Java8 HashMap实现原理探究

。_饼干妹妹 提交于 2020-03-16 18:34:12

某厂面试归来,发现自己落伍了!>>>

前言:Java8之后新增挺多新东西,在网上找了些相关资料,关于HashMap在自己被血虐之后痛定思痛决定整理一下相关知识方便自己看。图和有些内容参考的这个文章:http://www.importnew.com/16599.html

HashMap的存储结构如图:一个桶(bucket)上的节点多于8个则存储结构是红黑树,小于8个是单向链表。

1:HashMap的一些属性

public class HashMap<k,v> extends AbstractMap<k,v> implements Map<k,v>, Cloneable, Serializable {
 
    private static final long serialVersionUID = 362498820763181265L;
    
    // 默认的初始容量是16
    static final int DEFAULT_INITIAL_CAPACITY = 1 << 4;
     
    // 最大容量
    static final int MAXIMUM_CAPACITY = 1 << 30;
 
    // 默认的填充因子(以前的版本也有叫加载因子的)
    static final float DEFAULT_LOAD_FACTOR = 0.75f;
 
    // 这是一个阈值,当桶(bucket)上的链表数大于这个值时会转成红黑树,put方法的代码里有用到。put的时候如果两个值
    // 经过hash后都落在同一个bucket上这叫发生一次hash碰撞,往里不断put数据,当一个bucket发生8次碰撞就转成红黑树。
    static final int TREEIFY_THRESHOLD = 8;
 
    // 也是阈值同上一个相反,当桶(bucket)上的链表数小于这个值时树转链表
    static final int UNTREEIFY_THRESHOLD = 6;
 
    // 看源码注释里说是:树的最小的容量,至少是 4 x TREEIFY_THRESHOLD = 32 然后为了避免(resizing 和 treeification thresholds) 设置成64
    static final int MIN_TREEIFY_CAPACITY = 64;
 
    // 存储元素的数组,总是2的倍数
    transient Node<k,v>[] table;
 
    transient Set<map.entry<k,v>> entrySet;
 
    // 存放元素的个数,注意这个不等于数组的长度。
    transient int size;
 
    // 每次扩容和更改map结构的计数器
    transient int modCount;
     
    // 临界值 当实际大小(容量*填充因子)超过临界值时,会进行扩容
    int threshold;
 
    // 填充因子
    final float loadFactor;

2:HashMap的构造方法

// 指定初始容量和填充因子的构造方法
public HashMap(int initialCapacity, float loadFactor) {
    // 指定的初始容量非负
    if (initialCapacity < 0)
        throw new IllegalArgumentException(Illegal initial capacity:  +
                                           initialCapacity);
    // 如果指定的初始容量大于最大容量,置为最大容量
    if (initialCapacity > MAXIMUM_CAPACITY)
        initialCapacity = MAXIMUM_CAPACITY;
    // 填充比为正
    if (loadFactor <= 0 || Float.isNaN(loadFactor))
        throw new IllegalArgumentException(Illegal load factor:  +
                                           loadFactor);
    this.loadFactor = loadFactor;
    // 指定容量后,tableSizeFor方法计算出临界值,put数据的时候如果超出该值就会扩容,该值肯定也是2的倍数
    // 指定的初始容量没有保存下来,只用来生成了一个临界值
    this.threshold = tableSizeFor(initialCapacity);
}

// 该方法保证总是返回大于cap并且是2的倍数的值,比如传入999 返回1024
static final int tableSizeFor(int cap) {
    int n = cap - 1;
    // 向右做无符号位移
    n |= n >>> 1;
    n |= n >>> 2;
    n |= n >>> 4;
    n |= n >>> 8;
    n |= n >>> 16;
    // 三目运算符的嵌套
    return (n < 0) ? 1 : (n >= MAXIMUM_CAPACITY) ? MAXIMUM_CAPACITY : n + 1;
}

//构造函数2
public HashMap(int initialCapacity) {
    this(initialCapacity, DEFAULT_LOAD_FACTOR);
}
 
//构造函数3
public HashMap() {
    this.loadFactor = DEFAULT_LOAD_FACTOR; // all other fields defaulted
}

3:get和put的时候确定元素在数组中的位置

static final int hash(Object key) {
    int h;
    return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}

要确定位置

第一步:首先是要计算key的hash码,是一个int类型数字。那后面的 h >>> 16 源码注释的说法是:为了避免hash碰撞(hash collisons)将高位分散到低位上了,这是综合考虑了速度,性能等各方面因素之后做出的。 

第二步: h是hash码,length是上面Node[]数组的长度,做与运算 h & (length-1)。由于length是2的倍数-1后它的二进制码都是1而1与上其他数的结果可能是0也可能是1,这样保证运算后的均匀性。也就是hash方法保证了结果的均匀性,这点非常重要,会极大的影响HashMap的put和get性能。看下图对比:

  图3.1是非对称的hash结果

                              图3.1是非均衡的hash结果

                            图3.2是均衡的hash结果

这两个图的数据不是很多,如果链表长度超过8个会转成红黑树。那个时候看着会更明显,jdk8之前一直是链表,链表查询的复杂度是O(n)而红黑树由于其自身的特点,查询的复杂度是O(log(n))。如果hash的结果不均匀会极大影响操作的复杂度。相关的知识这里有一个<a href="http://blog.chinaunix.net/uid-26575352-id-3061918.html">红黑树基础知识博客 </a>网上还有个例子来验证:自定义了一个对象来做key,调整hashCode()方法来看put值得时间

public class MutableKeyTest {
    public static void main(String args[]){
        class MyKey {
            Integer i;

            public void setI(Integer i) {
                this.i = i;
            }

            public MyKey(Integer i) {
                this.i = i;
            }

            @Override
            public int hashCode() {
                // 如果返回1
                // return 1
                return i;
            }

            // object作为key存map里,必须实现equals方法
            @Override
            public boolean equals(Object obj) {
                if (obj instanceof MyKey) {
                    return i.equals(((MyKey)obj).i);
                } else {
                    return false;
                }
            }
        }
        
        // 我机器配置不高,25000的话正常情况27毫秒,可以用2500万试试,如果hashCode()方法返回1的话,250万就卡死
        Map<MyKey,String> map = new HashMap<>(25000,1);
        Date begin = new Date();
        for (int i = 0; i < 20000; i++){
            map.put(new MyKey(i), "test " + i);
        }


        Date end = new Date();
        System.out.println("时间(ms) " + (end.getTime() - begin.getTime()));

4:get方法

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;
    // hash & (length-1)得到红黑树的树根位置或者是链表的表头
    if ((tab = table) != null && (n = tab.length) > 0 &&
        (first = tab[(n - 1) & hash]) != null) {
        if (first.hash == hash && // always check first node
            ((k = first.key) == key || (key != null && key.equals(k))))
            return first;
        if ((e = first.next) != null) {
            // 如果是树,遍历红黑树复杂度是O(log(n)),得到节点值
            if (first instanceof TreeNode)
                return ((TreeNode<k,v>)first).getTreeNode(hash, key);
            // else是链表结构
            do {
                if (e.hash == hash &&
                    ((k = e.key) == key || (key != null && key.equals(k))))
                    return e;
            } while ((e = e.next) != null);
        }
    }
    return null;
}

5 :put方法,put的时候根据 h & (length - 1) 定位到那个桶然后看是红黑树还是链表再putVal

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) {
       Node<k,v>[] tab; Node<k,v> p; int n, i;
       // 如果tab为空或长度为0,则分配内存resize()
       if ((tab = table) == null || (n = tab.length) == 0)
           n = (tab = resize()).length;
       // (n - 1) & hash找到put位置,如果为空,则直接put
       if ((p = tab[i = (n - 1) & hash]) == null)
           tab[i] = newNode(hash, key, value, null);
       else {
           Node<k,v> e; K k;
           // 第一节节点hash值同,且key值与插入key相同
           if (p.hash == hash &&((k = p.key) == key || (key != null && key.equals(k))))
               e = p;
           else if (p instanceof TreeNode)
               // 红黑树的put方法比较复杂,putVal之后还要遍历整个树,必要的时候修改值来保证红黑树的特点
               e = ((TreeNode<k,v>)p).putTreeVal(this, tab, hash, key, value);
           else {
               // 链表
               for (int binCount = 0; ; ++binCount) {
                   if ((e = p.next) == null) {
                       // e为空,表示已到表尾也没有找到key值相同节点,则新建节点
                       p.next = newNode(hash, key, value, null);
                       // 新增节点后如果节点个数到达阈值,则将链表转换为红黑树
                       if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st
                           treeifyBin(tab, hash);
                       break;
                   }
                   // 容许空key空value
                   if (e.hash == hash &&((k = e.key) == key || (key != null && key.equals(k))))
                       break;
                   p = e;
               }
           }
           // 更新hash值和key值均相同的节点Value值
           if (e != null) { // existing mapping for key
               V oldValue = e.value;
               if (!onlyIfAbsent || oldValue == null)
                   e.value = value;
               afterNodeAccess(e);
               return oldValue;
           }
       }
       ++modCount;
       if (++size > threshold)
           resize();
       afterNodeInsertion(evict);
       return null;
   }

6:resize方法

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;
            }
            // 这一句比较重要,可以看出每次扩容是2倍
            else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&
                     oldCap >= DEFAULT_INITIAL_CAPACITY)
                newThr = oldThr << 1; // double threshold
        }
        else if (oldThr > 0) // initial capacity was placed in threshold
            newCap = oldThr;
        else {               // zero initial threshold signifies using defaults
            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 { // preserve order
                        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;
    }

 

易学教程内所有资源均来自网络或用户发布的内容,如有违反法律规定的内容欢迎反馈
该文章没有解决你所遇到的问题?点击提问,说说你的问题,让更多的人一起探讨吧!