java HashMap那点事

时间 2019-12-02

标签 java hashmap 那点栏目 Java 繁體版

原文原文链接

集合类的总体架构程序员

比较重要的集合类图以下：算法

		有序否编程	容许元素重复否数组
Collection架构		否性能	是学习
Listthis		是spa	是设计
Set	AbstractSet	否	否
	HashSet
	TreeSet	是（用二叉树排序）
Map	AbstractMap	否	使用key-value来映射和存储数据，Key必须唯一，value能够重复
	HashMap
	TreeMap	是（用二叉树排序）

HashMap详解

　　HashMap 和 HashSet 是 Java Collection Framework 的两个重要成员，其中 HashMap 是 Map 接口的经常使用实现类，HashSet 是 Set 接口的经常使用实现类。虽然 HashMap 和 HashSet 实现的接口规范不一样，但它们底层的 Hash 存储机制彻底同样，甚至 HashSet 自己就采用 HashMap 来实现的(使用HashMap的key来存储HashSet的值，value是一个无心义的对象)。
经过 HashMap、HashSet 的源代码分析其 Hash 存储机制
　　实际上，HashSet 和 HashMap 之间有不少类似之处，对于 HashSet 而言，系统采用 Hash 算法决定集合元素的存储位置，这样能够保证能快速存、取集合元素；对于 HashMap 而言，系统 key-value 当成一个总体进行处理，系统老是根据 Hash 算法来计算 key-value 的存储位置，这样能够保证能快速存、取 Map 的 key-value 对。

　　在介绍集合存储以前须要指出一点：虽然集合号称存储的是 Java 对象，但实际上并不会真正将 Java 对象放入 Set 集合中，只是在 Set 集合中保留这些对象的引用而言。也就是说：Java 集合其实是多个引用变量所组成的集合，这些引用变量指向实际的 Java 对象。

集合和引用

　　就像引用类型的数组同样，当咱们把 Java 对象放入数组之时，并非真正的把 Java 对象放入数组中，只是把对象的引用放入数组中，每一个数组元素都是一个引用变量。

HashMap 的存储实现
　　当程序试图将多个 key-value 放入 HashMap 中时，以以下代码片断为例：

HashMap<String , Double> map = new HashMap<String , Double>();   
map.put("高数" , 60.0);   
map.put("大英" , 89.0);   
map.put("大物" , 78.2);

　　HashMap 采用一种所谓的“Hash 算法”来决定每一个元素的存储位置。

　　当程序执行 map.put("高数" , 60.0); 时，系统将调用"高数"的 hashCode() 方法获得其 hashCode 值——每一个 Java 对象都有 hashCode() 方法，均可经过该方法得到它的 hashCode 值。获得这个对象的 hashCode 值以后，系统会根据该 hashCode 值来决定该元素的存储位置。

　　咱们能够看 HashMap 类的 put(K key , V value) 方法的源代码：

public V put(K key, V value)   
{   
 // 若是 key 为 null，调用 putForNullKey 方法进行处理  
 if (key == null)   
     return putForNullKey(value);   
 // 根据 key 的 keyCode 计算 Hash 值  int hash = hash(key.hashCode()); // 搜索指定 hash 值在对应 table 中的索引  int i = indexFor(hash, table.length);  // 若是 i 索引处的 Entry 不为 null，经过循环不断遍历 e 元素的下一个元素  
 for (Entry<K,V> e = table[i]; e != null; e = e.next)   
 {   
     Object k;   
     // 找到指定 key 与须要放入的 key 相等（hash 值相同  
     // 经过 equals 比较放回 true）  
     if (e.hash == hash && ((k = e.key) == key   
         || key.equals(k)))   
     {   
         V oldValue = e.value;   
         e.value = value;   
         e.recordAccess(this);   
         return oldValue;   
     }   
 }   
 // 若是 i 索引处的 Entry 为 null，代表此处尚未 Entry   
 modCount++;   
 // 将 key、value 添加到 i 索引处   addEntry(hash, key, value, i); return null;   
}

　　上面程序中用到了一个重要的内部接口：Map.Entry，每一个 Map.Entry 其实就是一个 key-value 对。从上面程序中能够看出：当系统决定存储 HashMap 中的 key-value 对时，彻底没有考虑 Entry 中的 value，仅仅只是根据 key 来计算并决定每一个 Entry 的存储位置。这也说明了前面的结论：咱们彻底能够把 Map 集合中的 value 当成 key 的附属，当系统决定了 key 的存储位置以后，value 随之保存在那里便可。

　　上面方法提供了一个根据 hashCode() 返回值来计算 Hash 码的方法：hash()，这个方法是一个纯粹的数学计算，其方法以下：

static int hash(int h)   
{   
    h ^= (h >>> 20) ^ (h >>> 12);   
    return h ^ (h >>> 7) ^ (h >>> 4);   
}

　　对于任意给定的对象，只要它的 hashCode() 返回值相同，那么程序调用 hash(int h) 方法所计算获得的 Hash 码值老是相同的。接下来程序会调用 indexFor(int h, int length) 方法来计算该对象应该保存在 table 数组的哪一个索引处。indexFor(int h, int length) 方法的代码以下：

static int indexFor(int h, int length)   
{   
    return h & (length-1);   
}

　　这个方法很是巧妙，它老是经过 h &(table.length -1) 来获得该对象的保存位置——而 HashMap 底层数组的长度老是 2 的 n 次方，这一点可参看后面关于 HashMap 构造器的介绍。

　　当 length 老是 2 的倍数时，h & (length-1) 将是一个很是巧妙的设计：假设 h=5,length=16, 那么 h & length - 1 将获得 5；若是 h=6,length=16, 那么 h & length - 1 将获得 6 ……若是 h=15,length=16, 那么 h & length - 1 将获得 15；可是当 h=16 时 , length=16 时，那么 h & length - 1 将获得 0 了；当 h=17 时 , length=16 时，那么 h & length - 1 将获得 1 了……这样保证计算获得的索引值老是位于 table 数组的索引以内。

　　根据上面 put 方法的源代码能够看出，当程序试图将一个 key-value 对放入 HashMap 中时，程序首先根据该 key 的 hashCode() 返回值决定该 Entry 的存储位置：若是两个 Entry 的 key 的 hashCode() 返回值相同，那它们的存储位置相同。若是这两个 Entry 的 key 经过 equals 比较返回 true，新添加 Entry 的 value 将覆盖集合中原有 Entry 的 value，但 key 不会覆盖。若是这两个 Entry 的 key 经过 equals 比较返回 false，新添加的 Entry 将与集合中原有 Entry 造成 Entry 链，并且新添加的 Entry 位于 Entry 链的头部——具体说明继续看 addEntry() 方法的说明。

　　当向 HashMap 中添加 key-value 对，由其 key 的 hashCode() 返回值决定该 key-value 对（就是 Entry 对象）的存储位置。当两个 Entry 对象的 key 的 hashCode() 返回值相同时，将由 key 经过 eqauls() 比较值决定是采用覆盖行为（返回 true），仍是产生 Entry 链（返回 false）。

　　上面程序中还调用了 addEntry(hash, key, value, i); 代码，其中 addEntry 是 HashMap 提供的一个包访问权限的方法，该方法仅用于添加一个 key-value 对。下面是该方法的代码：

void addEntry(int hash, K key, V value, int bucketIndex)   
{   
    // 获取指定 bucketIndex 索引处的 Entry   
    Entry<K,V> e = table[bucketIndex];     // ①  
    // 将新建立的 Entry 放入 bucketIndex 索引处，并让新的 Entry 指向原来的 Entry   
    table[bucketIndex] = new Entry<K,V>(hash, key, value, e);   
    // 若是 Map 中的 key-value 对的数量超过了极限  
    if (size++ >= threshold)   
        // 把 table 对象的长度扩充到 2 倍。  
        resize(2 * table.length);    // ②  
}

　　上面方法的代码很简单，但其中包含了一个很是优雅的设计：系统老是将新添加的 Entry 对象放入 table 数组的 bucketIndex 索引处——若是 bucketIndex 索引处已经有了一个 Entry 对象，那新添加的 Entry 对象指向原有的 Entry 对象（产生一个 Entry 链），若是 bucketIndex 索引处没有 Entry 对象，也就是上面程序①号代码的 e 变量是 null，也就是新放入的 Entry 对象指向 null，也就是没有产生 Entry 链。

JDK 源码

　　在 JDK 安装目录下能够找到一个 src.zip 压缩文件，该文件里包含了 Java 基础类库的全部源文件。只要读者有学习兴趣，随时能够打开这份压缩文件来阅读 Java 类库的源代码，这对提升读者的编程能力是很是有帮助的。须要指出的是：src.zip 中包含的源代码并无包含像上文中的中文注释，这些注释是笔者本身添加进去的。

Hash 算法的性能选项

　　根据上面代码能够看出，在同一个 bucket 存储 Entry 链的状况下，新放入的 Entry 老是位于 bucket 中，而最先放入该 bucket 中的 Entry 则位于这个 Entry 链的最末端。

上面程序中还有这样两个变量：

    * size：该变量保存了该 HashMap 中所包含的 key-value 对的数量。
    * threshold：该变量包含了 HashMap 能容纳的 key-value 对的极限，它的值等于 HashMap 的容量乘以负载因子（load factor）。

　　从上面程序中②号代码能够看出，当 size++ >= threshold 时，HashMap 会自动调用 resize 方法扩充 HashMap 的容量。每扩充一次，HashMap 的容量就增大一倍。

上面程序中使用的 table 其实就是一个普通数组，每一个数组都有一个固定的长度，这个数组的长度就是 HashMap 的容量。HashMap 包含以下几个构造器：

    * HashMap()：构建一个初始容量为 16，负载因子为 0.75 的 HashMap。
    * HashMap(int initialCapacity)：构建一个初始容量为 initialCapacity，负载因子为 0.75 的 HashMap。
    * HashMap(int initialCapacity, float loadFactor)：以指定初始容量、指定的负载因子建立一个 HashMap。

　　当建立一个 HashMap 时，系统会自动建立一个 table 数组来保存 HashMap 中的 Entry，下面是 HashMap 中一个构造器的代码：

// 以指定初始化容量、负载因子建立 HashMap   
 public HashMap(int initialCapacity, float loadFactor)   
 {   
     // 初始容量不能为负数  
     if (initialCapacity < 0)   
         throw new IllegalArgumentException(   
        "Illegal initial capacity: " +   
             initialCapacity);   
     // 若是初始容量大于最大容量，让出示容量  
     if (initialCapacity > MAXIMUM_CAPACITY)   
         initialCapacity = MAXIMUM_CAPACITY;   
     // 负载因子必须大于 0 的数值  
     if (loadFactor <= 0 || Float.isNaN(loadFactor))   
         throw new IllegalArgumentException(   
         loadFactor);   
     // 计算出大于 initialCapacity 的最小的 2 的 n 次方值。  
     int capacity = 1; while (capacity < initialCapacity) capacity <<= 1;   this.loadFactor = loadFactor;   
     // 设置容量极限等于容量 * 负载因子  
     threshold = (int)(capacity * loadFactor);   
     // 初始化 table 数组  
     table = new Entry[capacity];            // ①  
     init();   
 }

　　上面代码中粗体字代码包含了一个简洁的代码实现：找出大于 initialCapacity 的、最小的 2 的 n 次方值，并将其做为 HashMap 的实际容量（由 capacity 变量保存）。例如给定 initialCapacity 为 10，那么该 HashMap 的实际容量就是 16。
程序①号代码处能够看到：table 的实质就是一个数组，一个长度为 capacity 的数组。

　　对于 HashMap 及其子类而言，它们采用 Hash 算法来决定集合中元素的存储位置。当系统开始初始化 HashMap 时，系统会建立一个长度为 capacity 的 Entry 数组，这个数组里能够存储元素的位置被称为“桶（bucket）”，每一个 bucket 都有其指定索引，系统能够根据其索引快速访问该 bucket 里存储的元素。

　　不管什么时候，HashMap 的每一个“桶”只存储一个元素（也就是一个 Entry），因为 Entry 对象能够包含一个引用变量（就是 Entry 构造器的的最后一个参数）用于指向下一个 Entry，所以可能出现的状况是：HashMap 的 bucket 中只有一个 Entry，但这个 Entry 指向另外一个 Entry ——这就造成了一个 Entry 链。如图 1 所示：

　　　　　　图 1. HashMap 的存储示意

HashMap 的读取实现

　　当 HashMap 的每一个 bucket 里存储的 Entry 只是单个 Entry ——也就是没有经过指针产生 Entry 链时，此时的 HashMap 具备最好的性能：当程序经过 key 取出对应 value 时，系统只要先计算出该 key 的 hashCode() 返回值，在根据该 hashCode 返回值找出该 key 在 table 数组中的索引，而后取出该索引处的 Entry，最后返回该 key 对应的 value 便可。看 HashMap 类的 get(K key) 方法代码：

public V get(Object key)   
{   
 // 若是 key 是 null，调用 getForNullKey 取出对应的 value   
 if (key == null)   
     return getForNullKey();   
 // 根据该 key 的 hashCode 值计算它的 hash 码  
 int hash = hash(key.hashCode());   
 // 直接取出 table 数组中指定索引处的值，  
 for (Entry<K,V> e = table[indexFor(hash, table.length)];   
     e != null;   
     // 搜索该 Entry 链的下一个 Entr   
     e = e.next)         // ①  
 {   
     Object k;   
     // 若是该 Entry 的 key 与被搜索 key 相同  
     if (e.hash == hash && ((k = e.key) == key   
         || key.equals(k)))   
         return e.value;   
 }   
 return null;   
}

　　从上面代码中能够看出，若是 HashMap 的每一个 bucket 里只有一个 Entry 时，HashMap 能够根据索引、快速地取出该 bucket 里的 Entry；在发生“Hash 冲突”的状况下，单个 bucket 里存储的不是一个 Entry，而是一个 Entry 链，系统只能必须按顺序遍历每一个 Entry，直到找到想搜索的 Entry 为止——若是刚好要搜索的 Entry 位于该 Entry 链的最末端（该 Entry 是最先放入该 bucket 中），那系统必须循环到最后才能找到该元素。

　　概括起来简单地说，HashMap 在底层将 key-value 当成一个总体进行处理，这个总体就是一个 Entry 对象。HashMap 底层采用一个 Entry[] 数组来保存全部的 key-value 对，当须要存储一个 Entry 对象时，会根据 Hash 算法来决定其存储位置；当须要取出一个 Entry 时，也会根据 Hash 算法找到其存储位置，直接取出该 Entry。因而可知：HashMap 之因此能快速存、取它所包含的 Entry，彻底相似于现实生活中母亲从小教咱们的：不一样的东西要放在不一样的位置，须要时才能快速找到它。

　　当建立 HashMap 时，有一个默认的负载因子（load factor），其默认值为 0.75，这是时间和空间成本上一种折衷：增大负载因子能够减小 Hash 表（就是那个 Entry 数组）所占用的内存空间，但会增长查询数据的时间开销，而查询是最频繁的的操做（HashMap 的 get() 与 put() 方法都要用到查询）；减少负载因子会提升数据查询的性能，但会增长 Hash 表所占用的内存空间。

　　掌握了上面知识以后，咱们能够在建立 HashMap 时根据实际须要适当地调整 load factor 的值；若是程序比较关心空间开销、内存比较紧张，能够适当地增长负载因子；若是程序比较关心时间开销，内存比较宽裕则能够适当的减小负载因子。一般状况下，程序员无需改变负载因子的值。

　　若是开始就知道 HashMap 会保存多个 key-value 对，能够在建立时就使用较大的初始化容量，若是 HashMap 中 Entry 的数量一直不会超过极限容量（capacity * load factor），HashMap 就无需调用 resize() 方法从新分配 table 数组，从而保证较好的性能。固然，开始就将初始容量设置过高可能会浪费空间（系统须要建立一个长度为 capacity 的 Entry 数组），所以建立 HashMap 时初始化容量设置也须要当心对待。

　　致谢：感谢您的耐心阅读！