HashMap解读

HashMap解读

之前我以为我很懂HashMap，直到今天技术交流群有个人说：为什么HashMap的hash函数要按照如下方式生成？

static final int hash(Object key) {
    int h;
    return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}

我记得之前是看过这段代码？但是没有深思，看到过了，知道了HashMap的hash函数是这么设计的，没深究过。就以这个问题开始HashMap的完整思考。

简介

HashMap是平常使用的非常多的，内部结构是 数组+链表/红黑树 构成，很多时候都是多种数据结构组合。

我们先看一下HashMap的基本操作：

new HashMap(n);

第一个知识点，传入n，构造的HashMap容量就是n吗？

答案是：不一定。

因为HashMap内部做了些处理：

    public HashMap(int initialCapacity, float loadFactor) {
        this.loadFactor = loadFactor; //负载因子 默认0.75
      	//设置容量
        this.threshold = tableSizeFor(initialCapacity);
    }

tableSizeFor 这段代码其实就做了一件事，例如，你初始化给了10，它会给你16，大于10的是2的k次幂。

以初始值50为例，讲一下实现原理：

  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;
  }

算法就是让二进制不断右移，与自己异或，把第一位为1(最高位)后面全变为1，111111 + 1 = 1000000 = $2^6$ （符合大于50并且是2的整数次幂 ）

第二个知识点，回答开题的问题，为什么hash函数这么设计？

1. HashMap的hash函数是根据Key值计算的；
2. 一定要尽可能降低hash碰撞，越分散越好；
3. 算法一定要尽可能高效，因为这是高频操作；

再来看一下这段代码：

static final int hash(Object key) {
    int h;
    return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}

这段代码有个名字，叫扰动函数，大家想一下，如果hash函数直接使用key.hashCode()作为hash 值怎么样？

key.hashCode()获得的是key的hashcode(), 如果HashMap数组长度为16，求对象在数组存储位置 (n - 1) & hash 就相当于 0000 1111 & hash ，让 hash 高位全部置为0，只用到了 hash 的低位，因为只用了低位，碰撞的机率就会比较大。

聪明的算法设计者兼顾性能和降低碰撞，就考虑用高16位和低16位结合起来异或形成hash 值。如下图所示，

图片来自 https://www.zhihu.com/question/20733617/answer/111577937

第三个知识点，相比1.7，JDK1.8做了哪些优化？

1. 1.7 使用头插法，1.8使用尾插法；
2. 1.7 hash函数使用4次位运算+5次异或，1.8使用1次位运算+1次异或；
3. 1.7 使用数组+链表的结构，1.8 使用数组 + 链表 +红黑树；
4. 1.7 扩容需要对原始元素重新hash & (len -1), 1.8 计算元素新位置 = 原始位置 / 原始位置 + 旧容量;

下面开始解释👆说的四条：

第一条：
1.8 之前都是使用头插法，因为作者认为现在插入的数据是热乎的，最有可能被立即使用到，所以用头插法；

而为什么1.8用尾插法呢，如果是头插法，在多线程环境下，会出现这样一个问题：A线程在插入节点B，B线程也在插入，遇到容量不够开始扩容，重新hash，放置元素，采用头插法，后遍历到的B节点放入了头部，这样形成了环，如下图所示：

第二条：
1.7的hash 函数如下，可以和上面的对比看：

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

四次无符号右移 五次异或

第三条：
画了一张插入流程图如下：
注意4个点：

1. 先插入新节点再扩容（1.7是先判断容量，不够先扩容再插入）；
2. 先判断是否为红黑树，链表插入结束判断是否是否应该转为红黑树；
3. 红黑树转为链表的临界值是6不是8，原因是如果长度经常在8附近，转来转去，浪费资源。
4. 为什么红黑树的阈值是8，因为合理的hash函数，发生碰撞链表长度为8的概率作者计算为千万分之后。
   

   // 作者给的hash冲突链表长度分别为以下值得概率
    * 0:    0.60653066
     * 1:    0.30326533
     * 2:    0.07581633
     * 3:    0.01263606
     * 4:    0.00157952
     * 5:    0.00015795
     * 6:    0.00001316
     * 7:    0.00000094
     * 8:    0.00000006

第四条：
1.7 扩容后会采用 hash & （len -1）重新计算所有数组元素的位置，但是1.8采用简单快捷的方式定位新位置： 直接放在原位置/ 原位置 + 旧容量

这个怎么理解呢？看下面这张图，

分二种情况：

1. 比如现在 数组长度为16，元素的hash值为0101 ， 0000 0101 & 0000 1111 = 0000 0101,
   扩容之后，因为高位为0，0000 0101 & 0001 1111 = 0000 0101，位置没变，可以直接放到扩容后的原始位置。
2. 数组长度为16，原始的hash值为 0001 0101， 0001 0101 & 0000 1111 = 0101, 扩容到32之后， 0001 0101 & 0001 1111 = 0001 0101, 比原来的位置大16。
   有意思吧！ 好好品，越品越有意思！

截取了一段扩容代码

final Node<K,V>[] resize(){
	//***
	if (loTail != null) {
      loTail.next = null;
       newTab[j] = loHead;
   }
   if (hiTail != null) {
       hiTail.next = null;
       newTab[j + oldCap] = hiHead;
   }
}