java8 HashMap解析

java8 HashMap解析

HashMap是java中常用且相对重要的类之一。了解此类的数据结构及储存原理对我们写程序有莫大帮助。java8中又对此类底层实现进行了优化，比如引入了红黑树的结构以解决哈希碰撞。今天我们就从底层解析一下HashMap，希望对大家有所帮助。

HashMap的数据结构

1. HashMap整体结构

Map是java中的储存键（key）、值(value)对数据结构。而HashMap即是通过key的hash值确定value的储存位置。在理想情况下，仅需要O(1)的时间就可以通过key定位到value值。不过，这里一个显著的问题是，不同的key也可能有相同的哈希值，HashMap采用数组+链表解决。



如图，HashMap的主结构类似于一个数组，添加值时通过key确定储存位置。每个位置是一个Node（图中黑点）的数据结构，该结构可组成链表。当发生冲突时，相同hash值的键值对会组成链表。

这种数组+链表的组合形式大部分情况下都能有不错的性能效果，java6、7就是这样设计的。然而，在极端情况下，一组（比如经过精心设计的）键值对都发生了冲突，这时的哈希结构就会退化成一个链表，使HashMap性能急剧下降。

所以在java8中，HashMap的结构实现变为数组+链表+红黑树。如图：



当链表达到一定长度，会将链表转为红黑树。我们知道链表的查询时间为O(n)，而红黑树的查询时间为O(logN)。当长度大到一定程度时，红黑树的优势会更加明显。

2. 类概览

在具体实现上，HashMap有许多内部类、方法及字段。下面列举一些比较重要的。

//默认Map容量
static final int DEFAULT_INITIAL_CAPACITY = 1 << 4; // aka 16

//默认负载因子
static final float DEFAULT_LOAD_FACTOR = 0.75f;

//链表转为红黑树的临界值
static final int TREEIFY_THRESHOLD = 8;

//数组，HashMap的主要储存结构
transient Node<K,V>[] table;

//节点，即HashMap的键值对的储存结构
static class Node<K,V> implements Map.Entry<K,V>

//红黑树节点
static final class TreeNode<K,V> extends LinkedHashMap.Entry<K,V>

//用于计算key的哈希值
static final int hash(Object key)

//添加新键值对
public V put(K key, V value)

//删除键值对
public boolean remove(Object key, Object value)

3. Node

static class Node<K,V> implements Map.Entry<K,V> {
final int hash;
final K key;
V value;
Node<K,V> next;  //指向该链表的下一个node

Node(int hash, K key, V value, Node<K,V> next) {}
public final K getKey()        {}
public final V getValue()      {}
public final String toString() {}
public final int hashCode() {}
public final V setValue(V newValue) {}
public final boolean equals(Object o) {}

}

如此，HashMap的数组+链表结构就大致成形了，Node[]为数组，而Node又可连成链表。

4. TreeNode

static final class TreeNode<K,V> extends LinkedHashMap.Entry<K,V> {
TreeNode<K,V> parent;  // red-black tree links
TreeNode<K,V> left;
TreeNode<K,V> right;
TreeNode<K,V> prev;    // needed to unlink next upon deletion
boolean red;
TreeNode(int hash, K key, V val, Node<K,V> next) {}

//以下省略其他方法
}

红黑树结构包含前、后、左、右节点，以及标志是否为红黑树的字段。此结构是java8新加的。

HashMap的实现

Put的实现

某一键值对

1. 通过hash值定位元素位置

对于通过hash定位储存的Map,哈希算法对其性能有很大影响。好的哈希算法可以尽可能避免冲突的发生，使读取效率保持在O(1)，下面是HashMap的哈希过程。

为表述方面,键值对设为(“hello”,”world”)。put方法源码为

public V put(K key, V value) {
return putVal(hash(key), key, value, false, true);
}

由此可见，先对

hello

进行哈希操作。hash()源码为

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

随后，put()过程中有一步异或操作。

i = (n - 1) & hash

n是HashMap底层数组的长度，当n为2的次方时，

(n-1)&hash

等价于

n%hash

,可确保得到的值落在数组索引范围内。

例如，对

hello

进行哈希计算为

99163451

。进行索引计算为

11

,即(

hello

,

world

)会落在数组索引为11的位置。

2. put过程

废话不说，先上代码

final V putVal(int hash, K key, V value, boolean onlyIfAbsent,
boolean evict) {
Node<K,V>[] tab; Node<K,V> p; int n, i;
if ((tab = table) == null || (n = tab.length) == 0)
n = (tab = resize()).length;  //若底层数组还没有元素，先扩容
if ((p = tab[i = (n - 1) & hash]) == null)  //这就是前面提到的索引的计算，判断此位置是否有值。
tab[i] = newNode(hash, key, value, null); //若此位置无值，添加节点，对应步骤2
else {
Node<K,V> e; K k;
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
e = p;  //若此位置有值，且与要添加的值相等，覆盖，对应步骤3
else if (p instanceof TreeNode) //这里查看节点类型，若是TreeNode,说明已经是红黑树，调用红黑树添加节点即可。
e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
else { //仍是链表，遍历，若发现有值相同的，覆盖，否则直接将节点加在链表最后。
for (int binCount = 0; ; ++binCount) {
if ((e = p.next) == null) { //若其后无值了，在后面添加要添加的节点
p.next = newNode(hash, key, value, null);
if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st
treeifyBin(tab, hash); //判断链表长度是否足够转为红黑树
break;
}
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
break;  //若遍历过程中发现有与添加的值相同，覆盖
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;
if (++size > threshold)
resize();  //若长度超过扩容阈值，进行扩容。
afterNodeInsertion(evict);
return null;
}

3. 扩容

当初始化数组或数组大小到达一定程度时，都会引发扩容机制。

final Node<K,V>[] resize() {
Node<K,V>[] oldTab = table;
int oldCap = (oldTab == null) ? 0 : oldTab.length;
int oldThr = threshold;
int newCap, newThr = 0;
//根据情况判断新数组大小
if (oldCap > 0) {
if (oldCap >= MAXIMUM_CAPACITY) { //若容量已超过最大值，已无法扩容
threshold = Integer.MAX_VALUE;
return oldTab;
}
else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&
oldCap >= DEFAULT_INITIAL_CAPACITY)
newThr = oldThr << 1; //否则，扩大为原来2倍
}
else if (oldThr > 0) // initial capacity was placed in threshold
newCap = oldThr;
else {               // oldCap、oldThr为0时默认为初始值
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]; //构建新数组
table = newTab;
if (oldTab != null) { //将旧的值移到新数组中
for (int j = 0; j < oldCap; ++j) {
Node<K,V> e;
if ((e = oldTab[j]) != null) {
oldTab[j] = null;
if (e.next == null) //若该位置有值且只有一个（不是链表或红黑树）
newTab[e.hash & (newCap - 1)] = e;
else if (e instanceof TreeNode) //若是红黑树
((TreeNode<K,V>)e).split(this, newTab, j, oldCap);
else { // 若是链表
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;
}

有关红黑树及链表重新扩容的算法在下篇文章中会有介绍，HashMap扩容的大致流程如上面注解那样，需考虑当前容量及数据结构。

4.java8的性能优化

HashMap经java8的优化后，解决了哈希碰撞的问题。在哈希均匀分布的情况下，java7和java8对HashMap的性能测试中表现类似，而在哈希极端分布的情况下，java8的HashMap具有明显的性能优势。所以，如果可以的话，应选用java8的HashMap。

————–全文完——————

参考文章

Java 8系列之重新认识HashMap

Java 8：HashMap的性能提升