一. hashmap简介
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 是一个散列表,它存储的内容是键值对(key-value)映射。
HashMap 继承于AbstractMap,实现了Map、Cloneable、java.io.Serializable接口。HashMap 的实现不是同步的,这意味着它不是线程安全的。它的key、value都可以为null。此外,HashMap中的映射不是有序的。HashMap 的实例有两个参数影响其性能:“初始容量” 和 “加载因子”。容量 是哈希表中桶的数量,初始容量 只是哈希表在创建时的容量。加载因子 是哈希表在其容量自动增加之前可以达到多满的一种尺度。当哈希表中的条目数超出了加载因子与当前容量的乘积时,则要对该哈希表进行 rehash 操作(即重建内部数据结构),从而哈希表将具有大约两倍的桶数。
通常,默认加载因子是 0.75, 这是在时间和空间成本上寻求一种折衷。加载因子过高虽然减少了空间开销,但同时也增加了查询成本(在大多数 HashMap 类的操作中,包括 get 和 put 操作,都反映了这一点)。在设置初始容量时应该考虑到映射中所需的条目数及其加载因子,以便最大限度地减少 rehash 操作次数。如果初始容量大于最大条目数除以加载因子,则不会发生 rehash 操作。二. hashmap数据结构
大概了解hashmap之后,知道了hashmap的键值对映射,知道了hashmap的线程不安全,知道了hashmap的put,get方法。觉得自己足够了解hashmap了吗?并不是,接着,让我们先去了解一下hashmap的底层数据结构。
首先,ArrayList和LinkedList的数据结构我们非常了解
ArrayList :
ArrayList 底层数据结构是数组,查询效率比较高,增删效率比较低。
可以参照一下Arraylist的源码,可以看出Arraylist的数据结构为数组
public void add(int index, E element) { rangeCheckForAdd(index); ensureCapacityInternal(size + 1); // Increments modCount!! System.arraycopy(elementData, index, elementData, index + 1, size - index); elementData[index] = element; size++; }
LinkedList:
LinkedList 底层数据是链表(双向链表),查询效率比较低,增删效率比较高。
源码验证:可以看出LinkedList为双向链表结构
1 private static class Node{ 2 //数据 3 E item; 4 //后面数据 5 Node next; 6 //前面数据 7 Node prev; 8 9 Node(Node prev, E element, Node next) {10 this.item = element;11 this.next = next;12 this.prev = prev;13 }14 }
由此看来,ArrayList查询速度快,增删慢,LinkedList查询速度慢,增删快,那么,如果我们想查询速度快并且增删慢的话,将两种数据结构相结合,就是我们要讲的HashMap
HashMap : 数组 + 链表
在这样的数据结构中,如果我们想存放数据的话,除了map中一定要有的Key和Value,还要有指向下个单元的next,根据刚才数据结构的分析,可以猜想到Hashmap的存储单元应该是这样的:
Class Node{ Key; Value; Node next; }
让我们带着我们的猜想去看一下HashMap的源码,果然,我们的猜想是正确的,源码如下
/** * Basic hash bin node, used for most entries. (See below for * TreeNode subclass, and in LinkedHashMap for its Entry subclass.) * * 基本的hash存储单元 / static class Nodeimplements Map.Entry { final int hash; final K key; V value; Node next; Node(int hash, K key, V value, Node next) { this.hash = hash; this.key = key; this.value = value; this.next = next; } public final K getKey() { return key; } public final V getValue() { return value; } public final String toString() { return key + "=" + value; } public final int hashCode() { return Objects.hashCode(key) ^ Objects.hashCode(value); } public final V setValue(V newValue) { V oldValue = value; value = newValue; return oldValue; } public final boolean equals(Object o) { if (o == this) return true; if (o instanceof Map.Entry) { Map.Entry e = (Map.Entry )o; if (Objects.equals(key, e.getKey()) && Objects.equals(value, e.getValue())) return true; } return false; } }
大家看到源码中的变量,正如我们所猜想的一样,有Key、Value还有Node<K,V> next,然后我们发现还有一个变量int hash我们不太清楚,这个等下再提。
那么,在HashMap中,数组和链表究竟是怎样表示的?在源码中是如何体现的呢?我们接着去猜想验证。
1. 数组的表示
平时我们表示数组,如字符串数组,是String[],整型数组是Integer[],那在HashMap中,他的基本单元是node,那假如我们是HashMap的源码编写人员,那么我们可以写成
Node[] table;
table是我们随意取的变量值。接着,我们去源码中去看看在HashMap中数组是如何定义表示的:
/** * The table, initialized on first use, and resized as * necessary. When allocated, length is always a power of two. * (We also tolerate length zero in some operations to allow * bootstrapping mechanics that are currently not needed.) */ transient Node[] table;
果然和我们猜想的一样,在HashMap中的数组是以Node<K,V>[]表示的。(transient关键字是不进行序列化的意思)
2. 数组的大小是如何定义设置的呢
初始化大小:
/** * The default initial capacity - MUST be a power of two.必须是2的n次幂 */ static final int DEFAULT_INITIAL_CAPACITY = 1 << 4; // aka 16
这里我们可以看到数组的初始化大小为 1 << 4 ,这里是个位运算,1 << 4 是 1000,转化为十进制是16(位运算更快一些)
最大容量:
/** * The maximum capacity, used if a higher value is implicitly specified * by either of the constructors with arguments. * MUST be a power of two <= 1<<30. */ static final int MAXIMUM_CAPACITY = 1 << 30;
当数组的大小如果不够用了,就要进行扩容。但是并不是全部都用完了再去扩容,如果全部用完再去扩容的话,性能会下降,存取效率也会受到影响。在HashMap中,如果用了数组大小的0.75倍,也就是四分之三的容量之后,就需要扩容
/** * The load factor used when none specified in constructor. */ static final float DEFAULT_LOAD_FACTOR = 0.75f;
如数组大小定义为16,当超过12的时候,就要求去进行扩容,那么在HashMap中肯定会有一个值去记录目前占用的空间内存:
/** * The number of key-value mappings contained in this map. */ transient int size;
我们用size来记录目前占用的空间内存,大家看一下HashMap中最常用的put方法中有这么一串代码:
if (++size > threshold) resize();
// (The javadoc description is true upon serialization. // Additionally, if the table array has not been allocated, this // field holds the initial array capacity, or zero signifying // DEFAULT_INITIAL_CAPACITY.) int threshold;
这串代码的含义是什么呢?
每当我们往HashMap中put一个值后,size就会增加1,这个threshold我们通过英文注释可以了解到,这个变量就是我们之前说的那个要求扩容的临界值,是现有内存的0.75倍。当现在的内容超过这个临界值时,就需要进行扩容了。
3.链表的长度是如何限制的呢?
让我们去源码中看一下在Hashmap中链表的长度是如何限制的呢?
/** * The bin count threshold for using a tree rather than list for a * bin. Bins are converted to trees when adding an element to a * bin with at least this many nodes. The value must be greater * than 2 and should be at least 8 to mesh with assumptions in * tree removal about conversion back to plain bins upon * shrinkage. */ static final int TREEIFY_THRESHOLD = 8;
在源码中我们可以看到HashMap链表的长度限制为8。但是,通过英文注释我们可以看到,当链表的长度并不是不能超过8,当长度大于8时,数据结构会变形,表现形式就变成了红黑树(JDK1.8之后)。
三. 源码分析
基本的数据结构和Hashmap的设计思想我们已经大概了解了,现在我们要去正式的走近HashMap的源码了
HashMap最核心的代码肯定是我们经常用的put和get方法。
put方法:
/** * Associates the specified value with the specified key in this map. * If the map previously contained a mapping for the key, the old * value is replaced. * * @param key key with which the specified value is to be associated * @param value value to be associated with the specified key * @return the previous value associated with key, or * null if there was no mapping for key. * (A null return can also indicate that the map * previously associated null with key.) */ public V put(K key, V value) { return putVal(hash(key), key, value, false, true); }
在put方法中,key和value这两个参数我们已经了解了,那么,这个hash(key)是什么含义呢?
首先,我们要先考虑一个问题,每当一个node结点进入HashMap中时,究竟该放入哪里呢?
结论就是:这个key值通过这个hash函数过滤之后的数值就是存放位置的一个标识,让我们去看一下这个hash函数是如何实现的
static final int hash(Object key) { int h; return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16); }
从这里我们可以看出,这个不仅仅是得到key的hashcode值那么简单,还做了一些操作,那么为什么要如此复杂的计算这个数值呢?
这是因为hashcode容易重复,不同的元素存储时容易处在同一个数组的下标位置,还有一个问题,这个hashcode值较大,容易出现数组越界的问题。
这里将hashcode值与他本身向右位移了16位的值做了一个异或。总结一下就是:
hash函数就是将高16位和低16位做一个异或运算,然后得到一个结果来确定node节点的存放位置
作用:尽量让Node落点分布均匀,减少碰撞的一个概率,如果碰撞概率高了,就势必导致数组下标下的链表长度太长。
在这里,我们举个具体的数值去观察一下,一个Key的hashcode如果是3254239,他的高16位不变,与他的低16位做一个异或得到的值为3812。
那我们存放的位置就是table[3812]吗?,显然这个长度太大了,我们还是得去限制一下这个长度,保证这个数组下标的位置在我们定义的数组大小之内。
那么假如我们的数组大小为16的话,我们可以将3812对16取余
3812 % 16 < 16,我们发现,这样去做的话取到的数值一定会小于我们定义的数组大小。那么,在hashmap源码中是这样实现的吗?
n = (tab = resize()).length; if ((p = tab[i = (n - 1) & hash]) == null)
奇怪的是,我们设想的方式是取模,为什么源码中取了(n-1)和hash值的与运算呢?让我们去看一下他们的值是否是等价的。
按照源码中来说,这个数组下标就是 (16 - 1) & 3812 = 15 & 3812,
那么我们就要去证明 15 & 3812 === 3812 % 16 这个是否成立
15用二进制表示是 001111, 那么不管3812的二进制数是什么,他们的与运算的值也永远不会超过15,就是>=15,我们发现这和我们的取模运算的结果是一样的,这是hashmap源码里一个比较精秒的地方。
那为什么要用这种方式呢?
因为与运算要比我们的取模运算速度快,效率高
我们再回过头看一串代码
/** * The default initial capacity - MUST be a power of two. */ static final int DEFAULT_INITIAL_CAPACITY = 1 << 4; // aka 16
在这里,为什么要一定强调 数组的大小必须是2的n次幂呢,让我们举个例子来看一下,如果数组的自定义初始化大小为15
那么 15 -1 = 14 ,14用二进制表示就是001110,那么与hash值做了与运算之后,得到的这个数值可能就会大于这个数组大小的规定值,还有就是不论hash值的这位数字是0还是1,得到的这个位数总会是0,那么结点的落点位置就很可能会重叠在一起,所以,这个数组的大小必须是2的n次幂。
那么,2的n次幂减1的二进制数的后几位一定是1吗?我们验证一下
16 15 01111
32 31 011111
64 63 0111111,没有问题
推出: 数组大小不够用了,我希望扩大数组的大小,也要 * 2。
做了这么多的铺垫,接下来让我们完整的去看一下HashMap中的put方法
1 /** 2 * Implements Map.put and related methods 3 * 4 * @param hash hash for key 5 * @param key the key 6 * @param value the value to put 7 * @param onlyIfAbsent if true, don't change existing value 8 * @param evict if false, the table is in creation mode. 9 * @return previous value, or null if none10 */11 final V putVal(int hash, K key, V value, boolean onlyIfAbsent,12 boolean evict) {13 //定义几个局部变量供接下来使用14 Node[] tab; Node p; int n, i;15 //这里将全局变量table,也就是我们刚才说的数组形式,赋给了局部变量tab16 if ((tab = table) == null || (n = tab.length) == 0)17 //如果数组的大小为空,就用resize方法来对数组进行初始化18 n = (tab = resize()).length;19 //计算节点的落点位置20 if ((p = tab[i = (n - 1) & hash]) == null)21 //如果为空则可以放置22 tab[i] = newNode(hash, key, value, null);23 else {24 //如果数组该位置有节点,则往下压,为链表结构25 Node e; K k;26 //如果key的值是一样的,则保留老值27 if (p.hash == hash &&28 ((k = p.key) == key || (key != null && key.equals(k))))29 e = p;30 else if (p instanceof TreeNode)31 //如果发现下面的结构已经是一个二叉树的话,就用红黑树的方式去储存32 e = ((TreeNode )p).putTreeVal(this, tab, hash, key, value);33 else {34 //遍历链表35 for (int binCount = 0; ; ++binCount) {36 if ((e = p.next) == null) {37 //如果下一个节点为空,则可以放置38 p.next = newNode(hash, key, value, null);39 //如果放置之后正好为8的话,要进行链表向红黑树转化的过程40 if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st41 treeifyBin(tab, hash);42 break;43 }44 if (e.hash == hash &&45 ((k = e.key) == key || (key != null && key.equals(k))))46 break;47 p = e;48 }49 }50 if (e != null) { // existing mapping for key51 //key值重复的话,保留老的值52 V oldValue = e.value;53 if (!onlyIfAbsent || oldValue == null)54 e.value = value;55 afterNodeAccess(e);56 return oldValue;57 }58 }59 ++modCount;60 //判断数组的大小是否超过了一个阈值,0.75倍的值61 if (++size > threshold)62 //超过大小后重新初始化 63 resize();64 afterNodeInsertion(evict);65 return null;66 }
我们发现这个resize()方法调用了两次,他的作用是:
1.数组的初始化
2.数组的扩容
源码分析:resize()
/** * Initializes or doubles table size. If null, allocates in * accord with initial capacity target held in field threshold. * Otherwise, because we are using power-of-two expansion, the * elements from each bin must either stay at same index, or move * with a power of two offset in the new table. * * @return the table */ final Node[] resize() { //定义数组 Node [] oldTab = table; //如果数组存在,oldCap代表数组的长度 int oldCap = (oldTab == null) ? 0 : oldTab.length; int oldThr = threshold; int newCap, newThr = 0; if (oldCap > 0) { //如果数组的大小大于0 if (oldCap >= MAXIMUM_CAPACITY) { //如果数组的大小大于最大值,不需要扩容 threshold = Integer.MAX_VALUE; return oldTab; } //进行扩容,位运算,相当于乘以2 else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY && oldCap >= DEFAULT_INITIAL_CAPACITY) //相应的临界值(阈值)也要乘2 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); } 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 [] newTab = (Node [])new Node[newCap]; //扩容之后要把原来的部分数据移到扩容的部分 table = newTab; if (oldTab != null) { //遍历之前的节点 for (int j = 0; j < oldCap; ++j) { Node e; if ((e = oldTab[j]) != null) { //如果该节点不为空,则将他置为空 oldTab[j] = null; //判断下面的节点是否为空 if (e.next == null) //计算新的落点 newTab[e.hash & (newCap - 1)] = e; else if (e instanceof TreeNode) //如果下面是红黑树 ((TreeNode )e).split(this, newTab, j, oldCap); else { // preserve order //如果是链表 Node loHead = null, loTail = null; Node hiHead = null, hiTail = null; Node next; //判断链表的下一个是否为空 do { next = e.next; if ((e.hash & oldCap) == 0) { //省去了e.hash和oldcap-1 的与操作,如果为0,则hash的第5位是0,则不需要去移动 if (loTail == null) loHead = e; else loTail.next = e; loTail = e; } else { //如果需要移动的话 if (hiTail == null) hiHead = e; else hiTail.next = e; hiTail = e; } } while ((e = next) != null); if (loTail != null) { loTail.next = null; newTab[j] = loHead; } if (hiTail != null) { hiTail.next = null; newTab[j + oldCap] = hiHead; //链表的移动就是自己所处的位 置加上原来老的容量 } } } } } return newTab; }
接着,我们去看了看get方法的源码,发现和put方法大同小异,也是通过key去找到对应的节点,然后根据数组或者红黑树这些结构去判断,然后获取节点的key和value。
分享阿里的一个hashmap的面试题:
通过hashmap的初步了解,到hashmap数据结构的分析,到源码的透彻分析,相信你们对hashmap已经有了充分的了解。