Java集合之HashMap

概要

HashMap是编程和面试中常见的数据类型。

---

1.HaspMap概述

HashMap是基于散列表（哈希表）的Map接口的实现，继承自AbstractMap（AbstractMap中实现了Map的许多核心功能，以减少实现Map接口的工作量）。其定义如下：

public class HashMap<K,V>
    extends AbstractMap<K,V>
    implements Map<K,V>, Cloneable, Serializable

####什么是散列表（哈希表）？

散列表是通过关键码值（key value）直接访问的数据结构，它把关键码值映射到表中的一个位置来访问记录，以加快查找的速度。这个映射函数叫散列函数，存放记录的表则成为散列表。常见的哈希函数有直接定址法、除留余数法 、数字分析法、平方取中法等。

####哈希冲突

当我们选用哈希函数计算哈希值时，有可能不同的key会得到相同的结果，即k1≠k2，但f(k1)=f(k2)，这种情况称为哈希冲突（哈希碰撞）。通过构造性能良好的哈希函数，可以减少冲突，但一般不可能完全避免冲突，当发生哈希冲突时，通常有两种方法解决冲突：

1. 链表法：将所有关键字为同义词的结点链接在同一个单链表中。

2. 开放定址法：当冲突发生时，使用某种探查(亦称探测)技术在散列表中寻找下一个空的散列地址，只要散列表足够大，空的散列地址总能找到。

HashMap就是通过链表法构造哈希表，其底层存储结构为二维链表，即链表的数组，在数据结构中又称为“链表散列”。

上图中左边的数组即为哈希表的主干，数组中存放的是链表的头节点（Entry）。在JDK 8 后又增加了红黑树，当链表长度大于8时将链表转化为红黑树。

####HashMap扩容

1.什么时候扩容？

HashMap的容量（capacity，即数组的长度）默认为16，加载因子（loadFactory）默认为0.75，阈值（threshold）默认为 capacity * loadFactory = 12，当向容器添加元素的时候，如果容器中当前元素个数大于等于阈值，并且当前key会发生哈希冲突时，则会自动扩容，容量翻倍。

    // 增加元素
    void addEntry(int hash, K key, V value, int bucketIndex) {
        if ((size >= threshold) && (null != table[bucketIndex])) {
            resize(2 * table.length);  // 容量翻倍
            hash = (null != key) ? hash(key) : 0;
            bucketIndex = indexFor(hash, table.length);
        }

        createEntry(hash, key, value, bucketIndex);
    }

    // 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, initHashSeedAsNeeded(newCapacity));
        table = newTable;
        threshold = (int)Math.min(newCapacity * loadFactor, MAXIMUM_CAPACITY + 1);
    }

    // 根据hash值计算数组下标
    static int indexFor(int h, int length) {
        // assert Integer.bitCount(length) == 1 : "length must be a non-zero power of 2";
        return h & (length-1);
    }

这里扩容后的容量之所以翻倍，是因为HashMap的容量需要为2的n次幂，这是为什么呢？

---

观察上述的indexFor方法，我们发现，计算key的hash值对应的数组下标方法，不是常见的取余运算（h%length），而是使用了位运算。
假设当前table的length是13，二进制表示为1101（由于前二十八位均为0，这里的运算都只考虑后四位），那么length-1二进制表示为1100，此时有三个hash值分别为1、2、3的key需要计算索引值：

1的二进制为：0001
1 & (length-1) = 0001 & 1100 = 0000;
2的二进制为：0010
2 & (length-1) = 0010 & 1100 = 0000;
3的二进制为：0011
3 & (length-1) = 0011 & 1100 = 0000;

可见，它们的索引值都为0，这时就会发生哈希冲突（哈希碰撞）。更为严重的情况是，无论我们的key在哈希运算后得到的hash值是多少，在&运算后，得到的结果中最后两位总是为0！也就是说，只要数组下标x的二进制最后两位中有一个1（0001、0010、0011、0101、0110、0111、1001、1010、1011），那么这个下标x所代表的桶将一直是空的（因为计算出的下标后两位不可能为1）。这会造成严重的空间浪费，数组可以使用的位置比数组长度小了很多，极大得加了哈希碰撞的概率，这无疑会造成HashMap效率的降低。

那么，如何避免这种情况的发生呢？

---

为保证数据在数组上分布均匀，就必须要求indexFor()方法返回的索引二进制任何一位都不能始终为0，那么，length-1的二进制任何一位也不能为0，即lengh-1的二进制表示全部为1（有点像子网掩码255.255.255.0？），length=2^n。只有当数组长度为2的n次方时，才能保证所有的哈希桶均有被使用的可能，才能有效得减少哈希碰撞的发生。

问：已知HashMap需要存储的元素数量为100，那么在使用默认加载因子的情况下，初始容量为多少合适？

答：设初始容量为x，为了避免扩容，则 x * 0.75 > 100，x取整为 134，同时，x需为2的n次幂，因此，初始容量为256时最合适。

2.为什么要扩容？

HashMap扩容过程中会根据newCapacity重新计算在Entry数组中原先存在的entry的新的散列位置，因此，扩容的成本并不低，需要遍历时间复杂度为O(n)的数组，并且为其中的每个entry进行hash计算。

既然扩容的成本这么大，那么为什么还要扩容？

---

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。因此，为保证HashMap O(1)的查找复杂度，必须扩容。

在实际使用中，若已知需要存储元素的数量x，则应该合理使用HashMap的构造方法创建适合大小（初始化大小为2^n，并且不小于x）的HashMap，使得在不浪费内存的情况下， 尽量减少扩容。

2.HaspMap与HashTable

####底层实现
HashMap和HashTable都使用哈希表来存储键值对，其底层实现基本一致，不同的是，HashMap计算下标时使用&运算，而HashTable使用取余预算。

####初始化
HashTable默认的初始大小为11，之后每次扩充为原来的2n+1。HashMap默认的初始化大小为16，之后每次扩充为原来的2倍。如果在创建时给定了初始化大小，那么HashTable会直接使用你给定的大小，而HashMap会将其扩充为2的幂次方大小。

####线程安全
HashTable是同步的，HashMap不是，也就是说HashTable在多线程使用的情况下，不需要做额外的同步，而HashMap则不行。

####null key / null value
HashMap是支持null键和null值的，而HashTable在遇到null时，会抛出NullPointerException异常。这是因为HashMap在实现时对null做了特殊处理，将null的hashCode值定为了0。