|
该帖已经被评为精华帖 | |
|---|---|
| 作者 | 正文 |
|
/**
*@author annegu
*@date 2009-12-02 */
Hashmap是一种非常常用的、应用广泛的数据类型，最近研究到相关的内容，就正好复习一下。网上关于hashmap的文章很多，但到底是自己学习的总结，就发出来跟大家一起分享，一起讨论。 1、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，纵排表示数组元素【实际上是一个链表】）。  从图中我们可以看到一个hashmap就是一个数组结构，当新建一个hashmap的时候，就会初始化一个数组。我们来看看java代码： Java代码 
Java代码
2、hash算法 我们可以看到在hashmap中要找到某个元素，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把hashcode对数组长度取模运算，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？java中时这样做的， Java代码
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几率，减慢了查询的效率！  所以说，当数组长度为2的n次幂的时候，不同的key算得得index相同的几率较小，那么数据在数组上分布就比较均匀，也就是说碰撞的几率小，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annegu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。 所以，在存储大容量数据的时候，最好预先指定hashmap的size为2的整数次幂次方。就算不指定的话，也会以大于且最接近指定值大小的2次幂来初始化的，代码如下(HashMap的构造方法中)： Java代码
3、hashmap的resize 当hashmap中的元素越来越多的时候，碰撞的几率也就越来越高（因为数组的长度是固定的），所以为了提高查询的效率，就要对hashmap的数组进行扩容，数组扩容这个操作也会出现在ArrayList中，所以这是一个通用的操作，很多人对它的性能表示过怀疑，不过想想我们的“均摊”原理，就释然了，而在hashmap数组扩容之后，最消耗性能的点就出现了：原数组中的数据必须重新计算其在新数组中的位置，并放进去，这就是resize。 那么hashmap什么时候进行扩容呢？当hashmap中的元素个数超过数组大小*loadFactor时，就会进行数组扩容，loadFactor的默认值为0.75，也就是说，默认情况下，数组大小为16，那么当hashmap中元素个数超过16*0.75=12的时候，就把数组的大小扩展为2*16=32，即扩大一倍，然后重新计算每个元素在数组中的位置，而这是一个非常消耗性能的操作，所以如果我们已经预知hashmap中元素的个数，那么预设元素的个数能够有效的提高hashmap的性能。比如说，我们有1000个元素new HashMap(1000), 但是理论上来讲new HashMap(1024)更合适，不过上面annegu已经说过，即使是1000，hashmap也自动会将其设置为1024。 但是new HashMap(1024)还不是更合适的，因为0.75*1000 < 1000, 也就是说为了让0.75 * size > 1000, 我们必须这样new HashMap(2048)才最合适，既考虑了&的问题，也避免了resize的问题。 4、key的hashcode与equals方法改写 在第一部分hashmap的数据结构中，annegu就写了get方法的过程：首先计算key的hashcode，找到数组中对应位置的某一元素，然后通过key的equals方法在对应位置的链表中找到需要的元素。所以，hashcode与equals方法对于找到对应元素是两个关键方法。 Hashmap的key可以是任何类型的对象，例如User这种对象，为了保证两个具有相同属性的user的hashcode相同，我们就需要改写hashcode方法，比方把hashcode值的计算与User对象的id关联起来，那么只要user对象拥有相同id，那么他们的hashcode也能保持一致了，这样就可以找到在hashmap数组中的位置了。如果这个位置上有多个元素，还需要用key的equals方法在对应位置的链表中找到需要的元素，所以只改写了hashcode方法是不够的，equals方法也是需要改写滴~当然啦，按正常思维逻辑，equals方法一般都会根据实际的业务内容来定义，例如根据user对象的id来判断两个user是否相等。 在改写equals方法的时候，需要满足以下三点： (1) 自反性：就是说a.equals(a)必须为true。 (2) 对称性：就是说a.equals(b)=true的话，b.equals(a)也必须为true。 (3) 传递性：就是说a.equals(b)=true，并且b.equals(c)=true的话，a.equals(c)也必须为true。 通过改写key对象的equals和hashcode方法，我们可以将任意的业务对象作为map的key(前提是你确实有这样的需要)。 总结： 本文主要描述了HashMap的结构，和hashmap中hash函数的实现，以及该实现的特性，同时描述了hashmap中resize带来性能消耗的根本原因，以及将普通的域模型对象作为key的基本要求。尤其是hash函数的实现，可以说是整个HashMap的精髓所在，只有真正理解了这个hash函数，才可以说对HashMap有了一定的理解。 这是hashmap第一篇，主要讲了一下hashmap的数据结构和计算hash的算法。接下去annegu还会写第二篇，主要讲讲LinkedHashMap和LRUHashMap。先做个预告，呵呵~ 声明：ITeye文章版权属于作者，受法律保护。没有作者书面许可不得转载。
推荐链接
|
| 返回顶楼 | |
|
当length=2^n时，hashcode & (length-1) ==
hashcode % length，难怪这么巧  ，楼主的研究有价值 |
| 返回顶楼 | |
|
写的很好。 不过，以前学数据结构的时候都学过。 |
| 返回顶楼 | |
|
mycybyb 写道
写的很好。
楼上应该没有看楼主的这篇文章，数据结构中应该不会有JDK中map的hash函数的实现说明，而楼主详细的分析了jdk中的hashmap中hash函数真正的原理和价值所在，网上HashMap的文章一堆一堆的，但是没有人能说清楚h&length-1的奥妙所在不过，以前学数据结构的时候都学过。 |
| 返回顶楼 | |
|
火星来客 写道
mycybyb 写道
写的很好。
楼上应该没有看楼主的这篇文章，数据结构中应该不会有JDK中map的hash函数的实现说明，而楼主详细的分析了jdk中的hashmap中hash函数真正的原理和价值所在，网上HashMap的文章一堆一堆的，但是没有人能说清楚h&length-1的奥妙所在不过，以前学数据结构的时候都学过。 |
| 返回顶楼 | |
|
mycybyb 写道
火星来客 写道
mycybyb 写道
写的很好。
楼上应该没有看楼主的这篇文章，数据结构中应该不会有JDK中map的hash函数的实现说明，而楼主详细的分析了jdk中的hashmap中hash函数真正的原理和价值所在，网上HashMap的文章一堆一堆的，但是没有人能说清楚h&length-1的奥妙所在不过，以前学数据结构的时候都学过。 |
| 返回顶楼 | |
|
火星来客 写道
mycybyb 写道
写的很好。
楼上应该没有看楼主的这篇文章，数据结构中应该不会有JDK中map的hash函数的实现说明，而楼主详细的分析了jdk中的hashmap中hash函数真正的原理和价值所在，网上HashMap的文章一堆一堆的，但是没有人能说清楚h&length-1的奥妙所在不过，以前学数据结构的时候都学过。 |
| 返回顶楼 | |
|
dennis_zane 写道
h&length-1，这个也算是常识吧，对数学或者位运算了解点就知道了。
&运算本身当然是常识，任何一本计算机图书中几乎都会提到，但是将其和：
Java代码
|
| 返回顶楼 | |
|
 的确蛮仔细的 |
| 返回顶楼 | |
|
很不错！！ |
| 返回顶楼 | |
