简介
HashMap是用来存储键值对的集合,实现了Map接口。有以下特征:
- 它是根据键的hashCode来存储数据,键的存放是无序的,即遍历顺序是不确定的。
- 线程不安全,1.7中多线程操作可能出现死循环(原因就是1.7链表插入新节点采用的是头插法,这样在其他线程扩容迁移元素时,会将元素顺序改变,导致两个线程中出现元素的相互指向而形成循环链表,1.8采用了尾插法,从根源上杜绝了这种情况的发生)。多线程场景下建议使用ConcurrentHashMap。
- 最多允许一个键为null,允许多个值为null。
- JDK1.8引入红黑树大程度优化了HashMap的性能。
底层数据结构
JDK1.8之前,HashMap是由 数组+链表 实现的,是一个链表数组。链表是为了解决哈希冲突而存在的(“拉链法”),如果遇到哈希冲突,则把数据插入到链表的头部(“头插法”)。
JDK1.8之后,HashMap由 数组+(链表/红黑树) 实现的,当链表长度大于等于8时(若此时数组长度小于64,会先扩容,而非转换为红黑树),会把链表转换为红黑树,以提高查询效率。
使用put添加的数据都会变成一个Node节点,来看下Node是怎样的
// 实现自 Map.Entry<K,V>
static class Node<K,V> implements Map.Entry<K,V> {
final int hash;// 哈希值,存放元素到hashmap中时用来与其他元素hash值比较
final K key;//键
V value;//值
// 指向下一个节点
Node<K,V> next;
Node(int hash, K key, V value, Node<K,V> next) {
this.hash = hash;
this.key = key;
this.value = value;
this.next = next;
}
public final K getKey() { return key; }
public final V getValue() { return value; }
public final String toString() { return key + "=" + value; }
// 重写hashCode()方法
public final int hashCode() {
return Objects.hashCode(key) ^ Objects.hashCode(value);
}
public final V setValue(V newValue) {
V oldValue = value;
value = newValue;
return oldValue;
}
// 重写 equals() 方法
public final boolean equals(Object o) {
if (o == this)
return true;
if (o instanceof Map.Entry) {
Map.Entry<?,?> e = (Map.Entry<?,?>)o;
if (Objects.equals(key, e.getKey()) &&
Objects.equals(value, e.getValue()))
return true;
}
return false;
}
}
hash方法
HashMap 通过 key 的 hashCode 经过扰动函数(hash方法)处理过后得到 hash 值,然后通过计算 (n - 1) & hash
得出当前元素存放的位置( n 指的是数组的长度)。使用扰动函数可以减少一些比较差的 hashCode() 方法带来的哈希碰撞。
static final int hash(Object key) { //jdk1.8
int h;
// h = key.hashCode() 为第一步 取key的hashCode值
// h ^ (h >>> 16) 为第二步,高16位与低16位异或操作
return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}
/**
* 取模,得到元素在table数组中存放的位置。
* jdk1.7的源码,jdk1.8没有这个方法,但是实现原理一样的
*/
static int indexFor(int h, int length) {
return h & (length-1); //第三步 相当于取模运算
}
- hash计算:首先取key的hashCode,再将其高16位与低16位进行按位异或操作,这样做的好处是:当table数组长度较小时,能保证高低16位都能参与到hash计算当中,同时不会有太大的开销。(JDK1.7的hash方法性能较差,扰动了4次)
h & (table.length -1)
:计算该key的元素在数组中保存的位置。此方法相当于取模%
运算,但比模运算更高效。因为HashMap底层的数组长度总是2的n次方,此时h & (length -1 )
就相当于对length取模,即h%length
,但&(与运算)比%运算更高效。
(补充:使用位运算 (&) 效率要比代替取模运算 (%) 高很多,主要原因是位运算直接对内存数据进行操作,不需要转成十进制,因此处理速度非常快。)
重要字段
在进行源码分析之前,需要先理解以下字段。
// 存储元素的数组,长度总是2的幂次倍
transient Node<k,v>[] table;
// 临界值 当实际容量(数组容量*负载因子)超过临界值时,会进行扩容
int threshold;
// 负载因子
final float loadFactor;
//实际存放的元素(键值对)数量
int size;
int modCount;
- loadFactor 即负载因子,用来控制数组中存放元素的疏密程度。loadFactor越大(可以大于1),数组中的元素存放的越密集,数组利用率更高;loadFactor越接近于0,数组中存放的元素(键值对)越稀疏。
loadFactor越大,查找效率越低,数组空间利用率越高;loadFactor越小,数组利用率越低,存放的越分散,查找效率更高。 官方给的默认值是0.75f,是对空间和时间效率的一个平衡选择。 - threshold = (table.length) * loadFactor 。数组中允许存放的最大键值对数量。当数组中实际存放的键值对数量size超过此阈值时,则会进行resize扩容,rehash等操作。
- modCount 用来记录HashMap内部结构变化的次数,主要用于迭代的快速失败。强调一点,内部结构发生变化指的是结构发生变化,例如put新键值对,但是某个key对应的value值被覆盖不属于结构变化。
源码分析
构造函数
使用无参构造函数时,默认loadFactor为0.5。我们也可以自定义初始容量和负载因子。
public HashMap(int initialCapacity, float loadFactor) {
if (initialCapacity < 0)
throw new IllegalArgumentException("Illegal initial capacity: " +
initialCapacity);
if (initialCapacity > MAXIMUM_CAPACITY)
initialCapacity = MAXIMUM_CAPACITY;
if (loadFactor <= 0 || Float.isNaN(loadFactor))
throw new IllegalArgumentException("Illegal load factor: " +
loadFactor);
this.loadFactor = loadFactor;
/**
* tableSizeFor会把initialCapacity转换成比他大的、离他最近的2的n次方。
* 比如当initialCapacity是7时候,会返回8,;initialCapacity是9时,会返回16。
* 后续在初始化数组时会把它作为数组长度。
*/
this.threshold = tableSizeFor(initialCapacity);
}
注意:初始化时只是设置了基本参数而已,并没有真正创建数组。等到第一次添加数据时,才真正创建数组,这是懒加载的做法,可以防止内存浪费。
put方法
基本步骤如下:
- 根据数据的key计算出hash,再计算得到要在数组中插入的索引(即要插入的位置);
- 若该位置为空,则直接插入新节点;
- 若该位置不为空,则判断该位置的元素的key与要插入的key是否相同,相同则直接覆盖值。
不同的话则判断该节点是否为树节点,为树节点则调用putTreeVal
插入;
如果为链表节点,则遍历该链表,若发现有key相同的元素,则直接覆盖value,若没有key相同的,则在链表尾部插入。
插入后判断链表长度是否大于8,大于则将链表转换成红黑树。 - 插入成功后,判断size是否大于threshold,大于就需要进行resize扩容
详细过程如下:
public V put(K key, V value) {
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;
// 若table未初始化或者长度为0,则先进行扩容
if ((tab = table) == null || (n = tab.length) == 0)
n = (tab = resize()).length;
// (n - 1) & hash 确定元素存放在数组中存放的位置,即放在哪个桶中,如果桶为空,则新生成结点,直接放入桶中
if ((p = tab[i = (n - 1) & hash]) == null)
tab[i] = newNode(hash, key, value, null);
// 若桶中已经存在元素
else {
Node<K,V> e; K k;
// 比较桶中第一个元素(数组中的结点),若hash值相等和key相等,则将此元素记录下来,后面用到
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
// 将第一个元素赋值给e,用e来记录
e = p;
// 若hash值不相等,即key不相等;且为红黑树结点
else if (p instanceof TreeNode)
// 放入树中
e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
// 若hash值不相等,即key不相等;且为链表结点
else {
// 在链表最末插入结点
for (int binCount = 0; ; ++binCount) {
// 到达链表的尾部
if ((e = p.next) == null) {
// 在尾部插入新结点
p.next = newNode(hash, key, value, null);
// 结点数量达到阈值,转化为红黑树
if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st
treeifyBin(tab, hash);
// 插入后跳出循环
break;
}
// 判断链表中结点的key值与插入的元素的key值是否相等
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
// 相等,跳出循环,后面再替换值
break;
// 用于遍历桶中的链表,与前面的e = p.next组合,可以遍历链表
p = e;
}
}
// 表示在桶中找到key值、hash值与插入元素相等的结点
if (e != null) {
// 记录e的value
V oldValue = e.value;
// onlyIfAbsent为false或者旧值为null
if (!onlyIfAbsent || oldValue == null)
//用新值替换旧值
e.value = value;
// 访问后回调
afterNodeAccess(e);
// 返回旧值
return oldValue;
}
}
// 结构性修改
++modCount;
// 实际大小大于阈值则扩容
if (++size > threshold)
resize();
// 插入后回调
afterNodeInsertion(evict);
return null;
}
扩容:resize方法
当数组中实际存放的键值对数量大于阈值时,则会进行resize扩容,伴随着rehash,会遍历数组中所有元素,非常消耗性能,所以程序员在写代码时应避免频繁扩容,在初始化时给出一个大致的容量。
resize步骤如下:
- 首先创建一个长度为原来的2倍的数组;
- 把原数组中的元素重新计算hash值,存放到新数组中。
这里有一个很巧妙的地方。先来看一下计算key存放位置的表达式:
hash & ( n-1 ) ; n为数组的长度,hash是key经hash方法后的哈希值
看下图,(a)表示在扩容前,key1和key2的哈希值hash与(n-1) 与操作 后,得到的值是一样的,即两个key在数组中存放的位置是一样的,记这个位置为m。
(b)表示在扩容后,数组长度变成了2n。接着key1和key2的哈希值分别与(2n-1)进行与操作后,可以看到原来在m位置的元素,在新数组里的位置要不是m,要不就是m+n。而究竟是m还是(m+n),取决于key1和key2的哈希值新增的那个bit(图中蓝色箭头所指的那一位)是0还是1。怎么知道它是0是1?很简单,hash & n
就行了(n即oldCap,旧的容量)。
简而言之,原table中位置i的table[i]里的元素,在经过rehash后,会分配到新数组中newTable[i]和newTable[i+n]的位置,因此可以省去重新计算hash值的时间(JDK1.7会重新计算每个节点在新数组中的索引),而且还可以之前冲突的节点均匀地分配到新的桶中。
final Node<K,V>[] resize() {
Node<K,V>[] oldTab = table;
int oldCap = (oldTab == null) ? 0 : oldTab.length;
int oldThr = threshold;
int newCap, newThr = 0;
if (oldCap > 0) {//此时数组已初始化
// 超过最大值就不再扩充了,就只好随你碰撞去吧
if (oldCap >= MAXIMUM_CAPACITY) {
threshold = Integer.MAX_VALUE;
return oldTab;
}
// 没超过最大值,就扩充为原来的2倍
else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY && oldCap >= DEFAULT_INITIAL_CAPACITY)
newThr = oldThr << 1; // double threshold
}
else if (oldThr > 0) // 数组还未初始化,而阈值是大于0的,说明用户调用了【指定“容量大小”和“加载因子”的构造函数】,但还没添加元素
newCap = oldThr;
else { //数组还未初始化,用户调用了无参构造函数,则采用默认值
newCap = DEFAULT_INITIAL_CAPACITY;
newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);
}
// 计算新的阈值
if (newThr == 0) {
float ft = (float)newCap * loadFactor;
newThr = (newCap < MAXIMUM_CAPACITY && ft < (float)MAXIMUM_CAPACITY ? (int)ft : Integer.MAX_VALUE);
}
threshold = newThr;
@SuppressWarnings({"rawtypes","unchecked"})
//创建新数组
Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap];
table = newTab;
if (oldTab != null) {
// 把每个旧的bucket都移动到新的bucket中
for (int j = 0; j < oldCap; ++j) {
Node<K,V> e;
if ((e = oldTab[j]) != null) {
oldTab[j] = null;
//如果该位置只有一个节点,则计算索引后直接放进新数组
if (e.next == null)
newTab[e.hash & (newCap - 1)] = e;
//如果是树节点,则调用树的方法移动
else if (e instanceof TreeNode)
((TreeNode<K,V>)e).split(this, newTab, j, oldCap);
else {//如果是链表,那么就是我们上面分析过的巧妙的分配方法
Node<K,V> loHead = null, loTail = null;
Node<K,V> hiHead = null, hiTail = null;
Node<K,V> next;
do {
next = e.next;
// 原索引的都放到loHead链表里
if ((e.hash & oldCap) == 0) {
if (loTail == null)
loHead = e;
else
loTail.next = e;
loTail = e;
}
// 原索引+oldCap都放到hiHead链表里
else {
if (hiTail == null)
hiHead = e;
else
hiTail.next = e;
hiTail = e;
}
} while ((e = next) != null);
// 原索引放到bucket里
if (loTail != null) {
loTail.next = null;
newTab[j] = loHead;
}
// 原索引+oldCap放到bucket里
if (hiTail != null) {
hiTail.next = null;
newTab[j + oldCap] = hiHead;
}
}
}
}
}
return newTab;
}
get方法
get比较简单,直接上源码看吧。
public V get(Object key) {
Node<K,V> e;
return (e = getNode(hash(key), key)) == null ? null : e.value;
}
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) {
// 数组元素相等,直接返回
if (first.hash == hash && // always check first node
((k = first.key) == key || (key != null && key.equals(k))))
return first;
// 桶中不止一个节点
if ((e = first.next) != null) {
// 是树节点就在树中get
if (first instanceof TreeNode)
return ((TreeNode<K,V>)first).getTreeNode(hash, key);
// 否则在链表中get
do {
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
return e;
} while ((e = e.next) != null);
}
}
return null;
}
Others
- HashMap底层数组的长度总是2的n次方的好处?
HashMap采用这种非常规设计,主要是为了在取模和扩容时做优化,同时为了减少冲突,HashMap定位哈希桶索引位置时,也加入了高位参与运算的过程。