (length - 1 );
}

这里是整个hash的关键，请打开源码查看一步一步查看。

hash(key.hashCode()) 计算出key的hash码 //对于hash()的算法，这里有一篇分析很透彻的文章< HashMap hash方法分析 >
indexFor(hash, table.length) 通过一个与算法计算出来，该key应在存放在Hash表的哪个格子中。
for (Entry<K,V> e = table[i]; e != null; e = e.next) 然后再遍历table[i]格中的链表，判断是否已经存在一样的key，如果存在一样的key值，那么就用新的value覆盖旧的value，并把旧的value值返回。
addEntry(hash, key, value, i) 如果经过遍历链表没有发现同样的key，那么进行addEntry函数的操作，增加当前key到hash表中的第i个格子中的链表中

void addEntry( int hash,Kkey,Vvalue, int bucketIndex){
Entry < K,V > e = table[bucketIndex];
table[bucketIndex] = new Entry < K,V > (hash,key,value,e);
if (size ++ >= threshold)
resize( 2 * table.length);
}

Entry<K,V> e = table[bucketIndex]; 创建一个Entry对象来存放键值（ps:Entry对象是一个链表对象）
table[bucketIndex] = new Entry<K,V>(hash, key, value, e); 将Entry对象添加到链表中
if (size++ >= threshold) resize(2 * table.length); 最后将size进行自增，判断size值是否大于重构因子，如果大于那么就是用resize进行扩容重构。

void resize( int newCapacity){
Entry[]oldTable = table;
int oldCapacity = oldTable.length;
if (oldCapacity == MAXIMUM_CAPACITY){
threshold = Integer.MAX_VALUE;
return ;
}

Entry[]newTable = new Entry[newCapacity];
transfer(newTable);
table = newTable;
threshold = ( int )(newCapacity * loadFactor);
}

这里为什么是否需要扩容重构，其实是涉及到负载因子的性能问题

loadFactor负载因子
上面说过loadFactor是一个hashMap的决定性属性，HashSet和HashMap的默认负载因子都是0.75，它表示，如果哈希表的容量超过3/4时，将自动成倍的增加哈希表的容量，这个值是权衡了时间和空间的成本，如果负载因子较高，虽然会减少对内存空间的需求，但也会增加查找数据的时间开销，无论是put()和get()都涉及到对数据进行查找的动作，所以负载因子是不适宜设置过高

get(key)

接下来看看get(key)做了什么

public Vget(Objectkey){
if (key == null )
return getForNullKey();
int hash = hash(key.hashCode());
for (Entry < K,V > e = table[indexFor(hash,table.length)];
e != null ;
e = e.next){
Objectk;
if (e.hash == hash && ((k = e.key) == key || key.equals(k)))
return e.value;
}
return null ;
}

这些动作似乎是跟put(key，value)相识，通过hash算法获取key的hash码，再通过indexFor定位出该key存在于table的哪一个下表，获取该下标然后对下标中的链表进行遍历比对，如果有符合就直接返回该key的value值。

keySet()

这里还涉及另一个问题，上面说了HashMap是跟set没有任何亲属关系，但map也一样实现了keySet接口，下面谱析一下keySet在hashMap中是如何实现的，这里给出部分代码，请结合源码查看

public Knext(){
return nextEntry().getKey();
}

final Entry < K,V > nextEntry(){
if (modCount != expectedModCount)
throw new ConcurrentModificationException();
Entry < K,V > e = next;
if (e == null )
throw new NoSuchElementException();

if ((next = e.next) == null ){
Entry[]t = table;
while (index < t.length && (next = t[index ++ ]) == null )
;
}
current = e;
return e;
}

代码很简单，就是对每个格子里面的链表进行遍历，也正是这个原因，当我们依次将key值put进hashMap中，但在使用map.entrySet().iterator()进行遍历时候却不是put时候的顺序。

扩容
在前面说到put函数的时候，已经提过了扩容的问题

if (size ++ >= threshold)
resize( 2 * table.length);

这里一个是否扩容的判断，当数据达到了threshold所谓的重构因子，而不是HashMap的最大容量，就进行扩容。

void resize( int newCapacity){
Entry[]oldTable = table;
int oldCapacity = oldTable.length;
if (oldCapacity == MAXIMUM_CAPACITY){
threshold = Integer.MAX_VALUE;
return ;
}

Entry[]newTable = new Entry[newCapacity];
transfer(newTable);
table = newTable;
threshold = ( int )(newCapacity * loadFactor);
}

void transfer(Entry[]newTable){
Entry[]src = table;
int newCapacity = newTable.length;
for ( int j = 0 ;j < src.length;j ++ ){
Entry < K,V > e = src[j];
if (e != null ){
src[j] = null ;
do {
Entry < K,V > next = e.next;
int i = indexFor(e.hash,newCapacity);
e.next = newTable[i];
newTable[i] = e;
e = next;
} while (e != null );
}
}
}

transfer方法实际上是将所有的元素重新进行一些hash，这是因为容量变化了，每个元素相对应的hash值也会不一样。

使用HashMap

1.不要再高并发中使用HashMap，HashMap是线程不安全，如果被多个线程共享之后，将可能发生不可预知的问题。
2.如果数据大小事固定的，最好在初始化的时候就给HashMap一个合理的容量值，如果使用new HashMap()默认构造函数，重构因子的值是16*0.75=12，当HashMap的容量超过了12后，就会进行一系列的扩容运算，重建一个原来成倍的数组，并且对原来存在的元素进行重新的hash运算，如果你的数据是有成千上万的，那么你的成千上万的数据也要跟这你的扩容不断的hash，这将产生高额的内存和cpu的大量开销。

当然啦，HashMap的函数还有很多，不过都是基于table的链表进行操作，当然也就是hash算法，Map & hashMap在平时我们的应用非常多，最重要的是我们要对每句代码中每块数据结构变化心中有数。



上面主要是参考了jdk源码，数据结构和一些相关资料本着好记性不如烂博客的精神记录下来，希望朋友们如果发觉哪里不对请指出来，虚心请教