HashMap深度分析

 

 java.util.HashMap是很常见的类，前段时间公司系统由于对HashMap使用不当，导致cpu百分之百，在并发环境下使用HashMap 而没有做同步，可能会引起死循环，关于这一点，sun的官方网站上已有阐述，这并非是bug。

HashMap的数据结构
         HashMap主要是用数组来存储数据的，我们都知道它会对key进行哈希运算，哈系运算会有重复的哈希值，对于哈希值的冲突，HashMap采用链表来解决的。在HashMap里有这样的一句属性声明：
transient Entry[] table;
Entry就是HashMap存储数据所用的类，它拥有的属性如下
final K key;
V value;
final int hash;
Entry<K,V> next;
看到next了吗？next就是为了哈希冲突而存在的。比如通过哈希运算，一个新元素应该在数组的第10个位置，但是第10个位置已经有Entry，那么好吧，将新加的元素也放到第10个位置，将第10个位置的原有Entry赋值给当前新加的 Entry的next属性。数组存储的是链表，链表是为了解决哈希冲突的，这一点要注意。


几个关键的属性
存储数据的数组
transient Entry[] table; 这个上面已经讲到了
默认容量
static final int DEFAULT_INITIAL_CAPACITY = 16;
最大容量
static final int MAXIMUM_CAPACITY = 1 << 30;
默认加载因子，加载因子是一个比例，当HashMap的数据大小>=容量*加载因子时，HashMap会将容量扩容
static final float DEFAULT_LOAD_FACTOR = 0.75f;
当实际数据大小超过threshold时，HashMap会将容量扩容，threshold＝容量*加载因子
int threshold;
加载因子
final float loadFactor;


HashMap的初始过程
构造函数1

Java代码 

1. public HashMap(int initialCapacity, float loadFactor) {  
2.     if (initialCapacity < 0)  
3.         throw new IllegalArgumentException("Illegal initial capacity: " +  
4.                                            initialCapacity);  
5.     if (initialCapacity > MAXIMUM_CAPACITY)  
6.         initialCapacity = MAXIMUM_CAPACITY;  
7.     if (loadFactor <= 0 || Float.isNaN(loadFactor))  
8.         throw new IllegalArgumentException("Illegal load factor: " +  
9.                                            loadFactor);  
10.   
11.     // Find a power of 2 >= initialCapacity  
12.     int capacity = 1;  
13.     while (capacity < initialCapacity)  
14.         capacity <<= 1;  
15.   
16.     this.loadFactor = loadFactor;  
17.     threshold = (int)(capacity * loadFactor);  
18.     table = new Entry[capacity];  
19.     init();  
20. }  

 

重点注意这里 

Java代码 

1. while (capacity < initialCapacity)  
2.             capacity <<= 1;  

 

capacity才是初始容量，而不是initialCapacity，这个要特别注意，如果执行new HashMap(9,0.75)；那么HashMap的初始容量是16，而不是9，想想为什么吧。

构造函数2

Java代码 

1. public HashMap(int initialCapacity) {  
2.         this(initialCapacity, DEFAULT_LOAD_FACTOR);  
3.     }  

 

构造函数3，全部都是默认值

Java代码 

1. public HashMap() {  
2.      this.loadFactor = DEFAULT_LOAD_FACTOR;  
3.      threshold = (int)(DEFAULT_INITIAL_CAPACITY * DEFAULT_LOAD_FACTOR);  
4.      table = new Entry[DEFAULT_INITIAL_CAPACITY];  
5.      init();  
6.  }  

 

构造函数4

Java代码 

1. public HashMap(Map<? extends K, ? extends V> m) {  
2.       this(Math.max((int) (m.size() / DEFAULT_LOAD_FACTOR) + 1,  
3.                     DEFAULT_INITIAL_CAPACITY), DEFAULT_LOAD_FACTOR);  
4.       putAllForCreate(m);  
5.   }  

 

如何哈希
        HashMap并不是直接将对象的hashcode作为哈希值的，而是要把key的hashcode作一些运算以得到最终的哈希值，并且得到的哈希值也不是在数组中的位置哦，无论是get还是put还是别的方法，计算哈希值都是这一句：
int hash = hash(key.hashCode());
hash函数如下：

Java代码 

1. static int hash(int h) {  
2.   return useNewHash ? newHash(h) : oldHash(h);  
3.   }  

 

useNewHash声明如下：
  

Java代码 

1. private static final boolean useNewHash;  
2.    static { useNewHash = false; }  

 

这说明useNewHash其实一直为false且不可改变的，hash函数里对 useNewHash的判断真是多余的。

Java代码 

1. private static int oldHash(int h) {  
2.     h += ~(h << 9);  
3.     h ^=  (h >>> 14);  
4.     h +=  (h << 4);  
5.     h ^=  (h >>> 10);  
6.     return h;  
7. }  
8.   
9. private static int newHash(int h) {  
10.     // This function ensures that hashCodes that differ only by  
11.     // constant multiples at each bit position have a bounded  
12.     // number of collisions (approximately 8 at default load factor).  
13.     h ^= (h >>> 20) ^ (h >>> 12);  
14.     return h ^ (h >>> 7) ^ (h >>> 4);  
15. }  

 

其实HashMap的哈希函数会一直都是oldHash。


如果确定数据的位置
看下面两行
  

Java代码 

1. int hash = hash(k.hashCode());  
2.   int i = indexFor(hash, table.length);  

 

第一行，上面讲过了，是得到哈希值，第二行，则是根据哈希指计算元素在数组中的位置了，位置的计算是将哈希值和数组长度按位与运算。

Java代码 

1. static int indexFor(int h, int length) {  
2.      return h & (length-1);  
3.  }  

 

“h & (length-1)”其实这里是很有讲究的，为什么是和(length-1)进行按位与运算呢？这样做是为了提高HashMap的效率。什么？这样能提高效率？且听我细细道来。

首先我们要确定一下，HashMap的数组长度永远都是偶数，即使你在初始化的时候是这样的new HashMap(15,0.75);因为在构造函数内部，上面也讲过，有这样的一段代码：

Java代码 

1. while (capacity < initialCapacity)  
2.             capacity <<= 1;  

 

所以length-1一定是个奇数，假设现在长度为16，减去1后就是15，对应的二进制是：1111。

假设有两个元素，一个哈希值是8，二进制是1000，一个哈希值是9，二进制是1001。和1111与运算后，分别还是1000和1001，它们被分配在了数组的不同位置，这样，哈希的分布非常均匀。

那么，如果数组长度是奇数，减去1后就是偶数了，偶数对应的二进制最低位一定是0了，例如14二进制1110。对上面两个数子分别与运算，得到1000和1000。看到了吗？都是一样的值，哈希值8和9的元素多被存储在数组同一个位置的链表中。在操作的时候，链表中的元素越多，效率越低，因为 要不停的对链表循环比较。所以，一定要哈希均匀分布，尽量减少哈希冲突，减少了哈希冲突，就减少了链表循环，就提高了效率。

 

 

 

put方法到底作了什么？

Java代码 

1. public V put(K key, V value) {  
2.  if (key == null)  
3.      return putForNullKey(value);  
4.      int hash = hash(key.hashCode());  
5.      int i = indexFor(hash, table.length);  
6.      for (Entry<K,V> e = table[i]; e != null; e = e.next) {  
7.          Object k;  
8.          if (e.hash == hash && ((k = e.key) == key || key.equals(k))) {  
9.              V oldValue = e.value;  
10.              e.value = value;  
11.              e.recordAccess(this);  
12.              return oldValue;  
13.          }  
14.      }  
15.   
16.      modCount++;  
17.      addEntry(hash, key, value, i);  
18.      return null;  
19.  }  

 

如果key为NULL，则是单独处理的，看看putForNullKey方法：
  

Java代码 

1. private V putForNullKey(V value) {  
2.       int hash = hash(NULL_KEY.hashCode());  
3.       int i = indexFor(hash, table.length);  
4.   
5.       for (Entry<K,V> e = table[i]; e != null; e = e.next) {  
6.           if (e.key == NULL_KEY) {  
7.               V oldValue = e.value;  
8.               e.value = value;  
9.               e.recordAccess(this);  
10.               return oldValue;  
11.           }  
12.       }  
13.   
14.       modCount++;  
15.       addEntry(hash, (K) NULL_KEY, value, i);  
16.       return null;  
17.   }  

 

NULL_KEY的声明：static final Object NULL_KEY = new Object();
这一段代码是处理哈希冲突的，就是说，在数组某个位置的对象可能并不是唯一的，它是一个链表结构，根据哈希值找到链表后，还要对链表遍历，找出key相等的对象，替换它，并且返回旧的值。
   

Java代码 

1. for (Entry<K,V> e = table[i]; e != null; e = e.next) {  
2.          if (e.key == NULL_KEY) {  
3.              V oldValue = e.value;  
4.              e.value = value;  
5.              e.recordAccess(this);  
6.              return oldValue;  
7.          }  
8.      }  

 

如果遍历完了该位置的链表都没有找到有key相等的，那么将当前对象增加到链表里面去

Java代码 

1. modCount++;  
2. addEntry(hash, (K) NULL_KEY, value, i);  
3. return null;  

 

且看看addEntry方法

Java代码 

1. void addEntry(int hash, K key, V value, int bucketIndex) {  
2. Entry<K,V> e = table[bucketIndex];  
3.     table[bucketIndex] = new Entry<K,V>(hash, key, value, e);  
4.     if (size++ >= threshold)  
5.         resize(2 * table.length);  
6. }  

 

table[bucketIndex] = new Entry<K,V>(hash, key, value, e);新建一个Entry对象，并放在当前位置的Entry链表的头部，看看下面的 Entry构造函数就知道了，注意红色部分。

Java代码 

1. Entry(int h, K k, V v, Entry<K,V> n) {  
2.        value = v;  
3.        next = n;  
4.        key = k;  
5.        hash = h;  
6.    }  

 

如何扩容？
        当put一个元素时，如果达到了容量限制，HashMap就会扩容，新的容量永远是原来的2倍。
上面的put方法里有这样的一段：

Java代码 

1. if (size++ >= threshold)  
2.             resize(2 * table.length);  

 

这是扩容判断，要注意，并不是数据尺寸达到HashMap的最大容量时才扩容，而是达到 threshold指定的值时就开始扩容， threshold＝最大容量＊加载因子。 看看resize方法
  

Java代码 

1. void resize(int newCapacity) {  
2.       Entry[] oldTable = table;  
3.       int oldCapacity = oldTable.length;  
4.       if (oldCapacity == MAXIMUM_CAPACITY) {  
5.           threshold = Integer.MAX_VALUE;  
6.           return;  
7.       }  
8.   
9.       Entry[] newTable = new Entry[newCapacity];  
10.       transfer(newTable);  
11.       table = newTable;  
12.       threshold = (int)(newCapacity * loadFactor);  
13.   }  

 

重点看看红色部分的 transfer方法
  

Java代码 

1. void transfer(Entry[] newTable) {  
2.       Entry[] src = table;  
3.       int newCapacity = newTable.length;  
4.       for (int j = 0; j < src.length; j++) {  
5.           Entry<K,V> e = src[j];  
6.           if (e != null) {  
7.               src[j] = null;  
8.               do {  
9.                   Entry<K,V> next = e.next;  
10.                   int i = indexFor(e.hash, newCapacity);  
11.                   e.next = newTable[i];  
12.                   newTable[i] = e;  
13.                   e = next;  
14.               } while (e != null);  
15.           }  
16.       }  
17.   }  

 

tranfer方法将所有的元素重新哈希，因为新的容量变大，所以每个元素的哈希值和位置都是不一样的。

 

如何寻找元素

       通 过上面代码的分析，应该可以很清楚的看到，HashMap的元素查找大致分为三步：

根据key的hasocde()得到哈希值

根据哈希值确定元素在数组中的位置

找到指定位置 的链表，循环比较，先“＝＝”比较，如果不等，再“equals”比较，如果有一个比较相等，就说明找到元素了。

所以说到这里，我想大家也明白了，为什么要把一个对象放进HashMap的时候，最好是重写hashcode()方法和equals 方法呢？根据前面的分析，hashcode()可以确定元素在数组中的位置，而equals方法在链表的比较时要用到。

 

正确的使用HashMap
1：不要在并发场景中使用HashMap
           HashMap是线程不安全的，如果被多个线程共享的操作，将会引发不可预知的问题，据sun的说法，在扩容时，会引起链表的闭环，在get元素时，就会无限循环，后果是cpu100%。
看看get方法的红色部分

Java代码 

1. public V get(Object key) {  
2.     if (key == null)  
3.         return getForNullKey();  
4.         int hash = hash(key.hashCode());  
5.         for (Entry<K,V> e = table[indexFor(hash, table.length)];  
6.              e != null;  
7.              e = e.next) {  
8.             Object k;  
9.             if (e.hash == hash && ((k = e.key) == key || key.equals(k)))  
10.                 return e.value;  
11.         }  
12.         return null;  
13.     }  

 

2：如果数据大小是固定的，那么最好给HashMap设定一个合理的容量值
        根据上面的分析，HashMap的初始默认容量是16，默认加载因子是0.75，也就是说，如果采用HashMap的默认构造函数，当增加数据时，数据实际容量超过10*0.75=12时，HashMap就扩容，扩容带来一系列的运算，新建一个是原来容量2倍的数组，对原有元素全部重新哈希，如果你的数据有几千几万个，而用默认的HashMap构造函数，那结果是非常悲剧的，因为HashMap不断扩容，不断哈希，在使用HashMap的场景里，不会是多个线程共享一个HashMap,除非对HashMap包装并同步，由此产生的内存开销和cpu开销在某些情况下可能是致命的。