【Java8源码分析】集合框架-HashMap

一、HashMap的存储结构

总共有两种存储类

// 1. 哈希冲突时采用链表法的类，一个哈希桶多于8个元素改为TreeNodestatic class Node<K,V> implements Map.Entry<K,V>// 2. 哈希冲突时采用红黑树存储的类，一个哈希桶少于6个元素改为Nodestatic final class TreeNode<K,V> extends LinkedHashMap.Entry<K,V>

下面详细看一下Node类

   // 每个哈希桶的存储结构，重写了equals和hashCode    static class Node<K,V> implements Map.Entry<K,V> {        final int hash;        final K key;        V value;        Node<K,V> next;        Node(int hash, K key, V value, Node<K,V> next) {            this.hash = hash;            this.key = key;            this.value = value;            this.next = next;        }        public final K getKey()        { return key; }        public final V getValue()      { return value; }        public final String toString() { return key + "=" + value; }        public final int hashCode() {            return Objects.hashCode(key) ^ Objects.hashCode(value);        }        public final V setValue(V newValue) {            V oldValue = value;            value = newValue;            return oldValue;        }        public final boolean equals(Object o) {            if (o == this)                return true;            if (o instanceof Map.Entry) {                Map.Entry<?,?> e = (Map.Entry<?,?>)o;                if (Objects.equals(key, e.getKey()) &&                    Objects.equals(value, e.getValue()))                    return true;            }            return false;        }    }

二、hash值计算和hash桶映射

下面为hash值计算方法，至于这个算法为什么高效和均匀，有待研究

    // hash算法，算法比较高效、均匀    static final int hash(Object key) {        int h;        return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);    }

由hash值映射hash桶的标号

// n为hash桶的个数，比较好理解(n - 1) & hash

三、源码分析

package java.util;import java.io.IOException;import java.io.InvalidObjectException;import java.io.Serializable;import java.lang.reflect.ParameterizedType;import java.lang.reflect.Type;import java.util.function.BiConsumer;import java.util.function.BiFunction;import java.util.function.Consumer;import java.util.function.Function;public class HashMap<K,V> extends AbstractMap<K,V>    implements Map<K,V>, Cloneable, Serializable {    private static final long serialVersionUID = 362498820763181265L;    // 默认容器初始大小为16    static final int DEFAULT_INITIAL_CAPACITY = 1 << 4;    static final int MAXIMUM_CAPACITY = 1 << 30;    // 默认装载因子0.75    static final float DEFAULT_LOAD_FACTOR = 0.75f;    // 在解决哈希冲突时，超过8个元素，采用红黑树替换链表    static final int TREEIFY_THRESHOLD = 8;    // 在解决哈希冲突时，低于6个元素，将红黑书转为链表    static final int UNTREEIFY_THRESHOLD = 6;    // 采用红黑树替换链表时，要求容器容量最小为64，否则采用扩容方式    static final int MIN_TREEIFY_CAPACITY = 64;    // hash算法，算法比较高效、均匀    static final int hash(Object key) {        int h;        return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);    }    // 返回不小于cap的2的次方的数    static final int tableSizeFor(int cap) {        int n = cap - 1;        n |= n >>> 1;        n |= n >>> 2;        n |= n >>> 4;        n |= n >>> 8;        n |= n >>> 16;        return (n < 0) ? 1 : (n >= MAXIMUM_CAPACITY) ? MAXIMUM_CAPACITY : n + 1;    }    /* ---------------- Fields -------------- */    // 所有的哈希桶    transient Node<K,V>[] table;    // 用作缓存    transient Set<Map.Entry<K,V>> entrySet;    transient int size;    // 这个在ArrayList和LinkedList里已经见过，用来实现fast-fail    transient int modCount;    // HashMap的阈值，用于判断是否需要调整HashMap的容量（threshold = 容量*装载因子）     int threshold;    // 装载因子    final float loadFactor;    // 构造方法，对于能预估容量大小的，可以指定一个初始容量，减少扩容操作    // 装载因子一般采用默认的0.75即可    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);        this.loadFactor = loadFactor;        // 不小于容量的2的次方数        this.threshold = tableSizeFor(initialCapacity);    }    public HashMap(int initialCapacity) {        this(initialCapacity, DEFAULT_LOAD_FACTOR);    }    public HashMap() {        this.loadFactor = DEFAULT_LOAD_FACTOR;    }    // 该构造方法先初始化一个空的hashmap，再把所有元素添加进去    public HashMap(Map<? extends K, ? extends V> m) {        this.loadFactor = DEFAULT_LOAD_FACTOR;        // 把一个Map全部添加入HashMap        putMapEntries(m, false);    }    final void putMapEntries(Map<? extends K, ? extends V> m, boolean evict) {        int s = m.size();        if (s > 0) {            if (table == null) { // pre-size                float ft = ((float)s / loadFactor) + 1.0F;                int t = ((ft < (float)MAXIMUM_CAPACITY) ?                         (int)ft : MAXIMUM_CAPACITY);                if (t > threshold)                    threshold = tableSizeFor(t);            }            else if (s > threshold)                resize();            for (Map.Entry<? extends K, ? extends V> e : m.entrySet()) {                K key = e.getKey();                V value = e.getValue();                putVal(hash(key), key, value, false, evict);            }        }    }    public int size() {        return size;    }    public boolean isEmpty() {        return size == 0;    }    // 由key获取value    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 &&            // 注意这里的 (n-1) & hash 为根据hash值计算出hash桶            (first = tab[(n - 1) & hash]) != null) {            // 检查第一个节点，对于没有hash冲突的桶，第一个元素即为查找元素            if (first.hash == hash &&                ((k = first.key) == key || (key != null && key.equals(k))))                return first;            if ((e = first.next) != null) {                // 如果hash桶已经树化，即超过8个元素转为红黑树                if (first instanceof TreeNode)                    return ((TreeNode<K,V>)first).getTreeNode(hash, key);                // 否则遍历链表查找                do {                    if (e.hash == hash &&                        ((k = e.key) == key || (key != null && key.equals(k))))                        return e;                } while ((e = e.next) != null);            }        }        return null;    }    public boolean containsKey(Object key) {        return getNode(hash(key), key) != null;    }    // 添加元素    public V put(K key, V value) {        return putVal(hash(key), key, value, false, true);    }    // onlyIfAbsent如果为true，只有在hashmap没有该key的时候才添加    // evict如果为false，hashmap为创建模式    // 这两个参数均为实现java8的新接口而设置    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)            // 如果hash桶为空，直接插入            tab[i] = newNode(hash, key, value, null);        else {            // 此处e为key值跟要插入元素相等的元素            // 下面代码为找出e            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) // -1 for 1st                            // 超过树化临界值                            treeifyBin(tab, hash);                        break;                    }                    if (e.hash == hash &&                        ((k = e.key) == key || (key != null && key.equals(k))))                        break;                    p = e;                }            }            if (e != null) { // existing mapping for key                V oldValue = e.value;                if (!onlyIfAbsent || oldValue == null)                    e.value = value;                // 回调函数                afterNodeAccess(e);                return oldValue;            }        }        ++modCount;        if (++size > threshold)            resize();        // 回调函数        afterNodeInsertion(evict);        return null;    }    // 扩容函数，如果hash桶为空，初始化默认大小，否则双倍扩容    // 注意！！因为扩容为2的倍数，根据hash桶的计算方法，元素哈希值不变    // 所以元素在新的hash桶的下标，要不跟旧的hash桶下标一致，要不增加1倍    final Node<K,V>[] resize() {        Node<K,V>[] oldTab = table;        int oldCap = (oldTab == null) ? 0 : oldTab.length;        int oldThr = threshold;        // 下面代码为更新新容量，和新的阀值        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)                // 双倍扩容                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;        // 新建扩容后的hash桶，需要把旧桶里的元素搬到新桶下去        // 需根据元素的hash值重新计算新桶中的位置        @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;    }    // 把链表转为红黑树    final void treeifyBin(Node<K,V>[] tab, int hash) {        int n, index; Node<K,V> e;        if (tab == null || (n = tab.length) < MIN_TREEIFY_CAPACITY)            resize();        else if ((e = tab[index = (n - 1) & hash]) != null) {            TreeNode<K,V> hd = null, tl = null;            do {                TreeNode<K,V> p = replacementTreeNode(e, null);                if (tl == null)                    hd = p;                else {                    p.prev = tl;                    tl.next = p;                }                tl = p;            } while ((e = e.next) != null);            if ((tab[index] = hd) != null)                hd.treeify(tab);        }    }}

四、总结说明

• HashMap默认的初始容量为16，装载因子为0.75
• Hash冲突中链表结构的数量大于8个，则调用树化转为红黑树结构，红黑树查找稍微快些；红黑树结构的数量小于6个时，则转为链表结构
• 如果加载因子越大，对空间的利用更充分，但是查找效率会降低（链表长度会越来越长）；如果加载因子太小，那么表中的数据将过于稀疏（很多空间还没用，就开始扩容了），对空间造成严重浪费。如果我们在构造方法中不指定，则系统默认加载因子为0.75，这是一个比较理想的值，一般情况下我们是无需修改的。
• 一般对哈希表的散列很自然地会想到用hash值对length取模（即除法散列法），Hashtable中也是这样实现的，这种方法基本能保证元素在哈希表中散列的比较均匀，但取模会用到除法运算，效率很低，HashMap中则通过h&(length-1)的方法来代替取模，同样实现了均匀的散列，但效率要高很多，这也是HashMap对Hashtable的一个改进。
• 哈希表的容量一定要是2的整数次幂。首先，length为2的整数次幂的话，h&(length-1)就相当于对length取模，这样便保证了散列的均匀，同时也提升了效率；其次，length为2的整数次幂的话，为偶数，这样length-1为奇数，奇数的最后一位是1，这样便保证了h&(length-1)的最后一位可能为0，也可能为1（这取决于h的值），即与后的结果可能为偶数，也可能为奇数，这样便可以保证散列的均匀性，而如果length为奇数的话，很明显length-1为偶数，它的最后一位是0，这样h&(length-1)的最后一位肯定为0，即只能为偶数，这样任何hash值都只会被散列到数组的偶数下标位置上，这便浪费了近一半的空间，因此，length取2的整数次幂，是为了使不同hash值发生碰撞的概率较小，这样就能使元素在哈希表中均匀地散列。

五、参考

http://blog.csdn.net/ns_code/article/details/36034955