HashMap是如何工作的

大多數Java程序員都會用到Map類特別是Hash Map，HashMap雖然實現很簡單，但是在存取數據上確有很強的優勢。但是有多少開發人員知道HashMap是如何工作的呢？幾天前，我閱讀了大量篇幅的java.util.HashMap的源碼（Java 7 和 Java 8）就是爲了對他的數據結構基礎有一定的瞭解。在這篇文章中，我將解釋java.util.HashMap（包括Java 8）在內的HashMap的性能，內存，已經在使用中遇到的問題。

  1、內存模型
Java中HashMap類，實現了Map

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

一個HashMap把數據存儲在多個entry對象組成的鏈表中（也稱爲桶或者箱）。所有的這些鏈表都被註冊在一個Entery對象組成的數組鏈表中，默認的容量爲16。

從圖片中我們可以看出，HashMap內存中是一串可以爲空的entry組成的鏈表。這些Entry中的每一個都可以指向另外一個Entry組成的linkedList。
 所有擁有相同哈希值的key被放到相同的桶中。不同哈希值的Key最終可能被放到相同的桶中。
 當我們調用put(K key,V value) 或者是 get(Object key)時，函數首先根據Key計算出哈希值，找到索引鏈表中這個Key對應的位置，然後，通過迭代的方式遍歷桶中的元素，找到Key值相等的對象（使用equals() 方法比較Key）。
 當我們調用get()方法時，方法會返回一個entry的集合（如果entry存在）。
 當我們調用put(Key key,Value value)方法時，如果Entry已經存在，則使用新的值替換它，如果不存在，則在Linked list的頭部創建一個新的Entry（依據key,value的值）。
 在map中一個桶（linked list）的形成主要分爲三個步驟：
  (1) 通過key獲取一個hashCode值
  (2) 重新計算key的hashCode值防止所有的數據都放在同一個桶內。
  (3) 新的hashCode值會與數組的長度length - 1做與運算(hashCode & (length - 1))，相當於對數組長度進行取模運算。使產生的hashCode值不會超出數組的長度。
 下面是Java8，Java7中有關hashCode的源碼：

// the "rehash" function in JAVA 7 that takes the hashcode of the key
static int hash(int h) {
    h ^= (h >>> 20) ^ (h >>> 12);
    return h ^ (h >>> 7) ^ (h >>> 4);
}
// the "rehash" function in JAVA 8 that directly takes the key
static final int hash(Object key) {
    int h;
    return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
    }
// the function that returns the index from the rehashed hash
static int indexFor(int h, int length) {
    return h & (length-1);
}

 爲了更高的工作效率，內部數組應該是2的次冪。讓我們看一下這是爲什麼：
 想像一下，一個長度爲17的數組，實際上要做運算的數字是16（length - 1），它的二進制表示爲 00……00010000，所以任何hashCode與16做“&運算“後的結果只有0或16。也就是說長度是17的數組中只用到了兩個，碰撞發生的機率很大，效率也會很差的。
 但是如果你選擇了2的次冪作爲數組的長度，例如16，按位與元算（length - 1）之後。可以輸出0-15中的任意一個數。顯然這樣的利用率，是非常高的，碰撞的機率相對來說減小了不少。
 這就是爲什麼map中數組的長度都是2的次冪，對於開發者來說這種機制是透明的。如果他定義了一個HashMap的長度爲37，Map將自動計算出下次下次要擴展的數組長度爲64。
 2、自動擴展
 獲取索引之後，函數（get,put,remove）會逐個查看鏈表中是否已經存在了相同Key的Entry。如果沒有擴展這種機制將會帶來性能上的問題，因爲函數需要遍歷整個鏈表才能確定是否存在要找的Entry.即使在最好的方案中，每個LinkedList中都將有125000個entry，所以每個get(),remove(),put()方法，都會帶來125000個entry的操作。爲了避免這種情況，HashMap具有自動擴大內部數組的能力來使LinkedList保持儘量的短。
 當你創建一個HashMap時，你可以通過構造函數來初始化容量和負載因子。
 public HashMap(int initialCapacity,float loadFactor)
 如果你沒有聲明，那麼初始化的容量爲16，負載因子爲0.75，初始化容量代表了內部數組的長度。
 每次當你使用put()方法在Map中新增Key/value組合時，函數需要堅持是否需要擴展內部數組的長度。爲了做到這個，Map中存了兩個數據。
  map的總容量：它代表了HashMap中entry的個數，這個數量在每次新增或刪除entry時會發生改變。
  一個上限門檻(threshold)：它等於內部數組的個數乘以負載因子，它在每次自動擴展內存之後會更新。
 在執行put()函數之前，也就是新增Entry之前，首先比較size與threshold的大小，如果size大於threshold那麼數組要擴展爲原來的一倍。當新的數組已經生成完之後，返回索引的函數發生了改變，新生成的數組要創建是原來兩倍的entry，並且重新分配原來的entry到新的HashMap中去。
 擴展HashMap中數組的目的是，減少每個桶（linkedList）的長度，從而減少put(),remove()和get()方法的花費的時間。所有擁有相同key的Entry在新的HashMap中還會在同一個桶中，但是之前在同一個桶中擁有不同key的Entry，可能會被分配到不同的桶中。

 上面的圖片很好的展示了數組擴展前後HashMap的變化，從圖中可以看出每個桶的長度都有所減小，所以整體的put(),get(),remove()效率都有所提升。
注：HashMap只有增大數組的方法，但是沒有縮小數組的方法
  線程安全
 如果你已經知道了HashMap，並且你知道了它是線程不安全的，但是爲什麼呢？舉個栗子，想象一下一個寫的線程往Map中寫數據，一個讀的線程從數據庫中讀數據，爲什麼它不能工作呢？
 因爲map在自動擴展期間，如果一個線程想get或put一個對象，Map可能使用老的索引值，所以不能在新的桶中找到對應的entey。
 最壞的情況是兩個線程同時調用put方法,讓map同時自動擴展，當兩個線程同時修改鏈表時，map最終可能生成一個內部循環的列表。如果嘗試在這樣的鏈表中獲取一個數據，get()方法將永遠不會結束。