Jdk18中的HashMap实现原理文档格式.docx
《Jdk18中的HashMap实现原理文档格式.docx》由会员分享,可在线阅读,更多相关《Jdk18中的HashMap实现原理文档格式.docx(14页珍藏版)》请在冰豆网上搜索。
Node是HashMap的一个内部类,实现了Map.Entry接口,本质是就是一个映射(键值对)。
有时两个key会定位到相同的位置,表示发生了Hash碰撞。
当然Hash算法计算结果越分散均匀,Hash碰撞的概率就越小,map的存取效率就会越高。
HashMap类中有一个非常重要的字段,就是Node[]table,即哈希桶数组,明显它是一个Node的数组。
如果哈希桶数组很大,即使较差的Hash算法也会比较分散,如果哈希桶数组数组很小,即使好的Hash算法也会出现较多碰撞,所以就需要在空间成本和时间成本之间权衡,其实就是在根据实际情况确定哈希桶数组的大小,并在此基础上设计好的hash算法减少Hash碰撞。
那么通过什么方式来控制map使得Hash碰撞的概率又小,哈希桶数组(Node[]table)占用空间又少呢?
答案就是好的Hash算法和扩容机制。
在理解Hash和扩容流程之前,我们得先了解下HashMap的几个字段。
从HashMap的默认构造函数源码可知,构造函数就是对下面几个字段进行初始化,源码如下:
intthreshold;
//所能容纳的key-value对极限
finalfloatloadFactor;
//负载因子
intmodCount;
intsize;
首先,Node[]table的初始化长度length(默认值是16),Loadfactor为负载因子(默认值是0.75),threshold是HashMap所能容纳的最大数据量的Node(键值对)个数。
threshold=length*Loadfactor。
也就是说,在数组定义好长度之后,负载因子越大,所能容纳的键值对个数越多。
结合负载因子的定义公式可知,threshold就是在此Loadfactor和length(数组长度)对应下允许的最大元素数目,超过这个数目就重新resize(扩容),扩容后的HashMap容量是之前容量的两倍。
默认的负载因子0.75是对空间和时间效率的一个平衡选择,建议大家不要修改,除非在时间和空间比较特殊的情况下,如果内存空间很多而又对时间效率要求很高,可以降低负载因子Loadfactor的值;
相反,如果内存空间紧张而对时间效率要求不高,可以增加负载因子loadFactor的值,这个值可以大于1。
size这个字段其实很好理解,就是HashMap中实际存在的键值对数量。
注意和table的长度length、容纳最大键值对数量threshold的区别。
而modCount字段主要用来记录HashMap内部结构发生变化的次数,主要用于迭代的快速失败。
强调一点,内部结构发生变化指的是结构发生变化,例如put新键值对,但是某个key对应的value值被覆盖不属于结构变化。
在HashMap中,哈希桶数组table的长度length大小必须为2的n次方(一定是合数),这是一种非常规的设计,常规的设计是把桶的大小设计为素数。
相对来说素数导致冲突的概率要小于合数,具体证明可以参考
这里存在一个问题,即使负载因子和Hash算法设计的再合理,也免不了会出现拉链过长的情况,一旦出现拉链过长,则会严重影响HashMap的性能。
于是,在JDK1.8版本中,对数据结构做了进一步的优化,引入了红黑树。
而当链表长度太长(默认超过8)时,链表就转换为红黑树,利用红黑树快速增删改查的特点提高HashMap的性能,其中会用到红黑树的插入、删除、查找等算法
确定哈希桶数组索引位置
代码实现:
//方法一:
staticfinalinthash(Objectkey){//jdk1.8&
jdk1.7
inth;
//h=key.hashCode()为第一步取hashCode值
//h^(h>
>
16)为第二步高位参与运算
return(key==null)?
0:
(h=key.hashCode())^(h>
16);
}
//方法二:
staticintindexFor(inth,intlength){//jdk1.7的源码,jdk1.8没有这个方法,但是实现原理一样的
returnh&
(length-1);
//第三步取模运算
这里的Hash算法本质上就是三步:
取key的hashCode值、高位运算、取模运算。
对于任意给定的对象,只要它的hashCode()返回值相同,那么程序调用方法一所计算得到的Hash码值总是相同的。
我们首先想到的就是把hash值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,在HashMap中是这样做的:
调用方法二来计算该对象应该保存在table数组的哪个索引处。
这个方法非常巧妙,它通过h&
(table.length-1)来得到该对象的保存位,而HashMap底层数组的长度总是2的n次方,这是HashMap在速度上的优化。
当length总是2的n次方时,h&
(length-1)运算等价于对length取模,也就是h%length,但是&
比%具有更高的效率。
在JDK1.8的实现中,优化了高位运算的算法,通过hashCode()的高16位异或低16位实现的:
(h=k.hashCode())^(h>
16),主要是从速度、功效、质量来考虑的,这么做可以在_数组table的length比较小的时候,也能保证考虑到高低Bit都参与到Hash的计算中,同时不会有太大的开销。
下面举例说明下,n为table的长度。
HashMap的put方法实现
put函数大致的思路为:
对key的hashCode()做hash,然后再计算index;
如果没碰撞直接放到bucket里;
如果碰撞了,以链表的形式存在buckets后;
如果碰撞导致链表过长(大于等于TREEIFY_THRESHOLD),就把链表转换成红黑树;
如果节点已经存在就替换oldvalue(保证key的唯一性)
如果bucket满了(超过loadfactor*currentcapacity),就要resize。
具体代码实现如下:
publicVput(Kkey,Vvalue){
returnputVal(hash(key),key,value,false,true);
/**
*生成hash的方法
staticfinalinthash(Objectkey){
finalVputVal(inthash,Kkey,Vvalue,booleanonlyIfAbsent,booleanevict){
[]tab;
p;
intn,i;
//判断table是否为空,
if((tab=table)==null||(n=tab.length)==0)
n=(tab=resize()).length;
//创建一个新的table数组,并且获取该数组的长度
//根据键值key计算hash值得到插入的数组索引i,如果table[i]==null,直接新建节点添加
if((p=tab[i=(n-1)&
hash])==null)
tab[i]=newNode(hash,key,value,null);
else{//如果对应的节点存在
e;
Kk;
//判断table[i]的首个元素是否和key一样,如果相同直接覆盖value
if(p.hash==hash&
&
((k=p.key)==key||(key!
=null&
key.equals(k))))
e=p;
//判断table[i]是否为treeNode,即table[i]是否是红黑树,如果是红黑树,则直接在树中插入键值对
elseif(pinstanceofTreeNode)
e=((TreeNode<
)p).putTreeVal(this,tab,hash,key,value);
//该链为链表
else{
//遍历table[i],判断链表长度是否大于TREEIFY_THRESHOLD(默认值为8),大于8的话把链表转换为红黑树,在红黑树中执行插入操作,否则进行链表的插入操作;
遍历过程中若发现key已经存在直接覆盖value即可;
for(intbinCount=0;
;
++binCount){
if((e=p.next)==null){
p.next=newNode(hash,key,value,null);
if(binCount>
=TREEIFY_THRESHOLD-1)//-1for1st
treeifyBin(tab,hash);
break;
if(e.hash==hash&
((k=e.key)==key||(key!
p=e;
//写入
if(e!
=null){//existingmappingforkey
VoldValue=e.value;
if(!
onlyIfAbsent||oldValue==null)
e.value=value;
afterNodeAccess(e);
returnoldValue;
++modCount;
//插入成功后,判断实际存在的键值对数量size是否超多了最大容量threshold,如果超过,进行扩容
if(++size>
threshold)
resize();
afterNodeInsertion(evict);
returnnull;
HashMap的get方法实现
思路如下:
bucket里的第一个节点,直接命中;
如果有冲突,则通过key.equals(k)去查找对应的entry
若为树,则在树中通过key.equals(k)查找,O(logn);
若为链表,则在链表中通过key.equals(k)查找,O(n)。
publicVget(Objectkey){
return(e=getNode(hash(key),key))==null?
null:
e.value;
finalNode<
getNode(inthash,Objectkey){
first,e;
intn;
if((tab=table)!
(n=tab.length)>
0&
(first=tab[(n-1)&
hash])!
=null){
//直接命中
if(first.hash==hash&
//每次都是校验第一个node
((k=first.key)==key||(key!
returnfirst;
//未命中
if((e=first.next)!
//在树中获取
if(firstinstanceofTreeNode)
return((TreeNode<
)first).getTreeNode(hash,key);
//在链表中获取
do{
returne;
}while((e=e.next)!
=null);
扩容机制
扩容(resize)就是重新计算容量,向HashMap对象里不停的添加元素,而HashMap对象内部的数组无法装载更多的元素时,对象就需要扩大数组的长度,以便能装入更多的元素。
当然Java里的数组是无法自动扩容的,方法是使用一个新的数组代替已有的容量小的数组,就像我们用一个小桶装水,如果想装更多的水,就得换大水桶。
我们分析下resize的源码,鉴于JDK1.8融入了红黑树,较复杂,为了便于理解我们仍然使用JDK1.7的代码,好理解一些,本质上区别不大,具体区别后文再说。
voidresize(intnewCapacity){//传入新的容量
Entry[]oldTable=table;
//引用扩容前的Entry数组
intoldCapacity=oldTable.length;
if(oldCapacity==MAXIMUM_CAPACITY){//扩容前的数组大小如果已经达到最大(2^30)了
threshold=Integer.MAX_VALUE;
//修改阈值为int的最大值(2^31-1),这样以后就不会扩容了
return;
Entry[]newTable=newEntry[newCapacity];
//初始化一个新的Entry数组
transfer(newTable);
//!
!
将数据转移到新的Entry数组里
table=newTable;
//HashMap的table属性引用新的Entry数组
threshold=(int)(newCapacity*loadFactor);
//修改阈值
这里就是使用一个容量更大的数组来代替已有的容量小的数组,transfer()方法将原有Entry数组的元素拷贝到新的Entry数组里。
voidtransfer(Entry[]newTable){
Entry[]src=table;
//src引用了旧的Entry数组
intnewCapacity=newTable.length;
for(intj=0;
j<
src.length;
j++){//遍历旧的Entry数组
Entry<
e=src[j];
//取得旧Entry数组的每个元素
src[j]=null;
//释放旧Entry数组的对象引用(for循环后,旧的Entry数组不再引用任何对象)
next=e.next;
inti=indexFor(e.hash,newCapacity);
重新计算每个元素在数组中的位置
e.next=newTable[i];
//标记[1]
newTable[i]=e;
//将元素放在数组上
e=next;
//访问下一个Entry链上的元素
}while(e!
newTable[i]的引用赋给了e.next,也就是使用了单链表的头插入方式,同一位置上新元素总会被放在链表的头部位置;
这样先放在一个索引上的元素终会被放到Entry链的尾部(如果发生了hash冲突的话),这一点和Jdk1.8有区别,下文详解。
在旧数组中同一条Entry链上的元素,通过重新计算索引位置后,有可能被放到了新数组的不同位置上。
下面举个例子说明下扩容过程。
假设了我们的hash算法就是简单的用keymod一下表的大小(也就是数组的长度)。
其中的_哈希桶数组table的size=2,所以key=3、7、5,put顺序依次为5、7、3。
在mod2以后都冲突在table[1]这里了。
这里假设负载因子loadFactor=1,即当键值对的实际大小size大于table的实际大小时进行扩容。
接下来的三个步骤是哈希桶数组resize成4,然后所有的Node重新rehash的过程。
下面我们讲解下JDK1.8做了哪些优化。
经过观测可以发现,我们使用的是2次幂的扩展(指长度扩为原来2倍),所以,元素的位置要么是在原位置,要么是在原位置再移动2次幂的位置。
看下图可以明白这句话的意思,n为table的长度,图(a)表示扩容前的key1和key2两种key确定索引位置的示例,图(b)表示扩容后key1和key2两种key确定索引位置的示例,其中hash1是key1对应的哈希与高位运算结果。
元素在重新计算hash之后,因为n变为2倍,那么n-1的mask范围在高位多1bit(红色),因此新的index就会发生这样的变化:
因此,我们在扩充HashMap的时候,不需要像JDK1.7的实现那样重新计算hash,只需要看看原来的hash值新增的那个bit是1还是0就好了,是0的话索引没变,是1的话索引变成“原索引+oldCap”,可以看看下图为16扩充为32的resize示意图:
这个设计确实非常的巧妙,既省去了重新计算hash值的时间,而且同时,由于新增的1bit是0还是1可以认为是随机的,因此resize的过程,均匀的把之前的冲突的节点分散到新的bucket了。
这一块就是JDK1.8新增的优化点。
有一点注意区别,JDK1.7中rehash的时候,旧链表迁移新链表的时候,如果在新表的数组索引位置相同,则链表元素会倒置,但是从上图可以看出,JDK1.8不会倒置。
有兴趣的同学可以研究下JDK1.8的resize源码,写的很赞,如下:
[]resize(){
[]oldTab=table;
intoldCap=(oldTab==null)?
oldTab.length;
intoldThr=threshold;
intnewCap,newThr=0;
if(oldCap>
0){
//超过最大值就不再扩充了,就只好随你碰撞去吧
=MAXIMUM_CAPACITY){
returnoldTab;
//没超过最大值,就扩充为原来的2倍
elseif((newCap=oldCap<
<
1)<
MAXIMUM_CAPACITY&
oldCap>
=DEFAULT_INITIAL_CAPACITY)
newThr=oldThr<
1;
//doublethreshold
elseif(oldThr>
0)//initialcapacitywasplacedinthreshold
newCap=oldThr;
else{//zeroinitialthresholdsignifiesusingdefaults
newCap=DEFAULT_INITIAL_CAPACITY;
newThr=(int)(DEFAULT_LOAD_FACTOR*DEFAULT_INITIAL_CAPACITY);
//计算新的resize上限
if(newThr==0){
floatft=(float)newCap*loadFactor;
newThr=(newCap<
ft<
(float)MAXIMUM_CAPACITY?
(int)ft:
Integer.MAX_VALUE);
threshold=newThr;
@SuppressWarnings({"
rawtypes"
"
unchecked"
})
[]newTab=(Node<
[])newNode[newCap];
table=newTab;
if(oldTab!
//把每个bucket都移动到新的buckets中
oldCap;
++j){
if((e=oldTab[j])!
oldTab[j]=null;
if(e.next==null)
newTab[e.hash&
(newCap-1)]=e;
elseif(efTreeNode)
((TreeNode<
)e).split(this,newTab,j,oldCap);
else{//preserveorder
loHead=null,loTail=null;
Nod