HashMap 源碼分析

HashMap 可以說是使用頻率最高的處理鍵值映射的數據結構,它不保證插入順序,允許插入 null 的鍵和值。本文采用 JDK8 中的源碼,深入分析 HashMap 的原理、實現和優化。首發於微信公衆號頓悟源碼.

1. 基本結構

HashMap 基於散列表實現,使用拉鍊法處理碰撞,在 JDK8 中,當鏈表長度大於 8 時轉爲紅黑樹存儲,基本結構如下:

HashMap 基本結構

HashMap 有一個 Node<K,V>[] table 字段,即哈希桶數組,數組元素是 Node 對象,結構定義如下:

static class Node<K,V> implements Map.Entry<K,V> {
  final int hash; // 用於計算數組索引
  final K key;
  V value;
  Node<K,V> next; // 後繼節點,下一個 Node

  Node(int hash, K key, V value, Node<K,V> next) { ... }
  ...
}

哈希桶數組會在首次使用時初始化,默認大小是 16,並根據需要調整大小,且長度總是 2 的次冪。如果構造函數設置的初始容量不是 2 的次冪,那麼使用以下方法返回一個大於且最靠近它的 2 的次冪的值:

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;
}

原理就是將最高位 1 右邊的所有比特位全置爲 1,然後再加 1,最高位進 1,右邊的比特位全變成 0,從而得出一個 2 的次冪的值。在 JDK7 中使用的是 Integer.highestOneBit(int i) 方法,它最後計算時使用 n - (n >>> 1) 返回的是一個小於且最靠近入參的 2 的次冪。

HashMap 內部的其他字段:

// 鍵值對的數量
transient int size;
// 記錄結構修改次數,用於迭代時的快速失敗
transient int modCount;
// 負載因子,默認 0.75f
final float loadFactor;
// 擴容的下一個容量值,也就是鍵值對個數的最大值,它等於(capacity * loadFactor)
int threshold;

影響 HashMap 性能的主要參數是:初始容量負載因子。當散列表元素數超過負載因子和當前容量的乘積時,就會擴容,擴大到原來容量的兩倍,並對鍵重新散列。

  • 初始容量過小會多次觸發擴容和 rehash,所以預分配一個足夠大的容量更加有效
  • 負載因子默認值是 0.75f,它是對時間和空間成本的一個很好的平衡,一般不用修改,較高的值會減少空間開銷,但會增加查找的成本

不管多麼合理的散列算法,也免不了鏈表過長的情況,從而影響 HashMap 的性能,所以,JDK8 在鏈表長度大於 8 時,將其轉爲紅黑樹,以利用紅黑樹快速增刪改查的特點。

2. 散列函數

將整數散列最常用的方法就是除留餘數法。爲了均勻地散列鍵的散列值,通常都會把數組的大小取素數(HashTable 的初始大小就是 11),因爲素數的因子少,餘數相等的概率小,衝突的機率就小。

HashMap 的容量始終是 2 的次冪,這是一個合數,之所以這樣設計,是爲了將取模運算轉爲位運算,提高性能。這個等式h % length = h & (length-1)成立的原因如下:

2^1 = 10          2^1 -1 = 01 
2^2 = 100         2^2 -1 = 011 
2^3 = 1000        2^3 -1 = 0111
2^n = 1(n個零)     2^n -1 = 0(n個1) 

右邊是 2^n 的二進制特點,左邊是 2^n-1 的特點,可以發現當 length = 2^n 時,h & (length-1) 的結果正好位於 0 到 length-1 之間,就相當於取模運算。

轉爲位運算後,length-1 就相當於一個低位掩碼,在按位與時,它會把原散列值的高位置0,這就導致散列值只在掩碼的小範圍內變化,顯然增大了衝突機率。爲了減少衝突,HashMap 在設計散列算法時,使用高低位異或,變相的讓鍵的高位也參與了運算,代碼如下:

static final int hash(Object key) { // JDK8
  int h;
  // h = key.hashCode()  1. 取hashCode值
  // h ^ (h >>> 16)      2. 高16位與低16位異或,變相保留高位的比特位
  return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}
// JDK7 的源碼,JDK8 沒有這個方法,但原理一樣
static int indexFor(int h, int length) {
   return h & (length-1); // 3. 取模運算
}

高位的移位異或,既能保證有效的利用鍵的高低位信息,又能減少系統開銷,這樣設計是對速度、效率和質量之間的權衡。

3. put 操作

put 操作主要做了以下幾件事:

  1. 哈希桶數組 table 爲空時,通過 resize() 方法進行初始化
  2. 待插入的 key 已存在,直接覆蓋 value
  3. 若不存在,將鍵值對插入到對應的鏈表或紅黑樹中
  4. 插入鏈表時判斷是否轉紅黑樹
  5. 判斷是否需要擴容

核心代碼如下:

public V put(K key, V value) {
  // 將 key 的 hashCode 散列
  return putVal(hash(key), key, value, false, true);
}
final V putVal(int hash, K key, V value, boolean onlyIfAbsent, boolean evict) {
  Node<K,V>[] tab; Node<K,V> p; int n, i;
  // 1. table 爲 null,初始化哈希桶數組
  if ((tab = table) == null || (n = tab.length) == 0)
    n = (tab = resize()).length;
  // 2. 計算對應的數組下標 (n - 1) & hash
  if ((p = tab[i = (n - 1) & hash]) == null)
    // 3. 這個槽還沒有插入過數據,直接插入
    tab[i] = newNode(hash, key, value, null);
  else {
    Node<K,V> e; K k;
    // 4. 節點 key 存在,直接覆蓋 value
    if (p.hash == hash && ((k = p.key) == key || (key != null && key.equals(k))))
      e = p;
    // 5. 該鏈轉成了紅黑樹
    else if (p instanceof TreeNode) // 在樹中插入
      e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
    // 6. 該鏈是鏈表
    else {
      for (int binCount = 0; ; ++binCount) {
        // 遍歷找到尾節點插入
        if ((e = p.next) == null) {
          p.next = newNode(hash, key, value, null);
          // 鏈表長度大於 8 轉爲紅黑樹
          if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st
            treeifyBin(tab, hash);
          break;
        }
        // 遍歷的過程中,遇到相同 key 則覆蓋 value
        if (e.hash == hash && ((k = e.key) == key || (key != null && key.equals(k))))
          break;
        p = e;
      }
    }
    if (e != null) { // existing mapping for key
      V oldValue = e.value;
      if (!onlyIfAbsent || oldValue == null)
        e.value = value;
      afterNodeAccess(e);
      return oldValue;
    }
  }
  ++modCount;
  // 7. 超過最大容量,擴容
  if (++size > threshold)
    resize();
  afterNodeInsertion(evict);
  return null;
}

JDK8 在插入鏈表時採用的是尾插入法,也就是順序插入,而 JDK7 使用的是頭插法,逆序插入。

6. 擴容機制

默認情況下,初始容量是 16,負載因子是 0.75f,threshold 是 12,也就是說,插入 12 個鍵值對就會擴容。

在擴容時,會擴大到原來的兩倍,因爲使用的是2的次冪擴展,那麼元素的位置要麼保持不變,要麼在原位置上偏移2的次冪。

resize-1

上圖可以看到,擴大2倍,相當於 n 左移一位,那麼 n-1 在高位就多出了一個 1,此時與原散列值進行與運算,就多參與了一位,這個比特位要麼是 0,要麼是 1:

  • 0 的話索引不變
  • 1 的話索引就變成"原索引+oldCap"

那麼怎麼判斷這個比特位是0還是1呢?如果"原散列值 & oldCap"的值爲0,則表示比特位是0。擴容代碼如下:

final Node<K,V>[] resize() {
  Node<K,V>[] oldTab = table;
  int oldCap = (oldTab == null) ? 0 : oldTab.length;
  int oldThr = threshold;
  int newCap, newThr = 0;
  if (oldCap > 0) {
    // 超過最大值,不在擴容
    if (oldCap >= MAXIMUM_CAPACITY) {
      threshold = Integer.MAX_VALUE;
      return oldTab;
    }// 否則擴大爲原來的 2 倍
    else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&
           oldCap >= DEFAULT_INITIAL_CAPACITY)
      newThr = oldThr << 1; // double threshold
  }
  else if (oldThr > 0) // initial capacity was placed in threshold
    // 初始化時,threshold 暫時保存 initialCapacity 參數的值
    newCap = oldThr;
  else {               // zero initial threshold signifies using defaults
    newCap = DEFAULT_INITIAL_CAPACITY;
    newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);
  }
  // 計算新的 resize 上限
  if (newThr == 0) {
      float ft = (float)newCap * loadFactor;
      newThr = (newCap < MAXIMUM_CAPACITY && ft < (float)MAXIMUM_CAPACITY ?
                (int)ft : Integer.MAX_VALUE);
  }
  threshold = newThr;
  @SuppressWarnings({"rawtypes","unchecked"})
    Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap];
  table = newTab;
  // 將舊的鍵值對移動到新的哈希桶數組中
  if (oldTab != null) {
    for (int j = 0; j < oldCap; ++j) {
      Node<K,V> e;
      if ((e = oldTab[j]) != null) {
        oldTab[j] = null;
        if (e.next == null) // 無鏈條
          newTab[e.hash & (newCap - 1)] = e;
        else if (e instanceof TreeNode)
          // 拆紅黑樹,先拆成兩個子鏈表,再分別按需轉成紅黑樹
          ((TreeNode<K,V>)e).split(this, newTab, j, oldCap);
        else { // preserve order
          // 拆鏈表,拆成兩個子鏈表並保持原有順序
          Node<K,V> loHead = null, loTail = null;
          Node<K,V> hiHead = null, hiTail = null;
          Node<K,V> next;
          do {
            next = e.next;
            // 原位置不變的子鏈表
            if ((e.hash & oldCap) == 0) {
              if (loTail == null)
                loHead = e;
              else
                loTail.next = e;
              loTail = e;
            }
            // 原位置偏移 oldCap 的子鏈表
            else {
              if (hiTail == null)
                hiHead = e;
              else
                hiTail.next = e;
              hiTail = e;
            }
          } while ((e = next) != null);
          // 放到新的哈希桶中
          if (loTail != null) {
            loTail.next = null;
            newTab[j] = loHead;
          }
          if (hiTail != null) {
            hiTail.next = null;
            newTab[j + oldCap] = hiHead;
          }
        }
      }
    }
  }
  return newTab;
}

在重新計算鏈表中元素位置時,只可能得到兩個子鏈表:索引不變的元素鏈表和有相同偏移量的元素鏈表。在構造子鏈表的過程中,使用頭節點和尾節點,保證了拆分後的有序性:

resize-2

查看 TreeNode.split() 方法發現,紅黑樹拆分的邏輯和鏈表一樣,只不過在拆分完成後,會根據子鏈表的長度做以下處理:

  • 長度小於 6,返回一個不包含 TreeNode 的普通鏈表
  • 否則,把子鏈表轉爲紅黑樹

紅黑樹之所以能夠按照鏈表的邏輯拆分,是因爲鏈表在轉紅黑樹時,保留了原鏈表的鏈條引用,這樣也方便了遍歷操作。

7. 鏈表轉紅黑樹

鏈表轉紅黑樹主要做了以下幾件事:

  1. 判斷桶容量是否達到樹化的最低要求,否則進行擴容
  2. 將原鏈表轉爲由 TreeNode 組成的雙向鏈表
  3. 將新鏈表轉爲紅黑樹

代碼如下:

final void treeifyBin(Node<K,V>[] tab, int hash) {
  int n, index; Node<K,V> e;
  // 如果哈希桶容量小於樹化的最小容量,優先進行擴容
  if (tab == null || (n = tab.length) < MIN_TREEIFY_CAPACITY)
    resize();
  else if ((e = tab[index = (n - 1) & hash]) != null) {
    TreeNode<K,V> hd = null, tl = null;
    do { // 將普通節點轉爲樹形節點
      TreeNode<K,V> p = replacementTreeNode(e, null);
      if (tl == null)
        hd = p;
      else {
        p.prev = tl;
        tl.next = p;
      }
      tl = p;
      // 把原來的單鏈錶轉成了雙向鏈表
    } while ((e = e.next) != null);
    if ((tab[index] = hd) != null)
      hd.treeify(tab); // 將鏈表轉爲紅黑樹
  }
}
TreeNode<K,V> replacementTreeNode(Node<K,V> p, Node<K,V> next) {
  return new TreeNode<>(p.hash, p.key, p.value, next);
}

HashMap 在設計時應該沒有考慮後期會引入紅黑樹,所以沒有提供 key 的比較器或要求 key 實現 Comparable 接口。爲了比較兩個 key 的大小,HashMap 按以下步驟處理:

  1. 如果兩個 key 的 hash 值不等,則比較 hash 值大小
  2. 如果相等,若 key 實現了 Comparable 接口,使用 compareTo 方法比較
  3. 如果結果還是相等,使用自定義的 tieBreakOrder 方法比較,邏輯如下
static int tieBreakOrder(Object a, Object b) {
  int d;
  if (a == null || b == null || // 比較 className 的大小
    (d = a.getClass().getName().compareTo(b.getClass().getName())) == 0)
    // 比較由本地方法生成的 hash 值大小,仍然有可能衝突,機率太小,此時認爲是小於的結果
    d = (System.identityHashCode(a) <= System.identityHashCode(b) ? -1 : 1);
  return d;
}

8. 小結

JDK8 中的 HashMap 代碼還是比較複雜的,優化方面主要有以下三點:

  • 優化 hash 算法只進行一次位移操作
  • 引入紅黑樹,在衝突比較嚴重的情況下,將 get 操作的時間複雜從 O(n) 降爲了 O(logn)
  • 擴容時,利用 2 的次冪數值的二進制特點,既省去重新計算 hash 的時間,又把之前衝突的節點散列到了其他位置

此外,HashMap 是非線程安全的,線程間的競爭條件主要是發生衝突或擴容時,鏈表的斷鏈和續鏈操作。擴容也就意味着內存拷貝,這是一個很耗費性能的操作,所以預分配一個足夠大的初始容量,減少擴容的次數,能夠讓 HashMap 有更好的表現。

發表評論
所有評論
還沒有人評論,想成為第一個評論的人麼? 請在上方評論欄輸入並且點擊發布.
相關文章