10分钟内搞懂HashMap底层原理
HashMap是我们开发过程中用的比较多的一种集合,也是面试过程中为了了解你的java基础,最喜欢问的一种类型,这两天阅读了一下HashMap的源码,在这里把自己的学习成果跟大家分享。
一、HashMap的属性
1.常量
(1)DEFAULT_INITIAL_CAPACITY 默认容量大小
(2)MAXIMUM_CAPACITY 最大容量大小
(3)DEFAULT_LOAD_FACTOR 默认加载因子
(4)TREEIFY_THRESHOLD 链表转化为红黑树的最小长度(如果链表长度超过这个常量,链表就转换成红黑树,但这只是转化为红黑树的条件之一)
(5)UNTREEIFY_THRESHOLD 红黑树转换成链表的最大数量(当红黑树的所有节点数量和小于这个常量,红黑树就转换成链表)
(6)MIN_TREEIFY_CAPACITY 链表转化为红黑树的最小容量 (当HashMap容量超过这个常量,且链表长度超过TREEIFY_THRESHOLD ,链表才会转换成红黑树)
2.属性
(1)size HashMap中的元素个数
(2)modCount 记录HashMap的修改次数
(3)threshold 阈值,初始化时为16,当hashmap中有元素时,threshold =newCap * loadFactor,就是新的table的长度乘以加载因子
(4)loadFactor 加载因子
(5)table 这是一个Node对象的数组,Node是HashMap的静态内部类,实现了Map.Entry<K,V> 接口,HashMap的扩容就是对table数组进行扩容。
二、put一个元素的整个流程
下面我们跟着源码追溯整个流程
public V put(K key, V value) {
return putVal(hash(key), key, value, false, true);
}
put方法调用了putVal方法,然后用Hash(Object key)方法通过key值生成hash值传入putVal方法。
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)
n = (tab = resize()).length;
if ((p = tab[i = (n - 1) & hash]) == null)
tab[i] = newNode(hash, key, value, null);
else {
Node<K,V> e; K k;
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
e = p;
else if (p instanceof TreeNode)
e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
else {
for (int binCount = 0; ; ++binCount) {
if ((e = p.next) == null) {
p.next = newNode(hash, key, value, null);
if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st
treeifyBin(tab, hash);
break;
}
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
break;
p = e;
}
}
if (e != null) { // existing mapping for key
V oldValue = e.value;
if (!onlyIfAbsent || oldValue == null)
e.value = value;
afterNodeAccess(e);
return oldValue;
}
}
++modCount;
if (++size > threshold)
resize();
afterNodeInsertion(evict);
return null;
}
如果table为空,用resize()方法获取一块空间,resize()函数的作用是:如果table为空,则初始化,不为空则为table扩容,后面我们再讲resize()方法。
然后我们看到if ((p = tab[i = (n - 1) & hash]) == null),(n - 1) & hash是对hash值进行取模,与运算这里就不细讲了,最后得到的结果在0到n-1,n是table数组的大小,这里就决定了这个键值对在table数组中的位置,所以不同的hash值也会得到相同的数组下标,hash冲突也是发生在这一步,相同的hash值肯定分配到同一个数组下标。
首先如果这个下标内没有元素会怎样操作。
if ((p = tab[i = (n - 1) & hash]) == null)
tab[i] = newNode(hash, key, value, null);
++modCount;
if (++size > threshold)
resize();
afterNodeInsertion(evict);
return null;
直接将这个键值对放入该下标位置,然后++modCount,HashMap的修改次数+1,大小+1,如果大小超过阈值就进行扩容,我们看一下resize()函数是如何对table数组扩容的。
Node<K,V>[] oldTab = table;
int oldCap = (oldTab == null) ? 0 : oldTab.length;
int oldThr = threshold;
int newCap, newThr = 0;
if (oldCap > 0) {
if (oldCap >= MAXIMUM_CAPACITY) {
threshold = Integer.MAX_VALUE;
return oldTab;
}
else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&
oldCap >= DEFAULT_INITIAL_CAPACITY)
newThr = oldThr << 1; // double threshold
}
else if (oldThr > 0) // initial capacity was placed in threshold
newCap = oldThr;
else { // zero initial threshold signifies using defaults
newCap = DEFAULT_INITIAL_CAPACITY;
newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);
}
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"})
Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap];
table = newTab;
代码有点多,首先如果容量已经达到了最大容量就不扩容了,没有达到就阈值和容量都扩大至原来的两倍,接下来创建一个新的原来两倍大的地址空间,table指向这块空间。然后会发现这样之前的数据就没有了,所以还需要把之前的数据迁移过来。
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);
迁移的过程并不是简单的将对应下标的数据移过去就行了,因为扩容的目的不是因为HashMap装不下了,而是为了让数据在table数组中分布的更加均匀,所以这里会重新计算下标e.hash & (newCap - 1)。链表转红黑树除了需要链表长度超过8,也需要容量超过64,否则就进行扩容,也是因为容量没有超过64之前,扩容会更有效率。我们可以想一下,假如现在是16的容量,那么阈值是16*0.75=12;除了构建红黑树的9个元素(最少9个),还剩最多3个元素分布在15个格子中,所以table中有四分之三的格子是空的,此时进行扩容重新分配下标会是更好的选择。
一个128容量的HashMap,其中的数据分布可能如上图这样,注意容量不是HashMap里的已有元素个数。TreeNode类继承了Node类,所以TreeNode对象也能放进Node数组中(没想到还能这么用,不禁感叹java多态性的强大)。
我们再讲回迁移的过程,循环遍历table数组,如果该位置是TreeNode对象,就调用split方法,然后我们看到split方法。
final void split(HashMap<K,V> map, Node<K,V>[] tab, int index, int bit) {
TreeNode<K,V> b = this;
// Relink into lo and hi lists, preserving order
TreeNode<K,V> loHead = null, loTail = null;
TreeNode<K,V> hiHead = null, hiTail = null;
int lc = 0, hc = 0;
for (TreeNode<K,V> e = b, next; e != null; e = next) {
next = (TreeNode<K,V>)e.next;
e.next = null;
if ((e.hash & bit) == 0) {
if ((e.prev = loTail) == null)
loHead = e;
else
loTail.next = e;
loTail = e;
++lc;
}
else {
if ((e.prev = hiTail) == null)
hiHead = e;
else
hiTail.next = e;
hiTail = e;
++hc;
}
}
if (loHead != null) {
if (lc <= UNTREEIFY_THRESHOLD)
tab[index] = loHead.untreeify(map);
else {
tab[index] = loHead;
if (hiHead != null) // (else is already treeified)
loHead.treeify(tab);
}
}
if (hiHead != null) {
if (hc <= UNTREEIFY_THRESHOLD)
tab[index + bit] = hiHead.untreeify(map);
else {
tab[index + bit] = hiHead;
if (loHead != null)
hiHead.treeify(tab);
}
}
}
它构建了两个根节点,loHead 和hiHead,你可能会疑惑为什么要创建两个根节点,因为同一个下标中的元素重新计算下标后只会有两个结果,一个就是原来的下标值,另一个是(原来的下标值+原来的容量值),这里可以自己验证一下。然后遍历这棵红黑树,每个元素重新计算下标后往这两个根节点上接。最后如果树上的所有节点加起来小于等于6,就会拆成链表结构,构建红黑树的条件是超过8个,为什么拆成链表的条件不是小于等于8而是6?如果是8的话,下次put一个元素进来,下标又正好分配到这个8长度的链表的位置,马上又要转成树,就很耗时,所以把这个数量设定成了6。(注意:树转换成链表只会发生在扩容的时候,删除元素的时候,就算树中的节点个数小于等于6也不会转换成链表)。最后把两个根节点放入数组就算是完成了。
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;
再看下链表的迁移,同样也是创建了两个根节点,然后往链表尾部插入元素。但是之前的版本是用的头插法,就是在链表头部插入元素,当初用头插法是开发者认为新加入的元素被使用到的概率大一些,所以放在链表头部,但这样的方式有一个坏处,在多线程的环境下扩容链表可能会形成一个环,所以java8改成了用尾插法。
最后返回这个新建的数组,到这来插入一个元素的过程就结束了。
总结
get和remove方法没什么太多讲的啦,过程就是计算key的hash值,然后找到在table数组中的位置,最后遍历链表或者红黑树。仔细的朋友其实还会发现put和remove的过程中出现了这么三个方法:
void afterNodeAccess(Node<K,V> p) { }
void afterNodeInsertion(boolean evict) { }
void afterNodeRemoval(Node<K,V> p) { }
点进去后发现都是空的,其实这三个方法是留给继承了HashMap的LinkedHashMap准备的。
还有一个要讲的就是为什么table数组的长度都是2的幂?然后在初始化的时候你就算设定成一个不是2的幂的数,也会转化成一个比这个数大的最小的2的幂,比如指定为17,table数组容量就是32。还记得怎么确定元素在数组中的位置的吗?
(n - 1) & hash 2的幂减1转换成2进制最后几位就是…1111,进行&运算时就不会影响hash值的散列性。还有就是为什么HashMap重写了HashCode方法,也是为了让元素在数组中更加分散,hash方法又对HashCode获得的值进行了异或运算,因为(n - 1) & hash的结果只取决于低位元素,hash方法将hashcode低16位与高16位做异或运算,相当于混合了高位和低位,增加了随机性。
有什么讲的不对的地方还请大家指出来,多交流,多学习~