深入分析 JDK8 中 HashMap 的原理、实现和优化

4,417 阅读10分钟

HashMap 可以说是使用频率最高的处理键值映射的数据结构,它不保证插入顺序,允许插入 null 的键和值。本文采用 JDK8 中的源码,深入分析 HashMap 的原理、实现和优化。首发于微信公众号顿悟源码.

1. 基本结构

HashMap 基于散列表实现,使用拉链法处理碰撞,在 JDK8 中,当链表长度大于 8 时转为红黑树存储,基本结构如下:

HashMap 基本结构

HashMap 有一个 Node<K,V>[] table 字段,即哈希桶数组,数组元素是 Node 对象,结构定义如下:

static class Node<K,V> implements Map.Entry<K,V> {
  final int hash; // 用于计算数组索引
  final K key;
  V value;
  Node<K,V> next; // 后继节点,下一个 Node

  Node(int hash, K key, V value, Node<K,V> next) { ... }
  ...
}

哈希桶数组会在首次使用时初始化,默认大小是 16,并根据需要调整大小,且长度总是 2 的次幂。如果构造函数设置的初始容量不是 2 的次幂,那么使用以下方法返回一个大于且最靠近它的 2 的次幂的值:

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;
}

原理就是将最高位 1 右边的所有比特位全置为 1,然后再加 1,最高位进 1,右边的比特位全变成 0,从而得出一个 2 的次幂的值。在 JDK7 中使用的是 Integer.highestOneBit(int i) 方法,它最后计算时使用 n - (n >>> 1) 返回的是一个小于且最靠近入参的 2 的次幂。

HashMap 内部的其他字段:

// 键值对的数量
transient int size;
// 记录结构修改次数,用于迭代时的快速失败
transient int modCount;
// 负载因子,默认 0.75f
final float loadFactor;
// 扩容的下一个容量值,也就是键值对个数的最大值,它等于(capacity * loadFactor)
int threshold;

影响 HashMap 性能的主要参数是:初始容量负载因子。当散列表元素数超过负载因子和当前容量的乘积时,就会扩容,扩大到原来容量的两倍,并对键重新散列。

  • 初始容量过小会多次触发扩容和 rehash,所以预分配一个足够大的容量更加有效
  • 负载因子默认值是 0.75f,它是对时间和空间成本的一个很好的平衡,一般不用修改,较高的值会减少空间开销,但会增加查找的成本

不管多么合理的散列算法,也免不了链表过长的情况,从而影响 HashMap 的性能,所以,JDK8 在链表长度大于 8 时,将其转为红黑树,以利用红黑树快速增删改查的特点。

2. 散列函数

将整数散列最常用的方法就是除留余数法。为了均匀地散列键的散列值,通常都会把数组的大小取素数(HashTable 的初始大小就是 11),因为素数的因子少,余数相等的概率小,冲突的几率就小。

HashMap 的容量始终是 2 的次幂,这是一个合数,之所以这样设计,是为了将取模运算转为位运算,提高性能。这个等式h % length = h & (length-1)成立的原因如下:

2^1 = 10          2^1 -1 = 01 
2^2 = 100         2^2 -1 = 011 
2^3 = 1000        2^3 -1 = 0111
2^n = 1(n个零)     2^n -1 = 0(n个1) 

右边是 2^n 的二进制特点,左边是 2^n-1 的特点,可以发现当 length = 2^n 时,h & (length-1) 的结果正好位于 0 到 length-1 之间,就相当于取模运算。

转为位运算后,length-1 就相当于一个低位掩码,在按位与时,它会把原散列值的高位置0,这就导致散列值只在掩码的小范围内变化,显然增大了冲突几率。为了减少冲突,HashMap 在设计散列算法时,使用高低位异或,变相的让键的高位也参与了运算,代码如下:

static final int hash(Object key) { // JDK8
  int h;
  // h = key.hashCode()  1. 取hashCode值
  // h ^ (h >>> 16)      2. 高16位与低16位异或,变相保留高位的比特位
  return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}
// JDK7 的源码,JDK8 没有这个方法,但原理一样
static int indexFor(int h, int length) {
   return h & (length-1); // 3. 取模运算
}

高位的移位异或,既能保证有效的利用键的高低位信息,又能减少系统开销,这样设计是对速度、效率和质量之间的权衡。

3. put 操作

put 操作主要做了以下几件事:

  1. 哈希桶数组 table 为空时,通过 resize() 方法进行初始化
  2. 待插入的 key 已存在,直接覆盖 value
  3. 若不存在,将键值对插入到对应的链表或红黑树中
  4. 插入链表时判断是否转红黑树
  5. 判断是否需要扩容

核心代码如下:

public V put(K key, V value) {
  // 将 key 的 hashCode 散列
  return putVal(hash(key), key, value, false, true);
}
final V putVal(int hash, K key, V value, boolean onlyIfAbsent, boolean evict) {
  Node<K,V>[] tab; Node<K,V> p; int n, i;
  // 1. table 为 null,初始化哈希桶数组
  if ((tab = table) == null || (n = tab.length) == 0)
    n = (tab = resize()).length;
  // 2. 计算对应的数组下标 (n - 1) & hash
  if ((p = tab[i = (n - 1) & hash]) == null)
    // 3. 这个槽还没有插入过数据,直接插入
    tab[i] = newNode(hash, key, value, null);
  else {
    Node<K,V> e; K k;
    // 4. 节点 key 存在,直接覆盖 value
    if (p.hash == hash && ((k = p.key) == key || (key != null && key.equals(k))))
      e = p;
    // 5. 该链转成了红黑树
    else if (p instanceof TreeNode) // 在树中插入
      e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
    // 6. 该链是链表
    else {
      for (int binCount = 0; ; ++binCount) {
        // 遍历找到尾节点插入
        if ((e = p.next) == null) {
          p.next = newNode(hash, key, value, null);
          // 链表长度大于 8 转为红黑树
          if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st
            treeifyBin(tab, hash);
          break;
        }
        // 遍历的过程中,遇到相同 key 则覆盖 value
        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;
  // 7. 超过最大容量,扩容
  if (++size > threshold)
    resize();
  afterNodeInsertion(evict);
  return null;
}

JDK8 在插入链表时采用的是尾插入法,也就是顺序插入,而 JDK7 使用的是头插法,逆序插入。

6. 扩容机制

默认情况下,初始容量是 16,负载因子是 0.75f,threshold 是 12,也就是说,插入 12 个键值对就会扩容。

在扩容时,会扩大到原来的两倍,因为使用的是2的次幂扩展,那么元素的位置要么保持不变,要么在原位置上偏移2的次幂。

resize-1

上图可以看到,扩大2倍,相当于 n 左移一位,那么 n-1 在高位就多出了一个 1,此时与原散列值进行与运算,就多参与了一位,这个比特位要么是 0,要么是 1:

  • 0 的话索引不变
  • 1 的话索引就变成"原索引+oldCap"

那么怎么判断这个比特位是0还是1呢?如果"原散列值 & oldCap"的值为0,则表示比特位是0。扩容代码如下:

final Node<K,V>[] resize() {
  Node<K,V>[] oldTab = table;
  int oldCap = (oldTab == null) ? 0 : oldTab.length;
  int oldThr = threshold;
  int newCap, newThr = 0;
  if (oldCap > 0) {
    // 超过最大值,不在扩容
    if (oldCap >= MAXIMUM_CAPACITY) {
      threshold = Integer.MAX_VALUE;
      return oldTab;
    }// 否则扩大为原来的 2 倍
    else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&
           oldCap >= DEFAULT_INITIAL_CAPACITY)
      newThr = oldThr << 1; // double threshold
  }
  else if (oldThr > 0) // initial capacity was placed in threshold
    // 初始化时,threshold 暂时保存 initialCapacity 参数的值
    newCap = oldThr;
  else {               // zero initial threshold signifies using defaults
    newCap = DEFAULT_INITIAL_CAPACITY;
    newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);
  }
  // 计算新的 resize 上限
  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"})
    Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap];
  table = newTab;
  // 将旧的键值对移动到新的哈希桶数组中
  if (oldTab != null) {
    for (int j = 0; j < oldCap; ++j) {
      Node<K,V> e;
      if ((e = oldTab[j]) != null) {
        oldTab[j] = null;
        if (e.next == null) // 无链条
          newTab[e.hash & (newCap - 1)] = e;
        else if (e instanceof TreeNode)
          // 拆红黑树,先拆成两个子链表,再分别按需转成红黑树
          ((TreeNode<K,V>)e).split(this, newTab, j, oldCap);
        else { // preserve order
          // 拆链表,拆成两个子链表并保持原有顺序
          Node<K,V> loHead = null, loTail = null;
          Node<K,V> hiHead = null, hiTail = null;
          Node<K,V> next;
          do {
            next = e.next;
            // 原位置不变的子链表
            if ((e.hash & oldCap) == 0) {
              if (loTail == null)
                loHead = e;
              else
                loTail.next = e;
              loTail = e;
            }
            // 原位置偏移 oldCap 的子链表
            else {
              if (hiTail == null)
                hiHead = e;
              else
                hiTail.next = e;
              hiTail = e;
            }
          } while ((e = next) != null);
          // 放到新的哈希桶中
          if (loTail != null) {
            loTail.next = null;
            newTab[j] = loHead;
          }
          if (hiTail != null) {
            hiTail.next = null;
            newTab[j + oldCap] = hiHead;
          }
        }
      }
    }
  }
  return newTab;
}

在重新计算链表中元素位置时,只可能得到两个子链表:索引不变的元素链表和有相同偏移量的元素链表。在构造子链表的过程中,使用头节点和尾节点,保证了拆分后的有序性:

resize-2

查看 TreeNode.split() 方法发现,红黑树拆分的逻辑和链表一样,只不过在拆分完成后,会根据子链表的长度做以下处理:

  • 长度小于 6,返回一个不包含 TreeNode 的普通链表
  • 否则,把子链表转为红黑树

红黑树之所以能够按照链表的逻辑拆分,是因为链表在转红黑树时,保留了原链表的链条引用,这样也方便了遍历操作。

7. 链表转红黑树

链表转红黑树主要做了以下几件事:

  1. 判断桶容量是否达到树化的最低要求,否则进行扩容
  2. 将原链表转为由 TreeNode 组成的双向链表
  3. 将新链表转为红黑树

代码如下:

final void treeifyBin(Node<K,V>[] tab, int hash) {
  int n, index; Node<K,V> e;
  // 如果哈希桶容量小于树化的最小容量,优先进行扩容
  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 { // 将普通节点转为树形节点
      TreeNode<K,V> p = replacementTreeNode(e, null);
      if (tl == null)
        hd = p;
      else {
        p.prev = tl;
        tl.next = p;
      }
      tl = p;
      // 把原来的单链表转成了双向链表
    } while ((e = e.next) != null);
    if ((tab[index] = hd) != null)
      hd.treeify(tab); // 将链表转为红黑树
  }
}
TreeNode<K,V> replacementTreeNode(Node<K,V> p, Node<K,V> next) {
  return new TreeNode<>(p.hash, p.key, p.value, next);
}

HashMap 在设计时应该没有考虑后期会引入红黑树,所以没有提供 key 的比较器或要求 key 实现 Comparable 接口。为了比较两个 key 的大小,HashMap 按以下步骤处理:

  1. 如果两个 key 的 hash 值不等,则比较 hash 值大小
  2. 如果相等,若 key 实现了 Comparable 接口,使用 compareTo 方法比较
  3. 如果结果还是相等,使用自定义的 tieBreakOrder 方法比较,逻辑如下
static int tieBreakOrder(Object a, Object b) {
  int d;
  if (a == null || b == null || // 比较 className 的大小
    (d = a.getClass().getName().compareTo(b.getClass().getName())) == 0)
    // 比较由本地方法生成的 hash 值大小,仍然有可能冲突,几率太小,此时认为是小于的结果
    d = (System.identityHashCode(a) <= System.identityHashCode(b) ? -1 : 1);
  return d;
}

8. 小结

JDK8 中的 HashMap 代码还是比较复杂的,优化方面主要有以下三点:

  • 优化 hash 算法只进行一次位移操作
  • 引入红黑树,在冲突比较严重的情况下,将 get 操作的时间复杂从 O(n) 降为了 O(logn)
  • 扩容时,利用 2 的次幂数值的二进制特点,既省去重新计算 hash 的时间,又把之前冲突的节点散列到了其他位置

此外,HashMap 是非线程安全的,线程间的竞争条件主要是发生冲突或扩容时,链表的断链和续链操作。扩容也就意味着内存拷贝,这是一个很耗费性能的操作,所以预分配一个足够大的初始容量,减少扩容的次数,能够让 HashMap 有更好的表现。

搜索微信公众号「顿悟源码」,获取更多源码分析和造的轮子。