Java集合---HashMap

---

HashMap实现Map接口，是Collection的一种链表散列数据结构，以key-value形式存在。key-value被当做一个整体来处理，JVM会根据key的hash值确定value的存放位置，我们也可以根据key快速的存取value。HashMap底层实质上也是数组实现。

一、定义

HashMap实现了Map接口，继承AbstractMap。其中Map接口定义了键到值映射的规则，而AbstractMap提供了Map接口的骨干实现，以最大限度地减少实现此接口所需的工作。

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

二、构造函数

HashMap提供了3种构造函数：

    public HashMap() {
        this(DEFAULT_INITIAL_CAPACITY, DEFAULT_LOAD_FACTOR);
    }

    public HashMap(int initialCapacity) {
        this(initialCapacity, DEFAULT_LOAD_FACTOR);
    }

    public HashMap(int initialCapacity, float loadFactor) {
        //此处省略部分代码
        this.loadFactor = loadFactor;
        threshold = initialCapacity;
        init();
    }

其中：
1. HashMap()构造一个默认初始容量16，加载因子为0.75的空HashMap。
2. HashMap(int initialCapacity)：构造一个带指定初始容量和默认加载因子 (0.75) 的空 HashMap。
3. HashMap(int initialCapacity, float loadFactor)：构造一个带指定初始容量和加载因子的空 HashMap。

这里提到的两个参数非常重要：初始容量和加载因子。这两个参数也是影响HashMap性能的重要参数，其中容量表示哈希表中桶的数量，初始容量是创建哈希表时的容量，加载因子是哈希表在其容量自动扩容之前可以到达多慢的尺度，它衡量一个散列表使用空间的程度，负载因子越大表示散列表的装载程度越高，反之越小。因此如果加载因子越大，空间利用率越高，但由于装载越多元素碰撞的概率就变高，就会出现单个桶装载多个元素，形成链表，那么查询的效率就会降低。如果加载因子过小，散列表的数据就会过于分散，造成空间上的浪费。系统默认加载因子是0.75，这是前辈们科学实验的经验值，一般情况下我们无需修改它。

三、数据结构

HashMap数据结构如下：

从上图我们可以看出，HashMap底层实现还是数组，只是数组的每一项是链表。其中参数initialCapacity就代表了该数组的长度。下面为HashMap构造函数的源码：

public HashMap(int initialCapacity, float loadFactor) {
        //初始容量不能为0
        if (initialCapacity < 0)
            throw new IllegalArgumentException("Illegal initial capacity: " +
                                               initialCapacity);
        //初始容量不能大于最大容量值，HashMap的最大容量值为2^30
        if (initialCapacity > MAXIMUM_CAPACITY)
            initialCapacity = MAXIMUM_CAPACITY;
        //加载因子不能小于0
        if (loadFactor <= 0 || Float.isNaN(loadFactor))
            throw new IllegalArgumentException("Illegal load factor: " +
                                               loadFactor);

        this.loadFactor = loadFactor;
        threshold = initialCapacity;
        init();
    }

从源码中看处，这时还没有做初始化操作，初始化操作在put时判断table为空时执行。（Java1.7的源码）

四、存储实现： put(K key, V value)

先上源码

public V put(K key, V value) {
        //检查hash表有无初始化，如果没有就先初始化
        if (table == EMPTY_TABLE) {
            inflateTable(threshold);
        }
        //如果key为null，调用putForNullKey方法，保存null在table的第一个位置中，这是HashMap允许为null的原因
        if (key == null)
            return putForNullKey(value);
        //计算key的hash值              -----（1）
        int hash = hash(key);
        //计算key hash值在table数组中的位置        -----（2）
        int i = indexFor(hash, table.length);
        //从i处开始迭代e，找到key保存的位置
        for (Entry<K,V> e = table[i]; e != null; e = e.next) {
            Object k;
            //判断该链条上是否有hash值相同的key
            //若存在相同，则直接覆盖value，返回旧value
            if (e.hash == hash && ((k = e.key) == key || key.equals(k))) {
                V oldValue = e.value;
                e.value = value;
                e.recordAccess(this);
                return oldValue;
            }
        }
        //修改次数加1
        modCount++;
        //将key、value添加至i位置
        addEntry(hash, key, value, i);
        return null;
    }

通过源码我们可以看到HashMap保存数据的过程为：首先判断key是否为null，若为null，则直接调用putForNullKey方法，保存null到table[0]。若不为空则先计算key的hash值，然后根据hash值搜索在table数组中的索引位置，如果table数组在该位置处有元素，则通过比较是否存在相同的key，若存在则覆盖原来key的value，否则将该元素保存在链头（最先保存的元素放在链尾）。若table在该处没有元素，则直接保存；

让我们来看添加key、value的源码addEntry(hash, key, value, i)

 void addEntry(int hash, K key, V value, int bucketIndex) {
         //首先判断有无超过阈值，有则先扩容
        if ((size >= threshold) && (null != table[bucketIndex])) {
            resize(2 * table.length);
            hash = (null != key) ? hash(key) : 0;
            bucketIndex = indexFor(hash, table.length);
        }

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

这个方法中有两点需要注意：
一是链的产生。这是一个非常优雅的设计。系统总是将新的Entry对象添加到bucketIndex处。如果bucketIndex处已经有了对象，那么新添加的Entry对象将指向原有的Entry对象，形成一条Entry链，但是若bucketIndex处没有Entry对象，也就是e==null,那么新添加的Entry对象指向null，也就不会产生Entry链了。

二、扩容问题。
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，为了保证HashMap的效率，系统必须要在某个临界点进行扩容处理。该临界点在当HashMap中元素的数量等于table数组长度*加载因子。但是扩容是一个非常耗时的过程，因为它需要重新计算这些数据在新table数组中的位置并进行复制处理。所以如果我们已经预知HashMap中元素的个数，那么预设元素的个数能够有效的提高HashMap的性能

---

再来看创建Entry的源码：

void createEntry(int hash, K key, V value, int bucketIndex) {
        //将之前的链表赋给e
        Entry<K,V> e = table[bucketIndex];
        //再把新创建的Entry赋给table[i]，e赋给next
        table[bucketIndex] = new Entry<>(hash, key, value, e);
       //长度加1
        size++;
    }

现在回过头来看put方法中标注的（1）、（2）处：这是HashMap的精华所在。首先是hash方法，该方法时一个纯粹的数学计算，就是计算h的hash值：

final int hash(Object k) {
        int h = hashSeed;
        if (0 != h && k instanceof String) {
            return sun.misc.Hashing.stringHash32((String) k);
        }

        h ^= k.hashCode();

        // This function ensures that hashCodes that differ only by
        // constant multiples at each bit position have a bounded
        // number of collisions (approximately 8 at default load factor).
        h ^= (h >>> 20) ^ (h >>> 12);
        return h ^ (h >>> 7) ^ (h >>> 4);
    }

我们知道对于HashMap的table而言，数据分布需要均匀（最好每项都只有一个元素，这样就可以直接找到），不能太紧也不能太松，太紧会导致查询速度慢，太松则浪费空间。计算hash值后，怎么才能保证table元素分布均与呢？我们会想到取模，但是由于取模的消耗较大，HashMap是这样处理的：调用indexFor方法。

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);
    }

HashMap的底层数组长度总是2的n次方，在构造函数中存在：inflateTable方法中可以找到; 这样做总是能够保证HashMap的底层数组长度为2的n次方。当length为2的n次方时，h&(length - 1)就相当于对length取模，而且速度比直接取模快得多，这是HashMap在速度上的一个优化。至于为什么是2的n次方下面解释。

private void inflateTable(int toSize) {
        // Find a power of 2 >= toSize
        int capacity = roundUpToPowerOf2(toSize);

        threshold = (int) Math.min(capacity * loadFactor, MAXIMUM_CAPACITY + 1);
        table = new Entry[capacity];
        initHashSeedAsNeeded(capacity);
    }

我们回到indexFor方法，该方法仅有一条语句：h&(length - 1)，这句话除了上面的取模运算外还有一个非常重要的责任：均匀分布table数据和充分利用空间。

这里我们假设length为16(2^n)和15，h为5、6、7。

当n=15时，6和7的结果一样，这样表示他们在table存储的位置是相同的，也就是产生了碰撞，6、7就会在一个位置形成链表，这样就会导致查询速度降低。诚然这里只分析三个数字不是很多，那么我们就看0-15。

从上面的图表中我们看到总共发生了8此碰撞，同时发现浪费的空间非常大，有1、3、5、7、9、11、13、15处没有记录，也就是没有存放数据。这是因为他们在与14进行&运算时，得到的结果最后一位永远都是0，即0001、0011、0101、0111、1001、1011、1101、1111位置处是不可能存储数据的，空间减少，进一步增加碰撞几率，这样就会导致查询速度慢。而当length = 16时，length – 1 = 15 即1111，那么进行低位&运算时，值总是与原来hash值相同，而进行高位运算时，其值等于其低位值。所以说当length = 2^n时，不同的hash值发生碰撞的概率比较小，这样就会使得数据在table数组中分布较均匀，查询速度也较快。