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

Jdk1.8 HashMap实现原理详细介绍

程序员文章站 2024-03-31 19:47:10
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...

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。

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,即数组和链表的结构,但是在jdk1.8里

加入了红黑树的实现,当链表的长度大于8时,转换为红黑树的结构。

Jdk1.8 HashMap实现原理详细介绍

从上图中可以看出,java中hashmap采用了链地址法。链地址法,简单来说,就是数组加链表的结合。在每个数组元素上都一个链表结构,当数据被hash后,得到数组下标,把数据放在对应下标元素的链表上。

 */
 static class node<k,v> implements map.entry<k,v> {
  final int hash;//用于定位数组索引的位置
  final k key;
  v value;
  node<k,v> next;//链表的下一个node

  node(int hash, k key, v value, node<k,v> next) {
   this.hash = hash;
   this.key = key;
   this.value = value;
   this.next = next;
  }

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:

 int threshold;    // 所能容纳的key-value对极限 
 final float loadfactor; // 负载因子
 int modcount; 
 int size;

首先,node[] table的初始化长度length(默认值是16),load factor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 * load factor。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load factor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load factor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,hashtable初始化桶大小为11,就是桶大小设计为素数的应用(hashtable扩容后不能保证还是素数)。hashmap采用这种非常规设计,主要是为了在取模和扩容时做优化,同时为了减少冲突,hashmap定位哈希桶索引位置时,也加入了高位参与运算的过程。

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:
static final int hash(object key) { //jdk1.8 & jdk1.7
  int h;
  // 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:
static int indexfor(int h, int length) { //jdk1.7的源码,jdk1.8没有这个方法,但是实现原理一样的
  return h & (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。

Jdk1.8 HashMap实现原理详细介绍

hashmap的put方法实现

put函数大致的思路为:

  1. 对key的hashcode()做hash,然后再计算index;
  2. 如果没碰撞直接放到bucket里;
  3. 如果碰撞了,以链表的形式存在buckets后;
  4. 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;
  5. 如果节点已经存在就替换old value(保证key的唯一性)
  6. 如果bucket满了(超过load factor*current capacity),就要resize。

具体代码实现如下:

 public v put(k key, v value) {

  return putval(hash(key), key, value, false, true);
 }
 /**
 *生成hash的方法
 */
 static final int hash(object key) {
  int h;
  return (key == null) ? 0 : (h = key.hashcode()) ^ (h >>> 16);
 }

 final v putval(int hash, k key, v value, boolean onlyifabsent,boolean evict) {
  node<k,v>[] tab; node<k,v> p; int n, 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
   node<k,v> e; k k;
   //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
   else if (p instanceof treenode)
    e = ((treenode<k,v>)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 (int bincount = 0; ; ++bincount) {
     if ((e = p.next) == null) {
      p.next = newnode(hash, key, value, null);
      if (bincount >= treeify_threshold - 1) // -1 for 1st
       treeifybin(tab, hash);
      break;
     }
     if (e.hash == hash &&
      ((k = e.key) == key || (key != null && key.equals(k))))
      break;
     p = e;
    }
   }
   // 写入
   if (e != null) { // existing mapping for key
    v oldvalue = e.value;
    if (!onlyifabsent || oldvalue == null)
     e.value = value;
    afternodeaccess(e);
    return oldvalue;
   }
  }
  ++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);
  return null;
 }

hashmap的get方法实现

思路如下:

1.bucket里的第一个节点,直接命中;

2.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)。

public v get(object key) {
  node<k,v> e;
  return (e = getnode(hash(key), key)) == null ? null : e.value;
 }

final node<k,v> getnode(int hash, object key) {
  node<k,v>[] tab; node<k,v> first, e; int n; k k;
  if ((tab = table) != null && (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 != null && key.equals(k))))
    return first;
   // 未命中
   if ((e = first.next) != null) {
   // 在树中获取
    if (first instanceof treenode)
     return ((treenode<k,v>)first).gettreenode(hash, key);
    // 在链表中获取
    do {
     if (e.hash == hash &&
      ((k = e.key) == key || (key != null && key.equals(k))))
      return e;
    } while ((e = e.next) != null);
   }
  }
  return 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。

void resize(int newcapacity) { //传入新的容量
  entry[] oldtable = table; //引用扩容前的entry数组
  int oldcapacity = 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 = new entry[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。

void transfer(entry[] newtable) {
  entry[] src = table;     //src引用了旧的entry数组
  int newcapacity = newtable.length;
  for (int j = 0; j < src.length; j++) { //遍历旧的entry数组
   entry<k,v> e = src[j];    //取得旧entry数组的每个元素
   if (e != null) {
    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)
    do {
     entry<k,v> next = e.next;
     int i = 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 != null);
   }
  }
 }

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key mod 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mod 2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。

Jdk1.8 HashMap实现原理详细介绍

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。

Jdk1.8 HashMap实现原理详细介绍

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:

Jdk1.8 HashMap实现原理详细介绍

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:

Jdk1.8 HashMap实现原理详细介绍

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:

final node<k,v>[] resize() {
 node<k,v>[] oldtab = table;
 int oldcap = (oldtab == null) ? 0 : oldtab.length;
 int oldthr = threshold;
 int newcap, 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
  if (oldcap >= maximum_capacity) {
   threshold = integer.max_value;
   return oldtab;
  }
  // 没超过最大值,就扩充为原来的2倍
  else if ((newcap = oldcap << 1) < maximum_capacity &&
     oldcap >= default_initial_capacity)
   newthr = oldthr << 1; // double threshold
 }
 else if (oldthr > 0) // initial capacity was placed in threshold
  newcap = oldthr;
 else {    // zero initial threshold signifies using defaults
  newcap = default_initial_capacity;
  newthr = (int)(default_load_factor * default_initial_capacity);
 }
 // 计算新的resize上限
 if (newthr == 0) {

  float ft = (float)newcap * loadfactor;
  newthr = (newcap < maximum_capacity && ft < (float)maximum_capacity ?
     (int)ft : integer.max_value);
 }
 threshold = newthr;
 @suppresswarnings({"rawtypes","unchecked"})
  node<k,v>[] newtab = (node<k,v>[])new node[newcap];
 table = newtab;
 if (oldtab != null) {
  // 把每个bucket都移动到新的buckets中
  for (int j = 0; j < oldcap; ++j) {
   node<k,v> e;
   if ((e = oldtab[j]) != null) {
    oldtab[j] = null;
    if (e.next == null)
     newtab[e.hash & (newcap - 1)] = e;
    else if (e instanceof treenode)
     ((treenode<k,v>)e).split(this, newtab, j, oldcap);
    else { // preserve order
     node<k,v> lohead = null, lotail = null;
     node<k,v> hihead = null, hitail = null;
     node<k,v> next;
     do {
      next = e.next;
      // 原索引
      if ((e.hash & oldcap) == 0) {
       if (lotail == null)
        lohead = e;
       else
        lotail.next = e;
       lotail = e;
      }
      // 原索引+oldcap
      else {
       if (hitail == null)
        hihead = e;
       else
        hitail.next = e;
       hitail = e;
      }
     } while ((e = next) != null);
     // 原索引放到bucket里
     if (lotail != null) {
      lotail.next = null;
      newtab[j] = lohead;
     }
     // 原索引+oldcap放到bucket里
     if (hitail != null) {
      hitail.next = null;
      newtab[j + oldcap] = hihead;
     }
    }
   }
  }
 }
 return newtab;
}

总结

我们现在可以回答开始的几个问题,加深对hashmap的理解:

1.什么时候会使用hashmap?他有什么特点?

是基于map接口的实现,存储键值对时,它可以接收null的键值,是非同步的,hashmap存储着entry(hash, key, value, next)对象。

2.你知道hashmap的工作原理吗?

通过hash的方法,通过put和get存储和获取对象。存储对象时,我们将k/v传给put方法时,它调用hashcode计算hash从而得到bucket位置,进一步存储,hashmap会根据当前bucket的占用情况自动调整容量(超过load facotr则resize为原来的2倍)。获取对象时,我们将k传给get,它调用hashcode计算hash从而得到bucket位置,并进一步调用equals()方法确定键值对。如果发生碰撞的时候,hashmap通过链表将产生碰撞冲突的元素组织起来,在java 8中,如果一个bucket中碰撞冲突的元素超过某个限制(默认是8),则使用红黑树来替换链表,从而提高速度。

3.你知道get和put的原理吗?equals()和hashcode()的都有什么作用?

通过对key的hashcode()进行hashing,并计算下标( n-1 & hash),从而获得buckets的位置。如果产生碰撞,则利用key.equals()方法去链表或树中去查找对应的节点

4.你知道hash的实现吗?为什么要这样实现?

在java 1.8的实现中,是通过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bucket的n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。

5.如果hashmap的大小超过了负载因子(load factor)定义的容量,怎么办?

如果超过了负载因子(默认0.75),则会重新resize一个原来长度两倍的hashmap,并且重新调用hash方法。
关于java集合的小抄中是这样描述的:
以entry[]数组实现的哈希桶数组,用key的哈希值取模桶数组的大小可得到数组下标。
插入元素时,如果两条key落在同一个桶(比如哈希值1和17取模16后都属于第一个哈希桶),entry用一个next属性实现多个entry以单向链表存放,后入桶的entry将next指向桶当前的entry。
查找哈希值为17的key时,先定位到第一个哈希桶,然后以链表遍历桶里所有元素,逐个比较其key值。
当entry数量达到桶数量的75%时(很多文章说使用的桶数量达到了75%,但看代码不是),会成倍扩容桶数组,并重新分配所有原来的entry,所以这里也最好有个预估值。
取模用位运算(hash & (arraylength-1))会比较快,所以数组的大小永远是2的n次方, 你随便给一个初始值比如17会转为32。默认第一次放入元素时的初始值是16。
iterator()时顺着哈希桶数组来遍历,看起来是个乱序。

6.当两个对象的hashcode相同会发生什么?

因为hashcode相同,所以它们的bucket位置相同,‘碰撞'会发生。因为hashmap使用链表存储对象,这个entry(包含有键值对的map.entry对象)会存储在链表中。

7.如果两个键的hashcode相同,你如何获取值对象?

找到bucket位置之后,会调用keys.equals()方法去找到链表中正确的节点,最终找到要找的值对象。因此,设计hashmap的key类型时,如果使用不可变的、声明作final的对象,并且采用合适的equals()和hashcode()方法的话,将会减少碰撞的发生,提高效率。不可变性能够缓存不同键的hashcode,这将提高整个获取对象的速度,使用string,interger这样的wrapper类作为键是非常好的选择

8.如果hashmap的大小超过了负载因子(load factor)定义的容量,怎么办?

默认的负载因子大小为0.75,也就是说,当一个map填满了75%的bucket时候,和其它集合类(如arraylist等)一样,将会创建原来hashmap大小的两倍的bucket数组,来重新调整map的大小,并将原来的对象放入新的bucket数组中。这个过程叫作rehashing,因为它调用hash方法找到新的bucket位置

9.你了解重新调整hashmap大小存在什么问题吗?

当重新调整hashmap大小的时候,确实存在条件竞争,因为如果两个线程都发现hashmap需要重新调整大小了,它们会同时试着调整大小。在调整大小的过程中,存储在链表中的元素的次序会反过来,因为移动到新的bucket位置的时候,hashmap并不会将元素放在链表的尾部,而是放在头部,这是为了避免尾部遍历(tail traversing)。如果条件竞争发生了,那么就死循环了。因此在并发环境下,我们使用currenthashmap来替代hashmap

10.为什么string, interger这样的wrapper类适合作为键?

因为string是不可变的,也是final的,而且已经重写了equals()和hashcode()方法了。其他的wrapper类也有这个特点。不可变性是必要的,因为为了要计算hashcode(),就要防止键值改变,如果键值在放入时和获取时返回不同的hashcode的话,那么就不能从hashmap中找到你想要的对象。不可变性还有其他的优点如线程安全。如果你可以仅仅通过将某个field声明成final就能保证hashcode是不变的,那么请这么做吧。因为获取对象的时候要用到equals()和hashcode()方法,那么键对象正确的重写这两个方法是非常重要的。如果两个不相等的对象返回不同的hashcode的话,那么碰撞的几率就会小些,这样就能提高hashmap的性能

感谢阅读,希望能帮助到大家,谢谢大家对本站的支持!