前言
HashMap是开发中频繁用到的映射类之一,提供了许多便利的操作。为什么它会如此受欢迎?接下来本文将为大家解答。
原理
HashMap是基于数据结构散列表封装而来的,底层实现由数据+链表/红黑树。存储着K-V对,根据一个指定的散列函数,对键进行散列,确定值的存储位置,随后即可根据键快速查找到对应的值。
优势与劣势
优势:
- 快速根据键查找值,时间复杂度为O(1)
- 自动扩容
劣势:
- 线程不安全,在高并发的场景下,容易造成数据丢失,以及环形链表(JDK1.7中)
适用场景
- 线程安全的情况下,作为缓存容器。
- 作为数据存在性的判断容器。
关键方法
Put方法
JDK1.8中Put方法的源码如下:
/**
* Implements Map.put and related methods
*
* @param hash hash for key
* @param key the key
* @param value the value to put
* @param onlyIfAbsent if true, don't change existing value
* @param evict if false, the table is in creation mode.
* @return previous value, or null if none
*/
final V putVal(int hash, K key, V value, boolean onlyIfAbsent,
boolean evict) {
Node<K,V>[] tab; Node<K,V> p; int n, i;
// 如果列表为null,或者现在列表长度为0.进行初始化操作
if ((tab = table) == null || (n = tab.length) == 0)
n = (tab = resize()).length;
// 如果所在的Hash槽为null,新建一个链表结点对象。
if ((p = tab[i = (n - 1) & hash]) == null)
tab[i] = newNode(hash, key, value, null);
else {
// Hash冲突
Node<K,V> e; K k;
// 如果Hash槽Key值相同,进行替换值操作。
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
e = p;
// Key值不相同并且是树结点对象,进行树的插入操作。
else if (p instanceof TreeNode)
e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
else {
// 目前还是链表结点,没有找到对应的key值,使用链表的尾部插入方法,插入新结点,
for (int binCount = 0; ; ++binCount) {
if ((e = p.next) == null) {
p.next = newNode(hash, key, value, null);
// 判断当前链表长度是否大于等于8
if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st
// 进行树化,如果Hash桶大小小于64,则只进行扩容
treeifyBin(tab, hash);
break;
}
// 找到对应的key值,进行替换操作
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
break;
p = e;
}
}
// 覆盖旧值,返回新值
if (e != null) { // existing mapping for key
V oldValue = e.value;
if (!onlyIfAbsent || oldValue == null)
e.value = value;
afterNodeAccess(e);
return oldValue;
}
}
++modCount;
// 如果当前Hash桶大小大于扩容阈值。则进行扩容。
if (++size > threshold)
resize();
afterNodeInsertion(evict);
return null;
}
参数分析:
- hash 是key的hash值,HashMap内部进行对key对hashCode()进行了再hash,为的是确保hash值的散列均匀,减少hash碰撞。
- key 存入的key值
- value 存入的value值
Put过程:已在源代码处说明
resize函数
JDK1.8中resize方法的源码如下:
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) {
if (oldCap >= MAXIMUM_CAPACITY) {
threshold = Integer.MAX_VALUE;
return oldTab;
}
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
newCap = oldThr;
else { // zero initial threshold signifies using defaults
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"})
Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap];
table = newTab;
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)
newTab[e.hash & (newCap - 1)] = e;
else if (e instanceof TreeNode)
((TreeNode<K,V>)e).split(this, newTab, j, oldCap);
else { // preserve order
Node<K,V> loHead = null, loTail = null;
Node<K,V> hiHead = null, hiTail = null;
Node<K,V> next;
do {
next = e.next;
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;
}
关键步骤为:
1.首先进行前置判断,确定新的Hash桶的长度。
2.确定长度后,新建Hash桶,进行数据转移。
GET方法
/**
* Implements Map.get and related methods
*
* @param hash hash for key
* @param key the key
* @return the node, or null if none
*/
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 &&
// 使用hash函数定位Hash桶位置。
(first = tab[(n - 1) & hash]) != null) {
// 判断该Hash桶上的第一个元素是否是想要的元素
if (first.hash == hash && // always check first node
((k = first.key) == key || (key != null && key.equals(k))))
return first;
// 进行Hash后续元素查找
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))))
// 找到对应元素,返回
return e;
} while ((e = e.next) != null);
}
}
// 没有找到对应元素,返回null值.
return null;
}
remove方法
/**
* Implements Map.remove and related methods
*
* @param hash hash for key
* @param key the key
* @param value the value to match if matchValue, else ignored
* @param matchValue if true only remove if value is equal
* @param movable if false do not move other nodes while removing
* @return the node, or null if none
*/
final Node<K,V> removeNode(int hash, Object key, Object value,
boolean matchValue, boolean movable) {
Node<K,V>[] tab; Node<K,V> p; int n, index;
if ((tab = table) != null && (n = tab.length) > 0 &&
// 根据hash函数确定位置
(p = tab[index = (n - 1) & hash]) != null) {
Node<K,V> node = null, e; K k; V v;
// 找到对应的节点对象
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
node = p;
else if ((e = p.next) != null) {
if (p instanceof TreeNode)
node = ((TreeNode<K,V>)p).getTreeNode(hash, key);
else {
do {
if (e.hash == hash &&
((k = e.key) == key ||
(key != null && key.equals(k)))) {
node = e;
break;
}
p = e;
} while ((e = e.next) != null);
}
}
// 执行删除方法
if (node != null && (!matchValue || (v = node.value) == value ||
(value != null && value.equals(v)))) {
if (node instanceof TreeNode)
((TreeNode<K,V>)node).removeTreeNode(this, tab, movable);
else if (node == p)
tab[index] = node.next;
else
p.next = node.next;
++modCount;
--size;
afterNodeRemoval(node);
return node;
}
}
return null;
}
hash函数
源码如下:
static final int hash(Object key) {
int h;
return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}
实现解析:
1.因为Hash表内部使用2幂次作为容量,减1后作为低位掩码,因此如果对象的hash code
只在高位变化的话,将会始终发生冲突。典型的例子为在表内保存连续整数的Float
集。具体例子如下:
public class HashMapLowBitHashCollide {
public static void main(String[] args) {
Float a = new Float(0.0f);
for (int i=0; i<10; ++i) {
a += 1.0f;
System.out.println(Integer.toBinaryString(a.hashCode()));
}
}
}
打印结果如下:
111111100000000000000000000000
1000000000000000000000000000000
1000000010000000000000000000000
1000000100000000000000000000000
1000000101000000000000000000000
1000000110000000000000000000000
1000000111000000000000000000000
1000001000000000000000000000000
1000001000100000000000000000000
1000001001000000000000000000000
因此向低位传播高位的影响,在速度,实用性和位扩展质量之间需要权衡。
2.因为key.hashCode()函数调用的是key键值类型自带的哈希函数,返回int型散列值。int值范围为**-2147483648~2147483647**,前后加起来大概40亿的映射空间。由于表范围的限制,内存是不可能放一个40亿长度的数组,如果单纯使用hash code进行与低位掩码进行&
运算,将永远使用不到高位的影响
已有实现
HashTable:HashTable是JDK的一个遗留类,HashMap实现的功能与HashTable几乎相同,但是HashTable存在性能问题,所以推荐使用HashMap。
ConcurrentHashMap:HashMap线程不安全的,因此如果需要在并发的条件下使用Map,需要使用ConcurrentHashMap。