HashMap的扩容机制---resize()

时间 2019-12-09

标签 hashmap 扩容机制 resize 繁體版

原文原文链接

面试的时候闻到了Hashmap的扩容机制，以前只看到了Hasmap的实现机制，补一下基础知识，讲的很是好html

原文连接：java

http://www.iteye.com/topic/539465面试

Hashmap是一种很是经常使用的、应用普遍的数据类型，最近研究到相关的内容，就正好复习一下。网上关于hashmap的文章不少，但究竟是本身学习的总结，就发出来跟你们一块儿分享，一块儿讨论。

一、hashmap的数据结构
要知道hashmap是什么，首先要搞清楚它的数据结构，在java编程语言中，最基本的结构就是两种，一个是数组，另一个是模拟指针（引用），全部的数据结构均可以用这两个基本结构来构造的，hashmap也不例外。Hashmap其实是一个数组和链表的结合体（在数据结构中，通常称之为“链表散列“），请看下图（横排表示数组，纵排表示数组元素【其实是一个链表】）。

从图中咱们能够看到一个hashmap就是一个数组结构，当新建一个hashmap的时候，就会初始化一个数组。咱们来看看java代码：算法

Java代码

/**
* The table, resized as necessary. Length MUST Always be a power of two.
* FIXME 这里须要注意这句话，至于缘由后面会讲到
*/
transient Entry[] table;

Java代码

static class Entry<K,V> implements Map.Entry<K,V> {
final K key;
V value;
final int hash;
Entry<K,V> next;
..........
}

上面的Entry就是数组中的元素，它持有一个指向下一个元素的引用，这就构成了链表。
当咱们往hashmap中put元素的时候，先根据key的hash值获得这个元素在数组中的位置（即下标），而后就能够把这个元素放到对应的位置中了。若是这个元素所在的位子上已经存放有其余元素了，那么在同一个位子上的元素将以链表的形式存放，新加入的放在链头，最早加入的放在链尾。从hashmap中get元素时，首先计算key的hashcode，找到数组中对应位置的某一元素，而后经过key的equals方法在对应位置的链表中找到须要的元素。从这里咱们能够想象获得，若是每一个位置上的链表只有一个元素，那么hashmap的get效率将是最高的，可是理想老是美好的，现实老是有困难须要咱们去克服，哈哈~

二、hash算法
咱们能够看到在hashmap中要找到某个元素，须要根据key的hash值来求得对应数组中的位置。如何计算这个位置就是hash算法。前面说过hashmap的数据结构是数组和链表的结合，因此咱们固然但愿这个hashmap里面的元素位置尽可能的分布均匀些，尽可能使得每一个位置上的元素数量只有一个，那么当咱们用hash算法求得这个位置的时候，立刻就能够知道对应位置的元素就是咱们要的，而不用再去遍历链表。

因此咱们首先想到的就是把hashcode对数组长度取模运算，这样一来，元素的分布相对来讲是比较均匀的。可是，“模”运算的消耗仍是比较大的，能不能找一种更快速，消耗更小的方式那？java中时这样作的，

Java代码

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

首先算得key得hashcode值，而后跟数组的长度-1作一次“与”运算（&）。看上去很简单，其实比较有玄机。好比数组的长度是2的4次方，那么hashcode就会和2的4次方-1作“与”运算。不少人都有这个疑问，为何hashmap的数组初始化大小都是2的次方大小时，hashmap的效率最高，我以2的4次方举例，来解释一下为何数组大小为2的幂时hashmap访问的性能最高。

         看下图，左边两组是数组长度为16（2的4次方），右边两组是数组长度为15。两组的hashcode均为8和9，可是很明显，当它们和1110“与”的时候，产生了相同的结果，也就是说它们会定位到数组中的同一个位置上去，这就产生了碰撞，8和9会被放到同一个链表上，那么查询的时候就须要遍历这个链表，获得8或者9，这样就下降了查询的效率。同时，咱们也能够发现，当数组长度为15的时候，hashcode的值会与14（1110）进行“与”，那么最后一位永远是0，而0001，0011，0101，1001，1011，0111，1101这几个位置永远都不能存放元素了，空间浪费至关大，更糟的是这种状况中，数组可使用的位置比数组长度小了不少，这意味着进一步增长了碰撞的概率，减慢了查询的效率！

          因此说，当数组长度为2的n次幂的时候，不一样的key算得得index相同的概率较小，那么数据在数组上分布就比较均匀，也就是说碰撞的概率小，相对的，查询的时候就不用遍历某个位置上的链表，这样查询效率也就较高了。
          说到这里，咱们再回头看一下hashmap中默认的数组大小是多少，查看源代码能够得知是16，为何是16，而不是15，也不是20呢，看到上面annegu的解释以后咱们就清楚了吧，显然是由于16是2的整数次幂的缘由，在小数据量的状况下16比15和20更能减小key之间的碰撞，而加快查询的效率。

因此，在存储大容量数据的时候，最好预先指定hashmap的size为2的整数次幂次方。就算不指定的话，也会以大于且最接近指定值大小的2次幂来初始化的，代码以下(HashMap的构造方法中)：编程

Java代码

// Find a power of 2 >= initialCapacity
int capacity = 1;
while (capacity < initialCapacity)
capacity <<= 1;

总结：
本文主要描述了HashMap的结构，和hashmap中hash函数的实现，以及该实现的特性，同时描述了hashmap中resize带来性能消耗的根本缘由，以及将普通的域模型对象做为key的基本要求。尤为是hash函数的实现，能够说是整个HashMap的精髓所在，只有真正理解了这个hash函数，才能够说对HashMap有了必定的理解。数组

三、hashmap的resize

当hashmap中的元素愈来愈多的时候，碰撞的概率也就愈来愈高（由于数组的长度是固定的），因此为了提升查询的效率，就要对hashmap的数组进行扩容，数组扩容这个操做也会出如今ArrayList中，因此这是一个通用的操做，不少人对它的性能表示过怀疑，不过想一想咱们的“均摊”原理，就释然了，而在hashmap数组扩容以后，最消耗性能的点就出现了：原数组中的数据必须从新计算其在新数组中的位置，并放进去，这就是resize。

那么hashmap何时进行扩容呢？当hashmap中的元素个数超过数组大小*loadFactor时，就会进行数组扩容，loadFactor的默认值为0.75，也就是说，默认状况下，数组大小为16，那么当hashmap中元素个数超过16*0.75=12的时候，就把数组的大小扩展为2*16=32，即扩大一倍，而后从新计算每一个元素在数组中的位置，而这是一个很是消耗性能的操做，因此若是咱们已经预知hashmap中元素的个数，那么预设元素的个数可以有效的提升hashmap的性能。好比说，咱们有1000个元素new HashMap(1000), 可是理论上来说new HashMap(1024)更合适，不过上面annegu已经说过，即便是1000，hashmap也自动会将其设置为1024。可是new HashMap(1024)还不是更合适的，由于0.75*1000 < 1000, 也就是说为了让0.75 * size > 1000, 咱们必须这样new HashMap(2048)才最合适，既考虑了&的问题，也避免了resize的问题。

四、key的hashcode与equals方法改写
在第一部分hashmap的数据结构中，annegu就写了get方法的过程：首先计算key的hashcode，找到数组中对应位置的某一元素，而后经过key的equals方法在对应位置的链表中找到须要的元素。因此，hashcode与equals方法对于找到对应元素是两个关键方法。

Hashmap的key能够是任何类型的对象，例如User这种对象，为了保证两个具备相同属性的user的hashcode相同，咱们就须要改写hashcode方法，比方把hashcode值的计算与User对象的id关联起来，那么只要user对象拥有相同id，那么他们的hashcode也能保持一致了，这样就能够找到在hashmap数组中的位置了。若是这个位置上有多个元素，还须要用key的equals方法在对应位置的链表中找到须要的元素，因此只改写了hashcode方法是不够的，equals方法也是须要改写滴~固然啦，按正常思惟逻辑，equals方法通常都会根据实际的业务内容来定义，例如根据user对象的id来判断两个user是否相等。
在改写equals方法的时候，须要知足如下三点：
(1) 自反性：就是说a.equals(a)必须为true。
(2) 对称性：就是说a.equals(b)=true的话，b.equals(a)也必须为true。
(3) 传递性：就是说a.equals(b)=true，而且b.equals(c)=true的话，a.equals(c)也必须为true。
经过改写key对象的equals和hashcode方法，咱们能够将任意的业务对象做为map的key(前提是你确实有这样的须要)。数据结构

虽然在hashmap的原理里面有这段，可是这个单独拿出来说rehash或者resize()也是极好的。编程语言

何时扩容：当向容器添加元素的时候，会判断当前容器的元素个数，若是大于等于阈值---即当前数组的长度乘以加载因子的值的时候，就要自动扩容啦。函数

扩容(resize)就是从新计算容量，向HashMap对象里不停的添加元素，而HashMap对象内部的数组没法装载更多的元素时，对象就须要扩大数组的长度，以便能装入更多的元素。固然Java里的数组是没法自动扩容的，方法是使用一个新的数组代替已有的容量小的数组，就像咱们用一个小桶装水，若是想装更多的水，就得换大水桶。

咱们分析下resize的源码，鉴于JDK1.8融入了红黑树，较复杂，为了便于理解咱们仍然使用JDK1.7的代码，好理解一些，本质上区别不大，具体区别后文再说。

void resize(int newCapacity) { //传入新的容量
Entry[] oldTable = table; //引用扩容前的Entry数组
int oldCapacity = oldTable.length;
if (oldCapacity == MAXIMUM_CAPACITY) { //扩容前的数组大小若是已经达到最大(2^30)了
threshold = Integer.MAX_VALUE; //修改阈值为int的最大值(2^31-1)，这样之后就不会扩容了
return;
}
Entry[] newTable = new Entry[newCapacity]; //初始化一个新的Entry数组
transfer(newTable); //！！将数据转移到新的Entry数组里
table = newTable; //HashMap的table属性引用新的Entry数组
threshold = (int) (newCapacity * loadFactor);//修改阈值
}

这里就是使用一个容量更大的数组来代替已有的容量小的数组，transfer()方法将原有Entry数组的元素拷贝到新的Entry数组里。

void transfer(Entry[] newTable) {
Entry[] src = table; //src引用了旧的Entry数组
int newCapacity = newTable.length;
for (int j = 0; j < src.length; j++) { //遍历旧的Entry数组
Entry<K, V> e = src[j]; //取得旧Entry数组的每一个元素
if (e != null) {
src[j] = null;//释放旧Entry数组的对象引用（for循环后，旧的Entry数组再也不引用任何对象）
do {
Entry<K, V> next = e.next;
int i = indexFor(e.hash, newCapacity); //！！从新计算每一个元素在数组中的位置
e.next = newTable[i]; //标记[1]
newTable[i] = e; //将元素放在数组上
e = next; //访问下一个Entry链上的元素
} while (e != null);
}
}
}

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

文章中间部分:4、存储实现；详细解释了为何indexFor方法中要h & (length-1)

newTable[i]的引用赋给了e.next，也就是使用了单链表的头插入方式，同一位置上新元素总会被放在链表的头部位置；这样先放在一个索引上的元素终会被放到Entry链的尾部(若是发生了hash冲突的话），这一点和Jdk1.8有区别，下文详解。在旧数组中同一条Entry链上的元素，经过从新计算索引位置后，有可能被放到了新数组的不一样位置上。

下面举个例子说明下扩容过程。

这句话是重点----hash(){return key % table.length;}方法,就是翻译下面的一行解释：

假设了咱们的hash算法就是简单的用key mod 一下表的大小（也就是数组的长度）。

其中的哈希桶数组table的size=2，因此key = 三、七、5，put顺序依次为五、七、3。在mod 2之后都冲突在table[1]这里了。这里假设负载因子 loadFactor=1，即当键值对的实际大小size 大于 table的实际大小时进行扩容。接下来的三个步骤是哈希桶数组 resize成4，而后全部的Node从新rehash的过程。

下面咱们讲解下JDK1.8作了哪些优化。通过观测能够发现，咱们使用的是2次幂的扩展(指长度扩为原来2倍)，因此，

通过rehash以后，元素的位置要么是在原位置，要么是在原位置再移动2次幂的位置。对应的就是下方的resize的注释。

[java] view plain copy

/**
* Initializes or doubles table size. If null, allocates in
* accord with initial capacity target held in field threshold.
* Otherwise, because we are using power-of-two expansion, the
* elements from each bin must either stay at same index, or move
* with a power of two offset in the new table.
*
* @return the table
*/
final Node<K,V>[] resize() {

看下图能够明白这句话的意思，n为table的长度，图（a）表示扩容前的key1和key2两种key肯定索引位置的示例，图（b）表示扩容后key1和key2两种key肯定索引位置的示例，其中hash1是key1对应的哈希与高位运算结果。

元素在从新计算hash以后，由于n变为2倍，那么n-1的mask范围在高位多1bit(红色)，所以新的index就会发生这样的变化：

所以，咱们在扩充HashMap的时候，不须要像JDK1.7的实现那样从新计算hash，只须要看看原来的hash值新增的那个bit是1仍是0就行了，是0的话索引没变，是1的话索引变成“原索引+oldCap”，能够看看下图为16扩充为32的resize示意图：

这个设计确实很是的巧妙，既省去了从新计算hash值的时间，并且同时，因为新增的1bit是0仍是1能够认为是随机的，所以resize的过程，均匀的把以前的冲突的节点分散到新的bucket了。这一块就是JDK1.8新增的优化点。有一点注意区别，JDK1.7中rehash的时候，旧链表迁移新链表的时候，若是在新表的数组索引位置相同，则链表元素会倒置，可是从上图能够看出，JDK1.8不会倒置。有兴趣的同窗能够研究下JDK1.8的resize源码，写的很赞，以下:

1 final Node<K,V>[] resize() {
2 Node<K,V>[] oldTab = table;
3 int oldCap = (oldTab == null) ? 0 : oldTab.length;
4 int oldThr = threshold;
5 int newCap, newThr = 0;
6 if (oldCap > 0) {
7 // 超过最大值就再也不扩充了，就只好随你碰撞去吧
8 if (oldCap >= MAXIMUM_CAPACITY) {
9 threshold = Integer.MAX_VALUE;
10 return oldTab;
11 }
12 // 没超过最大值，就扩充为原来的2倍
13 else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&
14 oldCap >= DEFAULT_INITIAL_CAPACITY)
15 newThr = oldThr << 1; // double threshold
16 }
17 else if (oldThr > 0) // initial capacity was placed in threshold
18 newCap = oldThr;
19 else { // zero initial threshold signifies using defaults
20 newCap = DEFAULT_INITIAL_CAPACITY;
21 newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);
22 }
23 // 计算新的resize上限
24 if (newThr == 0) {
25
26 float ft = (float)newCap * loadFactor;
27 newThr = (newCap < MAXIMUM_CAPACITY && ft < (float)MAXIMUM_CAPACITY ?
28 (int)ft : Integer.MAX_VALUE);
29 }
30 threshold = newThr;
31 @SuppressWarnings({"rawtypes"，"unchecked"})
32 Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap];
33 table = newTab;
34 if (oldTab != null) {
35 // 把每一个bucket都移动到新的buckets中
36 for (int j = 0; j < oldCap; ++j) {
37 Node<K,V> e;
38 if ((e = oldTab[j]) != null) {
39 oldTab[j] = null;
40 if (e.next == null)
41 newTab[e.hash & (newCap - 1)] = e;
42 else if (e instanceof TreeNode)
43 ((TreeNode<K,V>)e).split(this, newTab, j, oldCap);
44 else { // 链表优化重hash的代码块
45 Node<K,V> loHead = null, loTail = null;
46 Node<K,V> hiHead = null, hiTail = null;
47 Node<K,V> next;
48 do {
49 next = e.next;
50 // 原索引
51 if ((e.hash & oldCap) == 0) {
52 if (loTail == null)
53 loHead = e;
54 else
55 loTail.next = e;
56 loTail = e;
57 }
58 // 原索引+oldCap
59 else {
60 if (hiTail == null)
61 hiHead = e;
62 else
63 hiTail.next = e;
64 hiTail = e;
65 }
66 } while ((e = next) != null);
67 // 原索引放到bucket里
68 if (loTail != null) {
69 loTail.next = null;
70 newTab[j] = loHead;
71 }
72 // 原索引+oldCap放到bucket里
73 if (hiTail != null) {
74 hiTail.next = null;
75 newTab[j + oldCap] = hiHead;
76 }
77 }
78 }
79 }
80 }
81 return newTab;
82 }