HashMap是Java当中很常用的数据结构。
众所周知,HashMap是一个用于存储Key-Value键值对的集合,每一个键值对也叫做Entry。这些个键值对(Entry)分散存储在一个数组当中,这个数组就是HashMap的主干。
HashMap数组每一个元素的初始值都是Null。
对于HashMap,我们最常使用的是两个方法:Put( )和Get( )。
1.Put方法的原理
调用Put方法的时候发生了什么呢?
比如调用 hashMap.put("apple", 0) ,插入一个Key为“apple”的元素。这时候我们需要利用一个哈希函数来确定Entry的插入位置(index):
index = Hash(“apple”)
假定最后计算出的index是2,那么结果如下:
但是,因为HashMap的长度是有限的,当插入的Entry越来越多时,再完美的Hash函数也难免会出现index冲突的情况。比如下面这样:
这时候该怎么办呢?我们可以利用链表来解决。
HashMap数组的每一个元素不止是一个Entry对象,也是一个链表的头节点。每一个Entry对象通过Next指针指向它的下一个Entry节点。当新来的Entry映射到冲突的数组位置时,只需要插入到对应的链表即可:
需要注意的是,新来的Entry节点插入链表时,使用的是“头插法”。使用头插法是因为Java认为越往后插入的元素就会被认为有越大的概率以后会被使用。
那么在使用put插入元素的过程插入了一个已经存在的key时,该怎么办呢?
比如插入一个了Key为“apple”的元素之后,又插入了一个Key为“apple”的元素。
put( )方法在存放键值对的时候,首先hash(key)得到key的hashcode(),hashmap根据获得的hashcode找到该元素要往数组中插入的位置index,在找到index之后,再判断key是否已经存在,判断是先比较要插入的key和已经存在的key(可能不止一个)的hashCode,再通过equals( )方法比较key是否相等。
在添加对应的key-value这样的组合时,判断完key是否存在之后,如果判断出在HashMap中原本已经存在对应的key,则直接更新key对应的value值,不存在才添加新的key-value。
那么如果想使用HashMap存放重复的key值,应该怎么办呢?
此时可以重写要存放的元素的HashCode( )和equals( )方法,因为HashMap比较两个Key是否相等就是通过这两个方法比较的,重写了这两个方法也就能实现在HashMap中存放重复值了。不过感觉这样没太大意义。
2.Get方法的原理
使用Get方法根据Key来查找Value的时候,发生了什么呢?
首先会把输入的Key做一次Hash映射,得到对应的index:
index = Hash(“apple”)
由于刚才所说的Hash冲突,同一个位置有可能匹配到多个Entry,这时候就需要顺着对应链表的头节点,一个一个向下来查找。假设我们要查找的Key是“apple”:
第一步,我们查看的是头节点Entry6,Entry6的Key是banana,显然不是我们要找的结果。
第二步,我们查看的是Next节点Entry1,Entry1的Key是apple,正是我们要找的结果。
之所以把Entry6放在头节点,是因为HashMap的发明者认为,后插入的Entry被查找的可能性更大。
这就是HashMap Put( )和Get( )方法的底层实现原理。
我们已经知道HashMap的主干是用数组存储的,那么HashMap默认的数组初始长度是多少呢?为什么这么规定?
HashMap的默认初始长度是16 ,并且每次自动扩展或手动初始化时,长度必须是2的幂。
默认长度之所以选择16,是为了服务于从key映射到数组的index的hash算法。
之前说过,从Key映射到HashMap数组的对应位置,会用到一个Hash函数:
index = Hash(“apple”)
如何实现一个尽量均匀分布的Hash函数呢?我们通过利用Key的HashCode值来做某种运算。
实现Hash函数的一种方法是把key的Hashcode值和HashMap长度做取模运算。
index = HashCode(Key) % Length
虽然取模运算的方式固然简单,但是效率很低,为了实现高效的Hash算法,HashMap的发明者采用了位运算的方式。
如何进行位运算呢?有如下的公式(Length是HashMap的长度):
index = HashCode(Key) & (Length - 1)
下面我们以值为“book”的Key为例来演示整个Hash算法的过程:
1.计算book的hashcode,结果为十进制的3029737,二进制的101110001110101110 1001。
2.假定HashMap长度是默认的16,计算Length-1的结果为十进制的15,二进制的1111。
3.把以上两个结果做与运算,101110001110101110 1001 & 1111 = 1001,十进制是9,所以 index=9。
可以说,Hash算法最终得到的index结果,完全取决于Key的Hashcode值的最后几位。
那这么做有什么好处呢?为什么HashMap长度必须是16或2的幂?
这样做不但效果上等同于取模,而且还大大提高了性能。至于HashMap的长度为什么是16,我们可以试试长度是10会出现什么问题?
假设HashMap的长度是10,重复刚才的运算步骤:
单独看这个结果,表面上并没有问题。我们再来尝试一个新的HashCode 101110001110101110 1011 :
让我们再换一个HashCode 101110001110101110 1111 试试 :
从结果可以看出,虽然HashCode的倒数第二第三位从0变成了1,但是运算的结果都是1001。也就是说,当HashMap长度为10的时候,有些index结果的出现几率会更大,hash冲突的概率也会更大,可能会导致出现HashMap对应的数组中某一个index的链表特别长,而有些index结果永远不会出现(比如0111),不会出现的index里面链表为空的情况!
这样,显然不符合Hash算法均匀分布的原则。
反观长度16或者其他2的幂,Length-1的值是所有二进制位全为1,这种情况下,index的结果等同于HashCode后几位的值。只要输入的HashCode本身分布均匀,Hash算法的结果就是均匀的。