【JDK】HashMap

关键词：压缩映射、数组、链表、红黑树、异或hashcode、与取模数组下标、扩容、线程不安全、碰撞

一、哈希

    Hash，所谓散列也即哈希，是一种压缩映射函数，即将任意长度的输入压缩映射为固定长度的输出

    HashTable，也即散列表：根据键值(key)而直接访问在内存中存储位置的数据结构;也就是说，它通过计算一个关于键值的函数，将所需查询的数据映射到表中一个位置来访问记录，这加快了查找速度。这个映射函数称做散列函数，存放记录的数组称做散列表

二、HashMap

    概念：基于哈希表的Map接口的非同步实现；也即，HashMap基于hashing原理，通过put和get方法存储和获取对象；

    特点：提供所有可选的映射操作，但是不保证映射的顺序，也不保证顺序不随时间变化；允许使用null键和null值；

【问1】？？HashMap的原理，内部数据结构？

    答：->：HashMap底层是一个数组结构，该数组的每一项元素均为一个链表，当链表过长时会将链表转成红黑树；aka：Hashmap = 数组 + 链表 + 红黑树；

    ->：HashMap在put一个K,V时，【存储的是键对象和值对象】

    （1）hashCode（异或）：先重新计算hashCode值【(key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16)，高16bit不变，低16bit和高16bit做了一个异或，即加入了高位计算防止低位不变高位变化时造成的hash冲突，，这是因为在table长度较小时实际参与取模运算计算数组下标的很可能是就是低位参与运算的导致出现冲突的概率很大！！】，

    （2）取模（与）：然后计算在数组中的存储下标index【i = (2^n - 1) & hashCode】(说明：其中2^n为该数组的长度也即容量，若没有高16bit和低16bit异或一下，i = (2^n - 1) & hashCode计算时真正有效的是低位，会导致因为高位没有参与下标的计算(table长度比较小时)，大大增加了引起的碰撞的概率问题) => 这是因为 x % 2^n = X & (2^n -1)，而与运算是直接在内存中进行计算的且%运算是需要转成十进制计算的，因此后者与运算效率性能更高！

    （3）如果没有碰撞，则直接放在数组bucket里；如果碰撞了，则以链表形式存储在bucket里，且后加入的放在链尾【jdk8之前是插入头部的，jdk8是插入尾部的】；如果碰撞导致链表过长（>=TREEIFY_THRESHOLD,默认8，也即超过阈值），则会把链表转换成红黑树；如果节点已经存在，则替换old value（保证key唯一性）；如果HashMap中元素的个数满了（超过了负载因子（默认0.75）*当前容量（初始默认16），，也即键值对的实际大小size大于table可以允许的实际大小时进行扩容），则resize（即调整数组的容量是当前的2倍）； -> JDK8相对于JDK7主要是增加了链表转树（树转链表）和红黑树平衡的逻辑，以进一步优化HashMap的性能

   （4）resize扩大容量一倍，一个比较牺牲性能的操作，这是由于需要重新计算位置，因此应当尽可能精确地预设HashMap的容量，避免resize以有效提高性能；

【问2】？？说一下HashMap中put方法过程？

    答：也即：对Key对象高低16位异或运算重新计算出hashcode值，然后再通过与方式的取模运算计算出在数组中的下标；如果没有碰撞，则直接放入桶中；如果碰撞了，则以链表方式放在尾部（jdk8，jdk8之前是放在链头的）；如果链表长度超过阈值（TREEIFY_THRESHOLD == 8），则把链表转成红黑树；如果节点已经存在，则替换旧值；如果键值对的个数满了（容量*加载因子），则需要resize

 

【问3】？？HashMap中hash函数是怎么实现的？还有那些hash的实现方式？

    答：核心思想是取模运算实现hash压缩映射的，jdk8中采用一些小技巧：如（1）通过16bit和高16bit异或运算重新计算出一个新的hashcode值，以减少因数组长度较小时带来的碰撞冲突；（2）通过与运算符号&代替直接的取模符号%，即用新的hashcode值与该数组长度-1（2^n - 1）进行与运算，计算出数组下标，与运算是直接在内存中进行的且无须转换成10进制，以进一步提高性能；

    ？？？哪些实现方式？：：直接定址法、数字分析法、除留余数法、分段叠加法、平方取中法、伪随机数法

 

  ->：HashMap在get(Object key)时,

    （1）先高低位异或重新计算获得hashcode值，然后与运算取模计算得到在数组中的存储下标index

    （2）如果是bucket里的第一个节点，则直接命中；否则有冲突，通过key.equals(k)查找对应的Node，若为树则O(logn)，若为链表则 O(n)；

   ->：碰撞探测，也即上述set和get方法中提到的hashCode相同时，则数组index位置处的bucket中以链表形式进行存储和查找

    描述：HashMap初始化时，系统会创建一个长度为capcity(16)的的Node数组，该Node数组中可以存储node元素的位置被称为桶bucket（每个桶均有其索引，且只存储一个node元素，且node对象含有一个引用变量，用以指向下一个node进而构成node链表结构）

   ->：非线程安全，这是由于：

    （1）不同线程在put操作时，如果是其中一个线程改变了某一键值对的value，那么其他的线程就get不到预期的值，而且值是在不停改变的，因此这样也不是线程安全的；

    （2）在多线程中，当有两个线程同时在put操作的时候，如果存在扩容调用resize，那么也就是resize被两个线程同时调用，可能会产生环形链表，然后再执行get操作就会触发死循环引起CPU的100%问题

    （3）fail-fast，如果在使用迭代器的过程中有其他线程修改了map的结构，则将抛出ConcurrentModificationException异常，也即所谓的fail-fast策略，此时开发人员应该注意线程安全问题

   （说明）(a)避免多线程写时使用HashMap，单写多读是没有问题的；(b)或者为什么要在多线程中使用HashMap，Sun官方都不认为HashMap在多线程中的这个问题是个bug，因为HashMap本来就是不支持多线程使用的，如果需要并发的话就用ConcurrentHashMap；(c)或者通过方法Collections.synchroziedMap(Map)，将HashMap转化为线程同步的Map

    注意事项：

 （1）使用String、Integer等引用类型的封箱wrapper类作为键Key使用；String最为常用，不可变且final的，已经重写的equals和hashCode方法 -> 当对象插入到HashMap之后，且Key就不会再改变了

（2）equals相等，必然hashCode相等 <=> hashCode不相等，必然equals不相等；

（3）hashCode相等，equals可能不相等；

（4）Hashtable使用了线程同步锁保护，也即Hashtable是粗暴地添加了同步锁(synchronized)，导致性能会有损失 -> 更好的方式是使用ConcurrentHashMap，该类采用的是一种分段锁的机制实现线程安全的，后续将在单独一个篇幅中进行介绍！

 

【问4】？？HashMap怎样解决冲突，讲一下扩容过程，假如一个值在原数组中，现在移动了数组，位置肯定改变了，那是什么定位到在这个新数组中的位置？

    答：将新节点加到链表后，容量扩充为原来的两倍，然后对每个节点重新计算hash值，这个值只会出现在两个地方，一个是原下标的位置，另一种是在下标为<原下标+原容量>的位置

 

【问5】？？抛开HashMap，hash冲突有哪些解决办法？

    答：开放定址法，链地址法，再哈希法、建立公共溢出区

 

【问6】？？针对HashMap中某个Node链太长，查找的时间复杂度可能达到O(n),怎么优化？

    答：将链表转为红黑树，JDK1.8已经实现，时间复杂度变为O(logn)

 

三、Hashtable、HashMap、ConcurrentHashMap

    ConcurrentHashMap使用分段锁技术，允许多个修改操作并发进行。ConcurrentHashMap内部使用段来表示这些不同的部分，每个段其实就是一个小的Hashtable，它们有自己的锁。只要多个修改操作发生在不同的段上，它们就可以并发进行。

    Hashtable是一个线程安全的类，它使用synchronized来锁住整张Hash表来实现线程安全，即每次锁住整张表让线程独占

    有些方法需要跨段，比如size()和containsValue()，它们可能需要锁定整个表而而不仅仅是某个段，这需要按顺序锁定所有段，操作完毕后，又按顺序释放所有段的锁。这里“按顺序”是很重要的，否则极有可能出现死锁，在ConcurrentHashMap内部，段数组是final的，并且其成员变量实际上也是final的，但是，仅仅是将数组声明为final的并不保证数组成员也是final的，这需要实现上的保证。这可以确保不会出现死锁，因为获得锁的顺序是固定的。

    HashMap类：

• Node<K,V>：链表节点，包含了key、value、hash、next指针四个元素
• table：Node<K,V>类型的数组，里面的元素是链表，用于存放HashMap元素的实体
• size：记录了放入HashMap的元素个数
• loadFactor：负载因子
• threshold：阈值，决定了HashMap何时扩容，以及扩容后的大小，一般等于table大小乘以loadFactor

 

四、参考

1、http://www.hollischuang.com/archives/2091

2、http://www.importnew.com/20386.html

 

【后续更新，请移步至https://zorkelvll.cn/blogs/zorkelvll/articles/2018/11/18/1542542370201】