java中HashMap詳解

原文：http://alex09.iteye.com/blog/539545

   HashMap 和 HashSet 是 Java Collection Framework 的兩個重要成員，其中 HashMap 是 Map 接口的經常使用實現類，HashSet 是 Set 接口的經常使用實現類。雖然 HashMap 和 HashSet 實現的接口規範不一樣，但它們底層的 Hash 存儲機制徹底同樣，甚至 HashSet 自己就採用 HashMap 來實現的。 

經過 HashMap、HashSet 的源代碼分析其 Hash 存儲機制

實際上，HashSet 和 HashMap 之間有不少類似之處，對於 HashSet 而言，系統採用 Hash 算法決定集合元素的存儲位置，這樣能夠保證能快速存、取集合元素；對於 HashMap 而言，系統 key-value 當成一個總體進行處理，系統老是根據 Hash 算法來計算 key-value 的存儲位置，這樣能夠保證能快速存、取 Map 的 key-value 對。 

在介紹集合存儲以前須要指出一點：雖然集合號稱存儲的是 Java 對象，但實際上並不會真正將 Java 對象放入 Set 集合中，只是在 Set 集合中保留這些對象的引用而言。也就是說：Java 集合其實是多個引用變量所組成的集合，這些引用變量指向實際的 Java 對象。 

集合和引用 

就像引用類型的數組同樣，當咱們把 Java 對象放入數組之時，並非真正的把 Java 對象放入數組中，只是把對象的引用放入數組中，每一個數組元素都是一個引用變量。 

HashMap 的存儲實現

當程序試圖將多個 key-value 放入 HashMap 中時，以以下代碼片斷爲例： 

HashMap<String , Double> map = new HashMap<String , Double>();
map.put("語文" , 80.0);
map.put("數學" , 89.0);
map.put("英語" , 78.2);

HashMap 採用一種所謂的「Hash 算法」來決定每一個元素的存儲位置。 

當程序執行 map.put("語文" , 80.0); 時，系統將調用"語文"的 hashCode() 方法獲得其 hashCode 值——每一個 Java 對象都有 hashCode() 方法，均可經過該方法得到它的 hashCode 值。獲得這個對象的 hashCode 值以後，系統會根據該 hashCode 值來決定該元素的存儲位置。 

咱們能夠看 HashMap 類的 put(K key , V value) 方法的源代碼： 

public V put(K key, V value)
{
 // 若是 key 爲 null，調用 putForNullKey 方法進行處理
 if (key == null)
     return putForNullKey(value);
 // 根據 key 的 keyCode 計算 Hash 值
 int hash = hash(key.hashCode());
 // 搜索指定 hash 值在對應 table 中的索引
     int i = indexFor(hash, table.length);
 // 若是 i 索引處的 Entry 不爲 null，經過循環不斷遍歷 e 元素的下一個元素
 for (Entry<K,V> e = table[i]; e != null; e = e.next)
 {
     Object k;
     // 找到指定 key 與須要放入的 key 相等（hash 值相同
     // 經過 equals 比較放回 true）
     if (e.hash == hash && ((k = e.key) == key
         || key.equals(k)))
     {
         V oldValue = e.value;
         e.value = value;
         e.recordAccess(this);
         return oldValue;
     }
 }
 // 若是 i 索引處的 Entry 爲 null，代表此處尚未 Entry
 modCount++;
 // 將 key、value 添加到 i 索引處
 addEntry(hash, key, value, i);
 return null;
}

上面程序中用到了一個重要的內部接口：Map.Entry，每一個 Map.Entry 其實就是一個 key-value 對。從上面程序中能夠看出：當系統決定存儲 HashMap 中的 key-value 對時，徹底沒有考慮 Entry 中的 value，僅僅只是根據 key 來計算並決定每一個 Entry 的存儲位置。這也說明了前面的結論：咱們徹底能夠把 Map 集合中的 value 當成 key 的附屬，當系統決定了 key 的存儲位置以後，value 隨之保存在那裏便可。 

上面方法提供了一個根據 hashCode() 返回值來計算 Hash 碼的方法：hash()，這個方法是一個純粹的數學計算，其方法以下： 

static int hash(int h)
{
    h ^= (h >>> 20) ^ (h >>> 12);
    return h ^ (h >>> 7) ^ (h >>> 4);
}

對於任意給定的對象，只要它的 hashCode() 返回值相同，那麼程序調用 hash(int h) 方法所計算獲得的 Hash 碼值老是相同的。接下來程序會調用 indexFor(int h, int length) 方法來計算該對象應該保存在 table 數組的哪一個索引處。indexFor(int h, int length) 方法的代碼以下： 

static int indexFor(int h, int length)
{
    return h & (length-1);
}

這個方法很是巧妙，它老是經過 h &(table.length -1) 來獲得該對象的保存位置——而 HashMap 底層數組的長度老是 2 的 n 次方，這一點可參看後面關於 HashMap 構造器的介紹。 

當 length 老是 2 的倍數時，h & (length-1) 將是一個很是巧妙的設計：假設 h=5,length=16, 那麼 h & length - 1 將獲得 5；若是 h=6,length=16, 那麼 h & length - 1 將獲得 6 ……若是 h=15,length=16, 那麼 h & length - 1 將獲得 15；可是當 h=16 時 , length=16 時，那麼 h & length - 1 將獲得 0 了；當 h=17 時 , length=16 時，那麼 h & length - 1 將獲得 1 了……這樣保證計算獲得的索引值老是位於 table 數組的索引以內。 

根據上面 put 方法的源代碼能夠看出，當程序試圖將一個 key-value 對放入 HashMap 中時，程序首先根據該 key 的 hashCode() 返回值決定該 Entry 的存儲位置：若是兩個 Entry 的 key 的 hashCode() 返回值相同，那它們的存儲位置相同。若是這兩個 Entry 的 key 經過 equals 比較返回 true，新添加 Entry 的 value 將覆蓋集合中原有 Entry 的 value，但 key 不會覆蓋。若是這兩個 Entry 的 key 經過 equals 比較返回 false，新添加的 Entry 將與集合中原有 Entry 造成 Entry 鏈，並且新添加的 Entry 位於 Entry 鏈的頭部——具體說明繼續看 addEntry() 方法的說明。 

當向 HashMap 中添加 key-value 對，由其 key 的 hashCode() 返回值決定該 key-value 對（就是 Entry 對象）的存儲位置。當兩個 Entry 對象的 key 的 hashCode() 返回值相同時，將由 key 經過 eqauls() 比較值決定是採用覆蓋行爲（返回 true），仍是產生 Entry 鏈（返回 false）。 

上面程序中還調用了 addEntry(hash, key, value, i); 代碼，其中 addEntry 是 HashMap 提供的一個包訪問權限的方法，該方法僅用於添加一個 key-value 對。下面是該方法的代碼： 

void addEntry(int hash, K key, V value, int bucketIndex)
{
    // 獲取指定 bucketIndex 索引處的 Entry
    Entry<K,V> e = table[bucketIndex];     // ①
    // 將新建立的 Entry 放入 bucketIndex 索引處，並讓新的 Entry 指向原來的 Entry
    table[bucketIndex] = new Entry<K,V>(hash, key, value, e);
    // 若是 Map 中的 key-value 對的數量超過了極限
    if (size++ >= threshold)
        // 把 table 對象的長度擴充到 2 倍。
        resize(2 * table.length);    // ②
}

上面方法的代碼很簡單，但其中包含了一個很是優雅的設計：系統老是將新添加的 Entry 對象放入 table 數組的 bucketIndex 索引處——若是 bucketIndex 索引處已經有了一個 Entry 對象，那新添加的 Entry 對象指向原有的 Entry 對象（產生一個 Entry 鏈），若是 bucketIndex 索引處沒有 Entry 對象，也就是上面程序①號代碼的 e 變量是 null，也就是新放入的 Entry 對象指向 null，也就是沒有產生 Entry 鏈。 

JDK 源碼 

在 JDK 安裝目錄下能夠找到一個 src.zip 壓縮文件，該文件裏包含了 Java 基礎類庫的全部源文件。只要讀者有學習興趣，隨時能夠打開這份壓縮文件來閱讀 Java 類庫的源代碼，這對提升讀者的編程能力是很是有幫助的。須要指出的是：src.zip 中包含的源代碼並無包含像上文中的中文註釋，這些註釋是筆者本身添加進去的。 

Hash 算法的性能選項 

根據上面代碼能夠看出，在同一個 bucket 存儲 Entry 鏈的狀況下，新放入的 Entry 老是位於 bucket 中，而最先放入該 bucket 中的 Entry 則位於這個 Entry 鏈的最末端。 

上面程序中還有這樣兩個變量： 

    * size：該變量保存了該 HashMap 中所包含的 key-value 對的數量。 
    * threshold：該變量包含了 HashMap 能容納的 key-value 對的極限，它的值等於 HashMap 的容量乘以負載因子（load factor）。 

從上面程序中②號代碼能夠看出，當 size++ >= threshold 時，HashMap 會自動調用 resize 方法擴充 HashMap 的容量。每擴充一次，HashMap 的容量就增大一倍。 

上面程序中使用的 table 其實就是一個普通數組，每一個數組都有一個固定的長度，這個數組的長度就是 HashMap 的容量。HashMap 包含以下幾個構造器： 

    * HashMap()：構建一個初始容量爲 16，負載因子爲 0.75 的 HashMap。 
    * HashMap(int initialCapacity)：構建一個初始容量爲 initialCapacity，負載因子爲 0.75 的 HashMap。 
    * HashMap(int initialCapacity, float loadFactor)：以指定初始容量、指定的負載因子建立一個 HashMap。 

當建立一個 HashMap 時，系統會自動建立一個 table 數組來保存 HashMap 中的 Entry，下面是 HashMap 中一個構造器的代碼： 

// 以指定初始化容量、負載因子建立 HashMap
 public HashMap(int initialCapacity, float loadFactor)
 {
     // 初始容量不能爲負數
     if (initialCapacity < 0)
         throw new IllegalArgumentException(
        "Illegal initial capacity: " +
             initialCapacity);
     // 若是初始容量大於最大容量，讓出示容量
     if (initialCapacity > MAXIMUM_CAPACITY)
         initialCapacity = MAXIMUM_CAPACITY;
     // 負載因子必須大於 0 的數值
     if (loadFactor <= 0 || Float.isNaN(loadFactor))
         throw new IllegalArgumentException(
         loadFactor);
     // 計算出大於 initialCapacity 的最小的 2 的 n 次方值。
     int capacity = 1;
     while (capacity < initialCapacity)
         capacity <<= 1;
     this.loadFactor = loadFactor;
     // 設置容量極限等於容量 * 負載因子
     threshold = (int)(capacity * loadFactor);
     // 初始化 table 數組
     table = new Entry[capacity];            // ①
     init();
 }

上面代碼中粗體字代碼包含了一個簡潔的代碼實現：找出大於 initialCapacity 的、最小的 2 的 n 次方值，並將其做爲 HashMap 的實際容量（由 capacity 變量保存）。例如給定 initialCapacity 爲 10，那麼該 HashMap 的實際容量就是 16。 
程序①號代碼處能夠看到：table 的實質就是一個數組，一個長度爲 capacity 的數組。 

對於 HashMap 及其子類而言，它們採用 Hash 算法來決定集合中元素的存儲位置。當系統開始初始化 HashMap 時，系統會建立一個長度爲 capacity 的 Entry 數組，這個數組裏能夠存儲元素的位置被稱爲「桶（bucket）」，每一個 bucket 都有其指定索引，系統能夠根據其索引快速訪問該 bucket 裏存儲的元素。 

不管什麼時候，HashMap 的每一個「桶」只存儲一個元素（也就是一個 Entry），因爲 Entry 對象能夠包含一個引用變量（就是 Entry 構造器的的最後一個參數）用於指向下一個 Entry，所以可能出現的狀況是：HashMap 的 bucket 中只有一個 Entry，但這個 Entry 指向另外一個 Entry ——這就造成了一個 Entry 鏈。如圖 1 所示： 

 

圖 1. HashMap 的存儲示意 

HashMap 的讀取實現 

當 HashMap 的每一個 bucket 裏存儲的 Entry 只是單個 Entry ——也就是沒有經過指針產生 Entry 鏈時，此時的 HashMap 具備最好的性能：當程序經過 key 取出對應 value 時，系統只要先計算出該 key 的 hashCode() 返回值，在根據該 hashCode 返回值找出該 key 在 table 數組中的索引，而後取出該索引處的 Entry，最後返回該 key 對應的 value 便可。看 HashMap 類的 get(K key) 方法代碼： 

public V get(Object key)
{
 // 若是 key 是 null，調用 getForNullKey 取出對應的 value
 if (key == null)
     return getForNullKey();
 // 根據該 key 的 hashCode 值計算它的 hash 碼
 int hash = hash(key.hashCode());
 // 直接取出 table 數組中指定索引處的值，
 for (Entry<K,V> e = table[indexFor(hash, table.length)];
     e != null;
     // 搜索該 Entry 鏈的下一個 Entr
     e = e.next)         // ①
 {
     Object k;
     // 若是該 Entry 的 key 與被搜索 key 相同
     if (e.hash == hash && ((k = e.key) == key
         || key.equals(k)))
         return e.value;
 }
 return null;
}

從上面代碼中能夠看出，若是 HashMap 的每一個 bucket 裏只有一個 Entry 時，HashMap 能夠根據索引、快速地取出該 bucket 裏的 Entry；在發生「Hash 衝突」的狀況下，單個 bucket 裏存儲的不是一個 Entry，而是一個 Entry 鏈，系統只能必須按順序遍歷每一個 Entry，直到找到想搜索的 Entry 爲止——若是剛好要搜索的 Entry 位於該 Entry 鏈的最末端（該 Entry 是最先放入該 bucket 中），那系統必須循環到最後才能找到該元素。 

概括起來簡單地說，HashMap 在底層將 key-value 當成一個總體進行處理，這個總體就是一個 Entry 對象。HashMap 底層採用一個 Entry[] 數組來保存全部的 key-value 對，當須要存儲一個 Entry 對象時，會根據 Hash 算法來決定其存儲位置；當須要取出一個 Entry 時，也會根據 Hash 算法找到其存儲位置，直接取出該 Entry。因而可知：HashMap 之因此能快速存、取它所包含的 Entry，徹底相似於現實生活中母親從小教咱們的：不一樣的東西要放在不一樣的位置，須要時才能快速找到它。 

當建立 HashMap 時，有一個默認的負載因子（load factor），其默認值爲 0.75，這是時間和空間成本上一種折衷：增大負載因子能夠減小 Hash 表（就是那個 Entry 數組）所佔用的內存空間，但會增長查詢數據的時間開銷，而查詢是最頻繁的的操做（HashMap 的 get() 與 put() 方法都要用到查詢）；減少負載因子會提升數據查詢的性能，但會增長 Hash 表所佔用的內存空間。 

掌握了上面知識以後，咱們能夠在建立 HashMap 時根據實際須要適當地調整 load factor 的值；若是程序比較關心空間開銷、內存比較緊張，能夠適當地增長負載因子；若是程序比較關心時間開銷，內存比較寬裕則能夠適當的減小負載因子。一般狀況下，程序員無需改變負載因子的值。 若是開始就知道 HashMap 會保存多個 key-value 對，能夠在建立時就使用較大的初始化容量，若是 HashMap 中 Entry 的數量一直不會超過極限容量（capacity * load factor），HashMap 就無需調用 resize() 方法從新分配 table 數組，從而保證較好的性能。固然，開始就將初始容量設置過高可能會浪費空間（系統須要建立一個長度爲 capacity 的 Entry 數組），所以建立 HashMap 時初始化容量設置也須要當心對待。