HashMap的实现原理.docx

HashMap的实现原理.docx

《HashMap的实现原理.docx》由会员分享，可在线阅读，更多相关《HashMap的实现原理.docx（12页珍藏版）》请在冰豆网上搜索。

HashMap的实现原理

HashMap的实现原理

1.HashMap概述：

HashMap是基于哈希表的Map接口的非同步实现。

此实现提供所有可选的映射操作，并允许使用null值和null键。

此类不保证映射的顺序，特别是它不保证该顺序恒久不变。

2.HashMap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“链表散列”的数据结构，即数组和链表的结合体。

从上图中可以看出，HashMap底层就是一个数组结构，数组中的每一项又是一个链表。

当新建一个HashMap的时候，就会初始化一个数组。

源码如下：

viewsource

print?

01

/**

02

*Thetable,resizedasnecessary.LengthMUSTAlwaysbeapoweroftwo.

03

*/

04

transientEntry[]table;

05

06

staticclassEntryimplementsMap.Entry{

07

finalKkey;

08

Vvalue;

09

Entrynext;

10

finalinthash;

11

……

12

}

可以看出，Entry就是数组中的元素，每个Map.Entry其实就是一个key-value对，它持有一个指向下一个元素的引用，这就构成了链表。

3.HashMap的存取实现：

1）存储：

viewsource

print?

01

publicVput（Kkey,Vvalue）{

02

//HashMap允许存放null键和null值。

03

//当key为null时，调用putForNullKey方法，将value放置在数组第一个位置。

04

if（key==null）

05

returnputForNullKey（value）;

06

//根据key的keyCode重新计算hash值。

07

inthash=hash（key.hashCode（））;

08

//搜索指定hash值在对应table中的索引。

09

inti=indexFor（hash,table.length）;

10

//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。

11

for（Entrye=table[i];e!

=null;e=e.next）{

12

Objectk;

13

if（e.hash==hash&&（（k=e.key）==key||key.equals（k）））{

14

VoldValue=e.value;

15

e.value=value;

16

e.recordAccess（this）;

17

returnoldValue;

18

}

19

}

20

//如果i索引处的Entry为null，表明此处还没有Entry。

21

modCount++;

22

//将key、value添加到i索引处。

23

addEntry（hash,key,value,i）;

24

returnnull;

25

}

从上面的源代码中可以看出：

当我们往HashMap中put元素的时候，先根据key的hashCode重新计算hash值，根据hash值得到这个元素在数组中的位置（即下标），如果数组该位置上已经存放有其他元素了，那么在这个位置上的元素将以链表的形式存放，新加入的放在链头，最先加入的放在链尾。

如果数组该位置上没有元素，就直接将该元素放到此数组中的该位置上。

addEntry（hash,key,value,i）方法根据计算出的hash值，将key-value对放在数组table的i索引处。

addEntry是HashMap提供的一个包访问权限的方法，代码如下：

viewsource

print?

01

voidaddEntry（inthash,Kkey,Vvalue,intbucketIndex）{

02

//获取指定bucketIndex索引处的Entry

03

Entrye=table[bucketIndex];

04

//将新创建的Entry放入bucketIndex索引处，并让新的Entry指向原来的Entry

05

table[bucketIndex]=newEntry（hash,key,value,e）;

06

//如果Map中的key-value对的数量超过了极限

07

if（size++>=threshold）

08

//把table对象的长度扩充到原来的2倍。

09

resize（2*table.length）;

10

}

当系统决定存储HashMap中的key-value对时，完全没有考虑Entry中的value，仅仅只是根据key来计算并决定每个Entry的存储位置。

我们完全可以把Map集合中的value当成key的附属，当系统决定了key的存储位置之后，value随之保存在那里即可。

hash（inth）方法根据key的hashCode重新计算一次散列。

此算法加入了高位计算，防止低位不变，高位变化时，造成的hash冲突。

viewsource

print?

1

staticinthash（inth）{

2

h^=（h>>>20）^（h>>>12）;

3

returnh^（h>>>7）^（h>>>4）;

4

}

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，这样就大大优化了查询的效率。

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hash（inth）方法所计算得到的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indexFor（inth,intlength）方法来计算该对象应该保存在table数组的哪个索引处。

indexFor（inth,intlength）方法的代码如下：

viewsource

print?

1

staticintindexFor（inth,intlength）{

2

returnh&（length-1）;

3

}

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。

在HashMap构造器中有如下代码：

viewsource

print?

1

intcapacity=1;

2

while（capacity

3

capacity<<=1;

这段代码保证初始化时HashMap的容量总是2的n次方，即底层数组的长度总是为2的n次方。

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。

这看上去很简单，其实比较有玄机的，我们举个例子来说明：

假设数组长度分别为15和16，优化后的hash码分别为8和9，那么&运算后的结果如下：

h&（table.length-1）hashtable.length-1

8&（15-1）：

0100&1110=0100

9&（15-1）：

0101&1110=0100

---------------------------------------------------

8&（16-1）：

0100&1111=010

9&（16-1）：

0101&1111=0101

从上面的例子中可以看出：

当它们和15-1（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会被放到数组中的同一个位置上形成链表，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，hash值会与15-1（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！

而当数组长度为16时，即为2的n次方时，2n-1得到的二进制数的每个位上的值都为1，这使得在低位上&时，得到的和原hash的低位相同，加之hash（inth）方法对key的hashCode的进一步优化，加入了高位计算，就使得只有相同的hash值的两个值才会被放到数组中的同一个位置上形成链表。

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。

根据上面put方法的源代码可以看出，当程序试图将一个key-value对放入HashMap中时，程序首先根据该key的hashCode（）返回值决定该Entry的存储位置：

如果两个Entry的key的hashCode（）返回值相同，那它们的存储位置相同。

如果这两个Entry的key通过equals比较返回true，新添加Entry的value将覆盖集合中原有Entry的value，但key不会覆盖。

如果这两个Entry的key通过equals比较返回false，新添加的Entry将与集合中原有Entry形成Entry链，而且新添加的Entry位于Entry链的头部——具体说明继续看addEntry（）方法的说明。

2）读取：

viewsource

print?

01

publicVget（Objectkey）{

02

if（key==null）

03

returngetForNullKey（）;

04

inthash=hash（key.hashCode（））;

05

for（Entrye=table[indexFor（hash,table.length）];

06

e!

=null;

07

e=e.next）{

08

Objectk;

09

if（e.hash==hash&&（（k=e.key）==key||key.equals（k）））

10

returne.value;

11

}

12

returnnull;

13

}

有了上面存储时的hash算法作为基础，理解起来这段代码就很容易了。

从上面的源代码中可以看出：

从HashMap中get元素时，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。

3）归纳起来简单地说，HashMap在底层将key-value当成一个整体进行处理，这个整体就是一个Entry对象。

HashMap底层采用一个Entry[]数组来保存所有的key-value对，当需要存储一个Entry对象时，会根据hash算法来决定其在数组中的存储位置，在根据equals方法决定其在该数组位置上的链表中的存储位置；当需要取出一个Entry时，也会根据hash算法找到其在数组中的存储位置，再根据equals方法从该位置上的链表中取出该Entry。

4.HashMap的resize（rehash）：

当HashMap中的元素越来越多的时候，hash冲突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，这是一个常用的操作，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，这是一个折中的取值。

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。

5.HashMap的性能参数：

HashMap包含如下几个构造器：

HashMap（）：

构建一个初始容量为16，负载因子为0.75的HashMap。

HashMap（intinitialCapacity）：

构建一个初始容量为initialCapacity，负载因子为0.75的HashMap。

HashMap（intinitialCapacity,floatloadFactor）：

以指定初始容量、指定的负载因子创建一个HashMap。

HashMap的基础构造器HashMap（intinitialCapacity,floatloadFactor）带有两个参数，它们是初始容量initialCapacity和加载因子loadFactor。

initialCapacity：

HashMap的最大容量，即为底层数组的长度。

loadFactor：

负载因子loadFactor定义为：

散列表的实际元素数目（n）/散列表的容量（m）。

负载因子衡量的是一个散列表的空间的使用程度，负载因子越大表示散列表的装填程度越高，反之愈小。

对于使用链表法的散列表来说，查找一个元素的平均时间是O（1+a），因此如果负载因子越大，对空间的利用更充分，然而后果是查找效率的降低；如果负载因子太小，那么散列表的数据将过于稀疏，对空间造成严重浪费。

HashMap的实现中，通过threshold字段来判断HashMap的最大容量：

viewsource

print?

1

threshold=（int）（capacity*loadFactor）;

结合负载因子的定义公式可知，threshold就是在此loadFactor和capacity对应下允许的最大元素数目，超过这个数目就重新resize，以降低实际的负载因子。

默认的的负载因子0.75是对空间和时间效率的一个平衡选择。

当容量超出此最大容量时，resize后的HashMap容量是容量的两倍：

viewsource

print?

1

if（size++>=threshold）

2

resize（2*table.length）;

6.Fail-Fast机制：

我们知道java.util.HashMap不是线程安全的，因此如果在使用迭代器的过程中有其他线程修改了map，那么将抛出ConcurrentModificationException，这就是所谓fail-fast策略。

这一策略在源码中的实现是通过modCount域，modCount顾名思义就是修改次数，对HashMap内容的修改都将增加这个值，那么在迭代器初始化过程中会将这个值赋给迭代器的expectedModCount。

viewsource

print?

1

HashIterator（）{

2

expectedModCount=modCount;

3

if（size>0）{//advancetofirstentry

4

Entry[]t=table;

5

while（index

6

;

7

}

8

}

在迭代过程中，判断modCount跟expectedModCount是否相等，如果不相等就表示已经有其他线程修改了Map：

注意到modCount声明为volatile，保证线程之间修改的可见性。

viewsource

print?

1

finalEntrynextEntry（）{

2

if（modCount!

=expectedModCount）

3

thrownewConcurrentModificationException（）;

在HashMap的API中指出：

由所有HashMap类的“collection视图方法”所返回的迭代器都是快速失败的：

在迭代器创建之后，如果从结构上对映射进行修改，除非通过迭代器本身的remove方法，其他任何时间任何方式的修改，迭代器都将抛出ConcurrentModificationException。

因此，面对并发的修改，迭代器很快就会完全失败，而不冒在将来不确定的时间发生任意不确定行为的风险。

注意，迭代器的快速失败行为不能得到保证，一般来说，存在非同步的并发修改时，不可能作出任何坚决的保证。

快速失败迭代器尽最大努力抛出ConcurrentModificationException。

因此，编写依赖于此异常的程序的做法是错误的，正确做法是：

迭代器的快速失败行为应该仅用于检测程序错误