码迷,mamicode.com
首页 > 其他好文 > 详细

HashMap源码解析

时间:2021-03-08 13:10:59      阅读:0      评论:0      收藏:0      [点我收藏+]

标签:搜索   util   散列   长度   double   参数   alt   算法   efault   

HashMap简介

哈希表(hash table)
也叫散列表,是一种非常重要的数据结构,应用场景及其丰富,许多缓存技术(比如memcached)的核心其实就是在内存中维护一张大的哈希表,这种数据结构提供了键(key)和值(value)的映射关系,时间复杂度接近于O(1)。HashMap 就是一个哈希表,它存储的内容是键值对(key-value)映射

  • HashMap 的实现不是同步的,这意味着它不是线程安全的。它的key、value都可以为null。此外,HashMap中的映射不是有序的
  • HashMap 的实例有两个参数影响其性能:“初始容量” 和 “加载因子
    • 初始容量 是哈希表中桶的数量,初始容量只是哈希表在创建时的容量
    • 加载因子 是哈希表在其容量自动增加之前可以达到多满的一种尺度。
  • 当哈希表中的条目数超出了加载因子与当前容量的乘积时,则要对该哈希表进行 rehash 操作(即重建内部数据结构),从而哈希表将具有大约两倍的桶数。
  • 通常默认加载因子是 0.75, 这是在时间和空间成本上寻求一种折中。加载因子过高虽然减少了空间开销,但同时也增加了查询成本。在设置初始容量时应该考虑到映射中所需的条目数及其加载因子,以便最大限度地减少 rehash 操作次数。如果初始容量大于最大条目数除以加载因子,则不会发生 rehash 操作

HashMap数据结构

java.lang.Object
   ?     java.util.AbstractMap<K, V>
         ?     java.util.HashMap<K, V>

public class HashMap<K,V>
    extends AbstractMap<K,V>
    implements Map<K,V>, Cloneable, Serializable { }
  • HashMap继承于AbstractMap类,实现了Map接口
    • Map是"key-value键值对"接口
    • AbstractMap实现了"键值对"的通用函数接口
  • HashMap是通过"拉链法"实现的哈希表。它包括几个重要的成员变量:table, size, threshold, loadFactor, modCount
  • table是一个Entry[]数组类型,而Entry实际上就是一个单向链表。哈希表的"key-value键值对"都是存储在Entry数组中的
  • sizeHashMap的大小,实际存储的key-value键值对的个数
  • thresholdHashMap的阈值,HashMap在进行扩容时需要参考threshold,当table == {}时,该值为初始容量(初始容量默认为16);当table被填充了,也就是为table分配内存空间后,
    threshold = capacity * loadFactory
  • loadFactor负载因子,代表了table的填充度有多少,默认是0.75,加载因子存在的原因,还是因为减缓哈希冲突,如果初始桶为16,等到满16个元素才扩容,某些桶里可能就有不止一个元素了。 所以加载因子默认为0.75,也就是说大小为16的HashMap,到了第13个元素,就会扩容成32
  • modCount HashMap被改变的次数,由于HashMap非线程安全,在对HashMap进行迭代时, 如果期间其他线程的参与导致HashMap的结构发生变化了(比如put,remove等操作), 需要抛出异常ConcurrentModificationException

HashMap源码分析

基本属性

static final int DEFAULT_INITIAL_CAPACITY = 1 << 4; // aka 16, HashMap的默认初始容量

static final int MAXIMUM_CAPACITY = 1 << 30;//最大容量, 如果在创建HashMap时显示指定HashMap的大小, 则不能超过这个值, 否则会默认使用这个值

static final float DEFAULT_LOAD_FACTOR = 0.75f;//默认负载因子

static final int MIN_TREEIFY_CAPACITY = 64;//当HashMap的容量大于这个值, 一个位置冲突过多时才能转为红黑树, 否则解决冲突过多的方式是扩容

static final int TREEIFY_THRESHOLD = 8;//冲突时元素会用链表连起来, 当链表的长度达到了这个值, 就会转换为红黑树

static final int UNTREEIFY_THRESHOLD = 6;//当红黑树的结点数量少于这个值的时候, 会转换回链表

int threshold;  //当前容量与负载因子的乘积, 用于判断是否要扩容

构造器

HashMap一共有4个构造器

// 默认构造函数
HashMap()

// 指定“容量大小”的构造函数
HashMap(int capacity)

// 指定“容量大小”和“加载因子”的构造函数
HashMap(int capacity, float loadFactor)

// 包含“子Map”的构造函数
HashMap(Map<? extends K, ? extends V> map)

构造器如果用户没有传入initialCapacity 和loadFactor这两个参数,会使用默认值

initialCapacity 默认为16

loadFactory 默认为0.75

哈希冲突

在插入过程中,如果两个不同的元素,通过哈希函数得出的实际存储地址相同怎么办?也就是说,当我们对某个元素进行哈希运算,得到一个存储地址,然后要进行插入的时候,发现已经被其他元素占用了,其实这就是所谓的哈希冲突,也叫哈希碰撞

哈希冲突的解决方案有多种:

  • 开放定址法(发生冲突,继续寻找下一块未被占用的存储地址)
  • 散列函数法
  • 链地址法

HashMap即是采用了链地址法,也就是数组 + 链表的方式

HashMap的实现原理

JDK7为例,首先在实例化以后,底层会创建一个长度为16的一维数组Entry[] table,对于执行put(key1, value1)操作,首先调用key1所在类的hashCode()计算可key1哈希值,此哈希值经过一些算法计算后,会得到在Entry数组中的存放位置:

  • 如果此位置上的数据为空,此时key1-value1就直接添加成功 ---------情况一
  • 如果此位置上的数据不为空(意味着此位置上存在一个或多个数据(多个数据以链表形式存在)),然后就比较key1和已经存在的一个或多个数据的哈希值:
    • 如果key1的哈希值与已经存在的数据的哈希值都不相同,则key1-value1添加成功 --------情况二
    • 如果key1的哈希值和已经存在的某一个数据的哈希值相同,则继续比较,调用key1所在类的equals()方法,比较:
      • 如果equals()返回false,此时key1-value1添加成功 ----------情况三
      • 如果equals()返回true,则使用value1替换value2 ----------情况四

JDK8相较于JDK7在底层进行了一定的修改:

  • new HashMap()时,底层没有创建一个长度为16的数组,而是调用put方法时创建
  • JDK8底层的数组是:Node[],而不是Entry[](修改了数组名)
  • JDK7底层结构只有:数组 + 链表,而JDK8的底层架构是:数组 + 链表 + 红黑树(最重要的区别)。当数组的某一个索引位置上的元素以链表形式存在的数据个数 > 8 且当数组的长度 > 64 时,此时该索引位置上的所有数据由链表存储改称为红黑树存储
JDK 7

底层是数组 + 链表实现

HashMap的主干是一个Entry数组,是HashMap的基本组成单元,每一个Entry包含一个key-value键值对(其实所谓Map其实就是保存了两个对象之间的映射关系的一种集合)

结构示意图:

技术图片

其中一个构造器源码

// initialCapacity: 容量大小   loadFactor: 加载因子
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);

    // Find a power of 2 >= initialCapacity
    int capacity = 1;
    while (capacity < initialCapacity)
        capacity <<= 1;

    this.loadFactor = loadFactor;
    // 计算阀值
    threshold = (int)Math.min(capacity * loadFactor, MAXIMUM_CAPACITY + 1);
    // 创建 Entry数组
    table = new Entry[capacity];
    useAltHashing = sun.misc.VM.isBooted() &&
        (capacity >= Holder.ALTERNATIVE_HASHING_THRESHOLD);
    init();
}

Entry[]数组

transient Entry[] table;

Entry是HashMap中的一个静态内部类

static class Entry<K,V> implements Map.Entry<K,V> {
    final K key; // 键
    V value; // 值
    Entry<K,V> next; // 下一个节点,单链表结构
    int hash; // 对key的HashCode值进行hash运算后得到的值,避免重复计算
    /**
         * Creates new entry.
         */
    Entry(int h, K k, V v, Entry<K,V> n) {
        value = v;
        next = n;
        key = k;
        hash = h;
    }
 }

存储Put()方法

public V put(K key, V value) {
    // HashMap 允许存放 null 键和 null 值。
    // 当 key 为 null 时,调用 putForNullKey 方法,将 value 放置在数组第一个位置。
    if (key == null)
        return putForNullKey(value);
    // 根据 key 的 keyCode 重新计算 hash 值。
    int hash = hash(key.hashCode());
    // 搜索指定 hash 值在对应 table 中的索引。
    int i = indexFor(hash, table.length);
    // 如果 i 索引处的 Entry 不为 null,通过循环不断遍历 e 元素的下一个元素。
    for (Entry<K,V> e = table[i]; e != null; e = e.next) {
        Object k;
        if (e.hash == hash && ((k = e.key) == key || key.equals(k))) {
            V oldValue = e.value;
            e.value = value;
            e.recordAccess(this);
            return oldValue;
        }
    }
    modCount++;  //保证并发访问时,若HashMap内部结构发生变化,快速响应失败
    // 将 key、value 添加到 i 索引处。
    addEntry(hash, key, value, i);
    return null;
}

// 存取 key == null 键值对
private V putForNullKey(V value) {
    for (Entry<K,V> e = table[0]; e != null; e = e.next) {
        if (e.key == null) {
            V oldValue = e.value;
            e.value = value;
            e.recordAccess(this);
            return oldValue;
        }
    }
    modCount++;
    addEntry(0, null, value, 0);
    return null;
}
// 计算Hash值
final int hash(Object k) {
    int h = 0;
    if (useAltHashing) {
        if (k instanceof String) {
            return sun.misc.Hashing.stringHash32((String) k);
        }
        h = hashSeed;
    }

    h ^= k.hashCode();

    // This function ensures that hashCodes that differ only by
    // constant multiples at each bit position have a bounded
    // number of collisions (approximately 8 at default load factor).
    h ^= (h >>> 20) ^ (h >>> 12);
    return h ^ (h >>> 7) ^ (h >>> 4);
}

// 计算下标索引
static int indexFor(int h, int length) {
    return h & (length-1); // 效率比 % 高
}

// 根据 hash值 索引值 将 key-value存到指定位置
void addEntry(int hash, K key, V value, int bucketIndex) {
    // 判断是否需要进行扩容
    if ((size >= threshold) && (null != table[bucketIndex])) {
        resize(2 * table.length);
        hash = (null != key) ? hash(key) : 0;
        bucketIndex = indexFor(hash, table.length);
    }

    createEntry(hash, key, value, bucketIndex);
}
// 插入key-value
void createEntry(int hash, K key, V value, int bucketIndex) {
    Entry<K,V> e = table[bucketIndex];
    table[bucketIndex] = new Entry<>(hash, key, value, e);
    size++;
}

Entry[]数组扩容

void resize(int newCapacity) {
    Entry[] oldTable = table;
    int oldCapacity = oldTable.length;
    // 当就容量已经等于最大容量时,已经扩容不了,只能将阀值增到最大值
    if (oldCapacity == MAXIMUM_CAPACITY) {
        threshold = Integer.MAX_VALUE;
        return;
    }
    Entry[] newTable = new Entry[newCapacity]; // 创建新Entry[]数组
    boolean oldAltHashing = useAltHashing;
    useAltHashing |= sun.misc.VM.isBooted() &&
        (newCapacity >= Holder.ALTERNATIVE_HASHING_THRESHOLD);
    boolean rehash = oldAltHashing ^ useAltHashing;
    transfer(newTable, rehash);
    table = newTable; // 新Entry[]数组
    threshold = (int)Math.min(newCapacity * loadFactor, MAXIMUM_CAPACITY + 1); // 新阀值
}

get()获取方法

public V get(Object key) {
    if (key == null) // 处理key = null的情况
    	return getForNullKey();
    Entry<K,V> entry = getEntry(key);

    return null == entry ? null : entry.getValue();
}
// key == null 的情况
private V getForNullKey() {
    for (Entry<K,V> e = table[0]; e != null; e = e.next) {
        if (e.key == null)
            return e.value;
    }
    return null;
}

final Entry<K,V> getEntry(Object key) {
    int hash = (key == null) ? 0 : hash(key); // 获取hash值
    for (Entry<K,V> e = table[indexFor(hash, table.length)];// 获取指定下标索引的值
         e != null;
         e = e.next) {
        Object k;
        if (e.hash == hash &&
            ((k = e.key) == key || (key != null && key.equals(k))))
            return e;
    }
    return null;
}
JDK 8

底层是数组 + 链表 + 红黑树实现

HashMap的主干是一个Node数组,是HashMap的基本组成单元,每一个Node包含一个key-value键值对(其实所谓Map其实就是保存了两个对象之间的映射关系的一种集合)

transient Node<K,V>[] table;

Node是HashMap中的一个静态内部类

// Node部分代码
static class Node<K,V> implements Map.Entry<K,V> {
        final int hash; // 对key的HashCode值进行hash运算后得到的值,避免重复计算
        final K key; // 键
        V value; // 值
        Node<K,V> next;  // 下一个节点,单链表结构
    	
    	// 构造器
		Node(int hash, K key, V value, Node<K,V> next) {
            this.hash = hash;
            this.key = key;
            this.value = value;
            this.next = next;
        }
}

JDK1.8之前,HashMap由数组+链表组成的,数组是HashMap的主体,链表则是主要为了解决哈希冲突而存在的,如果定位到的数组位置不含链表(node的next指向null),那么查找,添加等操作很快,仅需一次寻址即可;

如果定位到的数组包含链表:

  • 添加操作,首先遍历链表,存在即覆盖,否则新增
  • 查找操作来讲,仍需遍历链表,然后通过key对象的equals方法逐一比对查找

因此,从性能考虑,HashMap中的链表出现越少,性能才会越好

下面看HashMap其中一个构造器

public HashMap(int initialCapacity, float loadFactor) {
    //此处对传入的初始容量进行校验,最大不能超过MAXIMUM_CAPACITY = 1<<30(230)
    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;
    threshold = initialCapacity;

    init();//init方法在HashMap中没有实际实现,不过在其子类如 linkedHashMap中就会有对应实现
}

可以发现,在构造器中其中,并没有为数组table分配内存空间(参数为Map的构造器除外)

因此真正构建table数组是在执行put操作时

查看put()操作

public V put(K key, V value) {
    return putVal(hash(key), key, value, false, true);
}

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

// 真正put的方法
final V putVal(int hash, K key, V value, boolean onlyIfAbsent,
                   boolean evict) {
    // tab: Node数组 
    // p: node节点  
    // n: 数组长度  
    // i: 下标索引
    Node<K,V>[] tab; Node<K,V> p; int n, i;
    if ((tab = table) == null || (n = tab.length) == 0) // 如果table数组为空,或者table数组长度为0
        n = (tab = resize()).length; // 创建Node[]数组
    if ((p = tab[i = (n - 1) & hash]) == null) // (n - 1) & hash 根据Hash计算下标索引
        tab[i] = newNode(hash, key, value, null); // 如果为null说明这个位置是个空位,直接填充
    else {
        Node<K,V> e; K k;
        if (p.hash == hash &&
            ((k = p.key) == key || (key != null && key.equals(k)))) // key相同的情况
            e = p;
        else if (p instanceof TreeNode) // 存储的节点是红黑树结构
            e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
        else { // 不是红黑树结构(链表结构)
            for (int binCount = 0; ; ++binCount) {
                // 最后一个节点
                if ((e = p.next) == null) {
                    p.next = newNode(hash, key, value, null);
                    if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st 判断是否变成红黑树
                        treeifyBin(tab, hash);//TREEIFY_THRESHOLD = 8 当链表的长度达到了这个值, 就会转换为红黑树
                    break;
                }
                // 不是最后一个节点 继续比较 如果找到了相同点节点就直接退出
                if (e.hash == hash &&
                    ((k = e.key) == key || (key != null && key.equals(k))))
                    break;
                p = e; // 下一个节点
            }
        }
        // 替换过程
        if (e != null) { // existing mapping for key  
            V oldValue = e.value;
            if (!onlyIfAbsent || oldValue == null)
                e.value = value;
            afterNodeAccess(e);
            return oldValue;
        }
    }
    ++modCount; //保证并发访问时,若HashMap内部结构发生变化,快速响应失败
    if (++size > threshold) // 如果HashMap大小超过了阀值,则进行重构
        resize();
    afterNodeInsertion(evict);
    return null;
}

// 红黑树扩容
final void treeifyBin(Node<K,V>[] tab, int hash) {
    int n, index; Node<K,V> e;
    if (tab == null || (n = tab.length) < MIN_TREEIFY_CAPACITY)
        resize(); // 执行扩容操作
    else if ((e = tab[index = (n - 1) & hash]) != null) { // 执行转换成红黑树操作
        TreeNode<K,V> hd = null, tl = null;
        do {
            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);
        if ((tab[index] = hd) != null)
            hd.treeify(tab);
    }
}

// 往红黑树添加数据
final TreeNode<K,V> putTreeVal(HashMap<K,V> map, Node<K,V>[] tab,
                                       int h, K k, V v) {
    Class<?> kc = null;
    boolean searched = false;
    TreeNode<K,V> root = (parent != null) ? root() : this;
    for (TreeNode<K,V> p = root;;) {
        int dir, ph; K pk;
        if ((ph = p.hash) > h)
            dir = -1;
        else if (ph < h)
            dir = 1;
        else if ((pk = p.key) == k || (k != null && k.equals(pk)))  // 找到相同的值
            return p;
        else if ((kc == null &&
                  (kc = comparableClassFor(k)) == null) ||
                 (dir = compareComparables(kc, k, pk)) == 0) {
            if (!searched) {
                TreeNode<K,V> q, ch;
                searched = true;
                if (((ch = p.left) != null &&
                     (q = ch.find(h, k, kc)) != null) ||
                    ((ch = p.right) != null &&
                     (q = ch.find(h, k, kc)) != null))
                    return q;
            }
            dir = tieBreakOrder(k, pk);
        }

        TreeNode<K,V> xp = p;
        if ((p = (dir <= 0) ? p.left : p.right) == null) {
            Node<K,V> xpn = xp.next;
            TreeNode<K,V> x = map.newTreeNode(h, k, v, xpn);
            if (dir <= 0)
                xp.left = x;
            else
                xp.right = x;
            xp.next = x;
            x.parent = x.prev = xp;
            if (xpn != null)
                ((TreeNode<K,V>)xpn).prev = x;
            moveRootToFront(tab, balanceInsertion(root, x));
            return null; // 执行到这代表添加成功,并且返回null表示添加成功
        }
    }
}

resize()方法

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) { // 处理容量
        if (oldCap >= MAXIMUM_CAPACITY) {
            threshold = Integer.MAX_VALUE;
            return oldTab;
        }
        else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&
                 oldCap >= DEFAULT_INITIAL_CAPACITY) // 扩容操作
            newThr = oldThr << 1; // double threshold
    }
    else if (oldThr > 0) // initial capacity was placed in threshold
        newCap = oldThr;  // 处理负载因子
    else {               // zero initial threshold signifies using defaults
        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;
    @SuppressWarnings({"rawtypes","unchecked"})
    Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap]; // 创建数组
    table = newTab;
    if (oldTab != null) { // 如果旧数组不为null,需要把旧数组的元素重新存放在新数组中
        for (int j = 0; j < oldCap; ++j) {
            Node<K,V> e;
            if ((e = oldTab[j]) != null) {
                oldTab[j] = null;
                if (e.next == null)
                    newTab[e.hash & (newCap - 1)] = e;
                else if (e instanceof TreeNode)
                    ((TreeNode<K,V>)e).split(this, newTab, j, oldCap);
                else { // preserve order
                    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;
                        newTab[j] = loHead;
                    }
                    if (hiTail != null) {
                        hiTail.next = null;
                        newTab[j + oldCap] = hiHead;
                    }
                }
            }
        }
    }
    return newTab;
}

执行逻辑图:

技术图片

HashMap源码解析

标签:搜索   util   散列   长度   double   参数   alt   算法   efault   

原文地址:https://www.cnblogs.com/erhuoweirdo/p/14491109.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!