前言
相信大多数朋友都使用过HashMap,面试也经常会被问到,但往往都回答的都不尽人意,确实,HashMap还算是比较复杂的一个数据结构,尤其是在JDK1.8之后又引入了红黑树之后。本文就基于JDK1.8的HashMap源码,带大家将常用方法、重要属性及相关方法进行分析,HashMap 源码中可分析的点很多,本文很难一一覆盖,请见谅。
本文篇幅较长,请客官耐心观看
如果本文中有不正确的结论、说法,请大家提出和我讨论,共同进步,谢谢。
1.原理
HashMap是基于hash算法实现的,也就是不同于数组,每次添加数据时,下标自增的操作,而是根据Key的hash值以及数组的长度计算出对应的下标,放入元素,那么在查找的时候就直接能够定位到对应的元素,如果在没有hash冲突的时候,时间复杂度基本就是O(1)了,引用一张图大致整体看下HashMap的数据结构。
1.1 hash冲突
有朋友可能就会有疑惑了,那当元素越来越多的时候,就算通过hash算法计算,那万一两个元素计算出的下标一样呢?那后面的元素往哪放?这里采用的是链表的形式,当发生hash冲突的时候,第一个元素直接指向第二个元素,再有hash冲突元素时,直接插到链表尾部,这样形成一条链。
那么如果冲突的元素很多,那么链表岂不是会很长,因为我们知道链表查询是效率很低的,需要一个一个的遍历,那么在JDK1.8中,当链表长度超过一定阈值时,直接进行数据结构转换,将链表转化成红黑树,红黑树是一种平衡二叉树,时间复杂度是O(logn),具体红黑树的原理就不分析了,不在此文章范围内。
1.2 扩容
从上面分析,我们也可以看明白,HashMap的数据结构是由数组和链表(或树形结构)组成,所以本质还是由数组开始,我们知道数组是需要提前知道容量的,比如初始位10,那么当元素越来越多,因为下标范围是0-9,所以hash冲突会越来越多,这样形成很多链表或者树,查询时效率非常低,这时候就需要扩容了,也就是扩大原有数组的长度,至于扩多大,什么时候该扩容,下面分析源码时,将一一给大家讲解,但是我们要注意的一点是,扩容是需要再次Hash的,为什么呢,因为hash算法是hash值取余数组长度,所以必须要再次Hash确定每个元素的位置
1.3 hashCode
hash算法是基于key的hashcode方法的,hashcode是object的方法,每个对象都可以进行复写,这里就衍生出一个问题,什么类适合作为更适合作为HashMap的键?答案是String, Interger这样的wrapper类,因为String是不可变的,也是final的,而且已经重写了equals()和hashCode()方法了。其他的wrapper类也有这个特点。不可变性是必要的,因为为了要计算hashCode(),就要防止键值改变,如果键值在放入时和获取时返回不同的hashcode的话,那么就不能从HashMap中找到你想要的对象,而且比较安全,碰撞的几率就会小些,这样就能提高HashMap的性能。
2 源码
2.1 初始化
老规矩,先上构造方法总是没错的
public HashMap() {
this.loadFactor = DEFAULT_LOAD_FACTOR; // all other fields defaulted
}
public HashMap(int initialCapacity) {
this(initialCapacity, DEFAULT_LOAD_FACTOR);
}
public HashMap(Map<? extends K, ? extends V> m) {
this.loadFactor = DEFAULT_LOAD_FACTOR;
putMapEntries(m, false);
}
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;
this.threshold = tableSizeFor(initialCapacity);
}
复制代码
可以看到重载了4个构造方法,我们大多数基本用的就是第一个无参方法,其他的几个方法也是做一些初始化操作,主要关心这几个变量:
名称 | 用途 |
---|---|
initialCapacity | HashMap 初始容量 |
loadFactor | 负载因子 |
threshold | 当前 HashMap 所能容纳键值对数量的最大值,超过这个值,则需扩容 |
HashMap 初始容量是16,负载因子为 0.75,但是有的朋友会细心发现,第一个构造方法,摆明就只是赋值了负载因子,初始容量和阈值都没有被初始化,这里先不解释,后面扩容机制会告诉你答案,然后看最后一个构造函数,我们可以把初始容量和负载因子作为值传递进来,threshold是通过一个方法计算出来的,看看方法具体实现:
/**
* Returns a power of two size for the given target capacity.
*/
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;
}
复制代码
相信大家和我一样,第一次看到这个方法是蒙蔽的....先把结论给出来:找到大于或等于 cap 的最小2的幂,这里引用一张图解释下,侵删:
比如cap等于5,那么最终返回的就是8,如果cap等于10,返回的就是16,这样一说大家结合上面的应该能理解了。
2.1 插入
插入逻辑算是比较复杂的了,我们先来看看put方法代码:
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;
//初始化数组table
if ((tab = table) == null || (n = tab.length) == 0)
n = (tab = resize()).length;
//通过hash算法找到下标,如果对应的位置为空,直接将数据放进去
if ((p = tab[i = (n - 1) & hash]) == null)
tab[i] = newNode(hash, key, value, null);
else {
//对应的位置不为空,hash冲突
Node<K,V> e; K k;
//判断插入的key如果等于当前位置的key的话,先将 e 指向该键值对,后续覆盖
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
e = p;
//如果桶中的引用类型为 TreeNode,则调用红黑树的插入方法
else if (p instanceof TreeNode)
e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
else {
// 剩下就是链表了,进行遍历
for (int binCount = 0; ; ++binCount) {
//如果链表中部包含该节点,将该节点接在链表的最后,跳出循环
if ((e = p.next) == null) {
p.next = newNode(hash, key, value, null);
//如果链表长度大于一个阈值,链表变树!
if (binCount >= TREEIFY_THRESHOLD - 1)
treeifyBin(tab, hash);
break;
}
//如果链表中包含该节点,赋值,后续覆盖,跳出循环
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
break;
p = e;
}
}
//判断插入的是否存在HashMap中,上面e被赋值,不为空,则说明存在,更新旧的键值对
if (e != null) { // existing mapping for key
V oldValue = e.value;
if (!onlyIfAbsent || oldValue == null)
e.value = value;
afterNodeAccess(e);
return oldValue;
}
}
++modCount;
//当前HashMap键值对超过阈值时,进行扩容
if (++size > threshold)
resize();
afterNodeInsertion(evict);
return null;
}
复制代码
可以看到主要逻辑在putVal()方法中,不清楚的可以看下注释,总结一下主要是几个方面:
- 如果当前table为空,先进行初始化
- 查找插入的键值对是否存在,存在的话,先进行赋值,后续将更新旧的键值对
- 不存在,插入链表尾部,如果链表长度大于一个阈值,进行链表转化树的操作
- 如果size大于一个阈值,进行扩容
那么重点当然就是扩容方法了,看看具体实现:
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) {
//超过最大值,不再扩容,直接返回
if (oldCap >= MAXIMUM_CAPACITY) {
threshold = Integer.MAX_VALUE;
return oldTab;
}
//通过位运算,计算出新的容量以及新的阈值,2倍计算
else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&
oldCap >= DEFAULT_INITIAL_CAPACITY)
newThr = oldThr << 1; // double threshold
}
//使用 threshold 变量暂时保存 initialCapacity 参数的值
else if (oldThr > 0)
newCap = oldThr;
else {
//这里就能回答上面的初始化的问题了,调用空的构造函数时的赋值
newCap = DEFAULT_INITIAL_CAPACITY;
newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);
}
// newThr 为 0 时,按阈值计算公式进行计算,容量*负载因子
if (newThr == 0) {
float ft = (float)newCap * loadFactor;
newThr = (newCap < MAXIMUM_CAPACITY && ft < (float)MAXIMUM_CAPACITY ?
(int)ft : Integer.MAX_VALUE);
}
//更新当前最新的阈值
threshold = newThr;
//创建新的桶数组,调用空的构造方法,这里也就是桶数组的初始化
Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap];
table = newTab;
//如果旧的数组不为空,遍历,将值移植到新的数组中去
if (oldTab != null) {
for (int j = 0; j < oldCap; ++j) {
Node<K,V> e;
if ((e = oldTab[j]) != null) {
//将旧数组对象置位空,方便回收
oldTab[j] = null;
//计算新的位置,赋值操作
if (e.next == null)
newTab[e.hash & (newCap - 1)] = e;
else if (e instanceof TreeNode)
//如果原来节点是红黑树,则需要重新进行拆分
((TreeNode<K,V>)e).split(this, newTab, j, oldCap);
else {
//遍历整个链表,重新hash,根据新的下标重新分组
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;
}
复制代码
代码稍微长了点,大家耐心点看下逻辑,总结也就几点
- 判断当前oldTab长度是否为空,如果为空,则进行初始化桶数组,也就回答了空构造函数初始化为什么没有对容量和阈值进行辅助,如果不为空,则进行位运算,左移一位,2倍运算。
- 扩容,创建一个新容量的数组,遍历旧的数组:
- 如果节点为空,直接赋值插入
- 如果节点为红黑树,则需要进行进行拆分操作
- 如果为链表,根据hash算法进行重新计算下标,将链表进行拆分分组
这里主要说明下链表拆分是什么意思,我们知道下标计算是hash&(n-1),假如原始数组长度为16,进行求余计算:那么n-1也就是15,对应二进制 0000 1111,这时候分别有2个hash值分别为:1101 1100和1110 1100,计算可以得到,得到的下标都是0000 1100,也就是12,如果进行扩容之后呢?长度变成32,n-1也就对应 0001 1111,2个hash再次进行计算得到的就是 0001 1100 和 0000 1100,一个下标还是12,而另一个则是28了
可以看到扩容后,参与模运算的位数由4位变为了5位,所以对应得出来的值自然就不一样了,相信大家也应该理解了
2.2 查找
相对于复杂的插入操作,查找的逻辑相对就相对简单点了,代码如下:
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) {
//定位下标,如果第一个节点是所要查找的值,直接返回
if (first.hash == hash && // always check first node
((k = first.key) == key || (key != null && key.equals(k))))
return first;
if ((e = first.next) != null) {
//如果第一个节点是TreeNode类型,去遍历红黑树
if (first instanceof TreeNode)
return ((TreeNode<K,V>)first).getTreeNode(hash, key);
do {
//对链表进行查找
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
return e;
} while ((e = e.next) != null);
}
}
return null;
}
复制代码
上面也提到了,通过(n - 1) & hash
即可算出在数组中的位置,这里简单解释一下。HashMap 中桶数组的大小 length 总是2的幂,此时,(n - 1) & hash
等价于对 length 取余。但取余的计算效率没有位运算高,所以(n - 1) & hash
也是一个小的优化
还有一个计算hash值得方法
static final int hash(Object key) {
int h;
return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}
复制代码
可以看到,这里的hash并不是用原有对象的hashcode最为最终的hash值,而是做了一定位运行,具体原因个人想法如下:
因为如果(n-1)的值太小的话
,(n - 1) & hash
的值就完全依靠hash的低位值,比如n-1
为0000 1111,那么最终的值就完全依赖于hash值的低4位了,这样的话hash的高位就玩完全失去了作用,h ^ (h >>> 16)
,通过这种方式,让高位数据与低位数据进行异或,也是变相的加大了hash的随机性,这样就不单纯的依赖对象的hashcode方法了。
2.3 删除
有了前面一些铺垫,删除操作也并不复杂
public V remove(Object key) {
Node<K,V> e;
return (e = removeNode(hash(key), key, null, false, true)) == null ?
null : e.value;
}
final Node<K,V> removeNode(int hash, Object key, Object value,
boolean matchValue, boolean movable) {
Node<K,V>[] tab; Node<K,V> p; int n, index;
//和之前的判断一样
if ((tab = table) != null && (n = tab.length) > 0 &&
(p = tab[index = (n - 1) & hash]) != null) {
Node<K,V> node = null, e; K k; V v;
//如果键的值与链表第一个节点相等,则将 node 指向该节点
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
node = p;
else if ((e = p.next) != null) {
//如果是TreeNode类型,指向该节点
if (p instanceof TreeNode)
node = ((TreeNode<K,V>)p).getTreeNode(hash, key);
else {
//遍历链表,找到该节点
do {
if (e.hash == hash &&
((k = e.key) == key ||
(key != null && key.equals(k)))) {
node = e;
break;
}
p = e;
} while ((e = e.next) != null);
}
}
//通过节点类型进行删除操作
if (node != null && (!matchValue || (v = node.value) == value ||
(value != null && value.equals(v)))) {
if (node instanceof TreeNode)
((TreeNode<K,V>)node).removeTreeNode(this, tab, movable);
else if (node == p)
tab[index] = node.next;
else
p.next = node.next;
++modCount;
--size;
afterNodeRemoval(node);
return node;
}
}
return null;
}
复制代码
相信有了之前的基础,这里理解就不困难了,具体实现就不多说了,有兴趣的朋友可以深入源码看下
3.总结
大致分析就到一段落了,这里总结下几个问题,希望能够帮助到大家一些面试过程。
- HashMap底层数据结构由数组+链表+红黑树实现(JDK1.8),通过键
key
经过扰动函数扰动后得到hash
值,然后再通过hash & (length - 1)
代替取模的方式进行元素定位,查找效率最好情况是O(1) - Hash冲突是指不同对象的hashCode通过hash算法后得出了相同定位的下标,这时候采用链地址法,会将此元素插入至此位置链表的最后一位,形成单链表。当存在位置的链表长度 大于等于 8 并且当前数组容量超过64时,HashMap会将链表 转变为 红黑树,这里要说明一点,往往后者的条件会被大多数人忽略,当桶数组容量比较小时,键值对节点 hash 的碰撞率可能会比较高,进而导致链表长度较长。这个时候应该优先扩容,而不是立马树化。毕竟高碰撞率是因为桶数组容量较小引起的,这个是主因。容量小时,优先扩容可以避免一些列的不必要的树化过程。
- HashMap的容量是2的n次方,有利于提高计算元素存放位置时的效率,也降低了hash冲突的几率,从上面代码分析我们也能看出来,就算传递进来一个不是2次方的数,内部也会通过位运算找到大于或等于 cap 的最小2的幂,来设置给容器。
- 在使用HashMap的时候,尽量的选择不可变的对象作为key,避免对象的改变引起hash的变化,导致数据的不准确性
- HashMap是非线程安全的,在多线程的操作下会存在异常情况,可以使用HashTable或者ConcurrentHashMap进行代替
参考文章
JDK 源码中 HashMap 的 hash 方法原理是什么?