HashMap 底层算法分析

详见： http://blog.yemou.net/article/query/info/tytfjhfascvhzxcytp72

Hash算法

HashMap使用Hash算法，所以在解剖HashMap之间，需要先简单的了解Hash算法，Hash算法一般也成为散列算法，通过散列算法将任意的值转化成固定的长度输出，该输出就是散列值，这是一种压缩映射，也就是，散列值的空间远远小于输入的值空间。
简单的说，hash算法的意义在于提供了一种快速存取数据的方法,它用一种算法建立键值与真实值之间的对应关系,(每一个真实值只能有一个键值,但是一个键值可以对应多个真实值),这样可以快速在数组等里面存取数据。

下面我们建立一个HashMap,然后往里面放入12对key-value，这个HashMap的默认数组长度为16，我们的key分别存放在该数组的格子中，每个格子下面存放的元素又是以链表的方式存放元素。

    public static void main(String[] args) {
        Map map = new HashMap();
        map.put("What", "chenyz");
        map.put("You", "chenyz");
        map.put("Don't", "chenyz");
        map.put("Know", "chenyz");
        map.put("About", "chenyz");
        map.put("Geo", "chenyz");
        map.put("APIs", "chenyz");
        map.put("Can't", "chenyz");
        map.put("Hurt", "chenyz");
        map.put("you", "chenyz");
        map.put("google", "chenyz");
        map.put("map", "chenyz");
        map.put("hello", "chenyz");
    }

当我们新添加一个元素时，首先我们通过Hash算法计算出这个元素的Hash值的hashcode，通过这个hashcode的值，我们就可以计算出这个新元素应该存放在这个hash表的哪个格子里面，如果这个格子中已经存在元素，那么就把新的元素加入到已经存在格子元素的链表中。

运行上面的程序，我们对HashMap源码进行一点修改，打印出每个key对象的hash值

What-->hash值：8
You-->hash值：3
Don't-->hash值：7
Know-->hash值：13
About-->hash值：11
Geo-->hash值：12
APIs-->hash值：1
Can't-->hash值：7
Hurt-->hash值：1
you-->hash值：10
google-->hash值：3
map-->hash值：8
hello-->hash值：0

计算出来的Hash值分别代表该key应该存放在Hash表中对应数字的格子中，如果该格子已经有元素存在，那么该key就以链表的方式依次放入格子中



从上表可以看出，Hash表是线性表和链表的综合所得，根据数据结构的定义，可以得出粗劣的结论，Hash算法的存取速度要比数组差一些，但是比起单纯的链表，在查找和存取方面却要好多。

如果要查找一个元素时，同样的方式，通过Hash函数计算出这个元素的Hash值hashcode，然后通过这个hashcode值，直接找到跟这个hash值相对应的线性格子，进如该格子后，对这个格子存放的链表元素逐个进行比较，直到找到对应的hash值。

在简单了解完Hash算法后，我们打开HashMap源码

初始化HashMap

下面我们看看Map map = new HashMap();这段代码究竟做了什么，发生了什么数据结构的变化。

HashMap中几个重要的属性

transient Entry[] table;
用来保存key-value的对象Entry数组，也就是Hash表

transient int size;
返回HashMap的键值对个数

final float loadFactor;
负载因子，用来决定Entry数组是否扩容的因子，HashMap默认是0.75f

int threshold;
重构因子，(capacity * load factor)负载因子与Entry[]数组容积的乘值

public class HashMap<K,V>
    extends AbstractMap<K,V>
    implements Map<K,V>, Cloneable, Serializable
{
    int threshold;    

    final float loadFactor;

    transient Entry[] table;

    static final float DEFAULT_LOAD_FACTOR = 0.75f;

    static final int DEFAULT_INITIAL_CAPACITY = 16;

    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);

        // Find a power of 2 >= initialCapacity
        int capacity = 1;
        while (capacity < initialCapacity)
            capacity <<= 1;

        this.loadFactor = loadFactor;
        threshold = (int)(capacity * loadFactor);
        table = new Entry[capacity];
        init();
    }

以public HashMap(int initialCapacity, float loadFactor)构造函数为例，另外两个构造函数实际上也是以同种方式来构建HashMap.

首先是要确定hashMap的初始化的长度，这里使用的策略是循环查出一个大于initialCapacity的2的次方的数，例如initialCapacity的值是10，那么大于10的数是2的4次方，也就是16，capacity的值被赋予了16，那么实际上table数组的长度是16，之所以采用这样的策略来构建Hash表的长度，是因为2的次方运算对于计算机来说是有相当的效率。

loadFactor，被称为负载因子，HashMap的默认负载因子是0.75f

threshold，接下来是重构因子，由负载因子和容量的乘机组成，它表示当HashMap元素被存放了多少个之后，需要对HashMap进行重构。

通过这一系列的计算和定义后，初始化Entry[] table;

put(key,value)

接下来看一对key-value是如何被存放到HashMap中：put(key,value)

    public V put(K key, V value) {
        if (key == null)
            return putForNullKey(value);
        int hash = hash(key.hashCode());
        
        int i = indexFor(hash, table.length);
        System.out.println(key+"-->hash值："+i);//这就是刚才程序打印出来的key对应hash值
        for (Entry<K,V> e = table[i]; e != null; e = e.next) {
            Object k;
            if (e.hash == hash && ((k = e.key) == key || key.equals(k))) {
                V oldValue = e.value;
                e.value = value;
                e.recordAccess(this);
                return oldValue;
            }
        }

        modCount++;
        addEntry(hash, key, value, i);
        return null;
    }

    static int hash(int h) {
        h ^= (h >>> 20) ^ (h >>> 12);
        return h ^ (h >>> 7) ^ (h >>> 4);
    }

    static int indexFor(int h, int length) {
        return h & (length-1);
    }

这里是整个hash的关键，请打开源码查看一步一步查看。

hash(key.hashCode()) 计算出key的hash码 //对于hash()的算法，这里有一篇分析很透彻的文章<HashMap hash方法分析>
indexFor(hash, table.length) 通过一个与算法计算出来，该key应在存放在Hash表的哪个格子中。
for (Entry<K,V> e = table[i]; e != null; e = e.next) 然后再遍历table[i]格中的链表，判断是否已经存在一样的key，如果存在一样的key值，那么就用新的value覆盖旧的value，并把旧的value值返回。
addEntry(hash, key, value, i) 如果经过遍历链表没有发现同样的key，那么进行addEntry函数的操作，增加当前key到hash表中的第i个格子中的链表中

    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);
        if (size++ >= threshold)
            resize(2 * table.length);
    }

Entry<K,V> e = table[bucketIndex];  创建一个Entry对象来存放键值（ps:Entry对象是一个链表对象）
table[bucketIndex] = new Entry<K,V>(hash, key, value, e); 将Entry对象添加到链表中
if (size++ >= threshold) resize(2 * table.length); 最后将size进行自增，判断size值是否大于重构因子，如果大于那么就是用resize进行扩容重构。

    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;
        threshold = (int)(newCapacity * loadFactor);
    }

这里为什么是否需要扩容重构，其实是涉及到负载因子的性能问题

loadFactor负载因子
上面说过loadFactor是一个hashMap的决定性属性，HashSet和HashMap的默认负载因子都是0.75，它表示，如果哈希表的容量超过3/4时，将自动成倍的增加哈希表的容量，这个值是权衡了时间和空间的成本，如果负载因子较高，虽然会减少对内存空间的需求，但也会增加查找数据的时间开销，无论是put()和get()都涉及到对数据进行查找的动作，所以负载因子是不适宜设置过高



get(key)

接下来看看get(key)做了什么

    public V get(Object key) {
        if (key == null)
            return getForNullKey();
        int hash = hash(key.hashCode());
        for (Entry<K,V> e = table[indexFor(hash, table.length)];
             e != null;
             e = e.next) {
            Object k;
            if (e.hash == hash && ((k = e.key) == key || key.equals(k)))
                return e.value;
        }
        return null;
    }

这些动作似乎是跟put(key，value)相识，通过hash算法获取key的hash码，再通过indexFor定位出该key存在于table的哪一个下表，获取该下标然后对下标中的链表进行遍历比对，如果有符合就直接返回该key的value值。

keySet()

这里还涉及另一个问题，上面说了HashMap是跟set没有任何亲属关系，但map也一样实现了keySet接口，下面谱析一下keySet在hashMap中是如何实现的，这里给出部分代码，请结合源码查看

public K next() {
            return nextEntry().getKey();
        }

    final Entry<K,V> nextEntry() {
            if (modCount != expectedModCount)
                throw new ConcurrentModificationException();
            Entry<K,V> e = next;
            if (e == null)
                throw new NoSuchElementException();

            if ((next = e.next) == null) {
                Entry[] t = table;
                while (index < t.length && (next = t[index++]) == null)
                    ;
            }
        current = e;
            return e;
        }

代码很简单，就是对每个格子里面的链表进行遍历，也正是这个原因，当我们依次将key值put进hashMap中，但在使用map.entrySet().iterator()进行遍历时候却不是put时候的顺序。

扩容
在前面说到put函数的时候，已经提过了扩容的问题

if (size++ >= threshold)
resize(2 * table.length);

这里一个是否扩容的判断，当数据达到了threshold所谓的重构因子，而不是HashMap的最大容量，就进行扩容。

    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;
        threshold = (int)(newCapacity * loadFactor);
    }

    void transfer(Entry[] newTable) {
        Entry[] src = table;
        int newCapacity = newTable.length;
        for (int j = 0; j < src.length; j++) {
            Entry<K,V> e = src[j];
            if (e != null) {
                src[j] = null;
                do {
                    Entry<K,V> next = e.next;
                    int i = indexFor(e.hash, newCapacity);
                    e.next = newTable[i];
                    newTable[i] = e;
                    e = next;
                } while (e != null);
            }
        }
    }

transfer方法实际上是将所有的元素重新进行一些hash，这是因为容量变化了，每个元素相对应的hash值也会不一样。

使用HashMap

1.不要再高并发中使用HashMap，HashMap是线程不安全，如果被多个线程共享之后，将可能发生不可预知的问题。
2.如果数据大小事固定的，最好在初始化的时候就给HashMap一个合理的容量值，如果使用new HashMap()默认构造函数，重构因子的值是16*0.75=12，当HashMap的容量超过了12后，就会进行一系列的扩容运算，重建一个原来成倍的数组，并且对原来存在的元素进行重新的hash运算，如果你的数据是有成千上万的，那么你的成千上万的数据也要跟这你的扩容不断的hash，这将产生高额的内存和cpu的大量开销。

当然啦，HashMap的函数还有很多，不过都是基于table的链表进行操作，当然也就是hash算法，Map & hashMap在平时我们的应用非常多，最重要的是我们要对每句代码中每块数据结构变化心中有数。