每日一题之 HashMap - 02 喜欢ヅ旅行 2021-09-02 04:35 294阅读 0赞 点击上方 [Java后端][Java]，选择 设为星标 优质文章，及时送达 -------------------- ### 1 概述 ### HashMap是基于哈希表实现的,每一个元素是一个key-value对,其内部通过单链表解决冲突问题,容量不足(超过了阀值)时,同样会自动增长. HashMap是非线程安全的,只适用于单线程环境,多线程环境可以采用并发包下的concurrentHashMap HashMap 实现了Serializable接口，因此它支持序列化，实现了Cloneable接口，能被克隆 HashMap是基于哈希表的Map接口的非同步实现.此实现提供所有可选的映射操作,并允许使用null值和null键.此类不保证映射的顺序,特别是它不保证该顺序恒久不变. Java8中又对此类底层实现进行了优化，比如引入了红黑树的结构以解决哈希碰撞 ### 2 HashMap的数据结构 ### 在Java中,最基本的结构就是两种,一个是数组,另外一个是模拟指针(引用),所有的数据结构都可以用这两个基本结构来构造,HashMap也不例外. HashMap实际上是一个"链表散列"的数据结构,即数组和链表的结合体. ![format_png][] HashMap的主结构类似于一个数组,添加值时通过key确定储存位置. 每个位置是一个Entry的数据结构,该结构可组成链表. 当发生冲突时,相同hash值的键值对会组成链表. 这种数组+链表的组合形式大部分情况下都能有不错的性能效果,Java6、7就是这样设计的. 然而,在极端情况下,一组（比如经过精心设计的）键值对都发生了冲突，这时的哈希结构就会退化成一个链表，使HashMap性能急剧下降. 所以在Java8中,HashMap的结构实现变为数组+链表+红黑树 ![format_png 1][] 可以看出,HashMap底层就是一个数组结构 数组中的每一项又是一个链表 当新建一个HashMap时,就会初始化一个数组. ### 3 三大集合与迭代子 ### HashMap使用三大集合和三种迭代子来轮询其Key、Value和Entry对象 public class HashMapExam { public static void main(String[] args) { Map map = new HashMap(16); for (int i = 0; i < 15; i++) { map.put(i, new String(new char[]{(char) ('A'+ i)})); } System.out.println("======keySet======="); Set set = map.keySet(); Iterator iterator = set.iterator(); while (iterator.hasNext()) { System.out.println(iterator.next()); } System.out.println("======values======="); Collection values = map.values(); Iterator stringIterator=values.iterator(); while (stringIterator.hasNext()) { System.out.println(stringIterator.next()); } System.out.println("======entrySet======="); for (Map.Entry entry : map.entrySet()) { System.out.println(entry); } } } ### 4 源码分析 ### //默认的初始容量16,且实际容量是2的整数幂 static final int DEFAULT_INITIAL_CAPACITY = 1 << 4; //最大容量(传入容量过大将被这个值替换) static final int MAXIMUM_CAPACITY = 1 << 30; // 默认加载因子为0.75(当表达到3/4满时,才会再散列),这个因子在时间和空间代价之间达到了平衡.更高的因子可以降低表所需的空间,但是会增加查找代价,而查找是最频繁操作 static final float DEFAULT_LOAD_FACTOR = 0.75f; //桶的树化阈值：即 链表转成红黑树的阈值，在存储数据时，当链表长度 >= 8时，则将链表转换成红黑树 static final int TREEIFY_THRESHOLD = 8; // 桶的链表还原阈值：即 红黑树转为链表的阈值，当在扩容（resize（））时（HashMap的数据存储位置会重新计算），在重新计算存储位置后，当原有的红黑树内数量 <= 6时，则将 红黑树转换成链表 static final int UNTREEIFY_THRESHOLD = 6; //最小树形化容量阈值：即 当哈希表中的容量 > 该值时，才允许树形化链表 （即 将链表 转换成红黑树） 因为红黑树的平均查找长度是log(n)，长度为8的时候，平均查找长度为3，如果继续使用链表，平均查找长度为8/2=4，这才有转换为树的必要 链表长度如果是小于等于6，6/2=3，虽然速度也很快的，但是转化为树结构和生成树的时间并不会太短 还有选择6和8，中间有个差值7可以有效防止链表和树频繁转换 假设一下，如果设计成链表个数超过8则链表转换成树结构，链表个数小于8则树结构转换成链表，如果一个HashMap不停的插入、删除元素，链表个数在8左右徘徊，就会频繁的发生树转链表、链表转树，效率会很低。 // 为了避免扩容/树形化选择的冲突，这个值不能小于 4 * TREEIFY_THRESHOLD // 小于该值时使用的是扩容哦!!! static final int MIN_TREEIFY_CAPACITY = 64; // 存储数据的Node数组,长度是2的幂. // HashMap采用链表法解决冲突，每一个Node本质上是一个单向链表 //HashMap底层存储的数据结构,是一个Node数组.上面得知Node类为元素维护了一个单向链表.至此,HashMap存储的数据结构也就很清晰了:维护了一个数组,每个数组又维护了一个单向链表.之所以这么设计,考虑到遇到哈希冲突的时候,同index的value值就用单向链表来维护 //与 JDK 1.7 的对比（Entry类），仅仅只是换了名字 transient Node[] table; // HashMap的底层数组中已用槽的数量 transient int size; // HashMap的阈值，用于判断是否需要调整HashMap的容量（threshold = 容量*加载因子） int threshold; // 负载因子实际大小 final float loadFactor; // HashMap被改变的次数 transient int modCount; // 指定“容量大小”和“加载因子”的构造函数,是最基础的构造函数 public HashMap(int initialCapacity, float loadFactor) { if (initialCapacity < 0) throw new IllegalArgumentException("Illegal initial capacity: " + initialCapacity); // HashMap的最大容量只能是MAXIMUM_CAPACITY if (initialCapacity > MAXIMUM_CAPACITY) initialCapacity = MAXIMUM_CAPACITY; //负载因子须大于0 if (loadFactor <= 0 || Float.isNaN(loadFactor)) throw new IllegalArgumentException("Illegal load factor: " + loadFactor); // 设置"负载因子" this.loadFactor = loadFactor; // 设置"HashMap阈值",当HashMap中存储数据的数量达到threshold时,就需将HashMap的容量加倍 this.threshold = tableSizeFor(initialCapacity); } 上面的tableSizeFor有何用? tableSizeFor方法保证函数返回值是大于等于给定参数initialCapacity最小的2的幂次方的数值 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 = MAXIMUM_CAPACITY) ? MAXIMUM_CAPACITY : n + 1; } `a |= b 等同于 a = a|b` 逐行分析 * int n = cap - 1 给定的cap 减 1,为了避免参数cap本来就是2的幂次方,这样一来,经过后续操作，cap将会变成2 \* cap,是不符合我们预期的 * n |= n >>> 1 n >>> 1 : n无符号右移1位,即n二进制最高位的1右移一位 n | (n >>> 1) 导致 n二进制的高2位值为1 目前n的高1~2位均为1 * n |= n >>> 2 n继续无符号右移2位 n | (n >>> 2) 导致n二进制表示的高34位经过运算值均为1 目前n的高14位均为1 * n |= n >>> 4 n继续无符号右移4位 n | (n >>> 4) 导致n二进制表示的高58位经过运算值均为1 目前n的高18位均为1 * n |= n >>> 8 n继续无符号右移8位 n | (n >>> 8) 导致n二进制表示的高916位经过运算值均为1 目前n的高116位均为1 可以看出,无论给定cap(cap < MAXIMUM\_CAPACITY )的值是多少,经过以上运算,其值的二进制所有位都会是1.再将其加1,这时候这个值一定是2的幂次方. 当然如果经过运算值大于MAXIMUM\_CAPACITY,直接选用MAXIMUM\_CAPACITY. ![format_png 2][] 至此tableSizeFor如何保证cap为2的幂次方已经显而易见了,那么问题来了 #### 4.1 为什么cap要保持为2的幂次方？ #### 主要与HashMap中的数据存储有关. 在Java8中,HashMap中key的Hash值由Hash(key)方法计得 ![format_png 3][] HashMap中存储数据table的index是由key的Hash值决定的. 在HashMap存储数据时,我们期望数据能均匀分布,以防止哈希冲突. 自然而然我们就会想到去用%取余操作来实现我们这一构想 *取余(%)操作 : 如果除数是2的幂次则等价于与其除数减一的与(&)操作.* 这也就解释了为什么一定要求cap要为2的幂次方.再来看看table的index的计算规则： ![format_png 4][] 等价于: `index = e.hash % newCap` 采用二进制位操作&,相对于%,能够提高运算效率,这就是cap的值被要求为2幂次的原因 ![format_png 5][]![format_png 6][] #### 4.2 Node类 #### static class Node implements Map.Entry { final int hash; final K key; V value; Node next; Node(int hash, K key, V value, Node next) { this.hash = hash; this.key = key; this.value = value; this.next = next; } public final K getKey() { return key; } public final V getValue() { return value; } public final String toString() { return key + "=" + value; } public final int hashCode() { return Objects.hashCode(key) ^ Objects.hashCode(value); } public final V setValue(V newValue) { V oldValue = value; value = newValue; return oldValue; } public final boolean equals(Object o) { if (o == this) return true; if (o instanceof Map.Entry) { Map.Entry e = (Map.Entry)o; if (Objects.equals(key, e.getKey()) && Objects.equals(value, e.getValue())) return true; } return false; } } Node 类是HashMap中的静态内部类,实现Map.Entry接口.定义了key键、value值、next节点,也就是说元素之间构成了单向链表. #### 4.3 TreeNode #### static final class TreeNode extends LinkedHashMap.Entry { TreeNode parent; // red-black tree links TreeNode left; TreeNode right; TreeNode prev; // needed to unlink next upon deletion boolean red; TreeNode(int hash, K key, V val, Node next) {} // 返回当前节点的根节点 final TreeNode root() { for (TreeNode r = this, p;;) { if ((p = r.parent) == null) return r; r = p; } } } 红黑树结构包含前、后、左、右节点，以及标志是否为红黑树的字段 此结构是Java8新加的 #### 4.4 hash方法 #### Java 8中的散列值优化函数 ![format_png 7][] 只做一次16位右位移异或 key.hashCode()函数调用的是key键值类型自带的哈希函数，返回int型散列值 理论上散列值是一个int型，如果直接拿散列值作为下标访问HashMap主数组的话，考虑到2进制32位带符号的int范围大概40亿的映射空间。只要哈希函数映射得比较均匀松散，一般应用是很难出现碰撞的。 但问题是一个40亿长度的数组，内存是放不下的.HashMap扩容之前的数组初始大小才16,所以这个散列值是不能直接拿来用的. 用之前还要先做对数组的长度取模运算，得到的余数才能用来访问数组下标 源码中模运算就是把散列值和数组长度做一个"与"操作， ![format_png 8][] 这也正好解释了为什么HashMap的数组长度要取2的整次幂 因为这样（数组长度-1）正好相当于一个“低位掩码” “与”操作的结果就是散列值的高位全部归零，只保留低位值，用来做数组下标访问 以初始长度16为例，16-1=15 2进制表示是00000000 00000000 00001111 和某散列值做“与”操作如下，结果就是截取了最低的四位值 ![format_png 9][] 但这时候问题就来了,这样就算我的散列值分布再松散,要是只取最后几位的话,碰撞也会很严重 这时候“扰动函数”的价值就体现出来了 ![format_png 10][] 右位移16位，正好是32位一半，自己的高半区和低半区做异或，就是为了混合原始hashCode的高位和低位，以此来加大低位的随机性 而且混合后的低位掺杂了高位的部分特征，这样高位的信息也被变相保留下来。 index的运算规则是 `e.hash & (newCap - 1)` newCap是2的幂,所以newCap - 1的高位全0 若e.hash值只用自身的hashcode,index只会和e.hash的低位做&操作.这样一来,index的值就只有低位参与运算,高位毫无存在感,从而会带来哈希冲突的风险 所以在计算key的hashCode时,用其自身hashCode与其低16位做异或操作 这也就让高位参与到index的计算中来了,即降低了哈希冲突的风险又不会带来太大的性能问题 #### 4.5 Put方法 #### ![format_png 11][] ![format_png 12][]![format_png 13][] ①.判断键值对数组table\[i\]是否为空或为null，否则执行resize()进行扩容 ②.根据键值key计算hash值得到插入的数组索引i，如果table\[i\]==null，直接新建节点添加，转向⑥，如果table\[i\]不为空，转向③ ③.判断table\[i\]的首个元素是否和key一样，如果相同直接覆盖value，否则转向④，这里的相同指的是hashCode以及equals ④.判断table\[i\] 是否为treeNode，即table\[i\] 是否是红黑树，如果是红黑树，则直接在树中插入键值对，否则转向⑤ ⑤.遍历table\[i\]，判断链表长度是否大于8，大于8的话把链表转换为红黑树，在红黑树中执行插入操作，否则进行链表的插入操作；遍历过程中若发现key已经存在直接覆盖value即可 ⑥.插入成功后，判断实际存在的键值对数量size是否超多了最大容量threshold，如果超过，执行resize()扩容 public V put(K key, V value) { // 对key的hashCode()做hash return putVal(hash(key), key, value, false, true); } final V putVal(int hash, K key, V value, boolean onlyIfAbsent, boolean evict) { Node[] tab; Node p; int n, i; // 步骤① tab为空则调用resize()初始化创建 if ((tab = table) == null || (n = tab.length) == 0) n = (tab = resize()).length; // 步骤② 计算index,并对null做处理 //tab[i = (n - 1) & hash对应下标的第一个节点 if ((p = tab[i = (n - 1) & hash]) == null) // 无哈希冲突的情况下,将value直接封装为Node并赋值 tab[i] = newNode(hash, key, value, null); else { Node e; K k; // 步骤③ 节点的key相同,直接覆盖节点 if (p.hash == hash && ((k = p.key) == key || (key != null && key.equals(k)))) e = p; // 步骤④ 判断该链为红黑树 else if (p instanceof TreeNode) // p是红黑树类型，则调用putTreeVal方式赋值 e = ((TreeNode)p).putTreeVal(this, tab, hash, key, value); // 步骤⑤ p非红黑树类型,该链为链表 else { // index 相同的情况下 for (int binCount = 0; ; ++binCount) { if ((e = p.next) == null) { // 如果p的next为空,将新的value值添加至链表后面 p.next = newNode(hash, key, value, null); if (binCount >= TREEIFY_THRESHOLD - 1) // 如果链表长度大于8,链表转化为红黑树,执行插入 treeifyBin(tab, hash); break; } // key相同则跳出循环 if (e.hash == hash && ((k = e.key) == key || (key != null && key.equals(k)))) break; //就是移动指针方便继续取 p.next p = e; } } if (e != null) { // existing mapping for key V oldValue = e.value; //根据规则选择是否覆盖value if (!onlyIfAbsent || oldValue == null) e.value = value; afterNodeAccess(e); return oldValue; } } ++modCount; // 步骤⑥:超过最大容量,就扩容 if (++size > threshold) // size大于加载因子,扩容 resize(); afterNodeInsertion(evict); return null; } 在构造函数中最多也只是设置了initialCapacity、loadFactor的值,并没有初始化table,table的初始化工作是在put方法中进行的. #### 4.6 resize #### ![format_png 14][] 扩容(resize)就是重新计算容量,向HashMap对象里不停的添加元素,内部的数组无法装载更多的元素时,就需要扩大数组的长度. 当然Java里的数组是无法自动扩容的,方法是使用一个新的数组代替已有的容量小的数组 /** * 该函数有2种使用情况：1.初始化哈希表 2.当前数组容量过小，需扩容 */ final Node[] resize() { Node[] oldTab = table; int oldCap = (oldTab == null) ? 0 : oldTab.length; int oldThr = threshold; int newCap, newThr = 0; // 针对情况2：若扩容前的数组容量超过最大值，则不再扩充 if (oldCap > 0) { if (oldCap >= MAXIMUM_CAPACITY) { threshold = Integer.MAX_VALUE; return oldTab; } // 针对情况2：若无超过最大值，就扩充为原来的2倍 else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY && oldCap >= DEFAULT_INITIAL_CAPACITY) //newCap设置为oldCap的2倍并小于MAXIMUM_CAPACITY，且大于默认值, 新的threshold增加为原来的2倍 newThr = oldThr << 1; // double threshold } // 针对情况1：初始化哈希表（采用指定 or 默认值） else if (oldThr > 0) // initial capacity was placed in threshold // threshold>0, 将threshold设置为newCap,所以要用tableSizeFor方法保证threshold是2的幂次方 newCap = oldThr; else { // zero initial threshold signifies using defaults // 默认初始化 newCap = DEFAULT_INITIAL_CAPACITY; newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY); } // 计算新的resize上限 if (newThr == 0) { // newThr为0，newThr = newCap * 0.75 float ft = (float)newCap * loadFactor; newThr = (newCap < MAXIMUM_CAPACITY && ft < (float)MAXIMUM_CAPACITY ? (int)ft : Integer.MAX_VALUE); } threshold = newThr; @SuppressWarnings({"rawtypes","unchecked"}) // 新生成一个table数组 Node[] newTab = (Node[])new Node[newCap]; table = newTab; if (oldTab != null) { // oldTab 复制到 newTab for (int j = 0; j < oldCap; ++j) { Node e; if ((e = oldTab[j]) != null) { oldTab[j] = null; if (e.next == null) // 链表只有一个节点，直接赋值 //为什么要重新Hash呢？因为长度扩大以后，Hash的规则也随之改变。 newTab[e.hash & (newCap - 1)] = e; else if (e instanceof TreeNode) // e为红黑树的情况 ((TreeNode)e).split(this, newTab, j, oldCap); else { // preserve order链表优化重hash的代码块 Node loHead = null, loTail = null; Node hiHead = null, hiTail = null; Node next; do { next = e.next; // 原索引 if ((e.hash & oldCap) == 0) { if (loTail == null) loHead = e; else loTail.next = e; loTail = e; } // 原索引 + oldCap else { if (hiTail == null) hiHead = e; else hiTail.next = e; hiTail = e; } } while ((e = next) != null); // 原索引放到bucket里 if (loTail != null) { loTail.next = null; newTab[j] = loHead; } // 原索引+oldCap放到bucket里 if (hiTail != null) { hiTail.next = null; newTab[j + oldCap] = hiHead; } } } } } return newTab; } ![format_png 15][] #### 4.7 remove方法 #### remove(key) 方法 和 remove(key, value) 方法都是通过调用removeNode的方法来实现删除元素的 final Node removeNode(int hash, Object key, Object value, boolean matchValue, boolean movable) { Node[] tab; Node p; int n, index; if ((tab = table) != null && (n = tab.length) > 0 && (p = tab[index = (n - 1) & hash]) != null) { Node node = null, e; K k; V v; if (p.hash == hash && ((k = p.key) == key || (key != null && key.equals(k)))) // index 元素只有一个元素 node = p; else if ((e = p.next) != null) { if (p instanceof TreeNode) // index处是一个红黑树 node = ((TreeNode)p).getTreeNode(hash, key); else { // index处是一个链表，遍历链表返回node do { if (e.hash == hash && ((k = e.key) == key || (key != null && key.equals(k)))) { node = e; break; } p = e; } while ((e = e.next) != null); } } // 分不同情形删除节点 if (node != null && (!matchValue || (v = node.value) == value || (value != null && value.equals(v)))) { if (node instanceof TreeNode) ((TreeNode)node).removeTreeNode(this, tab, movable); else if (node == p) tab[index] = node.next; else p.next = node.next; ++modCount; --size; afterNodeRemoval(node); return node; } } return null; } #### 4.8 get #### /** * 函数原型 * 作用：根据键key，向HashMap获取对应的值 */ map.get(key)； /** * 源码分析 */ public V get(Object key) { Node e; // 1\. 计算需获取数据的hash值 // 2\. 通过getNode（）获取所查询的数据 ->>分析1 // 3\. 获取后，判断数据是否为空 return (e = getNode(hash(key), key)) == null ? null : e.value; } /** * 分析1：getNode(hash(key), key)) */ final Node getNode(int hash, Object key) { Node[] tab; Node first, e; int n; K k; // 1\. 计算存放在数组table中的位置 if ((tab = table) != null && (n = tab.length) > 0 && (first = tab[(n - 1) & hash]) != null) { // 4\. 通过该函数，依次在数组、红黑树、链表中查找（通过equals（）判断） // a. 先在数组中找，若存在，则直接返回 if (first.hash == hash && // always check first node ((k = first.key) == key || (key != null && key.equals(k)))) return first; // b. 若数组中没有，则到红黑树中寻找 if ((e = first.next) != null) { // 在树中get if (first instanceof TreeNode) return ((TreeNode)first).getTreeNode(hash, key); // c. 若红黑树中也没有，则通过遍历，到链表中寻找 do { if (e.hash == hash && ((k = e.key) == key || (key != null && key.equals(k)))) return e; } while ((e = e.next) != null); } } return null; } *在JDK1.7及以前的版本中，HashMap里是没有红黑树的实现的，在JDK1.8中加入了红黑树是为了防止哈希表碰撞攻击，当链表链长度为8时，及时转成红黑树，提高map的效率* 如果某个桶中的记录过大的话（当前是TREEIFY\_THRESHOLD = 8），HashMap会动态的使用一个专门的treemap实现来替换掉它。这样做的结果会更好，是O(logn)，而不是糟糕的O(n)。它是如何工作的？前面产生冲突的那些KEY对应的记录只是简单的追加到一个链表后面，这些记录只能通过遍历来进行查找。但是超过这个阈值后HashMap开始将列表升级成一个二叉树，使用哈希值作为树的分支变量，如果两个哈希值不等，但指向同一个桶的话，较大的那个会插入到右子树里。如果哈希值相等，HashMap希望key值最好是实现了Comparable接口的，这样它可以按照顺序来进行插入。这对HashMap的key来说并不是必须的，不过如果实现了当然最好。如果没有实现这个接口，在出现严重的哈希碰撞的时候，你就并别指望能获得性能提升了。 这个性能提升有什么用处？比方说恶意的程序，如果它知道我们用的是哈希算法，它可能会发送大量的请求，导致产生严重的哈希碰撞。然后不停的访问这些key就能显著的影响服务器的性能，这样就形成了一次拒绝服务攻击（DoS）。JDK 8中从O(n)到O(logn)的飞跃，可以有效地防止类似的攻击，同时也让HashMap性能的可预测性稍微增强了一些 /** * 源码分析：resize(2 * table.length) * 作用：当容量不足时（容量 > 阈值），则扩容（扩到2倍） */ void resize(int newCapacity) { // 1\. 保存旧数组（old table） Entry[] oldTable = table; // 2\. 保存旧容量（old capacity ），即数组长度 int oldCapacity = oldTable.length; // 3\. 若旧容量已经是系统默认最大容量了，那么将阈值设置成整型的最大值，退出 if (oldCapacity == MAXIMUM_CAPACITY) { threshold = Integer.MAX_VALUE; return; } // 4\. 根据新容量（2倍容量）新建1个数组，即新table Entry[] newTable = new Entry[newCapacity]; // 5\. （重点分析）将旧数组上的数据（键值对）转移到新table中，从而完成扩容 ->>分析1.1 transfer(newTable); // 6\. 新数组table引用到HashMap的table属性上 table = newTable; // 7\. 重新设置阈值 threshold = (int)(newCapacity * loadFactor); } /** * 分析1.1：transfer(newTable); * 作用：将旧数组上的数据（键值对）转移到新table中，从而完成扩容 * 过程：按旧链表的正序遍历链表、在新链表的头部依次插入 */ void transfer(Entry[] newTable) { // 1\. src引用了旧数组 Entry[] src = table; // 2\. 获取新数组的大小 = 获取新容量大小 int newCapacity = newTable.length; // 3\. 通过遍历 旧数组，将旧数组上的数据（键值对）转移到新数组中 for (int j = 0; j < src.length; j++) { // 3.1 取得旧数组的每个元素 Entry e = src[j]; if (e != null) { // 3.2 释放旧数组的对象引用（for循环后，旧数组不再引用任何对象） src[j] = null; do { // 3.3 遍历 以该数组元素为首 的链表 // 注：转移链表时，因是单链表，故要保存下1个结点，否则转移后链表会断开 Entry next = e.next; // 3.3 重新计算每个元素的存储位置 int i = indexFor(e.hash, newCapacity); // 3.4 将元素放在数组上：采用单链表的头插入方式 = 在链表头上存放数据 = 将数组位置的原有数据放在后1个指针、将需放入的数据放到数组位置中 // 即 扩容后，可能出现逆序：按旧链表的正序遍历链表、在新链表的头部依次插入 e.next = newTable[i]; newTable[i] = e; // 访问下1个Entry链上的元素，如此不断循环，直到遍历完该链表上的所有节点 e = next; } while (e != null); // 如此不断循环，直到遍历完数组上的所有数据元素 } } } 从上面可看出：在扩容resize（）过程中，在将旧数组上的数据 转移到 新数组上时，转移数据操作 = 按旧链表的正序遍历链表、在新链表的头部依次插入，即在转移数据、扩容后，容易出现链表逆序的情况 **设重新计算存储位置后不变，即扩容前 = 1->2->3，扩容后 = 3->2->1** 此时若并发执行 put 操作，一旦出现扩容情况，则 容易出现 环形链表，从而在获取数据、遍历链表时 形成死循环（Infinite Loop），即死锁 ![format_png 16][]![format_png 17][]![format_png 18][]![format_png 19][] ### 单线程rehash ### 单线程情况下，rehash无问题 ![format_png 20][] ### 多线程并发下的rehash ### 这里假设有两个线程同时执行了put操作并引发了rehash，执行了transfer方法，并假设线程一进入transfer方法并执行完next = e.next后，因为线程调度所分配时间片用完而“暂停”，此时线程二完成了transfer方法的执行。此时状态如下。 ![format_png 21][] 接着线程1被唤醒，继续执行第一轮循环的剩余部分 e.next = newTable[1] = null newTable[1] = e = key(5) e = next = key(9) 结果如下图所示 ![format_png 22][] 接着执行下一轮循环，结果状态图如下所示 ![format_png 23][] 继续下一轮循环，结果状态图如下所示 ![format_png 24][] 此时循环链表形成，并且key(11)无法加入到线程1的新数组。在下一次访问该链表时会出现死循环。 ### Fast-fail ### #### 产生原因 #### 在使用迭代器的过程中如果HashMap被修改，那么ConcurrentModificationException将被抛出，也即Fast-fail策略。 当HashMap的iterator()方法被调用时，会构造并返回一个新的EntryIterator对象，并将EntryIterator的expectedModCount设置为HashMap的modCount（该变量记录了HashMap被修改的次数）。 HashIterator() { expectedModCount = modCount; if (size > 0) { // advance to first entry Entry[] t = table; while (index < t.length && (next = t[index++]) == null) ; } } 在通过该Iterator的next方法访问下一个Entry时，它会先检查自己的expectedModCount与HashMap的modCount是否相等，如果不相等，说明HashMap被修改，直接抛出ConcurrentModificationException。该Iterator的remove方法也会做类似的检查。该异常的抛出意在提醒用户及早意识到线程安全问题。 ### 线程安全解决方案 ### 单线程条件下，为避免出现ConcurrentModificationException，需要保证只通过HashMap本身或者只通过Iterator去修改数据，不能在Iterator使用结束之前使用HashMap本身的方法修改数据。因为通过Iterator删除数据时，HashMap的modCount和Iterator的expectedModCount都会自增，不影响二者的相等性。如果是增加数据，只能通过HashMap本身的方法完成，此时如果要继续遍历数据，需要重新调用iterator()方法从而重新构造出一个新的Iterator，使得新Iterator的expectedModCount与更新后的HashMap的modCount相等。 多线程条件下，可使用Collections.synchronizedMap方法构造出一个同步Map，或者直接使用线程安全的ConcurrentHashMap。 **- END -** 最近整理一份面试资料《Java技术栈学习手册》，覆盖了Java技术、面试题精选、Spring全家桶、Nginx、SSM、微服务、数据库、数据结构、架构等等。 获取方式：点“ 在看，关注公众号 Java后端 并回复 777 领取，更多内容陆续奉上。 推荐阅读 1. 每日一题之 ZooKeeper 2. 每日一题之 Redis 3. 每日一题之 MySQL 4. 每日一题之 JVM-01 5. 每日一题之 JVM-02 6. 每日一题之 JVM-03 7. 每日一题之线程 喜欢文章，点个在看 [Java]: http://mp.weixin.qq.com/s?__biz=Mzg2MjEwMjI1Mg%3D%3D&chksm=ce0da17bf97a286df119047a25b7de51621fe542816673bb4aa3ebd8ab97b09a86ed7db2e2ee&idx=3&mid=2247489272&scene=21&sn=ce74938072fc73a808d83ccb474db46d#wechat_redirect [format_png]: /images/20210730/15214a10027041bba73f45937fdb13ab.png [format_png 1]: /images/20210730/07d6561021d5452a872ae1099aa16c6a.png [format_png 2]: /images/20210730/eb6615d122324dc5b7aa1516d3190700.png [format_png 3]: /images/20210730/46361d3be62749ef8e183cc22d55e475.png [format_png 4]: /images/20210730/75a4929752cd4bc4ad83aad04bb1fa9a.png [format_png 5]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9tbWJpei5xcGljLmNuL21tYml6X3BuZy83QjhpYWF1QWZjbE1ST0F5VjlnTU5BWnRhbndoUVptSXJoNEhiNWRiOE9iQWFKTXZtamJzaHpuckloaWJhaGV3SnFGM1ppYmpQWW9ZNHlqajF1eGp5RHZKUS82NDA?x-oss-process=image/format,png [format_png 6]: /images/20210730/70ad3b69536841f4ac379433e57e7e16.png [format_png 7]: /images/20210730/db47c3c405f446a3996b5a2a02b37ee6.png [format_png 8]: /images/20210730/841635c45a7c4b3c9475cebc5a34ea48.png [format_png 9]: /images/20210730/82d169541a1b40938f0fb7357fb0e1e5.png [format_png 10]: /images/20210730/68d525f1b5364fdbbd4491ca5f2dbe24.png [format_png 11]: /images/20210730/f2d323a3f3054e76a0d055a38674479e.png [format_png 12]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9tbWJpei5xcGljLmNuL21tYml6X3BuZy83QjhpYWF1QWZjbE1ST0F5VjlnTU5BWnRhbndoUVptSXJCRThIR2liSVlmZm01RU51UEF3aWFrY2hpY2R1VTFjN1dwNVJNTlBWZWpEdUpkaHFCNGNVcGZhaWN3LzY0MA?x-oss-process=image/format,png [format_png 13]: /images/20210730/dcda4fdaa75a4b6d81664002828e2a54.png [format_png 14]: /images/20210730/9d0e5092198045e1a914c5b9ea1164b0.png [format_png 15]: /images/20210730/2ea9f82fc5874275b9820256ac47b599.png [format_png 16]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9tbWJpei5xcGljLmNuL21tYml6X3BuZy83QjhpYWF1QWZjbE1ST0F5VjlnTU5BWnRhbndoUVptSXJBV1hlWGdHMVpxOTQzeGs1ZDlvZ2d0cTNZZGljMTZSWWtvQ21SV24wVU1vVzJPU3hJeUE2bmxBLzY0MA?x-oss-process=image/format,png [format_png 17]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9tbWJpei5xcGljLmNuL21tYml6X3BuZy83QjhpYWF1QWZjbE1ST0F5VjlnTU5BWnRhbndoUVptSXJFcjN1U3ZpYmtkVjF1M0Ntd2pzWVRwMkttd3NIZTNxcUJ6aWJIaWNwWlI0WG03aWJpYmFkeXFuVFNaZy82NDA?x-oss-process=image/format,png [format_png 18]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9tbWJpei5xcGljLmNuL21tYml6X3BuZy83QjhpYWF1QWZjbE1ST0F5VjlnTU5BWnRhbndoUVptSXJpY0xCRjFFZUhiQ1l2VTI2dWRabzk3RGhxUWFIaWNlVU13dWJXT2pEVzNObXlyZU55Qnp5MGJzQS82NDA?x-oss-process=image/format,png [format_png 19]: /images/20210730/a546562e8ec04c1ca3b5e21e6d86cf13.png [format_png 20]: /images/20210730/088feb2497eb4b61bf3cf8528a8ba755.png [format_png 21]: /images/20210730/fcceb4f81e5f42c8affdf1927d277973.png [format_png 22]: /images/20210730/62e04b0d422e431ea33572e46d9af4f9.png [format_png 23]: /images/20210730/23dd15dd5f124df28435dac5d6e704b4.png [format_png 24]: /images/20210730/bb5019e19e08463f905163e568ddea67.png
还没有评论，来说两句吧...