Java-HashMap原理解析

本文分析HashMap的实现原理。

数据结构（散列表）

HashMap是一个散列表（也叫哈希表），用来存储键值对(key-value)映射。散列表是一种数组和链表的结合体，结构图以下：

简单来讲散列表就是一个数组（上图纵向），数组的每一个元素是一个链表（上图横向），相似二维数组。链表的每一个节点就是咱们存储的key-value数据（源码中将key和value封装成Entry对象做为链表的节点）。

哈希算法

对于散列表，不论是存值仍是取值，都须要经过Key来定位散列表中的一个具体的位置（即某个链表的某个节点），计算这个位置的方法就是哈希算法。

大概过程是这样的：

1. 用Key的hash值对数组长度作取余操做获得一个整数，这个整数做为数组中的索引获得这个索引位置的链表。
2. 获得链表以后，就能够存值和取值了。
   若是是存值，直接把数据插入到链表的头部或者尾部便可（或者已存在就替换）；
   若是是取值，就遍历链表，经过key的equals方法找到具体的节点。

例如一个key-value对要存到上图的散列表里，假设key的哈希值是17，由图可知（纵向）数组长度是16，那么17对16取余结果是1，数组中索引1位置的链表是 1->337->353 ，因此这个key-value对存储到这个链表里面（插到头仍是尾可能不一样Java版本不同）。若是是取值，就遍历这个链表，因为这个链表每一个节点的key的哈希值都同样，因此根据equals方法来肯定具体是哪一个节点。

经过上面的哈希算法，能够有以下结论：

• 不一样的key具体相同的哈希值叫作哈希冲突，HashMap解决哈希冲突的方法是链表法，将具备相同哈希值的key放在同一个链表中，而后利用key类的equals方法来肯定具体是哪一个节点。
• Key的惟一性是经过哈希值和equals方法共同决定的，因此想要用一个类做为HashMap的键，必须重写这个类的hashCode和equals方法。同理，HashSet是基于HashMap实现的，它没有重复元素的特色是利用HashMap没有重复键实现的。因此，Set集合里面的元素类，也必须同时实现hashCode方法和equals方法。
• HashMap存储的数据是无序的。

为何HashMap大小是2的整数次幂的时候效率最高

哈希算法主要分两步操做：1.经过哈希值定位一个链表； 2.遍历链表，经过equals方法找到具体节点。为了使哈希算法效率最高，应该尽可能让数据在哈希表中均匀分布，由于那样能够避免出现过长的链表，也就下降了遍历链表的代价。
如何保证均匀分布？前面的哈希算法说到，经过取余操做将Key的哈希值转换成数组下标，这样能够认为是均匀的。可是，源码中并无直接用%操做符取余，而是使用了更高效的与运算，源码以下：

/**
 * Returns index for hash code h.
 */
static int indexFor(int h, int length) {
    // assert Integer.bitCount(length) == 1 : "length must be a non-zero power of 2";
    return h & (length-1);
}

这样就多了一些限制，由于只有当length是2的整数次幂的时候，h & (length-1) = h % length才成立。固然，若是length不是2的整数次幂，h & (length-1)的结果也必定比length小，将Key转换成数组下标也没什么问题，可是，这样会致使元素分布不均匀严重影响散列表的访问效率。看下面的一个示例代码：

解释一下图中的代码，随机生成一组Key，而后利用与运算，把key所有转换成一个数组容量的索引，这样就获得一组索引值，这组索引中不相同的值越多，说明分布越均匀，输出结果的result就是 “这组索引中不相同的值的数量”。
从运行结果来看，容量是64的时候相比于其余几个容量大小，分布是最均匀的。容量是65的时候，每次结果都是2，缘由很简单，当容量是65的时候，下标=h&64，64的二进制是1000000，很明显，与它进行与运算的结果只有两种状况，0和64，也就是说，若是HashMap大小被指定成65，对于任意Key，只会存储到散列表数组的第0个或第64个链表中，浪费了63个空间，同时也致使0和64两个链表过长，取值的时候遍历链表的代价很高。容量66和67的结果是4同理。若是容量是64，那么下标=h&63，63的二进制是111111，每一位都是1，好处就是对于任意Key，与63作与运算的结果多是1-63的任意数，不少Key的话天然就能分布均匀。
经过这个示例代码的分析就能够找到一个规律了，容量length=2^n 是分布最均匀，由于length-1的二进制每一位都是1；相反的length=2^n+1是分布最不均匀的，由于length-1的二进制中的1数量最少。

结论：HashMap大小是2的整数次幂的时候效率最高，由于这个时候元素在散列表中的分布最均匀。

从上面的分析来看，使用与运算虽然效率高了，可是增长了使用限制，若是用%取余的作法，那么对于任何大小的容量都能作到均匀分布，能够把图中代码int a = keySet[j] & (c - 1); 改为 int a = keySet[j] % c;试一下。

HashMap的容量

经过上面的分析，容量是2的整数次幂的时候效率最高，那么很容易想到，若是随着数据量的增加，HashMap须要扩容的时候是2倍扩容，区别于ArrayList的1.5倍扩容。
那么何时扩容呢？首先说明一下，咱们所说的HashMap的容量是指散列表中数组的大小，这个大小不能决定HashMap能存多少数据，由于只要链表足够长，存多少数据都没问题。可是，数据量很大的时候，若是数组过小，就会致使链表很长，get元素的效率就会下降，因此咱们应该在适当的时候扩容。源码默认的作法是，当数据量达到容量的75%的时候扩容，这个值称为负载因子，75%应该是大量实验后统计获得的最优值，没有特殊状况不要经过构造方法指定为其余值。
扩容是有代价了，会致使全部已存的数据从新计算位置，因此，和ArrayList同样，当知道大概的数据量的时候，能够指定HashMap的大小尽可能避免扩容，指定大小要注意75%这个负载因子，好比数据量是63个的话，HashMap的大小应该是128而不是64。

对于容量的计算，源码已经封装好了一个方法

/**
 * Returns a power of two size for the given target capacity.
 */
static final int tableSizeFor(int cap) {
    int n = cap - 1;
    n |= n >>> 1;
    n |= n >>> 2;
    n |= n >>> 4;
    n |= n >>> 8;
    n |= n >>> 16;
    return (n < 0) ? 1 : (n >= MAXIMUM_CAPACITY) ? MAXIMUM_CAPACITY : n + 1;
}

此方法在HashMap的构造方法中被调用，因此指定容量的时候无需本身计算，好比数据量是63，直接new HashMap<>(63)便可。

HashMap的遍历

前面提到一点，散列表中的链表的节点是Entry对象，经过Entry对象能够获得Key和Value。HashMap的遍历方法有不少，大概能够分为3种，分别是经过map.entrySet()、map.keySet()、map.values()三种方式遍历。比较效率的话，map.values()方式没法获得key，这里不考虑。比较map.entrySet()和map.keySet()的话，结合散列表的结构特色，很明显map.entrySet()直接遍历Entry集合（全部链表节点）取出Key和Value便可（一次循环），map.keySet()遍历的是Key，获得Key以后在经过Key去遍历相应的链表找到具体的节点（多个循环），因此前者效率高。

扩展：LinkedHashMap和LruCatch

对于LinkedHashMap的理解，我以为一张图就够了：

在散列表的基础上加上了双向循环链表（图中黄色箭头和绿色箭头），因此能够拆分红一个散列表和一个双向链表，双向链表以下：

上面两张图片来自：http://www.javashuo.com/article/p-wdfeiofg-ds.html

而后使用散列表操做数据，使用双向循环链表维护顺序，就实现了LinkedHashMap。

LinkedHashMap有一个属性能够设置两种排序方式：

private final boolean accessOrder;

false表示插入顺序，true表示最近最少使用次序，后者就是LruCatch的实现原理。

LinkedHashMap和LruCatch的具体实现细节这里就不分析了。