求求你們不要再問HashMap原理了....

散人丶發表於2019-03-06

前言

相信大多數朋友都使用過HashMap,面試也經常會被問到,但往往都回答的都不盡人意,確實,HashMap還算是比較複雜的一個資料結構,尤其是在JDK1.8之後又引入了紅黑樹之後。本文就基於JDK1.8的HashMap原始碼,帶大家將常用方法、重要屬性及相關方法進行分析,HashMap 原始碼中可分析的點很多,本文很難一一覆蓋,請見諒。

本文篇幅較長,請客官耐心觀看

如果本文中有不正確的結論、說法,請大家提出和我討論,共同進步,謝謝。

1.原理

HashMap是基於hash演算法實現的,也就是不同於陣列,每次新增資料時,下標自增的操作,而是根據Key的hash值以及陣列的長度計算出對應的下標,放入元素,那麼在查詢的時候就直接能夠定位到對應的元素,如果在沒有hash衝突的時候,時間複雜度基本就是O(1)了,引用一張圖大致整體看下HashMap的資料結構。

img

1.1 hash衝突

有朋友可能就會有疑惑了,那當元素越來越多的時候,就算通過hash演算法計算,那萬一兩個元素計算出的下標一樣呢?那後面的元素往哪放?這裡採用的是連結串列的形式,當發生hash衝突的時候,第一個元素直接指向第二個元素,再有hash衝突元素時,直接插到連結串列尾部,這樣形成一條鏈。

那麼如果衝突的元素很多,那麼連結串列豈不是會很長,因為我們知道連結串列查詢是效率很低的,需要一個一個的遍歷,那麼在JDK1.8中,當連結串列長度超過一定閾值時,直接進行資料結構轉換,將連結串列轉化成紅黑樹,紅黑樹是一種平衡二叉樹,時間複雜度是O(logn),具體紅黑樹的原理就不分析了,不在此文章範圍內。

1.2 擴容

從上面分析,我們也可以看明白,HashMap的資料結構是由陣列和連結串列(或樹形結構)組成,所以本質還是由陣列開始,我們知道陣列是需要提前知道容量的,比如初始位10,那麼當元素越來越多,因為下標範圍是0-9,所以hash衝突會越來越多,這樣形成很多連結串列或者樹,查詢時效率非常低,這時候就需要擴容了,也就是擴大原有陣列的長度,至於擴多大,什麼時候該擴容,下面分析原始碼時,將一一給大家講解,但是我們要注意的一點是,擴容是需要再次Hash的,為什麼呢,因為hash演算法是hash值取餘陣列長度,所以必須要再次Hash確定每個元素的位置

1.3 hashCode

hash演算法是基於key的hashcode方法的,hashcode是object的方法,每個物件都可以進行復寫,這裡就衍生出一個問題,什麼類適合作為更適合作為HashMap的鍵?答案是String, Interger這樣的wrapper類,因為String是不可變的,也是final的,而且已經重寫了equals()和hashCode()方法了。其他的wrapper類也有這個特點。不可變性是必要的,因為為了要計算hashCode(),就要防止鍵值改變,如果鍵值在放入時和獲取時返回不同的hashcode的話,那麼就不能從HashMap中找到你想要的物件,而且比較安全,碰撞的機率就會小些,這樣就能提高HashMap的效能。

2 原始碼

2.1 初始化

老規矩,先上構造方法總是沒錯的

	public HashMap() {
        this.loadFactor = DEFAULT_LOAD_FACTOR; // all other fields defaulted
    }
    public HashMap(int initialCapacity) {
        this(initialCapacity, DEFAULT_LOAD_FACTOR);
    }
    
    public HashMap(Map<? extends K, ? extends V> m) {
        this.loadFactor = DEFAULT_LOAD_FACTOR;
        putMapEntries(m, false);
    }
	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;
        this.threshold = tableSizeFor(initialCapacity);
    }
複製程式碼

可以看到過載了4個構造方法,我們大多數基本用的就是第一個無參方法,其他的幾個方法也是做一些初始化操作,主要關心這幾個變數:

名稱 用途
initialCapacity HashMap 初始容量
loadFactor 負載因子
threshold 當前 HashMap 所能容納鍵值對數量的最大值,超過這個值,則需擴容

HashMap 初始容量是16,負載因子為 0.75,但是有的朋友會細心發現,第一個構造方法,擺明就只是賦值了負載因子,初始容量和閾值都沒有被初始化,這裡先不解釋,後面擴容機制會告訴你答案,然後看最後一個建構函式,我們可以把初始容量和負載因子作為值傳遞進來,threshold是通過一個方法計算出來的,看看方法具體實現:

	/**
     * 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;
    }
複製程式碼

相信大家和我一樣,第一次看到這個方法是矇蔽的....先把結論給出來:找到大於或等於 cap 的最小2的冪,這裡引用一張圖解釋下,侵刪:

img

比如cap等於5,那麼最終返回的就是8,如果cap等於10,返回的就是16,這樣一說大家結合上面的應該能理解了。

2.1 插入

插入邏輯算是比較複雜的了,我們先來看看put方法程式碼:

 	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;
        //初始化陣列table
        if ((tab = table) == null || (n = tab.length) == 0)
            n = (tab = resize()).length;
        //通過hash演算法找到下標,如果對應的位置為空,直接將資料放進去
        if ((p = tab[i = (n - 1) & hash]) == null)
            tab[i] = newNode(hash, key, value, null);
        else {
           	//對應的位置不為空,hash衝突 
            Node<K,V> e; K k;
            //判斷插入的key如果等於當前位置的key的話,先將 e 指向該鍵值對,後續覆蓋
            if (p.hash == hash &&
                ((k = p.key) == key || (key != null && key.equals(k))))
                e = p;
            //如果桶中的引用型別為 TreeNode,則呼叫紅黑樹的插入方法
            else if (p instanceof TreeNode)
                e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
            else {
                // 剩下就是連結串列了,進行遍歷
                for (int binCount = 0; ; ++binCount) {
                    //如果連結串列中部包含該節點,將該節點接在連結串列的最後,跳出迴圈
                    if ((e = p.next) == null) {
                        p.next = newNode(hash, key, value, null);
                        //如果連結串列長度大於一個閾值,連結串列變樹!
                        if (binCount >= TREEIFY_THRESHOLD - 1) 
                            treeifyBin(tab, hash);
                        break;
                    }
                    //如果連結串列中包含該節點,賦值,後續覆蓋,跳出迴圈
                    if (e.hash == hash &&
                        ((k = e.key) == key || (key != null && key.equals(k))))
                        break;
                    p = e;
                }
            }
            //判斷插入的是否存在HashMap中,上面e被賦值,不為空,則說明存在,更新舊的鍵值對
            if (e != null) { // existing mapping for key
                V oldValue = e.value;
                if (!onlyIfAbsent || oldValue == null)
                    e.value = value;
                afterNodeAccess(e);
                return oldValue;
            }
        }
        ++modCount;
        //當前HashMap鍵值對超過閾值時,進行擴容
        if (++size > threshold)
            resize();
        afterNodeInsertion(evict);
        return null;
    }
複製程式碼

可以看到主要邏輯在putVal()方法中,不清楚的可以看下注釋,總結一下主要是幾個方面:

  • 如果當前table為空,先進行初始化
  • 查詢插入的鍵值對是否存在,存在的話,先進行賦值,後續將更新舊的鍵值對
  • 不存在,插入連結串列尾部,如果連結串列長度大於一個閾值,進行連結串列轉化樹的操作
  • 如果size大於一個閾值,進行擴容

那麼重點當然就是擴容方法了,看看具體實現:

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) {
            //超過最大值,不再擴容,直接返回
            if (oldCap >= MAXIMUM_CAPACITY) {
                threshold = Integer.MAX_VALUE;
                return oldTab;
            }
            //通過位運算,計算出新的容量以及新的閾值,2倍計算
            else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&
                     oldCap >= DEFAULT_INITIAL_CAPACITY)
                newThr = oldThr << 1; // double threshold
        }
       //使用 threshold 變數暫時儲存 initialCapacity 引數的值
        else if (oldThr > 0) 
            newCap = oldThr;
        else {
            //這裡就能回答上面的初始化的問題了,呼叫空的建構函式時的賦值
            newCap = DEFAULT_INITIAL_CAPACITY;
            newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);
        }
    	// newThr 為 0 時,按閾值計算公式進行計算,容量*負載因子
        if (newThr == 0) {
            float ft = (float)newCap * loadFactor;
            newThr = (newCap < MAXIMUM_CAPACITY && ft < (float)MAXIMUM_CAPACITY ?
                      (int)ft : Integer.MAX_VALUE);
        }
    	//更新當前最新的閾值
        threshold = newThr;
    	//建立新的桶陣列,呼叫空的構造方法,這裡也就是桶陣列的初始化
        Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap];
        table = newTab;
    	//如果舊的陣列不為空,遍歷,將值移植到新的陣列中去
        if (oldTab != null) {
            for (int j = 0; j < oldCap; ++j) {
                Node<K,V> e;
                if ((e = oldTab[j]) != null) {
                    //將舊陣列物件置位空,方便回收
                    oldTab[j] = null;
                    //計算新的位置,賦值操作
                    if (e.next == null)
                        newTab[e.hash & (newCap - 1)] = e;
                    else if (e instanceof TreeNode)
                        //如果原來節點是紅黑樹,則需要重新進行拆分
                        ((TreeNode<K,V>)e).split(this, newTab, j, oldCap);
                    else {
                        //遍歷整個連結串列,重新hash,根據新的下標重新分組
                        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;
    }
複製程式碼

程式碼稍微長了點,大家耐心點看下邏輯,總結也就幾點

  • 判斷當前oldTab長度是否為空,如果為空,則進行初始化桶陣列,也就回答了空建構函式初始化為什麼沒有對容量和閾值進行輔助,如果不為空,則進行位運算,左移一位,2倍運算。
  • 擴容,建立一個新容量的陣列,遍歷舊的陣列:
    • 如果節點為空,直接賦值插入
    • 如果節點為紅黑樹,則需要進行進行拆分操作
    • 如果為連結串列,根據hash演算法進行重新計算下標,將連結串列進行拆分分組

這裡主要說明下連結串列拆分是什麼意思,我們知道下標計算是hash&(n-1),假如原始陣列長度為16,進行求餘計算:那麼n-1也就是15,對應二進位制 0000 1111,這時候分別有2個hash值分別為:1101 1100和1110 1100,計算可以得到,得到的下標都是0000 1100,也就是12,如果進行擴容之後呢?長度變成32,n-1也就對應 0001 1111,2個hash再次進行計算得到的就是 0001 1100 和 0000 1100,一個下標還是12,而另一個則是28了

可以看到擴容後,參與模運算的位數由4位變為了5位,所以對應得出來的值自然就不一樣了,相信大家也應該理解了

2.2 查詢

相對於複雜的插入操作,查詢的邏輯相對就相對簡單點了,程式碼如下:

	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 &&
            (first = tab[(n - 1) & hash]) != null) {
            //定位下標,如果第一個節點是所要查詢的值,直接返回
            if (first.hash == hash && // always check first node
                ((k = first.key) == key || (key != null && key.equals(k))))
                return first;          
            if ((e = first.next) != null) {
                //如果第一個節點是TreeNode型別,去遍歷紅黑樹
                if (first instanceof TreeNode)
                    return ((TreeNode<K,V>)first).getTreeNode(hash, key);
                do {
                    //對連結串列進行查詢
                    if (e.hash == hash &&
                        ((k = e.key) == key || (key != null && key.equals(k))))
                        return e;
                } while ((e = e.next) != null);
            }
        }
        return null;
    }
複製程式碼

上面也提到了,通過(n - 1) & hash 即可算出在陣列中的位置,這裡簡單解釋一下。HashMap 中桶陣列的大小 length 總是2的冪,此時,(n - 1) & hash 等價於對 length 取餘。但取餘的計算效率沒有位運算高,所以(n - 1) & hash也是一個小的優化

還有一個計算hash值得方法

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

可以看到,這裡的hash並不是用原有物件的hashcode最為最終的hash值,而是做了一定位執行,具體原因個人想法如下:

因為如果(n-1)的值太小的話(n - 1) & hash的值就完全依靠hash的低位值,比如n-1為0000 1111,那麼最終的值就完全依賴於hash值的低4位了,這樣的話hash的高位就玩完全失去了作用,h ^ (h >>> 16),通過這種方式,讓高位資料與低位資料進行異或,也是變相的加大了hash的隨機性,這樣就不單純的依賴物件的hashcode方法了。

2.3 刪除

有了前面一些鋪墊,刪除操作也並不複雜

public V remove(Object key) {
        Node<K,V> e;
        return (e = removeNode(hash(key), key, null, false, true)) == null ?
            null : e.value;
    }
    final Node<K,V> removeNode(int hash, Object key, Object value,
                               boolean matchValue, boolean movable) {
        Node<K,V>[] tab; Node<K,V> p; int n, index;
        //和之前的判斷一樣
        if ((tab = table) != null && (n = tab.length) > 0 &&
            (p = tab[index = (n - 1) & hash]) != null) {
            Node<K,V> node = null, e; K k; V v;
            //如果鍵的值與連結串列第一個節點相等,則將 node 指向該節點
            if (p.hash == hash &&
                ((k = p.key) == key || (key != null && key.equals(k))))
                node = p;
            else if ((e = p.next) != null) {
                //如果是TreeNode型別,指向該節點
                if (p instanceof TreeNode)
                    node = ((TreeNode<K,V>)p).getTreeNode(hash, key);
                else {
                    //遍歷連結串列,找到該節點
                    do {
                        if (e.hash == hash &&
                            ((k = e.key) == key ||
                             (key != null && key.equals(k)))) {
                            node = e;
                            break;
                        }
                        p = e;
                    } while ((e = e.next) != null);
                }
            }
            //通過節點型別進行刪除操作
            if (node != null && (!matchValue || (v = node.value) == value ||
                                 (value != null && value.equals(v)))) {
                if (node instanceof TreeNode)
                    ((TreeNode<K,V>)node).removeTreeNode(this, tab, movable);
                else if (node == p)
                    tab[index] = node.next;
                else
                    p.next = node.next;
                ++modCount;
                --size;
                afterNodeRemoval(node);
                return node;
            }
        }
        return null;
    }
複製程式碼

相信有了之前的基礎,這裡理解就不困難了,具體實現就不多說了,有興趣的朋友可以深入原始碼看下

3.總結

大致分析就到一段落了,這裡總結下幾個問題,希望能夠幫助到大家一些面試過程。

  • HashMap底層資料結構由陣列+連結串列+紅黑樹實現(JDK1.8),通過鍵key經過擾動函式擾動後得到hash值,然後再通過hash & (length - 1)代替取模的方式進行元素定位,查詢效率最好情況是O(1)
  • Hash衝突是指不同物件的hashCode通過hash演算法後得出了相同定位的下標,這時候採用鏈地址法,會將此元素插入至此位置連結串列的最後一位,形成單連結串列。當存在位置的連結串列長度 大於等於 8 並且當前陣列容量超過64時,HashMap會將連結串列 轉變為 紅黑樹,這裡要說明一點,往往後者的條件會被大多數人忽略,當桶陣列容量比較小時,鍵值對節點 hash 的碰撞率可能會比較高,進而導致連結串列長度較長。這個時候應該優先擴容,而不是立馬樹化。畢竟高碰撞率是因為桶陣列容量較小引起的,這個是主因。容量小時,優先擴容可以避免一些列的不必要的樹化過程。
  • HashMap的容量是2的n次方,有利於提高計算元素存放位置時的效率,也降低了hash衝突的機率,從上面程式碼分析我們也能看出來,就算傳遞進來一個不是2次方的數,內部也會通過位運算找到大於或等於 cap 的最小2的冪,來設定給容器。
  • 在使用HashMap的時候,儘量的選擇不可變的物件作為key,避免物件的改變引起hash的變化,導致資料的不準確性
  • HashMap是非執行緒安全的,在多執行緒的操作下會存在異常情況,可以使用HashTable或者ConcurrentHashMap進行代替

參考文章

JDK 原始碼中 HashMap 的 hash 方法原理是什麼?

HashMap 原始碼詳解分析

請幫頂 / 評論點贊!因為你的鼓勵是我寫作的最大動力!

相關文章