基本使用
1
2
3
4
| Map<String, String> map = new HashMap<>();
map.put("name", "cloudylc");
String name = map.get("name");
System.out.println(name);
|
Map的族谱
classDiagram
class Map {
<<interface>>
}
class SortedMap {
<<interface>>
}
class NavigableMap {
<<interface>>
}
class AbstractMap {
<<abstract>>
}
class Dictionary {
<<abstract>>
}
class HashMap
class LinkedHashMap
class TreeMap
class Hashtable
Map <|.. AbstractMap
AbstractMap <|-- HashMap
HashMap <|-- LinkedHashMap
Map <|-- SortedMap
SortedMap <|-- NavigableMap
NavigableMap <|.. TreeMap
HashMap <|-- TreeMap
Map <|.. Hashtable
Dictionary <|-- Hashtable
底层结构
在jdk1.8中，HashMap的底层结构，主要由 数组+链表/红黑树 构成。
首先HashMap内部维护了一个泛型的Node数组，数组内每一个槽都称之为桶，数组具有以下几个性质：
1
| transient Node<K,V>[] table;
|
当发生哈希冲突时，jdk1.8会先采用链地址法来解决，将冲突的节点通过尾插法加入链表，链表由Node.next 指针实现
1
2
3
4
5
6
| static class Node<K,V> implements Map.Entry<K,V> {
final int hash;
final K key;
V value;
Node<K,V> next;
}
|
在当个桶内的链表长度一直增长时，如不干预，对该桶的操作就会退化成O(n)，性能会受到影响。
为解决此问题，在一定条件下该桶内链表则会升级成红黑树，树化通过TreeNode对Node的继承使用多态实现
树化的条件如下，两者需要同时满足：
- 单个桶内链表长度 >=
TREEIFY_THRESHOLD(8)
- Node数组长度 >=
MIN_TREEIFY_CAPACITY(64)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
| static final class HashMap.TreeNode<K,V> extends LinkedHashMap.Entry<K,V> {
TreeNode<K,V> parent;
TreeNode<K,V> left;
TreeNode<K,V> right;
TreeNode<K,V> prev;
boolean red;
}
static class LinkedHashMap.Entry<K,V> extends HashMap.Node<K,V> {
Entry<K,V> before, after;
Entry(int hash, K key, V value, Node<K,V> next) {
super(hash, key, value, next);
}
}
|
索引定位的设计解析
在未了解到HashMap源码实现前，仅凭对Hash结构的了解，作者第一印象索引定位算法如下：
1
| int index = key.hashCode() % n;
|
其中 n 就是 Node[] 的长度，通过对 key 的 hash 值对其取余，则能在 n 的范围内，定位到数组索引的位置
但在解析了源码后发现，事情并没有这么简单, HashMap底层的索引定位算法如下：
1
2
| int hash = hash(key);
int index = (n - 1) & hash;
|
与上述算法相比，有三处明显的不同：
- 索引定位的计算没有用取余
% 而是用了 &
- 参与索引定位的hash值额外经过hash()扰动函数
位与代替取余
针对第一点可能不太好理解，但是再加上一个前提：Node[] 的长度始终是2的n次幂
在该前提下，对于数学上的 hash % n 效果，使用位移方式 hash & ( n - 1) 可等价实现
原因也很简单：
除了效果等价外，位运算&相较于取余%在性能上会更有优势
- 前者是简单的位运算，一条指令即可，速度极快
- 后者需要用到整除单元，延迟明显更高
扰动函数
为什么要进行二次hash处理，使得hash值得到充分扰动？
因为根据上述的分析可知，对于 (n - 1) & hash，结果就取决于 hash 的低位。
所以 hash 的低位特别重要，假设直接使用 hash = key.hashCode()，如果hash值质量低，存在着较高的哈希碰撞风险。
HashMap 1.8 中的扰动源码如下：
static final int hash(Object key) {1
2
3
4
| static final int hash(Object key) {
int h;
return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}
|
扰动函数的结果，就是对 key.hashCode() 进行扰动处理，使期更加的散列，以减少哈希碰撞。
并且对于 key = null 的特殊情况，给出一个相同的结果 0 值，使得 key = null 都定位在同一个槽中。
而扰动和核心就是 key.hashCode() ^ (key.hashCode() >>> 16)
即将 hashCode() 的 高16位移动到低位，将高位信息拉到低位，然后与原 hashCode() 进行异或计算。
最终得出一个低位更具随机性的 hashCode，从而使得索引定位更加均匀，哈希碰撞概率更低！
put 流程
简易的源码如下，可以看到，put()底层是调用了一个参数更加详细的putVal()方法
1
2
3
4
5
6
7
| public V put(K key, V value) {
return putVal(hash(key), key, value, false, true);
}
final V putVal(int hash, K key, V value, boolean onlyIfAbsent, boolean evict) {
}
|
简易流程
- 计算 key 的扰动后 hash 值
- 表空则初始化
- 索引定位，判断有无发生哈希冲突
- 无冲突，则在槽为上新增节点
- 有冲突，判断节点类型
- 节点是红黑树节点，则添加红黑树节点
- 节点是链表，则遍历尾插，再判断当前链表是否需要树化
- 若存在相同节点，则覆盖值
- 更新计数器
- 检查是否需要扩容
put源码与注释
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
| 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;
if ((p = tab[i = (n - 1) & hash]) == null)
tab[i] = newNode(hash, key, value, null);
else {
Node<K,V> e; K k;
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
e = p;
else if (p instanceof TreeNode)
e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
else {
for (int binCount = 0; ; ++binCount) {
if ((e = p.next) == null) {
p.next = newNode(hash, key, value, null);
if (binCount >= TREEIFY_THRESHOLD - 1)
treeifyBin(tab, hash);
break;
}
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
break;
p = e;
}
}
if (e != null) {
V oldValue = e.value;
if (!onlyIfAbsent || oldValue == null)
e.value = value;
afterNodeAccess(e);
return oldValue;
}
}
++modCount;
if (++size > threshold)
resize();
afterNodeInsertion(evict);
return null;
}
|
resize 流程
简易流程
resize() 最核心的作用就是初始化与扩容。
先计算出新的容量与新的阈值，都按照2倍递增，并使用新容量创建新数组。
针对单个节点，直接使用节点上存的hash与上新容量-1得出新数组的位置。
针对红黑树节点，则进行红黑树的节点拆分。
针对链表节点，则根据 e.hash & oldCap == 0 来拆分高位/低位链表。
- 低位链表，以原位置存入新数组中
- 高位链表，以原位置+oldCap存入新数组中
resize源码与注释
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
| final Node<K,V>[] resize() {
Node<K,V>[] oldTab = table;
int oldCap = (oldTab == null) ? 0 : oldTab.length;
int oldThr = threshold;
int newCap, newThr = 0;
if (oldCap > 0) {
if (oldCap >= MAXIMUM_CAPACITY) {
threshold = Integer.MAX_VALUE;
return oldTab;
}
else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&
oldCap >= DEFAULT_INITIAL_CAPACITY)
newThr = oldThr << 1;
}
else if (oldThr > 0)
newCap = oldThr;
else {
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];
table = newTab;
if (oldTab != null) {
for (int j = 0; j < oldCap; ++j) {
Node<K,V> e;
if ((e = oldTab[j]) != null) {
oldTab[j] = null;
if (e.next == null)
newTab[e.hash & (newCap - 1)] = e;
else if (e instanceof TreeNode)
((TreeNode<K,V>)e).split(this, newTab, j, oldCap);
else {
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;
}
|
get 流程
简易流程
- 计算出目标的hash值，并定位到到节点
- 检查第首节点，如果与目标值相等则返回
- 存在后续节点，则继续进行检查
- 节点属于红黑树节点，则进行红黑树查找
- 节点属于链表，则逐个遍历对比检查
get源码与注释
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
| public V get(Object key) {
Node<K,V> e;
return (e = getNode(hash(key), key)) == null ? null : e.value;
}
final Node<K,V> getNode(int hash, Object key) {
Node<K,V>[] tab; Node<K,V> first, e; int n; K k;
if ((tab = table) != null
&& (n = tab.length) > 0
&& (first = tab[(n - 1) & hash]) != null) {
if (first.hash == hash &&
((k = first.key) == key || (key != null && key.equals(k))))
return first;
if ((e = first.next) != null) {
if (first instanceof TreeNode)
return ((TreeNode<K,V>)first).getTreeNode(hash, key);
do {
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
return e;
} while ((e = e.next) != null);
}
}
return null;
}
|