Java 集合學習系列(一)----HashMap 的實現原理

HashMap 的實現原理

1. HashMap 概述：

HashMap 是基於哈希表的 Map 接口的非同步實現。此實現提供全部可選的映射操做，並容許使用 null 值和 null 鍵。此類不保證映射的順序，特別是它不保證該順序恆久不變。

2. HashMap 的數據結構： 

在 java 編程語言中，最基本的結構就是兩種，一個是數組，另一個是模擬指針（引
用），全部的數據結構均可以用這兩個基本結構來構造的，HashMap 也不例外。HashMap其實是一個「鏈表散列」的數據結構，即數組和鏈表的結合體。

從上圖中能夠看出， HashMap 底層就是一個數組結構，數組中的每一項又是一個鏈表。當新建一個 HashMap 的時候，就會初始化一個數組。
源碼以下：

transient Entry[] table;  
  static class Entry<K,V> implements Map.Entry<K,V> {  
      final K key;  
      V value;  
      Entry<K,V> next;  
      final int hash; 
      ……  
  }

能夠看出，Entry 就是數組中的元素，每一個 Map.Entry 其實就是一個 key-value 對，它持有一個指向下一個元素的引用，這就構成了鏈表。
3. HashMap 的存取實現：
1)  存儲：

public V put(K key, V value) {  
      // HashMap 容許存放 null 鍵和 null 值。  
      // 當 key 爲 null 時，調用 putForNullKey 方法，將 value 放置在數組第一個位置。  
      if (key == null)  
          return putForNullKey(value);  
      // 根據 key 的 keyCode 從新計算 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;  
          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;  
}

從上面的源代碼中能夠看出：當咱們往 HashMap 中 put 元素的時候，先根據 key 的
hashCode 從新計算 hash 值，根據 hash 值獲得這個元素在數組中的位置（即標），若是數組該位置上已經存放有其餘元素了，那麼在這個位置上的元素將以鏈表的形式存放，新加入的放在鏈頭，最早加入的放在鏈尾。若是數組該位置上沒有元素，就直接將該元素放到此數組中的該位置上。

addEntry(hash, key, value, i)方法根據計算出的 hash 值，將 key-value 對放在數組 table的 i 索引處。addEntry 是 HashMap 提供的一個包訪問權限的方法，代碼以下：
Java 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];  

     // 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 對象的長度擴充到原來的 2 倍。  

          resize(2 * table.length);  

  }

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。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。
hash(int h)方法根據 key 的 hashCode 從新計算一次散列。此算法加入了高位計算，防止低位不變，高位變化時，形成的 hash 衝突。
Java 代碼

static int hash(int h) {  

      h ^= (h >>> 20) ^ (h >>> 12);  

      return h ^ (h >>> 7) ^ (h >>> 4);  

}

咱們能夠看到在 HashMap 中要找到某個元素，須要根據 key 的 hash 值來求得對應數組中的位置。如何計算這個位置就是 hash 算法。前面說過 HashMap 的數據結構是數組和鏈表的結合，因此咱們固然但願這個 HashMap 裏面的 元素位置儘可能的分佈均勻些，儘可能使得每一個位置上的元素數量只有一個，那麼當咱們用 hash 算法求得這個位置的時候，立刻就能夠知道對應位置的元素就是咱們要的，而不用再去遍歷鏈表，這樣就大大優化了查詢的效率。
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。咱們首先想到的就是把 hash 值對數組長度取模運算，這樣一來，元素的分佈相對來講是比較均勻的。可是，「模」運算的消耗仍是比較大的，在 HashMap 中是這樣作的：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：
Java 代碼

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

這個方法很是巧妙，它經過 h & (table.length -1) 來獲得該對象的保存位，而HashMap底層數組的長度老是 2 的 n 次方，這是 HashMap 在速度上的優化。在 HashMap 構造器中有以下代碼：
Java 代碼

int capacity = 1;  

      while (capacity < initialCapacity)  

          capacity <<= 1;

這段代碼保證初始化時 HashMap 的容量老是 2 的 n 次方，即底層數組的長度老是爲 2的 n 次方。當 length 老是 2 的 n 次方時，h& (length-1)運算等價於對 length 取模，也就是h%length，可是&比%具備更高的效率。
這看上去很簡單，其實比較有玄機的，咱們舉個例子來講明：
假設數組長度分別爲 15 和 16，優化後的 hash 碼分別爲 8 和 9，那麼&運算後的結果以下：

從上面的例子中能夠看出：當它們和 15-1（1110）「與」的時候，產生了相同的結果，也就是說它們會定位到數組中的同一個位置上去，這就產生了碰撞， 8 和 9 會被放到數組中的同一個位置上造成鏈表，那麼查詢的時候就須要遍歷這個鏈 表，獲得 8 或者 9，這樣就下降了查詢的效率。同時，咱們也能夠發現，當數組長度爲 15 的時候，hash 值會與 15-1（1110）進行「與」，那麼 最後一位永遠是 0，而 0001， 0011， 0101， 1001， 1011， 0111，1101 這幾個位置永遠都不能存放元素了，空間浪費至關大，更糟的是這種狀況中，數組可使用的位置比數組長度小了不少，這意味着進一步增長了碰撞的概率，減慢了查詢的效率！
而當數組長度爲 16 時，即爲 2 的 n 次方時，2n-1 獲得的二進制數的每一個位上的值都爲 1，這使得在低位上&時，獲得的和原 hash 的低位相同，加之 hash(int h)方法對 key 的 hashCode的進一步優化，加入了高位計算，就使得只有相同的 hash 值的兩個值纔會被放到數組中的同一個位置上造成鏈表。因此說，當數組長度爲 2 的 n 次冪的時候，不一樣的 key 算得得 index相同的概率較小，那麼數據在數組上分佈就比較均勻，也就是說碰撞的概率小，相對的，查詢的時候就不用遍歷某個位置上的鏈表，這樣查詢效率也就較高了。
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。
2) 讀取：
Java 代碼

public V get(Object key) {  

      if (key == null)  

          return getForNullKey();  

      int hash = hash(key.hashCode());  

      for (Entry<K,V> e = table[indexFor(hash, table.length)];  

          e != null;  

          e = e.next) {  

          Object k;  

          if (e.hash == hash && ((k = e.key) == key || key.equals(k)))  

              return e.value;  

      }  

      return null;  

 }

有了上面存儲時的 hash 算法做爲基礎，理解起來這段代碼就很容易了。從上面的源代
碼中能夠看出：從 HashMap 中 get 元素時，首先計算 key 的 hashCode，找到數組中對應位置的某一元素，而後經過 key 的 equals 方法在對應位置的鏈表中找到須要的元素。
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 算法來決定其在數組中的存儲位置，在根據 equals方法決定其在該數組位置上的鏈表中的存儲位置；當須要取出一個 Entry 時，也會根據 hash算法找到其在數組中的存儲位置，再根據 equals 方法從該位置上的鏈表中取出該Entry。
4. HashMap 的 resize（rehash）：
當 HashMap 中的元素愈來愈多的時候，hash 衝突的概率也就愈來愈高，由於數組的
長度是固定的。因此爲了提升查詢的效率，就要對 HashMap 的數組進行擴容，數組擴容這個操做也會出如今 ArrayList 中，這是一個經常使用的操做，而在 HashMap 數組擴容以後，最消耗性能的點就出現了：原數組中的數據必須從新計算其在新數組中的位置，並放進去，這就是 resize。
那麼 HashMap 何時進行擴容呢？當 HashMap 中的元素個數超過數組大小*loadFactor 時，就會進行數組擴容，loadFactor 的默認值爲 0.75，這是一個折中的取值。
也就是說，默認狀況下，數組大小爲 16，那麼當 HashMap 中元素個數超過16*0.75=12 的時候，就把數組的大小擴展爲 2*16=32，即擴大一倍，而後從新計算每一個元素在數組中的位置，而這是一個很是消耗性能的操做，因此若是咱們已經預知 HashMap 中元素的個數，那麼預設元素的個數可以有效的提升 HashMap 的性能。
5. HashMap 的性能參數：
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。HashMap 的基礎構造器 HashMap(int initialCapacity, float loadFactor)帶有兩個參數，它們是初始容量 initialCapacity 和加載因子 loadFactor。
initialCapacity：HashMap 的最大容量，即爲底層數組的長度。
loadFactor：負載因子 loadFactor 定義爲：散列表的實際元素數目(n)/ 散列表的容量(m)。負載因子衡量的是一個散列表的空間的使用程度，負載因子越大表示散列表的裝填程度越高，反之愈小。對於使用鏈表法的散列表來講，查找一個元素的平均時間是 O(1+a)，所以若是負載因子越大，對空間的利用更充分，然然後果是查找效率的下降；若是負載因子過小，那麼散列表的數據將過於稀疏，對空間形成嚴重浪費。
HashMap 的實現中，經過 threshold 字段來判斷 HashMap 的最大容量：
Java 代碼

threshold = (int)(capacity * loadFactor);

結合負載因子的定義公式可知， threshold 就是在此 loadFactor 和 capacity 對應下容許的最大元素數目，超過這個數目就從新 resize，以下降實際的負載因子。默認的的負載因子0.75 是對空間和時間效率的一個平衡選擇。當容量超出此最大容量時，  resize 後的 HashMap容量是容量的兩倍：
Java 代碼

if (size++ >= threshold)     

      resize(2 * table.length);

6.     Fail-Fast 機制：
咱們知道 java.util.HashMap 不是線程安全的，所以若是在使用迭代器的過程當中有其餘
線程修改了 map，那麼將拋出 ConcurrentModificationException，這就是所謂 fail-fast 策略。
這一策略在源碼中的實現是經過 modCount 域， modCount 顧名思義就是修改次數，對HashMap 內容的修改都將增長這個值，那麼在迭代器初始化過程當中會將這個值賦給迭代器的 expectedModCount。
Java 代碼

HashIterator() {  

      expectedModCount = modCount;  

      if (size > 0) { // advance to first entry  

      Entry[] t = table;  

      while (index < t.length && (next = t[index++]) == null)  

          ;  

      }  

  }

在迭代過程當中，判斷 modCount 跟 expectedModCount 是否相等，若是不相等就表示已經有其餘線程修改了 Map：
注意到 modCount 聲明爲 volatile，保證線程之間修改的可見性。
Java 代碼

final Entry<K,V> nextEntry() {     

      if (modCount != expectedModCount)     

          throw new ConcurrentModificationException();

在 HashMap 的 API 中指出：由全部 HashMap 類的「collection 視圖方法」所返回的迭代器都是快速失敗的：在迭代器建立以後，若是從結構上對映射進行修改，除非經過迭代器自己的 remove 方法，其餘任什麼時候間任何方式的修改，迭代器都將拋出 ConcurrentModificationException。所以，面對併發的修改，迭代器很快就會徹底失敗，而不冒在未來不肯定的時間發生任意不肯定行爲的風險。注意，迭代器的快速失敗行爲不能獲得保證，通常來講，存在非同步的併發修改時，不可能做出任何堅定的保證。快速失敗迭代器盡最大努力拋出ConcurrentModificationException。所以，編寫依賴於此異常的程序的作法是錯誤的，正確作法是：迭代器的快速失敗行爲應該僅用於檢測程序錯誤。