上一篇文章中提到了ThreadLocalMap是使用開放地址法來解決衝突問題的,而咱們今天的主角HashMap是採用了鏈表法來處理衝突的,什麼是鏈表法呢?java
在散列表中,每一個 「 桶(bucket)」 或者 「 槽(slot)」 會對應一條鏈表,全部散列值相同的元素咱們都放到相同槽位對應的鏈表中。node
jdk8和jdk7不同,jdk7中沒有紅黑樹,數組中只掛載鏈表。而jdk8中在桶容量大於等於64且鏈表節點數大於等於8的時候轉換爲紅黑樹。當紅黑樹節點數量小於6時又會轉換爲鏈表。數組
但插入的時候,咱們只須要經過散列函數計算出對應的槽位,將其插入到對應鏈表或者紅黑樹便可。若是此時元素數量超過了必定值則會進行擴容,同時進行rehash.安全
經過散列函數計算出對應的槽,而後遍歷鏈表或者刪除bash
上一篇文章有提到過經過裝載因子來斷定空閒槽位還有多少,若是超過裝載因子的值就會動態擴容,HashMap會擴容爲原來的兩倍大小(初始容量爲16,即槽(數組)的大小爲16)。可是不管負載因子和散列函數設得再合理,也避免不了鏈表過長的狀況,一旦鏈表過長查找和刪除元素就比較耗時,影響HashMap性能,因此JDK8中對其進行了優化,當鏈表長度大於等於8的時候將鏈表轉換爲紅黑樹,利用紅黑樹的特色(查找、插入、刪除的時間複雜度最壞爲O(logn)),能夠提升HashMap的性能。當節點個數少於6個的時候,又會將紅黑樹轉化爲鏈表。由於在數據量較小的狀況下,紅黑樹要維持平衡,比起鏈表來,性能上的優點並不明顯,並且編碼難度比鏈表要大上很多。數據結構
public HashMap(int initialCapacity, float loadFactor);
public HashMap(int initialCapacity);
public HashMap();
複製代碼
HashMap的構造方法中能夠分別指定初始化容量(bucket大小)以及負載因子,若是不指定默認值分別是16和0.75.它幾個重要屬性以下:多線程
// 初始化容量,必需要2的n次冪
static final int DEFAULT_INITIAL_CAPACITY = 1 << 4; // aka 16
// 負載因子默認值
static final float DEFAULT_LOAD_FACTOR = 0.75f;
// 須要從鏈表轉換爲紅黑樹時,鏈表節點的最小長度
static final int TREEIFY_THRESHOLD = 8;
// 轉換爲紅黑樹時數組的最小容量
static final int MIN_TREEIFY_CAPACITY = 64;
// resize操做時,紅黑樹節點個數小於6則轉換爲鏈表。
static final int UNTREEIFY_THRESHOLD = 6;
// HashMap閾值,用於判斷是否須要擴容(threshold = 容量*loadFactor)
int threshold;
// 負載因子
final float loadFactor;
// 鏈表節點
static class Node<K,V> implements Map.Entry<K,V> {
final int hash;
final K key;
V value;
Node<K,V> next;
}
// 保存數據的數組
transient Node<K,V>[] table;
// 紅黑樹節點
static final class TreeNode<K,V> extends LinkedHashMap.Entry<K,V> {
TreeNode<K,V> parent; // red-black tree links
TreeNode<K,V> left;
TreeNode<K,V> right;
TreeNode<K,V> prev; // needed to unlink next upon deletion
boolean red;
}
複製代碼
上面的table就是存儲數據的數組(能夠叫作桶或者槽),數組掛載的是鏈表或者紅黑樹。值得一提的是構造HashMap的時候並無初始化數組容量,而是在第一次put元素的時候才進行初始化的。併發
int hash = (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
int index = hash & (tab.length-1);
複製代碼
從上面能夠看出,key爲null是時候放到數組中的第一個位置的,咱們通常定位key應當存放在數組哪一個位置的時候通常是這樣作的 key.hashCode() % tab.length
。可是當tab.length是2的n次冪的時候,就能夠轉換爲 A % B = A & (B-1)
;因此 index = hash & (tab.length-1)
就能夠理解了。app
這裏是使用了除留餘數法的理念來設計的,能夠可能減小hash衝突 除留餘數法 : 用關鍵字K除以某個不大於hash表長度m的數p,將所得餘數做爲hash表地址 好比x/8=x>>3,即把x右移3位,獲得了x/8的商,被移掉的部分(後三位),則是x%8,也就是餘數。函數
而對於hash值的運算爲何是(h = key.hashCode()) ^ (h >>> 16)
呢?也就是爲何要向右移16位呢?直接使用 key.hashCode() & (tab.length -1)
很差嗎? 若是這樣作,因爲tab.length確定是遠遠小於hash值的,因此位運算的時候只有低位才參與運算,而高位毫無做爲,會帶來hash衝突的風險。
而hashcode自己是一個32位整形值,向右移位16位以後再進行異或運行計算出來的整形將具備高位和低位的性質,就能夠獲得一個很是隨機的hash值,在經過除留餘數法,獲得的index就更低機率的減小了衝突。
final V putVal(int hash, K key, V value, boolean onlyIfAbsent, boolean evict) {
Node<K,V>[] tab; Node<K,V> p; int n, i;
// 1. 若是數組未初始化,則初始化數組
if ((tab = table) == null || (n = tab.length) == 0)
n = (tab = resize()).length;
// 2. 若是當前節點未被插入數據(未碰撞),則直接new一個節點進行插入
if ((p = tab[i = (n - 1) & hash]) == null)
tab[i] = newNode(hash, key, value, null);
else {
Node<K,V> e; K k;
// 3. 碰撞了,已存在相同的key,則進行覆蓋
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
e = p;
else if (p instanceof TreeNode)
// 4. 碰撞後發現爲樹結構,則掛載在樹上
e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
else {
for (int binCount = 0; ; ++binCount) {
// 5. 進行尾插入,若是鏈表節點數達到上線則轉換爲紅黑樹
if ((e = p.next) == null) {
p.next = newNode(hash, key, value, null);
if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st
treeifyBin(tab, hash);
break;
}
// 6. 鏈表中碰撞了
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
break;
p = e;
}
}
// 7. 用新value替換舊的value
if (e != null) { // existing mapping for key
V oldValue = e.value;
if (!onlyIfAbsent || oldValue == null)
e.value = value;
afterNodeAccess(e);
return oldValue;
}
}
++modCount;
// 8. 操做閾值則進行擴容
if (++size > threshold)
resize();
// 給LinkedHashMap實現
afterNodeInsertion(evict);
return null;
}
複製代碼
簡述下put的邏輯,它主要分爲如下幾個步驟:
resize()方法中,若是發現當前數組未初始化,則會初始化數組。若是已經初始化,則會將數組容量擴容爲以前的兩倍,同時進行rehash(將舊數組的數據移動到新的數組).JDK8的rehash過程頗有趣,相比JDK7作了很多優化,咱們來看下這裏的rehash過程。
// 數組擴容爲以前2倍大小的代碼省略,這裏主要分析rehash過程。
if (oldTab != null) {
// 遍歷舊數組
for (int j = 0; j < oldCap; ++j) {
Node<K,V> e;
if ((e = oldTab[j]) != null) {
oldTab[j] = null;
// 1. 若是舊數組中不存在碰撞,則直接移動到新數組的位置
if (e.next == null)
newTab[e.hash & (newCap - 1)] = e;
else if (e instanceof TreeNode)
// 2. 若是存在碰撞,且節點類型是樹節點,則進行樹節點拆分(掛載到擴容後的數組中或者轉爲鏈表)
((TreeNode<K,V>)e).split(this, newTab, j, oldCap);
else { // preserve order
// 3. 處理衝突是鏈表的狀況,會保留原有節點的順序
Node<K,V> loHead = null, loTail = null;
Node<K,V> hiHead = null, hiTail = null;
Node<K,V> next;
do {
next = e.next;
// 4. 判斷擴容後元素是否在原有的位置(這裏很是巧妙,下面會分析)
if ((e.hash & oldCap) == 0) {
if (loTail == null)
loHead = e;
else
loTail.next = e;
loTail = e;
}
// 5. 元素不是在原有位置
else {
if (hiTail == null)
hiHead = e;
else
hiTail.next = e;
hiTail = e;
}
} while ((e = next) != null);
// 6. 將擴容後未改變index的元素複製到新數組
if (loTail != null) {
loTail.next = null;
newTab[j] = loHead;
}
// 7. 將擴容後改變了index位置的元素複製到新數組
if (hiTail != null) {
hiTail.next = null;
// 8. index改變後,新的下標是j+oldCap,這裏也很巧妙,下面會分析
newTab[j + oldCap] = hiHead;
}
}
}
}
}
複製代碼
上面的代碼中展示了整個rehash的過程,先遍歷舊數組中的元素,接着作下面的事情
index=e.hash & (newCap - 1)
。(e.hash & oldCap) == 0
判斷,oldCap表示擴容前數組的大小。j + oldCap
。其中第4點和第5點中將鏈表的元素分爲兩部分(do..while部分),一部分是rehash後index未改變的元素,一部分是index被改變的元素。分別用兩個指針來指向頭尾節點。
好比當oldCap=8時,1-->9-->17都掛載在tab[1]上,而擴容後,1-->17掛載在tab[1]上,9掛載在tab[9]上。
那麼是如何肯定rehash後index是否被改變呢?改變以後的index又變成了多少呢?
這裏的設計非常巧妙,還記得HashMap中數組大小是2的n次冪嗎?當咱們計算索引位置的時候,使用的是 e.hash & (tab.length -1)。
這裏咱們討論數組大小從8擴容到16的過程。
tab.length -1 = 7 0 0 1 1 1
e.hashCode = x 0 x x x x
==============================
0 0 y y y
複製代碼
能夠發如今擴容前index的位置由hashCode的低三位來決定。那麼擴容後呢?
tab.length -1 = 15 0 1 1 1 1
e.hashCode = x x x x x x
==============================
0 z y y y
複製代碼
擴容後,index的位置由低四位來決定,而低三位和擴容前一致。也就是說擴容後index的位置是否改變是由高字節來決定的,也就是說咱們只須要將hashCode和高位進行運算便可獲得index是否改變。
而恰好擴容以後的高位和oldCap的高位同樣。如上面的15二進制是1111,而8的二進制是1000,他們的高位都是同樣的。因此咱們經過e.hash & oldCap運算的結果便可判斷index是否改變。
同理,若是擴容後index該變了。新的index和舊的index的值也是高位不一樣,其新值恰好是 oldIndex + oldCap的值。因此當index改變後,新的index是 j + oldCap。
至此,resize方法結束,元素被插入到了該有的位置。
get()的方法就相對來講要簡單一些了,它最重要的就是找到key是存放在哪一個位置
final Node<K,V> getNode(int hash, Object key) {
Node<K,V>[] tab; Node<K,V> first, e; int n; K k;
// 1. 首先(n-1) & hash肯定元素位置
if ((tab = table) != null && (n = tab.length) > 0 &&
(first = tab[(n - 1) & hash]) != null) {
// 2. 判斷第一個元素是不是咱們須要找的元素
if (first.hash == hash &&
((k = first.key) == key || (key != null && key.equals(k))))
return first;
if ((e = first.next) != null) {
// 3. 節點若是是樹節點,則在紅黑樹中尋找元素
if (first instanceof TreeNode)
return ((TreeNode<K,V>)first).getTreeNode(hash, key);
4. 在鏈表中尋找對應的節點
do {
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
return e;
} while ((e = e.next) != null);
}
}
return null;
}
複製代碼
remove方法尋找節點的過程和get()方法尋找節點的過程是同樣的,這裏咱們主要分析尋找到節點後是如何處理的
if (node != null && (!matchValue || (v = node.value) == value ||
(value != null && value.equals(v)))) {
// 1. 刪除樹節點,刪除時若是不平衡會從新移動節點位置
if (node instanceof TreeNode)
((TreeNode<K,V>)node).removeTreeNode(this, tab, movable);
// 刪除的節點是鏈表第一個節點,則直接將第二個節點賦值爲第一個節點
else if (node == p)
tab[index] = node.next;
// 刪除的節點是鏈表的中間節點,這裏的p爲node的prev節點
else
p.next = node.next;
++modCount;
--size;
afterNodeRemoval(node);
return node;
}
複製代碼
remove方法中,最爲複雜的部分應該是removeTreeNode部分,由於刪除紅黑樹節點後,可能須要退化爲鏈表節點,還可能因爲不知足紅黑樹特色,須要移動節點位置。 代碼也比較多,這裏就不貼上來了。但也所以佐證了爲何不所有使用紅黑樹來代替鏈表。
/** * Transfers all entries from current table to newTable. */
void transfer(Entry[] newTable) {
Entry[] src = table;
int newCapacity = newTable.length;
for (int j = 0; j < src.length; j++) {
Entry<K,V> e = src[j];
if (e != null) {
src[j] = null;
do {
// B線程執行到這裏以後就暫停了
Entry<K,V> next = e.next;
int i = indexFor(e.hash, newCapacity);
e.next = newTable[i];
// 會把元素放到鏈表頭,因此擴容後數據會被倒置
newTable[i] = e;
e = next;
} while (e != null);
}
}
}
複製代碼
擴容時上面的代碼容易致使死循環,是怎樣致使的呢?假設有兩個線程A和B都在執行這一段代碼,數組大小由2擴容到4,在擴容前tab[1]=1-->5-->9。
當B線程執行到 next = e.next時讓出時間片,A線程執行完整段代碼可是尚未將內部的table設置爲新的newTable時,線程B繼續執行。
此時A線程執行完成以後,掛載在tab[1]的元素是9-->5-->1,注意這裏的順序被顛倒了。此時e = 1, next = 5;
tab[i]的按照循環次數變動順序, 1. tab[i]=1, 2. tab[i]=5-->1, 3. tab[i]=9-->5-->1
一樣B線程咱們也按照循環次數來分析
當在數組該位置get尋找對應的key的時候,就發生了死循環,引發CPU 100%問題。
而JDK8就不會出現這個問題,它在這裏就有一個優化,它使用了兩個指針來分別指向頭節點和尾節點,並且還保證了元素本來的順序。 固然HashMap仍然是不安全的,因此在多線程併發條件下推薦使用ConcurrentHashMap。
你的點贊是對我最大的支持,固然你關注我就更好了