1、hashMap类的说明
1.1 解释说明
/**
* Hash table是基于Map接口的工具. 这个工具提供了所有的可选的map操作,和允许
* key和value为空。HashMap有点类似于Hashtable.除了hashMap不是线程安全的和允许
* 空值。HashMap不能保证元素的有序性。特别是它不能随着时间的进行保证有序。
*
*
* Hash在get()和put()方法上保证了实现复杂度为O(1)的性能,假设hash函数能够将
* 所有元素散列到每个桶中去(也就是table中的每个位置).迭代集合视图需要的时间
* hashMap的桶的数量和Key-value映射的数量有关(元素个数).因此不要把初始容量
* 设置的太高(或者装载因子设置的太低),如果认为这个迭代的性能很重要的话。
*
*
* HashMap主要有两个属性影响它的性能:初始容量和装载因子。容量就是table的大小,
* 初始容量就是创建hashmap时的容量。而装载因子是衡量元素达到多少个时hashMap的
* table会自动扩容。当元素(在hashMap中用entry来表示一个元素也就是一个节点)的个
* 数接近装载因子的和容量的乘积(capacity*load = entries),hashMap的table就会自动
* 扩容(也就是说内部的结构和元素都会重建),扩容的大小为原来的两倍(capacity << 1,
* 所以初始容量应该设置为2的倍数。方便扩容)。
*
*
* 将装载因子设置为0.75是一个对于空间和时间效率权衡的很好选择。过高的话虽然能够
* 减少空间,但是会消耗更多的像get()和put()方法查找时间。当你在设置初始容量的时
* 候entry在HashMap中的个数和装载因子应该去考虑,从而减少扩容的次数。如果你把初
* 始容量设置的比entry除以装载因子的值还要高很多,那么基本上不会出现扩容。
*
*
* 如果许多元素存储在一个HashMap中。比如,创建一个足够大的容量来允许存储更多的
* 的映射,而不应该是让它去自动扩容。(这里应该是说明了自动扩容不是很好)。应该注
* 意的是,当有很多的元素的hashcode一样,也就是他们的散列值是一样的将会严重的影
* 响它的性能。一个改善的方式,当key是可以比较的,可以使用比较排序来打破这个瓶颈。
*
*
* 注意HashMap不是线程安全的。如果多个线程同时访问一个hashmap,至少有一个线程修改
* 了这个hashMap的结构,它必须自己在外部加其他东西来保证线程安全(比如synchronized),
* 结构性修改指的是增加或者删除一个或者多个映射实例,如果仅仅只是修改了Key-value的
* 关系不算是结构性修改。This is typically accomplished by synchronizing on some
* object that naturally encapsulates the map.(没理解这句话的意思)
*
*
* 如果不存在这样的对象,则应该使用{@link Collections#synchronizedMap Collections.synchronizedMap}
* 这个东西来保证线程安全的。(当然现在也可用concurrenthashmap)
*
* 迭代器返回这个类的集合视图工具“fail-fast”(fail-fast 机制是java集合(Collection)中的一种错误机制)
* 如果这个hashMap的结构性修改都是在迭代器创建之后的话,除了通过迭代器本身的remove()方法,迭代器
* 会抛出异常,所以在面对高并发修改的时候,这个迭代器是一个很好的方法。
*
*
* 但是不应该使用迭代器来保证线程安全,这个只是一个检测bug的行为,还应该用其他的方式来保证线程安全。
1.2 hashMap的数据结构
在JDK1.8中主要是有(table+链表+红黑树组成),而在JDK1.8之前主要是由(table+链表组成)
2、方法字段
/**
* 默认的初始容量16个桶
*/
static final int DEFAULT_INITIAL_CAPACITY = 1 << 4; // aka 16
/**
*
* 最大的容量2^30次方
*
*/
static final int MAXIMUM_CAPACITY = 1 << 30;
/**
* 默认装载因子
*/
static final float DEFAULT_LOAD_FACTOR = 0.75f;
/**
*
* 当桶中的entry达到8的时候转为红黑树(当然还要看桶的个数)
*
*/
static final int TREEIFY_THRESHOLD = 8;
/**
*
* 当为红黑树结构的时候,桶中的entry为6个
* 则退化为链表
*/
static final int UNTREEIFY_THRESHOLD = 6;
/**
* 这个是跟前面那个TREEIFY_THRESHOLD结合一起
* 使用,当桶的个数小于64,即使是桶中的元素超过
* 8也不会转为红黑树,而是先选择扩容
*/
static final int MIN_TREEIFY_CAPACITY = 64;
/**
* Basic hash bin node, used for most entries. (See below for
* TreeNode subclass, and in LinkedHashMap for its Entry subclass.)
*/
//桶中的节点结构
static class Node<K,V> implements Map.Entry<K,V> {
final int hash;//哈希值
final K key;//key值
V value;//value值
Node<K,V> next; //在同一个桶中指向下一个entry
.
.
.
.
}
3、关键方法
tableSizeFor(int cap)
/**
* t返回大于等于initialCapacity的最小的二次幂数值。
*/
static final int tableSizeFor(int cap) {
int n = cap - 1;
n |= n >>> 1;
n |= n >>> 2;
n |= n >>> 4;
n |= n >>> 8;
n |= n >>> 16;
return (n < 0) ? 1 : (n >= MAXIMUM_CAPACITY) ? MAXIMUM_CAPACITY : n + 1;
}
putMapEntries(Map<? extends K, ? extends V> m, boolean evict)
final void putMapEntries(Map<? extends K, ? extends V> m, boolean evict) {
//获得table的大小
int s = m.size();
if (s > 0) {
if (table == null) { //判断是否初始化
float ft = ((float)s / loadFactor) + 1.0F;
int t = ((ft < (float)MAXIMUM_CAPACITY) ?
(int)ft : MAXIMUM_CAPACITY);
//计算得到的t大于阈值,则初始化阈值
if (t > threshold)
threshold = tableSizeFor(t);
}
//已初始化,并且m元素个数大于阈值,进行扩容处理
else if (s > threshold)
resize();
//循环插入所有entry
for (Map.Entry<? extends K, ? extends V> e : m.entrySet()) {
K key = e.getKey();
V value = e.getValue();
//插入的关键函数
putVal(hash(key), key, value, false, evict);
}
}
}
这个方法主要在调用putall()方法时调用。public void putAll(Map<? extends K, ? extends V> m) { putMapEntries(m, true); }
putVal(int hash, K key, V value, boolean onlyIfAbsent,boolean evict)
final V putVal(int hash, K key, V value, boolean onlyIfAbsent,
boolean evict) {
Node<K,V>[] tab; Node<K,V> p; int n, i;
if ((tab = table) == null || (n = tab.length) == 0)//如果table为初始化或者长度为0
n = (tab = resize()).length;//进行初始化
if ((p = tab[i = (n - 1) & hash]) == null)//tab[i = (n - 1) & hash]计算元素在哪个桶中,如果桶中的元素为空
tab[i] = newNode(hash, key, value, null);//则直接放入这个位置
else {
Node<K,V> e; K k;
//这里为什么要先计算p.hash == hash,这里就用到一个&&运算符的特性,如果左边为false,则不计算右边。而如果
//hash不相等,对象一定。没有必要再去判断后面的条件。
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))//如果第一个节点的值等于相等
e = p;//则将第一个元素赋值给e
else if (p instanceof TreeNode)//如果是红黑树节点
e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);//采用红黑树的插入方式
else {//为链表节点,采用链表的插入方式
for (int binCount = 0; ; ++binCount) {//找到链表末尾进行插入
if ((e = p.next) == null) {
p.next = newNode(hash, key, value, null);
if (binCount >= TREEIFY_THRESHOLD - 1) // 如果节点的个数达到阈值
treeifyBin(tab, hash);//转为红黑树
break;
}
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))//判断链表中结点的key值与插入的元素的key值是否相等
break;
p = e;
}
}
if (e != null) { // 找到key值相等的
V oldValue = e.value;
if (!onlyIfAbsent || oldValue == null)//判断是采用替换旧值法还是选择不替换的方法
e.value = value;//onlyIfAbsent为false,则替换掉,否则不执行相关的操作
afterNodeAccess(e);//访问后回调
return oldValue;
}
}
++modCount;
if (++size > threshold)//size加1如果达到阈值。
resize();//扩容
afterNodeInsertion(evict);//插入后回调
return null;
}
在JDK1.8之前,都是直接在put()方法里面实现,而在JDK1.8之后调用putval(),public V put(K key, V value) { return putVal(hash(key), key, value, false, true); }
putIfAbsent(K key, V value)和 put(K key, V value)
public V putIfAbsent(K key, V value) {
return putVal(hash(key), key, value, true, true);
}
public V put(K key, V value) {
return putVal(hash(key), key, value, false, true);
}
这两个的差别就是在插入存在的Key值所要执行的操作其中putIfAbsent
将onlyIfAbsent
设置为true,表示如果存在相同的Key值,则不执行操作,丢弃,而put
将onlyIfAbsent
设置为false,当存在相同的值时会替换掉value值
getNode(int hash, Object key)
final Node<K,V> getNode(int hash, Object key) {
Node<K,V>[] tab; Node<K,V> first, e; int n; K k;
if ((tab = table) != null && (n = tab.length) > 0 &&
(first = tab[(n - 1) & hash]) != null) {
if (first.hash == hash && // 先检查第一个节点
((k = first.key) == key || (key != null && key.equals(k))))
return first;//找到直接返回
if ((e = first.next) != null) {//否则查找
if (first instanceof TreeNode)//是否是红黑树
return ((TreeNode<K,V>)first).getTreeNode(hash, key);//红黑树的查找方式
do {//链表的查找方式
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
return e;
} while ((e = e.next) != null);
}
}
return null;
}
这个方法也是一样,在JDK1.8之前都是直接使用get(),而到1.8之后是转到getVal(),作者这样设置的目的我想应该是为了可拓展性好一点,当以后有新的方式,可以直接创建一个新的方法来调用,而调用的对外接口还是get()。
resize()
final Node<K,V>[] resize() {
Node<K,V>[] oldTab = table;//保存原始的table大小
int oldCap = (oldTab == null) ? 0 : oldTab.length;//判断是否为空
int oldThr = threshold;//阈值
int newCap, newThr = 0;//新的容量和阈值
if (oldCap > 0) {//之前的容量大于0
if (oldCap >= MAXIMUM_CAPACITY) {//如果之前的容量已经达到最大值
threshold = Integer.MAX_VALUE;//阈值为最大值
return oldTab;//返回原先的容量,因为达到最大值已经没办法进行扩容了
}
else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&//newCap = oldCap << 1相当于扩容了两倍
oldCap >= DEFAULT_INITIAL_CAPACITY)
newThr = oldThr << 1; // 阈值也扩容两倍
}
else if (oldThr > 0) // 之前的阈值大于0
newCap = oldThr; //新的容量等于阈值
else { // 如果之前的阈值为0
newCap = DEFAULT_INITIAL_CAPACITY;//采用默认配置
newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);//默认配置
}
if (newThr == 0) {//新的阈值为0
float ft = (float)newCap * loadFactor;
newThr = (newCap < MAXIMUM_CAPACITY && ft < (float)MAXIMUM_CAPACITY ?
(int)ft : Integer.MAX_VALUE);//计算新的阈值,如果超过最大值,则设置为最大值
}
threshold = newThr;
@SuppressWarnings({"rawtypes","unchecked"})
Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap];
table = newTab;
//下面的操作是复制元素进行重新hash,这个是非常消耗时间的一个操作,所以应该尽可能的设置不要resize()
if (oldTab != null) {
for (int j = 0; j < oldCap; ++j) {
Node<K,V> e;
if ((e = oldTab[j]) != null) {
oldTab[j] = null;
if (e.next == null)
newTab[e.hash & (newCap - 1)] = e;
else if (e instanceof TreeNode)
((TreeNode<K,V>)e).split(this, newTab, j, oldCap);
else { // preserve order
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;
}
扩容是一个很消耗性能的步骤,所以在设置hashMap的初始容量时,应尽可能的合理,减少resize()
4、总结
总结:JDK1.8的hashMap跟之前的大有不同,特别是加了红黑树这个数据结构,整个结构一下子复杂了很多,特别是每次都要重新判断是否是不是红黑树,但是在性能上还是有不少的提升,特别是当hashMap中的元素的映射很聚集的话,就可以很好的提升性能。另外本人的能力有限,在分析的过程中可能会存在误差,请指正。