Hashmap详解
hashmap是日常非常常用的数据结构,也是互联网公司面试常常出现的面试题考点,下面对hashmap做一个简单的总结。
一、 前言
Hashmap是java.util.Map接口下的一个类,此接口主要有linkedHashMap、TreeMap、HashTable类。对于LinkedHashMap,,主要作用就是保存了插入时的顺序,当使用iteratorb遍历的时候,遍历的结果就是插入时的结果。TreeMap主要用作给Key排序,底层使用红黑树数据结构实现,想要实现排序需要key实现Comparable接口或者在TreeMap的构造函数中传入比较器Comparator。HashTable是历史遗留类,现在使用较少。
重点是HashMap.首先明确HashMap的几个参数:
static final int DEFAULT_INITIAL_CAPACITY = 1 << 4;// 默认初始容量16
static final float DEFAULT_LOAD_FACTOR = 0.75f;// 加载因子
transient int size;//HashMap中实际存放的键值对的个数
int threshold;// 扩容阈值
这里的thread就是HashMap中实际最多放几个键值对,当超过threshold之后就会发生扩容,扩大为之前的两倍。Threshold=length×loadfactor,其中length和loadfactor可以自己在构造函数中定义。一般扩容会影响性能,所以我们要是预先知道在hashmap中存放的元素数量,最好是指定初始容量,以免频繁发生扩容。对于加载因子而言,一般不需要改动,因为改的太大,可能会因为频繁的hash碰撞引起性能损失,改的太小 又可能浪费存储空间。
HashMap底层使用的数据结构因为JDK版本而有所不同。对于1.7版本,是Entry对象形成的数组static class Entry<K,V> implements Map.Entry<K,V>。对于1.8版本,是static class Node<K,V>implements Map.Entry<K,V>形成的数组,二者都实现了Map.Entry<K,V>接口。1.8新加了红黑树的数据结构,具体应用之后再说。
HashMap是使用hash表存储数据的,使用hash就不可避免的出现hash冲突。Hash冲突主要受到两方面的影响:一是桶的大小,如果桶的数量非常大,那么两个键装在同一个桶中的概率就比较低。二是hash函数的好坏,如果hash函数不够好,那么最极端的是每次hash之后总是放在同一个桶中,结果是很差的性能。使用hash解决的问题主要是如何实将键很好的实现均匀散列,如何适当的扩容。下面详细总结HashMap如何hash以及存放数据和扩容。
二、 如何hash到数组
一般我们通常使用的hash就是取模运算,比如直接使用key.hashcode%length.但是取模预算消耗比较大,hashmap中使用了一种比较巧妙的方法。取余数需要注意一点就是hashcode的每一位都参与到了bucket的映射。比如Hashcode=0111 1111 1111 0001,任何一位改变,都会引起最终分配到哪一个桶。Hashmap使用的方法也是需要考虑到这一点。
比如在1.8中hash函数源码是
static final int hash(Object key) {
int h;
return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}
我们发现hashcode的低16位和高16位都参与到运算,只要有一个bit变化,都影响到了最后分到哪一个bucket。
对于jdk1.7中hash函数:
final int hash(Object k) {
int h = hashSeed;// 默认是0
if (0 != h &&k instanceof String) {
returnsun.misc.Hashing.stringHash32((String) k);
}
h ^= k.hashCode();
h ^= (h >>>20) ^ (h >>> 12);
return h ^ (h>>> 7) ^ (h >>> 4);
}也是同样的目的。具体原理参考http://www.iteye.com/topic/709945。
这就是为什么不直接使用hashcode&(length-1),因为直接这样做,hashcode的高位就算有一个bit变化,也不影响分桶位置。hash&(length-1)中需要注意一点就是length (hashmap内数组容量)的大小必须是2的幂。因为length是2^n,则保证了length是偶数,length-1就是奇数,这样hash&(length-1)分桶时所有的桶都能被映射到。如果length是奇数,length-1是偶数,length-1最后的bit就是0.那么hash&(length-1)的结果的最后bit总是0,相当于一半的桶被浪费,永远不会装key.
小结:为了不使用取模运算,hashmap使用了如下替代方法:首先对key的hashcode进行hash,确保所有的bit参与运算。再对这个结果hash&(length-1),目的是找到bucket。之所以不直接使用hashcode&(length-1)是因为hashcode高位即使不同,也总是映射到相同的桶中,增加了hash碰撞的概率。
三、 如何put操作
知道了上边的知识,put操作就比价好理解了。
Jdk1.7源码
// 将“key-value”添加到HashMap中
public V put(K key, V value) {
// 若“key为null”,则将该键值对添加到table[0]中。
if (key == null)
return putForNullKey(value);
// 若“key不为null”,则重新计算该key的哈希值,然后将其添加到该哈希值对应的链表中。
int hash = hash(key.hashCode());
int i = indexFor(hash, table.length);
for (Entry<K, V> e = table[i];e != null; e = e.next) {
Object k;
// 若“该key”对应的键值对已经存在,则用新的value取代旧的value。然后退出!
if (e.hash == hash &&((k = e.key) == key || key.equals(k))) {
V oldValue = e.value;
e.value = value;
e.recordAccess(this);
return oldValue;
}
}
// 若“该key”对应的键值对不存在,则将“key-value”添加到table中
modCount++;
// 将key-value添加到table[i]处
addEntry(hash, key, value, i);
return null;
}
Jdk1.8源码如下
1 public V put(K key, V value) {
2 //对key的hashCode()做hash
3 return putVal(hash(key), key, value, false, true);
4 }
5
6final V putVal(int hash, K key, V value, boolean onlyIfAbsent,
7 boolean evict) {
8 Node<K,V>[] tab; Node<K,V> p; int n, i;
9 //步骤①:tab为空则创建
10 if ((tab = table) == null || (n = tab.length) == 0)
11 n = (tab = resize()).length;
12 // 步骤②:计算index,并对null做处理
13 if ((p = tab[i = (n - 1) & hash]) == null)
14 tab[i] = newNode(hash, key, value, null);
15 else {
16 Node<K,V> e; K k;
17 // 步骤③:节点key存在,直接覆盖value
18 if (p.hash == hash &&
19 ((k = p.key) == key || (key !=null && key.equals(k))))
20 e = p;
21 // 步骤④:判断该链为红黑树
22 else if (p instanceof TreeNode)
23 e =((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
24 // 步骤⑤:该链为链表
25 else {
26 for (int binCount = 0; ;++binCount) {
27 if ((e = p.next) == null) {
28 p.next = newNode(hash,key,value,null);
//链表长度大于8转换为红黑树进行处理
29 if (binCount >= TREEIFY_THRESHOLD -1) // -1 for 1st
30 treeifyBin(tab, hash);
31 break;
32 }
// key已经存在直接覆盖value
33 if (e.hash == hash &&
34 ((k = e.key) == key|| (key != null && key.equals(k)))) break;
36 p = e;
37 }
38 }
39
40 if (e != null) { // existing mapping for key
41 V oldValue = e.value;
42 if (!onlyIfAbsent || oldValue ==null)
43 e.value = value;
44 afterNodeAccess(e);
45 return oldValue;
46 }
47 }
48 ++modCount;
49 // 步骤⑥:超过最大容量 就扩容
50 if (++size > threshold)
51 resize();
52 afterNodeInsertion(evict);
53 return null;
54 }
这里注意的1.7与1.8引入红黑树的区别。1.7中,当出现频繁的碰撞,总是形成链表,这样在最坏的情况下,遍历链表时间复杂度是O(n).但是1.8中在链表超过8以后就将链表转换为红黑树,在极端情况下,访问节点的时间复杂度是O(logn)。
四、 如何扩容
前面已经讲到:影响HashMap除了hash函数的好坏之外,还有容量。虽然hash函数足够好,但是容量太小还是频繁碰撞。下面总结下扩容机制。
1.8引入了红黑树,源码比较复杂,但是本质上和1.7差别不大。所以以下使用1.7的源码来说明
1 voidresize(int newCapacity) { //传入新的容量
2 Entry[] oldTable = table; //引用扩容前的Entry数组
3 int oldCapacity = oldTable.length;
4 if(oldCapacity == MAXIMUM_CAPACITY) { //扩容前的数组大小如果已经达到最大(2^30)了
5 threshold = Integer.MAX_VALUE; //修改阈值为int的最大值(2^31-1),这样以后就不会扩容了
6 return;
7 }
8
9 Entry[] newTable = new Entry[newCapacity]; //初始化一个新的Entry数组
10 transfer(newTable); //!!将数据转移到新的Entry数组里
11 table = newTable; //HashMap的table属性引用新的Entry数组
12 threshold = (int)(newCapacity *loadFactor);//修改阈值
13 }
实际就是新建一个大数组,然后将旧数组的键依次重新hash到新数组上。也即是transfer方法。
1 voidtransfer(Entry[] newTable) {
2 Entry[] src = table; //src引用了旧的Entry数组
3 int newCapacity = newTable.length;
4 for (int j = 0; j < src.length; j++) { //遍历旧的Entry数组
5 Entry<K,V> e = src[j]; //取得旧Entry数组的每个元素
6 if (e != null) {
7 src[j] = null;//释放旧Entry数组的对象引用(for循环后,旧的Entry数组不再引用任何对象)
8 do {
9 Entry<K,V> next =e.next;
10 int i = indexFor(e.hash, newCapacity); //!!重新计算每个元素在数组中的位置
11 e.next = newTable[i]; //标记[1]
12 newTable[i] = e; //将元素放在数组上
13 e = next; //访问下一个Entry链上的元素
14 } while (e != null);
15 }
16 }
17 }
下面举个例子说明下扩容过程。假设了我们的hash算法就是简单的用key mod 一下表的大小(也就是数组的长度)。其中的哈希桶数组table的size=2, 所以key = 3、7、5,put顺序依次为 5、7、3。在mod 2以后都冲突在table[1]这里了。这里假设负载因子 loadFactor=1,即当键值对的实际大小size 大于 table的实际大小时进行扩容。接下来的三个步骤是哈希桶数组 resize成4,然后所有的Node重新rehash的过程。
DK1.8做了优化。经过观测可以发现,我们使用的是2次幂的扩展(指长度扩为原来2倍),所以,元素的位置要么是在原位置,要么是在原位置再移动2次幂的位置。看下图可以明白这句话的意思,n为table的长度,图(a)表示扩容前的key1和key2两种key确定索引位置的示例,图(b)表示扩容后key1和key2两种key确定索引位置的示例,其中hash1是key1对应的哈希与高位运算结果。
元素在重新计算hash之后,因为n变为2倍,那么n-1的mask范围在高位多1bit(红色),因此新的index就会发生这样的变化:
因此,我们在扩充HashMap的时候,不需要像JDK1.7的实现那样重新计算hash,只需要看看原来的hash值新增的那个bit是1还是0就好了,是0的话索引没变,是1的话索引变成“原索引+oldCap”,可以看看下图为16扩充为32的resize示意图:
这个设计确实非常的巧妙,既省去了重新计算hash值的时间,而且同时,由于新增的1bit是0还是1可以认为是随机的,因此resize的过程,均匀的把之前的冲突的节点分散到新的bucket了。这一块就是JDK1.8新增的优化点。有一点注意区别,JDK1.7中rehash的时候,旧链表迁移新链表的时候,如果在新表的数组索引位置相同,则链表元素会倒置,但是从上图可以看出,JDK1.8不会倒置。
五、 线程安全性
第一,如果多个线程同时使用put方法添加元素
假设正好存在两个put的key发生了碰撞(hash值一样),那么根据HashMap的实现,这两个key会添加到数组的同一个位置,这样最终就会发生其中一个线程的put的数据被覆盖。
第二,如果多个线程同时检测到元素个数超过数组大小*loadFactor
这样会发生多个线程同时对hash数组进行扩容,都在重新计算元素位置以及复制数据,但是最终只有一个线程扩容后的数组会赋给table,也就是说其他线程的都会丢失,并且各自线程put的数据也丢失。
第三,会引起死循环的错误。
在多线程使用场景中,应该尽量避免使用线程不安全的HashMap,而使用线程安全的ConcurrentHashMap。那么为什么说HashMap是线程不安全的,下面举例子说明在并发的多线程使用场景中使用HashMap可能造成死循环。代码例子如下(便于理解,仍然使用JDK1.7的环境):
public class HashMapInfiniteLoop {
private static HashMap<Integer,String> map = newHashMap<Integer,String>(2,0.75f);
public static void main(String[] args) {
map.put(5, "C");
new Thread("Thread1") {
public void run() {
map.put(7, "B");
System.out.println(map);
};
}.start();
new Thread("Thread2") {
public void run() {
map.put(3, "A);
System.out.println(map);
};
}.start();
}
}
其中,map初始化为一个长度为2的数组,loadFactor=0.75,threshold=2*0.75=1,也就是说当put第二个key的时候,map就需要进行resize。
通过设置断点让线程1和线程2同时debug到transfer方法(3.3小节代码块)的首行。注意此时两个线程已经成功添加数据。放开thread1的断点至transfer方法的“Entry next = e.next;” 这一行;然后放开线程2的的断点,让线程2进行resize。结果如下图。
注意,Thread1的 e 指向了key(3),而next指向了key(7),其在线程二rehash后,指向了线程二重组后的链表。
线程一被调度回来执行,先是执行 newTalbe[i] = e, 然后是e = next,导致了e指向了key(7),而下一次循环的next = e.next导致了next指向了key(3)。
e.next = newTable[i] 导致 key(3).next 指向了 key(7)。注意:此时的key(7).next 已经指向了key(3), 环形链表就这样出现了。
于是,当我们用线程一调用map.get(11)时,就出现了——Infinite Loop。
参考:
Java 8系列之重新认识HashMap https://zhuanlan.zhihu.com/p/21673805
主题:HashMap hash方法分析http://www.iteye.com/topic/709945