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.docx](https://file1.bdocx.com/fileroot1/2023-1/6/84822bc5-d342-4c56-9b57-a4dfabe9854d/84822bc5-d342-4c56-9b57-a4dfabe9854d1.gif)
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(capacity3
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(index6
;
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