JDK源码-HashMap

HashMap作为最常用的容器类之一不一定每个人都对它非常了解。即使面试题也仅仅会比较几种容器的性能和线程安全问题。

HashMap如此常用确实有着它精巧的设计，即使我现在也无法真正理解其hash()策略是如何想到的。这里就把我一些理解的写出来，一方面是自己的笔记，另一方面是可以和广大程序员作一个交流，说不定能解开我一些无法解答的迷。

这里先提几个问题作为引子。

1. HashMap是以什么为基础结构来作到快速定位。

2. HashMap是如何解决Key冲突的。

3. 如何保证数组的容量在控制范围内(就是数组的下标是自己能掌控的)

4. HashMap的散列算法。

5. HashMap的一些弊端。

这几个问题如果扩展开来讲都代表着一些思想在里面。好，先从第一个开始。其实我们都知道Map有着Key-Value键值对，这样就可以保证快速定位，这些思想在硬件内存索引，搜索引擎，数据库中都有着类似的思想。这里就不扩展开来讲。下面就是要知道在java的基础类中有哪些可以满足这样的要求，可以直接根据key找到value。可能一时想不到数组，或许很多人没等想出答案已经在不同途径知道答案了。数组(PS:在Java中数组并不是一个常用的结构，一般都会用List来代替)。数组正有这样的特性。其下标正是我们想要的key。

这里又会出两个新问题：a)key是Integer类型；b)如何保证key的唯一性。这就是我上面所提出的第二个问题。为了使key成为Integer类型，可以用一定的算法让各种类型映射成Integer类型，其实这里难就难在如何有一个算法让不同类型的值能映射成Integer的时候唯一，至少保证大部分唯一。这里联想到hashCode可以满足这个要求，而且我们也可以实现自己的hashCode方法来达到这个目的。这样第二个问题就解决了。

这里就会到第三个问题，因为hashCode虽然可以实现唯一，但是下一个问题就出现了，那数组下标如何保证，我们不可能申请一个无限大的内存，而且hashCode是有负数的。这样就引出了HashMap第四个问题，它精巧的hash算法。关于HashMap中的hash()方法是根据位移来保证高位参与^的运算。这是因为当数组申请的容量很小的时候（HashMap默认是16）。很容易造成key冲突。

这样讲估计很难讲清楚，我先把代码贴出来：

第一个是它的hash算法，这里通过位移的方式让高位参与运算，很多人会问为什么要这样做，这里就是为了解决key冲突的算法。

    static int hash(int h) {
        // This function ensures that hashCodes that differ only by
        // constant multiples at each bit position have a bounded
        // number of collisions (approximately 8 at default load factor).
        h ^= (h >>> 20) ^ (h >>> 12);
        return h ^ (h >>> 7) ^ (h >>> 4);
    }

第二个看一下它另外一个精巧的设计，就是如何保证数组key是保证在可控的范围内。这个方法在我第一次看到的时候真心感觉这个设计太精巧了。

    /**
     * Returns index for hash code h.
     */
    static int indexFor(int h, int length) {
        return h & (length-1);
    }

这段代码是put()中的一段，就是用来判断是否有相同值，如果hashCode和key都相同，说明确实相同。极端情况下要把余下的数组扫描完。所以说一个好的哈希算法的重要性。

        for (Entry<K,V> e = table[i]; e != null; e = e.next) {
            Object k;
            if (e.hash == hash && ((k = e.key) == key || key.equals(k))) {
                V oldValue = e.value;
                e.value = value;
                e.recordAccess(this);
                return oldValue;
            }
        }

这两个方法其实要合并起来看，第一个方法是保证第二个方法不至于过多的key冲突。这里举个例子，如果HashMap的容量是16，那么(length-1)就是15，二进制是1111，这样它可以存储key从0~15的值，比如我要存储下标为1这个值，这样不通过hash算法将会出现大量的key冲突，比如说二进制0001，10001，110001这样只要低四位是0001的hashCode都可以满足这样要求。hash算法通过高位右移来参与低位的运算以求保证低位的不同。至于具体为什么可以达到这样的目标我也说不上来，看了半天也无法说出个理来。即使这样也不能保证百分之百的不冲突，只是概率会降低很多。

好，第三个问题就到此为止。

第四个问题。关于HashMap的一些弊端。第一个就是对于数组利用率，由于hashCode接近于随机性，导致对于数组的利用率并不能到达100%。大概只有70%左右。第二个就是当删除数据后数组无法弹性伸缩。

HashMap还有其他方法，有兴趣的可以慢慢看。