HashMap原理(一) 概念和底層架構

工匠初心發表於2019-07-06
HashMap架構

HashMap在Java開發中使用的非常頻繁，可以說僅次於String，可以和ArrayList並駕齊驅，準備用幾個章節來梳理一下HashMap。我們還是從定義一個HashMap開始。

HashMap<String, Integer> mapData = new HashMap<>();

我們從此處進入原始碼，逐步揭露HashMap

/**
 * Constructs an empty <tt>HashMap</tt> with the default initial capacity
 * (16) and the default load factor (0.75).
 */
public HashMap() {
    this.loadFactor = DEFAULT_LOAD_FACTOR; // all other fields defaulted
}

我們發現了兩個變數loadFactor和DEFAULT_LOAD_FACTOR，從命名方式來看：因為沒有接收到loadFactor引數，從而將某個預設值賦值給了loadFactor。這兩變數到底是什麼意思，還有無其他變數？

其實HashMap中定義的靜態變數和成員變數很多，我們看一下

//靜態變數
static final int DEFAULT_INITIAL_CAPACITY = 1 << 4; // aka 16

static final int MAXIMUM_CAPACITY = 1 << 30;

static final float DEFAULT_LOAD_FACTOR = 0.75f;

static final int TREEIFY_THRESHOLD = 8;

static final int UNTREEIFY_THRESHOLD = 6;

static final int MIN_TREEIFY_CAPACITY = 64;

//成員變數
transient Node<K,V>[] table;

transient Set<Map.Entry<K,V>> entrySet;

transient int size;

transient int modCount;

int threshold;

final float loadFactor;

共有6個靜態變數，都設定了初始值，且被final修飾，叫常量更合適，它們的作用其實也能猜出來，就是用於成員變數的預設值設定以及方法中相關的條件判斷等情況。

共有6個成員變數，除這些成員變數外，還有一個重要概念capacity，我們主要說一下table，entrySet，capacity, size，threshold，loadFactor，我們我們簡單解釋一下它們的作用。

1. table變數

table變數為HashMap的底層資料結構，用於儲存新增到HashMap中的Key-value對，是一個Node陣列，Node是一個靜態內部類，一種陣列和連結串列相結合的複合結構，我們看一下Node類：

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;
    }
}

若以乘機做比喻的話，那麼你買票的身份證號就是（key），通過hash演算法生成的（hash）值就相當於值機後得到的航班座位號；你自己自然就是（value）,你旁邊的座位、人就是下一個Node（next）；這樣的一個座位整體（包括所坐人員及其身份證號、座位號）就是一個table，這許多的table的構建的Node[] table，就構成了本次航班任務。

那麼為什麼要用到陣列和連結串列結合的資料結構？

我們知道陣列和連結串列都有其各自的優點和缺點，陣列連續儲存，定址容易，插入刪除操作相對困難；而連結串列離散儲存，定址相對困難，而插入刪除操作容易；而HashMap結合了這兩種資料結構，保留了各自的優點，又彌補了各自的缺點，當然連結串列長度太長的話，在JDK8中會轉化為紅黑樹，紅黑樹在後面的TreeMap章節在講解。

HashMap的結構圖如下：

HashMap原理(一) 概念和底層架構

怎麼解釋這種結構呢？

還是以乘機為例來說明，假如購票系統比較人性化並取消了值機操作，購票按照年齡段進行了區分，方便大家旅途溝通交流，於是20歲以下共6個人的分為了一組在20A~20F，20~30歲共6個人分為一組在21A~21F，30~40歲共6個人分為一組在22A~22F，40~50歲共6個人分為一組在23A~23F。

這時我們如果要找20幾歲的小姐姐，我們很容易知道去21排找，從21A開始往下找，應該就能很快找到。

從資料的角度看，按年齡段分組（通過hash演算法得到hash值，不同年齡段hash值不同，相同年齡段hash值相同）後，將各年齡段中第一個坐到座位上的人放到陣列table中，下一個人來的時候，將第一個人往裡面挪，自己在陣列裡，並將next指向第一個人。

2. entrySet變數

entrySet變數為EntrySet實體，定義為變數可保證不重複多次建立，是一個Map.Entry的集合，Map.Entry<K,V>是一個介面，Node類就實現了該介面，因此EntrySet中方法需要操作的資料就是HashMap的Node實體。

public Set<Map.Entry<K,V>> entrySet() {
    Set<Map.Entry<K,V>> es;
    return (es = entrySet) == null ? (entrySet = new EntrySet()) : es;
}

3. capacity

capacity並不是一個成員變數，但HashMap中很多地方都會使用到這個概念，意思是容量，很好理解，在前面的文中提到了兩個常量都與之相關

/**
 * The default initial capacity - MUST be a power of two(必須為2的冪次).
 * 預設容量16，舉例：飛機上正常的座位所對應的人員數量，
 */
static final int DEFAULT_INITIAL_CAPACITY = 1 << 4; // aka 16
/**
 * The maximum capacity, used if a higher value is implicitly specified
 * by either of the constructors with arguments.
 * MUST be a power of two <= 1<<30(必須為2的冪次，且不能大於最大容量1,073,741,824).
 * 舉例：緊急情況下，如救災時儘可能快撤離人員，這個時候在保證安全的情況下（允許站立），能運輸的人員數
 */
static final int MAXIMUM_CAPACITY = 1 << 30;

同時HashMap還具有擴容機制，容量的規則為2的冪次，即capacity可以是1，2，4，8，16，32...，怎麼實現這種容量規則呢？

/**
 * Returns a power of two size for the given target capacity.
 */
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;
}

用該方法即可找到傳遞進來的容量的最近的2的冪次，即

cap = 2, return 2；

cap = 3, return 4;

cap = 9, return 16;

...

大家可以傳遞值進去自己算一下，先cap-1操作，是因為當傳遞的cap本身就是2的冪次情況下，假如為4，不減去一最後得到的結果將是傳遞的cap的2倍。

我們來一行行計算一下：tableSizeFor(11)，按規則最後得到的結果應該是16

//第一步：n = 10，轉為二進位制為00001010
int n = cap - 1;
//第二步：n右移1位，高位補0（10進位制：5，二進位制：00000101），並與n做異或運算（有1為1，同0為0），然後賦值給n（10進位制：15，二進位制：00001111）
n |= n >>> 1;
//第三步：n右移2位，高位補0（10進位制：3，二進位制：00000011），並與n做異或運算（有1為1，同0為0），然後賦值給n（10進位制：15，二進位制：00001111）
n |= n >>> 2;
//第四步：n右移4位，高位補0（10進位制：0，二進位制：00000000），並與n做異或運算（有1為1，同0為0），然後賦值給n（10進位制：15，二進位制：00001111）
n |= n >>> 4;
//第五步：n右移8位，高位補0（10進位制：0，二進位制：00000000），並與n做異或運算（有1為1，同0為0），然後賦值給n（10進位制：15，二進位制：00001111）
n |= n >>> 8;
//第六步：n右移16位，高位補0（10進位制：0，二進位制：00000000），並與n做異或運算（有1為1，同0為0），然後賦值給n（10進位制：15，二進位制：00001111）
n |= n >>> 16;
//第七步：return 15+1 = 16;
return (n < 0) ? 1 : (n >= MAXIMUM_CAPACITY) ? MAXIMUM_CAPACITY : n + 1;

最終的結果正如預期，演算法很牛逼啊，ヽ(ー_ー)ノ，能看懂，但卻設計不出來。

4. size變數

size變數記錄了Map中的key-value對的數量，在呼叫putValue()方法以及removeNode()方法時，都會對其造成改變，和capacity區分一下即可。

5. threshold變數和loadFactor變數

threshold為臨界值，顧名思義，當過了臨界值就需要做一些操作了，在HashMap中臨界值“threshold = capacity * loadFactor”，當超過臨界值時，HashMap就該擴容了。

loadFactor為裝載因子，就是用來衡量HashMap滿的程度，預設值為DEFAULT_LOAD_FACTOR，即0.75f，可通過構造器傳遞引數調整（0.75f已經很合理了，基本沒人會去調整它），很好理解，舉個例子：

100分的試題，父母只需要你考75分，就給你買一臺你喜歡的電腦，裝載因子就是0.75，75分就是臨界值；如果幾年後，試題的分數變成200分了，這個時候就需要你考到150分才能得到你喜歡的電腦了。

總結

本文主要講解了HashMap中的一些主要概念，同時對其底層資料結構從原始碼的角度進行了分析，table是一個資料和連結串列的複合結構，size記錄了key-value對的數量，capacity為HashMap的容量，其容量規則為2的冪次，loadFactor為裝載因此，衡量滿的程度，而threshold為臨界值，當超出臨界值時就會擴容。

相關文章