HashMap 能夠說是使用頻率最高的處理鍵值映射的數據結構,它不保證插入順序,容許插入 null 的鍵和值。本文采用 JDK8 中的源碼,深刻分析 HashMap 的原理、實現和優化。首發於微信公衆號頓悟源碼.java
HashMap 基於散列表實現,使用拉鍊法處理碰撞,在 JDK8 中,當鏈表長度大於 8 時轉爲紅黑樹存儲,基本結構以下:算法
HashMap 有一個 Node<K,V>[] table 字段,即哈希桶數組,數組元素是 Node 對象,結構定義以下:數組
static class Node<K,V> implements Map.Entry<K,V> { final int hash; // 用於計算數組索引 final K key; V value; Node<K,V> next; // 後繼節點,下一個 Node Node(int hash, K key, V value, Node<K,V> next) { ... } ... }
哈希桶數組會在首次使用時初始化,默認大小是 16,並根據須要調整大小,且長度老是 2 的次冪。若是構造函數設置的初始容量不是 2 的次冪,那麼使用如下方法返回一個大於且最靠近它的 2 的次冪的值:安全
static final int tableSizeFor(int cap) { int n = cap - 1; n |= n >>> 1; n |= n >>> 2; n |= n >>> 4; n |= n >>> 8; n |= n >>> 16; return (n < 0) ? 1 : (n >= MAXIMUM_CAPACITY) ? MAXIMUM_CAPACITY : n + 1; }
原理就是將最高位 1 右邊的全部比特位全置爲 1,而後再加 1,最高位進 1,右邊的比特位全變成 0,從而得出一個 2 的次冪的值。在 JDK7 中使用的是 Integer.highestOneBit(int i) 方法,它最後計算時使用 n - (n >>> 1) 返回的是一個小於且最靠近入參的 2 的次冪。微信
HashMap 內部的其餘字段:數據結構
// 鍵值對的數量 transient int size; // 記錄結構修改次數,用於迭代時的快速失敗 transient int modCount; // 負載因子,默認 0.75f final float loadFactor; // 擴容的下一個容量值,也就是鍵值對個數的最大值,它等於(capacity * loadFactor) int threshold;
影響 HashMap 性能的主要參數是:初始容量和負載因子。當散列表元素數超過負載因子和當前容量的乘積時,就會擴容,擴大到原來容量的兩倍,並對鍵從新散列。app
無論多麼合理的散列算法,也免不了鏈表過長的狀況,從而影響 HashMap 的性能,因此,JDK8 在鏈表長度大於 8 時,將其轉爲紅黑樹,以利用紅黑樹快速增刪改查的特色。ide
將整數散列最經常使用的方法就是除留餘數法。爲了均勻地散列鍵的散列值,一般都會把數組的大小取素數(HashTable 的初始大小就是 11),由於素數的因子少,餘數相等的機率小,衝突的概率就小。函數
HashMap 的容量始終是 2 的次冪,這是一個合數,之因此這樣設計,是爲了將取模運算轉爲位運算,提升性能。這個等式h % length = h & (length-1)
成立的緣由以下:性能
2^1 = 10 2^1 -1 = 01 2^2 = 100 2^2 -1 = 011 2^3 = 1000 2^3 -1 = 0111 2^n = 1(n個零) 2^n -1 = 0(n個1)
右邊是 2^n 的二進制特色,左邊是 2^n-1 的特色,能夠發現當 length = 2^n 時,h & (length-1) 的結果正好位於 0 到 length-1 之間,就至關於取模運算。
轉爲位運算後,length-1 就至關於一個低位掩碼,在按位與時,它會把原散列值的高位置0,這就致使散列值只在掩碼的小範圍內變化,顯然增大了衝突概率。爲了減小衝突,HashMap 在設計散列算法時,使用高低位異或,變相的讓鍵的高位也參與了運算,代碼以下:
static final int hash(Object key) { // JDK8 int h; // h = key.hashCode() 1. 取hashCode值 // h ^ (h >>> 16) 2. 高16位與低16位異或,變相保留高位的比特位 return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16); } // JDK7 的源碼,JDK8 沒有這個方法,但原理同樣 static int indexFor(int h, int length) { return h & (length-1); // 3. 取模運算 }
高位的移位異或,既能保證有效的利用鍵的高低位信息,又能減小系統開銷,這樣設計是對速度、效率和質量之間的權衡。
put 操做主要作了如下幾件事:
核心代碼以下:
public V put(K key, V value) { // 將 key 的 hashCode 散列 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; // 1. table 爲 null,初始化哈希桶數組 if ((tab = table) == null || (n = tab.length) == 0) n = (tab = resize()).length; // 2. 計算對應的數組下標 (n - 1) & hash if ((p = tab[i = (n - 1) & hash]) == null) // 3. 這個槽尚未插入過數據,直接插入 tab[i] = newNode(hash, key, value, null); else { Node<K,V> e; K k; // 4. 節點 key 存在,直接覆蓋 value if (p.hash == hash && ((k = p.key) == key || (key != null && key.equals(k)))) e = p; // 5. 該鏈轉成了紅黑樹 else if (p instanceof TreeNode) // 在樹中插入 e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value); // 6. 該鏈是鏈表 else { for (int binCount = 0; ; ++binCount) { // 遍歷找到尾節點插入 if ((e = p.next) == null) { p.next = newNode(hash, key, value, null); // 鏈表長度大於 8 轉爲紅黑樹 if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st treeifyBin(tab, hash); break; } // 遍歷的過程當中,遇到相同 key 則覆蓋 value if (e.hash == hash && ((k = e.key) == key || (key != null && key.equals(k)))) break; p = e; } } if (e != null) { // existing mapping for key V oldValue = e.value; if (!onlyIfAbsent || oldValue == null) e.value = value; afterNodeAccess(e); return oldValue; } } ++modCount; // 7. 超過最大容量,擴容 if (++size > threshold) resize(); afterNodeInsertion(evict); return null; }
JDK8 在插入鏈表時採用的是尾插入法,也就是順序插入,而 JDK7 使用的是頭插法,逆序插入。
默認狀況下,初始容量是 16,負載因子是 0.75f,threshold 是 12,也就是說,插入 12 個鍵值對就會擴容。
在擴容時,會擴大到原來的兩倍,由於使用的是2的次冪擴展,那麼元素的位置要麼保持不變,要麼在原位置上偏移2的次冪。
上圖能夠看到,擴大2倍,至關於 n 左移一位,那麼 n-1 在高位就多出了一個 1,此時與原散列值進行與運算,就多參與了一位,這個比特位要麼是 0,要麼是 1:
那麼怎麼判斷這個比特位是0仍是1呢?若是"原散列值 & oldCap"的值爲0,則表示比特位是0。擴容代碼以下:
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) { // 超過最大值,不在擴容 if (oldCap >= MAXIMUM_CAPACITY) { threshold = Integer.MAX_VALUE; return oldTab; }// 不然擴大爲原來的 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 // 初始化時,threshold 暫時保存 initialCapacity 參數的值 newCap = oldThr; else { // zero initial threshold signifies using defaults newCap = DEFAULT_INITIAL_CAPACITY; newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY); } // 計算新的 resize 上限 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; // 將舊的鍵值對移動到新的哈希桶數組中 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) // 無鏈條 newTab[e.hash & (newCap - 1)] = e; else if (e instanceof TreeNode) // 拆紅黑樹,先拆成兩個子鏈表,再分別按需轉成紅黑樹 ((TreeNode<K,V>)e).split(this, newTab, j, oldCap); else { // preserve order // 拆鏈表,拆成兩個子鏈表並保持原有順序 Node<K,V> loHead = null, loTail = null; Node<K,V> hiHead = null, hiTail = null; Node<K,V> next; do { next = e.next; // 原位置不變的子鏈表 if ((e.hash & oldCap) == 0) { if (loTail == null) loHead = e; else loTail.next = e; loTail = e; } // 原位置偏移 oldCap 的子鏈表 else { if (hiTail == null) hiHead = e; else hiTail.next = e; hiTail = e; } } while ((e = next) != null); // 放到新的哈希桶中 if (loTail != null) { loTail.next = null; newTab[j] = loHead; } if (hiTail != null) { hiTail.next = null; newTab[j + oldCap] = hiHead; } } } } } return newTab; }
在從新計算鏈表中元素位置時,只可能獲得兩個子鏈表:索引不變的元素鏈表和有相同偏移量的元素鏈表。在構造子鏈表的過程當中,使用頭節點和尾節點,保證了拆分後的有序性:
查看 TreeNode.split() 方法發現,紅黑樹拆分的邏輯和鏈表同樣,只不過在拆分完成後,會根據子鏈表的長度作如下處理:
紅黑樹之因此可以按照鏈表的邏輯拆分,是由於鏈表在轉紅黑樹時,保留了原鏈表的鏈條引用,這樣也方便了遍歷操做。
鏈表轉紅黑樹主要作了如下幾件事:
代碼以下:
final void treeifyBin(Node<K,V>[] tab, int hash) { int n, index; Node<K,V> e; // 若是哈希桶容量小於樹化的最小容量,優先進行擴容 if (tab == null || (n = tab.length) < MIN_TREEIFY_CAPACITY) resize(); else if ((e = tab[index = (n - 1) & hash]) != null) { TreeNode<K,V> hd = null, tl = null; do { // 將普通節點轉爲樹形節點 TreeNode<K,V> p = replacementTreeNode(e, null); if (tl == null) hd = p; else { p.prev = tl; tl.next = p; } tl = p; // 把原來的單鏈錶轉成了雙向鏈表 } while ((e = e.next) != null); if ((tab[index] = hd) != null) hd.treeify(tab); // 將鏈表轉爲紅黑樹 } } TreeNode<K,V> replacementTreeNode(Node<K,V> p, Node<K,V> next) { return new TreeNode<>(p.hash, p.key, p.value, next); }
HashMap 在設計時應該沒有考慮後期會引入紅黑樹,因此沒有提供 key 的比較器或要求 key 實現 Comparable 接口。爲了比較兩個 key 的大小,HashMap 按如下步驟處理:
static int tieBreakOrder(Object a, Object b) { int d; if (a == null || b == null || // 比較 className 的大小 (d = a.getClass().getName().compareTo(b.getClass().getName())) == 0) // 比較由本地方法生成的 hash 值大小,仍然有可能衝突,概率過小,此時認爲是小於的結果 d = (System.identityHashCode(a) <= System.identityHashCode(b) ? -1 : 1); return d; }
JDK8 中的 HashMap 代碼仍是比較複雜的,優化方面主要有如下三點:
此外,HashMap 是非線程安全的,線程間的競爭條件主要是發生衝突或擴容時,鏈表的斷鏈和續鏈操做。擴容也就意味着內存拷貝,這是一個很耗費性能的操做,因此預分配一個足夠大的初始容量,減小擴容的次數,可以讓 HashMap 有更好的表現。