您现在的位置是:首页 > 文章详情

探索JDK(集合框架)——HashMap

日期:2019-05-15点击:263

<*本文描述内容基于JAVA8*>

    Collection API 位于 java.util 包中。包中的 Collection 接口是 JAVA 对于集合这一概念的抽象,存储一组类型相同的对象。

还有一个很重要的接口:Iterable,Collection 接口以继承的方式对 Iterable 做了扩展。实现 Collection 接口的类可以获得增强 for 循环(forEach)。

数据结构(数组+链表)

    HashMap 是 JAVA 集合框架的成员。基于 [ 数组 + 链表 ] 的数据结构存储 key-value 形式的数据。key 是每条数据的唯一标识,HashMap 通过一个 hash 算法(也称散列算法)根据 key 值计算出这条数据在数组中的位置,即数组下标,然后把数据装载到一个链表元素 Node<K, V> 中,最后根据数组下标进行落桶(bucket)操作。

hash碰撞(冲突):

    果两个输入的 hash 结果相同,则称这两个输入是一个碰撞(Collision)。

在JAVA中,采用“链地址法”解决 hash碰撞。HashMap 在数组中存放第一个落桶的节点,这个节点也是链表的 head节点,拥有一个 next 属性指向 null,当下一个相同 hash 值的元素落桶,则使此 head节点的 next 指向新的元素,即后来的节点作为链表的 tail节点。

    由上图可知,数组在 0 和 2 的位置存放了节点k1/k2,当节点 k3 与 k2 发生了 hash碰撞,则使节点 k2 的 next 指向节点 k3。值得注意的是,在 JAVA8 中,为了提高检索效率,当链表的节点数量超过8个,并且整个数组容量超过 64 个,则把这个链表重载成红黑树(树化),否则进行 2 倍扩容并且重新散列(rehash)所有节点。树化操作是因为链表的检索是线性时间O(n),而红黑树是对数时间O(lgn)。这么处理大概是为了尽可能避免过早的把数据存放到桶外(形成长链表),因为桶数组的容量是参与元素索引计算的。

存储(hash算法,hash冲突,初始化,扩容)

// 对用户提供的put方法 public V put(K key, V value) { return putVal(hash(key), key, value, false, true); } // 散列(hash)方法 static final int hash(Object key) { int h; return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16); // 这里的位异或运算和无符号右移运算后边会详细说明[1] } // 实现Map.put // 如果对象已存在返回上一个值,如果没有则返回null 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) // 这里的table就是HashMap的桶数组,这个数组是需要制定容量的,默认16,属性"DEFAULT_INITIAL_CAPACITY" n = (tab = resize()).length; // HashMap在第一次put的时候进行初始化 if ((p = tab[i = (n - 1) & hash]) == null) // 判断即将落桶的位置是否已经有Node存在,即是否存在hash冲突,这里的位与运算后边会详细说明[2] tab[i] = newNode(hash, key, value, null); // 不存在hash冲突直接落桶 else { Node<K,V> e; K k; if (p.hash == hash && ((k = p.key) == key || (key != null && key.equals(k)))) // 判断是否在数组中存放的对象(即链表头节点)与新的对象的key值相同,如果相同直接提取到新的拷贝e中供后续操作 e = p; else if (p instanceof TreeNode) // 如果p处于红黑树中,则调用TreeNode.putTreeVal()方法提取旧节点到e中供后续操作 e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value); else { // 如果p处于链表中 for (int binCount = 0; ; ++binCount) { // 遍历链表 if ((e = p.next) == null) { // 当整个链表不存在与新节点相同的key,则直接把新节点加入到链表的尾部 p.next = newNode(hash, key, value, null); if (binCount >= TREEIFY_THRESHOLD - 1) // 当链表元素数量到达指定阈值,默认8个,进行“树化” treeifyBin(tab, hash); break; } if (e.hash == hash && ((k = e.key) == key || (key != null && key.equals(k)))) break; // 当找到与新节点相同的key,提取到e中供后续操作 p = e; } } if (e != null) { // 当新节点的key已经存在(这里就是上边多处提到的“供后续操作”) V oldValue = e.value; if (!onlyIfAbsent || oldValue == null) // onlyIfAbsent参数的意思是“是否不覆盖旧值” e.value = value; afterNodeAccess(e); // 这个方法是为了继承HashMap的LinkedHashMap类服务的,可以忽略 return oldValue; } } ++modCount; // 这是一个记录操作次数的变量,后边会详细说明[3] if (++size > threshold) // 如果不是值覆盖会执行到这步,如果本次元素插入导致了桶数量超过阈值,则进行扩容,后边会详细说明[4] resize(); afterNodeInsertion(evict); // 和afterNodeAccess()方法一样,可以忽略 return null; } // 初始化或加倍表格大小 // 如果为null,则分配初始容量。否则,进行2次幂扩展。 final Node<K,V>[] resize() { Node<K,V>[] oldTab = table; int oldCap = (oldTab == null) ? 0 : oldTab.length; // 旧的数组容量 int oldThr = threshold; // 旧的扩容阈值 int newCap, newThr = 0; // 声明新的数组容量和扩容阈值 if (oldCap > 0) { // 旧的数组容量大于0说明本次是扩容操作 if (oldCap >= MAXIMUM_CAPACITY) { // 扩容前的数组大小如果已经达到最大(2^30)了 threshold = Integer.MAX_VALUE; // 修改阈值为int的最大值(2^31-1),这样以后就不会扩容了 return oldTab; } else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY && // 普通扩容,在下边展开解释[4] oldCap >= DEFAULT_INITIAL_CAPACITY) newThr = oldThr << 1; // 新的扩容阈值同样扩大2倍 } else if (oldThr > 0) // 这里话多了,在下边解释[5] newCap = oldThr; else { // zero initial threshold signifies using defaults, 这里和 [5] 一起看吧 newCap = DEFAULT_INITIAL_CAPACITY; newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY); } if (newThr == 0) { // 计算新的扩容阈值 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) { // 把每个bucket都移动到新的buckets中 for (int j = 0; j < oldCap; ++j) { Node<K,V> e; if ((e = oldTab[j]) != null) { oldTab[j] = null; // 删除了旧节点的引用(很细节) if (e.next == null) // 当桶里只有一个节点,重新计算索引位置落桶 newTab[e.hash & (newCap - 1)] = e; else if (e instanceof TreeNode) ((TreeNode<K,V>)e).split(this, newTab, j, oldCap); else { // preserve order // 创建两条链表 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) { // 直接用容量与 hash 位与运算,相当于舍掉低位特征,大概是针对hash冲突进行一次随机散列。结果为0的保持原来的索引位置不变 if (loTail == null) loHead = e; else loTail.next = e; loTail = e; } else { // 否则向右偏移旧数组容量 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; // 向右偏移旧数组容量 } } } } } return newTab; }

详细说明:

    [1] (h = key.hashCode()) ^ (h >>> 16)

    public native int hashCode(); 

    这里的 hashCode() 是一个 native 方法,根据一定的规则将与对象相关的信息(比如对象的存储地址,对象的字段等)映射成一个数值,这个数值称作为散列值。

    无符号右移:>>>

    按二进制形式把所有的数字向右移动对应的位数,低位移出(舍弃),(如果是“有符号右移>>”:高位的空位补符号位,即正数补0,负数补1)。当运算数是 byte 或 short 类型时,将自动把这些类型扩大为 int 型。由于 int 类型是 32 位,这里的右移16位(舍去低位)并与 hashCode 异或运算将导致高位的影响传播到低位。

    [2] i = (n - 1) & hash

    n = table.length

    此处是根据hash值计算数组下标。n 是容量,值得注意的是,HashMap的默认初始容量是16,指定容量也会被扩展到2的幂次,归根结底就是为了在计算数组下标的时候,用 (n - 1) 与 hash值进行位与运算。因为在[1]中计算hash值的计算中,把高位的特征传播到了低位,而2的幂次减一的值永远是形如:1111,11111,111111的,因此index仅与hash值的低n位有关,hash值的高位都被与操作置为了0。

    上图为 HashMap 根据 key 计算 hash 值并最终计算出数组下标 index 的过程。我们来验证一下,talk is cheep, show me the code.

        1 创建一个 HashMap:

            可以看到,在创建map这一步,内部已经做了初始化如:size、modCount、threshold、loadFactor

    2 执行下一步,put 一个 key 为 "WANGNIMA" 的元素:

        现在数组 table 中已经有了数据,包括 size、modCount、threshold 也都有了值。

        这里解释一下 threshold 这个变量,它作为 HashMap 扩容的阈值,在初始化的时候,是根据 loadFactor(加载因子,默认0.75f) * initialCapacity(初始容量,默认16)得到的,即 0.75 * 16 = 12,当数组 size 超过这个阈值的时候,触发 2 倍的扩容。

    3 接下来继续执行到把两个元素都 put 进去:

        看到"WANGNIMA"被如期放到了下标 0 的位置,"WANGNIMA2"被放到了 9 的位置。

    4 测试 hash 冲突:

        我们找到了与 "WANGNIMA" 的 hashCode 值相同的字符串 "Z@]LRTyvHV\\SCV^",由图可知:table 中还是 0 和 9 的位置有元素,最后 put 的 "Z@]LRTyvHV\\SCV^" 被放在了 "WANGNIMA" 的 next 中,也就是链表的第二个位置处。

 

    [3] ++modCount;

        fail-fast 机制。

        开篇说道:实现 Collection 接口的类可以获得增强 for 循环。其实在编译阶段,编译器会把 forEach 这样的语句编译成迭代器迭代的方式:

 // .java public static void main(String[] args) { Map<String, Integer> map = new HashMap<>(16); map.put("WANGNIMA", 250); map.put("WANGNIMA2", 250); for (String key : map.keySet()) { System.out.println("Key = " + key); } } // .class public static void main(String[] args) { Map<String, Integer> map = new HashMap(16); map.put("WANGNIMA", 250); map.put("WANGNIMA2", 250); Iterator var2 = map.keySet().iterator(); while(var2.hasNext()) { String key = (String)var2.next(); System.out.println("Key = " + key); } }

    如果在创建迭代器之后的任何时候对 map 进行结构修改,除了迭代器自己以外的任何线程调用 remove() 方法,迭代器将抛出 ConcurrentModificationException,因此,在并发修改的情况下,迭代器会快速失败,而不是冒着非确定性行为的风险。    

    [4] 

else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY && oldCap >= DEFAULT_INITIAL_CAPACITY)     newThr = oldThr << 1;

    "oldCap << 1" 相当于 oldCap*2,即把新的数组容量 "newCap" 扩大2倍    

    [5] 

else if (oldThr > 0) // 旧的扩容阈值赋值给新的数组容量     newCap = oldThr; else { // zero initial threshold signifies using defaults     newCap = DEFAULT_INITIAL_CAPACITY;     newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY); }

    首先 HashMap 有三个构造方法,HashMap()  / HashMap(int initialCapacity) / HashMap(int initialCapacity, float loadFactor)

    无参构造仅仅初始化了 loadFactor 为默认的 0.75f;

    HashMap(int initialCapacity) 构造也是调用了 HashMap(int initialCapacity, float loadFactor),而把DEFAULT_LOAD_FACTOR 缺省传入了,这两个构造方法初始化了 loadFactor 和 threshold,值得注意的是,这里的 threshold 代表的却是数组容量,将会在首次 put 操作的时候,作为数组初始化的容量值,然后再去乘 loadFactor 作为真正意义上的 "扩容阈值"。

    可见,为数组申请内存空间这个工作被分配给了首次 put 操作而非构造方法,当 oldThr > 0 就说明用户调用了有参构造方法(指定了初始容量,并被构造方法 "缓存" 到了threshold中了),需要初始化一个 threshold 大小的数组,即 newCap;否则,初始化的数组容量为缺省的 16,初始化的扩容阈值为缺省的 16 * 0.75。

总结

    数组和链表是 JAVA 中最常见的两种数据结构,HashMap 的设计者巧妙的利用了这两个数据结构的优点。在散列算法的实现上,权衡了空间、时间和算法复杂度。

    要注意的是:HashMap 的扩容操作是十分耗费时间和空间的,所以建议开发者在应用中,一定要设置初始容量,防止动态扩容的发生。这一点在《阿里巴巴Java开发手册》中也有提到。

 

原文链接:https://my.oschina.net/zbnb/blog/3050001
关注公众号

低调大师中文资讯倾力打造互联网数据资讯、行业资源、电子商务、移动互联网、网络营销平台。

持续更新报道IT业界、互联网、市场资讯、驱动更新,是最及时权威的产业资讯及硬件资讯报道平台。

转载内容版权归作者及来源网站所有,本站原创内容转载请注明来源。

文章评论

共有0条评论来说两句吧...

文章二维码

扫描即可查看该文章

点击排行

推荐阅读

最新文章