Java 8之重新認識HashMap

摘要（面試必問題之HashMap）

HashMap是Java程式員使用頻率最高的用於映射(鍵值對)處理的數據類型。隨著JDK（Java Developmet Kit）版本的更新，JDK1.8對HashMap底層的實現進行了優化，例如引入紅黑樹的數據結構和擴容的優化等。本文結合JDK1.7和JDK1.8的區別，深入探討

HashMap的結構實現和功能原理。

 簡介

 Java為數據結構中的映射定義了一個介面java.util.Map，此介面主要有四個常用的實現類，分別是HashMap、Hashtable、LinkedHashMap和TreeMap，類繼承關係如下圖所示：

java.util.map類圖

下麵針對各個實現類的特點做一些說明：

(1) HashMap：它根據鍵的hashCode值存儲數據，大多數情況下可以直接定位到它的值，因而具有很快的訪問速度，但遍歷順序卻是不確定的。 HashMap最多只允許一條記錄的鍵為null，允許多條記錄的值為null。HashMap非線程安全，即任一時刻可以有多個線程同時寫HashMap，可能會導致數據的不一致。如果需要滿足線程安全，可以用 Collections的synchronizedMap方法使HashMap具有線程安全的能力，或者使用ConcurrentHashMap。

(2) Hashtable：Hashtable是遺留類，很多映射的常用功能與HashMap類似，不同的是它承自Dictionary類，並且是線程安全的，任一時間只有一個線程能寫Hashtable，併發性不如ConcurrentHashMap，因為ConcurrentHashMap引入了分段鎖。Hashtable不建議在新代碼中使用，不需要線程安全的場合可以用HashMap替換，需要線程安全的場合可以用ConcurrentHashMap替換。

 (3) LinkedHashMap：LinkedHashMap是HashMap的一個子類，保存了記錄的插入順序，在用Iterator遍歷LinkedHashMap時，先得到的記錄肯定是先插入的，也可以在構造時帶參數，按照訪問次序排序。 

(4) TreeMap：TreeMap實現SortedMap介面，能夠把它保存的記錄根據鍵排序，預設是按鍵值的升序排序，也可以指定排序的比較器，當用Iterator遍歷TreeMap時，得到的記錄是排過序的。如果使用排序的映射，建議使用TreeMap。在使用TreeMap時，key必須實現Comparable介面或者在構造TreeMap傳入自定義的Comparator，否則會在運行時拋出java.lang.ClassCastException類型的異常。

對於上述四種Map類型的類，要求映射中的key是不可變對象。不可變對象是該對象在創建後它的哈希值不會被改變。如果對象的哈希值發生變化，Map對象很可能就定位不到映射的位置了。

   通過上面的比較，我們知道了HashMap是Java的Map家族中一個普通成員，鑒於它可以滿足大多數場景的使用條件，所以是使用頻度最高的一個。下文我們主要結合源碼，從存儲結構、常用方法分析、擴容以及安全性等方面深入講解HashMap的工作原理。

內部實現

 搞清楚HashMap，首先需要知道HashMap是什麼，即它的存儲結構-欄位；其次弄明白它能幹什麼，即它的功能實現-方法。下麵我們針對這兩個方面詳細展開講解。

 存儲結構-欄位

 從結構實現來講，HashMap是數組+鏈表+紅黑樹（JDK1.8增加了紅黑樹部分）實現的，如下如所示。

hashMap記憶體結構圖

這裡需要講明白兩個問題：數據底層具體存儲的是什麼？這樣的存儲方式有什麼優點呢？

(1) 從源碼可知，HashMap類中有一個非常重要的欄位，就是 Node[] table，即哈希桶數組，明顯它是一個Node的數組。我們來看Node[JDK1.8]是何物。 static class Node<K,V> implements Map.Entry<K,V> {

final int hash; //用來定位數組索引位置 final K key;

   V value;

Node<K,V> next; //鏈表的下一個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) { ... }

   }

Node是HashMap的一個內部類，實現了Map.Entry介面，本質是就是一個映射(鍵值對)。上圖中的每個黑色圓點就是一個Node對象。

(2) HashMap就是使用哈希表來存儲的。哈希表為解決衝突，可以採用開放地址法和鏈地址法等來解決問題，Java中HashMap採用了鏈地址法。鏈地址法，簡單來說，就是數組加鏈表的結合。在每個數組元素上都一個鏈表結構，當數據被Hash後，得到數組下標，把數據放在對應下標元素的鏈表上。例如程式執行下麵代碼：

map.put("美團","小美");

系統將調用"美團"這個key的hashCode()方法得到其hashCode 值（該方法適用於每個Java對象），然後再通過Hash演算法的後兩步運算（高位運算和取模運算，下文有介紹）來定位該鍵值對的存儲位置，有時兩個key會定位到相同的位置，表示發生了Hash碰撞。當然Hash演算法計算結果越分散均勻，Hash碰撞的概率就越小，map的存取效率就會越高。如果哈希桶數組很大，即使較差的Hash演算法也會比較分散，如果哈希桶數組數組很小，即使好的Hash演算法也會出現較多碰撞，所以就需要在空間成本和時間成本之間權衡，其實就是在根據實際情況確定哈希桶數組的大小，併在此基礎上設計好的hash演算法減少Hash碰撞。那麼通過什麼方式來控制map使得Hash碰撞的概率又小，哈希桶數組（Node[] table）占用空間又少呢？答案就是好的Hash演算法和擴容機制。

 在理解Hash和擴容流程之前，我們得先瞭解下HashMap的幾個欄位。從HashMap的預設構造函數源碼可知，構造函數就是對下麵幾個欄位進行初始化，源碼如下：

 int threshold; // 所能容納的key-value對極限

final float loadFactor;// 負載因數

int modCount;

int size;

  首先，Node[] table的初始化長度length(預設值是16)，Load factor為負載因數(預設值是0.75)，threshold是HashMap所能容納的最大數據量的Node(鍵值對)個數。threshold = length * Load factor。也就是說，在數組定義好長度之後，負載因數越大，所能容納的鍵值對個數越多。

結合負載因數的定義公式可知，threshold就是在此Load factor和length(數組長度)對應下允許的最大元素數目，超過這個數目就重新resize(擴容)，擴容後的HashMap容量是之前容量的兩倍。預設的負載因數0.75是對空間和時間效率的一個平衡選擇，建議大家不要修改，除非在時間和空間比較特殊的情況下，如果記憶體空間很多而又對時間效率要求很高，可以降低負載因數Load factor的值；相反，如果記憶體空間緊張而對時間效率要求不高，可以增加負載因數loadFactor的值，這個值可以大於1。size這個欄位其實很好理解，就是HashMap中實際存在的鍵值對數量。註意和table的長度length、容納最大鍵值對數量threshold的區別。而modCount欄位主要用來記錄HashMap內部結構發生變化的次數，主要用於迭代的快速失敗。強調一點，內部結構發生變化指的是結構發生變化，例如put新鍵值對，但是某個key對應的value值被覆蓋不屬於結構變化。

在HashMap中，哈希桶數組table的長度length大小必須為2的n次方(一定是合數)，這是一種非常規的設計，常規的設計是把桶的大小設計為素數。相對來說素數導致衝突的概率要小於合數，具體證明可以參考http://blog.csdn.net/liuqiyao_01/article/details/14475159，Hashtable初始化桶大小為11，就是桶大小設計為素數的應用（Hashtable擴容後不能保證還是素數）。HashMap採用這種非常規設計，主要是為了在取模和擴容時做優化，同時為了減少衝突，HashMap定位哈希桶索引位置時，也加入了高位參與運算的過程。

這裡存在一個問題，即使負載因數和Hash演算法設計的再合理，也免不了會出現拉鏈過長的情況，一旦出現拉鏈過長，則會嚴重影響HashMap的性能。於是，在JDK1.8版本中，對數據結構做了進一步的優化，引入了紅黑樹。而當鏈表長度太長（預設超過8）時，鏈表就轉換為紅黑樹，利用紅黑樹快速增刪改查的特點提高HashMap的性能，其中會用到紅黑樹的 插入、刪除、查找等演算法。本文不再對紅黑樹展開討論，想瞭解更多紅黑樹數據結構的工作原理可以參考http://blog.csdn.net/v_july_v/article/details/6105630。

功能實現-方法

HashMap的內部功能實現很多，本文主要從根據key獲取哈希桶數組索引位置、put方法的詳細執行、擴容過程三個具有代表性的點深入展開講解。

   1. 確定哈希桶數組索引位置

 不管增加、刪除、查找鍵值對，定位到哈希桶數組的位置都是很關鍵的第一步。前面說過HashMap的數據結構是數組和鏈表的結合，所以我們當然希望這個HashMap裡面的元素位置儘量分佈均勻些，儘量使得每個位置上的元素數量只有一個，那麼當我們用hash演算法求得這個位置的時候，馬上就可以知道對應位置的元素就是我們要的，不用遍歷鏈表，大大優化了查詢的效率。HashMap定位數組索引位置，直接決定了hash方法的離散性能。先看看源碼的實現(方法一+方法二):

 方法一：

 static final int hash(Object key) { //jdk1.8 & jdk1.7

int h;

 // h = key.hashCode() 為第一步取hashCode值

 // h ^ (h >>> 16) 為第二步高位參與運算

 return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);

 } 

方法二：

static int indexFor(int h, int length) { //jdk1.7的源碼，jdk1.8沒有這個方法，但是實現原理一樣的

   return h & (length-1); //第三步取模運算

}

這裡的Hash演算法本質上就是三步：取key的hashCode值、高位運算、取模運算。對於任意給定的對象，只要它的hashCode()返回值相同，那麼程式調用方法一所計算得到的Hash碼值總是相同的。我們首先想到的就是把hash值對數組長度取模運算，這樣一來，元素的分佈相對來說是比較均勻的。但是，模運算的消耗還是比較大的，在HashMap中是這樣做的：調用方法二來計算該對象應該保存在table數組的哪個索引處。

這個方法非常巧妙，它通過h & (table.length -1)來得到該對象的保存位，而HashMap底層數組的長度總是2的n次方，這是HashMap在速度上的優化。當length總是2的n次方時， h& (length-1)運算等價於對length取模，也就是h%length，但是&比%具有更高的效率。在JDK1.8的實現中，優化了高位運算的演算法，通過hashCode()的高16位異或低16位實現的：(h = k.hashCode()) ^ (h >>> 16)，主要是從速度、功效、質量來考慮的，這麼做可以在數組table的length比較小的時候，也能保證考慮到高低Bit都參與到Hash的計算中，同時不會有太大的開銷。

下麵舉例說明下，n為table的長度。

hashMap哈希演算法例圖

2. 分析HashMap的put方法

HashMap的put方法執行過程可以通過下圖來理解，自己有興趣可以去對比源碼更清楚地研究學習。

hashMap put方法執行流程圖

①. 判斷鍵值對數組table[i]是否為空或為null，否則執行resize()進行擴容；

②. .根據鍵值key計算hash值得到插入的數組索引i，如果table[i]==null，直接新建節點添加，轉向⑥，如果table[i]不為空，轉向③；

③. .判斷table[i]的首個元素是否和key一樣，如果相同直接覆蓋value，否則轉向④，這裡的相同指的是hashCode以及equals；

newTable們j]的引用賦給了e.next ,也就是使用了單鏈表的頭插入方式，同一位置上新元素總會被放在鏈表的頭部位置;這樣先放在-一個索引上的元素終會被放到Entry鏈的尾部(如果發生了hash衝突的話) , 這一點和dk1.8有區別，下文詳解。在舊數組中同一條Entry鏈上的元素,通過重新計算索引位置後,有可能被放到了新數組的不同位置上。
下麵舉個例子說明下擴容過程。假設了我們的hash演算法就是簡單的用key mod -下表的大小(也就是數組的長度)。其中的哈希桶數組table的size=2,所以key=3、7、5, put順序依次為5、7、3。在mod 2以後都衝突在table[1]這裡了。這裡假設負載因數loadFactor=1 ,即當鍵值對的實際大小size大於table的實際大小時進行擴容。接下來的三個步驟是哈希桶數組resize成4 ,然後所有的Node重新rehash的過程。

下麵我們講解下JDK1.8做了哪些優化。經過觀測可以發現，我們使用的是2次冪的擴展(指長度擴為原來2倍) ,所以，元素的位置要麼是在原位置,要麼是在原位置再移動2次冪的位置。看下圖可以明白這句話的意思, n為table的長度,圖(a )表示擴容前的key1和key2兩種key確定索引位置的示例，圖(b)表示擴容後key1和key2兩種key確定索引|位置的示例,其中hash1是key1對應的哈希與高位運算結果。