Java util之常用数据类型特性盘点 （HasMap深度分析）

出处：http://www.iteye.com/topic/754887

 

 

1. 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。

2. 几个关键的属性

    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;

    

3. 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);
       }

4. 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。

    

5. 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。

    

    

6. 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;
           }

7. 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。

    

8. 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。

    

9. 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。

 

 

 

 

 

 

 

 

 

 

2011-02-24 david.wang