新闻动态   News
搜索   Search
你的位置:首页 > 新闻动态 > 技术文档

HashMap的实现原理

2013/8/22 15:20:15      点击:

1. HashMap概述:

HashMap是基于哈希表的Map接口的非同步实现。此实现提供所有可选的映射操作,并允许使用null值和null键。此类不保证映射的顺序,特别是它不保证该顺序恒久不变。

2. HashMap的数据结构:

java编程语言中,最基本的结构就是两种,一个是数组,另外一个是模拟指针(引用),所有的数据结构都可以用这两个基本结构来构造的,HashMap也不例外。HashMap实际上是一个“链表散列”的数据结构,即数组和链表的结合体。

数据结构原理讲解:

数组是将元素在内存中连续存放,由于每个元素占用内存相同,可以通过下标迅速访问数组中任何元素。但是如果要在数组中增加一个元素,需要移动大量元素,在内存中空出一个元素的空间,然后将要增加的元素放在其中。同样的道理,如果想删除一个元素,同样需要移动大量元素去填掉被移动的元素。如果应用需要快速访问数据,很少或不插入和删除元素,就应该用数组。

  • 链表恰好相反,链表中的元素在内存中不是顺序存储的,而是通过存在元素中的指针联系到一起。比如:上一个元素有个指针指到下一个元素,以此类推,直到最后一个元素。如果要访问链表中一个元素,需要从第一个元素开始,一直找到需要的元素位置。但是增加和删除一个元素对于链表数据结构就非常简单了,只要修改元素中的指针就可以了。如果应用需要经常插入和删除元素你就需要用链表数据结构了。

    *C++语言中可以用数组处理一组数据类型相同的数据,但不允许动态定义数组的大小,即在使用数组之前必须确定数组的大小。而在实际应用中,用户使用数组之前有时无法准确确定数组的大小,只能将数组定义成足够大小,这样数组中有些空间可能不被使用,从而造成内存空间的浪费。链表是一种常见的数据组织形式,它采用动态分配内存的形式实现。需要时可以用new分配内存空间,不需要时用delete将已分配的空间释放,不会造成内存空间的浪费。
      (1) 从逻辑结构角度来看
       a, 数组必须事先定义固定的长度(元素个数),不能适应数据动态地增减的情况。当数据增加时,可能超出原先定义的元素个数;当数据减少时,造成内存浪费。
       b,链表动态地进行存储分配,可以适应数据动态地增减的情况,且可以方便地插入、删除数据项。(数组中插入、删除数据项时,需要移动其它数据项)
      (2)从内存存储角度来看
       a,(静态)数组从栈中分配空间, 对于程序员方便快速,但自由度小。
       b, 链表从堆中分配空间, 自由度大但申请管理比较麻烦.

     

    从上图中可以看出,HashMap底层就是一个数组结构,数组中的每一项又是一个链表。当新建一个HashMap的时候,就会初始化一个数组。

    源码如下:

    1. /** 
    2.  * The table, resized as necessary. Length MUST Always be a power of two. 
    3.  */  
    4. transient Entry[] table;  
    5.   
    6. static class Entry<K,V> implements Map.Entry<K,V> {  
    7.     final K key;  
    8.     V value;  
    9.     Entry<K,V> next;  
    10.     final int hash;  
    11.     ……  
    12. }  

    可以看出,Entry就是数组中的元素,每个 Map.Entry其实就是一个key-value对,它持有一个指向下一个元素的引用,这就构成了链表。

    3. HashMap的存取实现:

    1) 存储:

    1. public V put(K key, V value) {  
    2.     // HashMap允许存放null键和null值。  
    3.     // 当key为null时,调用putForNullKey方法,将value放置在数组第一个位置。  
    4.     if (key == null)  
    5.         return putForNullKey(value);  
    6.     // 根据key的keyCode重新计算hash值。  
    7.     int hash = hash(key.hashCode());  
    8.     // 搜索指定hash值在对应table中的索引。  
    9.     int i = indexFor(hash, table.length);  
    10.     // 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。  
    11.     for (Entry<K,V> e = table[i]; e != null; e = e.next) {  
    12.         Object k;  
    13.         if (e.hash == hash && ((k = e.key) == key || key.equals(k))) {  
    14.             V oldValue = e.value;  
    15.             e.value = value;  
    16.             e.recordAccess(this);  
    17.             return oldValue;  
    18.         }  
    19.     }  
    20.     // 如果i索引处的Entry为null,表明此处还没有Entry。  
    21.     modCount++;  
    22.     // 将key、value添加到i索引处。  
    23.     addEntry(hash, key, value, i);  
    24.     return null;  
    25. }  

    从上面的源代码中可以看出:当我们往HashMapput元素的时候,先根据keyhashCode重新计算hash值,根据hash值得到这个元素在数组中的位置(即下标),如果数组该位置上已经存放有其他元素了,那么在这个位置上的元素将以链表的形式存放,新加入的放在链头,最先加入的放在链尾。如果数组该位置上没有元素,就直接将该元素放到此数组中的该位置上。

    addEntry(hash, key, value, i)方法根据计算出的hash值,将key-value对放在数组tablei索引处。addEntry HashMap提供的一个包访问权限的方法,代码如下:

    1. void addEntry(int hash, K key, V value, int bucketIndex) {  
    2.     // 获取指定 bucketIndex 索引处的 Entry   
    3.     Entry<K,V> e = table[bucketIndex];  
    4.     // 将新创建的 Entry 放入 bucketIndex 索引处,并让新的 Entry 指向原来的 Entry  
    5.     table[bucketIndex] = new Entry<K,V>(hash, key, value, e);  
    6.     // 如果 Map 中的 key-value 对的数量超过了极限  
    7.     if (size++ >= threshold)  
    8.     // 把 table 对象的长度扩充到原来的2倍。  
    9.         resize(2 * table.length);  
    10. }  

    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。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。

    hash(int h)方法根据keyhashCode重新计算一次散列。此算法加入了高位计算,防止低位不变,高位变化时,造成的hash冲突。

    1. static int hash(int h) {  
    2.     h ^= (h >>> 20) ^ (h >>> 12);  
    3.     return h ^ (h >>> 7) ^ (h >>> 4);  
    4. }  

    我们可以看到在HashMap中要找到某个元素,需要根据keyhash值来求得对应数组中的位置。如何计算这个位置就是hash算法。前面说过HashMap的数据结构是数组和链表的结合,所以我们当然希望这个HashMap里面的元素位置尽量的分布均匀些,尽量使得每个位置上的元素数量只有一个,那么当我们用hash算法求得这个位置的时候,马上就可以知道对应位置的元素就是我们要的,而不用再去遍历链表,这样就大大优化了查询的效率。

    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。我们首先想到的就是把hash值对数组长度取模运算,这样一来,元素的分布相对来说是比较均匀的。但是,运算的消耗还是比较大的,在HashMap中是这样做的: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:

    1. static int indexFor(int h, int length) {  
    2.     return h & (length-1);  
    3. }  

    这个方法非常巧妙,它通过 h & (table.length -1) 来得到该对象的保存位,而HashMap底层数组的长度总是 2 n次方,这是HashMap在速度上的优化。在 HashMap构造器中有如下代码:

    1. int capacity = 1;  
    2.     while (capacity < initialCapacity)  
    3.         capacity <<= 1;  

    这段代码保证初始化时HashMap的容量总是2n次方,即底层数组的长度总是为2n次方。

    length总是 2 n次方时,h& (length-1)运算等价于对length取模,也就是h%length,但是&%具有更高的效率。

    这看上去很简单,其实比较有玄机的,我们举个例子来说明:

    假设数组长度分别为1516,优化后的hash码分别为89,那么&运算后的结果如下:

    h & (table.length-1) hashtable.length-1

    8 & (15-1) 0100 &1110=0100

    9 & (15-1) 0101&1110= 0100

    -----------------------------------------------------------------------------------------------------------------------

    8 & (16-1) 0100 & 1111 = 0100

    9 & (16-1)0101&1111 = 0101

    从上面的例子中可以看出:当它们和15-11110的时候,产生了相同的结果,也就是说它们会定位到数组中的同一个位置上去,这就产生了碰撞,89会被放到数组中的同一个位置上形成链表,那么查询的时候就需要遍历这个链表,得到8或者9,这样就降低了查询的效率。同时,我们也可以发现,当数组长度为15的时候,hash值会与15-11110)进行,那么最后一位永远是0,而0001001101011001101101111101这几个位置永远都不能存放元素了,空间浪费相当大,更糟的是这种情况中,数组可以使用的位置比数组长度小了很多,这意味着进一步增加了碰撞的几率,减慢了查询的效率!而当数组长度为16时,即为2n次方时,2n-1得到的二进制数的每个位上的值都为1,这使得在低位上&时,得到的和原hash的低位相同,加之hash(int h)方法对keyhashCode的进一步优化,加入了高位计算,就使得只有相同的hash值的两个值才会被放到数组中的同一个位置上形成链表。

    所以说,当数组长度为2n次幂的时候,不同的key算得得index相同的几率较小,那么数据在数组上分布就比较均匀,也就是说碰撞的几率小,相对的,查询的时候就不用遍历某个位置上的链表,这样查询效率也就较高了。

    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 hashCode()返回值决定该 Entry的存储位置:如果两个 Entry key  hashCode()返回值相同,那它们的存储位置相同。如果这两个 Entry key通过 equals比较返回 true,新添加Entry value将覆盖集合中原有 Entry value,但key不会覆盖。如果这两个 Entry 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。

    2) 读取:

    1. public V get(Object key) {  
    2.     if (key == null)  
    3.         return getForNullKey();  
    4.     int hash = hash(key.hashCode());  
    5.     for (Entry<K,V> e = table[indexFor(hash, table.length)];  
    6.         e != null;  
    7.         e = e.next) {  
    8.         Object k;  
    9.         if (e.hash == hash && ((k = e.key) == key || key.equals(k)))  
    10.             return e.value;  
    11.     }  
    12.     return null;  
    13. }  

    有了上面存储时的hash算法作为基础,理解起来这段代码就很容易了。从上面的源代码中可以看出:从HashMapget元素时,首先计算keyhashCode,找到数组中对应位置的某一元素,然后通过keyequals方法在对应位置的链表中找到需要的元素。

    3) 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算法来决定其在数组中的存储位置,在根据equals方法决定其在该数组位置上的链表中的存储位置;当需要取出一个Entry时,也会根据hash算法找到其在数组中的存储位置,再根据equals方法从该位置上的链表中取出该Entry

    4. HashMap的resize(rehash):

    HashMap中的元素越来越多的时候,hash冲突的几率也就越来越高,因为数组的长度是固定的。所以为了提高查询的效率,就要对HashMap的数组进行扩容,数组扩容这个操作也会出现在ArrayList中,这是一个常用的操作,而在HashMap数组扩容之后,最消耗性能的点就出现了:原数组中的数据必须重新计算其在新数组中的位置,并放进去,这就是resize

    那么HashMap什么时候进行扩容呢?当HashMap中的元素个数超过数组大小*loadFactor时,就会进行数组扩容,loadFactor的默认值为0.75,这是一个折中的取值。也就是说,默认情况下,数组大小为16,那么当HashMap中元素个数超过16*0.75=12的时候,就把数组的大小扩展为 2*16=32,即扩大一倍,然后重新计算每个元素在数组中的位置,而这是一个非常消耗性能的操作,所以如果我们已经预知HashMap中元素的个数,那么预设元素的个数能够有效的提高HashMap的性能。

    5. HashMap的性能参数:

    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 HashMap

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

    HashMap的基础构造器HashMap(int initialCapacity, float loadFactor)带有两个参数,它们是初始容量initialCapacity和加载因子loadFactor

    initialCapacityHashMap的最大容量,即为底层数组的长度。

    loadFactor:负载因子loadFactor定义为:散列表的实际元素数目(n)/散列表的容量(m)

    负载因子衡量的是一个散列表的空间的使用程度,负载因子越大表示散列表的装填程度越高,反之愈小。对于使用链表法的散列表来说,查找一个元素的平均时间是O(1+a),因此如果负载因子越大,对空间的利用更充分,然而后果是查找效率的降低;如果负载因子太小,那么散列表的数据将过于稀疏,对空间造成严重浪费。

    HashMap的实现中,通过threshold字段来判断HashMap的最大容量:

    1. threshold = (int)(capacity * loadFactor);  

    结合负载因子的定义公式可知,threshold就是在此loadFactorcapacity对应下允许的最大元素数目,超过这个数目就重新resize,以降低实际的负载因子。默认的的负载因子0.75是对空间和时间效率的一个平衡选择。当容量超出此最大容量时,resize后的HashMap容量是容量的两倍:

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

    6. Fail-Fast机制:

    我们知道java.util.HashMap不是线程安全的,因此如果在使用迭代器的过程中有其他线程修改了map,那么将抛出ConcurrentModificationException,这就是所谓fail-fast策略。

    这一策略在源码中的实现是通过modCount域,modCount顾名思义就是修改次数,对HashMap内容的修改都将增加这个值,那么在迭代器初始化过程中会将这个值赋给迭代器的expectedModCount

    1. HashIterator() {  
    2.     expectedModCount = modCount;  
    3.     if (size > 0) { // advance to first entry  
    4.     Entry[] t = table;  
    5.     while (index < t.length && (next = t[index++]) == null)  
    6.         ;  
    7.     }  
    8. }  

    在迭代过程中,判断modCountexpectedModCount是否相等,如果不相等就表示已经有其他线程修改了Map:

    注意到modCount声明为volatile,保证线程之间修改的可见性。

    1. final Entry<K,V> nextEntry() {     
    2.     if (modCount != expectedModCount)     
    3.         throw new ConcurrentModificationException();  
    HashMapAPI中指出:

    由所有HashMap类的“collection视图方法所返回的迭代器都是快速失败的:在迭代器创建之后,如果从结构上对映射进行修改,除非通过迭代器本身的remove方法,其他任何时间任何方式的修改,迭代器都将抛出ConcurrentModificationException。因此,面对并发的修改,迭代器很快就会完全失败,而不冒在将来不确定的时间发生任意不确定行为的风险。

    注意,迭代器的快速失败行为不能得到保证,一般来说,存在非同步的并发修改时,不可能作出任何坚决的保证。快速失败迭代器尽最大努力抛出ConcurrentModificationException。因此,编写依赖于此异常的程序的做法是错误的,正确做法是:迭代器的快速失败行为应该仅用于检测程序错误。