java HashMap解析

HashMap是java中常用且相对重要的类之一。了解此类的数据结构及储存原理对我们写程序有莫大帮助。java8中又对此类底层实现进行了优化，比如引入了红黑树的结构以解决哈希碰撞。今天我们就从底层解析一下HashMap，希望对大家有所帮助。

HashMap的数据结构

1. HashMap整体结构

Map是java中的储存键（key）、值(value)对数据结构。而HashMap即是通过key的hash值确定value的储存位置。在理想情况下，仅需要O(1)的时间就可以通过key定位到value值。不过，这里一个显著的问题是，不同的key也可能有相同的哈希值，HashMap采用数组+链表解决。

如图，HashMap的主结构类似于一个数组，添加值时通过key确定储存位置。每个位置是一个Node（图中黑点）的数据结构，该结构可组成链表。当发生冲突时，相同hash值的键值对会组成链表。

这种数组+链表的组合形式大部分情况下都能有不错的性能效果，java6、7就是这样设计的。然而，在极端情况下，一组（比如经过精心设计的）键值对都发生了冲突，这时的哈希结构就会退化成一个链表，使HashMap性能急剧下降。

所以在java8中，HashMap的结构实现变为数组+链表+红黑树。如图：

当链表达到一定长度，会将链表转为红黑树。我们知道链表的查询时间为O(n)，而红黑树的查询时间为O(logN)。当长度大到一定程度时，红黑树的优势会更加明显。

2. 类概览

在具体实现上，HashMap有许多内部类、方法及字段。下面列举一些比较重要的。

//默认Map容量
static final int DEFAULT_INITIAL_CAPACITY = 1 << 4; // aka 16

//默认负载因子
static final float DEFAULT_LOAD_FACTOR = 0.75f;

//链表转为红黑树的临界值
static final int TREEIFY_THRESHOLD = 8;

//数组，HashMap的主要储存结构
transient Node<K,V>[] table;

//节点，即HashMap的键值对的储存结构
static class Node<K,V> implements Map.Entry<K,V> 

//红黑树节点
static final class TreeNode<K,V> extends LinkedHashMap.Entry<K,V>

//用于计算key的哈希值
static final int hash(Object key)

//添加新键值对
public V put(K key, V value)

//删除键值对
public boolean remove(Object key, Object value)

3. Node<K,V>结构

Node<K,V>是HashMap的内部类，也是其键值对的底层实现。类声明如下：

static class Node<K,V> implements Map.Entry<K,V> {
    final int hash;
    final K key;
    V value;
    Node<K,V> next;  //指向该链表的下一个node

    Node(int hash, K key, V value, Node<K,V> next) {}
    public final K getKey()        {}
    public final V getValue()      {}
    public final String toString() {}
    public final int hashCode() {}
    public final V setValue(V newValue) {}  
    public final boolean equals(Object o) {}
       
}

如此，HashMap的数组+链表结构就大致成形了，Node[]为数组，而Node又可连成链表。

4. TreeNode<K,V> 红黑树结构

TreeNode<K,V> 是红黑树的结构实现，类声明如下：

static final class TreeNode<K,V> extends LinkedHashMap.Entry<K,V> {
        TreeNode<K,V> parent;  // red-black tree links
        TreeNode<K,V> left;
        TreeNode<K,V> right;
        TreeNode<K,V> prev;    // needed to unlink next upon deletion
        boolean red;
        TreeNode(int hash, K key, V val, Node<K,V> next) {}
        
        //以下省略其他方法
 }

红黑树结构包含前、后、左、右节点，以及标志是否为红黑树的字段。此结构是java8新加的。

HashMap的实现

Put的实现

某一键值对<K,V>,添加到map中。

工作流程可概括为以下几点：

1. 根据K的哈希算法确定该键值对在数组（HashMap）中的索引位置x。
2. 若索引位置x为空，将<K,V>添加于此，结束。若x不为空，转向3
3. 判断x处的值是否等于V,若等于，用V覆盖原值。结束。否则，转向4
4. 在x处遍历链表，并在尾部插入<K,V>。判断链表长度是否大于TREEIFY_THRESHOLD,若小于，结束。若大于，将该链表转为红黑树结构,结束。

下面我们结合代码详细分析一下此过程。

1. 通过hash值定位元素位置

对于通过hash定位储存的Map,哈希算法对其性能有很大影响。好的哈希算法可以尽可能避免冲突的发生，使读取效率保持在O(1)，下面是HashMap的哈希过程。

为表述方面,键值对设为(“hello”,”world”)。put方法源码为

public V put(K key, V value) {
      return putVal(hash(key), key, value, false, true);
  }

由此可见，先对hello进行哈希操作。hash()源码为

static final int hash(Object key) {
      int h;
      return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
  }

随后，put()过程中有一步异或操作。

i = (n - 1) & hash

n是HashMap底层数组的长度，当n为2的次方时，(n-1)&hash等价于hash%n,可确保得到的值落在数组索引范围内。

例如，对hello进行哈希计算为99163451。进行索引计算为11,即(hello,world)会落在数组索引为11的位置。

2. put过程

废话不说，先上代码

final V putVal(int hash, K key, V value, boolean onlyIfAbsent,
                  boolean evict) {
       Node<K,V>[] tab; Node<K,V> p; int n, i;
       if ((tab = table) == null || (n = tab.length) == 0)
           n = (tab = resize()).length;  //若底层数组还没有元素，先扩容
       if ((p = tab[i = (n - 1) & hash]) == null)  //这就是前面提到的索引的计算，判断此位置是否有值。
           tab[i] = newNode(hash, key, value, null); //若此位置无值，添加节点，对应步骤2
       else {
           Node<K,V> e; K k;
           if (p.hash == hash &&
               ((k = p.key) == key || (key != null && key.equals(k))))
               e = p;  //若此位置有值，且与要添加的值相等，覆盖，对应步骤3
           else if (p instanceof TreeNode) //这里查看节点类型，若是TreeNode,说明已经是红黑树，调用红黑树添加节点即可。
               e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
           else { //仍是链表，遍历，若发现有值相同的，覆盖，否则直接将节点加在链表最后。
               for (int binCount = 0; ; ++binCount) {
                   if ((e = p.next) == null) { //若其后无值了，在后面添加要添加的节点
                       p.next = newNode(hash, key, value, null);
                       if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st
                           treeifyBin(tab, hash); //判断链表长度是否足够转为红黑树
                       break;
                   }
                   if (e.hash == hash &&
                       ((k = e.key) == key || (key != null && key.equals(k))))
                       break;  //若遍历过程中发现有与添加的值相同，覆盖
                   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();  //若长度超过扩容阈值，进行扩容。
       afterNodeInsertion(evict);
       return null;
   }

3. 扩容

当初始化数组或数组大小到达一定程度时，都会引发扩容机制。

final Node<K,V>[] resize() {
       Node<K,V>[] oldTab = table;
       int oldCap = (oldTab == null) ? 0 : oldTab.length;
       int oldThr = threshold;
       int newCap, newThr = 0;
       //根据情况判断新数组大小
       if (oldCap > 0) {
           if (oldCap >= MAXIMUM_CAPACITY) { //若容量已超过最大值，已无法扩容
               threshold = Integer.MAX_VALUE;
               return oldTab;
           }
           else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&
                    oldCap >= DEFAULT_INITIAL_CAPACITY)
               newThr = oldThr << 1; //否则，扩大为原来2倍
       }
       else if (oldThr > 0) // initial capacity was placed in threshold
           newCap = oldThr;
       else {               // oldCap、oldThr为0时默认为初始值
           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"})
       Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap]; //构建新数组
       table = newTab;
       if (oldTab != null) { //将旧的值移到新数组中
           for (int j = 0; j < oldCap; ++j) {
               Node<K,V> e;
               if ((e = oldTab[j]) != null) {
                   oldTab[j] = null;
                   if (e.next == null) //若该位置有值且只有一个（不是链表或红黑树）
                       newTab[e.hash & (newCap - 1)] = e;
                   else if (e instanceof TreeNode) //若是红黑树
                       ((TreeNode<K,V>)e).split(this, newTab, j, oldCap);
                   else { // 若是链表
                       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;
   }

有关红黑树及链表重新扩容的算法在下篇文章中会有介绍，HashMap扩容的大致流程如上面注解那样，需考虑当前容量及数据结构。

4.java8的性能优化

HashMap经java8的优化后，解决了哈希碰撞的问题。在哈希均匀分布的情况下，java7和java8对HashMap的性能测试中表现类似，而在哈希极端分布的情况下，java8的HashMap具有明显的性能优势。所以，如果可以的话，应选用java8的HashMap。

————–全文完——————

参考文章

1. Java 8系列之重新认识HashMap
2. Java 8：HashMap的性能提升