概述
HashMap作为Java程序员使用频率非常高的容器,同时,同时也是面试官非常爱问的,里面的知识点满满,需要我们对它的实现机制有个深入的理解,本文主要通过jdk8带领大家剖析下HashMap。
HashMap简介
HashMap 最早出现在 JDK 1.2中,底层基于散列算法实现,它是一个key-value结构的容器。
- 是一个key-value的映射容器,key不重复
- jdk8中的HashMap基于数组+链表+红黑树实现
- 不保证键值的顺序
- 可以存入null值
- 非线程安全,多线程环境下可能存在问题
以上是HashMap的类结构图:
- 继承了AbstractMap,实现了Map接口,提供了key,value结构格式访问的方法
- 实现了Cloneable接口,表示HashMap支持clone
- 实现了Serializable接口,表示HashMap支持序列化
核心机制
底层实现机制
jdk8中的HashMap底层数据才有数组+链表+红黑树的方式实现。
扩容机制
HashMap底层是一个数组,Java中的数组是固定的,随着我们往HashMap中添加元素,发现数组长度不够了,这时候就需要进行扩冲容量的操作,和扩容相关的参数有两个一个是初始容量 initialCapacity,另一个负载因子 loadFactor。通过这两个设定这两个参数,可以进一步影响阈值大小。扩容的阈值threshold等于容量*负载因子(threshold = capacity * loadFactor)。
名称 | 用途 |
initialCapacity | HashMap 初始容量 |
loadFactor | 负载因子 |
threshold | 当前 HashMap 所能容纳键值对数量的最大值,超过这个值,则需扩容 |
快速失败机制
HashMap 遍历使用的是一种快速失败机制,它是 Java 非安全集合中的一种普遍机制,这种机制可以让集合在遍历时,如果有线程对集合进行了修改、删除、增加操作,会触发并发修改异常。
它的实现机制是在遍历前保存一份 modCount ,在每次获取下一个要遍历的元素时会对比当前的 modCount 和保存的 modCount 是否相等。
快速失败也可以看作是一种安全机制,这样在多线程操作不安全的集合时,由于快速失败的机制,会抛出异常。这样可以避免由于并发修改导致一些未知的问题,通过提前失败提高性能。
源码剖析
成员变量
成员变量可以说明HashMap的底层数据结构。
// 底层存储的数据结构,是一个Node数组 transient Node<K,V>[] table; // 遍历用到的entrySet transient Set<Map.Entry<K,V>> entrySet; // hashmap的元素数量 transient int size; // 修改次数, 用于快速失败机制 transient int modCount; // 发生扩容的阈值 int threshold; /** * 扩容使用的负载因子 * * @serial */ final float loadFactor; 复制代码
我们再来看下Node的数据结构,实现了Map.Entry接口。
很明显是一个链表的结构,红黑树也是基于这个数据结构构建得到。
构造方法
有参构造函数源码如下,关键是tableSizeFor这个方法
public HashMap(int initialCapacity, float loadFactor) { if (initialCapacity < 0) throw new IllegalArgumentException("Illegal initial capacity: " + initialCapacity); if (initialCapacity > MAXIMUM_CAPACITY) initialCapacity = MAXIMUM_CAPACITY; if (loadFactor <= 0 || Float.isNaN(loadFactor)) throw new IllegalArgumentException("Illegal load factor: " + loadFactor); this.loadFactor = loadFactor; //根据tableSizeFor获取扩容阈值 this.threshold = tableSizeFor(initialCapacity); }
static final int tableSizeFor(int cap) { int n = cap - 1; n |= n >>> 1; n |= n >>> 2; n |= n >>> 4; n |= n >>> 8; n |= n >>> 16; return (n < 0) ? 1 : (n >= MAXIMUM_CAPACITY) ? MAXIMUM_CAPACITY : n + 1; }
该方法的作用总结起来就一句话:找到大于或等于 cap 的最小2的幂。至于为啥要这样,后面再解释。我们先来看看 tableSizeFor 方法的图解:
可以理解为把cap低位的二进制位通过右移全部变为1,最后再+1,就是2的幂次方了。
此时这里的阈值threshold不是初始容量*负载因子,不必在意,这只是临时的,真正设置threshold在后面put方法中。
put方法
其实整个向map中插入数据的流程,大家多少都应知道一些,整个流程如上图所示,我们现在通过源码解读理解这个过程中的细节。
put方法
// 对外暴露的接口,添加的入口 public V put(K key, V value) { // 核心是调用putVal方法, 参数的hash方法是计算key的hash值 return putVal(hash(key), key, value, false, true); }
hash方法
static final int hash(Object key) { int h; // 采用位运算获取最终的hash return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16); }
这段代码叫做扰动函数,也是hashMap中的hash运算,主要分为下面几步:
- key.hashCode()获取key的hashCode值,如果不进行重写的话返回的是根据内存地址得到的一个int值。
- key.hashCode() 获取到的hashCode无符号右移16位并和原hashCode进行^ ,这样做的目的是为了让高位与低进行混合,让两者都参与运算,以便让hash值分布更加均匀。
putVal方法
final V putVal(int hash, K key, V value, boolean onlyIfAbsent, boolean evict) { Node<K,V>[] tab; Node<K,V> p; int n, i; // 如果数组为空,进行 resize() 初始化,后面详细分析resize方法 if ((tab = table) == null || (n = tab.length) == 0) n = (tab = resize()).length; // (n - 1) & hash相当于取模,获取数组的索引位置 // 如果计算的位置上Node不存在,直接创建节点插入 if ((p = tab[i = (n - 1) & hash]) == null) tab[i] = newNode(hash, key, value, null); else { // 如果计算的位置上Node 存在,链表或者红黑树处理 Node<K,V> e; K k; // 如果已存在的key和传入的key一模一样,则需要覆盖 if (p.hash == hash && ((k = p.key) == key || (key != null && key.equals(k)))) e = p; // 如果 index 位置元素已经存在,且是红黑树 else if (p instanceof TreeNode) // 将元素插入到红黑树中 e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value); else { // 否则如果是链表的情况,对链表进行遍历,并统计链表长度 for (int binCount = 0; ; ++binCount) { // 如果节点链表的next为空 if ((e = p.next) == null) { // 找到节点链表中next为空的节点,创建新的节点插入 p.next = newNode(hash, key, value, null); // 如果节点链表中数量超过TREEIFY_THRESHOLD(8)个,转化为红黑树 if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st // 树化操作 treeifyBin(tab, hash); break; } // 判断节点链表中的key和传入的key是否一样 if (e.hash == hash && ((k = e.key) == key || (key != null && key.equals(k)))) // 如果一样的话,退出 break; p = e; } } // 如果存在相同key的节点e不为空 if (e != null) { // existing mapping for key V oldValue = e.value; // onlyIfAbsent 表示是否仅在 oldValue 为 null 的情况下更新键值对的值 if (!onlyIfAbsent || oldValue == null) // 设置新的值 e.value = value; afterNodeAccess(e); // 返回老的结果 return oldValue; } } ++modCount; // 当前大小大于临界大小,扩容 if (++size > threshold) resize(); afterNodeInsertion(evict); return null; }
putVal 方法主要做了这么几件事情:
- 当桶数组 table 为空时,通过扩容的方式初始化 table。
- 查找要插入的键值对是否已经存在,存在的话根据条件判断是否用新值替换旧值。
- 如果不存在,则将键值对链入链表中,并根据链表长度决定是否将链表转为红黑树。
- 判断键值对数量是否大于阈值,大于的话则进行扩容操作。
resize()方法
当 HashMap 中的键值对数量超过扩容阈值时,则进行扩容,先阐述清楚几个概念:
- 容量:表示HashMap中数组的长度
- 扩容阈值:表示HashMap中数组有值的数量超过这个阈值,则需要进行扩容处理,扩容阈值等于容量 * 负载因子。
final Node<K,V>[] resize() { Node<K,V>[] oldTab = table; // 现有容量的大小,等于数组的长度,如果数组为空,返回0 int oldCap = (oldTab == null) ? 0 : oldTab.length; // 现有的扩容阈值 int oldThr = threshold; // newCap表示新的容量,newThr新的扩容阈值 int newCap, newThr = 0; // 如果现有容量大于0,表示已经初始化过了 if (oldCap > 0) { // 如果现有容量已经大于最大容量。结束扩容,直接返回 if (oldCap >= MAXIMUM_CAPACITY) { threshold = Integer.MAX_VALUE; return oldTab; } // 否则,如果扩大两倍之后的容量小于最大容量,且现有容量大于等于初始容量16 else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY && oldCap >= DEFAULT_INITIAL_CAPACITY) // 新的扩容阀值扩大为两倍,左移<<1 相当于乘以2 newThr = oldThr << 1; // double threshold } // 否则如果当前容量等于0 ,但是当前扩容阈值 > 0,调用有参构造函数会到这里 else if (oldThr > 0) // initial capacity was placed in threshold // 进入这里,新的容量等于当前的扩容阈值, newCap = oldThr; // 否则如果当前容量等于0,并且挡墙扩容阈值=0,调用无参构造函数进入这里 else { // 新的容量等于默认容量 newCap = DEFAULT_INITIAL_CAPACITY; // 新的扩容阈值等于默认负载因子0.75*默认容量16=12 newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY); } // 如果新的扩容阈值等于0 if (newThr == 0) { // 设置新的扩容阈值等于新的容量*负载因子 float ft = (float)newCap * loadFactor; newThr = (newCap < MAXIMUM_CAPACITY && ft < (float)MAXIMUM_CAPACITY ? (int)ft : Integer.MAX_VALUE); } // 设置hashmap对象的扩容阈值位新的扩容阈值 threshold = newThr; @SuppressWarnings({"rawtypes","unchecked"}) // 初始化数组 Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap]; // 设置hashmap对象的桶数组为newTab table = newTab; // 下面时rehash的过程 // 如果旧的桶数组不为空,则遍历桶数组,并将键值对映射到新的桶数组中 if (oldTab != null) { // 遍历老的数组 for (int j = 0; j < oldCap; ++j) { Node<K,V> e; // 如果数组索引位置不为空 if ((e = oldTab[j]) != null) { oldTab[j] = null; // 如果节点下面没有链表或者红黑树 if (e.next == null) // 用新数组容量取模,设置到新数组中 newTab[e.hash & (newCap - 1)] = e; // 如果节点是红黑树 else if (e instanceof TreeNode) // 需要对红黑树进行拆分 ((TreeNode<K,V>)e).split(this, newTab, j, oldCap); // 如果节点是红黑树 else { // preserve order Node<K,V> loHead = null, loTail = null; Node<K,V> hiHead = null, hiTail = null; Node<K,V> next; // 遍历链表,并将链表节点按原顺序根据高低位分组 do { next = e.next; if ((e.hash & oldCap) == 0) { if (loTail == null) loHead = e; else loTail.next = e; loTail = e; } else { if (hiTail == null) hiHead = e; else hiTail.next = e; hiTail = e; } } while ((e = next) != null); // 将分组后的链表映射到新桶中 if (loTail != null) { loTail.next = null; newTab[j] = loHead; } if (hiTail != null) { hiTail.next = null; newTab[j + oldCap] = hiHead; } } } } } return newTab; }
这个resize方法大致做了如下的事情:
- 计算新桶数组的容量 newCap 和新阈值 newThr。
- 根据计算出的 newCap 创建新的桶数组,桶数组 table 也是在这里进行初始化的。
- 将键值对节点重新映射到新的桶数组里。如果节点是 TreeNode 类型,则需要拆分红黑树。如果是普通链表节点,则节点按原顺序进行分组。
这边在将链表节点进行rehash用了一个非常好的设计理念,扩容后长度为原hash表的2倍,于是把hash表分为两半,分为低位和高位,如果能把原链表的键值对, 一半放在低位,一半放在高位,而且是通过e.hash & oldCap == 0来判断,这个判断有什么优点呢?
举个例子:n = 16,二进制为10000,第5位为1,e.hash & oldCap 是否等于0就取决于e.hash第5 位是0还是1,这就相当于有50%的概率放在新hash表低位,50%的概率放在新hash表高位。
链表树化treeifyBin
jdk8中会将节点链表在一定的条件下转换成红黑树,主要是因为红黑树的搜索查询性能更好,会将时间复杂度从O(n)变成O(logn),代码如下
/** * 将普通节点链表转换成树形节点链表 */ final void treeifyBin(Node<K,V>[] tab, int hash) { int n, index; Node<K,V> e; // 桶数组容量小于 MIN_TREEIFY_CAPACITY,优先进行扩容而不是树化 if (tab == null || (n = tab.length) < MIN_TREEIFY_CAPACITY) resize(); else if ((e = tab[index = (n - 1) & hash]) != null) { // hd 为头节点(head),tl 为尾节点(tail) TreeNode<K,V> hd = null, tl = null; do { // 将普通节点替换成树形节点 TreeNode<K,V> p = replacementTreeNode(e, null); if (tl == null) hd = p; else { p.prev = tl; tl.next = p; } tl = p; } while ((e = e.next) != null); // 将普通链表转成由树形节点链表 if ((tab[index] = hd) != null) // 将树形链表转换成红黑树 hd.treeify(tab); } }
根据代码得出,在扩容过程中,树化要满足两个条件:
- 链表长度大于等于 8
- 桶数组容量大于等于64,当桶数组容量比较小时,键值对节点 hash 的碰撞率可能会比较高,进而导致链表长度较长。这个时候应该优先扩容,而不是立马树化。
get方法
get方法相对来说就简单很多了,源码如下:
public V get(Object key) { Node<K,V> e; // 调用getNode方法,hash(key)方法上面讲过,获取key对应的hash值 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; // 定位键值对所在桶的位置 if ((tab = table) != null && (n = tab.length) > 0 && (first = tab[(n - 1) & hash]) != null) { //根据hash算法找到对应位置的第一个数据,如果是指定的key,则直接返回 if (first.hash == hash && // always check first node ((k = first.key) == key || (key != null && key.equals(k)))) return first; if ((e = first.next) != null) { //如果该节点为红黑树,则通过树进行查找 if (first instanceof TreeNode) return ((TreeNode<K,V>)first).getTreeNode(hash, key); //如果该节点是链表,则遍历查找到数据 do { if (e.hash == hash && ((k = e.key) == key || (key != null && key.equals(k)))) return e; } while ((e = e.next) != null); } } return null; }
大致逻辑如下:
- 根据hash值查找到指定位置的数据。
- 校验指定位置第一个节点的数据是key是否为传入的key,如果是直接返回第一个节点,否则继续查找第二个节点。
- 如果数据是TreeNode(红黑树结构),直接通过红黑树查找节点数据并返回。
- 如果是链表结构,循环查找所有节点,返回数据。
- 如果没有找到符合要求的节点,返回null。
这里前调用下通过(n - 1)& hash
相当于取模运算,即可算出桶的在桶数组中的位置, 这是什么道理呢?
举个例子说明吧,假设 hash = 185,n = 16。计算过程示意图如下:
1001换成10进制就是9, 185%16=5, 这个前提成立时n必须是2的幂次方。
总结
本篇文章大致讲解了HashMap的源码和以及核心机制,其中里面还有很多细节和内容,需要大家花时间去自我学习。