前段时间面试,被问及hashmap的实现,瞬间蒙了,最后被虐成了狗。痛定思过,发现自己最近一年以来走入了一些歧途,有些本末倒置。故从基础开始,从跌倒的地方开始。
Java集合框架强大、简单、易用。尤其在设计业务逻辑的编程中,集合框架可以说是使用最多的类。Hashmap作为其中一员,是一种把键(key)和值(value)的结构,在实际引用中及其广泛。本篇简单分析java中hashmap的实现,并简单分析它的一些性能,使用过程中的需要注意的地方。
构造函数
Java中hashmap的实现,最基本的原理是链表数组。如下图,即把键的hash值对数组长度取余作为index,然后存到对应数组的链表中。
以上原理看起来很简单,实际实现中还有一些细节需要考虑,让我们来看看它的构造函数,默认构造时值为 16和0.75
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);
// Find a power of 2 >= initialCapacity
int capacity = 1;
while (capacity < initialCapacity)
capacity <<= 1;
//负载因子,默认构造时为0.75
this.loadFactor = loadFactor;
//容量和负载因子的乘积
threshold = (int)(capacity * loadFactor);
//链表数组,真正放键值对的地方
table = new Entry[capacity];
//回调。子类方可覆盖,默认实现为空
init();
}
注意代码中注释。无论调用哪个构造函数,最后执行的都是上面的这个,这个构造函数接受两个参数:初始容量和负载因子。它们是hashmap最重要的指标。
初识容量从代码中,可看出指的是链表数组的长度,负载因子是hashmap中当前元素数量/初始容量的一个上限(此上限代码中用threshold(容量*负载因子)来衡量)。当超过整个限度时,会把链表数组的长度增加,重新计算各个元素的位置(最耗性能)。
我们接下来看下链表数组中Entry的结构,只列出了字段和关键方法。可以看出其是一个链表节点,每个节点包含键值对、hash值和下个节点的引用。其equal()和hashcode()方法同时兼顾了键值。这点在判断是否相等时很有必要。
static class Entry<K,V> implements Map.Entry<K,V> {
final K key;
V value;
Entry<K,V> next;
final int hash;
public final boolean equals(Object o) {
if (!(o instanceof Map.Entry))
return false;
Map.Entry e = (Map.Entry)o;
Object k1 = getKey();
Object k2 = e.getKey();
if (k1 == k2 || (k1 != null && k1.equals(k2))) {
Object v1 = getValue();
Object v2 = e.getValue();
if (v1 == v2 || (v1 != null && v1.equals(v2)))
return true;
}
return false;
}
public final int hashCode() {
return (key==null ? 0 : key.hashCode()) ^
(value==null ? 0 : value.hashCode());
}
}
Put
了解以上基本结构,就可以看put操作了。以下的代码摘自jdk,注明了详细的注释:
/**
* put操作的基本逻辑为,如果当前键已经在hashmap中存在,那么覆盖之,并返回原来的值,否则返回null
*/
public V put(K key, V value) {
if (key == null)//键值可以为null,且专门存放在table[0]这个链表中,见putForNullKey() 这点和hashtable不同,
return putForNullKey(value);
//计算hash值,
int hash = hash(key.hashCode());
//求在数组链表中的下标,这里用了非常巧妙的方法
int i = indexFor(hash, table.length);
//在对应中的链表中找师傅已经存在,存在的话,覆盖之,返回原来的值
for (Entry<K,V> e = table[i]; e != null; e = e.next) {
Object k;
//注意判断相等的条件
if (e.hash == hash && ((k = e.key) == key || key.equals(k))) {
V oldValue = e.value;
e.value = value;
e.recordAccess(this);
return oldValue;
}
}
// 原来不存在的话,则插入到hashmap中,并返回null.
modCount++;//这里是改变次数,在返回迭代器的时候,用来判断迭代器的失效,有兴趣自行研究
//真正添加
addEntry(hash, key, value, i);
return null;
}
//专门放null键,直接取下标0,其他和put操作完全一样
private V putForNullKey(V value) {
for (Entry<K,V> e = table[0]; e != null; e = e.next) {
if (e.key == null) {
V oldValue = e.value;
e.value = value;
e.recordAccess(this);
return oldValue;
}
}
modCount++;
addEntry(0, null, value, 0);
return null;
}
//put 操作时,原hashmap中不存在键key ,则新建一个 Entry,放到对应数组下标的链表中
void addEntry(int hash, K key, V value, int bucketIndex) {
//取链表头结点,当此链表没元素时为null,初识就是这样
Entry<K,V> e = table[bucketIndex];
//构造新节点,并作为头指针存在数组中
table[bucketIndex] = new Entry<>(hash, key, value, e);
//注意这里最耗性能,重新hash,这也是我们如果可以需要避免的地方
if (size++ >= threshold)
resize(2 * table.length);
}
//hashmap扩容,增加链表数组的长度,所有的元素重新计算hash位置。最耗时的操作
void resize(int newCapacity) {
Entry[] oldTable = table;
int oldCapacity = oldTable.length;
if (oldCapacity == MAXIMUM_CAPACITY) {
threshold = Integer.MAX_VALUE;
return;
}
Entry[] newTable = new Entry[newCapacity];
//关键是这里
transfer(newTable);
table = newTable;
threshold = (int)(newCapacity * loadFactor);
}
void transfer(Entry[] newTable) {
Entry[] src = table;
int newCapacity = newTable.length;
for (int j = 0; j < src.length; j++) {
Entry<K,V> e = src[j];
//双层循环,每个元素都重新计算位置
if (e != null) {
src[j] = null;
do {
Entry<K,V> next = e.next;
int i = indexFor(e.hash, newCapacity);
e.next = newTable[i];
newTable[i] = e;
e = next;
} while (e != null);
}
}
}
最后看看神秘的indexFor
//可以这么理解 length肯定是 2的幂,如 16 转换 2禁制是 10000 ,减一为01111 ,进行&运算就可以得到h对应的低位,刚好是相当于
//h%length
static int indexFor(int h, int length) {
return h & (length-1);
}
Get
理解了put,get就是小菜:
public V get(Object key) {
//null键专门取,即从table[0]取
if (key == null)
return getForNullKey();
//求hash,hash函数这里不研究
int hash = hash(key.hashCode());
//从对应的数组链表中查找数据
for (Entry<K,V> e = table[indexFor(hash, table.length)];
e != null;
e = e.next) {
Object k;
//注意键相等的比较,hash值相等且key相等
if (e.hash == hash && ((k = e.key) == key || key.equals(k)))
return e.value;
}
returnnull;
}
分析
理解了hashmap的实现,聪明的人肯定已经知道怎么更加高性能的使用hashmap。不过在此之前还是先说明下初始容量和负载因子的含义。
Hashmap的设想是在O(1)的时间复杂度存取数据,根据我们的分析,在最坏情况下,时间复杂度很可能是o(n),但这肯定极少出现。但是某个链表中存在多个元素还是有相当大的可能的。当hashmap中的元素数量越接近数组长度,这个几率就越大。为了保证hashmap的性能,我们对元素数量/数组长度的值做了上限,此值就是负载因子。当比值大于负载因子时,就需要对内置数组进行扩容,从而提高读写性能。但这也正是问题的所在,对数组扩容,代价较大,时间复杂度时O(n)。
故我们在hashmap需要存放的元素数量可以预估的情况下,预先设定一个初始容量,来避免自动扩容的操作来提高性能。