HashMap详解(jdk1.8)
本文的一部分内容是参照了 http://www.iteye.com/topic/539465, 这部分小弟没有这位大佬讲得好,但源码的解释大家可以看看我的,因为大佬没有详细解释,而且版本比较久远。本文关于源码的解析都是基于jdk1.8的。本文没有涉及链表的树化内容,水平暂时不够。
一、HashMap的数据结构
要知道hashmap是什么,首先要搞清楚它的数据结构,在java编程语言中,最基本的结构就是两种,一个是数组,另外一个是模拟指针(引用),所有的数据结构都可以用这两个基本结构来构造的,hashmap也不例外。Hashmap实际上是一个数组和链表的结合体(在数据结构中,一般称之为“链表散列“),请看下图(横排表示数组,后文源码解析中,我们将它称为“桶”;纵排表示数组元素【实际上是一个链表】)
二、往哪里put?
想知道put方法的详细步骤,必须先知道在哪里进行操作,我们知道,HashMap是一个是基于散列表的类,当然会跟hash值密不可分,下面我们详细看看具体步骤
//桶,如1号桶,2号桶...
transient Node<K,V>[] table;
//桶中的元素类型,与链表的数据结构基本一致,如一号桶Node有node.next、next.next...
static class Node<K,V> implements Map.Entry<K,V> {
final int hash;
final K key;
V value;
Node<K,V> next;
Node(int hash, K key, V value, Node<K,V> next) {
this.hash = hash;
this.key = key;
this.value = value;
this.next = next;
}
.............
}
- 基本步骤:
put方法主要是对这2个元素进行操作,当put一个对象的时候:
-
先根据key的hash值得到这个元素在数组中的位置(即下标,也就是几号桶)
-
如果这个桶中已经存放有其他元素了,那么在同桶中的元素将以链表的形式存放,新加入的放在链头,最先加入的放在链尾。
-
如果这个桶是空的,那么这个元素就作为桶中的第一个元素,也就是链表的链头
从hashmap中get元素时,首先计算key的hashcode,找到数组中对应的桶,然后通过key的equals方法在桶中的链表找到需要的元素。从这里我们可以想象得到,如果每个位置上的链表只有一个元素,那么hashmap的get效率将是最高的
- 定位方法详解与细节
我们可以看到在hashmap中要找到元素相应的桶,需要根据key的hash值来求得对应数组中的位置。如何计算这个位置就是hash算法。前面说过hashmap的数据结构是数组和链表的结合,所以我们当然希望这个hashmap里面的元素位置尽量的分布均匀些,尽量使得每个位置上的元素数量只有一个,那么当我们用hash算法求得这个位置的时候,马上就可以知道对应位置的元素就是我们要的,而不用再去遍历链表。
所以我们首先想到的就是对hashcode的数组长度取模运算,这样一来,元素的分布相对来说是比较均匀的。但是,“模”运算的消耗还是比较大的,能不能找一种更快速,消耗更小的方式那?HashMap是这样做的:
// i:数组下标, n:数组长度,hash:元素的hash值
i = (n - 1) & hash
首先算得key的hashcode值,然后跟数组的长度-1做一次“与”运算(&)。看上去很简单,其实比较有玄机。比如数组的长度是2的4次方,那么hashcode就会和2的4次方-1做“与”运算。很多人都有这个疑问,为什么hashmap的数组初始化大小都是2的次方大小时,hashmap的效率最高,我以2的4次方举例,来解释一下为什么数组大小为2的幂时hashmap访问的性能最高。
看下图,左边两组是数组长度为16(2的4次方),右边两组是数组长度为15。两组的hashcode均为8和9,但是很明显,当它们和1110“与”的时候,产生了相同的结果,也就是说它们会定位到数组中的同一个位置上去,这就产生了碰撞,8和9会被放到同一个链表上,那么查询的时候就需要遍历这个链表,得到8或者9,这样就降低了查询的效率。同时,我们也可以发现,当数组长度为15的时候,hashcode的值会与14(1110)进行“与”,那么最后一位永远是0,而0001,0011,0101,1001,1011,0111,1101这几个位置永远都不能存放元素了,空间浪费相当大,更糟的是这种情况中,数组可以使用的位置比数组长度小了很多,这意味着进一步增加了碰撞的机率,减慢了查询的效率!
当数组长度为2的n次幂的时候,不同的key算得得index相同的机率较小,那么数据在数组上分布就比较均匀,也就是说碰撞的机率小,相对的,查询的时候就不用遍历某个位置上的链表,这样查询效率也就较高了。
说到这里,我们再回头看一下hashmap中默认的数组大小是多少,查看源代码可以得知是16,为什么是16,而不是15,也不是20呢,看到上面的解释之后我们就清楚了吧,显然是因为16是2的整数次幂的原因,在小数据量的情况下16比15和20更能减少key之间的碰撞,而加快查询的效率。
指的注意的是,就算你指定初始容量不是2的幂次方,它也会想办法将你的值变成离你给的值最近的2次方值,比如你给定初始容量为29,它会在构造时变成32
//构造函数调用
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;
}
三、put方法源码分析:
public V put(K key, V value) {
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.判断数组是否为空
if ((tab = table) == null || (n = tab.length) == 0)
n = (tab = resize()).length; //为空,则重新制定容量
//2.根据参数的hash值判断对应桶是否为空
if ((p = tab[i = (n - 1) & hash]) == null)
tab[i] = newNode(hash, key, value, null); //若为空,则桶的第一个元素就是参数
// 3.其他情况,即数组不为空,且找到了对应的桶,且桶中的元素不为空
else {
Node<K,V> e; K k;
//4.判断桶的第一个元素,即链头的hash值与参数的hash值是否一致,然后再通过equals方法与==比对2个元素,都一致才为视为同一个键
if (p.hash == hash && ((k = p.key) == key || (key != null && key.equals(k))))
e = p; //如果一致,则将链头赋给e(第二步将链头赋给了p)
//5. 如果这个桶已经树化了,即链表已经树化,则调用树节点的put方法
else if (p instanceof TreeNode)
e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
//6. 其他情况,即参数与链头不一致,则依次比对链表中其他元素
else {
for (int binCount = 0; ; ++binCount) {
//如果到了链尾了(此情况就是链表中所有元素都与参数不一致)
if ((e = p.next) == null) {
p.next = newNode(hash, key, value, null); //存入元素
if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st
treeifyBin(tab, hash);
break;
}
//判断下一个元素是否与参数一致(在上面 e=p.next)
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
break;
p = e;
}
}
//如果桶中已经存在了键一致的元素,则覆盖旧value,返回旧value
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)
resize();
afterNodeInsertion(evict);
return null;
}
四、resize方法源码解析
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) { // 对应数组扩容
if (oldCap >= MAXIMUM_CAPACITY) {
threshold = Integer.MAX_VALUE;
return oldTab;
}
// 将数组大小扩大一倍
else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&
oldCap >= DEFAULT_INITIAL_CAPACITY)
// 将阈值扩大一倍
newThr = oldThr << 1; // double threshold
}
else if (oldThr > 0) // 对应使用 new HashMap(int initialCapacity) 初始化后,第一次 put 的时候
newCap = oldThr;
else {// 对应使用 new HashMap() 初始化后,第一次 put 的时候
newCap = DEFAULT_INITIAL_CAPACITY;
newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);
}
if (newThr == 0) {
float ft = (float)newCap * loadFactor;
newThr = (newCap < MAXIMUM_CAPACITY && ft < (float)MAXIMUM_CAPACITY ?
(int)ft : Integer.MAX_VALUE);
}
threshold = newThr;
// 用新的数组大小初始化新的数组
Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap];
table = newTab; // 如果是初始化数组,到这里就结束了,返回 newTab 即可
if (oldTab != null) {
// 开始遍历原数组,进行数据迁移。
for (int j = 0; j < oldCap; ++j) {
Node<K,V> e;
if ((e = oldTab[j]) != null) {
oldTab[j] = null;
// 如果该数组位置上只有单个元素,那就简单了,简单迁移这个元素就可以了
if (e.next == null)
newTab[e.hash & (newCap - 1)] = e;
// 如果是红黑树,具体我们就不展开了
else if (e instanceof TreeNode)
((TreeNode<K,V>)e).split(this, newTab, j, oldCap);
else {
// 这块是处理链表的情况,
// 需要将此链表拆成两个链表,放到新的数组中,并且保留原来的先后顺序
// loHead、loTail 对应一条链表,hiHead、hiTail 对应另一条链表,代码还是比较简单的
Node<K,V> loHead = null, loTail = null;
Node<K,V> hiHead = null, hiTail = null;
Node<K,V> next;
do {
next = e.next;
if ((e.hash & oldCap) == 0) {
if (loTail == null)
loHead = e;
else
loTail.next = e;
loTail = e;
}
else {
if (hiTail == null)
hiHead = e;
else
hiTail.next = e;
hiTail = e;
}
} while ((e = next) != null);
if (loTail != null) {
loTail.next = null;
// 第一条链表
newTab[j] = loHead;
}
if (hiTail != null) {
hiTail.next = null;
// 第二条链表的新的位置是 j + oldCap,这个很好理解
newTab[j + oldCap] = hiHead;
}
}
}
}
}
return newTab;
}
五、hash方法:
之前我们将定位的时候,说到是用元素的hash值和length-1取hash值,这里的hash值是通过hash()方法计算的,
static final int hash(Object key) {
int h;
return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}
这里的hash方法简单来说就是高16位异或低16位,这样的好处就是混合了原hashcode的高低位信息,以此来增大随机性,也就增大了hashmap的元素存储随机性,这也就是HashMap解决hash碰撞的方法——拉链法