Potato
Potato copied to clipboard
Published
20 hours ago •
yunshuipiao
yunshuipiao
HashMap：Core source code analysis
HashMap：Core source code analysis
[TOC]
hashmap 作为 java 和 Android 开发中面试的必问问题，很有必要对其有一个详细的了解。
这篇文章将会从源码角度，对其存储结构，功能实现，扩容优化等进行分析。
分析版本 java 1.8.0
基本使用
在 hashmap 源文件前的注释中，可以了解的信息如下：
- 实现了 map 接口，提供了 map 相关的操作，并支持 key， value 都为 null 值。
- 如果元素均匀分布于桶内，可于O(1) 进行存取；
- 由两个因素影响性能：初始容量和扩容因子。
- 非同步方法：多个线程进行操作时，可能会出 ConcurrentModificationException 异常
首先从一个例子开始：
val map = HashMap<Int, Int>()
map.put(1, 1)
map.get(1)
这是基本的存取操作，下面分别看一下每一行具体做了什么。
首先是 hashmap 的构造方法，创建了一个对象。
/**
* 以指定的容量和扩容因子创建空的 hashmap
*/
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);
this.loadFactor = loadFactor;
// 初始化容量大小
this.threshold = tableSizeFor(initialCapacity);
}
public HashMap(int initialCapacity) {
this(initialCapacity, DEFAULT_LOAD_FACTOR);
}
public HashMap() {
this.loadFactor = DEFAULT_LOAD_FACTOR; // all other fields defaulted
}
// 以 指定的 map 创建 对象
public HashMap(Map<? extends K, ? extends V> m) {
this.loadFactor = DEFAULT_LOAD_FACTOR;
putMapEntries(m, false);
}
源码中有四个构造方法，其对应的注释如上，上面提到几个值，比如容量，扩容因子等，在源码中有几个常量定义如下：
/**
* The default initial capacity - MUST be a power of two.
* 初始化的默认 容量 大小， 2的4次幂， 16
*/
static final int DEFAULT_INITIAL_CAPACITY = 1 << 4; // aka 16
/**
* The maximum capacity, used if a higher value is implicitly specified
* by either of the constructors with arguments.
* MUST be a power of two <= 1<<30.
* 最大容量
*/
static final int MAXIMUM_CAPACITY = 1 << 30;
/**
* The load factor used when none specified in constructor.
* 扩容因子
*/
static final float DEFAULT_LOAD_FACTOR = 0.75f;
/**
* 链表 树化 阈值
*/
static final int TREEIFY_THRESHOLD = 8;
/**
* The bin count threshold for untreeifying a (split) bin during a
* resize operation. Should be less than TREEIFY_THRESHOLD, and at
* most 6 to mesh with shrinkage detection under removal.
* 树 链表化 阈值
*/
static final int UNTREEIFY_THRESHOLD = 6;
/**
* The smallest table capacity for which bins may be treeified.
* (Otherwise the table is resized if too many nodes in a bin.)
* Should be at least 4 * TREEIFY_THRESHOLD to avoid conflicts
* between resizing and treeification thresholds.
* 树化 的 最小容量
*/
static final int MIN_TREEIFY_CAPACITY = 64;
将在稍后作出解释。
存储结构
从结构上来讲，使用 数组+链表（红黑树）实现，也即遇到 hash 冲突时使用链表法解决, 如下。
可以解释一些基本的概念：
/**
* map 的数组
*/
transient Node<K,V>[] table;
/**
* 保存的节点
*/
transient Set<Map.Entry<K,V>> entrySet;
/**
* 已存入 map 的元素的大小
*/
transient int size;
// hashmap 操作的 的次数记录
transient int modCount;
// 扩容阈值
int threshold;
// 扩容因子
final float loadFactor;
容量表示 table 的大小，最大为 MAXIMUM_CAPACITY。
在容量不够时需要进行扩容，什么时候能确定容量不够，即 size > 容量 * 扩容因子 = 扩容阈值时进行扩容；
默认为 0.75f。
当链表的个数大于8， 由于存取变慢，将链表转为 红黑树，优化性能；随着链表个数减少，小于 6 时， 又转为链表。
MIN_TREEIFY_CAPACITY = 64， 这个值表示当 链表的个数大于8， 但如果容量小于64，还是进行扩容，而不是转换树。
接下来首先看一下 Node<K, V> 的结构，即上图中的黑点，map 中保存的元素。
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;
}
public final K getKey() { return key; }
public final V getValue() { return value; }
public final String toString() { return key + "=" + value; }
public final int hashCode() {
return Objects.hashCode(key) ^ Objects.hashCode(value);
}
public final V setValue(V newValue) {
V oldValue = value;
value = newValue;
return oldValue;
}
public final boolean equals(Object o) {
if (o == this)
return true;
if (o instanceof Map.Entry) {
Map.Entry<?,?> e = (Map.Entry<?,?>)o;
if (Objects.equals(key, e.getKey()) &&
Objects.equals(value, e.getValue()))
return true;
}
return false;
}
}
不难理解，最基本的 hash 节点，在大部分数据结构中都有用到。
实现原理
接着看一下 put 操作：
public V put(K key, V value) {
return putVal(hash(key), key, value, false, true);
}
/**
* Implements Map.put and related methods
*
* @param hash ： key 的 hash 值
* @param key ： key
* @param value ：value
* @param onlyIfAbsent：为true 时表示，当节点存在时不覆盖
* @param evict ： false 表示有 构造函数调用的方法
* @return value ： 返回之前的值，空时返回 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;
// 当 table 为空时惊醒扩容，n表示容量
if ((tab = table) == null || (n = tab.length) == 0)
n = (tab = resize()).length;
// 定位 table数组中节点的位置，后面分析。
if ((p = tab[i = (n - 1) & hash]) == null)
tab[i] = newNode(hash, key, value, null);
else {
// 如果遇到节点冲突
Node<K,V> e; K k;
// 两个节点相等，则覆盖
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
e = p;
// 如果是树节点，此时链表长度大于8， 转为红黑树
else if (p instanceof TreeNode)
e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
else {
// 冲突时，遍历链表，插在最后面
for (int binCount = 0; ; ++binCount) {
if ((e = p.next) == null) {
p.next = newNode(hash, key, value, null);
// 达到条件，链表转为树
if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st
treeifyBin(tab, hash);
break;
}
// 已存在链表中则结束
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;
// 超过阈值，进行扩容
if (++size > threshold)
// 扩容具体方法，后面介绍
resize();
afterNodeInsertion(evict);
return null;
}
主要内容在 putVal() 函数里面。
###桶节点索引定位
这里有几个特别重要的地方，同时也显示出设计的巧妙之处。
if ((p = tab[i = (n - 1) & hash]) == null)) {
tab[i] = newNode(hash, key, value, null);
}
上面代码表示在 table 中根据下标 i = (n - 1) & hash 定位节点的位置，如果该位置为存入节点，则创建节点并存入。
首先来看为什么要这样确定 hash 桶中的索引位置。在 n 大小的数组中，使用 hash % n 来确定位置。这里有个特例， 由于 hash 桶中的数组大小始终为 2 的 n次方，所以 可以使用 上述方法来计算，效率更高；
此时，冲突就由 hash 来决定：当 hash 不容易重复时，就越不容易冲突，看一下 hash 的计算方法：
static final int hash(Object key) {
int h;
return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}
这里刚开始我也不明白为甚么为进行 高位和低位进行异或运算求 hash。
n 表示 table 的大小，当 hash & (n - 1) 时，假设 hash 任意，n 为 16.
key.hash 1110 1110 1101 1010 0001 0001 0010 0110
n - 1. 0000 0000 0000 0000 0000 0000 0000 1111 (只有低位参与运算)
上图例子中显示，如果只是 key.hash 参与运算，那么只会是低位参与， 为了防止冲突，加入高位。所以将高16 位 与 低16位进行异或运算，防止冲突。 设计极为巧妙
扩容
上面提到，桶的大小始终为为 2 的n次方，主要在于取模（上有介绍）和扩容时做优化。
那么构造方法里传入的自定义大小时怎么处理的呢， 回看代码如下：
this.threshold = tableSizeFor(initialCapacity);
/**
* Returns a power of two size for the given target capacity.
*/
static final int tableSizeFor(int cap) {
int n = cap - 1;
n |= n >>> 1;
n |= n >>> 2;
n |= n >>> 4;
n |= n >>> 8;
n |= n >>> 16;
return (n < 0) ? 1 : (n >= MAXIMUM_CAPACITY) ? MAXIMUM_CAPACITY : n + 1;
}
对于给定的 cap，将转化为大于等于cap 中最小的2的n次方数。这里稍微说明一下，也是设计极为巧妙。
n = cap - 1: 为了处理 cap 刚好是 2的n次方数， n 为 高位为0， 低位为1 的数：00000111111；
n |= n >>> 1: 无符号右移 1位。不失一般性(包含上面的结果), 假设一个数位 0000001xxxxx,
任何数从左边第一个 1 开始，右移动 1 位进行或运算；
0000 001x xxxx
0000 0001 xxxx
0000 0011 xxxx(得到的结果左边两高位为1)
0000 0000 11xx
0000 0011 11xx(得到的结果左边4高位为1)
其余的计算不用进行了，这个时候可以保证低位全部位1， 加上最后的 n + 1； 即可得到结果。
那么继续往下， resize() 函数的代码如下：
/**
* Initializes or doubles table size. If null, allocates in
* accord with initial capacity target held in field threshold.
* Otherwise, because we are using power-of-two expansion, the
* elements from each bin must either stay at same index, or move
* with a power of two offset in the new table.
* 初始化或者扩容为 2 倍大小。由于其始终为2 的 n 次方，所以计算的下标或者相等， 或者偏移 2的 n 次方。
* @return the table
*/
final Node<K,V>[] resize() {
Node<K,V>[] oldTab = table; // 旧数组
int oldCap = (oldTab == null) ? 0 : oldTab.length; //旧 table 的容量
int oldThr = threshold; //旧 table 的阈值
int newCap, newThr = 0; // 新容量，新大小
if (oldCap > 0) {
// 达到最大值
if (oldCap >= MAXIMUM_CAPACITY) {
threshold = Integer.MAX_VALUE;
return oldTab;
}
// 新容量，新阈值都扩为两倍大小
else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&
oldCap >= DEFAULT_INITIAL_CAPACITY)
newThr = oldThr << 1; // double threshold
}
// 还未初始化，为0
else if (oldThr > 0) // initial capacity was placed in threshold
newCap = oldThr; // 这里解释了构造函数为什么将 tablesizefor 赋值 threshold。
else { // zero initial threshold signifies using defaults
// 默认值
newCap = DEFAULT_INITIAL_CAPACITY;
newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);
}
if (newThr == 0) {
float ft = (float)newCap * loadFactor;
newThr = (newCap < MAXIMUM_CAPACITY && ft < (float)MAXIMUM_CAPACITY ?
(int)ft : Integer.MAX_VALUE);
}
threshold = newThr;
@SuppressWarnings({"rawtypes","unchecked"})
// 新建 新容量大小的 节点数组
Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap];
table = newTab;
// 非初始化，旧 table 有数据
if (oldTab != null) {
// 移动到新 table 里面
for (int j = 0; j < oldCap; ++j) {
Node<K,V> e;
// 该下标有节点存在
if ((e = oldTab[j]) != null) {
// 旧链表该位置为置空
oldTab[j] = null;
if (e.next == null)
// 只有一个节点，找到下标赋值
newTab[e.hash & (newCap - 1)] = e;
else if (e instanceof TreeNode)
// 树的操作
((TreeNode<K,V>)e).split(this, newTab, j, oldCap);
else { // preserve order
Node<K,V> loHead = null, loTail = null; //低位头尾节点
Node<K,V> hiHead = null, hiTail = null; //高位头尾节点
Node<K,V> next;
do {
next = e.next;
// 不用计算 hash， 确定新 table 中下标的位置
// 后续介绍
if ((e.hash & oldCap) == 0) {
if (loTail == null)
loHead = e;
else
loTail.next = e;
loTail = e;
}
else {
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;
}
}
}
}
}
return newTab;
}
在上面的过程中，对if ((e.hash & oldCap) == 0) 作下解释：
在上面确定桶下标索引的位置时，使用 hash & (n - 1) 计算得到，扩容后，这里的 n 相当于 oldCap。
举个例子：
0000 0000 0000 0000 0000 0000 0000 1111 (n - 1)
0000 0000 0000 0000 0000 0000 0000 0101 (hash1) -> 0101
0000 0000 0000 0000 0000 0000 0001 0101 (hash2) -> 0101
如上，计算时下标相同， 在同一索引位置。
0000 0000 0000 0000 0000 0000 0001 0000 (oldCap)
0000 0000 0000 0000 0000 0000 0000 0101 (hash1) -> 0101
0000 0000 0000 0000 0000 0000 0001 0101 (hash2) -> 10101
可以看到，当冲突的节点确定索引位置时，有两种可能，在原位置或者 原位置 + oldCap。(因为结果最高位1)
因为根据 (e.hash & oldCap) 的 结果 为1 即可判断索引在高位， 为 0 即可判断索引在低位。
后续就是利用头尾节点移动冲突的值，最后返回新 table。
这就是为什么容量大小始终为 2 的 n 次方的优化点，极为巧妙。
这个时候回过来看 get 操作：
public V get(Object key) {
Node<K,V> e;
return (e = getNode(hash(key), key)) == null ? null : e.value;
}
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;
}
不做过多解释，有了上面的过程，相信很简单就能看懂。
关于树化后的操作
在设计良好的 hash 算法中，加上有 MIN_TREEIFY_CAPACITY 的存在，转成树的情况很少遇到，这里就不对红黑树的操作作过多分析，有需要的可以查看源码或者相关参考资料了解。
/**
* Replaces all linked nodes in bin at index for given hash unless
* table is too small, in which case resizes instead.
*/
final void treeifyBin(Node<K,V>[] tab, int hash) {
int n, index; Node<K,V> e;
// 即使链表长度大于8，还要满足容量大于MIN_TREEIFY_CAPACITY
if (tab == null || (n = tab.length) < MIN_TREEIFY_CAPACITY)
resize();
else if ((e = tab[index = (n - 1) & hash]) != null) {
TreeNode<K,V> hd = null, tl = null;
do {
TreeNode<K,V> p = replacementTreeNode(e, null);
if (tl == null)
hd = p;
else {
p.prev = tl;
tl.next = p;
}
tl = p;
} while ((e = e.next) != null);
if ((tab[index] = hd) != null)
hd.treeify(tab);
}
}
map 的遍历
public Set<K> keySet() {
Set<K> ks = keySet;
if (ks == null) {
ks = new KeySet();
keySet = ks;
}
return ks;
}
public Set<Map.Entry<K,V>> entrySet() {
Set<Map.Entry<K,V>> es;
return (es = entrySet) == null ? (entrySet = new EntrySet()) : es;
}
可以获取 key 的 entry 的集合进行遍历。
总结
以上就是对 hashmap 存取过程的一个分析，主要有以下几点
- 初始容量及其扩容的大小
- 索引下标位置的确定
- 扩容的方案
在使用 hashmap 的过程中，扩容是一个特别耗费时间空间的操作，所以在初始化的时候给一个合适的大小。
另外需要处理并发可以使用 ConcurrentHashMap。
了解了 hashmap 的扩容，那么对其他简单数据类型的扩容也再是问题，继续看源码。
