Java：HashMap实现原理。

朴灿烈づ我的快乐病毒、 2022-03-10 14:16 206阅读 0赞

# 概述 #

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，特别是他不保证该顺序恒久不变。

# 数据结构 #

在java编程语言中，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的，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。

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2VuX2pva2Vy_size_16_color_FFFFFF_t_70][]

从上图中可以看出，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的时候，就会初始化一个数组，源码如下：

/**
         * The table, resized as necessary. Length MUST Always be a power of two.
         */
        transient Entry<K,V>[] table;
    
        static class Entry<K,V> implements Map.Entry<K,V> {
            final K key;
            V value;
            Entry<K,V> next;
            int hash;
            ...
        }

可以看出，Entry就是数组中的元素，每个Map.Entry其实就是一个key-value对，他持有一个指向下一个元素的引用，这就构成了链表。

# 存取实现 #

## 存储 ##

public V put(K key, V value) {
            // HashMap允许存放null键和null值
            // 当key为null时，调用putForNullKey方法，将value放置在数组第一个位置
            if (key == null)
                return putForNullKey(value);
            // 根据key的keyCode重新计算hash值
            int hash = hash(key);
            // 搜索指定hash值在对应table中的索引
            int i = indexFor(hash, table.length);
            // 如果i索引处的Entry不为null，通过循环不断遍历e元素的下一个元素
            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;
                }
            }
            // 如果i索引处的Entry为null，表明此处还没有Entry
            modCount++;
            // 将key、value添加到i索引处
            addEntry(hash, key, value, i);
            return null;
        }

从上面的源代码中可以看出：当我们往HashMap中put元素的时候，先根据key的hashCode重新计算hash值，根据hash值得到这个元素在数组中的位置（即下标），如果数组该位置上已经存放有其他元素了，那么在这个位置上的元素将以链表的形式存放，新加入的放在链头，最先加入的放在链尾。如果数组该位置上没有元素，就直接将该元素放到此数组中的该位置上。

**addEntry(hash, key, value, i)方法**根据计算出的hash值，将key-value对放在数组table的i索引处。addEntry是HashMap提供的一个包访问权限的方法，代码如下：

void addEntry(int hash, K key, V value, int bucketIndex) {
            // 超过容量并且空值不等于索引值
            if ((size >= threshold) && (null != table[bucketIndex])) {
                // 把table对象的长度扩充到原来的2倍
                resize(2 * table.length); 
                // 根据key的hashCode重新计算一次散列
                hash = (null != key) ? hash(key) : 0;
                // 计算该对象应该保存在table数组的哪个索引处
                bucketIndex = indexFor(hash, table.length);
            }
    
            createEntry(hash, key, value, bucketIndex);
        }
    
        void createEntry(int hash, K key, V value, int bucketIndex) {
            // 获取指定buchetIndex索引处的Entry
            Entry<K,V> e = table[bucketIndex];
            // 将新创建的Entry放入bucketIndex索引处，并让新的Entry指向原来的Entry
            table[bucketIndex] = new Entry<>(hash, key, value, e);
            size++;
        }

当系统决定存储HashMap中的key-value对时，完全没有考虑Entry中的value，仅仅只是根据key来计算并决定每个Entry的存储位置。我们完全可以把Map集合中的value当成key的附属，当系统决定了key的存储位置之后，value随之保存在那里即可。

**hash()方法**根据key的hashCode重新计算一次散列。此算法加入了高位计算，防止低位不变，高位变化时，造成的hash冲突，代码如下：

final int hash(Object k) {
            int h = 0;
            // true，执行字符串键的替代散列（ alternative hashing），以减少由于弱散列代码计算而导致的冲突。 
            if (useAltHashing) {
                if (k instanceof String) {
                    return sun.misc.Hashing.stringHash32((String) k);
                }
                h = hashSeed;
            }
    
            h ^= k.hashCode();// 相当于h=h^k.hashCode()，按二进制位进行“异或”运算
    
            // 这个函数确保在每个bit位置上只有常数倍差异的哈希码具有有限的冲突数(在默认负载系数下大约为8)。
            h ^= (h >>> 20) ^ (h >>> 12);
            return h ^ (h >>> 7) ^ (h >>> 4);
        }

我们可以看到在HashMap中要找到某个元素，需要根据key的hash值来求得对应数组中的位置。如何计算这个位置就是hash算法。前面说过HashMap的数据结构是数组和链表的结合，所以我们当然希望这个HashMap里面的元素位置尽量的分布均匀些，尽量使得每个位置上的元素数量只有一个，那么当我们用hash算法求得这个位置的时候，马上就可以知道对应位置的元素就是我们要的，而不用再去遍历链表，这样就大大优化了查询的效率。

对于任意给定的对象，只要他的hashCode()返回值相同，那么程序调用hash()方法所计算得到的hash码值总是相同的。我们首先想到的就是把hash值对数组长度取模运算，这样一来，元素的分布相对来说是比较均匀的。但是，“模”运算的消耗还是比较大的，在HashMap中是这样做的：调用indexFor(int h, int length)方法来计算该对象应该保存在table数组的哪个索引处。

**indexFor(int h, int length)方法**的代码如下：

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

这个方法非常巧妙，他通过h & (length-1)来得到该对象的保存位，而HashMap底层数组的长度总是2的n次方，这是HashMap在速度上的优化。在HashMap构造器中有如下代码：

// 求 2的幂 >= 初始容量（initialCapacity）
            int capacity = 1;
            while (capacity < initialCapacity)
                capacity <<= 1;

这段代码保证初始化时HashMap的容量总是2的n次方，即底层数组的长度总是为2的n次方。

当length总是2的n次方时，h & (length-1)运算等价于对length取模，也就是h%length，但是&比%具有更高的效率。  
这看上去很简单，其实比较有玄机的，我们举个例子来说明：

假如数组长度分别为15和16，优化后的hash码分别为8和9，那么&运算后的结果如下：

<table style="width:699px;"> 
 <thead> 
  <tr> 
   <th>h &amp; (table.length-1)</th> 
   <th>hash</th> 
   <th>table.length-1</th> 
   <th>&nbsp;</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>8&amp;(15-1)</td> 
   <td>1000</td> 
   <td>1110</td> 
   <td>1000</td> 
  </tr> 
  <tr> 
   <td>9&amp;(15-1)</td> 
   <td>1001</td> 
   <td>1110</td> 
   <td>1000</td> 
  </tr> 
  <tr> 
   <td>8&amp;(16-1)</td> 
   <td>1000</td> 
   <td>1111</td> 
   <td>1000</td> 
  </tr> 
  <tr> 
   <td>9&amp;(16-1)</td> 
   <td>1001</td> 
   <td>1111</td> 
   <td>1001</td> 
  </tr> 
 </tbody> 
</table>

从上面的例子中可以看出：当他们和15-1(1110)“与”的时候，产生了相同的结果，也就是说他们会定位到数组中的同一个位置上去，这就产生了碰撞，8和9会被放到数组中的同一个位置上去，这就产生了碰撞，8和9会被放到数组中的同一个位置上形成链表，那么查询的时候就需要遍历这个链表，得到8或者9，这样降低了查询的效率。同时，我们也可以发现，当数组长度为15的时候，hash值会与15-1(1110)进行“与”，那么最后一位永远是0，而0001，0011，0101，1001，1011，0111，1101，这几个位置永远都不能存放元素了，空间浪费相当大，更糟的是这种情况中，数组可以使用的位置比数组长度小了很多，这意味着进一步增加了碰撞的几率，减慢了查询的效率！而当数组长度为16时，即为2的n次方时，2的n次方-1得到的二进制数的每个位上的值都为1，这使得在低位上&时，得到的和原hash的低位相同，加之hash()方法对key的hashCode的进一步优化，加入了高位计算，就使得只有相同的hash值的两个值才会被放到数组中的同一个位置上形成链表。

所以说，当数组长度为2的n次幂的时候，不同的key算的index相同的几率较小，那么数据在数组上分布就比较均匀，也就是说，碰撞的几率小，相对的，查询的时候就不用遍历某个位置上的链表，这样查询效率也就较高了。

根据上面put方法的源代码可以看出，当程序试图将一个key-value对放入HashMap中时，程序首先根据该key的hashCode()返回值决定该Entry的存储位置：如果两个Entry的key的hashCode()返回值相同，那么他们的存储位置相同。如果这两个Entry的key通过equals比较返回true，新添加Entry的value将覆盖集合中原有Entry的value，但key不会覆盖。如果这两个Entry的key通过equals比较返回false，新添加的Entry将与集合中原有Entry形成Entry链，而且新添加的Entry位于Entry链的头部。

## 读取 ##

public V get(Object key) {
            if (key == null)
                return getForNullKey();
            Entry<K,V> entry = getEntry(key);
    
            return null == entry ? null : entry.getValue();
        }
    
        final Entry<K,V> getEntry(Object key) {
            int hash = (key == null) ? 0 : hash(key);
            for (Entry<K,V> e = table[indexFor(hash, table.length)];
                 e != null;
                 e = e.next) {
                Object k;
                if (e.hash == hash &&
                    ((k = e.key) == key || (key != null && key.equals(k))))
                    return e;
            }
            return null;
        }

有了上面存储时的hash算法作为基础，理解起来这段代码就很容易了。从上面的源代码中可以看出：从HashMap中get元素时，首先计算key的hashCode，找到数组中对应位置的某一元素，然后通过key的equals方法在对应位置的链表中找到需要的元素。

## 总结 ##

归纳起来简单的说，HashMap在底层将key-value当成一个整体进行处理，这个整体就是一个Entry对象。HashMap底层采用一个Entry\[\]数组来保存所有的key-value对，当需要存储一个Entry对象时，会根据hash算法来决定其在数组中的存储位置，在根据equals方法决定其在数组位置上的链表中的存储位置；当需要取出一个Entry时，也会根据hash算法找到其在数组中的存储位置，再根据equals方法从该位置上的链表中取出该Entry。

# resize（rehash） #

当HashMap中的元素越来越多的时候，hash冲突的几率也就越来越高，因为数组的长度是固定的。所以为了提高查询的效率，就要对HashMap的数组进行扩容，数组扩容这个操作也会出现在ArrayList中，这是一个常用的操作，而在HashMap数组扩容之后，最消耗性能的点就出现了：原数组中的数据必须重新计算其在新数组中的位置，并放进去，这就是resize。

那么HashMap什么时候进行扩容呢？当HashMap中的元素个数超过数组大小\*loadFactor时，就会进行数组扩容，loadFactor的默认值为0.75，这时一个折中的取值。也就是说，默认情况下，数组大小为16，那么当HashMap中元素个数超过16\*0.75=12的时候，就把数组的大小扩展为2\*16=32，即扩大一倍，然后重新计算每个元素在数组中的位置，而这是一个非常消耗性能的操作，所以如果我们已经预知HashMap中元素的个数，那么预设元素的个数能够有效的提高HashMap的性能。

# 性能参数 #

HashMap包含如下几个构造器：

*  HashMap()：构建一个初始容器为16，负载因子为0.75的HashMap。
 *  HashMap(int initialCapacity)：构建一个初始容量为initialCapacity，负载因子为0.75的HashMap。
 *  HashMap(int initialCapacity, float loadFactor)：以指定初始容量、指定的负载因子创建一个HashMap。

注意：初始容量并非是initialCapacity，初始容量是大于initialCapacity的最小的2的n次幂。

负载因子衡量的是一个散列表的空间的使用程度，负载因子越大表示散列表的装填程度越高，反之愈小。对于使用链表法的散列表来说，查找一个元素的平均时间是O(1+a)，因此如果负载因子越大，对空间的利用更充分，然而后果是查找效率的降低；如果负载因子太小，那么散列表的数据将过于稀疏，对空间造成严重浪费。

HashMap的实现中，通过threshold字段来判断HashMap的最大容量：

threshold = (int)Math.min(capacity * loadFactor, MAXIMUM_CAPACITY + 1);

结合负载因子的定义公式可知，threshold就是在此loadFactor和capacity对应下允许的最大元素数目，超过这个数目就重新resize，以降低实际的负载因子。默认的负载因子0.75是对空间和时间效率的一个平衡选择。当容量超出此最大容量时，resize后的HashMap容量是容量的两倍：

if (size >= threshold) {
                resize(2 * table.length);
            }

# Fail-Fast机制 #

我们知道java.util.HashMap不是线程安全的，因此如果在使用迭代器的过程中有其他线程修改了map，那么将抛出ConcurrentModificationException，这就是所谓fail-fast策略。

这一策略在源码中实现是通过modCount域，modCount顾名思义就是修改次数，对HashMap内容的修改都将增加这个值，那么在迭代器初始化过程中会将这个值赋给迭代器的expectedModCount，代码如下。

HashIterator() {
                expectedModCount = modCount;
                if (size > 0) { // 先进先出
                    Entry[] t = table;
                    while (index < t.length && (next = t[index++]) == null)
                        ;
                }
            }

在迭代过程中，判断modCount跟expectedModCount是否相等，如果不相等就表示已经有其他线程修改了Map：  
注意到modCount声明为volatile，保证线程之间修改的可见性，代码如下：

final Entry<K,V> nextEntry() {
                if (modCount != expectedModCount)
                    throw new ConcurrentModificationException();

在HashMap的API中指出：

由所有HashMap类的“collection视图方法”所返回的迭代器都是快速失败的：在迭代器创建之后，如果从结构上对映射进行修改，除非通过迭代器本身的remove方法，其他任何时间任何方式的修改，迭代器都将抛出ConcurrentModificationException。因此，面对并发的修改，迭代器很快就会完全失败，而不冒在将来不确定的时间发生任意不确定行为的风险。

注意，迭代器的快速失败行为不能得到保证。一般来说，存在非同步的并发修改时，不可能做出任何坚决的保证。快速失败迭代器尽最大努力抛出ConcurrentModificationException。因此，编写依赖于此异常的程序的做法是错误的，正确做法是，迭代器的快速失败行为应该仅用于检测程序错误。

# 工作原理 #

HashMap基于hashing原理，我们通过put()和get()方法存储和获取对象。当我们将键值对传递给put()方法时，他调用键对象的hashCode()方法来计算hashcode，然后找到bucket位置来储存值对象。当获取对象时，通过键对象的equals()方法找到正确的键值对，然后返回值对象。HashMap使用LinkedList来解决碰撞问题，当发生碰撞了，对象将会存储在LinkedList的下一个节点中。HashMap在每个LinkedList节点中存储键值对对象。

当两个不同的键对象的hashcode相同时会发生什么？他们会存储在同一个bucket位置的LinkedList中。键对象的equals()方法来找到键值对。

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2VuX2pva2Vy_size_16_color_FFFFFF_t_70]: /images/20220310/14c81cff77a94387bf79d255a5f3c133.png