HashMap原理分析

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：
 

Java代码

1. /** 
2.      * The table, resized as necessary. Length MUST Always be a power of two. 
3.      *  FIXME 这里须要注意这句话，至于缘由后面会讲到 
4.      */  
5.     transient Entry[] table;  

 

Java代码

1. static class Entry<K,V> implements Map.Entry<K,V> {  
2.         final K key;  
3.         V value;  
4.         final int hash;  
5.         Entry<K,V> next;  
6. ..........  
7. }  

        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

1. static int indexFor(int h, int length) {  
2.        return h & (length-1);  
3.    }  

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)：

Java代码

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

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)。