一、HashMap默认加载因子为什么选择0.75
static final float DEFAULT_LOAD_FACTOR = 0.75f;
HashMap有两个参数影响其性能:初始容量和加载因子
。
容量
是哈希表中桶的数量。加载因子
是扩容机制的阈值,当超过了这个阈值,就会触发扩容、rehash操作(即重建内部数据结构)。加载因子
默认是0.75,是时间和空间
成本上的一种折衷。
加载因子
过高,减少了空间开销,提高了空间利用率,但哈希冲突概率增加,查询的成本提高;
加载因子
过低,哈希冲突概率降低,查询的时间成本降低,但是空间利用率变低,同时提高了rehash操作的次数。
HashMap
源码中有一段注释:
* nodes in bins follows a Poisson distribution
* (http://en.wikipedia.org/wiki/Poisson_distribution) with a
* parameter of about 0.5 on average for the default resizing
* threshold of 0.75, although with a large variance because of
* resizing granularity. Ignoring variance, the expected
* occurrences of list size k are (exp(-0.5) * pow(0.5, k) /
* factorial(k)). The first values are:
*
* 0: 0.60653066
* 1: 0.30326533
* 2: 0.07581633
* 3: 0.01263606
* 4: 0.00157952
* 5: 0.00015795
* 6: 0.00001316
* 7: 0.00000094
* 8: 0.00000006
* more: less than 1 in ten million
简单翻译一下就是在理想情况下,使用随机哈希码,节点出现的频率在hash桶中遵循泊松分布,同时给出了桶中元素个数和概率的对照表。
从上面的表中可以看到当桶中元素到达8个的时候,概率已经变得非常小,也就是说用0.75作为加载因子,每个碰撞位置的链表长度超过8个是几乎不可能的。
二、扩容容量为什么是2的指数幂
- 性能快,位运算比取模要快很多,因此HashMap使用位运算来确认元素在数组中的槽位,
tab[(n - 1) & hash]
,容量为2的指数幂能确保,容量的长度-1的二进制位都是1。 - 减少扩容时数据迁移的元素,每次扩容时,只有扩容后的容量&hash的最高位为1时的元素才需要迁移。
- 减少哈冲突,确保
tab[(n - 1) & hash]
运算后落在每个槽位的概率一样。
三、扩容时机
当HashMap
的键值对KV数量大于扩容阈值threshold
(threshold = capacity * loadFactor
)或table[]
数组未初始化时,会进行扩容操作。
resize()
方法分析
分三步
- 计算新的容量值
newCap
和扩容阈值newThr
。 - 实例化新的
table[]
数组并初始化大小为新的容量大小newCap
。 - 数据迁移,元素迁移后对应的数组下标变化原理:扩容之后,由于新容量
capacity
为旧容量oldCap
的2倍,且它们都为2的整数幂,对于该链表上的元素,如果(hash & oldCap) = 0,则新的槽位(hash%(capacity-1)) = 旧的槽位(hash%(oldCap-1)),即新旧的槽位不变。
final Node<K,V>[] resize() {
Node<K,V>[] oldTab = table;
int oldCap = (oldTab == null) ? 0 : oldTab.length;
int oldThr = threshold;
int newCap, newThr = 0;
// 1. 计算新的容量值newCap和扩容阈值newThr
// 如果table已经初始化
if (oldCap > 0) {
// 如果扩容之前的容量已经达到了最大值,则只把扩容阈值threshold赋值成Integer.MAX_VALUE,即不限制键值对的数量,之后不管插入多少元素也不触发resize
if (oldCap >= MAXIMUM_CAPACITY) {
threshold = Integer.MAX_VALUE;
return oldTab;
} // 设置新的容量为原来的2倍
else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&
oldCap >= DEFAULT_INITIAL_CAPACITY)
newThr = oldThr << 1; // 新的扩容阈值是原来的两倍
}
else if (oldThr > 0) // table未初始化时,新的容量初始化为旧的扩容阈值。
newCap = oldThr;
else { // table为初始化时,新的容量初始化为默认值。
newCap = DEFAULT_INITIAL_CAPACITY;
newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);
}
// 赋值新的扩容阈值 = 新的容量 * 装载因子
if (newThr == 0) {
float ft = (float)newCap * loadFactor;
newThr = (newCap < MAXIMUM_CAPACITY && ft < (float)MAXIMUM_CAPACITY ?
(int)ft : Integer.MAX_VALUE);
}
threshold = newThr; // 扩容阈值
// 2. 实例化新的table[]数组并初始化大小为新的容量大小newCap
@SuppressWarnings({"rawtypes","unchecked"})
Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap];
table = newTab; // table数组
// 3. 开始元素迁移
if (oldTab != null) {
// 遍历旧的table[]数组,即遍历桶/箱子
for (int j = 0; j < oldCap; ++j) {
Node<K,V> e;
if ((e = oldTab[j]) != null) {
oldTab[j] = null;
// 3.1 当前桶没有下一节点,即只有一个元素,可以知道该元素对应新的table[]数组的下标即(capacity - 1) & hash,当前桶的元素迁移后要么在原位置上,要么在原位置加上oldCap的位置上,所以新的数组下标不会有元素数据
if (e.next == null)
newTab[e.hash & (newCap - 1)] = e;
// 3.2 红黑树元素迁移数据逻辑
else if (e instanceof TreeNode)
((TreeNode<K,V>)e).split(this, newTab, j, oldCap);
// 3.3 链表元素迁移逻辑
else { // 迁移到两个链表中
Node<K,V> loHead = null, loTail = null;
Node<K,V> hiHead = null, hiTail = null;
Node<K,V> next;
do {
next = e.next;
if ((e.hash & oldCap) == 0) {
if (loTail == null)
loHead = e;
else
loTail.next = e;
loTail = e;
}
else {
if (hiTail == null)
hiHead = e;
else
hiTail.next = e;
hiTail = e;
}
} while ((e = next) != null);
if (loTail != null) {
loTail.next = null;
newTab[j] = loHead;
}
if (hiTail != null) {
hiTail.next = null;
newTab[j + oldCap] = hiHead;
}
}
}
}
}
return newTab;
}
红黑树的数据迁移逻辑((TreeNode<K,V>)e).split(this, newTab, j, oldCap);
如果当前桶是红黑树,则扩容后的桶的元素数量小于UNTREEIFY_THRESHOLD
才会转化为单向链表,否则转换为红黑树。
final void split(HashMap<K,V> map, Node<K,V>[] tab, int index, int bit) {
TreeNode<K,V> b = this;
// 将旧元素重新放到两个红黑树中,loHead中的元素迁移到原槽位,hiHead中的元素迁移到新的槽位。
TreeNode<K,V> loHead = null, loTail = null;
TreeNode<K,V> hiHead = null, hiTail = null;
int lc = 0, hc = 0;
for (TreeNode<K,V> e = b, next; e != null; e = next) {
next = (TreeNode<K,V>)e.next;
e.next = null;
if ((e.hash & bit) == 0) {
if ((e.prev = loTail) == null)
loHead = e;
else
loTail.next = e;
loTail = e;
++lc;
}
else {
if ((e.prev = hiTail) == null)
hiHead = e;
else
hiTail.next = e;
hiTail = e;
++hc;
}
}
// 根据阈值判断转换单向链表或者红黑树
if (loHead != null) {
if (lc <= UNTREEIFY_THRESHOLD)
tab[index] = loHead.untreeify(map); // 转化为单向链表
else {
tab[index] = loHead;
if (hiHead != null) // (else is already treeified)
// 转换为红黑树,遍历元素,并插入到二叉查找树中,通过变色、左旋、右旋等使二叉树满足红黑树。
loHead.treeify(tab);
}
}
if (hiHead != null) {
if (hc <= UNTREEIFY_THRESHOLD)
tab[index + bit] = hiHead.untreeify(map);
else {
tab[index + bit] = hiHead;
if (loHead != null)
hiHead.treeify(tab);
}
}
}