本文主要是介绍迟到一年HashMap解读,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!
HashMap
和List
这两个类是我们在Java语言编程时使用的频率非常高集合类。“知其然,更要知其所以然”。HashMap
认识我已经好多年了,对我在工作中一直也尽心尽力的提供帮助。我从去年开始就想去它家拜访来着,可是经常因为各种各样的原因让其遗忘在路过的风景中。(文章大部分源码基于jdk1.7)。
HashMap概述:
HashMap
是基于哈希表实现的键值对的集合,继承自AbstractMap
并的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
的特殊存储结构使得在获取指定元素的前需要经过哈希运算,得到目标元素在哈希表中的位置,然后再进行少量的比较即可得到元素,这使得HashMap
的查找效率很高。
HashMap的特点
- 底层实现JDK1.8之前是数组加链表,之后是数组加红黑树。
- key是用Set进行存储的,所以不允许重复(可以允许null作为key)。
- 元素的存储是无序的,每次重新扩容元素位置可能改变。
- 插入、获取的时间复杂度基本是O(1)(提前试有适当的哈希函数,让元素均匀分布分布)。
- 两个关键因子:初始容量,加载因子。
HashMap的数据结构
public class HashMap<K,V>extends AbstractMap<K,V>implements Map<K,V>, Cloneable, Serializable
{static final int DEFAULT_INITIAL_CAPACITY = 1 << 4; // aka 16static final int MAXIMUM_CAPACITY = 1 << 30;static final float DEFAULT_LOAD_FACTOR = 0.75f;static final Entry<?,?>[] EMPTY_TABLE = {};transient Entry<K,V>[] table = (Entry<K,V>[]) EMPTY_TABLE;transient int size;int threshold;final float loadFactor;transient int modCount;static final int ALTERNATIVE_HASHING_THRESHOLD_DEFAULT = Integer.MAX_VALUE;/**********部分代码省略**********/static class Entry<K,V> implements Map.Entry<K,V> {final K key;V value;Entry<K,V> next;int hash;/**********部分代码省略**********/}/**********部分代码省略**********/
}
HashMap
中主要存储着一个Entry
的数组table
,Entry
就是数组中的元素,Entry
实现了Map.Entry
所以其实Entry
就是一个key-value
对,并且它持有一个指向下一个元素的引用,这样构成了链表(在java8
中Entry
改名为Node
,因为在Java8
中Entry
不仅有链表形式还有树型结构,对应的类为TreeNode
)。
HashMap的构造
/*** Constructs an empty <tt>HashMap</tt> with the specified initial* capacity and load factor.** @param initialCapacity the initial capacity* @param loadFactor the load factor* @throws IllegalArgumentException if the initial capacity is negative* or the load factor is nonpositive*/
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;threshold = initialCapacity;init();
}
public HashMap(int initialCapacity) {this(initialCapacity, DEFAULT_LOAD_FACTOR);
}
public HashMap() {this(DEFAULT_INITIAL_CAPACITY, DEFAULT_LOAD_FACTOR);
}
public HashMap(Map<? extends K, ? extends V> m) {this(Math.max((int) (m.size() / DEFAULT_LOAD_FACTOR) + 1,DEFAULT_INITIAL_CAPACITY), DEFAULT_LOAD_FACTOR);inflateTable(threshold);putAllForCreate(m);
}
主要有两个参数,initialCapacity初始容量、loadFactor加载因子。
这两个属性在类定义时候都赋有默认值分别为16
和0.75
。
table
数组默认值为EMPTY_TABLE
,在添加元素的时候判断table
是否为EMPTY_TABLE
来调用inflateTable
。在构造HashMap
实例的时候默认threshold阈值等于初始容量。当构造方法的参数为Map时,调用inflateTable(threshold)
方法对table
数组容量进行设置:
/*** Inflates the table.*/
private void inflateTable(int toSize) {// Find a power of 2 >= toSizeint capacity = roundUpToPowerOf2(toSize);//更新阈值threshold = (int) Math.min(capacity * loadFactor, MAXIMUM_CAPACITY + 1);table = new Entry[capacity];initHashSeedAsNeeded(capacity);
}
//返回一个比初始容量大的最小的2的幂数,如果number为2的整数幂值那么直接返回,最小为1,最大为2^31。
private static int roundUpToPowerOf2(int number) {// assert number >= 0 : "number must be non-negative";return number >= MAXIMUM_CAPACITY? MAXIMUM_CAPACITY: (number > 1) ? Integer.highestOneBit((number - 1) << 1) : 1;
}
//返回一个不大于i的2的整数次幂
public static int highestOneBit(int i) {// HD, Figure 3-1i |= (i >> 1);//i的二进制右边2位为1 。i |= (i >> 2);//i的二进制右边4位为1。i |= (i >> 4);//i的二进制右边8位为1。i |= (i >> 8);//i的二进制右边16位为1。i |= (i >> 16);//i的二进制右边32位为1。//这样5次移位后再进行与操作,i的所有非0低位全部变成1;return i - (i >>> 1);//i减去所有底位的1,只留一个高为的1
}
为什么桶的容量要是2的指数,后面会讲到这样有助于添加元素时减少哈希冲突。
HashMap的存取实现
HashMap的put方法
- 获取key的hashcode
- 二次hash
- 通过hash找到对应的index
- 插入链表
//HashMap添加元素
public V put(K key, V value) {//table没有初始化size=0,先调用inflateTable对table容器进行扩容if (table == EMPTY_TABLE) {inflateTable(threshold);}//在hashMap增加key=null的键值对if (key == null)return putForNullKey(value);//计算key的哈希值int hash = hash(key);//计算在table数据中的bucketIndexint i = indexFor(hash, table.length);//遍历table[i]的链表,如果节点不为null,通过循环遍历链表的下一个元素for (Entry<K,V> e = table[i]; e != null; e = e.next) {Object k;//找到对应的key,则将value进行替换if (e.hash == hash && ((k = e.key) == key || key.equals(k))) {V oldValue = e.value;e.value = value;e.recordAccess(this);return oldValue;}}//没有找到对应的key的Entry,则需要对数据进行modify,modCount加一modCount++;//将改key,value添加入table中addEntry(hash, key, value, i);return null;
}
//添加Entry
void addEntry(int hash, K key, V value, int bucketIndex) {//当前桶的长度大于于阈值,而且当前桶的索引位置不为null。则需要对桶进行扩容if ((size >= threshold) && (null != table[bucketIndex])) {//对桶进行扩容resize(2 * table.length);//重新计算hash值hash = (null != key) ? hash(key) : 0;//重新计算当前需要插入的桶的位置bucketIndex = indexFor(hash, table.length);}//在bucketIndex位置创建EntrycreateEntry(hash, key, value, bucketIndex);
}
//创建Entry
void createEntry(int hash, K key, V value, int bucketIndex) {//找到当前桶的当前链表的头节点Entry<K,V> e = table[bucketIndex];//新创建一个Entry将其插入在桶的bucketIndex位置的链表的头部table[bucketIndex] = new Entry<>(hash, key, value, e);size++;
}
获取key的hashcode并进行二次hash
final int hash(Object k) {int h = hashSeed;if (0 != h && k instanceof String) {return sun.misc.Hashing.stringHash32((String) k);}h ^= k.hashCode();// This function ensures that hashCodes that differ only by// constant multiples at each bit position have a bounded// number of collisions (approximately 8 at default load factor).h ^= (h >>> 20) ^ (h >>> 12);return h ^ (h >>> 7) ^ (h >>> 4);
}
为什么这么进行二次hash,目的是唯一的就是让产生的hashcode散列均匀。在网络上也找了一些关于hash值获取的介绍,下边是我找到感觉比较靠谱的一篇文章中关于hash算法的解析:
假设h^key.hashCode()
的值为:0x7FFFFFFF
,table.length
为默认值16。
上面算法执行
得到当前的索引index=15
,index = h & (length-1)
,h&15
等于获取h的二进制的后4位。
我们对其中h\^(h>>>7)^(h>>>4)
的结果中的位运行标识是把h>>>7
换成 h>>>
8来看一下:
即最后h\^(h>>>8)^(h>>>4)
运算后hashCode
值每位数值如下:
8=8
7=7^8
6=678
5=5^8^7^6
4=4^7^6^5^8
3=3^8^6^5^8^4^7 ------------> 3^4^5^6^7
2=2^7^5^4^7^3^8^6 ---------> 2^3^4^5^6^8
1=1^6^4^3^8^6^2^7^5 ------> 1^2^3^4^5^7^8
算法中是采用h>>>7
而不是h>>>8
的算法,应该是考虑1、2、3三位出现重复位\^
运算的情况。使得最低位上原hashCode
的8位都参与了\^
运算,所以在table.length
为默认值16的情况下面,hashCode
任意位的变化基本都能反应到最终hash table
定位算法中,这种情况下只有原hashCode
第3位高1位变化不会反应到结果中,即:0x7FFFF7FF的index=15。
从整个二次hash
的解析过程来看,通过多次位移和多次与操作获取的hashcode
。每当key
的hashcode
有任何变化的时候都能影响到二次hash
后的底位的不同,这样在下边根据hash
获取在桶上的索引的时候最大减少哈希冲突。
获取hash在桶上的索引:
当我们想找一个hash函数想让均匀分布在桶中时,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。而JDK中的实现hash根数组的长度-1做一次“&”操作。
//找到当前的hash在桶的分布节点位置
static int indexFor(int h, int length) {// assert Integer.bitCount(length) == 1 : "length must be a non-zero power of 2";return h & (length-1);
}
这里需要讲一下为什么index=h&(length-1)呢?因为HashMap中的数组长度为2的指数。(lenth-1)的值恰好是数组能容纳的最大容量,且在二进制下每位都是1。所以在经过二次hash之后所获取的code,就能通过一次与操作(取hash值的底位)让其分布在table桶中。
HashMap的get方法
在理解了put之后,get就很简单了。大致思路如下:
bucket里的第一个节点,直接命中;
- 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)。
//HashMap的get方法
public V get(Object key) {//获取key为null的valueif (key == null)return getForNullKey();//获取key对应的Entry实例Entry<K,V> entry = getEntry(key);return null == entry ? null : entry.getValue();
}
//获取Entry
final Entry<K,V> getEntry(Object key) {if (size == 0) {return null;}//计算key的hash值int hash = (key == null) ? 0 : hash(key);//根据hash调用indexFor方法找到当前key对应的桶的index,遍历该节点对应的链表for (Entry<K,V> e = table[indexFor(hash, table.length)];e != null;e = e.next) {Object k;//判断当前Entry的hash、key的hash和Entry的key、key是否相等if (e.hash == hash &&((k = e.key) == key || (key != null && key.equals(k))))return e;}return null;
}
HashMap的扩容
当HashMap中的元素越来越多的时候,因为数组的长度是固定的所以hash冲突的几率也就越来越高,桶的节点处的链表就越来越长,这个时候查找元素的时间复杂度相应的增加。为了提高查询的效率,就要对HashMap的数组进行扩容(这是一个常用的操作,数组扩容这个操作也会出现在ArrayList中。),而在HashMap数组扩容之后,最消耗性能的地方就出现了: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。
当HashMap中的元素个数超过阈值时,就会进行数组扩容,【loadFactor】加载因子的默认值为0.75,【threshold】阈值等于桶长乘以loadFactor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160.75=12的时候,就把数组的大小扩展为 216=32,即扩大一倍,然后重新计算每个元素在数组中的位置,
//HashMap扩容
void resize(int newCapacity) {//引用备份Entry[] oldTable = table;//原来桶的长度int oldCapacity = oldTable.length;//判断是否已经扩容到极限if (oldCapacity == MAXIMUM_CAPACITY) {threshold = Integer.MAX_VALUE;return;}//根据容器大小创新的建桶Entry[] newTable = new Entry[newCapacity];//transfer(newTable, initHashSeedAsNeeded(newCapacity));//重置桶的引用table = newTable;//重新计算阈值threshold = (int)Math.min(newCapacity * loadFactor, MAXIMUM_CAPACITY + 1);
}
//用于初始化hashSeed参数.
//其中hashSeed用于计算key的hash值,它与key的hashCode进行按位异或运算。
//这个hashSeed是一个与实例相关的随机值,主要用于解决hash冲突。
final boolean initHashSeedAsNeeded(int capacity) {boolean currentAltHashing = hashSeed != 0;boolean useAltHashing = sun.misc.VM.isBooted() &&(capacity >= Holder.ALTERNATIVE_HASHING_THRESHOLD);boolean switching = currentAltHashing ^ useAltHashing;if (switching) {hashSeed = useAltHashing? sun.misc.Hashing.randomHashSeed(this): 0;}return switching;
}
//桶中数据的迁移
void transfer(Entry[] newTable, boolean rehash) {//新的痛长int newCapacity = newTable.length;for (Entry<K,V> e : table) {//遍历桶的没一个节点的链表while(null != e) {Entry<K,V> next = e.next;//重新计算哈希值if (rehash) {e.hash = null == e.key ? 0 : hash(e.key);}//找到当前Entry在新桶中的位置int i = indexFor(e.hash, newCapacity);//将Entry添加在当桶中的bucketIndex处的链表的头部e.next = newTable[i];//将产生的新链表赋值为桶的bucketIndex处newTable[i] = e;//遍历当前链表的下一个节点e = next;}}
}
- 假设hash算法就是最简单的 key mod table.length(也就是数组的长度)。
- 最上面的是old hash 表,其中的Hash表的 size = 2, 所以 key = 3, 7, 5,在mod 2以后碰撞发生在 table[1]
- 接下来的三个步骤是 Hash表 resize 到4,并将所有的 <key,value> 重新resize到新Hash表的过程
在HashMap进行扩容的时候有一个点大家发现没,所有Entry的hash值是不需要重新计算的。因为hash值与(length - 1)取的总是hash值的二进制右边底位,扩容一次向左多取一位二进制。
有关HashMap的思考
- 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。
- 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。
- 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
- 你知道hash的实现吗?为什么要这样实现?
在通过hashCode()
的高位与底位进行异或,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。
- 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。
JDK1.8对HashMap的改进
代码实现的不同之处
//链表切换为红黑树的阈值
static final int TREEIFY_THRESHOLD = 8;
//红黑树切花为链表的阈值
static final int UNTREEIFY_THRESHOLD = 6;
//红黑树上的节点个数满足时对整个桶进行扩容
static final int MIN_TREEIFY_CAPACITY = 64;
//红黑树
static final class TreeNode<K,V> extends LinkedHashMap.Entry<K,V> {TreeNode<K,V> parent; // red-black tree linksTreeNode<K,V> left;TreeNode<K,V> right;TreeNode<K,V> prev; // needed to unlink next upon deletionboolean red;/*************部分代码省略*****************/
}
//获取key的hashCode,并进行二次hash。二次hash只是将hashcode的高16位于第16位进行异或
static final int hash(Object key) {int h;return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}
//resize时hash冲突使用的是红黑树
final Node<K,V>[] resize() {/*************部分代码省略*****************/
}
性能的提升
哈希碰撞会对hashMap的性能带来灾难性的影响。如果多个hashCode()的值落到同一个桶内的时候,这些值是存储到一个链表中的。最坏的情况下,所有的key都映射到同一个桶中,这样hashmap就退化成了一个链表——查找时间从O(1)到O(n),而使用红黑树代替链表查找时间会变为O(logn)。
参考文章:
主题:HashMap hash方法分析
文章到这里就全部讲述完啦,若有其他需要交流的可以留言哦!!
想阅读作者的更多文章,可以查看我 个人博客 和公共号:
这篇关于迟到一年HashMap解读的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!