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 .
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 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) { ... } ... } 复制代码
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; } 复制代码
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; 复制代码
影响 HashMap 性能的主要参数是: 初始容量 和 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。
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。
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) 复制代码
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 } 复制代码
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。
put 操作主要做了以下几件事:
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; } 复制代码
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。
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。
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:
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; } 复制代码
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:
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:
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。
链表转红黑树主要做了以下几件事:
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); } 复制代码
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:
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; } 复制代码
JDK8 中的 HashMap 代码还是比较复杂的,优化方面主要有以下三点:
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。