Java集合：HashMap源碼剖析

標籤：改進   pos   實現   列表   情況   擴大   actor   散列   集合   

 

一、HashMap概述
二、HashMap的資料結構
三、HashMap源碼分析
     1、關鍵屬性
     2、構造方法
     3、儲存資料
     4、調整大小

     5、資料讀取

                      6、HashMap的績效參數
                      7、Fail-Fast機制

 

一、HashMap概述

　　HashMap基於雜湊表的 Map 介面的實現。此實現提供所有可選的映射操作，並允許使用 null 值和 null 鍵。（除了不同步和允許使用 null 之外，HashMap 類與 Hashtable 大致相同。）此類不保證映射的順序，特別是它不保證該順序恒久不變。

　　值得注意的是HashMap不是安全執行緒的，如果想要安全執行緒的HashMap，可以通過Collections類的靜態方法synchronizedMap獲得安全執行緒的HashMap。

 Map map = Collections.synchronizedMap(new HashMap());

 

二、HashMap的資料結構

　　HashMap的底層主要是基於數組和鏈表來實現的，它之所以有相當快的查詢速度主要是因為它是通過計算散列碼來決定儲存的位置。HashMap中主要是通過key的hashCode來計算hash值的，只要hashCode相同，計算出來的hash值就一樣。如果儲存的對象對多了，就有可能不同的對象所算出來的hash值是相同的，這就出現了所謂的hash衝突。學過資料結構的同學都知道，解決hash衝突的方法有很多，HashMap底層是通過鏈表來解決hash衝突的。

 

 圖中，紫色部分即代表雜湊表，也稱為雜湊數組，數組的每個元素都是一個單鏈表的前端節點，鏈表是用來解決衝突的，如果不同的key映射到了數組的同一位置處，就將其放入單鏈表中。

我們看看HashMap中Entry類的代碼：

 

    /** Entry是單向鏈表。         * 它是 “HashMap鏈式儲存法”對應的鏈表。         *它實現了Map.Entry 介面，即實現getKey(), getValue(), setValue(V value), equals(Object o), hashCode()這些函數      **/      static class Entry<K,V> implements Map.Entry<K,V> {            final K key;            V value;            // 指向下一個節點            Entry<K,V> next;            final int hash;               // 建構函式。            // 輸入參數包括"雜湊值(h)", "鍵(k)", "值(v)", "下一節點(n)"            Entry(int h, K k, V v, Entry<K,V> n) {                value = v;                next = n;                key = k;                hash = h;            }               public final K getKey() {                return key;            }               public final V getValue() {                return value;            }               public final V setValue(V newValue) {                V oldValue = value;                value = newValue;                return oldValue;            }               // 判斷兩個Entry是否相等            // 若兩個Entry的“key”和“value”都相等，則返回true。            // 否則，返回false            public final boolean equals(Object o) {                if (!(o instanceof Map.Entry))                    return false;                Map.Entry e = (Map.Entry)o;                Object k1 = getKey();                Object k2 = e.getKey();                if (k1 == k2 || (k1 != null && k1.equals(k2))) {                    Object v1 = getValue();                    Object v2 = e.getValue();                    if (v1 == v2 || (v1 != null && v1.equals(v2)))                        return true;                }                return false;            }               // 實現hashCode()            public final int hashCode() {                return (key==null   ? 0 : key.hashCode()) ^                       (value==null ? 0 : value.hashCode());            }               public final String toString() {                return getKey() + "=" + getValue();            }               // 當向HashMap中添加元素時，繪調用recordAccess()。            // 這裡不做任何處理            void recordAccess(HashMap<K,V> m) {            }               // 當從HashMap中刪除元素時，繪調用recordRemoval()。            // 這裡不做任何處理            void recordRemoval(HashMap<K,V> m) {            }        }

 

HashMap其實就是一個Entry數組，Entry對象中包含了鍵和值，其中next也是一個Entry對象，它就是用來處理hash衝突的，形成一個鏈表。

 

三、HashMap源碼分析

 

       1、關鍵屬性

　　先看看HashMap類中的一些關鍵屬性：

 

1 transient Entry[] table;//儲存元素的實體數組2  3 transient int size;//存放元素的個數4  5 int threshold; //臨界值   當實際大小超過臨界值時，會進行擴容threshold = 載入因子*容量6 7  final float loadFactor; //載入因子8  9 transient int modCount;//被修改的次數

 

其中loadFactor載入因子是表示Hsah表中元素的填滿的程度.

若:載入因子越大,填滿的元素越多,好處是,空間利用率高了,但:衝突的機會加大了.鏈表長度會越來越長,尋找效率降低。

反之,載入因子越小,填滿的元素越少,好處是:衝突的機會減小了,但:空間浪費多了.表中的資料將過於稀疏（很多空間還沒用，就開始擴容了）

衝突的機會越大,則尋找的成本越高.

因此,必須在 "衝突的機會"與"空間利用率"之間尋找一種平衡與折衷. 這種平衡與折衷本質上是資料結構中有名的"時-空"矛盾的平衡與折衷.

　　如果機器記憶體足夠，並且想要提高查詢速度的話可以將載入因子設定小一點；相反如果機器記憶體緊張，並且對查詢速度沒有什麼要求的話可以將載入因子設定大一點。不過一般我們都不用去設定它，讓它取預設值0.75就好了。

 

2、構造方法

下面看看HashMap的幾個構造方法：

 

public HashMap(int initialCapacity, float loadFactor) { 2         //確保數字合法 3         if (initialCapacity < 0) 4             throw new IllegalArgumentException("Illegal initial capacity: " + 5                                               initialCapacity); 6         if (initialCapacity > MAXIMUM_CAPACITY) 7             initialCapacity = MAXIMUM_CAPACITY; 8         if (loadFactor <= 0 || Float.isNaN(loadFactor)) 9             throw new IllegalArgumentException("Illegal load factor: " +10                                               loadFactor);11 12         // Find a power of 2 >= initialCapacity13         int capacity = 1;   //初始容量14         while (capacity < initialCapacity)   //確保容量為2的n次冪，使capacity為大於initialCapacity的最小的2的n次冪15             capacity <<= 1;16 17         this.loadFactor = loadFactor;18         threshold = (int)(capacity * loadFactor);19         table = new Entry[capacity];20        init();21    }22 23     public HashMap(int initialCapacity) {24         this(initialCapacity, DEFAULT_LOAD_FACTOR);25    }26 27     public HashMap() {28         this.loadFactor = DEFAULT_LOAD_FACTOR;29         threshold = (int)(DEFAULT_INITIAL_CAPACITY * DEFAULT_LOAD_FACTOR);30         table = new Entry[DEFAULT_INITIAL_CAPACITY];31        init();32     }

 

我們可以看到在構造HashMap的時候如果我們指定了載入因子和初始容量的話就調用第一個構造方法，否則的話就是用預設的。預設初始容量為16，預設載入因子為0.75。我們可以看到上面代碼中13-15行，這段代碼的作用是確保容量為2的n次冪，使capacity為大於initialCapacity的最小的2的n次冪，至於為什麼要把容量設定為2的n次冪，我們等下再看。

 

重點分析下HashMap中用的最多的兩個方法put和get

       3、儲存資料

　　下面看看HashMap儲存資料的過程是怎樣的，首先看看HashMap的put方法：

  

public V put(K key, V value) {     // 若“key為null”，則將該索引值對添加到table[0]中。         if (key == null)             return putForNullKey(value);     // 若“key不為null”，則計算該key的雜湊值，然後將其添加到該雜湊值對應的鏈表中。         int hash = hash(key.hashCode());     //搜尋指定hash值在對應table中的索引         int i = indexFor(hash, table.length);     // 迴圈遍曆Entry數組,若“該key”對應的索引值對已經存在，則用新的value取代舊的value。然後退出！         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))) { //如果key相同則覆蓋並返回舊值                  V oldValue = e.value;                 e.value = value;                 e.recordAccess(this);                 return oldValue;              }         }     //修改次數+1         modCount++;     //將key-value添加到table[i]處     addEntry(hash, key, value, i);     return null;}

 

上面程式中用到了一個重要的內部介面：Map.Entry，每個 Map.Entry 其實就是一個 key-value 對。從上面程式中可以看出：當系統決定儲存 HashMap 中的 key-value 對時，完全沒有考慮 Entry 中的 value，僅僅只是根據 key 來計算並決定每個 Entry 的儲存位置。這也說明了前面的結論：我們完全可以把 Map 集合中的 value 當成 key 的附屬，當系統決定了 key 的儲存位置之後，value 隨之儲存在那裡即可。

我們慢慢的來分析這個函數，第2和3行的作用就是處理key值為null的情況，我們看看putForNullKey(value)方法：

 

1 private V putForNullKey(V value) { 2         for (Entry<K,V> e = table[0]; e != null; e = e.next) { 3             if (e.key == null) {   //如果有key為null的對象存在，則覆蓋掉 4                 V oldValue = e.value; 5                 e.value = value; 6                 e.recordAccess(this); 7                 return oldValue; 8            } 9        }10         modCount++;11         addEntry(0, null, value, 0); //如果鍵為null的話，則hash值為012         return null;13     }

 

注意：如果key為null的話，hash值為0，Object Storage Service在數組中索引為0的位置。即table[0]

我們再回去看看put方法中第4行，它是通過key的hashCode值計算hash碼，下面是計算hash碼的函數：

 

1  //計算hash值的方法 通過鍵的hashCode來計算2     static int hash(int h) {3         // This function ensures that hashCodes that differ only by4         // constant multiples at each bit position have a bounded5         // number of collisions (approximately 8 at default load factor).6         h ^= (h >>> 20) ^ (h >>> 12);7         return h ^ (h >>> 7) ^ (h >>> 4);8     }

 

得到hash碼之後就會通過hash碼去計算出應該儲存在數組中的索引，計算索引的函數如下：

 

1     static int indexFor(int h, int length) { //根據hash值和數組長度算出索引值2         return h & (length-1);  //這裡不能隨便算取，用hash&(length-1)是有原因的，這樣可以確保算出來的索引是在數組大小範圍內，不會超出3     }

 

這個我們要重點說下，我們一般對雜湊表的散列很自然地會想到用hash值對length模數（即除法散列法），Hashtable中也是這樣實現的，這種方法基本能保證元素在雜湊表中散列的比較均勻，但模數會用到除法運算，效率很低，HashMap中則通過h&(length-1)的方法來代替模數，同樣實現了均勻的散列，但效率要高很多，這也是HashMap對Hashtable的一個改進。

 

    接下來，我們分析下為什麼雜湊表的容量一定要是2的整數次冪。首先，length為2的整數次冪的話，h&(length-1)就相當於對length模數，這樣便保證了散列的均勻，同時也提升了效率；其次，length為2的整數次冪的話，為偶數，這樣length-1為奇數，奇數的最後一位是1，這樣便保證了h&(length-1)的最後一位可能為0，也可能為1（這取決於h的值），即與後的結果可能為偶數，也可能為奇數，這樣便可以保證散列的均勻性，而如果length為奇數的話，很明顯length-1為偶數，它的最後一位是0，這樣h&(length-1)的最後一位肯定為0，即只能為偶數，這樣任何hash值都只會被散列到數組的偶數下標位置上，這便浪費了近一半的空間，因此，length取2的整數次冪，是為了使不同hash值發生碰撞的機率較小，這樣就能使元素在雜湊表中均勻地散列。

 

　　這看上去很簡單，其實比較有玄機的，我們舉個例子來說明：

　　假設數組長度分別為15和16，最佳化後的hash碼分別為8和9，那麼&運算後的結果如下： 

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

 

從上面的例子中可以看出：當它們和15-1（1110）“與”的時候，產生了相同的結果，也就是說它們會定位到數組中的同一個位置上去，這就產生了碰撞，8和9會被放到數組中的同一個位置上形成鏈表，那麼查詢的時候就需要遍曆這個鏈 表，得到8或者9，這樣就降低了查詢的效率。同時，我們也可以發現，當數組長度為15的時候，hash值會與15-1（1110）進行“與”，那麼 最後一位永遠是0，而0001，0011，0101，1001，1011，0111，1101這幾個位置永遠都不能存放元素了，空間浪費相當大，更糟的是這種情況中，數組可以使用的位置比數組長度小了很多，這意味著進一步增加了碰撞的幾率，減慢了查詢的效率！而當數組長度為16時，即為2的n次方時，2n-1得到的位元的每個位上的值都為1，這使得在低位上&時，得到的和原hash的低位相同，加之hash(int h)方法對key的hashCode的進一步最佳化，加入了高位計算，就使得只有相同的hash值的兩個值才會被放到數組中的同一個位置上形成鏈表。

　　 所以說，當數組長度為2的n次冪的時候，不同的key算得得index相同的幾率較小，那麼資料在數組上分布就比較均勻，也就是說碰撞的幾率小，相對的，查詢的時候就不用遍曆某個位置上的鏈表，這樣查詢效率也就較高了。

　　　

       根據上面 put 方法的原始碼可以看出，當程式試圖將一個key-value對放入HashMap中時，程式首先根據該 key 的 hashCode() 傳回值決定該 Entry 的儲存位置：如果兩個 Entry 的 key 的 hashCode() 傳回值相同，那它們的儲存位置相同。如果這兩個 Entry 的 key 通過 equals 比較返回 true，新添加 Entry 的 value 將覆蓋集合中原有 Entry 的 value，但key不會覆蓋。如果這兩個 Entry 的 key 通過 equals 比較返回 false，新添加的 Entry 將與集合中原有 Entry 形成 Entry 鏈，而且新添加的 Entry 位於 Entry 鏈的頭部——具體說明繼續看 addEntry() 方法的說明。

 

 

1 void addEntry(int hash, K key, V value, int bucketIndex) {2         Entry<K,V> e = table[bucketIndex]; //如果要加入的位置有值，將該位置原先的值設定為新entry的next,也就是新entry鏈表的下一個節點3         table[bucketIndex] = new Entry<>(hash, key, value, e);4         if (size++ >= threshold) //如果大於臨界值就擴容5             resize(2 * table.length); //以2的倍數擴容6     }

 

參數bucketIndex就是indexForFunction Compute出來的索引值，第2行代碼是取得數組中索引為bucketIndex的Entry對象，第3行就是用hash、key、value構建一個新的Entry對象放到索引為bucketIndex的位置，並且將該位置原先的對象設定為新對象的next構成鏈表。

　　第4行和第5行就是判斷put後size是否達到了臨界值threshold，如果達到了臨界值就要進行擴容，HashMap擴容是擴為原來的兩倍。

 

4、調整大小

resize()方法如下：

 重新調整HashMap的大小，newCapacity是調整後的單位

 1     void resize(int newCapacity) { 2         Entry[] oldTable = table; 3         int oldCapacity = oldTable.length; 4         if (oldCapacity == MAXIMUM_CAPACITY) { 5             threshold = Integer.MAX_VALUE; 6             return; 7        } 8  9         Entry[] newTable = new Entry[newCapacity];10         transfer(newTable);//用來將原先table的元素全部移到newTable裡面11         table = newTable;  //再將newTable賦值給table12         threshold = (int)(newCapacity * loadFactor);//重新計算臨界值13     }

 

建立了一個HashMap的底層數組，上面代碼中第10行為調用transfer方法，將HashMap的全部元素添加到新的HashMap中,並重新計算元素在新的數組中的索引位置

 

 

當HashMap中的元素越來越多的時候，hash衝突的幾率也就越來越高，因為數組的長度是固定的。所以為了提高查詢的效率，就要對HashMap的數組進行擴容，數組擴容這個操作也會出現在ArrayList中，這是一個常用的操作，而在HashMap數組擴容之後，最消耗效能的點就出現了：原數組中的資料必須重新計算其在新數組中的位置，並放進去，這就是resize。

 

   那麼HashMap什麼時候進行擴容呢？當HashMap中的元素個數超過數組大小*loadFactor時，就會進行數組擴容，loadFactor的預設值為0.75，這是一個折中的取值。也就是說，預設情況下，數組大小為16，那麼當HashMap中元素個數超過16*0.75=12的時候，就把數組的大小擴充為 2*16=32，即擴大一倍，然後重新計算每個元素在數組中的位置，擴容是需要進行數組複製的，複製數組是非常消耗效能的操作，所以如果我們已經預知HashMap中元素的個數，那麼預設元素的個數能夠有效提高HashMap的效能。

 

 

 5、資料讀取

 

 

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.}  

有了上面儲存時的hash演算法作為基礎，理解起來這段代碼就很容易了。從上面的原始碼中可以看出：從HashMap中get元素時，首先計算key的hashCode，找到數組中對應位置的某一元素，然後通過key的equals方法在對應位置的鏈表中找到需要的元素。

 

6、HashMap的績效參數：

 

   HashMap 包含如下幾個構造器：

   HashMap()：構建一個初始容量為 16，負載因子為 0.75 的 HashMap。

   HashMap(int initialCapacity)：構建一個初始容量為 initialCapacity，負載因子為 0.75 的 HashMap。

   HashMap(int initialCapacity, float loadFactor)：以指定初始容量、指定的負載因子建立一個 HashMap。

   HashMap的基礎構造器HashMap(int initialCapacity, float loadFactor)帶有兩個參數，它們是初始容量initialCapacity和載入因子loadFactor。

   initialCapacity：HashMap的最大容量，即為底層數組的長度。

   loadFactor：負載因子loadFactor定義為：散列表的實際元素數目(n)/ 散列表的容量(m)。

   負載因子衡量的是一個散列表的空間的使用程度，負載因子越大表示散列表的裝填程度越高，反之愈小。對於使用鏈表法的散列表來說，尋找一個元素的平均時間是O(1+a)，因此如果負載因子越大，對空間的利用更充分，然而後果是尋找效率的降低；如果負載因子太小，那麼散列表的資料將過於稀疏，對空間造成嚴重浪費。

   HashMap的實現中，通過threshold欄位來判斷HashMap的最大容量：

 

threshold = (int)(capacity * loadFactor);  

   結合負載因子的定義公式可知，threshold就是在此loadFactor和capacity對應下允許的最大元素數目，超過這個數目就重新resize，以降低實際的負載因子。預設的的負載因子0.75是對空間和時間效率的一個平衡選擇。當容量超出此最大容量時， resize後的HashMap容量是容量的兩倍：

 

 

 

參考連結:

深入Java集合學習系列：HashMap的實現原理

Java集合：HashMap源碼剖析