HashMap深度剖析
站长
· 阅读数 64
概述
HashMap作为Java程序员使用频率非常高的容器，同时，同时也是面试官非常爱问的，里面的知识点满满，需要我们对它的实现机制有个深入的理解，本文主要通过jdk8带领大家剖析下HashMap。
HashMap简介
HashMap 最早出现在 JDK 1.2中，底层基于散列算法实现，它是一个key-value结构的容器。
- 是一个key-value的映射容器，key不重复
- jdk8中的HashMap基于数组+链表+红黑树实现
- 不保证键值的顺序
- 可以存入null值
- 非线程安全，多线程环境下可能存在问题
以上是HashMap的类结构图：
- 继承了AbstractMap,实现了Map接口，提供了key,value结构格式访问的方法
- 实现了Cloneable接口，表示HashMap支持clone
- 实现了Serializable接口，表示HashMap支持序列化
核心机制
底层实现机制
jdk8中的HashMap底层数据才有数组+链表+红黑树的方式实现。
扩容机制
HashMap底层是一个数组，Java中的数组是固定的，随着我们往HashMap中添加元素，发现数组长度不够了，这时候就需要进行扩冲容量的操作，和扩容相关的参数有两个一个是初始容量 initialCapacity，另一个负载因子 loadFactor。通过这两个设定这两个参数，可以进一步影响阈值大小。扩容的阈值threshold等于容量*负载因子（threshold = capacity * loadFactor）。
| 名称 | 用途 |
|---|---|
| initialCapacity | HashMap 初始容量 |
| loadFactor | 负载因子 |
| threshold | 当前 HashMap 所能容纳键值对数量的最大值，超过这个值，则需扩容 |
快速失败机制
HashMap 遍历使用的是一种快速失败机制，它是 Java 非安全集合中的一种普遍机制，这种机制可以让集合在遍历时，如果有线程对集合进行了修改、删除、增加操作，会触发并发修改异常。
它的实现机制是在遍历前保存一份 modCount ，在每次获取下一个要遍历的元素时会对比当前的 modCount 和保存的 modCount 是否相等。
快速失败也可以看作是一种安全机制，这样在多线程操作不安全的集合时，由于快速失败的机制，会抛出异常。这样可以避免由于并发修改导致一些未知的问题，通过提前失败提高性能。
\
源码剖析
成员变量
成员变量可以说明HashMap的底层数据结构。
// 底层存储的数据结构，是一个Node数组
transient Node<K,V>[] table;
// 遍历用到的entrySet
transient Set<Map.Entry<K,V>> entrySet;
// hashmap的元素数量
transient int size;
// 修改次数， 用于快速失败机制
transient int modCount;
// 发生扩容的阈值
int threshold;
/**
* 扩容使用的负载因子
*
* @serial
*/
final float loadFactor;
我们再来看下Node的数据结构，实现了Map.Entry接口。
很明显是一个链表的结构，红黑树也是基于这个数据结构构建得到。
构造方法
有参构造函数源码如下，关键是tableSizeFor这个方法
public HashMap(int initialCapacity, float loadFactor) {
if (initialCapacity < 0)
throw new IllegalArgumentException("Illegal initial capacity: " +
initialCapacity);
if (initialCapacity > MAXIMUM_CAPACITY)
initialCapacity = MAXIMUM_CAPACITY;
if (loadFactor <= 0 || Float.isNaN(loadFactor))
throw new IllegalArgumentException("Illegal load factor: " +
loadFactor);
this.loadFactor = loadFactor;
//根据tableSizeFor获取扩容阈值
this.threshold = tableSizeFor(initialCapacity);
}
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;
}
该方法的作用总结起来就一句话：找到大于或等于 cap 的最小2的幂。至于为啥要这样，后面再解释。我们先来看看 tableSizeFor 方法的图解：
可以理解为把cap低位的二进制位通过右移全部变为1，最后再+1，就是2的幂次方了。
此时这里的阈值threshold不是初始容量*负载因子，不必在意，这只是临时的，真正设置threshold在后面put方法中。
put方法
其实整个向map中插入数据的流程，大家多少都应知道一些，整个流程如上图所示，我们现在通过源码解读理解这个过程中的细节。
put方法
// 对外暴露的接口，添加的入口
public V put(K key, V value) {
// 核心是调用putVal方法， 参数的hash方法是计算key的hash值
return putVal(hash(key), key, value, false, true);
}
hash方法
static final int hash(Object key) {
int h;
// 采用位运算获取最终的hash
return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}
这段代码叫做扰动函数，也是hashMap中的hash运算，主要分为下面几步：
- key.hashCode()获取key的hashCode值，如果不进行重写的话返回的是根据内存地址得到的一个int值。
- key.hashCode() 获取到的hashCode无符号右移16位并和原hashCode进行^ ，这样做的目的是为了让高位与低进行混合，让两者都参与运算，以便让hash值分布更加均匀。
putVal方法
final V putVal(int hash, K key, V value, boolean onlyIfAbsent,
boolean evict) {
Node<K,V>[] tab; Node<K,V> p; int n, i;
// 如果数组为空，进行 resize() 初始化,后面详细分析resize方法
if ((tab = table) == null || (n = tab.length) == 0)
n = (tab = resize()).length;
// (n - 1) & hash相当于取模，获取数组的索引位置
// 如果计算的位置上Node不存在，直接创建节点插入
if ((p = tab[i = (n - 1) & hash]) == null)
tab[i] = newNode(hash, key, value, null);
else {
// 如果计算的位置上Node 存在，链表或者红黑树处理
Node<K,V> e; K k;
// 如果已存在的key和传入的key一模一样，则需要覆盖
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
e = p;
// 如果 index 位置元素已经存在，且是红黑树
else if (p instanceof TreeNode)
// 将元素插入到红黑树中
e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
else {
// 否则如果是链表的情况，对链表进行遍历，并统计链表长度
for (int binCount = 0; ; ++binCount) {
// 如果节点链表的next为空
if ((e = p.next) == null) {
// 找到节点链表中next为空的节点，创建新的节点插入
p.next = newNode(hash, key, value, null);
// 如果节点链表中数量超过TREEIFY_THRESHOLD（8）个，转化为红黑树
if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st
// 树化操作
treeifyBin(tab, hash);
break;
}
// 判断节点链表中的key和传入的key是否一样
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
// 如果一样的话，退出
break;
p = e;
}
}
// 如果存在相同key的节点e不为空
if (e != null) { // existing mapping for key
V oldValue = e.value;
// onlyIfAbsent 表示是否仅在 oldValue 为 null 的情况下更新键值对的值
if (!onlyIfAbsent || oldValue == null)
// 设置新的值
e.value = value;
afterNodeAccess(e);
// 返回老的结果
return oldValue;
}
}
++modCount;
// 当前大小大于临界大小，扩容
if (++size > threshold)
resize();
afterNodeInsertion(evict);
return null;
}
putVal 方法主要做了这么几件事情：
- 当桶数组 table 为空时，通过扩容的方式初始化 table。
- 查找要插入的键值对是否已经存在，存在的话根据条件判断是否用新值替换旧值。
- 如果不存在，则将键值对链入链表中，并根据链表长度决定是否将链表转为红黑树。
- 判断键值对数量是否大于阈值，大于的话则进行扩容操作。
resize()方法
当 HashMap 中的键值对数量超过扩容阈值时，则进行扩容，先阐述清楚几个概念：
- 容量：表示HashMap中数组的长度
- 扩容阈值：表示HashMap中数组有值的数量超过这个阈值，则需要进行扩容处理，扩容阈值等于容量 * 负载因子。
final Node<K,V>[] resize() {
Node<K,V>[] oldTab = table;
// 现有容量的大小，等于数组的长度，如果数组为空，返回0
int oldCap = (oldTab == null) ? 0 : oldTab.length;
// 现有的扩容阈值
int oldThr = threshold;
// newCap表示新的容量，newThr新的扩容阈值
int newCap, newThr = 0;
// 如果现有容量大于0，表示已经初始化过了
if (oldCap > 0) {
// 如果现有容量已经大于最大容量。结束扩容，直接返回
if (oldCap >= MAXIMUM_CAPACITY) {
threshold = Integer.MAX_VALUE;
return oldTab;
}
// 否则，如果扩大两倍之后的容量小于最大容量，且现有容量大于等于初始容量16
else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&
oldCap >= DEFAULT_INITIAL_CAPACITY)
// 新的扩容阀值扩大为两倍，左移<<1 相当于乘以2
newThr = oldThr << 1; // double threshold
}
// 否则如果当前容量等于0 ，但是当前扩容阈值 > 0,调用有参构造函数会到这里
else if (oldThr > 0) // initial capacity was placed in threshold
// 进入这里，新的容量等于当前的扩容阈值，
newCap = oldThr;
// 否则如果当前容量等于0,并且挡墙扩容阈值=0，调用无参构造函数进入这里
else {
// 新的容量等于默认容量
newCap = DEFAULT_INITIAL_CAPACITY;
// 新的扩容阈值等于默认负载因子0.75*默认容量16=12
newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);
}
// 如果新的扩容阈值等于0
if (newThr == 0) {
// 设置新的扩容阈值等于新的容量*负载因子
float ft = (float)newCap * loadFactor;
newThr = (newCap < MAXIMUM_CAPACITY && ft < (float)MAXIMUM_CAPACITY ?
(int)ft : Integer.MAX_VALUE);
}
// 设置hashmap对象的扩容阈值位新的扩容阈值
threshold = newThr;
@SuppressWarnings({"rawtypes","unchecked"})
// 初始化数组
Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap];
// 设置hashmap对象的桶数组为newTab
table = newTab;
// 下面时rehash的过程
// 如果旧的桶数组不为空，则遍历桶数组，并将键值对映射到新的桶数组中
if (oldTab != null) {
// 遍历老的数组
for (int j = 0; j < oldCap; ++j) {
Node<K,V> e;
// 如果数组索引位置不为空
if ((e = oldTab[j]) != null) {
oldTab[j] = null;
// 如果节点下面没有链表或者红黑树
if (e.next == null)
// 用新数组容量取模，设置到新数组中
newTab[e.hash & (newCap - 1)] = e;
// 如果节点是红黑树
else if (e instanceof TreeNode)
// 需要对红黑树进行拆分
((TreeNode<K,V>)e).split(this, newTab, j, oldCap);
// 如果节点是红黑树
else { // preserve order
Node<K,V> loHead = null, loTail = null;
Node<K,V> hiHead = null, hiTail = null;
Node<K,V> next;
// 遍历链表，并将链表节点按原顺序根据高低位分组
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);
// 将分组后的链表映射到新桶中
if (loTail != null) {
loTail.next = null;
newTab[j] = loHead;
}
if (hiTail != null) {
hiTail.next = null;
newTab[j + oldCap] = hiHead;
}
}
}
}
}
return newTab;
}
这个resize方法大致做了如下的事情：
- 计算新桶数组的容量 newCap 和新阈值 newThr。
- 根据计算出的 newCap 创建新的桶数组，桶数组 table 也是在这里进行初始化的。
- 将键值对节点重新映射到新的桶数组里。如果节点是 TreeNode 类型，则需要拆分红黑树。如果是普通链表节点，则节点按原顺序进行分组。
这边在将链表节点进行rehash用了一个非常好的设计理念，扩容后长度为原hash表的2倍，于是把hash表分为两半，分为低位和高位，如果能把原链表的键值对， 一半放在低位，一半放在高位，而且是通过e.hash & oldCap == 0来判断，这个判断有什么优点呢？
举个例子：n = 16，二进制为10000，第5位为1，e.hash & oldCap 是否等于0就取决于e.hash第5 位是0还是1，这就相当于有50%的概率放在新hash表低位，50%的概率放在新hash表高位。
链表树化treeifyBin
jdk8中会将节点链表在一定的条件下转换成红黑树，主要是因为红黑树的搜索查询性能更好，会将时间复杂度从O（n）变成O(logn)，代码如下
/**
* 将普通节点链表转换成树形节点链表
*/
final void treeifyBin(Node<K,V>[] tab, int hash) {
int n, index; Node<K,V> e;
// 桶数组容量小于 MIN_TREEIFY_CAPACITY，优先进行扩容而不是树化
if (tab == null || (n = tab.length) < MIN_TREEIFY_CAPACITY)
resize();
else if ((e = tab[index = (n - 1) & hash]) != null) {
// hd 为头节点（head），tl 为尾节点（tail）
TreeNode<K,V> hd = null, tl = null;
do {
// 将普通节点替换成树形节点
TreeNode<K,V> p = replacementTreeNode(e, null);
if (tl == null)
hd = p;
else {
p.prev = tl;
tl.next = p;
}
tl = p;
} while ((e = e.next) != null); // 将普通链表转成由树形节点链表
if ((tab[index] = hd) != null)
// 将树形链表转换成红黑树
hd.treeify(tab);
}
}
根据代码得出，在扩容过程中，树化要满足两个条件：
- 链表长度大于等于 8
- 桶数组容量大于等于64，当桶数组容量比较小时，键值对节点 hash 的碰撞率可能会比较高，进而导致链表长度较长。这个时候应该优先扩容，而不是立马树化。
get方法
get方法相对来说就简单很多了，源码如下：
public V get(Object key) {
Node<K,V> e;
// 调用getNode方法，hash(key)方法上面讲过，获取key对应的hash值
return (e = getNode(hash(key), key)) == null ? null : e.value;
}
final Node<K,V> getNode(int hash, Object key) {
Node<K,V>[] tab; Node<K,V> first, e; int n; K k;
// 定位键值对所在桶的位置
if ((tab = table) != null && (n = tab.length) > 0 &&
(first = tab[(n - 1) & hash]) != null) {
//根据hash算法找到对应位置的第一个数据，如果是指定的key，则直接返回
if (first.hash == hash && // always check first node
((k = first.key) == key || (key != null && key.equals(k))))
return first;
if ((e = first.next) != null) {
//如果该节点为红黑树，则通过树进行查找
if (first instanceof TreeNode)
return ((TreeNode<K,V>)first).getTreeNode(hash, key);
//如果该节点是链表，则遍历查找到数据
do {
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
return e;
} while ((e = e.next) != null);
}
}
return null;
}
大致逻辑如下：
- 根据hash值查找到指定位置的数据。
- 校验指定位置第一个节点的数据是key是否为传入的key，如果是直接返回第一个节点，否则继续查找第二个节点。
- 如果数据是TreeNode（红黑树结构），直接通过红黑树查找节点数据并返回。
- 如果是链表结构，循环查找所有节点，返回数据。
- 如果没有找到符合要求的节点，返回null。
这里前调用下通过(n - 1)& hash相当于取模运算，即可算出桶的在桶数组中的位置, 这是什么道理呢？
举个例子说明吧，假设 hash = 185，n = 16。计算过程示意图如下：
1001换成10进制就是9, 185%16=5, 这个前提成立时n必须是2的幂次方。
总结
本篇文章大致讲解了HashMap的源码和以及核心机制，其中里面还有很多细节和内容，需要大家花时间去自我学习。
参考
转载自:https://juejin.cn/post/7137644889705512974