java HashMap那点事

jopen 8年前


集合类的整体架构

比较重要的集合类图如下:

java HashMap那点事


有序否

允许元素重复否

Collection

List

Set

AbstractSet

HashSet

TreeSet

是(用二叉树排序)

Map

AbstractMap

使用 key-value 来映射和存储数据, Key 必须惟一, value 可以重复

HashMap

TreeMap

是(用二叉树排序)

HashMap详解

HashMap 和 HashSet 是 Java Collection Framework 的两个重要成员,其中 HashMap 是 Map 接口的常用实现类,HashSet 是 Set 接口的常用实现类。虽然 HashMap 和 HashSet 实现的接口规范不同,但它们底层的 Hash 存储机制完全一样,甚至 HashSet 本身就采用 HashMap 来实现的(使用HashMap的key来存储HashSet的值,value是一个无意义的对象) 。 

通过 HashMap、HashSet 的源代码分析其 Hash 存储机制

实际上,HashSet 和 HashMap 之间有很多相似之处,对于 HashSet 而言,系统采用 Hash 算法决定集合元素的存储位置,这样可以保证能快速存、取集合元素;对于 HashMap 而言,系统 key-value 当成一个整体进行处理,系统总是根据 Hash 算法来计算 key-value 的存储位置,这样可以保证能快速存、取 Map 的 key-value 对。

在介绍集合存储之前需要指出一点:虽然集合号称存储的是 Java 对象,但实际上并不会真正将 Java 对象放入 Set 集合中,只是在 Set 集合中保留这些对象的引用而言。也就是说:Java 集合实际上是多个引用变量所组成的集合,这些引用变量指向实际的 Java 对象。 

集合和引用

就像引用类型的数组一样,当我们把 Java 对象放入数组之时,并不是真正的把 Java 对象放入数组中,只是把对象的引用放入数组中,每个数组元素都是一个引用变量。 

HashMap 的存储实现

当程序试图将多个 key-value 放入 HashMap 中时,以如下代码片段为例: 

HashMap<String , Double> map = new HashMap<String , Double>();     map.put("高数" , 60.0);     map.put("大英" , 89.0);     map.put("大物" , 78.2);

HashMap 采用一种 所谓的“Hash 算法”来决定每个元素的存储位置。

当程序执行 map.put("高数" , 60.0); 时,系统将 调用"高数"的 hashCode() 方法得到其 hashCode 值——每个 Java 对象都有 hashCode() 方法,都可通过该方法获得它的 hashCode 值。得到这个对象的 hashCode 值之后,系统会根据该 hashCode 值来决定该元素的存储位置。 

我们可以看 HashMap 类的 put(K key , V value) 方法的源代码: 

public V put(K key, V value)     {      // 如果 key 为 null,调用 putForNullKey 方法进行处理     if (key == null)        return putForNullKey(value);      // 根据 key 的 keyCode 计算 Hash 值     int hash = hash(key.hashCode());      // 搜索指定 hash 值在对应 table 中的索引       int i = indexFor(hash, table.length);     // 如果 i 索引处的 Entry 不为 null,通过循环不断遍历 e 元素的下一个元素     for (Entry<K,V> e = table[i]; e != null; e = e.next)      {        Object k;        // 找到指定 key 与需要放入的 key 相等(hash 值相同       // 通过 equals 比较放回 true)       if (e.hash == hash && ((k = e.key) == key          || key.equals(k)))        {          V oldValue = e.value;          e.value = value;          e.recordAccess(this);          return oldValue;        }      }      // 如果 i 索引处的 Entry 为 null,表明此处还没有 Entry      modCount++;      // 将 key、value 添加到 i 索引处     addEntry(hash, key, value, i);      return null;     }   

上面程序中用到了一个重要的 内部接口:Map.Entry ,每个 Map.Entry 其实就是一个 key-value 对。从上面程序中可以看出:当系统决定存储 HashMap 中的 key-value 对时,完全没有考虑 Entry 中的 value,仅仅只是根据 key 来计算并决定每个 Entry 的存储位置。这也说明了前面的结论:我们完全可以把 Map 集合中的 value 当成 key 的附属,当系统决定了 key 的存储位置之后,value 随之保存在那里即可。

上面方法提供了一个根据 hashCode() 返回值来计算 Hash 码的方法:hash(),这个方法是一个纯粹的数学计算,其方法如下:

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

对于任意给定的对象, 只要它的 hashCode() 返回值相同,那么程序调用 hash(int h) 方法所计算得到的 Hash 码值总是相同的接下来 程序会调用 indexFor(int h, int length) 方法来计算该对象应该保存在 table 数组的哪个索引处 。indexFor(int h, int length) 方法的代码如下: 
static int indexFor(int h, int length)     {         return h & (length-1);     }  

这个方法非常巧妙,它总是通过 h &(table.length -1) 来得到该对象的保存位置——而 HashMap 底层数组的长度总是 2 的 n 次方 ,这一点可参看后面关于 HashMap 构造器 的介绍。 

当 length 总是 2 的倍数时,h & (length-1) 将是一个非常巧妙的设计:假设 h=5,length=16, 那么 h & length - 1 将得到 5;如果 h=6,length=16, 那么 h & length - 1 将得到 6 ……如果 h=15,length=16, 那么 h & length - 1 将得到 15;但是当 h=16 时 , length=16 时,那么 h & length - 1 将得到 0 了;当 h=17 时 , length=16 时,那么 h & length - 1 将得到 1 了…… 这样保证计算得到的索引值总是位于 table 数组的索引之内 。 

根据上面 put 方法的源代码可以看出,当程序试图将一个 key-value 对放入 HashMap 中时,程序首先根据该 key 的 hashCode() 返回值决定该 Entry 的存储位置:如果两个 Entry 的 key 的 hashCode() 返回值相同,那它们的存储位置相同。如果这两个 Entry 的 key 通过 equals 比较返回 true,新添加 Entry 的 value 将覆盖集合中原有 Entry 的 value,但 key 不会覆盖。如果这两个 Entry 的 key 通过 equals 比较返回 false,新添加的 Entry 将与集合中原有 Entry 形成 Entry 链,而且新添加的 Entry 位于 Entry 链的头部——具体说明继续看 addEntry() 方法的说明。 

当向 HashMap 中添加 key-value 对,由其 key 的 hashCode() 返回值决定该 key-value 对(就是 Entry 对象)的存储位置。当两个 Entry 对象的 key 的 hashCode() 返回值相同时,将由 key 通过 eqauls() 比较值决定是采用覆盖行为(返回 true),还是产生 Entry 链(返回 false)。 

上面程序中还调用了 addEntry(hash, key, value, i); 代码,其中 addEntry 是 HashMap 提供的一个包访问权限的方法,该方法仅用于添加一个 key-value 对。下面是该方法的代码: 

void addEntry(int hash, K key, V value, int bucketIndex)     {       // 获取指定 bucketIndex 索引处的 Entry       Entry<K,V> e = table[bucketIndex];  // ①      // 将新创建的 Entry 放入 bucketIndex 索引处,并让新的 Entry 指向原来的 Entry       table[bucketIndex] = new Entry<K,V>(hash, key, value, e);       // 如果 Map 中的 key-value 对的数量超过了极限      if (size++ >= threshold)         // 把 table 对象的长度扩充到 2 倍。        resize(2 * table.length); // ②    }

上面方法的代码很简单,但其中包含了一个非常优雅的设计: 系统总是将新添加的 Entry 对象放入 table 数组的 bucketIndex 索引处——如果 bucketIndex 索引处 已经有了一个 Entry 对象 ,那新添加的 Entry 对象指向原有的 Entry 对象(产生一个 Entry 链),如果 bucketIndex 索引处 没有 Entry 对象 ,也就是上面程序①号代码的 e 变量是 null,也就是新放入的 Entry 对象指向 null,也就是没有产生 Entry 链。 

JDK 源码

在 JDK 安装目录下可以找到一个 src.zip 压缩文件,该文件里包含了 Java 基础类库的所有源文件。只要读者有学习兴趣,随时可以打开这份压缩文件来阅读 Java 类库的源代码,这对提高读者的编程能力是非常有帮助的。需要指出的是:src.zip 中包含的源代码并没有包含像上文中的中文注释,这些注释是笔者自己添加进去的。 

Hash 算法的性能选项 

根据上面代码可以看出,在同一个 bucket 存储 Entry 链的情况下,新放入的 Entry 总是位于 bucket 中,而最早放入该 bucket 中的 Entry 则位于这个 Entry 链的最末端。 

上面程序中还有这样两个变量: 

* size:该变量保存了该 HashMap 中所包含的 key-value 对的数量。 

* threshold:该变量包含了 HashMap 能容纳的 key-value 对的极限,它的值等于 HashMap 的容量乘以负载因子(load factor)。 

从上面程序中②号代码可以看出, 当 size++ >= threshold 时 ,HashMap 会自动调用 resize 方法扩充 HashMap 的容量。每扩充一次 ,HashMap 的容量就增大 一倍 。 

上面程序中使用的 table 其实就是一个普通数组,每个数组都有一个固定的长度,这个数组的长度就是 HashMap 的容量。HashMap 包含如下几个构造器: 

* HashMap():构建一个 初始容量为 16, 负载因子为 0.75 的 HashMap。 

* HashMap(int initialCapacity):构建一个初始容量为 initialCapacity,负载因子为 0.75 的 HashMap。 

* HashMap(int initialCapacity, float loadFactor):以指定初始容量、指定的负载因子创建一个 HashMap。 

当创建一个 HashMap 时,系统会自动创建一个 table 数组来保存 HashMap 中的 Entry,下面是 HashMap 中一个构造器的代码: 

// 以指定初始化容量、负载因子创建 HashMap      public HashMap(int initialCapacity, float loadFactor)      {        // 初始容量不能为负数       if (initialCapacity < 0)          throw new IllegalArgumentException(         "Illegal initial capacity: " +            initialCapacity);        // 如果初始容量大于最大容量,让出示容量       if (initialCapacity > MAXIMUM_CAPACITY)          initialCapacity = MAXIMUM_CAPACITY;        // 负载因子必须大于 0 的数值       if (loadFactor <= 0 || Float.isNaN(loadFactor))          throw new IllegalArgumentException(          loadFactor);        // 计算出大于 initialCapacity 的最小的 2 的 n 次方值。       int capacity = 1;        while (capacity < initialCapacity)          capacity <<= 1;        this.loadFactor = loadFactor;        // 设置容量极限等于容量 * 负载因子       threshold = (int)(capacity * loadFactor);        // 初始化 table 数组       table = new Entry[capacity];   // ①       init();      }   

上面代码中粗体字代码包含了一个简洁的代码实现: 找出大于 initialCapacity 的、最小的 2 的 n 次方值,并将其作为 HashMap 的实际容量(由 capacity 变量保存) 。例如给定 initialCapacity 为 10,那么该 HashMap 的实际容量就是 16。 

程序①号代码处可以看到:table 的实质就是一个数组,一个长度为 capacity 的数组。 

对于 HashMap 及其子类而言,它们采用 Hash 算法来决定集合中元素的存储位置。当系统开始初始化 HashMap 时,系统会创建一个长度为 capacity 的 Entry 数组,这个数组里可以存储元素的位置被称为“桶(bucket)”,每个 bucket 都有其指定索引,系统可以根据其索引快速访问该 bucket 里存储的元素。 

无论何时, HashMap 的每个“桶”只存储一个元素(也就是一个 Entry) ,由于 Entry 对象可以包含一个引用变量(就是 Entry 构造器的的最后一个参数)用于指向下一个 Entry,因此可能出现的情况是:HashMap 的 bucket 中只有一个 Entry,但这个 Entry 指向另一个 Entry ——这就形成了一个 Entry 链。如图 1 所示: 

java HashMap那点事
java HashMap那点事

图 1. HashMap 的存储示意 

HashMap 的读取实现 

当 HashMap 的每个 bucket 里存储的 Entry 只是单个 Entry ——也就是没有通过指针产生 Entry 链时,

此时的 HashMap 具有最好的性能:当程序通过 key 取出对应 value 时,系统只要先计算出该 key 的 hashCode() 返回值,在根据该 hashCode 返回值找出该 key 在 table 数组中的索引,然后取出该索引处的 Entry,最后返回该 key 对应的 value 即可

。看 HashMap 类的 get(K key) 方法代码: 

public V get(Object key)     {      // 如果 key 是 null,调用 getForNullKey 取出对应的 value      if (key == null)        return getForNullKey();      // 根据该 key 的 hashCode 值计算它的 hash 码     int hash = hash(key.hashCode());      // 直接取出 table 数组中指定索引处的值,     for (Entry<K,V> e = table[indexFor(hash, table.length)];        e != null;        // 搜索该 Entry 链的下一个 Entr        e = e.next)   // ①     {        Object k;        // 如果该 Entry 的 key 与被搜索 key 相同       if (e.hash == hash && ((k = e.key) == key          || key.equals(k)))          return e.value;      }      return null;     }   

从上面代码中可以看出,如果 HashMap 的每个 bucket 里只有一个 Entry 时,HashMap 可以根据索引、快速地取出该 bucket 里的 Entry;在发生“Hash 冲突”的情况下,单个 bucket 里存储的不是一个 Entry,而是一个 Entry 链,系统只能必须按顺序遍历每个 Entry,直到找到想搜索的 Entry 为止——如果恰好要搜索的 Entry 位于该 Entry 链的最末端(该 Entry 是最早放入该 bucket 中),那系统必须循环到最后才能找到该元素。

归纳起来简单地说,HashMap 在底层将 key-value 当成一个整体进行处理,这个整体就是一个 Entry 对象。HashMap 底层采用一个 Entry[] 数组来保存所有的 key-value 对,当需要存储一个 Entry 对象时,会根据 Hash 算法来决定其存储位置;当需要取出一个 Entry 时,也会根据 Hash 算法找到其存储位置,直接取出该 Entry。由此可见:HashMap 之所以能快速存、取它所包含的 Entry,完全类似于现实生活中母亲从小教我们的:不同的东西要放在不同的位置,需要时才能快速找到它。 

当创建 HashMap 时,有一个默认的负载因子(load factor),其默认值为 0.75,这是时间和空间成本上一种折衷:增大负载因子可以减少 Hash 表(就是那个 Entry 数组)所占用的内存空间,但会增加查询数据的时间开销,而查询是最频繁的的操作(HashMap 的 get() 与 put() 方法都要用到查询);减小负载因子会提高数据查询的性能,但会增加 Hash 表所占用的内存空间。 

掌握了上面知识之后,我们可以在创建 HashMap 时根据实际需要适当地调整 load factor 的值;如果程序比较关心空间开销、内存比较紧张,可以适当地增加负载因子;如果程序比较关心时间开销,内存比较宽裕则可以适当的减少负载因子。通常情况 下,程序员无需改变负载因子的值。 

如果开始就知道 HashMap 会保存多个 key-value 对,可以在创建时就使用较大的初始化容量,如果 HashMap 中 Entry 的数量一直不会超过极限容量(capacity * load factor),HashMap 就无需调用 resize() 方法重新分配 table 数组,从而保证较好的性能。当然,开始就将初始容量设置太高可能会浪费空间(系统需要创建一个长度为 capacity 的 Entry 数组),因此创建 HashMap 时初始化容量设置也需要小心对待。 

致谢:感谢您的耐心阅读!