大牛带你深入解读HashMap

HashMap 和 HashSet 是 Java Collection Framework 的两个重要成员，其中 HashMap 是 Map 接口的常使用实现类，HashSet 是 Set 接口的常使用实现类。尽管 HashMap 和 HashSet 实现的接口规范不同，但它们底层的 Hash 存储机制完全一样，甚至 HashSet 本身就采使用 HashMap 来实现的。?

通过 HashMap、HashSet 的源代码分析其 Hash 存储机制

实际上，HashSet 和 HashMap 之间有很多类似之处，对于 HashSet 而言，系统采使用 Hash 算法决定集合元素的存储位置，这样可以保证能快速存、取集合元素；对于 HashMap 而言，系统 key-value 当成一个整体进行解决，系统总是根据 Hash 算法来计算 key-value 的存储位置，这样可以保证能快速存、取 Map 的 key-value 对。

在详情集合存储之前需要指出一点：尽管集合号称存储的是 Java 对象，但实际上并不会真正将 Java 对象放入 Set 集合中，只是在 Set 集合中保留这些对象的引使用而言。也就是说：Java 集合实际上是多个引使用变量所组成的集合，这些引使用变量指向实际的 Java 对象。

集合和引使用

就像引使用类型的数组一样，当我们把 Java 对象放入数组之时，并不是真正的把 Java 对象放入数组中，只是把对象的引使用放入数组中，每个数组元素都是一个引使用变量。

HashMap 的存储实现

当程序试图将多个 key-value 放入 HashMap 中时，以如下代码片段为例：

[java]view plaincopy

HashMap?map?=?new?HashMap();???

map.put(“语文”?,?80.0);???

map.put(“数学”?,?89.0);???

map.put(“英语”?,?78.2);???

HashMap 采使用一种所谓的“Hash 算法”来决定每个元素的存储位置。

当程序执行 map.put(“语文” , 80.0); 时，系统将调使用”语文”的 hashCode() 方法得到其 hashCode 值——每个 Java 对象都有 hashCode() 方法，都可通过该方法取得它的 hashCode 值。得到这个对象的 hashCode 值之后，系统会根据该 hashCode 值来决定该元素的存储位置。

我们可以看 HashMap 类的 put(K key , V value) 方法的源代码：

[java]view plaincopy

public?V?put(K?key,?V?value)???

{???

?//?假如?key?为?null，调使用?putForNullKey?方法进行解决??

?if?(key?==?)???

?????return?putForNullKey(value);???

?//?根据?key?的?keyCode?计算?Hash?值??

?int?hash?=?hash(key.hashCode());???

?//?搜索指定?hash?值在对应?table?中的索引??

?????int?i?=?indexFor(hash,?table.length);??

?//?假如?i?索引处的?Entry?不为?null，通过循环不断遍历?e?元素的下一个元素??

?for?(Entry?e?=?table[i];?e?!=?;?e?=?e.next)???

?{???

?????Object?k;???

?????//?找到指定?key?与需要放入的?key?相等（hash?值相同??

?????//?通过?equals?比较放回?true）??

?????if?(e.hash?==?hash?&&?((k?=?e.key)?==?key???

?????????||?key.equals(k)))???

?????{???

?????????V?oldValue?=?e.value;???

?????????e.value?=?value;???

?????????e.recordAccess(this);???

?????????return?oldValue;???

?????}???

?}???

?//?假如?i?索引处的?Entry?为?null，表明此处还没有?Entry???

?modCount++;???

?//?将?key、value?增加到?i?索引处??

?addEntry(hash,?key,?value,?i);???

?return?;???

}???

上面程序中使用到了一个重要的内部接口：Map.Entry，每个 Map.Entry 其实就是一个 key-value 对。从上面程序中可以看出：当系统决定存储 HashMap 中的 key-value 对时，完全没有考虑 Entry 中的 value，仅仅只是根据 key 来计算并决定每个 Entry 的存储位置。这也说明了前面的结论：我们完全可以把 Map 集合中的 value 当成 key 的附属，当系统决定了 key 的存储位置之后，value 随之保存在那里就可。

上面方法提供了一个根据 hashCode() 返回值来计算 Hash 码的方法：hash()，这个方法是一个纯粹的数学计算，其方法如下：

[java]view plaincopy

static?int?hash(int?h)???

{???

????h?^=?(h?>>>?20)?^?(h?>>>?12);???

????return?h?^?(h?>>>?7)?^?(h?>>>?4);???

}???

对于任意给定的对象，只需它的 hashCode() 返回值相同，那么程序调使用 hash(int h) 方法所计算得到的 Hash 码值总是相同的。接下来程序会调使用 indexFor(int h, int length) 方法来计算该对象应该保存在 table 数组的哪个索引处。indexFor(int h, int length) 方法的代码如下：

[java]view plaincopy

static?int?indexFor(int?h,?int?length)???

{???

????return?h?&?(length-1);???

}??

这个方法非常巧妙，它总是通过 h &(table.length -1) 来得到该对象的保存位置——而 HashMap 底层数组的长度总是 2 的 n 次方，这一点可参看后面关于 HashMap 构造器的详情。

当 length 总是 2 的倍数时，h & (length-1) 将是一个非常巧妙的设计：假设 h=5,length=16, 那么 h & length – 1 将得到 5；假如 h=6,length=16, 那么 h & length – 1 将得到 6 ……假如 h=15,length=16, 那么 h & length – 1 将得到 15；但是当 h=16 时 , length=16 时，那么 h & length – 1 将得到 0 了；当 h=17 时 , length=16 时，那么 h & length – 1 将得到 1 了……这样保证计算得到的索引值总是位于 table 数组的索引之内。

根据上面 put 方法的源代码可以看出，当程序试图将一个 key-value 对放入 HashMap 中时，程序首先根据该 key 的 hashCode() 返回值决定该 Entry 的存储位置：假如两个 Entry 的 key 的 hashCode() 返回值相同，那它们的存储位置相同。假如这两个 Entry 的 key 通过 equals 比较返回 true，新增 Entry 的 value 将覆盖集合中原有 Entry 的 value，但 key 不会覆盖。假如这两个 Entry 的 key 通过 equals 比较返回 false，新增的 Entry 将与集合中原有 Entry 形成 Entry 链，而且新增的 Entry 位于 Entry 链的头部——具体说明继续看 addEntry() 方法的说明。

当向 HashMap 中增加 key-value 对，由其 key 的 hashCode() 返回值决定该 key-value 对（就是 Entry 对象）的存储位置。当两个 Entry 对象的 key 的 hashCode() 返回值相同时，将由 key 通过 eqauls() 比较值决定是采使用覆盖行为（返回 true），还是产生 Entry 链（返回 false）。

上面程序中还调使用了 addEntry(hash, key, value, i); 代码，其中 addEntry 是 HashMap 提供的一个包访问权限的方法，该方法仅使用于增加一个 key-value 对。下面是该方法的代码：

[java]view plaincopy

void?addEntry(int?hash,?K?key,?V?value,?int?bucketIndex)???

{???

????//?获取指定?bucketIndex?索引处的?Entry???

????Entry?e?=?table[bucketIndex];?????//?①??

????//?将新创立的?Entry?放入?bucketIndex?索引处，并让新的?Entry?指向原来的?Entry???

????table[bucketIndex]?=?new?Entry(hash,?key,?value,?e);???

????//?假如?Map?中的?key-value?对的数量超过了极限??

????if?(size++?>=?threshold)???

????????//?把?table?对象的长度扩充到?2?倍。??

????????resize(2?*?table.length);????//?②??

}???

上面方法的代码很简单，但其中包含了一个非常优雅的设计：系统总是将新增的 Entry 对象放入 table 数组的 bucketIndex 索引处——假如 bucketIndex 索引处已经有了一个 Entry 对象，那新增的 Entry 对象指向原有的 Entry 对象（产生一个 Entry 链），假如 bucketIndex 索引处没有 Entry 对象，也就是上面程序①号代码的 e 变量是 null，也就是新放入的 Entry 对象指向 null，也就是没有产生 Entry 链。

JDK 源码

在 JDK 安装目录下可以找到一个 src.zip 压缩文件，该文件里包含了 Java 基础类库的所有源文件。只需读者有学习兴趣，随时可以打开这份压缩文件来阅读 Java 类库的源代码，这对提高读者的编程能力是非常有帮助的。需要指出的是：src.zip 中包含的源代码并没有包含像上文中的中文注释，这些注释是笔者自己增加进去的。

Hash 算法的性能选项

根据上面代码可以看出，在同一个 bucket 存储 Entry 链的情况下，新放入的 Entry 总是位于 bucket 中，而最早放入该 bucket 中的 Entry 则位于这个 Entry 链的最末端。

上面程序中还有这样两个变量：

* size：该变量保存了该 HashMap 中所包含的 key-value 对的数量。

* threshold：该变量包含了 HashMap 能容纳的 key-value 对的极限，它的值等于 HashMap 的容量乘以负载因子（load factor）。

从上面程序中②号代码可以看出，当 size++ >= threshold 时，HashMap 会自动调使用 resize 方法扩充 HashMap 的容量。每扩充一次，HashMap 的容量就增大一倍。

上面程序中用的 table 其实就是一个普通数组，每个数组都有一个固定的长度，这个数组的长度就是 HashMap 的容量。HashMap 包含如下几个构造器：

* HashMap()：构建一个初始容量为 16，负载因子为 0.75 的 HashMap。

* HashMap(int initialCapacity)：构建一个初始容量为 initialCapacity，负载因子为 0.75 的 HashMap。

* HashMap(int initialCapacity, float loadFactor)：以指定初始容量、指定的负载因子创立一个 HashMap。

当创立一个 HashMap 时，系统会自动创立一个 table 数组来保存 HashMap 中的 Entry，下面是 HashMap 中一个构造器的代码：

[java]view plaincopy

//?以指定初始化容量、负载因子创立?HashMap???

?public?HashMap(int?initialCapacity,?float?loadFactor)???

?{???

?????//?初始容量不能为负数??

?????if?(initialCapacity?<?0)???

?????????throw?new?IllegalArgumentException(???

????????”Illegal?initial?capacity:?”?+???

?????????????initialCapacity);???

?????//?假如初始容量大于最大容量，让出示容量??

?????if?(initialCapacity?>?MAXIMUM_CAPACITY)???

?????????initialCapacity?=?MAXIMUM_CAPACITY;???

?????//?负载因子必需大于?0?的数值??

?????if?(loadFactor?<=?0?||?Float.isNaN(loadFactor))???

?????????throw?new?IllegalArgumentException(???

?????????loadFactor);???

?????//?计算出大于?initialCapacity?的最小的?2?的?n?次方值。??

?????int?capacity?=?1;???

?????while?(capacity?<?initialCapacity)???

?????????capacity?<<=?1;???

?????this.loadFactor?=?loadFactor;???

?????//?设置容量极限等于容量?*?负载因子??

?????threshold?=?(int)(capacity?*?loadFactor);???

?????//?初始化?table?数组??

?????table?=?new?Entry[capacity];????????????//?①??

?????init();???

?}???

上面代码中粗体字代码包含了一个简洁的代码实现：找出大于 initialCapacity 的、最小的 2 的 n 次方值，并将其作为 HashMap 的实际容量（由 capacity 变量保存）。例如给定 initialCapacity 为 10，那么该 HashMap 的实际容量就是 16。

程序①号代码处可以看到：table 的实质就是一个数组，一个长度为 capacity 的数组。

对于 HashMap 及其子类而言，它们采使用 Hash 算法来决定集合中元素的存储位置。当系统开始初始化 HashMap 时，系统会创立一个长度为 capacity 的 Entry 数组，这个数组里可以存储元素的位置被称为“桶（bucket）”，每个 bucket 都有其指定索引，系统可以根据其索引快速访问该 bucket 里存储的元素。

无论何时，HashMap 的每个“桶”只存储一个元素（也就是一个 Entry），因为 Entry 对象可以包含一个引使用变量（就是 Entry 构造器的的最后一个参数）使用于指向下一个 Entry，因而可能出现的情况是：HashMap 的 bucket 中只有一个 Entry，但这个 Entry 指向另一个 Entry ——这就形成了一个 Entry 链。如图 1 所示：

图 1. HashMap 的存储示意

HashMap 的读取实现

当 HashMap 的每个 bucket 里存储的 Entry 只是单个 Entry ——也就是没有通过指针产生 Entry 链时，此时的 HashMap 具备最好的性能：当程序通过 key 取出对应 value 时，系统只需先计算出该 key 的 hashCode() 返回值，在根据该 hashCode 返回值找出该 key 在 table 数组中的索引，而后取出该索引处的 Entry，最后返回该 key 对应的 value 就可。看 HashMap 类的 get(K key) 方法代码：

[java]view plaincopy

public?V?get(Object?key)???

{???

?//?假如?key?是?null，调使用?getForNullKey?取出对应的?value???

?if?(key?==?)???

?????return?getForNullKey();???

?//?根据该?key?的?hashCode?值计算它的?hash?码??

?int?hash?=?hash(key.hashCode());???

?//?直接取出?table?数组中指定索引处的值，??

?for?(Entry?e?=?table[indexFor(hash,?table.length)];???

?????e?!=?;???

?????//?搜索该?Entry?链的下一个?Entr???

?????e?=?e.next)?????????//?①??

?{???

?????Object?k;???

?????//?假如该?Entry?的?key?与被搜索?key?相同??

?????if?(e.hash?==?hash?&&?((k?=?e.key)?==?key???

?????????||?key.equals(k)))???

?????????return?e.value;???

?}???

?return?;???

}???

从上面代码中可以看出，假如 HashMap 的每个 bucket 里只有一个 Entry 时，HashMap 可以根据索引、快速地取出该 bucket 里的 Entry；在发生“Hash 冲突”的情况下，单个 bucket 里存储的不是一个 Entry，而是一个 Entry 链，系统只能必需按顺序遍历每个 Entry，直到找到想搜索的 Entry 为止——假如刚好要搜索的 Entry 位于该 Entry 链的最末端（该 Entry 是最早放入该 bucket 中），那系统必需循环到最后才能找到该元素。

归纳起来简单地说，HashMap 在底层将 key-value 当成一个整体进行解决，这个整体就是一个 Entry 对象。HashMap 底层采使用一个 Entry[] 数组来保存所有的 key-value 对，当需要存储一个 Entry 对象时，会根据 Hash 算法来决定其存储位置；当需要取出一个 Entry 时，也会根据 Hash 算法找到其存储位置，直接取出该 Entry。由此可见：HashMap 之所以能快速存、取它所包含的 Entry，完全相似于现实生活中母亲从小教我们的：不同的东西要放在不同的位置，需要时才能快速找到它。

当创立 HashMap 时，有一个默认的负载因子（load factor），其默认值为 0.75，这是时间和空间成本上一种折衷：增大负载因子可以减少 Hash 表（就是那个 Entry 数组）所占使用的内存空间，但会添加查询数据的时间开销，而查询是最频繁的的操作（HashMap 的 get() 与 put() 方法都要使用到查询）；减小负载因子会提高数据查询的性能，但会添加 Hash 表所占使用的内存空间。

掌握了上面知识之后，我们可以在创立 HashMap 时根据实际需要适当地调整 load factor 的值；假如程序比较关心空间开销、内存比较紧张，可以适当地添加负载因子；假如程序比较关心时间开销，内存比较宽裕则可以适当的减少负载因子。通常情况下，程序员无需改变负载因子的值。

假如开始就知道 HashMap 会保存多个 key-value 对，可以在创立时就用较大的初始化容量，假如 HashMap 中 Entry 的数量一直不会超过极限容量（capacity * load factor），HashMap 就无需调使用 resize() 方法重新分配 table 数组，从而保证较好的性能。当然，开始就将初始容量设置太高可能会白费空间（系统需要创立一个长度为 capacity 的 Entry 数组），因而创立 HashMap 时初始化容量设置也需要小心对待。

喜欢的点点关注点点赞

原文链接：https://blog.csdn.net/caihaijiang/article/details/6280251