HashMap实现详解 基于JDK1.8

HashMap实现详解 基于JDK1.8

1.数据结构

散列表:是一种根据关键码值(Key value)而直接进行访问的数据结构。采用链地址法处理冲突。

HashMap采用Node<K,V>数组作为散列表来存储数据。源码声明如下：

/**
    * The table, initialized on first use, and resized as
    * necessary. When allocated, length is always a power of two.
    * (We also tolerate length zero in some operations to allow
    * bootstrapping mechanics that are currently not needed.)
    */
transient Node<K,V>[] table;

Node<K,V>节点的源码如下，可见Node<K,V>有四个成员。

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;
    }
    // 其余方法省略
}

散列函数：HashMap的散列函数很简单，i = (n - 1) & hash，将hash值与Node<K,V>数组的大小n通过&运算即得到在Node<K,V>数组中的位置i。

2.关键变量

有几个关键的变量需要事先理解，源码定义如下:

/**
    * The default initial capacity - MUST be a power of two.
    */
static final int DEFAULT_INITIAL_CAPACITY = 1 << 4; // aka 16
// 这一步位移运算，得到结果16，作为Node<K,V>数组的初始大小，每次扩容都为原先的2倍。
/**
    * The load factor used when none specified in constructor.
    */
static final float DEFAULT_LOAD_FACTOR = 0.75f;
// 又称负载因子，定义了扩容的时机，默认为存储元素达到了16*75%时就要进行扩容。
static final int TREEIFY_THRESHOLD = 8;
// 因为采用链地址法处理冲突，当链表过长时，HashMap性能会下降，因此当链表的长度超过8时，会将链表转换为红黑树进行优化。
static final int UNTREEIFY_THRESHOLD = 6;
// 在哈希表扩容时，如果发现链表长度小于 6，则会由树重新退化为链表。
static final int MIN_TREEIFY_CAPACITY = 64;
// 只有存储数量大于 64 才会发生转换。这是为了避免在哈希表建立初期，多个键值对恰好被放入了同一个链表中而导致不必要的转化。

3.put方法

final V putVal(int hash, K key, V value, boolean onlyIfAbsent,
                boolean evict) {
    Node<K,V>[] tab; Node<K,V> p; int n, i;
    // 判断散列表是否为空，若是，则进行初始化
    if ((tab = table) == null || (n = tab.length) == 0)
        n = (tab = resize()).length;
    // 判断散列表位置是否冲突，若否，直接存储
    if ((p = tab[i = (n - 1) & hash]) == null)
        tab[i] = newNode(hash, key, value, null);
    // 处理冲突
    else {
        Node<K,V> e; K k;
        if (p.hash == hash &&
            ((k = p.key) == key || (key != null && key.equals(k))))
            e = p;
        else if (p instanceof TreeNode)
            e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
        else {
            for (int binCount = 0; ; ++binCount) {
                if ((e = p.next) == null) {
                    p.next = newNode(hash, key, value, null);
                    if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st
                        treeifyBin(tab, hash);
                    break;
                }
                if (e.hash == hash &&
                    ((k = e.key) == key || (key != null && key.equals(k))))
                    break;
                p = e;
            }
        }
        if (e != null) { // existing mapping for key
            V oldValue = e.value;
            if (!onlyIfAbsent || oldValue == null)
                e.value = value;
            afterNodeAccess(e);
            return oldValue;
        }
    }
    ++modCount;
    if (++size > threshold)
        resize();
    afterNodeInsertion(evict);
    return null;
}

put流程图

put流程总结：

1.根据Key计算hash，得到散列地址

2.若散列表大小为0，则初始化大小为16

3.若散列地址无冲突，则直接存储。若有冲突，则将元素存入链表或红黑树

4.当链表长度大于8，且总元素个数大于64时，将链表转换为红黑树

5.当总元素个数达到Capacity的75%时，将散列表扩容为2倍

4.get方法

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) {
        if (first.hash == hash && // always check first node
            ((k = first.key) == key || (key != null && key.equals(k))))
            return first;
        if ((e = first.next) != null) {
            if (first instanceof TreeNode)
                return ((TreeNode<K,V>)first).getTreeNode(hash, key);
            do {
                if (e.hash == hash &&
                    ((k = e.key) == key || (key != null && key.equals(k))))
                    return e;
            } while ((e = e.next) != null);
        }
    }
    return null;
}

get流程比较简单，直接总结一下：

1.根据Key计算hash，然后根据hash计算散列地址

2.判断元素hash与Key是否同时相等，相等则返回

3.若不相等，节点属于红黑树节点则在红黑树中查找，不属于则遍历链表查找

4.没有此节点则返回null

5.hash方法

/**
    * Computes key.hashCode() and spreads (XORs) higher bits of hash
    * to lower.  Because the table uses power-of-two masking, sets of
    * hashes that vary only in bits above the current mask will
    * always collide. (Among known examples are sets of Float keys
    * holding consecutive whole numbers in small tables.)  So we
    * apply a transform that spreads the impact of higher bits
    * downward. There is a tradeoff between speed, utility, and
    * quality of bit-spreading. Because many common sets of hashes
    * are already reasonably distributed (so don't benefit from
    * spreading), and because we use trees to handle large sets of
    * collisions in bins, we just XOR some shifted bits in the
    * cheapest possible way to reduce systematic lossage, as well as
    * to incorporate impact of the highest bits that would otherwise
    * never be used in index calculations because of table bounds.
    */
static final int hash(Object key) {
    int h;
    return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}

这是HashMap中计算hash值的方法，可以看出，这里首先调用key.hashCode()得到key的hash，然后将hash右移16位(最高为补0)，与自身进行^(异或)运算，得到最终hash。这里有一个疑问，为什么要将hash值右移16位再来一个异或呢，直接用初始值不行吗？下面来看解释：

我们知道，HashMap中的散列地址是根据hash值得到的，方法是 (capacity-1)&hash，这个方法虽然很快，但是也带来一些副作用，这里也解释了为什么HashMap每次扩容都为2倍，因为这样 (capacity-1)恰好是一个掩码。

                10110001 10100101 | 11000100 00100101   // hash值
            &   00000000 00000000 | 00000000 00001111   // 16-1， 假设capacity为初始值16
            -----------------------------------------
                00000000 00000000 | 00000000 00000101   //  最终值5

当计算散列地址时，直接舍弃了高位的信息，只使用了capacity大小的容量，因此很有可能造成大量的地址冲突，效率降低。因此要利用被舍弃的高位信息，一个办法就是将高位与地位做^(异或)运算，使低位参杂高位信息。

                10110001 10101001 | 11000100 00100101   // h=key.hashCode()
            ^   00000000 00000000 | 10110001 10101001   // h >>> 16
            -----------------------------------------
                10110001 10101001 | 01110101 10001100   //  hash

右位移16位，正好是32bit的一半，自己的高半区和低半区做异或，就是为了混合原始哈希码的高位和低位，以此来加大低位的随机性。而且混合后的低位掺杂了高位的部分特征，这样高位的信息也被变相保留下来。

总结：hash()函数的作用是为了减少散列函数的副作用。