HashMap深度分析

 

         java.util.HashMap是很常见的类，前段时间公司系统由于对HashMap使用不当，导致cpu百分之百，在并发环境下使用HashMap 而没有做同步，可能会引起死循环，关于这一点，sun的官方网站上已有阐述，这并非是bug。

HashMap的数据结构
         HashMap主要是用数组来存储数据的，我们都知道它会对key进行哈希运算，哈系运算会有重复的哈希值，对于哈希值的冲突，HashMap采用链表来解决的。在HashMap里有这样的一句属性声明：
transient Entry[] table;
Entry就是HashMap存储数据所用的类，它拥有的属性如下
final K key;
V value;
final int hash;
Entry<K,V> next;
看到next了吗？next就是为了哈希冲突而存在的。比如通过哈希运算，一个新元素应该在数组的第10个位置，但是第10个位置已经有Entry，那么好吧，将新加的元素也放到第10个位置，将第10个位置的原有Entry赋值给当前新加的 Entry的next属性。数组存储的是链表，链表是为了解决哈希冲突的，这一点要注意。


几个关键的属性
存储数据的数组
transient Entry[] table; 这个上面已经讲到了
默认容量
static final int DEFAULT_INITIAL_CAPACITY = 16;
最大容量
static final int MAXIMUM_CAPACITY = 1 << 30;
默认加载因子，加载因子是一个比例，当HashMap的数据大小>=容量*加载因子时，HashMap会将容量扩容
static final float DEFAULT_LOAD_FACTOR = 0.75f;
当实际数据大小超过threshold时，HashMap会将容量扩容，threshold＝容量*加载因子
int threshold;
加载因子
final float loadFactor;


HashMap的初始过程
构造函数1

    public HashMap(int initialCapacity, float loadFactor) {
        if (initialCapacity < 0)
            throw new IllegalArgumentException("Illegal initial capacity: " +
                                               initialCapacity);
        if (initialCapacity > MAXIMUM_CAPACITY)
            initialCapacity = MAXIMUM_CAPACITY;
        if (loadFactor <= 0 || Float.isNaN(loadFactor))
            throw new IllegalArgumentException("Illegal load factor: " +
                                               loadFactor);

        // Find a power of 2 >= initialCapacity
        int capacity = 1;
        while (capacity < initialCapacity)
            capacity <<= 1;
  
        this.loadFactor = loadFactor;
        threshold = (int)(capacity * loadFactor);
        table = new Entry[capacity];
        init();
    }

 

重点注意这里

while (capacity < initialCapacity)
            capacity <<= 1;

 

capacity才是初始容量，而不是initialCapacity，这个要特别注意，如果执行new HashMap(9,0.75)；那么HashMap的初始容量是16，而不是9，想想为什么吧。

构造函数2

public HashMap(int initialCapacity) {
        this(initialCapacity, DEFAULT_LOAD_FACTOR);
    }

 

构造函数3，全部都是默认值

   public HashMap() {
        this.loadFactor = DEFAULT_LOAD_FACTOR;
        threshold = (int)(DEFAULT_INITIAL_CAPACITY * DEFAULT_LOAD_FACTOR);
        table = new Entry[DEFAULT_INITIAL_CAPACITY];
        init();
    }

 

构造函数4

  public HashMap(Map<? extends K, ? extends V> m) {
        this(Math.max((int) (m.size() / DEFAULT_LOAD_FACTOR) + 1,
                      DEFAULT_INITIAL_CAPACITY), DEFAULT_LOAD_FACTOR);
        putAllForCreate(m);
    }

 

如何哈希
        HashMap并不是直接将对象的hashcode作为哈希值的，而是要把key的hashcode作一些运算以得到最终的哈希值，并且得到的哈希值也不是在数组中的位置哦，无论是get还是put还是别的方法，计算哈希值都是这一句：
int hash = hash(key.hashCode());
hash函数如下：

  static int hash(int h) {
    return useNewHash ? newHash(h) : oldHash(h);
    }

 

useNewHash声明如下：
 

 private static final boolean useNewHash;
    static { useNewHash = false; }

 

这说明useNewHash其实一直为false且不可改变的，hash函数里对 useNewHash的判断真是多余的。

    private static int oldHash(int h) {
        h += ~(h << 9);
        h ^=  (h >>> 14);
        h +=  (h << 4);
        h ^=  (h >>> 10);
        return h;
    }

    private static int newHash(int h) {
        // This function ensures that hashCodes that differ only by
        // constant multiples at each bit position have a bounded
        // number of collisions (approximately 8 at default load factor).
        h ^= (h >>> 20) ^ (h >>> 12);
        return h ^ (h >>> 7) ^ (h >>> 4);
    }

 

其实HashMap的哈希函数会一直都是oldHash。


如果确定数据的位置
看下面两行
 

    int hash = hash(k.hashCode());
      int i = indexFor(hash, table.length);

 

第一行，上面讲过了，是得到哈希值，第二行，则是根据哈希指计算元素在数组中的位置了，位置的计算是将哈希值和数组长度按位与运算。

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

 

“h & (length-1)”其实这里是很有讲究的，为什么是和(length-1)进行按位与运算呢？这样做是为了提高HashMap的效率。什么？这样能提高效率？且听我细细道来。

首先我们要确定一下，HashMap的数组长度永远都是偶数，即使你在初始化的时候是这样的new HashMap(15,0.75);因为在构造函数内部，上面也讲过，有这样的一段代码：

while (capacity < initialCapacity)
            capacity <<= 1;

 

所以length-1一定是个奇数，假设现在长度为16，减去1后就是15，对应的二进制是：1111。

假设有两个元素，一个哈希值是8，二进制是1000，一个哈希值是9，二进制是1001。和1111与运算后，分别还是1000和1001，它们被分配在了数组的不同位置，这样，哈希的分布非常均匀。

那么，如果数组长度是奇数，减去1后就是偶数了，偶数对应的二进制最低位一定是0了，例如14二进制1110。对上面两个数子分别与运算，得到1000和1000。看到了吗？都是一样的值，哈希值8和9的元素多被存储在数组同一个位置的链表中。在操作的时候，链表中的元素越多，效率越低，因为要不停的对链表循环比较。所以，一定要哈希均匀分布，尽量减少哈希冲突，减少了哈希冲突，就减少了链表循环，就提高了效率。

 

 

 

put方法到底作了什么？

   public V put(K key, V value) {
    if (key == null)
        return putForNullKey(value);
        int hash = hash(key.hashCode());
        int i = indexFor(hash, table.length);
        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;
            }
        }

        modCount++;
        addEntry(hash, key, value, i);
        return null;
    }

 

如果key为NULL，则是单独处理的，看看putForNullKey方法：
 

  private V putForNullKey(V value) {
        int hash = hash(NULL_KEY.hashCode());
        int i = indexFor(hash, table.length);

        for (Entry<K,V> e = table[i]; e != null; e = e.next) {
            if (e.key == NULL_KEY) {
                V oldValue = e.value;
                e.value = value;
                e.recordAccess(this);
                return oldValue;
            }
        }

        modCount++;
        addEntry(hash, (K) NULL_KEY, value, i);
        return null;
    }

 

NULL_KEY的声明：static final Object NULL_KEY = new Object();
这一段代码是处理哈希冲突的，就是说，在数组某个位置的对象可能并不是唯一的，它是一个链表结构，根据哈希值找到链表后，还要对链表遍历，找出key相等的对象，替换它，并且返回旧的值。
  

   for (Entry<K,V> e = table[i]; e != null; e = e.next) {
            if (e.key == NULL_KEY) {
                V oldValue = e.value;
                e.value = value;
                e.recordAccess(this);
                return oldValue;
            }
        }

 

如果遍历完了该位置的链表都没有找到有key相等的，那么将当前对象增加到链表里面去

  modCount++;
  addEntry(hash, (K) NULL_KEY, value, i);
  return null;

 

且看看addEntry方法

    void addEntry(int hash, K key, V value, int bucketIndex) {
    Entry<K,V> e = table[bucketIndex];
        table[bucketIndex] = new Entry<K,V>(hash, key, value, e);
        if (size++ >= threshold)
            resize(2 * table.length);
    }

 

table[bucketIndex] = new Entry<K,V>(hash, key, value, e);新建一个Entry对象，并放在当前位置的Entry链表的头部，看看下面的 Entry构造函数就知道了，注意红色部分。

     Entry(int h, K k, V v, Entry<K,V> n) {
            value = v;
            next = n;
            key = k;
            hash = h;
        }

 

如何扩容？
        当put一个元素时，如果达到了容量限制，HashMap就会扩容，新的容量永远是原来的2倍。
上面的put方法里有这样的一段：

if (size++ >= threshold)
            resize(2 * table.length);

 

这是扩容判断，要注意，并不是数据尺寸达到HashMap的最大容量时才扩容，而是达到 threshold指定的值时就开始扩容， threshold＝最大容量＊加载因子。 看看resize方法
 

  void resize(int newCapacity) {
        Entry[] oldTable = table;
        int oldCapacity = oldTable.length;
        if (oldCapacity == MAXIMUM_CAPACITY) {
            threshold = Integer.MAX_VALUE;
            return;
        }

        Entry[] newTable = new Entry[newCapacity];
        transfer(newTable);
        table = newTable;
        threshold = (int)(newCapacity * loadFactor);
    }

 

重点看看红色部分的 transfer方法
 

  void transfer(Entry[] newTable) {
        Entry[] src = table;
        int newCapacity = newTable.length;
        for (int j = 0; j < src.length; j++) {
            Entry<K,V> e = src[j];
            if (e != null) {
                src[j] = null;
                do {
                    Entry<K,V> next = e.next;
                    int i = indexFor(e.hash, newCapacity);
                    e.next = newTable[i];
                    newTable[i] = e;
                    e = next;
                } while (e != null);
            }
        }
    }

 

tranfer方法将所有的元素重新哈希，因为新的容量变大，所以每个元素的哈希值和位置都是不一样的。

 

如何寻找元素

       通 过上面代码的分析，应该可以很清楚的看到，HashMap的元素查找大致分为三步：

根据key的hasocde()得到哈希值

根据哈希值确定元素在数组中的位置

找到指定位置 的链表，循环比较，先“＝＝”比较，如果不等，再“equals”比较，如果有一个比较相等，就说明找到元素了。

所以说到这里，我想大家也明白了，为什么要把一个对象放进HashMap的时候，最好是重写hashcode()方法和equals 方法呢？根据前面的分析，hashcode()可以确定元素在数组中的位置，而equals方法在链表的比较时要用到。

 

正确的使用HashMap
1：不要在并发场景中使用HashMap
           HashMap是线程不安全的，如果被多个线程共享的操作，将会引发不可预知的问题，据sun的说法，在扩容时，会引起链表的闭环，在get元素时，就会无限循环，后果是cpu100%。
看看get方法的红色部分

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;
    }

 

2：如果数据大小是固定的，那么最好给HashMap设定一个合理的容量值
        根据上面的分析，HashMap的初始默认容量是16，默认加载因子是0.75，也就是说，如果采用HashMap的默认构造函数，当增加数据时，数据实际容量超过10*0.75=12时，HashMap就扩容，扩容带来一系列的运算，新建一个是原来容量2倍的数组，对原有元素全部重新哈希，如果你的数据有几千几万个，而用默认的HashMap构造函数，那结果是非常悲剧的，因为HashMap不断扩容，不断哈希，在使用HashMap的场景里，不会是多个线程共享一个HashMap,除非对HashMap包装并同步，由此产生的内存开销和cpu开销在某些情况下可能是致命的。

 

佩服楼主的探索精神，源码分析的很透彻；
新的JDK已经对hash进行了重构，newHash oldHash已经不存在了，hash的代码直接就是oldHash的代码；

太长了，看不懂。

为啥默认的最大容量为2**30，而不是2**31-1呢？

整数的最大范围是：-2的31次方到2的31次方-1，容量不会有负数，估计设计者选择的正负数的和；

不错！！！

其实还有一个地方没提到！他扩容的时候，hashcode没变！但他再新的数组里面的index是变了的！那他获取的时候会不会有偏差呢！

get中这么一行代码

h ^= (h >>> 20) ^ (h >>> 12);
h= h ^ (h >>> 7) ^ (h >>> 4);
这是hash中的方法 对hashcode进行‘重构’
然后再结合ForIndex方法 ！就是index值

不会有偏差，元素的hashcode没有发生变化，扩容之前，哈希值的运算方法和get方法里的哈希算法是一样的。

因此，扩容之后，只是元素在数组中的位置发生了变化。

无论是put还是get，都要先对元素的hashcode进行哈希运算以确定元素的数组位置，而且得出来的值肯定是一样的。

请看帖子里的“如果确定数据的位置”那一段。

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;
    }

为什么呢？上面代码能看出来？

resize后
k.hashCode())  定值
hash(k.hashCode());定值
indexFor(hash, table.length);因为table.length 翻倍了，所以计算出的位置肯定会有变化。但是hash值是不会变的。

比如           

                 扩容前   length×2后
length         4       8
length-1       11(3)   111(7)
hashcode       10(2)   10(2)
i值               10(2)    110(6)
所以扩容前在table[2]位置，扩容后就在table[6]