java中HashMap详解

HashMap 和 HashSet 是 Java Collection Framework 的两个重要成员，其中 HashMap 是 Map 接口的常用实现类，HashSet 是 Set 接口的常用实现类。虽然 HashMap 和 HashSet 实现的接口规范不同，但它们底层的 Hash 存储 机制完全一样，甚至 HashSet 本身就采用 HashMap 来实现的。

    通过 HashMap、HashSet 的源代码分析其 Hash 存储 机制

    实际上，HashSet 和 HashMap 之间有很多相似之处，对于 HashSet 而言，系统采用 Hash 算法决定集合元素的存储位置，这样可以保证能快速存、取集合元素；对于 HashMap 而言，系统 key-value 当成一个整体进行处理，系统总是根据 Hash 算法来计算 key-value 的存储位置，这样可以保证能快速存、取 Map 的 key-value 对。

    在介绍集合存储之前需要指出一点：虽然集合号称存储的是 Java 对象，但实际上并不会真正将 Java 对象放入 Set 集合中，只是在 Set 集合中保留这些对象的引用而言。也就是说：Java 集合实际上是多个引用变量所组成的集合，这些引用变量指向实际的 Java 对象。

    集合和引用

    就像引用类型的数组一样，当我们把 Java 对象放入数组之时，并不是真正的把 Java 对象放入数组中，只是把对象的引用放入数组中，每个数组元素都是一个引用变量。

    HashMap 的存储实现

    当程序试图将多个 key-value 放入 HashMap 中时，以如下代码片段为例：

    Java代码

    HashMap<String , Double> map = new HashMap<String , Double>（）；

    map.put（"语文" , 80.0）；

    map.put（"数学" , 89.0）；

    map.put（"英语" , 78.2）；

    HashMap 采用一种所谓的“Hash 算法”来决定每个元素的存储位置。

    当程序执行 map.put（"语文" , 80.0）； 时，系统将调用"语文"的 hashCode（） 方法得到其 hashCode 值——每个 Java 对象都有 hashCode（） 方法，都可通过该方法获得它的 hashCode 值。得到这个对象的 hashCode 值之后，系统会根据该 hashCode 值来决定该元素的存储位置。

    我们可以看 HashMap 类的 put（K key , V value） 方法的源代码：

    Java代码

    public V put（K key, V value）

    {

    // 如果 key 为 null，调用 putForNullKey 方法进行处理

    if （key == null）

    return putForNullKey（value）；

    // 根据 key 的 keyCode 计算 Hash 值

    int hash = hash（key.hashCode（））；

    // 搜索指定 hash 值在对应 table 中的索引

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

    // 如果 i 索引处的 Entry 不为 null，通过循环不断遍历 e 元素的下一个元素

    for （Entry<K,V> e = table[i]; e != null; e = e.next）

    {

    Object k;

    // 找到指定 key 与需要放入的 key 相等（hash 值相同

    // 通过 equals 比较放回 true）

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

    || key.equals（k）））

    {

    V oldValue = e.value;

    e.value = value;

    e.recordAccess（this）；

    return oldValue;

    }

    }

    // 如果 i 索引处的 Entry 为 null，表明此处还没有 Entry

    modCount++;

    // 将 key、value 添加到 i 索引处

    addEntry（hash, key, value, i）；

    return null;

    }

    上面程序中用到了一个重要的内部接口：Map.Entry，每个 Map.Entry 其实就是一个 key-value 对。从上面程序中可以看出：当系统决定存储 HashMap 中的 key-value 对时，完全没有考虑 Entry 中的 value，仅仅只是根据 key 来计算并决定每个 Entry 的存储位置。这也说明了前面的结论：我们完全可以把 Map 集合中的 value 当成 key 的附属，当系统决定了 key 的存储位置之后，value 随之保存在那里即可。

    上面方法提供了一个根据 hashCode（） 返回值来计算 Hash 码的方法：hash（），这个方法是一个纯粹的数学计算，其方法如下：

    Java代码

    static int hash（int h）

    {

    h ^= （h >>> 20） ^ （h >>> 12）；

    return h ^ （h >>> 7） ^ （h >>> 4）；

    }

    对于任意给定的对象，只要它的 hashCode（） 返回值相同，那么程序调用 hash（int h） 方法所计算得到的 Hash 码值总是相同的。接下来程序会调用 indexFor（int h, int length） 方法来计算该对象应该保存在 table 数组的哪个索引处。indexFor（int h, int length） 方法的代码如下：

    Java代码

    static int indexFor（int h, int length）

    {

    return h & （length-1）；

    }

    这个方法非常巧妙，它总是通过 h &（table.length -1） 来得到该对象的保存位置——而 HashMap 底层数组的长度总是 2 的 n 次方，这一点可参看后面关于 HashMap 构造器的介绍。

    当 length 总是 2 的倍数时，h & （length-1） 将是一个非常巧妙的设计：假设 h=5,length=16, 那么 h & length - 1 将得到 5；如果 h=6,length=16, 那么 h & length - 1 将得到 6 ……如果 h=15,length=16, 那么 h & length - 1 将得到 15；但是当 h=16 时 , length=16 时，那么 h & length - 1 将得到 0 了；当 h=17 时 , length=16 时，那么 h & length - 1 将得到 1 了……这样保证计算得到的索引值总是位于 table 数组的索引之内。

    根据上面 put 方法的源代码可以看出，当程序试图将一个 key-value 对放入 HashMap 中时，程序首先根据该 key 的 hashCode（） 返回值决定该 Entry 的存储位置：如果两个 Entry 的 key 的 hashCode（） 返回值相同，那它们的存储位置相同。如果这两个 Entry 的 key 通过 equals 比较返回 true，新添加 Entry 的 value 将覆盖集合中原有 Entry 的 value，但 key 不会覆盖。如果这两个 Entry 的 key 通过 equals 比较返回 false，新添加的 Entry 将与集合中原有 Entry 形成 Entry 链，而且新添加的 Entry 位于 Entry 链的头部——具体说明继续看 addEntry（） 方法的说明。

    当向 HashMap 中添加 key-value 对，由其 key 的 hashCode（） 返回值决定该 key-value 对（就是 Entry 对象）的存储位置。当两个 Entry 对象的 key 的 hashCode（） 返回值相同时，将由 key 通过 eqauls（） 比较值决定是采用覆盖行为（返回 true），还是产生 Entry 链（返回 false）。

    上面程序中还调用了 addEntry（hash, key, value, i）； 代码，其中 addEntry 是 HashMap 提供的一个包访问权限的方法，该方法仅用于添加一个 key-value 对。下面是该方法的代码：

    Java代码

    void addEntry（int hash, K key, V value, int bucketIndex）

    {

    // 获取指定 bucketIndex 索引处的 Entry

    Entry<K,V> e = table[bucketIndex]; // ①

    // 将新创建的 Entry 放入 bucketIndex 索引处，并让新的 Entry 指向原来的 Entry

    table[bucketIndex] = new Entry<K,V>（hash, key, value, e）；

    // 如果 Map 中的 key-value 对的数量超过了极限

    if （size++ >= threshold）

    // 把 table 对象的长度扩充到 2 倍。

    resize（2 * table.length）； // ②

    }

 

 

 

上面方法的代码很简单，但其中包含了一个非常优雅的设计：系统总是将新添加的 Entry 对象放入 table 数组的 bucketIndex 索引处——如果 bucketIndex 索引处已经有了一个 Entry 对象，那新添加的 Entry 对象指向原有的 Entry 对象（产生一个 Entry 链），如果 bucketIndex 索引处没有 Entry 对象，也就是上面程序①号代码的 e 变量是 null，也就是新放入的 Entry 对象指向 null，也就是没有产生 Entry 链。

    JDK 源码

    在 JDK 安装目录下可以找到一个 src.zip 压缩文件，该文件里包含了 Java 基础类库的所有源文件。只要读者有学习兴趣，随时可以打开这份压缩文件来阅读 Java 类库的源代码，这对提高读者的编程能力是非常有帮助的。需要指出的是：src.zip 中包含的源代码并没有包含像上文中的中文注释，这些注释是笔者自己添加进去的。

    Hash 算法的性能选项

    根据上面代码可以看出，在同一个 bucket 存储 Entry 链的情况下，新放入的 Entry 总是位于 bucket 中，而最早放入该 bucket 中的 Entry 则位于这个 Entry 链的最末端。

    上面程序中还有这样两个变量：

    * size：该变量保存了该 HashMap 中所包含的 key-value 对的数量。

    * threshold：该变量包含了 HashMap 能容纳的 key-value 对的极限，它的值等于 HashMap 的容量乘以负载因子（load factor）。

    从上面程序中②号代码可以看出，当 size++ >= threshold 时，HashMap 会自动调用 resize 方法扩充 HashMap 的容量。每扩充一次，HashMap 的容量就增大一倍。

    上面程序中使用的 table 其实就是一个普通数组，每个数组都有一个固定的长度，这个数组的长度就是 HashMap 的容量。HashMap 包含如下几个构造器：

    * HashMap（）：构建一个初始容量为 16，负载因子为 0.75 的 HashMap。

    * HashMap（int initialCapacity）：构建一个初始容量为 initialCapacity，负载因子为 0.75 的 HashMap。

    * HashMap（int initialCapacity, float loadFactor）：以指定初始容量、指定的负载因子创建一个 HashMap。

    当创建一个 HashMap 时，系统会自动创建一个 table 数组来保存 HashMap 中的 Entry，下面是 HashMap 中一个构造器的代码：

    Java代码

    // 以指定初始化容量、负载因子创建 HashMap

    public HashMap（int initialCapacity, float loadFactor）

    {

    // 初始容量不能为负数

    if （initialCapacity < 0）

    throw new IllegalArgumentException（

    "Illegal initial capacity: " +

    initialCapacity）；

    // 如果初始容量大于最大容量，让出示容量

    if （initialCapacity > MAXIMUM_CAPACITY）

    initialCapacity = MAXIMUM_CAPACITY;

    // 负载因子必须大于 0 的数值

    if （loadFactor <= 0 || Float.isNaN（loadFactor））

    throw new IllegalArgumentException（

    loadFactor）；

    // 计算出大于 initialCapacity 的最小的 2 的 n 次方值。

    int capacity = 1;

    while （capacity < initialCapacity）

    capacity 《= 1;

    this.loadFactor = loadFactor;

    // 设置容量极限等于容量 * 负载因子

    threshold = （int）（capacity * loadFactor）；

    // 初始化 table 数组

    table = new Entry[capacity]; // ①

    init（）；

    }

    上面代码中粗体字代码包含了一个简洁的代码实现：找出大于 initialCapacity 的、最小的 2 的 n 次方值，并将其作为 HashMap 的实际容量（由 capacity 变量保存）。例如给定 initialCapacity 为 10，那么该 HashMap 的实际容量就是 16。

    程序①号代码处可以看到：table 的实质就是一个数组，一个长度为 capacity 的数组。

    对于 HashMap 及其子类而言，它们采用 Hash 算法来决定集合中元素的存储位置。当系统开始初始化 HashMap 时，系统会创建一个长度为 capacity 的 Entry 数组，这个数组里可以存储元素的位置被称为“桶（bucket）”，每个 bucket 都有其指定索引，系统可以根据其索引快速访问该 bucket 里存储的元素。

    无论何时，HashMap 的每个“桶”只存储一个元素（也就是一个 Entry），由于 Entry 对象可以包含一个引用变量（就是 Entry 构造器的的最后一个参数）用于指向下一个 Entry，因此可能出现的情况是：HashMap 的 bucket 中只有一个 Entry，但这个 Entry 指向另一个 Entry ——这就形成了一个 Entry 链。如图 1 所示：

    图 1. HashMap 的存储示意

    HashMap 的读取实现

    当 HashMap 的每个 bucket 里存储的 Entry 只是单个 Entry ——也就是没有通过指针产生 Entry 链时，此时的 HashMap 具有最好的性能：当程序通过 key 取出对应 value 时，系统只要先计算出该 key 的 hashCode（） 返回值，在根据该 hashCode 返回值找出该 key 在 table 数组中的索引，然后取出该索引处的 Entry，最后返回该 key 对应的 value 即可。看 HashMap 类的 get（K key） 方法代码：

    Java代码

    public V get（Object key）

    {

    // 如果 key 是 null，调用 getForNullKey 取出对应的 value

    if （key == null）

    return getForNullKey（）；

    // 根据该 key 的 hashCode 值计算它的 hash 码

    int hash = hash（key.hashCode（））；

    // 直接取出 table 数组中指定索引处的值，

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

    e != null;

    // 搜索该 Entry 链的下一个 Entr

    e = e.next） // ①

    {

    Object k;

    // 如果该 Entry 的 key 与被搜索 key 相同

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

    || key.equals（k）））

    return e.value;

    }

    return null;

    }

    从上面代码中可以看出，如果 HashMap 的每个 bucket 里只有一个 Entry 时，HashMap 可以根据索引、快速地取出该 bucket 里的 Entry；在发生“Hash 冲突”的情况下，单个 bucket 里存储的不是一个 Entry，而是一个 Entry 链，系统只能必须按顺序遍历每个 Entry，直到找到想搜索的 Entry 为止——如果恰好要搜索的 Entry 位于该 Entry 链的最末端（该 Entry 是最早放入该 bucket 中），那系统必须循环到最后才能找到该元素。

    归纳起来简单地说，HashMap 在底层将 key-value 当成一个整体进行处理，这个整体就是一个 Entry 对象。HashMap 底层采用一个 Entry[] 数组来保存所有的 key-value 对，当需要存储一个 Entry 对象时，会根据 Hash 算法来决定其存储位置；当需要取出一个 Entry 时，也会根据 Hash 算法找到其存储位置，直接取出该 Entry。由此可见：HashMap 之所以能快速存、取它所包含的 Entry，完全类似于现实生活中母亲从小教我们的：不同的东西要放在不同的位置，需要时才能快速找到它。

    当创建 HashMap 时，有一个默认的负载因子（load factor），其默认值为 0.75，这是时间和空间成本上一种折衷：增大负载因子可以减少 Hash 表（就是那个 Entry 数组）所占用的内存空间，但会增加查询数据的时间开销，而查询是最频繁的的操作（HashMap 的 get（） 与 put（） 方法都要用到查询）；减小负载因子会提高数据查询的性能，但会增加 Hash 表所占用的内存空间。

    掌握了上面知识之后，我们可以在创建 HashMap 时根据实际需要适当地调整 load factor 的值；如果程序比较关心空间开销、内存比较紧张，可以适当地增加负载因子；如果程序比较关心时间开销，内存比较宽裕则可以适当的减少负载因子。通常情况 下，程序员无需改变负载因子的值。

    如果开始就知道 HashMap 会保存多个 key-value 对，可以在创建时就使用较大的初始化容量，如果 HashMap 中 Entry 的数量一直不会超过极限容量（capacity * load factor），HashMap 就无需调用 resize（） 方法重新分配 table 数组，从而保证较好的性能。当然，开始就将初始容量设置太高可能会浪费空间（系统需要创建一个长度为 capacity 的 Entry 数组），因此创建 HashMap 时初始化容量设置也需要小心对待。