Java HashMap中的載入因子及初始容量深入分析

諸葛佩奇發表於2018-07-10
JavaHashMap

《java集合框架分析-HashMap》 一文對 Java 的 HashMap 進行了簡單分析，本篇繼續深入瞭解其中涉及到的一些重要內容。

原始碼環境

JDK1.6

載入因子 loadfactor

     /**
     * 預設的初始化的容量，必須是2的冪次數<br>
     * The default initial capacity - MUST be a power of two.
     */
    static final int DEFAULT_INITIAL_CAPACITY = 16;

    /**
     * 預設的載入因子
     */
    static final float DEFAULT_LOAD_FACTOR = 0.75f;

    /**
     * 閾值。等於容量乘以載入因子。<br>
     * 也就是說，一旦容量到了這個數值，HashMap將會擴容。
     * The next size value at which to resize (capacity * load factor).
     * @serial
     */
    int threshold;
複製程式碼

預設的容量是 16，而 threshold 是 16*0.75 = 12;

載入因子 loadfactor 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.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.

衝突的機會越大,則查詢的成本越高.反之,查詢的成本越小.因而,查詢時間就越小.

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.

put 方法

public V put(K key, V value) {
        // 省略部分程式碼...
        // 這裡增加了一個Entry
        addEntry(hash, key, value, i); 
        return null;
    }

	//插入一條資料
    void addEntry(int hash, K key, V value, int bucketIndex) {
    Entry<K,V> e = table[bucketIndex];
        table[bucketIndex] = new Entry<K,V>(hash, key, value, e);
        // 這裡是關鍵，一旦大於等於threshold的數值
        if (size++ >= threshold) {
		    // 將會引起容量2倍的擴大
            resize(2 * table.length); 

		}
    }

	//擴容
    void resize(int newCapacity) {
        Entry[] oldTable = table;
        int oldCapacity = oldTable.length;
        if (oldCapacity == MAXIMUM_CAPACITY) {
            threshold = Integer.MAX_VALUE;
            return;
        }

        Entry[] newTable = new Entry[newCapacity];  
        transfer(newTable); 
        table = newTable;

		// 重新計算threshold的值
        threshold = (int)(newCapacity * loadFactor);
    }
複製程式碼

在 put 方法中，首先會判斷容量是否夠，如果一旦超過閾值的話，則就進行2倍擴容。

初始容量

初始容量 DEFAULT_INITIAL_CAPACITY 必須是2的冪次數，也就是說必須是正整數，為何要如此設計呢？

public HashMap(int initialCapacity, float loadFactor) {
         
        // Find a power of 2 >= initialCapacity
        // 重新查詢不比指定數值大的最小的2的冪次數
        int capacity = 1;
        while (capacity < initialCapacity)
	        //左移一位，擴大兩倍，獲取最合適的初始容量值
            capacity <<= 1;
        // 其它的初始化程式碼 ...
    }
複製程式碼

上面是 HashMap 進行初始化時的構造方法裡面關於初始容量的內容，主要就是找到合適的初始容量。

為何是2的冪次數？這就涉及到雜湊表中元素的均勻雜湊了。


//indexFor返回hash值和table陣列長度減1的與運算結果。
public static int indexFor(int h, int length) {
	return h & (length-1);   
}
複製程式碼

對於查詢 hash 表中的資料時需要用到以上的方法，我們一般對雜湊表的雜湊很自然地會想到用hash值對length取模（即除法雜湊法），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雜湊的比較均勻，但取模會用到除法運算，效率很低，HashMap 中則通過 h&(length-1) 的方法來代替取模，同樣實現了均勻的雜湊，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 取模，這樣便保證了雜湊的均勻，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，這樣便可以保證雜湊的均勻性，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值都只會被雜湊到陣列的偶數下標位置上，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 值發生碰撞的概率較小，這樣就能使元素在雜湊表中均勻地雜湊。

相關文章