欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  IT编程

Java:HashMap的实现原理(JDK1.8)

程序员文章站 2022-07-02 12:57:45
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 ......

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。

 Java:HashMap的实现原理(JDK1.8)

   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:

 1 /** 
 2  * the table, resized as necessary. length must always be a power of two. 
 3  */  
 4 transient node<k, v>[] table;  
 5   
 6 static class node<k,v> implements entry<k, v> {  
 7     final k key;  
 8     v value;  
 9     node<k, v> next;  
10     final int hash;  
11     ……  
12 }  

 

   可以看出,node就是数组中的元素,每个node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:

        1、对key求hash值,然后再计算下标

        2、如果没有碰撞,直接放入桶中(碰撞的意思是计算得到的hash值相同,需要放到同一个bucket中)

        3、如果碰撞了,以链表的方式链接到后面

        4、如果链表长度超过阀值( treeify threshold==8),就把链表转成红黑树

        5、如果节点已经存在就替换旧值

        6、如果桶满了(容量16*加载因子0.75),就需要 resize(扩容2倍后重排) 

 1 final v putval(final int n, final k k, final v value, final boolean b, final boolean b2) {
 2     node<k, v>[] array;
 3     int n2;
 4     if ((array = this.table) == null || (n2 = array.length) == 0) {
 5         n2 = (array = this.resize()).length;
 6     }
 7     final int n3;
 8     node<k, v> node;
 9     if ((node = array[n3 = (n2 - 1 & n)]) == null) {
10         array[n3] = this.newnode(n, k, value, null);
11     }
12     else {
13         node<k, v> node2 = null;
14         label_0222: {
15             final k key;
16             if (node.hash == n && ((key = node.key) == k || (k != null && k.equals(key)))) {
17                 node2 = node;
18             }
19             else if (node instanceof treenode) {
20                 node2 = ((treenode<k, v>)node).puttreeval(this, array, n, k, value);
21             }
22             else {
23                 int n4;
24                 for (n4 = 0; (node2 = node.next) != null; node = node2, ++n4) {
25                     if (node2.hash == n) {
26                         final k key2;
27                         if ((key2 = node2.key) == k) {
28                             break label_0222;
29                         }
30                         if (k != null && k.equals(key2)) {
31                             break label_0222;
32                         }
33                     }
34                 }
35                 node.next = (node<k, v>)this.newnode(n, (k)k, (v)value, (node<k, v>)null);
36                 if (n4 >= 7) {
37                     this.treeifybin(array, n);
38                 }
39             }
40         }
41         if (node2 != null) {
42             final v value2 = node2.value;
43             if (!b || value2 == null) {
44                 node2.value = value;
45             }
46             this.afternodeaccess(node2);
47             return value2;
48         }
49     }
50     ++this.modcount;
51     if (++this.size > this.threshold) {
52         this.resize();
53     }
54     this.afternodeinsertion(b2);
55     return null;
56 }

     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。

     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

 1 static final int hash(final object o) {
 2     int n;
 3     if (o == null) {
 4         n = 0;
 5     }
 6     else {
 7         final int hashcode = o.hashcode();
 8         n = (hashcode ^ hashcode >>> 16);
 9     }
10     return n;
11 }

Java:HashMap的实现原理(JDK1.8)

 

 

     简单来说就是:高16bt不变,低16bit和高16bit做了一个异或(得到的hashcode转化为32位的二进制,前16位和后16位低16bit和高16bit做了一个异或)

     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(int h) 方法所计算得到的 hash 码值总是相同的。 

 1 public int hashcode() {
 2   int h = this.hash;
 3   int len = this.value.length;
 4   if (h == 0 && len > 0) {
 5     char[] s = this.value;
 6     for (int i = 0; i < len; ++i) {
 7       h = 31 * h + s[i];
 8     }
 9     //s[0]*31^(len-1) + s[1]*31^(len-2) + ... + s[len-1]
10     this.hash = h;
11   }
12   return h;
13 }

     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:

n3 = (n2 - 1 & n)

     这个方法非常巧妙,它通过 array.length - 1 & h 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:

1 static final int tablesizefor(final int n) {
2     final int n2 = n - 1;
3     final int n3 = n2 | n2 >>> 1;
4     final int n4 = n3 | n3 >>> 2;
5     final int n5 = n4 | n4 >>> 4;
6     final int n6 = n5 | n5 >>> 8;
7     final int n7 = n6 | n6 >>> 16;
8     return (n7 < 0) ? 1 : ((n7 >= 1073741824) ? 1073741824 : (n7 + 1));
9 }

   Java:HashMap的实现原理(JDK1.8)

  先把容量减一,然后将容量的二进制数为1的位,后1、2、4、8、16位分别置1。最终n7的二进制数即是n2的二进制数最高为1,其后补1的数。 

    这段代码保证初始化时hashmap的容量总是2n次方,即底层数组的长度总是为2n次方(1~2^30)。

    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)                     hash                             table.length-1

       8 & (15-1):                                 0100                   &              1110                   =                0100

       9 & (15-1):                                 0101                   &              1110                   =                0100

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

       8 & (16-1):                                 0100                   &              1111                   =                0100

       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,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 node 的存储位置:如果两个 node 的 key 的 hashcode() 返回值相同,那它们的存储位置相同。如果这两个 node 的 key 通过 equals 比较返回 true,新添加 node 的 value 将覆盖集合中原有 node 的 value,但key不会覆盖。如果这两个 node 的 key 通过 equals 比较返回 false,新添加的 node 将与集合中原有 node 形成 node 链。

2)  读取:

 1 final node<k, v> getnode(final int n, final object o) {
 2     final node<k, v>[] table;
 3     final int length;
 4     final node<k, v> node;
 5     if ((table = this.table) != null && (length = table.length) > 0 && (node = table[length - 1 & n]) != null) {
 6         final k key;
 7         if (node.hash == n && ((key = node.key) == o || (o != null && o.equals(key)))) {
 8             return node;
 9         }
10         node<k, v> node2;
11         if ((node2 = node.next) != null) {
12             if (node instanceof treenode) {
13                 return ((treenode<k, v>)node).gettreenode(n, o);
14             }
15             k key2;
16             while (node2.hash != n || ((key2 = node2.key) != o && (o == null || !o.equals(key2)))) {
17                 if ((node2 = node2.next) == null) {
18                     return null;
19                 }
20             }
21             return node2;
22         }
23     }
24     return null;
25 }

   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 node 对象。hashmap底层采用一个 node [] 数组来保存所有的 key-value 对,当需要存储一个 node 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node 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node。 

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。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*1024 < 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。 

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(int initialcapacity):构建一个初始容量为 initialcapacity,负载因子为 0.75 的 hashmap。

   hashmap(int initialcapacity, float loadfactor):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(int initialcapacity, float loadfactor)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:

 1 this.threshold = tablesizefor(n); 

   结合tablesizefor函数代码可知,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: 

1 final float n = size / this.loadfactor + 1.0f;
2 final int n2 = (n < 1.07374182e9f) ? ((int)n) : 1073741824;
3 if (n2 > this.threshold) {
4     this.threshold = tablesizefor(n2);
5 }

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。

 1 hashiterator() {
 2     this.expectedmodcount = hashmap.this.modcount;
 3     final node<k, v>[] table = hashmap.this.table;
 4     final node<k, v> node = null;
 5     this.next = node;
 6     this.current = node;
 7     this.index = 0;
 8     if (table != null && hashmap.this.size > 0) {
 9         while (this.index < table.length && (this.next = table[this.index++]) == null) {}
10     }
11 }

   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。

1 final node<k, v> nextnode() {
2     final node<k, v> next = this.next;
3     if (hashmap.this.modcount != this.expectedmodcount) {
4         throw new concurrentmodificationexception();
5     }
6     ...
7 }

   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 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。

 

1.转载注明:

2.本文为个人笔记、心得,可能引用其它文章,所以博客只在私自范围内供大家学习参考。

参考博文: