Java8 HashMap實現原理探究

前言:Java8以後新增挺多新東西,在網上找了些相關資料,關於HashMap在本身被血虐以後痛定思痛決定整理一下相關知識方便本身看。圖和有些內容參考的這個文章:http://www.importnew.com/16599.htmlhtml

HashMap的存儲結構如圖:一個桶(bucket)上的節點多於8個則存儲結構是紅黑樹,小於8個是單向鏈表。node

1:HashMap的一些屬性數組

public class HashMap<k,v> extends AbstractMap<k,v> implements Map<k,v>, Cloneable, Serializable {
 
    private static final long serialVersionUID = 362498820763181265L;
    
    // 默認的初始容量是16
    static final int DEFAULT_INITIAL_CAPACITY = 1 << 4;
     
    // 最大容量
    static final int MAXIMUM_CAPACITY = 1 << 30;
 
    // 默認的填充因子(之前的版本也有叫加載因子的)
    static final float DEFAULT_LOAD_FACTOR = 0.75f;
 
    // 這是一個閾值,當桶(bucket)上的鏈表數大於這個值時會轉成紅黑樹,put方法的代碼裏有用到。put的時候若是兩個值
    // 通過hash後都落在同一個bucket上這叫發生一次hash碰撞,往裏不斷put數據,當一個bucket發生8次碰撞就轉成紅黑樹。
    static final int TREEIFY_THRESHOLD = 8;
 
    // 也是閾值同上一個相反,當桶(bucket)上的鏈表數小於這個值時樹轉鏈表
    static final int UNTREEIFY_THRESHOLD = 6;
 
    // 看源碼註釋裏說是:樹的最小的容量,至少是 4 x TREEIFY_THRESHOLD = 32 而後爲了不(resizing 和 treeification thresholds) 設置成64
    static final int MIN_TREEIFY_CAPACITY = 64;
 
    // 存儲元素的數組,老是2的倍數
    transient Node<k,v>[] table;
 
    transient Set<map.entry<k,v>> entrySet;
 
    // 存放元素的個數,注意這個不等於數組的長度。
    transient int size;
 
    // 每次擴容和更改map結構的計數器
    transient int modCount;
     
    // 臨界值 當實際大小(容量*填充因子)超過臨界值時,會進行擴容
    int threshold;
 
    // 填充因子
    final float loadFactor;

2:HashMap的構造方法app

// 指定初始容量和填充因子的構造方法
public HashMap(int initialCapacity, float loadFactor) {
    // 指定的初始容量非負
    if (initialCapacity < 0)
        throw new IllegalArgumentException(Illegal initial capacity:  +
                                           initialCapacity);
    // 若是指定的初始容量大於最大容量,置爲最大容量
    if (initialCapacity > MAXIMUM_CAPACITY)
        initialCapacity = MAXIMUM_CAPACITY;
    // 填充比爲正
    if (loadFactor <= 0 || Float.isNaN(loadFactor))
        throw new IllegalArgumentException(Illegal load factor:  +
                                           loadFactor);
    this.loadFactor = loadFactor;
    // 指定容量後,tableSizeFor方法計算出臨界值,put數據的時候若是超出該值就會擴容,該值確定也是2的倍數
    // 指定的初始容量沒有保存下來,只用來生成了一個臨界值
    this.threshold = tableSizeFor(initialCapacity);
}

// 該方法保證老是返回大於cap而且是2的倍數的值,好比傳入999 返回1024
static final int tableSizeFor(int cap) {
    int n = cap - 1;
    // 向右作無符號位移
    n |= n >>> 1;
    n |= n >>> 2;
    n |= n >>> 4;
    n |= n >>> 8;
    n |= n >>> 16;
    // 三目運算符的嵌套
    return (n < 0) ? 1 : (n >= MAXIMUM_CAPACITY) ? MAXIMUM_CAPACITY : n + 1;
}

//構造函數2
public HashMap(int initialCapacity) {
    this(initialCapacity, DEFAULT_LOAD_FACTOR);
}
 
//構造函數3
public HashMap() {
    this.loadFactor = DEFAULT_LOAD_FACTOR; // all other fields defaulted
}

3:get和put的時候肯定元素在數組中的位置ide

static final int hash(Object key) {
    int h;
    return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}

要肯定位置函數

第一步:首先是要計算key的hash碼,是一個int類型數字。那後面的 h >>> 16 源碼註釋的說法是:爲了不hash碰撞(hash collisons)將高位分散到低位上了,這是綜合考慮了速度,性能等各方面因素以後作出的。 性能

第二步: h是hash碼,length是上面Node[]數組的長度,作與運算 h & (length-1)。因爲length是2的倍數-1後它的二進制碼都是1而1與上其餘數的結果多是0也多是1,這樣保證運算後的均勻性。也就是hash方法保證告終果的均勻性,這點很是重要,會極大的影響HashMap的put和get性能。看下圖對比:ui

  圖3.1是非對稱的hash結果this

                              圖3.1是非均衡的hash結果spa

                            圖3.2是均衡的hash結果

這兩個圖的數據不是不少,若是鏈表長度超過8個會轉成紅黑樹。那個時候看着會更明顯,jdk8以前一直是鏈表,鏈表查詢的複雜度是O(n)而紅黑樹因爲其自身的特色,查詢的複雜度是O(log(n))。若是hash的結果不均勻會極大影響操做的複雜度。相關的知識這裏有一個<a href="http://blog.chinaunix.net/uid-26575352-id-3061918.html">紅黑樹基礎知識博客 </a>網上還有個例子來驗證:自定義了一個對象來作key,調整hashCode()方法來看put值得時間

public class MutableKeyTest {
    public static void main(String args[]){
        class MyKey {
            Integer i;

            public void setI(Integer i) {
                this.i = i;
            }

            public MyKey(Integer i) {
                this.i = i;
            }

            @Override
            public int hashCode() {
                // 若是返回1
                // return 1
                return i;
            }

            // object做爲key存map裏,必須實現equals方法
            @Override
            public boolean equals(Object obj) {
                if (obj instanceof MyKey) {
                    return i.equals(((MyKey)obj).i);
                } else {
                    return false;
                }
            }
        }
        
        // 我機器配置不高,25000的話正常狀況27毫秒,能夠用2500萬試試,若是hashCode()方法返回1的話,250萬就卡死
        Map<MyKey,String> map = new HashMap<>(25000,1);
        Date begin = new Date();
        for (int i = 0; i < 20000; i++){
            map.put(new MyKey(i), "test " + i);
        }


        Date end = new Date();
        System.out.println("時間(ms) " + (end.getTime() - begin.getTime()));

4:get方法

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;
    // hash & (length-1)獲得紅黑樹的樹根位置或者是鏈表的表頭
    if ((tab = table) != null && (n = tab.length) > 0 &&
        (first = tab[(n - 1) & hash]) != null) {
        if (first.hash == hash && // always check first node
            ((k = first.key) == key || (key != null && key.equals(k))))
            return first;
        if ((e = first.next) != null) {
            // 若是是樹,遍歷紅黑樹複雜度是O(log(n)),獲得節點值
            if (first instanceof TreeNode)
                return ((TreeNode<k,v>)first).getTreeNode(hash, key);
            // else是鏈表結構
            do {
                if (e.hash == hash &&
                    ((k = e.key) == key || (key != null && key.equals(k))))
                    return e;
            } while ((e = e.next) != null);
        }
    }
    return null;
}

5 :put方法,put的時候根據 h & (length - 1) 定位到那個桶而後看是紅黑樹仍是鏈表再putVal

public V put(K key, V value) {
       return putVal(hash(key), key, value, false, true);
   }
 
   final V putVal(int hash, K key, V value, boolean onlyIfAbsent,
                  boolean evict) {
       Node<k,v>[] tab; Node<k,v> p; int n, i;
       // 若是tab爲空或長度爲0,則分配內存resize()
       if ((tab = table) == null || (n = tab.length) == 0)
           n = (tab = resize()).length;
       // (n - 1) & hash找到put位置,若是爲空,則直接put
       if ((p = tab[i = (n - 1) & hash]) == null)
           tab[i] = newNode(hash, key, value, null);
       else {
           Node<k,v> e; K k;
           // 第一節節點hash值同,且key值與插入key相同
           if (p.hash == hash &&((k = p.key) == key || (key != null && key.equals(k))))
               e = p;
           else if (p instanceof TreeNode)
               // 紅黑樹的put方法比較複雜,putVal以後還要遍歷整個樹,必要的時候修改值來保證紅黑樹的特色
               e = ((TreeNode<k,v>)p).putTreeVal(this, tab, hash, key, value);
           else {
               // 鏈表
               for (int binCount = 0; ; ++binCount) {
                   if ((e = p.next) == null) {
                       // e爲空,表示已到表尾也沒有找到key值相同節點,則新建節點
                       p.next = newNode(hash, key, value, null);
                       // 新增節點後若是節點個數到達閾值,則將鏈表轉換爲紅黑樹
                       if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st
                           treeifyBin(tab, hash);
                       break;
                   }
                   // 允許空key空value
                   if (e.hash == hash &&((k = e.key) == key || (key != null && key.equals(k))))
                       break;
                   p = e;
               }
           }
           // 更新hash值和key值均相同的節點Value值
           if (e != null) { // existing mapping for key
               V oldValue = e.value;
               if (!onlyIfAbsent || oldValue == null)
                   e.value = value;
               afterNodeAccess(e);
               return oldValue;
           }
       }
       ++modCount;
       if (++size > threshold)
           resize();
       afterNodeInsertion(evict);
       return null;
   }

6:resize方法

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) {
            if (oldCap >= MAXIMUM_CAPACITY) {
                threshold = Integer.MAX_VALUE;
                return oldTab;
            }
            // 這一句比較重要,能夠看出每次擴容是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);
        }
        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) {
            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;
                            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);
                        if (loTail != null) {
                            loTail.next = null;
                            newTab[j] = loHead;
                        }
                        if (hiTail != null) {
                            hiTail.next = null;
                            newTab[j + oldCap] = hiHead;
                        }
                    }
                }
            }
        }
        return newTab;
    }
相關文章
相關標籤/搜索