Java为数据结构中的映射定义了一个接口 java.util.Map
此接口主要有四个常用的实现类,分别是 HashMap、HashTable、LinkedHashMap和TreeMap。
下面对各个实现类做一些说明:
-
HashMap
(1)它根据键的hashCode值存储数据,可直接定位到值,访问速度快,但遍历顺序不确定。
(2)HashMap最多只允许一条记录的键为null,允许多条记录的值为null。
(3)HashMap非线程安全,即任一时刻可以有多个线程同时写HashMap,可能会导致数据不一致。如果需要满足线程安全,可以用 Collections的synchronizedMap方法使HashMap实现线程安全,或者使用 ConcurrentHashMap。 -
HashTable
(1)遗留类,很多映射的常用功能与HashMap类似,不同的是它继承自 Dictionary 类,并且是线程安全,任一时间只有一个线程能写 HashTable,并发性不如 ConcurrentHashMap。
(2) 不建议继续使用,不需要线程安全的场合可以用 HashMap 替换,需要线程安全地场合可以用 ConcurrentHashMap 替换。 -
LinkedHashMap
是 HashMap 的一个子类,保存了记录的插入顺序,再用 Iterator 遍历时,先得到的记录肯定是先插入的,也可以带参构造,按照访问次序排序。 -
TreeMap
(1)实现了 SortedMap接口,能对保存的记录根据键排序,默认按键值的升序排序,也可以指定排序的比较器,当用Iterator遍历时,得到的记录时排过序的。
(2)在使用TreeMap时,key必须实现Comparable接口或者在构造TreeMap传入自定义的Comparator,否则会在运行时抛出 java.lang.ClassCastException类型的异常。
对于上述四种Map类型的类,要求映射中的key是不可变对象。不可变对象是该对象在创建后它的哈希值不会别改变。如果对象的哈希值发生变化,Map对象很可能就定位不到映射的位置
存储结构-字段
从结构实现来讲,HashMap是数组+链表+红黑树(JDK1.8 增加了红黑树部分)实现的。
(1)从源码可知,HashMap类中有一个非常重要的字段,就是 Node[] table,即哈希桶数组。
static class Node<K,V> implements Map.Entry<K,V> {
final int hash; //用来定位数组索引位置
final K key;
V value;
Node<K,V> next; //链表的下一个node
Node(int hash, K key, V value, Node<K,V> next) { ... }
public final K getKey(){ ... }
public final V getValue() { ... }
public final String toString() { ... }
public final int hashCode() { ... }
public final V setValue(V newValue) { ... }
public final boolean equals(Object o) { ... }
}
Node是HashMap的一个内部实现类,实现了Map.Entry接口,本质就是一个映射键值对,上图中的每个黑色圆点就是一个Node对象。
(2)HashMap使用哈希表来存储。哈希表为解决冲突,可以采用开放地址法和链地址法等来解决问题,Java中HashMap采用了链地址法。
简单来说,就是数组+链表的结合。在每个数组元素上都有一个链表结构,当数据被hash后,得到数组下表,把数据放在对应下表元素的链表上。
map.put("key", "value");
系统将调用key的hashCode()方法得到哈希值,然后再通过hash算法的后两步运算(高位运算和取模运算)来定位该键值对的存储位置,有时两个key会定位到相同的位置,表示发生了hash碰撞。当然hash算法计算结果越分散均匀,hash碰撞的概率就越小,map的存取效率就会越高。
如果哈希桶数组很大,即使较差的hash算法也会比较分散,如果哈希桶数组很小,即使很小的hash算法也会出现较多碰撞,所以就需要在空间成本和时间成本之间权衡,其实就是在根据实际情况确定哈希桶数组的大小,并在此基础上设计好的hash算法来减少hash碰撞。
好的hash算法和扩容机制来控制map使得hash碰撞概率肖,使得哈希桶(Node[] table)占用空间小
HashMap的成员变量:
int threshold; // 所能容纳的key-value对极限
final float loadFactor; // 负载因子
int modCount;
int size;
Node[] table的初始化长度length(默认16)
loadFactor为负载因子(默认0.75)
threshold是所容纳的最大数据量的Node键值对个数
threshold = length * loadFactor 在数组定义好长度后,负载因子越大,所能容纳的键值对个数越多。
-
综合负载因子的定义公式可知,threshold就是在此loadFactor和length(数组长度)对应下允许的最大元素个数,超过这个数目就重新resize扩容,扩容后的HashMap容量是之前容量的两倍。
默认的负载因子0.75是对空间和时间效率的一个平衡选择,除非在时间和空间比较特殊的情况下,如果内存空间很多而又对时间效率要求提高,可以降低负载因子loadFactor的值;相反,如果内存空间紧张而对时间效率要求不高,可以增加负载因子loadFactor的值,这个值可能大于1。 -
size就是HashMap中实际存在的键值对数量。
-
modCount主要用来记录HashMap内部结构发生变化的次数,主要用于迭代的快速失败。其中,put新键值对就是内部结构发生变化,但是某个key对应的value值被覆盖不属于结构变化。
在JDK1.7中,即使负载因子和hash算法再合理,也免不了出现拉链过长的情况,一旦出现拉链过长会严重影响性能。于是在JDK1.8中,引入了红黑树。当链表长度太长(默认超过8)时,链表就转换为红黑树,利用红黑树快速增删改查的特点提高HashMap的性能。
(tip:转换成红黑树之前会先进行判断,如果当前数组的长度小于64,那么会先进性数组扩容)
功能实现-方法
1. 确定哈希桶数组索引位置
不管增加、删除、查找键值对,定位到哈希桶数组的位置都是很关键的一步。
在HashMap里的元素位置应该尽量分布均匀,那么当我们用hash算法求得这个位置的时候,就不用遍历链表,优化了查询效率。
HashMap定位数组索引位置直接决定了hash方法的离散性能。
方法一:
static final int hash(Object key) { //jdk1.8 & jdk1.7
int h;
// h = key.hashCode() 为第一步 取hashCode值
// h ^ (h >>> 16) 为第二步 高位参与运算
return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}
方法二:
static int indexFor(int h, int length) { //jdk1.7的源码,jdk1.8没有这个方法,但是实现原理一样的
return h & (length-1); //第三步 取模运算
}
这里的hash算法本质上就是三步:
取key的hashCode值
高位运算
取模运算
对于任意给定的对象,只要它的hashCode()返回值相同,那么程序调用方法所计算得到的hash值总是相同的。我们首先想到的就是用hash值对数组长度取模运算,这样一来,元素的分部相对来说是比较均匀的。但是模运算的消耗还是比较大的,在HashMap中,调用方法二来计算该对象应该保存在table数组的哪个索引处。
方法二,通过 h & (length-1) 来得到该对象的保存位,而HashMap底层数组的长度总是2的n次方,这是HashMap在速度上的优化。当length总是2的次方时,h & (length-1)运算等价于对length取模,也就是 h%length,但是&比%具有更高的效率。
在JDK1.8的实现中,优化了高位运算的算法,通过hashCode()的高16位异或低16位实现的:(h = k.hashCode()) ^ (h >>> 16),主要从速度、功效、质量来考虑的,这么做可以在数组table的length比较小的时候,也能保证考虑到高低Bit都参与到Hash计算中,同时不会有太大的开销。
2. 分析HashMap的put方法
- 判断键值对数组table[i]是否为空或者null,否则执行resize进行扩容;
- 判断键值key计算hash值得到插入的数组索引 i,如果 table[i] == null,直接新建节点添加,转到 6,如果 table[i]不为空,转到3;
- 判断table[i]的首个元素是否和key一样,如果相同直接覆盖,否则转到4,这里的相同指的是hashCode和equals;
- 判断table[i]是否为treeNode红黑树,如果是,则直接在树中插入键值对,否则转到5;
- 遍历table[i] ,判断链表长度是否大于8,大于8的话把链表转换为红黑树,在红黑树中执行插入操作,否则进行链表的插入操作;遍历过程中若发现key已经存在,直接覆盖value;
- 插入成功后,判断实际存在的键值对数量size是否超过最大容量 threshold,如果超过,进行扩容;
public V put(K key, V value) {
// 对key的hashCode()做hash
return putVal(hash(key), key, value, false, true);
}
final V putVal(int hash, K key, V value, boolean onlyIfAbsent,
boolean evict) {
Node<K,V>[] tab; Node<K,V> p; int n, i;
// 步骤①:tab为空则创建
if ((tab = table) == null || (n = tab.length) == 0)
n = (tab = resize()).length;
// 步骤②:计算index,并对null做处理
if ((p = tab[i = (n - 1) & hash]) == null)
tab[i] = newNode(hash, key, value, null);
else {
Node<K,V> e; K k;
// 步骤③:节点key存在,直接覆盖value
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
e = p;
// 步骤④:判断该链为红黑树
else if (p instanceof TreeNode)
e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
// 步骤⑤:该链为链表
else {
for (int binCount = 0; ; ++binCount) {
if ((e = p.next) == null) {
p.next = newNode(hash, key,value,null);
//链表长度大于8转换为红黑树进行处理
if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st
treeifyBin(tab, hash);
break;
}
// key已经存在直接覆盖value
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
break;
p = e;7
}
}
if (e != null) { // existing mapping for key
V oldValue = e.value;
if (!onlyIfAbsent || oldValue == null)
e.value = value;
afterNodeAccess(e);
return oldValue;
}
}
++modCount;
// 步骤⑥:超过最大容量 就扩容
if (++size > threshold)
resize();
afterNodeInsertion(evict);
return null;
}
3. 扩容机制
扩容resize就是重新计算容量。
Java的数组是无法自动扩容的,方法是使用一个新的数组代替已有的容量小的数组。
void resize(int newCapacity) { //传入新的容量
Entry[] oldTable = table; //引用扩容前的Entry数组
int oldCapacity = oldTable.length;
if (oldCapacity == MAXIMUM_CAPACITY) { //扩容前的数组大小如果已经达到最大(2^30)了
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
return;
}
Entry[] newTable = new Entry[newCapacity]; //初始化一个新的Entry数组
transfer(newTable); //!!将数据转移到新的Entry数组里
table = newTable; //HashMap的table属性引用新的Entry数组
threshold = (int)(newCapacity * loadFactor);//修改阈值
}
这里是使用一个容量更大的数组来代替已有的容量小的数组,transfer()方法将原有的Entry数组的元素拷贝到新的Entry数组里。
void transfer(Entry[] newTable) {
Entry[] src = table; //src引用了旧的Entry数组
int newCapacity = newTable.length;
for (int j = 0; j < src.length; j++) { //遍历旧的Entry数组
Entry<K,V> e = src[j]; //取得旧Entry数组的每个元素
if (e != null) {
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)
do {
Entry<K,V> next = e.next;
int i = indexFor(e.hash, newCapacity); //!!重新计算每个元素在数组中的位置
e.next = newTable[i]; //标记[1]
newTable[i] = e; //将元素放在数组上
e = next; //访问下一个Entry链上的元素
} while (e != null);
}
}
}
newTable[i]的引用赋给了e.next,也就是使用了单链表的头插入方式,同一位置上新元素总会被放在链表的头部位置,这样最开始放在一个索引上的元素最终会被放在Entry链表的尾部(在hash碰撞的情况下),这一点和JDK1.8有区别。在旧数组中的同一条Entry链上的元素,通过重新计算索引位置后,有可能被放到了新数组的不同位置上。
下面举个例子说明下扩容过程:
假设我们的hash算法就是简单地用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。
下面是JDK1.8做的优化:
我们使用的是2次幂的扩展(长度扩为原来2倍),元素的位置要么在原位置,要么在原位置再移动2次幂的位置。
n为table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,我们在扩容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值新增的哪个bit是1还是0,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扩容为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。有兴趣的同学可以研究下JDK1.8的resize源码,写的很赞,如下:
1 final Node<K,V>[] resize() {
2 Node<K,V>[] oldTab = table;
3 int oldCap = (oldTab == null) ? 0 : oldTab.length;
4 int oldThr = threshold;
5 int newCap, newThr = 0;
6 if (oldCap > 0) {
7 // 超过最大值就不再扩充了,就只好随你碰撞去吧
8 if (oldCap >= MAXIMUM_CAPACITY) {
9 threshold = Integer.MAX_VALUE;
10 return oldTab;
11 }
12 // 没超过最大值,就扩充为原来的2倍
13 else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&
14 oldCap >= DEFAULT_INITIAL_CAPACITY)
15 newThr = oldThr << 1; // double threshold
16 }
17 else if (oldThr > 0) // initial capacity was placed in threshold
18 newCap = oldThr;
19 else { // zero initial threshold signifies using defaults
20 newCap = DEFAULT_INITIAL_CAPACITY;
21 newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);
22 }
23 // 计算新的resize上限
24 if (newThr == 0) {
25
26 float ft = (float)newCap * loadFactor;
27 newThr = (newCap < MAXIMUM_CAPACITY && ft < (float)MAXIMUM_CAPACITY ?
28 (int)ft : Integer.MAX_VALUE);
29 }
30 threshold = newThr;
31 @SuppressWarnings({"rawtypes","unchecked"})
32 Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap];
33 table = newTab;
34 if (oldTab != null) {
35 // 把每个bucket都移动到新的buckets中
36 for (int j = 0; j < oldCap; ++j) {
37 Node<K,V> e;
38 if ((e = oldTab[j]) != null) {
39 oldTab[j] = null;
40 if (e.next == null)
41 newTab[e.hash & (newCap - 1)] = e;
42 else if (e instanceof TreeNode)
43 ((TreeNode<K,V>)e).split(this, newTab, j, oldCap);
44 else { // 链表优化重hash的代码块
45 Node<K,V> loHead = null, loTail = null;
46 Node<K,V> hiHead = null, hiTail = null;
47 Node<K,V> next;
48 do {
49 next = e.next;
50 // 原索引
51 if ((e.hash & oldCap) == 0) {
52 if (loTail == null)
53 loHead = e;
54 else
55 loTail.next = e;
56 loTail = e;
57 }
58 // 原索引+oldCap
59 else {
60 if (hiTail == null)
61 hiHead = e;
62 else
63 hiTail.next = e;
64 hiTail = e;
65 }
66 } while ((e = next) != null);
67 // 原索引放到bucket里
68 if (loTail != null) {
69 loTail.next = null;
70 newTab[j] = loHead;
71 }
72 // 原索引+oldCap放到bucket里
73 if (hiTail != null) {
74 hiTail.next = null;
75 newTab[j + oldCap] = hiHead;
76 }
77 }
78 }
79 }
80 }
81 return newTab;
82 }
在多线程使用场景中,我们应该尽量避免使用线程不安全的HashMap,而使用线程安全的ConcurrentHashMap。
下面举例说明在并发的多线程使用场景中使用HashMap可能造成死循环:
public class HashMapInfiniteLoop {
private static HashMap<Integer,String> map = new HashMap<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();
}
}