Java8——从新认识HashMap
摘要
HashMap是Java程序员使用频率最高的用于映射(键值对)处理的数据类型。随着JDK（Java Developmet Kit）版本的更新，JDK1.8对HashMap底层的实现进行了优化，例如引入红黑树的数据结构和扩容的优化等。本文结合JDK1.7和JDK1.8的区别，深刻探讨HashMap的结构实现和功能原理。
html
简介
Java为数据结构中的映射定义了一个接口java.util.Map，此接口主要有四个经常使用的实现类，分别是HashMap、Hashtable、LinkedHashMap和TreeMap，类继承关系以下图所示：java
下面针对各个实现类的特色作一些说明：node
(1) HashMap：它根据键的hashCode值存储数据，大多数状况下能够直接定位到它的值，于是具备很快的访问速度，但遍历顺序倒是不肯定的。 HashMap最多只容许一条记录的键为null，容许多条记录的值为null。HashMap非线程安全，即任一时刻能够有多个线程同时写HashMap，可能会致使数据的不一致。若是须要知足线程安全，能够用 Collections的synchronizedMap方法使HashMap具备线程安全的能力，或者使用ConcurrentHashMap。程序员
(2) Hashtable：Hashtable是遗留类，不少映射的经常使用功能与HashMap相似，不一样的是它承自Dictionary类，而且是线程安全的，任一时间只有一个线程能写Hashtable，并发性不如ConcurrentHashMap，由于ConcurrentHashMap引入了分段锁。Hashtable不建议在新代码中使用，不须要线程安全的场合能够用HashMap替换，须要线程安全的场合能够用ConcurrentHashMap替换。算法
(3) LinkedHashMap：LinkedHashMap是HashMap的一个子类，保存了记录的插入顺序，在用Iterator遍历LinkedHashMap时，先获得的记录确定是先插入的，也能够在构造时带参数，按照访问次序排序。数组
(4) TreeMap：TreeMap实现SortedMap接口，可以把它保存的记录根据键排序，默认是按键值的升序排序，也能够指定排序的比较器，当用Iterator遍历TreeMap时，获得的记录是排过序的。若是使用排序的映射，建议使用TreeMap。在使用TreeMap时，key必须实现Comparable接口或者在构造TreeMap传入自定义的Comparator，不然会在运行时抛出java.lang.ClassCastException类型的异常。缓存
对于上述四种Map类型的类，要求映射中的key是不可变对象。不可变对象是该对象在建立后它的哈希值不会被改变。若是对象的哈希值发生变化，Map对象极可能就定位不到映射的位置了。安全
经过上面的比较，咱们知道了HashMap是Java的Map家族中一个普通成员，鉴于它能够知足大多数场景的使用条件，因此是使用频度最高的一个。下文咱们主要结合源码，从存储结构、经常使用方法分析、扩容以及安全性等方面深刻讲解HashMap的工做原理。数据结构
内部实现
搞清楚HashMap，首先须要知道HashMap是什么，即它的存储结构-字段；其次弄明白它能干什么，即它的功能实现-方法。下面咱们针对这两个方面详细展开讲解。多线程
存储结构-字段
从结构实现来说，HashMap是数组+链表+红黑树（JDK1.8增长了红黑树部分）实现的，以下如所示。
这里须要讲明白两个问题：数据底层具体存储的是什么？这样的存储方式有什么优势呢？
(1) 从源码可知，HashMap类中有一个很是重要的字段，就是 Node[] table，即哈希桶数组，明显它是一个Node的数组。咱们来看Node[JDK1.8]是何物。
static class Node<K,V> implements Map.Entry<K,V> {
final int hash; //用来定位数组索引位置
final K key;
V value;
Node<K,V> next; //链表的下一个node
Node(int hash, K key, V value, Node<K,V> next) { ... }
public final K getKey(){ ... }
public final V getValue() { ... }
public final String toString() { ... }
public final int hashCode() { ... }
public final V setValue(V newValue) { ... }
public final boolean equals(Object o) { ... }
}
Node是HashMap的一个内部类，实现了Map.Entry接口，本质是就是一个映射(键值对)。上图中的每一个黑色圆点就是一个Node对象。
(2) HashMap就是使用哈希表来存储的。哈希表为解决冲突，能够采用开放地址法和链地址法等来解决问题，Java中HashMap采用了链地址法。链地址法，简单来讲，就是数组加链表的结合。在每一个数组元素上都一个链表结构，当数据被Hash后，获得数组下标，把数据放在对应下标元素的链表上。例如程序执行下面代码：
map.put("美团","小美");
系统将调用"美团"这个key的hashCode()方法获得其hashCode 值（该方法适用于每一个Java对象），而后再经过Hash算法的后两步运算（高位运算和取模运算，下文有介绍）来定位该键值对的存储位置，有时两个key会定位到相同的位置，表示发生了Hash碰撞。固然Hash算法计算结果越分散均匀，Hash碰撞的几率就越小，map的存取效率就会越高。
若是哈希桶数组很大，即便较差的Hash算法也会比较分散，若是哈希桶数组数组很小，即便好的Hash算法也会出现较多碰撞，因此就须要在空间成本和时间成本之间权衡，其实就是在根据实际状况肯定哈希桶数组的大小，并在此基础上设计好的hash算法减小Hash碰撞。那么经过什么方式来控制map使得Hash碰撞的几率又小，哈希桶数组（Node[] table）占用空间又少呢？答案就是好的Hash算法和扩容机制。
在理解Hash和扩容流程以前，咱们得先了解下HashMap的几个字段。从HashMap的默认构造函数源码可知，构造函数就是对下面几个字段进行初始化，源码以下：
int threshold; // 所能容纳的key-value对极限
final float loadFactor; // 负载因子
int modCount;
int size;
首先，Node[] table的初始化长度length(默认值是16)，Load factor为负载因子(默认值是0.75)，threshold是HashMap所能容纳的最大数据量的Node(键值对)个数。threshold = length * Load factor。也就是说，在数组定义好长度以后，负载因子越大，所能容纳的键值对个数越多。
结合负载因子的定义公式可知，threshold就是在此Load factor和length(数组长度)对应下容许的最大元素数目，超过这个数目就从新resize(扩容)，扩容后的HashMap容量是以前容量的两倍。默认的负载因子0.75是对空间和时间效率的一个平衡选择，建议你们不要修改，除非在时间和空间比较特殊的状况下，若是内存空间不少而又对时间效率要求很高，能够下降负载因子Load factor的值；相反，若是内存空间紧张而对时间效率要求不高，能够增长负载因子loadFactor的值，这个值能够大于1。
size这个字段其实很好理解，就是HashMap中实际存在的键值对数量。注意和table的长度length、容纳最大键值对数量threshold的区别。而modCount字段主要用来记录HashMap内部结构发生变化的次数，主要用于迭代的快速失败。强调一点，内部结构发生变化指的是结构发生变化，例如put新键值对，可是某个key对应的value值被覆盖不属于结构变化。
在HashMap中，哈希桶数组table的长度length大小必须为2的n次方(必定是合数)，这是一种很是规的设计，常规的设计是把桶的大小设计为素数。相对来讲素数致使冲突的几率要小于合数，具体证实能够参考http://blog.csdn.net/liuqiyao_01/article/details/14475159，Hashtable初始化桶大小为11，就是桶大小设计为素数的应用（Hashtable扩容后不能保证仍是素数）。HashMap采用这种很是规设计，主要是为了在取模和扩容时作优化，同时为了减小冲突，HashMap定位哈希桶索引位置时，也加入了高位参与运算的过程。
这里存在一个问题，即便负载因子和Hash算法设计的再合理，也免不了会出现拉链过长的状况，一旦出现拉链过长，则会严重影响HashMap的性能。因而，在JDK1.8版本中，对数据结构作了进一步的优化，引入了红黑树。而当链表长度太长（默认超过8）时，链表就转换为红黑树，利用红黑树快速增删改查的特色提升HashMap的性能，其中会用到红黑树的插入、删除、查找等算法。本文再也不对红黑树展开讨论，想了解更多红黑树数据结构的工做原理能够参考http://blog.csdn.net/v_july_v/article/details/6105630。
功能实现-方法
HashMap的内部功能实现不少，本文主要从根据key获取哈希桶数组索引位置、put方法的详细执行、扩容过程三个具备表明性的点深刻展开讲解。
1. 肯定哈希桶数组索引位置
无论增长、删除、查找键值对，定位到哈希桶数组的位置都是很关键的第一步。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，不用遍历链表，大大优化了查询的效率。HashMap定位数组索引位置，直接决定了hash方法的离散性能。先看看源码的实现(方法一+方法二):
方法一：
static final int hash(Object key) { //jdk1.8 & jdk1.7
int h;
// h = key.hashCode() 为第一步 取hashCode值
// h ^ (h >>> 16) 为第二步 高位参与运算
return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}
方法二：
static int indexFor(int h, int length) { //jdk1.7的源码，jdk1.8没有这个方法，可是实现原理同样的
return h & (length-1); //第三步 取模运算
}
这里的Hash算法本质上就是三步：取key的hashCode值、高位运算、取模运算。
对于任意给定的对象，只要它的hashCode()返回值相同，那么程序调用方法一所计算获得的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：调用方法二来计算该对象应该保存在table数组的哪一个索引处。
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。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。
在JDK1.8的实现中，优化了高位运算的算法，经过hashCode()的高16位异或低16位实现的：(h = k.hashCode()) ^ (h >>> 16)，主要是从速度、功效、质量来考虑的，这么作能够在数组table的length比较小的时候，也能保证考虑到高低Bit都参与到Hash的计算中，同时不会有太大的开销。
下面举例说明下，n为table的长度。
2. 分析HashMap的put方法
HashMap的put方法执行过程能够经过下图来理解，本身有兴趣能够去对比源码更清楚地研究学习。
①.判断键值对数组table[i]是否为空或为null，不然执行resize()进行扩容；
②.根据键值key计算hash值获得插入的数组索引i，若是table[i]==null，直接新建节点添加，转向⑥，若是table[i]不为空，转向③；
③.判断table[i]的首个元素是否和key同样，若是相同直接覆盖value，不然转向④，这里的相同指的是hashCode以及equals；
④.判断table[i] 是否为treeNode，即table[i] 是不是红黑树，若是是红黑树，则直接在树中插入键值对，不然转向⑤；
⑤.遍历table[i]，判断链表长度是否大于8，大于8的话把链表转换为红黑树，在红黑树中执行插入操做，不然进行链表的插入操做；遍历过程当中若发现key已经存在直接覆盖value便可；
⑥.插入成功后，判断实际存在的键值对数量size是否超多了最大容量threshold，若是超过，进行扩容。
JDK1.8HashMap的put方法源码以下:
1 public V put(K key, V value) {
2 // 对key的hashCode()作hash
3 return putVal(hash(key), key, value, false, true);
4 }
5
6 final V putVal(int hash, K key, V value, boolean onlyIfAbsent,
7 boolean evict) {
8 Node<K,V>[] tab; Node<K,V> p; int n, i;
9 // 步骤①：tab为空则建立
10 if ((tab = table) == null || (n = tab.length) == 0)
11 n = (tab = resize()).length;
12 // 步骤②：计算index，并对null作处理
13 if ((p = tab[i = (n - 1) & hash]) == null)
14 tab[i] = newNode(hash, key, value, null);
15 else {
16 Node<K,V> e; K k;
17 // 步骤③：节点key存在，直接覆盖value
18 if (p.hash == hash &&
19 ((k = p.key) == key || (key != null && key.equals(k))))
20 e = p;
21 // 步骤④：判断该链为红黑树
22 else if (p instanceof TreeNode)
23 e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
24 // 步骤⑤：该链为链表
25 else {
26 for (int binCount = 0; ; ++binCount) {
27 if ((e = p.next) == null) {
28 p.next = newNode(hash, key,value,null);
//链表长度大于8转换为红黑树进行处理
29 if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st
30 treeifyBin(tab, hash);
31 break;
32 }
// key已经存在直接覆盖value
33 if (e.hash == hash &&
34 ((k = e.key) == key || (key != null && key.equals(k))))
35 break;
36 p = e;
37 }
38 }
39
40 if (e != null) { // existing mapping for key
41 V oldValue = e.value;
42 if (!onlyIfAbsent || oldValue == null)
43 e.value = value;
44 afterNodeAccess(e);
45 return oldValue;
46 }
47 }
48 ++modCount;
49 // 步骤⑥：超过最大容量 就扩容
50 if (++size > threshold)
51 resize();
52 afterNodeInsertion(evict);
53 return null;
54 }
3. 扩容机制
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。
1 void resize(int newCapacity) { //传入新的容量
2 Entry[] oldTable = table; //引用扩容前的Entry数组
3 int oldCapacity = oldTable.length;
4 if (oldCapacity == MAXIMUM_CAPACITY) { //扩容前的数组大小若是已经达到最大(2^30)了
5 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
6 return;
7 }
8
9 Entry[] newTable = new Entry[newCapacity]; //初始化一个新的Entry数组
10 transfer(newTable); //！！将数据转移到新的Entry数组里
11 table = newTable; //HashMap的table属性引用新的Entry数组
12 threshold = (int)(newCapacity * loadFactor);//修改阈值
13 }
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。
1 void transfer(Entry[] newTable) {
2 Entry[] src = table; //src引用了旧的Entry数组
3 int newCapacity = newTable.length;
4 for (int j = 0; j < src.length; j++) { //遍历旧的Entry数组
5 Entry<K,V> e = src[j]; //取得旧Entry数组的每一个元素
6 if (e != null) {
7 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）
8 do {
9 Entry<K,V> next = e.next;
10 int i = indexFor(e.hash, newCapacity); //！！从新计算每一个元素在数组中的位置
11 e.next = newTable[i]; //标记[1]
12 newTable[i] = e; //将元素放在数组上
13 e = next; //访问下一个Entry链上的元素
14 } while (e != null);
15 }
16 }
17 }
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。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，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。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 }
线程安全性
在多线程使用场景中，应该尽可能避免使用线程不安全的HashMap，而使用线程安全的ConcurrentHashMap。那么为何说HashMap是线程不安全的，下面举例子说明在并发的多线程使用场景中使用HashMap可能形成死循环。代码例子以下(便于理解，仍然使用JDK1.7的环境)：
public class HashMapInfiniteLoop {
private static HashMap<Integer,String> map = new HashMap<Integer,String>(2，0.75f);
public static void main(String[] args) {
map.put(5， "C");
new Thread("Thread1") {
public void run() {
map.put(7, "B");
System.out.println(map);
};
}.start();
new Thread("Thread2") {
public void run() {
map.put(3, "A);
System.out.println(map);
};
}.start();
}
}
其中，map初始化为一个长度为2的数组，loadFactor=0.75，threshold=2*0.75=1，也就是说当put第二个key的时候，map就须要进行resize。
经过设置断点让线程1和线程2同时debug到transfer方法(3.3小节代码块)的首行。注意此时两个线程已经成功添加数据。放开thread1的断点至transfer方法的“Entry next = e.next;” 这一行；而后放开线程2的的断点，让线程2进行resize。结果以下图。
注意，Thread1的 e 指向了key(3)，而next指向了key(7)，其在线程二rehash后，指向了线程二重组后的链表。
线程一被调度回来执行，先是执行 newTalbe[i] = e， 而后是e = next，致使了e指向了key(7)，而下一次循环的next = e.next致使了next指向了key(3)。
e.next = newTable[i] 致使 key(3).next 指向了 key(7)。注意：此时的key(7).next 已经指向了key(3)， 环形链表就这样出现了。
因而，当咱们用线程一调用map.get(11)时，悲剧就出现了——Infinite Loop。
JDK1.8与JDK1.7的性能对比
HashMap中，若是key通过hash算法得出的数组索引位置所有不相同，即Hash算法很是好，那样的话，getKey方法的时间复杂度就是O(1)，若是Hash算法技术的结果碰撞很是多，假如Hash算极其差，全部的Hash算法结果得出的索引位置同样，那样全部的键值对都集中到一个桶中，或者在一个链表中，或者在一个红黑树中，时间复杂度分别为O(n)和O(lgn)。 鉴于JDK1.8作了多方面的优化，整体性能优于JDK1.7，下面咱们从两个方面用例子证实这一点。
Hash较均匀的状况
为了便于测试，咱们先写一个类Key，以下：
class Key implements Comparable<Key> {
private final int value;
Key(int value) {
this.value = value;
}
@Override
public int compareTo(Key o) {
return Integer.compare(this.value, o.value);
}
@Override
public boolean equals(Object o) {
if (this == o) return true;
if (o == null || getClass() != o.getClass())
return false;
Key key = (Key) o;
return value == key.value;
}
@Override
public int hashCode() {
return value;
}
}
这个类复写了equals方法，而且提供了至关好的hashCode函数，任何一个值的hashCode都不会相同，由于直接使用value当作hashcode。为了不频繁的GC，我将不变的Key实例缓存了起来，而不是一遍一遍的建立它们。代码以下：
public class Keys {
public static final int MAX_KEY = 10_000_000;
private static final Key[] KEYS_CACHE = new Key[MAX_KEY];
static {
for (int i = 0; i < MAX_KEY; ++i) {
KEYS_CACHE[i] = new Key(i);
}
}
public static Key of(int value) {
return KEYS_CACHE[value];
}
}
如今开始咱们的试验，测试须要作的仅仅是，建立不一样size的HashMap（一、十、100、......10000000），屏蔽了扩容的状况，代码以下：
static void test(int mapSize) {
HashMap<Key, Integer> map = new HashMap<Key,Integer>(mapSize);
for (int i = 0; i < mapSize; ++i) {
map.put(Keys.of(i), i);
}
long beginTime = System.nanoTime(); //获取纳秒
for (int i = 0; i < mapSize; i++) {
map.get(Keys.of(i));
}
long endTime = System.nanoTime();
System.out.println(endTime - beginTime);
}
public static void main(String[] args) {
for(int i=10;i<= 1000 0000;i*= 10){
test(i);
}
}
在测试中会查找不一样的值，而后度量花费的时间，为了计算getKey的平均时间，咱们遍历全部的get方法，计算总的时间，除以key的数量，计算一个平均值，主要用来比较，绝对值可能会受不少环境因素的影响。结果以下：
经过观测测试结果可知，JDK1.8的性能要高于JDK1.7 15%以上，在某些size的区域上，甚至高于100%。因为Hash算法较均匀，JDK1.8引入的红黑树效果不明显，下面咱们看看Hash不均匀的的状况。
Hash极不均匀的状况
假设咱们又一个很是差的Key，它们全部的实例都返回相同的hashCode值。这是使用HashMap最坏的状况。代码修改以下：
class Key implements Comparable<Key> {
//...
@Override
public int hashCode() {
return 1;
}
}
仍然执行main方法，得出的结果以下表所示：
从表中结果中可知，随着size的变大，JDK1.7的花费时间是增加的趋势，而JDK1.8是明显的下降趋势，而且呈现对数增加稳定。当一个链表太长的时候，HashMap会动态的将它替换成一个红黑树，这话的话会将时间复杂度从O(n)降为O(logn)。hash算法均匀和不均匀所花费的时间明显也不相同，这两种状况的相对比较，能够说明一个好的hash算法的重要性。
测试环境：处理器为2.2 GHz Intel Core i7，内存为16 GB 1600 MHz DDR3，SSD硬盘，使用默认的JVM参数，运行在64位的OS X 10.10.1上。
小结
(1) 扩容是一个特别耗性能的操做，因此当程序员在使用HashMap的时候，估算map的大小，初始化的时候给一个大体的数值，避免map进行频繁的扩容。
(2) 负载因子是能够修改的，也能够大于1，可是建议不要轻易修改，除非状况很是特殊。
(3) HashMap是线程不安全的，不要在并发的环境中同时操做HashMap，建议使用ConcurrentHashMap。
(4) JDK1.8引入红黑树大程度优化了HashMap的性能。
(5) 还没升级JDK1.8的，如今开始升级吧。HashMap的性能提高仅仅是JDK1.8的冰山一角。
参考
- JDK1.7&JDK1.8 源码。
- CSDN博客频道，HashMap多线程死循环问题，2014。
- 红黑联盟，Java类集框架之HashMap(JDK1.8)源码剖析，2015。
- CSDN博客频道， 教你初步了解红黑树，2010。
- Java Code Geeks，HashMap performance improvements in Java 8，2014。
- Importnew，危险！在HashMap中将可变对象用做Key，2014。
- CSDN博客频道，为何通常hashtable的桶数会取一个素数，2013。
- 1. Java8系列之从新认识HashMap（转）
- 2. Java8系列之从新认识HashMap(转)
- 3. Java8系列之从新认识HashMap
- 4. 从新认识HashMap
- 5. Java8系列之重新认识HashMap
- 6. java8 hashMap排序的新认识
- 7. 从新认识HashMap(in JDK1.8)
- 8. 从新认识java-HashMap
- 9. jdk8从新认识hashmap
- 10. java8之从新认识HashMap（转自美团技术团队）
- 更多相关文章...
- • MySQL默认值（DEFAULT） - MySQL教程
- • MySQL 5.7的新特性（新功能） - MySQL教程
- • Java 8 Stream 教程
- • Git五分钟教程
-
每一个你不满意的现在，都有一个你没有努力的曾经。
- 1. js中 charCodeAt
- 2. Android中通过ViewHelper.setTranslationY实现View移动控制（NineOldAndroids开源项目）
- 3. 【Android】日常记录：BottomNavigationView自定义样式，修改点击后图片
- 4. maya 文件检查 ui和数据分离 （一）
- 5. eclipse 修改项目的jdk版本
- 6. Android InputMethod设置
- 7. Simulink中Bus Selector出现很多? ? ?
- 8. 【Openfire笔记】启动Mac版Openfire时提示“系统偏好设置错误”
- 9. AutoPLP在偏好标签中的生产与应用
- 10. 数据库关闭的四种方式