HashMap简介:HashMap是一个基于哈希表的Map接口实现,它提供了所有可选的映射操作,并允许使用null值和null键。HashMap是非线程完全的,这意味着在多线程环境下可能会存在问题,HashMap的设计思路是假定哈希函数将元素正确分布在各桶之间,为基本操作(如get和put)提供共稳定的性能。HashMap的实例有两个参数影响其性能:初始容量和加载因子。初始容量是哈希表在创建时的容量,而加载因子是哈希表在其容量自动增加之前可以达到多满的一种尺度。HashMap的内部实现原理主要基于拉链法,通过计算key的哈希值并将其映射到table数组中的一个位置,随后将<key,value>添加到该位置出的buket中。当哈希表中的条目超出了加载因子与当前容量的乘积时,HashMap会进行rehash操作,扩大桶数组的容量。
在JDK1.7中,HashMap是由数组+链表构成的;而在JDK1.8中,HashMap则是由数组+链表+红黑树构成的,新增了红黑树作为底层数据结构,以提高效率。HashMap不保证映射的顺序,特别是它不保证顺序恒久不变。由于HashMap的非线程安全的,因此在多线程环境下可能需要额外的同步机制来保证数据的一致性。如果需要线程的安全Map,可以使用Hashtable和HashMap。
一丶HashMap 的数据结构
JDK1.8 版本的HashMap,底层数据使用数组 + 链表/红黑树实现。
- 数组结构:存储空间连续、内存占用严重、空间复杂度大;优点:随机读取和修改效率高,因为数组是连续的(随机访问强,查找熟读快);缺点:插入和删除数据效率低,因插入数据,这个位置后面的数据在内存中都要往后移动,且大小固定不易动态扩展。
- 链表结构:存储区间离散、占用内存宽松、空间复杂度小;优点:插入删除速度快,内存利用率高,没有固定大小,扩展灵活;缺点:不能随机查找,每次都是从第一个数据开始遍历(查询效率低)
- 哈希表结构:结合数据结构和链表结构的优点,从而实现了查询和修改效率高,插入和删除效率也高的一种数据结构
二丶源码剖析
- 成员变量
// aka 默认初始容量大小:2的4次方 16
static final int DEFAULT_INITIAL_CAPACITY = 1 << 4;
//最大容量:2的30次方,Integer.MAX_VALUE
static final int MAXIMUM_CAPACITY = 1 << 30;
//默认加载因子
static final float DEFAULT_LOAD_FACTOR = 0.75f;
//计数阈值至少为8转化为使用树而不是列表
static final int TREEIFY_THRESHOLD = 8;
//计数阈值小于6反树化,即红黑树转为列表
static final int UNTREEIFY_THRESHOLD = 6;
//可对桶进行树化的最小表容量
static final int MIN_TREEIFY_CAPACITY = 64;
//表在第一次使用时初始化,大小调整为必要的。在分配时,长度总是2的幂。在某些操作中,我们也允许长度为零。目前不需要的引导机制。)
transient Node<K,V>[] table;
//保存缓存的entrySet()
transient Set<Map.Entry<K,V>> entrySet;
//包含的键值映射的元素数量
transient int size;
//HashMap在结构上被修改的次数,用于快速失败机制
transient int modCount;
// 调整大小的阈值(容量*负载因子)
int threshold;
//哈希表扩容使用的负载因子
final float loadFactor;
- Node的数据结构
//Node的数据结构是一个链表结构,红黑树也是基于Node的数据结构构建得到。
static class Node<K,V> implements Map.Entry<K,V> {
final int hash;
final K key;
V value;
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;
}
...
}
- 构造方法
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;
//根据tableSizeFor获取扩容阈值
this.threshold = tableSizeFor(initialCapacity);
}
public HashMap(int initialCapacity) {
this(initialCapacity, DEFAULT_LOAD_FACTOR);
}
public HashMap() {
this.loadFactor = DEFAULT_LOAD_FACTOR; // all other fields defaulted
}
public HashMap(Map<? extends K, ? extends V> m) {
this.loadFactor = DEFAULT_LOAD_FACTOR;
putMapEntries(m, false);
}
//当初始容量initialCapacity大于最大容量MAXIMUM_CAPACITY大小,设置成最大容量大小,防止内存溢出
//根据tableSizeFor获取扩容阈值
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;
}
通过对cap进行移位或操作计算,获取扩容阈值 2的幂次方。此时这里的threshold不是初始容量*负载因子,不必在意,这只是临时的,真正设置threshold在后面put方法中。
- put值方法
public V put(K key, V value) {
// 调用putVal方法, hash(key)-计算key的hash值
return putVal(hash(key), key, value, false, true);
}
- 计算hash方法
static final int hash(Object key) {
int h;
return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}
计算key.hashcode()并将哈希的高位数扩展到低位数;
- key.hashcode()方法获取key的hashcode值;
- key的hashcode值与其无符号右移16位值进行异或。从而让hash值分布更加均匀,将高位的碰撞影响向下扩散;
- 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;
// 如果数组为空,进行 resize() 初始化
if ((tab = table) == null || (n = tab.length) == 0)
n = (tab = resize()).length;
// (n - 1) & hash相当于取模,获取数组的索引位置
// 如果计算的位置上Node不存在,直接创建节点插入
if ((p = tab[i = (n - 1) & hash]) == null)
tab[i] = newNode(hash, key, value, null);
else {
// 如果计算的位置上Node 存在,链表或者红黑树处理
Node<K,V> e; K k;
// 如果已存在的key和传入的key一模一样,则需要覆盖
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
e = p;
// 如果 index 位置元素已经存在,且是红黑树
else if (p instanceof TreeNode)
// 将元素put到红黑树中
e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
else {
// 否则如果是链表的情况,对链表进行遍历,并统计链表长度
for (int binCount = 0; ; ++binCount) {
// 如果节点链表的next为空
if ((e = p.next) == null) {
// 找到节点链表中next为空的节点,创建新的节点插入
p.next = newNode(hash, key, value, null);
// 如果节点链表中数量超过TREEIFY_THRESHOLD(8)个,转化为红黑树
if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st
// 树化
treeifyBin(tab, hash);
break;
}
// 判断节点链表中的key和传入的key是否一样
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
// 如果一样的话,退出
break;
p = e;
}
}
// 如果存在相同key的节点e不为空
if (e != null) { // existing mapping for key
V oldValue = e.value;
// onlyIfAbsent 表示是否仅在 oldValue 为 null 的情况下更新键值对的值
if (!onlyIfAbsent || oldValue == null)
// 设置新的值
e.value = value;
afterNodeAccess(e);
// 返回旧的结果
return oldValue;
}
}
++modCount;
// 当前大小大于临界大小,扩容
if (++size > threshold)
resize();
afterNodeInsertion(evict);
return null;
}
put丶putval总体流程如下
putval方法解释:
- 当桶数组buket为空时,通过扩容方式初始化table。
- 查找要插入的键值对是否存在,存在的话根据条件判断是否用新值替换旧值,如果不存在,则将键值对加入链表中,并根据链表长度决定是否将链表转为红黑树。
- 判断键值对数据是否大于阈值,大于的话则进行扩容操作。
- resize方法
final Node<K,V>[] resize() {
Node<K,V>[] oldTab = table;
// 现有容量的大小,等于数组的长度,如果数组为空,返回0
int oldCap = (oldTab == null) ? 0 : oldTab.length;
// 现有的扩容阈值
int oldThr = threshold;
// newCap表示新的容量,newThr新的扩容阈值
int newCap, newThr = 0;
// 如果现有容量大于0,表示已经初始化过了
if (oldCap > 0) {
// 如果现有容量已经大于最大容量。结束扩容,直接返回
if (oldCap >= MAXIMUM_CAPACITY) {
threshold = Integer.MAX_VALUE;
return oldTab;
}
// 否则,如果扩大两倍之后的容量小于最大容量,且现有容量大于等于初始容量16
else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&
oldCap >= DEFAULT_INITIAL_CAPACITY)
// 新的扩容阀值扩大为两倍,左移<<1 相当于乘以2
newThr = oldThr << 1; // double threshold
}
// 否则如果当前容量等于0 ,但是当前扩容阈值 > 0,调用有参构造函数会到这里
else if (oldThr > 0) // initial capacity was placed in threshold
// 进入这里,新的容量等于当前的扩容阈值,
newCap = oldThr;
// 否则如果当前容量等于0,并且挡墙扩容阈值=0,调用无参构造函数进入这里
else {
// 新的容量等于默认容量
newCap = DEFAULT_INITIAL_CAPACITY;
// 新的扩容阈值等于默认负载因子0.75*默认容量16=12
newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);
}
// 如果新的扩容阈值等于0
if (newThr == 0) {
// 设置新的扩容阈值等于新的容量*负载因子
float ft = (float)newCap * loadFactor;
newThr = (newCap < MAXIMUM_CAPACITY && ft < (float)MAXIMUM_CAPACITY ?
(int)ft : Integer.MAX_VALUE);
}
// 设置hashmap对象的扩容阈值位新的扩容阈值
threshold = newThr;
@SuppressWarnings({"rawtypes","unchecked"})
// 初始化数组
Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap];
// 设置hashmap对象的桶数组为newTab
table = newTab;
// 下面时rehash的过程
// 如果旧的桶数组不为空,则遍历桶数组,并将键值对映射到新的桶数组中
if (oldTab != null) {
// 遍历老的数组
for (int j = 0; j < oldCap; ++j) {
Node<K,V> e;
// 如果数组索引位置不为空
if ((e = oldTab[j]) != null) {
oldTab[j] = null;
// 如果节点下面没有链表或者红黑树
if (e.next == null)
// 用新数组容量取模,设置到新数组中
newTab[e.hash & (newCap - 1)] = e;
// 如果节点是红黑树
else if (e instanceof TreeNode)
// 需要对红黑树进行拆分
((TreeNode<K,V>)e).split(this, newTab, j, oldCap);
// 如果节点是红黑树
else { // preserve order
Node<K,V> loHead = null, loTail = null;
Node<K,V> hiHead = null, hiTail = null;
Node<K,V> next;
// 遍历链表,并将链表节点按原顺序根据高低位分组
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);
// 将分组后的链表映射到新桶中
if (loTail != null) {
loTail.next = null;
newTab[j] = loHead;
}
if (hiTail != null) {
hiTail.next = null;
newTab[j + oldCap] = hiHead;
}
}
}
}
}
return newTab;
}
resize()方法做了如下事情:
- 计算新桶数组的容量newCap和新阈值newThr
- 根据计算出的newCap创建新的桶数组,桶数组table也是在这里进行初始化的。
- 将键值对节点重新映射到新的桶数组中,如果节点是treeNode类型,则需要拆分红黑树。如果是普通链表节点,则节点按照原顺序进行分组。
- treeifyBin方法
treeifybin方法将普通及诶单链表转换成树形节点。JDK1.8中会将节点链表在一定的条件下转换为红黑树,主要原因红黑树的搜索查询性能更好,会将时间复杂度从O(n)变成O(logn)。
final void treeifyBin(Node<K,V>[] tab, int hash) {
int n, index; Node<K,V> e;
// 桶数组容量小于 MIN_TREEIFY_CAPACITY,优先进行扩容而不是树化
if (tab == null || (n = tab.length) < MIN_TREEIFY_CAPACITY)
resize();
else if ((e = tab[index = (n - 1) & hash]) != null) {
// hd 为头节点(head),tl 为尾节点(tail)
TreeNode<K,V> hd = null, tl = null;
do {
// 将普通节点替换成树形节点
TreeNode<K,V> p = replacementTreeNode(e, null);
if (tl == null)
hd = p;
else {
p.prev = tl;
tl.next = p;
}
tl = p;
} while ((e = e.next) != null);
// 将普通链表转成由树形节点
if ((tab[index] = hd) != null)
// 将树形链表转换成红黑树
hd.treeify(tab);
}
}
扩容树化需要满足如下两个条件:
- 链表长度大于8
- 桶数组容量大于等于64,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。这个时候应该先进行扩容而不是树化。
- get方法
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;
// 定位键值对所在桶的位置
if ((tab = table) != null && (n = tab.length) > 0 &&
//(n - 1)& hash相当于取模运算,算出桶的在桶数组中的位置
(first = tab[(n - 1) & hash]) != null) {
//根据hash算法找到对应位置的第一个数据,如果是指定的key,则直接返回
if (first.hash == hash && // always check first node
((k = first.key) == key || (key != null && key.equals(k))))
return first;
if ((e = first.next) != null) {
//如果该节点为红黑树,则通过树进行查找
if (first instanceof TreeNode)
return ((TreeNode<K,V>)first).getTreeNode(hash, key);
//如果该节点是链表,则遍历查找到数据
do {
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
return e;
} while ((e = e.next) != null);
}
}
return null;
}
三、HashMap红黑树原理分析
相比JDK1.7的HashMap而言,JDK1.8最重要的就是引入红黑树的设计,红黑树除了插入操作慢其他操作都比链表快,当hash表的单一链表长度超过8个的时候,数组长度大于64,链表结构就会转为红黑树。当红黑树上的节点少于6个时,会将红黑树从新转化为单向链表的数据结构;
- 红黑树查询:其访问性能近似于折半查找,时间复杂度 O(logn);
- 链表查询:这种情况下,需要遍历全部元素才行,时间复杂度 O(n);
简单的说,红黑树是一种近似平衡二叉查找树,其主要优点就是平衡,即左右子树高度几乎一致,以此来防止树退化成链表,通过这种方式来保证查找的时间维度为logn。
关于红黑树的内容,主要有以下几个特性:
- 每个节点要么是红色,要么是黑色,但是根节点永远是黑色;
- 每个红色节点的两个子节点一定是黑色;
- 红色节点不能连续(也即是,红色节点的父节点和子节点都不能为红色);
- 从任一节点到其子树中每个叶子节点的路径都包含相同是数量的黑色节点
- 所有的叶子节点都是都是黑色的,在树的结构发生变化时(插入或者删除操作),往往会破坏上诉3、4点,需要重新调整使得查找树重新满足红黑树的条件;
好了hashmap就介绍到这里了,喜欢的朋友点个赞吧!!!