Java8 HashMap實現原理探究

前言：Java8之後新增挺多新東西，在網上找了些相關資料，關於HashMap在自己被血虐之後痛定思痛決定整理一下相關知識方便自己看。圖和有些內容參考的這個文章：http://www.importnew.com/16599.html

HashMap的儲存結構如圖：一個桶（bucket）上的節點多於8個則儲存結構是紅黑樹，小於8個是單向連結串列。

1：HashMap的一些屬性

public class HashMap<k,v> extends AbstractMap<k,v> implements Map<k,v>, Cloneable, Serializable {

    private static final long serialVersionUID = 362498820763181265L;

    // 預設的初始容量是16
    static final int DEFAULT_INITIAL_CAPACITY = 1 << 4;

    // 最大容量
    static final int MAXIMUM_CAPACITY = 1 << 30;

    // 預設的填充因子(以前的版本也有叫載入因子的)
    static final float DEFAULT_LOAD_FACTOR = 0.75f;

    // 這是一個閾值，當桶(bucket)上的連結串列數大於這個值時會轉成紅黑樹，put方法的程式碼裡有用到
    static final int TREEIFY_THRESHOLD = 8;

    // 也是閾值同上一個相反，當桶(bucket)上的連結串列數小於這個值時樹轉連結串列
    static final int UNTREEIFY_THRESHOLD = 6;

    // 看原始碼註釋裡說是：樹的最小的容量，至少是 4 x TREEIFY_THRESHOLD = 32 然後為了避免(resizing 和 treeification thresholds) 設定成64
    static final int MIN_TREEIFY_CAPACITY = 64;

    // 儲存元素的陣列，總是2的倍數
    transient Node<k,v>[] table;

    transient Set<map.entry<k,v>> entrySet;

    // 存放元素的個數，注意這個不等於陣列的長度。
    transient int size;

    // 每次擴容和更改map結構的計數器
    transient int modCount;

    // 臨界值 當實際大小(容量*填充因子)超過臨界值時，會進行擴容
    int threshold;

    // 填充因子
    final float loadFactor;

2：HashMap的構造方法

// 指定初始容量和填充因子的構造方法
public HashMap(int initialCapacity, float loadFactor) {
    // 指定的初始容量非負
    if (initialCapacity < 0)
        throw new IllegalArgumentException(Illegal initial capacity:  +
                                           initialCapacity);
    // 如果指定的初始容量大於最大容量,置為最大容量
    if (initialCapacity > MAXIMUM_CAPACITY)
        initialCapacity = MAXIMUM_CAPACITY;
    // 填充比為正
    if (loadFactor <= 0 || Float.isNaN(loadFactor))
        throw new IllegalArgumentException(Illegal load factor:  +
                                           loadFactor);
    this.loadFactor = loadFactor;
    // 指定容量後，tableSizeFor方法計算出臨界值，put資料的時候如果超出該值就會擴容，該值肯定也是2的倍數
    // 指定的初始容量沒有儲存下來，只用來生成了一個臨界值
    this.threshold = tableSizeFor(initialCapacity);
}

// 該方法保證總是返回大於cap並且是2的倍數的值，比如傳入999 返回1024
static final int tableSizeFor(int cap) {
    int n = cap - 1;
    // 向右做無符號位移
    n |= n >>> 1;
    n |= n >>> 2;
    n |= n >>> 4;
    n |= n >>> 8;
    n |= n >>> 16;
    // 三目運算子的巢狀
    return (n < 0) ? 1 : (n >= MAXIMUM_CAPACITY) ? MAXIMUM_CAPACITY : n + 1;
}

//建構函式2
public HashMap(int initialCapacity) {
    this(initialCapacity, DEFAULT_LOAD_FACTOR);
}

//建構函式3
public HashMap() {
    this.loadFactor = DEFAULT_LOAD_FACTOR; // all other fields defaulted
}

3：get和put的時候確定元素在陣列中的位置

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

要確定位置

第一步：首先是要計算key的hash碼，是一個int型別數字。那後面的 h >>> 16 原始碼註釋的說法是：為了避免hash碰撞(hash collisons)將高位分散到低位上了，這是綜合考慮了速度，效能等各方面因素之後做出的。

第二步： h是hash碼，length是上面Node[]陣列的長度，做與運算 h & （length-1）。由於length是2的倍數-1後它的二進位制碼都是1而1與上其他數的結果可能是0也可能是1，這樣保證運算後的均勻性。也就是hash方法保證了結果的均勻性，這點非常重要，會極大的影響HashMap的put和get效能。看下圖對比：

圖3.1是非對稱的hash結果

圖3.2是均衡的hash結果

這兩個圖的資料不是很多，如果連結串列長度超過8個會轉成紅黑樹。那個時候看著會更明顯，jdk8之前一直是連結串列，連結串列查詢的複雜度是O(n)而紅黑樹由於其自身的特點，查詢的複雜度是O(log(n))。如果hash的結果不均勻會極大影響操作的複雜度。相關的知識這裡有一個<a href=”http://blog.chinaunix.net/uid-26575352-id-3061918.html”>紅黑樹基礎知識部落格 </a>網上還有個例子來驗證：自定義了一個物件來做key，調整hashCode()方法來看put值得時間

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作為key存map裡，必須實現equals方法
            @Override
            public boolean equals(Object obj) {
                if (obj instanceof MyKey) {
                    return i.equals(((MyKey)obj).i);
                } else {
                    return false;
                }
            }
        }

        // 我機器配置不高，25000的話正常情況27毫秒，可以用2500萬試試，如果hashCode()方法返回1的話，250萬就卡死
        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("時間(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)得到紅黑樹的樹根位置或者是連結串列的表頭
    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) {
            // 如果是樹，遍歷紅黑樹複雜度是O(log(n))，得到節點值
            if (first instanceof TreeNode)
                return ((TreeNode<k,v>)first).getTreeNode(hash, key);
            // else是連結串列結構
            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的時候根據 h & (length – 1) 定位到那個桶然後看是紅黑樹還是連結串列再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為空或長度為0，則分配記憶體resize()
       if ((tab = table) == null || (n = tab.length) == 0)
           n = (tab = resize()).length;
       // (n - 1) & hash找到put位置，如果為空,則直接put
       if ((p = tab[i = (n - 1) & hash]) == null)
           tab[i] = newNode(hash, key, value, null);
       else {
           Node<k,v> e; K k;
           // 第一節節點hash值同，且key值與插入key相同
           if (p.hash == hash &&((k = p.key) == key || (key != null && key.equals(k))))
               e = p;
           else if (p instanceof TreeNode)
               // 紅黑樹的put方法比較複雜，putVal之後還要遍歷整個樹，必要的時候修改值來保證紅黑樹的特點
               e = ((TreeNode<k,v>)p).putTreeVal(this, tab, hash, key, value);
           else {
               // 連結串列
               for (int binCount = 0; ; ++binCount) {
                   if ((e = p.next) == null) {
                       // e為空，表示已到表尾也沒有找到key值相同節點，則新建節點
                       p.next = newNode(hash, key, value, null);
                       // 新增節點後如果節點個數到達閾值，則將連結串列轉換為紅黑樹
                       if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st
                           treeifyBin(tab, hash);
                       break;
                   }
                   // 容許空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值均相同的節點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;
            }
            // 這一句比較重要，可以看出每次擴容是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;
    }