一個HashMap跟面試官扯了半個小時

一個HashMap能跟面試官扯上半個小時

前言

HashMap應該算是Java後端工程師面試的必問題，因爲其中的知識點太多，很適合用來考察面試者的Java基礎。

開場

面試官: 你先自我介紹一下吧！

安琪拉: 我是安琪拉，草叢三婊之一，最強中單（鍾馗不服）！哦，不對，串場了，我是**，目前在–公司做–系統開發。

面試官: 看你簡歷上寫熟悉Java集合，HashMap用過的吧？

安琪拉: 用過的。(還是熟悉的味道)

面試官: 那你跟我講講HashMap的內部數據結構？

安琪拉: 目前我用的是JDK1.8版本的，內部使用數組 + 鏈表紅黑樹；

安琪拉: 方便我給您畫個數據結構圖吧：

面試官: 那你清楚HashMap的數據插入原理嗎？

安琪拉: 呃[做沉思狀]。我覺得還是應該畫個圖比較清楚，如下：

1. 判斷數組是否爲空，爲空進行初始化;
2. 不爲空，計算 k 的 hash 值，通過(n - 1) & hash計算應當存放在數組中的下標 index;
3. 查看 table[index] 是否存在數據，沒有數據就構造一個Node節點存放在 table[index] 中；
4. 存在數據，說明發生了hash衝突(存在二個節點key的hash值一樣), 繼續判斷key是否相等，相等，用新的value替換原數據(onlyIfAbsent爲false)；
5. 如果不相等，判斷當前節點類型是不是樹型節點，如果是樹型節點，創造樹型節點插入紅黑樹中；
6. 如果不是樹型節點，創建普通Node加入鏈表中；判斷鏈表長度是否大於 8， 大於的話鏈表轉換爲紅黑樹；
7. 插入完成之後判斷當前節點數是否大於閾值，如果大於開始擴容爲原數組的二倍。

面試官: 剛纔你提到HashMap的初始化，那HashMap怎麼設定初始容量大小的嗎？

安琪拉: [這也算問題？?] 一般如果new HashMap() 不傳值，默認大小是16，負載因子是0.75， 如果自己傳入初始大小k，初始化大小爲 大於k的 2的整數次方，例如如果傳10，大小爲16。（補充說明:實現代碼如下）

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;
}

補充說明：下圖是詳細過程，算法就是讓初始二進制右移1，2，4，8，16位，分別與自己異或，把高位第一個爲1的數通過不斷右移，把高位爲1的後面全變爲1，111111 + 1 = 1000000 = $2^6$ （符合大於50並且是2的整數次冪 ）

面試官: 你提到hash函數，你知道HashMap的哈希函數怎麼設計的嗎？

安琪拉: [問的還挺細] hash函數是先拿到通過key 的hashcode，是32位的int值，然後讓hashcode的高16位和低16位進行異或操作。

面試官: 那你知道爲什麼這麼設計嗎？

安琪拉: [這也要問]，這個也叫擾動函數，這麼設計有二點原因：

1. 一定要儘可能降低hash碰撞，越分散越好；
2. 算法一定要儘可能高效，因爲這是高頻操作, 因此採用位運算；

面試官: 爲什麼採用hashcode的高16位和低16位異或能降低hash碰撞？hash函數能不能直接用key的hashcode？

[這問題有點刁鑽], 安琪拉差點原地💥了，恨不得出biubiubiu 二一三連招。

安琪拉: 因爲key.hashCode()函數調用的是key鍵值類型自帶的哈希函數，返回int型散列值。int值範圍爲**-2147483648~2147483647**，前後加起來大概40億的映射空間。只要哈希函數映射得比較均勻鬆散，一般應用是很難出現碰撞的。但問題是一個40億長度的數組，內存是放不下的。你想，如果HashMap數組的初始大小才16，用之前需要對數組的長度取模運算，得到的餘數才能用來訪問數組下標。(來自知乎-胖君)

源碼中模運算就是把散列值和數組長度-1做一個"與"操作，位運算比%運算要快。

bucketIndex = indexFor(hash, table.length);

static int indexFor(int h, int length) {
     return h & (length-1);
}

順便說一下，這也正好解釋了爲什麼HashMap的數組長度要取2的整數冪。因爲這樣（數組長度-1）正好相當於一個“低位掩碼”。“與”操作的結果就是散列值的高位全部歸零，只保留低位值，用來做數組下標訪問。以初始長度16爲例，16-1=15。2進製表示是00000000 00000000 00001111。和某散列值做“與”操作如下，結果就是截取了最低的四位值。

  10100101 11000100 00100101
& 00000000 00000000 00001111
----------------------------------
  00000000 00000000 00000101    //高位全部歸零，只保留末四位

但這時候問題就來了，這樣就算我的散列值分佈再鬆散，要是隻取最後幾位的話，碰撞也會很嚴重。更要命的是如果散列本身做得不好，分佈上成等差數列的漏洞，如果正好讓最後幾個低位呈現規律性重複，就無比蛋疼。

時候“擾動函數”的價值就體現出來了，說到這裏大家應該猜出來了。看下面這個圖，

右位移16位，正好是32bit的一半，自己的高半區和低半區做異或，就是爲了混合原始哈希碼的高位和低位，以此來加大低位的隨機性。而且混合後的低位摻雜了高位的部分特徵，這樣高位的信息也被變相保留下來。

最後我們來看一下Peter Lawley的一篇專欄文章《An introduction to optimising a hashing strategy》裏的的一個實驗：他隨機選取了352個字符串，在他們散列值完全沒有衝突的前提下，對它們做低位掩碼，取數組下標。

結果顯示，當HashMap數組長度爲512的時候（$2^9$），也就是用掩碼取低9位的時候，在沒有擾動函數的情況下，發生了103次碰撞，接近30%。而在使用了擾動函數之後只有92次碰撞。碰撞減少了將近10%。看來擾動函數確實還是有功效的。

另外Java1.8相比1.7做了調整，1.7做了四次移位和四次異或，但明顯Java 8覺得擾動做一次就夠了，做4次的話，多了可能邊際效用也不大，所謂爲了效率考慮就改成一次了。

下面是1.7的hash代碼：

static int hash(int h) {
    h ^= (h >>> 20) ^ (h >>> 12);
    return h ^ (h >>> 7) ^ (h >>> 4);
}

面試官: 看來做過功課，有點料啊！是不是偷偷看了安琪拉的博客, 你剛剛說到1.8對hash函數做了優化，1.8還有別的優化嗎？

安琪拉: 1.8還有三點主要的優化：

1. 數組+鏈表改成了數組+鏈表或紅黑樹；
2. 鏈表的插入方式從頭插法改成了尾插法，簡單說就是插入時，如果數組位置上已經有元素，1.7將新元素放到數組中，原始節點作爲新節點的後繼節點，1.8遍歷鏈表，將元素放置到鏈表的最後；
3. 擴容的時候1.7需要對原數組中的元素進行重新hash定位在新數組的位置，1.8採用更簡單的判斷邏輯，位置不變或索引+舊容量大小；
4. 在插入時，1.7先判斷是否需要擴容，再插入，1.8先進行插入，插入完成再判斷是否需要擴容；

面試官: 你分別跟我講講爲什麼要做這幾點優化；

安琪拉: 【咳咳，果然是連環炮】

1. 防止發生hash衝突，鏈表長度過長，將時間複雜度由O(n)降爲O(logn);

2. 因爲1.7頭插法擴容時，頭插法會使鏈表發生反轉，多線程環境下會產生環；

   A線程在插入節點B，B線程也在插入，遇到容量不夠開始擴容，重新hash，放置元素，採用頭插法，後遍歷到的B節點放入了頭部，這樣形成了環，如下圖所示：

   1.7的擴容調用transfer代碼，如下所示：

   void transfer(Entry[] newTable, boolean rehash) {
     int newCapacity = newTable.length;
     for (Entry<K,V> e : table) {
       while(null != e) {
         Entry<K,V> next = e.next;
         if (rehash) {
           e.hash = null == e.key ? 0 : hash(e.key);
         }
         int i = indexFor(e.hash, newCapacity);
         e.next = newTable[i]; //A線程如果執行到這一行掛起，B線程開始進行擴容
         newTable[i] = e;
         e = next;
       }
     }
   }
   
   

3. 擴容的時候爲什麼1.8 不用重新hash就可以直接定位原節點在新數據的位置呢?

   這是由於擴容是擴大爲原數組大小的2倍，用於計算數組位置的掩碼僅僅只是高位多了一個1，怎麼理解呢？

   擴容前長度爲16，用於計算(n-1) & hash 的二進制n-1爲0000 1111，擴容爲32後的二進制就高位多了1，爲0001 1111。

   因爲是& 運算，1和任何數 & 都是它本身，那就分二種情況，如下圖：原數據hashcode高位第4位爲0和高位爲1的情況；

   第四位高位爲0，重新hash數值不變，第四位爲1，重新hash數值比原來大16（舊數組的容量）

面試官: 那HashMap是線程安全的嗎？

安琪拉: 不是，在多線程環境下，1.7 會產生死循環、數據丟失、數據覆蓋的問題，1.8 中會有數據覆蓋的問題，以1.8爲例，當A線程判斷index位置爲空後正好掛起，B線程開始往index位置的寫入節點數據，這時A線程恢復現場，執行賦值操作，就把A線程的數據給覆蓋了；還有++size這個地方也會造成多線程同時擴容等問題。

final V putVal(int hash, K key, V value, boolean onlyIfAbsent,
               boolean evict) {
  Node<K,V>[] tab; Node<K,V> p; int n, i;
  if ((tab = table) == null || (n = tab.length) == 0)
    n = (tab = resize()).length;
  if ((p = tab[i = (n - 1) & hash]) == null)  //多線程執行到這裏
    tab[i] = newNode(hash, key, value, null);
  else {
    Node<K,V> e; K k;
    if (p.hash == hash &&
        ((k = p.key) == key || (key != null && key.equals(k))))
      e = p;
    else if (p instanceof TreeNode) // 這裏很重要
      e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
    else {
      for (int binCount = 0; ; ++binCount) {
        if ((e = p.next) == null) {
          p.next = newNode(hash, key, value, null);
          if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st
            treeifyBin(tab, hash);
          break;
        }
        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;
  if (++size > threshold) // 多個線程走到這，可能重複resize()
    resize();
  afterNodeInsertion(evict);
  return null;
}

面試官: 那你平常怎麼解決這個線程不安全的問題？

安琪拉: Java中有HashTable、Collections.synchronizedMap、以及ConcurrentHashMap可以實現線程安全的Map。

HashTable是直接在操作方法上加synchronized關鍵字，鎖住整個數組，粒度比較大，Collections.synchronizedMap是使用Collections集合工具的內部類，通過傳入Map封裝出一個SynchronizedMap對象，內部定義了一個對象鎖，方法內通過對象鎖實現；ConcurrentHashMap使用分段鎖，降低了鎖粒度，讓併發度大大提高。

面試官: 那你知道ConcurrentHashMap的分段鎖的實現原理嗎？

安琪拉: 【天啦擼! 俄羅斯套娃，一個套一個】ConcurrentHashMap成員變量使用volatile 修飾，免除了指令重排序，同時保證內存可見性，另外使用CAS操作和synchronized結合實現賦值操作，多線程操作只會鎖住當前操作索引的節點。

如下圖，線程A鎖住A節點所在鏈表，線程B鎖住B節點所在鏈表，操作互不干涉。

面試官: 你前面提到鏈表轉紅黑樹是鏈表長度達到閾值，這個閾值是多少？

安琪拉: 閾值是8，紅黑樹轉鏈表閾值爲6

面試官: 爲什麼是8，不是16，32甚至是7 ？又爲什麼紅黑樹轉鏈表的閾值是6，不是8了呢？

安琪拉: 【你去問作者啊！天啦擼，biubiubiu 真想213連招】因爲作者就這麼設計的，哦，不對，因爲經過計算，在hash函數設計合理的情況下，發生hash碰撞8次的機率爲百萬分之6，概率說話。。因爲8夠用了，至於爲什麼轉回來是6，因爲如果hash碰撞次數在8附近徘徊，會一直髮生鏈表和紅黑樹的轉化，爲了預防這種情況的發生。

面試官: HashMap內部節點是有序的嗎？

安琪拉: 是無序的，根據hash值隨機插入

面試官: 那有沒有有序的Map？

安琪拉: LinkedHashMap 和 TreeMap

面試官: 跟我講講LinkedHashMap怎麼實現有序的？

安琪拉: LinkedHashMap內部維護了一個單鏈表，有頭尾節點，同時LinkedHashMap節點Entry內部除了繼承HashMap的Node屬性，還有before 和 after用於標識前置節點和後置節點。可以實現按插入的順序或訪問順序排序。

/**
 * The head (eldest) of the doubly linked list.
*/
transient LinkedHashMap.Entry<K,V> head;

/**
  * The tail (youngest) of the doubly linked list.
*/
transient LinkedHashMap.Entry<K,V> tail;
//鏈接新加入的p節點到鏈表後端
private void linkNodeLast(LinkedHashMap.Entry<K,V> p) {
  LinkedHashMap.Entry<K,V> last = tail;
  tail = p;
  if (last == null)
    head = p;
  else {
    p.before = last;
    last.after = p;
  }
}
//LinkedHashMap的節點類
static class Entry<K,V> extends HashMap.Node<K,V> {
  Entry<K,V> before, after;
  Entry(int hash, K key, V value, Node<K,V> next) {
    super(hash, key, value, next);
  }
}

示例代碼：

public static void main(String[] args) {
  Map<String, String> map = new LinkedHashMap<String, String>();
  map.put("1", "安琪拉");
  map.put("2", "的");
  map.put("3", "博客");

  for(Map.Entry<String,String> item: map.entrySet()){
    System.out.println(item.getKey() + ":" + item.getValue());
  }
}
//console輸出
1:安琪拉
2:的
3:博客

面試官: 跟我講講TreeMap怎麼實現有序的？

安琪拉：TreeMap是按照Key的自然順序或者Comprator的順序進行排序，內部是通過紅黑樹來實現。所以要麼key所屬的類實現Comparable接口，或者自定義一個實現了Comparator接口的比較器，傳給TreeMap用戶key的比較。

面試官: 前面提到通過CAS 和 synchronized結合實現鎖粒度的降低，你能給我講講CAS 的實現以及synchronized的實現原理嗎？

安琪拉: 下一期咋們再約時間，OK？

面試官: 好吧，回去等通知吧！

---

回覆評論區的幾個問題：

1. @掌心一點微笑: put方法時候，指定位置存在數據->否->存放節點 -> 放入紅黑樹節點嗎？不應該是存放節點->節點數是否大於閾值？這裏不懂，求大佬解釋
   這個地方圖畫的確實有問題，感謝指正，已更新
2. @海淀好男孩：初始容量不是2的冪會自動改成2的冪那裏有些錯誤吧，50的二進制和下面的無符號右移4位不對啊
   這裏是以50做初始值演示的，先進行-1 操作然後開始二進制運算的

---

參考資料

1. An introduction to optimising a hashing strategy
2. JDK 源碼中 HashMap 的 hash 方法原理是什麼？
3. 淡騰的楓-HashMap中的hash函數