HashMap深入分析

         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存储的数据，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);
    }

 

 

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。

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。

评论

9 楼 Technoboy 2011-05-17  

1leaf 写道

引用

那么HashMap的初始容量是16，而不是9

capacity做了位运算。

不过为什么capacity一定要是2的乘方了？

这个问题，比较有意思

8 楼 cues 2010-12-13  

wucc1986 写道

cues 写道

哈希冲突。。。最开始看src的时候，有点没想明白为啥Entry要维持一个单向链表，后来才知道在计算bucketIndex的时候，有可能出现这样的情况：
不同的hash会计算出同样的bucketIndex，如5&5 vs 7&5，如果没链表的话，原先放入的值可能会丢失。

原先放入的值不就是被覆盖了吗？

此处“原先放入的值”是指key不一样，但因hash计算出的桶索引一样的那个对象，如key(5)和key(7)计算出的索引就是一样的。这个时候添加元素是在链表上再挂一个，注意put方法中，for循环后面那个addEntry。当然key一样的话，覆盖是必须地。这个时候元素的覆盖是在for循环中的那个if里面。

同时capacity保持为2的n次幂，是为了使h & (length-1)等价于h%length，但前者求掩码更高效。

put流程的通俗翻译就是，首先拿key通过高效方式求得一个散列码，根据散列码确定放哪个桶(h%length)，如果桶内有key雷同者，替换出来，如果没有，挂在桶内链表中。

7 楼 wucc1986 2010-11-19  

cues 写道

哈希冲突。。。最开始看src的时候，有点没想明白为啥Entry要维持一个单向链表，后来才知道在计算bucketIndex的时候，有可能出现这样的情况：
不同的hash会计算出同样的bucketIndex，如5&5 vs 7&5，如果没链表的话，原先放入的值可能会丢失。

原先放入的值不就是被覆盖了吗？

6 楼 cues 2010-11-18  

哈希冲突。。。最开始看src的时候，有点没想明白为啥Entry要维持一个单向链表，后来才知道在计算bucketIndex的时候，有可能出现这样的情况：
不同的hash会计算出同样的bucketIndex，如5&5 vs 7&5，如果没链表的话，原先放入的值可能会丢失。

5 楼 jameswxx 2010-11-15  

xm_king 写道

jameswxx 写道

1leaf 写道

引用

那么HashMap的初始容量是16，而不是9

capacity做了位运算。

不过为什么capacity一定要是2的乘方了？

是为了保证capacity一定是偶数。

在HashMap中计算索引的函数是：
   static   int  indexFor( int  h,  int  length) { 
   return  h & (length- 1 ); 
  } 
而 HashMap 底层数组的长度总是  2 的  n 次方，是 为了HashMap 在速度上的优化。同时保证数据在数组上分布就比较均匀
http://xm-king.iteye.com/admin/blogs/762323

我在文章中已经详细阐述了capacity一定是偶数的原因，你们都不认真看

4 楼 xm_king 2010-11-10  

jameswxx 写道

1leaf 写道

引用

那么HashMap的初始容量是16，而不是9

capacity做了位运算。

不过为什么capacity一定要是2的乘方了？

是为了保证capacity一定是偶数。

在HashMap中计算索引的函数是：
   static   int  indexFor( int  h,  int  length) { 
   return  h & (length- 1 ); 
  } 
而 HashMap 底层数组的长度总是  2 的  n 次方，是 为了HashMap 在速度上的优化。同时保证数据在数组上分布就比较均匀
http://xm-king.iteye.com/admin/blogs/762323

3 楼 jameswxx 2010-09-08  

1leaf 写道

引用

那么HashMap的初始容量是16，而不是9

capacity做了位运算。

不过为什么capacity一定要是2的乘方了？

是为了保证capacity一定是偶数。

2 楼 1leaf 2010-09-08  

引用

那么HashMap的初始容量是16，而不是9

capacity做了位运算。

不过为什么capacity一定要是2的乘方了？

1 楼 karl-barkmann 2010-09-06  

谢谢