HashMap 的实现原理java
1. HashMap 概述:算法
HashMap 是基于哈希表的 Map 接口的非同步实现。此实现提供全部可选的映射操做,并容许使用 null 值和 null 键。此类不保证映射的顺序,特别是它不保证该顺序恒久不变。编程
2. HashMap 的数据结构: 数组
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“链表散列”的数据结构,即数组和链表的结合体。安全
从上图中能够看出, HashMap 底层就是一个数组结构,数组中的每一项又是一个链表。当新建一个 HashMap 的时候,就会初始化一个数组。
源码以下:数据结构
transient Entry[] table; static class Entry<K,V> implements Map.Entry<K,V> { final K key; V value; Entry<K,V> next; final int hash; …… }
能够看出,Entry 就是数组中的元素,每一个 Map.Entry 其实就是一个 key-value 对,它持有一个指向下一个元素的引用,这就构成了链表。
3. HashMap 的存取实现:
1) 存储:并发
public V put(K key, V value) { // HashMap 容许存放 null 键和 null 值。 // 当 key 为 null 时,调用 putForNullKey 方法,将 value 放置在数组第一个位置。 if (key == null) return putForNullKey(value); // 根据 key 的 keyCode 从新计算 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; 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; }
从上面的源代码中能够看出:当咱们往 HashMap 中 put 元素的时候,先根据 key 的
hashCode 从新计算 hash 值,根据 hash 值获得这个元素在数组中的位置(即标),若是数组该位置上已经存放有其余元素了,那么在这个位置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。若是数组该位置上没有元素,就直接将该元素放到此数组中的该位置上。编程语言
addEntry(hash, key, value, i)方法根据计算出的 hash 值,将 key-value 对放在数组 table的 i 索引处。addEntry 是 HashMap 提供的一个包访问权限的方法,代码以下:
Java 代码性能
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]; // 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 对象的长度扩充到原来的 2 倍。 resize(2 * table.length); }
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。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。
hash(int h)方法根据 key 的 hashCode 从新计算一次散列。此算法加入了高位计算,防止低位不变,高位变化时,形成的 hash 冲突。
Java 代码优化
static int hash(int h) { h ^= (h >>> 20) ^ (h >>> 12); return h ^ (h >>> 7) ^ (h >>> 4); }
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,这样就大大优化了查询的效率。
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。咱们首先想到的就是把 hash 值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,在 HashMap 中是这样作的: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:
Java 代码
static int indexFor(int h, int length) { return h & (length-1); }
这个方法很是巧妙,它经过 h & (table.length -1) 来获得该对象的保存位,而HashMap底层数组的长度老是 2 的 n 次方,这是 HashMap 在速度上的优化。在 HashMap 构造器中有以下代码:
Java 代码
int capacity = 1; while (capacity < initialCapacity) capacity <<= 1;
这段代码保证初始化时 HashMap 的容量老是 2 的 n 次方,即底层数组的长度老是为 2的 n 次方。当 length 老是 2 的 n 次方时,h& (length-1)运算等价于对 length 取模,也就是h%length,可是&比%具备更高的效率。
这看上去很简单,其实比较有玄机的,咱们举个例子来讲明:
假设数组长度分别为 15 和 16,优化后的 hash 码分别为 8 和 9,那么&运算后的结果以下:
从上面的例子中能够看出:当它们和 15-1(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 会被放到数组中的同一个位置上造成链表,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,hash 值会与 15-1(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!
而当数组长度为 16 时,即为 2 的 n 次方时,2n-1 获得的二进制数的每一个位上的值都为 1,这使得在低位上&时,获得的和原 hash 的低位相同,加之 hash(int h)方法对 key 的 hashCode的进一步优化,加入了高位计算,就使得只有相同的 hash 值的两个值才会被放到数组中的同一个位置上造成链表。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。
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。
2) 读取:
Java 代码
public V get(Object key) { if (key == null) return getForNullKey(); int hash = hash(key.hashCode()); for (Entry<K,V> e = table[indexFor(hash, table.length)]; e != null; e = e.next) { Object k; if (e.hash == hash && ((k = e.key) == key || key.equals(k))) return e.value; } return null; }
有了上面存储时的 hash 算法做为基础,理解起来这段代码就很容易了。从上面的源代
码中能够看出: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。
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 算法来决定其在数组中的存储位置,在根据 equals方法决定其在该数组位置上的链表中的存储位置;当须要取出一个 Entry 时,也会根据 hash算法找到其在数组中的存储位置,再根据 equals 方法从该位置上的链表中取出该Entry。
4. HashMap 的 resize(rehash):
当 HashMap 中的元素愈来愈多的时候,hash 冲突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,这是一个经常使用的操做,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,这是一个折中的取值。
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。
5. HashMap 的性能参数:
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。HashMap 的基础构造器 HashMap(int initialCapacity, float loadFactor)带有两个参数,它们是初始容量 initialCapacity 和加载因子 loadFactor。
initialCapacity:HashMap 的最大容量,即为底层数组的长度。
loadFactor:负载因子 loadFactor 定义为:散列表的实际元素数目(n)/ 散列表的容量(m)。负载因子衡量的是一个散列表的空间的使用程度,负载因子越大表示散列表的装填程度越高,反之愈小。对于使用链表法的散列表来讲,查找一个元素的平均时间是 O(1+a),所以若是负载因子越大,对空间的利用更充分,然然后果是查找效率的下降;若是负载因子过小,那么散列表的数据将过于稀疏,对空间形成严重浪费。
HashMap 的实现中,经过 threshold 字段来判断 HashMap 的最大容量:
Java 代码
threshold = (int)(capacity * loadFactor);
结合负载因子的定义公式可知, threshold 就是在此 loadFactor 和 capacity 对应下容许的最大元素数目,超过这个数目就从新 resize,以下降实际的负载因子。默认的的负载因子0.75 是对空间和时间效率的一个平衡选择。当容量超出此最大容量时, resize 后的 HashMap容量是容量的两倍:
Java 代码
if (size++ >= threshold) resize(2 * table.length);
6. Fail-Fast 机制:
咱们知道 java.util.HashMap 不是线程安全的,所以若是在使用迭代器的过程当中有其余
线程修改了 map,那么将抛出 ConcurrentModificationException,这就是所谓 fail-fast 策略。
这一策略在源码中的实现是经过 modCount 域, modCount 顾名思义就是修改次数,对HashMap 内容的修改都将增长这个值,那么在迭代器初始化过程当中会将这个值赋给迭代器的 expectedModCount。
Java 代码
HashIterator() { expectedModCount = modCount; if (size > 0) { // advance to first entry Entry[] t = table; while (index < t.length && (next = t[index++]) == null) ; } }
在迭代过程当中,判断 modCount 跟 expectedModCount 是否相等,若是不相等就表示已经有其余线程修改了 Map:
注意到 modCount 声明为 volatile,保证线程之间修改的可见性。
Java 代码
final Entry<K,V> nextEntry() { if (modCount != expectedModCount) throw new ConcurrentModificationException();
在 HashMap 的 API 中指出:由全部 HashMap 类的“collection 视图方法”所返回的迭代器都是快速失败的:在迭代器建立以后,若是从结构上对映射进行修改,除非经过迭代器自己的 remove 方法,其余任什么时候间任何方式的修改,迭代器都将抛出 ConcurrentModificationException。所以,面对并发的修改,迭代器很快就会彻底失败,而不冒在未来不肯定的时间发生任意不肯定行为的风险。注意,迭代器的快速失败行为不能获得保证,通常来讲,存在非同步的并发修改时,不可能做出任何坚定的保证。快速失败迭代器尽最大努力抛出ConcurrentModificationException。所以,编写依赖于此异常的程序的作法是错误的,正确作法是:迭代器的快速失败行为应该仅用于检测程序错误。