Java-HashMap原理解析

本文分析HashMap的實現原理。

數據結構（散列表）

HashMap是一個散列表（也叫哈希表），用來存儲鍵值對(key-value)映射。散列表是一種數組和鏈表的結合體，結構圖以下：

簡單來講散列表就是一個數組（上圖縱向），數組的每一個元素是一個鏈表（上圖橫向），相似二維數組。鏈表的每一個節點就是咱們存儲的key-value數據（源碼中將key和value封裝成Entry對象做爲鏈表的節點）。

哈希算法

對於散列表，不論是存值仍是取值，都須要經過Key來定位散列表中的一個具體的位置（即某個鏈表的某個節點），計算這個位置的方法就是哈希算法。

大概過程是這樣的：

1. 用Key的hash值對數組長度作取餘操做獲得一個整數，這個整數做爲數組中的索引獲得這個索引位置的鏈表。
2. 獲得鏈表以後，就能夠存值和取值了。
   若是是存值，直接把數據插入到鏈表的頭部或者尾部便可（或者已存在就替換）；
   若是是取值，就遍歷鏈表，經過key的equals方法找到具體的節點。

例如一個key-value對要存到上圖的散列表裏，假設key的哈希值是17，由圖可知（縱向）數組長度是16，那麼17對16取餘結果是1，數組中索引1位置的鏈表是 1->337->353 ，因此這個key-value對存儲到這個鏈表裏面（插到頭仍是尾可能不一樣Java版本不同）。若是是取值，就遍歷這個鏈表，因爲這個鏈表每一個節點的key的哈希值都同樣，因此根據equals方法來肯定具體是哪一個節點。

經過上面的哈希算法，能夠有以下結論：

• 不一樣的key具體相同的哈希值叫作哈希衝突，HashMap解決哈希衝突的方法是鏈表法，將具備相同哈希值的key放在同一個鏈表中，而後利用key類的equals方法來肯定具體是哪一個節點。
• Key的惟一性是經過哈希值和equals方法共同決定的，因此想要用一個類做爲HashMap的鍵，必須重寫這個類的hashCode和equals方法。同理，HashSet是基於HashMap實現的，它沒有重複元素的特色是利用HashMap沒有重複鍵實現的。因此，Set集合裏面的元素類，也必須同時實現hashCode方法和equals方法。
• HashMap存儲的數據是無序的。

爲何HashMap大小是2的整數次冪的時候效率最高

哈希算法主要分兩步操做：1.經過哈希值定位一個鏈表； 2.遍歷鏈表，經過equals方法找到具體節點。爲了使哈希算法效率最高，應該儘可能讓數據在哈希表中均勻分佈，由於那樣能夠避免出現過長的鏈表，也就下降了遍歷鏈表的代價。
如何保證均勻分佈？前面的哈希算法說到，經過取餘操做將Key的哈希值轉換成數組下標，這樣能夠認爲是均勻的。可是，源碼中並無直接用%操做符取餘，而是使用了更高效的與運算，源碼以下：

/**
 * Returns index for hash code h.
 */
static int indexFor(int h, int length) {
    // assert Integer.bitCount(length) == 1 : "length must be a non-zero power of 2";
    return h & (length-1);
}

這樣就多了一些限制，由於只有當length是2的整數次冪的時候，h & (length-1) = h % length才成立。固然，若是length不是2的整數次冪，h & (length-1)的結果也必定比length小，將Key轉換成數組下標也沒什麼問題，可是，這樣會致使元素分佈不均勻嚴重影響散列表的訪問效率。看下面的一個示例代碼：

解釋一下圖中的代碼，隨機生成一組Key，而後利用與運算，把key所有轉換成一個數組容量的索引，這樣就獲得一組索引值，這組索引中不相同的值越多，說明分佈越均勻，輸出結果的result就是 「這組索引中不相同的值的數量」。
從運行結果來看，容量是64的時候相比於其餘幾個容量大小，分佈是最均勻的。容量是65的時候，每次結果都是2，緣由很簡單，當容量是65的時候，下標=h&64，64的二進制是1000000，很明顯，與它進行與運算的結果只有兩種狀況，0和64，也就是說，若是HashMap大小被指定成65，對於任意Key，只會存儲到散列表數組的第0個或第64個鏈表中，浪費了63個空間，同時也致使0和64兩個鏈表過長，取值的時候遍歷鏈表的代價很高。容量66和67的結果是4同理。若是容量是64，那麼下標=h&63，63的二進制是111111，每一位都是1，好處就是對於任意Key，與63作與運算的結果多是1-63的任意數，不少Key的話天然就能分佈均勻。
經過這個示例代碼的分析就能夠找到一個規律了，容量length=2^n 是分佈最均勻，由於length-1的二進制每一位都是1；相反的length=2^n+1是分佈最不均勻的，由於length-1的二進制中的1數量最少。

結論：HashMap大小是2的整數次冪的時候效率最高，由於這個時候元素在散列表中的分佈最均勻。

從上面的分析來看，使用與運算雖然效率高了，可是增長了使用限制，若是用%取餘的作法，那麼對於任何大小的容量都能作到均勻分佈，能夠把圖中代碼int a = keySet[j] & (c - 1); 改爲 int a = keySet[j] % c;試一下。

HashMap的容量

經過上面的分析，容量是2的整數次冪的時候效率最高，那麼很容易想到，若是隨着數據量的增加，HashMap須要擴容的時候是2倍擴容，區別於ArrayList的1.5倍擴容。
那麼何時擴容呢？首先說明一下，咱們所說的HashMap的容量是指散列表中數組的大小，這個大小不能決定HashMap能存多少數據，由於只要鏈表足夠長，存多少數據都沒問題。可是，數據量很大的時候，若是數組過小，就會致使鏈表很長，get元素的效率就會下降，因此咱們應該在適當的時候擴容。源碼默認的作法是，當數據量達到容量的75%的時候擴容，這個值稱爲負載因子，75%應該是大量實驗後統計獲得的最優值，沒有特殊狀況不要經過構造方法指定爲其餘值。
擴容是有代價了，會致使全部已存的數據從新計算位置，因此，和ArrayList同樣，當知道大概的數據量的時候，能夠指定HashMap的大小盡可能避免擴容，指定大小要注意75%這個負載因子，好比數據量是63個的話，HashMap的大小應該是128而不是64。

對於容量的計算，源碼已經封裝好了一個方法

/**
 * Returns a power of two size for the given target capacity.
 */
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;
}

此方法在HashMap的構造方法中被調用，因此指定容量的時候無需本身計算，好比數據量是63，直接new HashMap<>(63)便可。

HashMap的遍歷

前面提到一點，散列表中的鏈表的節點是Entry對象，經過Entry對象能夠獲得Key和Value。HashMap的遍歷方法有不少，大概能夠分爲3種，分別是經過map.entrySet()、map.keySet()、map.values()三種方式遍歷。比較效率的話，map.values()方式沒法獲得key，這裏不考慮。比較map.entrySet()和map.keySet()的話，結合散列表的結構特色，很明顯map.entrySet()直接遍歷Entry集合（全部鏈表節點）取出Key和Value便可（一次循環），map.keySet()遍歷的是Key，獲得Key以後在經過Key去遍歷相應的鏈表找到具體的節點（多個循環），因此前者效率高。

擴展：LinkedHashMap和LruCatch

對於LinkedHashMap的理解，我以爲一張圖就夠了：

在散列表的基礎上加上了雙向循環鏈表（圖中黃色箭頭和綠色箭頭），因此能夠拆分紅一個散列表和一個雙向鏈表，雙向鏈表以下：

上面兩張圖片來自：http://www.javashuo.com/article/p-wdfeiofg-ds.html

而後使用散列表操做數據，使用雙向循環鏈表維護順序，就實現了LinkedHashMap。

LinkedHashMap有一個屬性能夠設置兩種排序方式：

private final boolean accessOrder;

false表示插入順序，true表示最近最少使用次序，後者就是LruCatch的實現原理。

LinkedHashMap和LruCatch的具體實現細節這裏就不分析了。