java中HashMap详解

叁歲伎倆 2022-05-27 10:39 137阅读 0赞

HashMap 和 HashSet 是 Java Collection Framework 的两个重要成员，其中 HashMap 是 Map 接口的常用实现类，HashSet 是 Set 接口的常用实现类。虽然 HashMap 和 HashSet 实现的接口规范不同，但它们底层的 Hash 存储机制完全一样，甚至 HashSet 本身就采用 HashMap 来实现的。   
通过 HashMap、HashSet 的源代码分析其 Hash 存储机制   
实际上，HashSet 和 HashMap 之间有很多相似之处，对于 HashSet 而言，系统采用 Hash 算法决定集合元素的存储位置，这样可以保证能快速存、取集合元素；对于 HashMap 而言，系统 key-value 当成一个整体进行处理，系统总是根据 Hash 算法来计算 key-value 的存储位置，这样可以保证能快速存、取 Map 的 key-value 对。   
  
在介绍集合存储之前需要指出一点：虽然集合号称存储的是 Java 对象，但实际上并不会真正将 Java 对象放入 Set 集合中，只是在 Set 集合中保留这些对象的引用而言。也就是说：Java 集合实际上是多个引用变量所组成的集合，这些引用变量指向实际的 Java 对象。   
  
集合和引用    
  
就像引用类型的数组一样，当我们把 Java 对象放入数组之时，并不是真正的把 Java 对象放入数组中，只是把对象的引用放入数组中，每个数组元素都是一个引用变量。   
  
HashMap 的存储实现   
当程序试图将多个 key-value 放入 HashMap 中时，以如下代码片段为例：

Java代码   ![收藏代码][icon_star.png]

1.  HashMap<String , Double> map = **new** HashMap<String , Double>();   
2.  map.put("语文" , 80.0);   
3.  map.put("数学" , 89.0);   
4.  map.put("英语" , 78.2);

HashMap 采用一种所谓的“Hash 算法”来决定每个元素的存储位置。   
  
当程序执行 map.put("语文" , 80.0); 时，系统将调用"语文"的 hashCode() 方法得到其 hashCode 值——每个 Java 对象都有 hashCode() 方法，都可通过该方法获得它的 hashCode 值。得到这个对象的 hashCode 值之后，系统会根据该 hashCode 值来决定该元素的存储位置。   
  
我们可以看 HashMap 类的 put(K key , V value) 方法的源代码：

Java代码   ![收藏代码][icon_star.png]

1.  **public** V put(K key, V value)   
2.  \{   
3.   // 如果 key 为 null，调用 putForNullKey 方法进行处理  
4.   **if** (key == **null**)   
5.       **return** putForNullKey(value);   
6.   // 根据 key 的 keyCode 计算 Hash 值  
7.   **int** hash = hash(key.hashCode());   
8.   // 搜索指定 hash 值在对应 table 中的索引  
9.       **int** i = indexFor(hash, table.length);  
10.  // 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  
11.  **for** (Entry<K,V> e = table\[i\]; e != **null**; e = e.next)   
12.  \{   
13.      Object k;   
14.      // 找到指定 key 与需要放入的 key 相等（hash 值相同  
15.      // 通过 equals 比较放回 true）  
16.      **if** (e.hash == hash && ((k = e.key) == key   
17.          || key.equals(k)))   
18.      \{   
19.          V oldValue = e.value;   
20.          e.value = value;   
21.          e.recordAccess(**this**);   
22.          **return** oldValue;   
23.      \}   
24.  \}   
25.  // 如果 i 索引处的 Entry 为 null，表明此处还没有 Entry   
26.  modCount++;   
27.  // 将 key、value 添加到 i 索引处  
28.  addEntry(hash, key, value, i);   
29.  **return** **null**;   
30. \}

上面程序中用到了一个重要的内部接口：Map.Entry，每个 Map.Entry 其实就是一个 key-value 对。从上面程序中可以看出：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。这也说明了前面的结论：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。   
  
上面方法提供了一个根据 hashCode() 返回值来计算 Hash 码的方法：hash()，这个方法是一个纯粹的数学计算，其方法如下：

Java代码   ![收藏代码][icon_star.png]

1.  **static** **int** hash(**int** h)   
2.  \{   
3.      h ^= (h >>> 20) ^ (h >>> 12);   
4.      **return** h ^ (h >>> 7) ^ (h >>> 4);   
5.  \}

对于任意给定的对象，只要它的 hashCode() 返回值相同，那么程序调用 hash(int h) 方法所计算得到的 Hash 码值总是相同的。接下来程序会调用 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：

Java代码   ![收藏代码][icon_star.png]

1.  **static** **int** indexFor(**int** h, **int** length)   
2.  \{   
3.      **return** h & (length-1);   
4.  \}

这个方法非常巧妙，它总是通过 h &(table.length -1) 来得到该对象的保存位置——而 HashMap 底层数组的长度总是 2 的 n 次方，这一点可参看后面关于 HashMap 构造器的介绍。   
  
当 length 总是 2 的倍数时，h & (length-1) 将是一个非常巧妙的设计：假设 h=5,length=16, 那么 h & length - 1 将得到 5；如果 h=6,length=16, 那么 h & length - 1 将得到 6 ……如果 h=15,length=16, 那么 h & length - 1 将得到 15；但是当 h=16 时 , length=16 时，那么 h & length - 1 将得到 0 了；当 h=17 时 , length=16 时，那么 h & length - 1 将得到 1 了……这样保证计算得到的索引值总是位于 table 数组的索引之内。   
  
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，那它们的存储位置相同。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——具体说明继续看 addEntry() 方法的说明。   
  
当向 HashMap 中添加 key-value 对，由其 key 的 hashCode() 返回值决定该 key-value 对（就是 Entry 对象）的存储位置。当两个 Entry 对象的 key 的 hashCode() 返回值相同时，将由 key 通过 eqauls() 比较值决定是采用覆盖行为（返回 true），还是产生 Entry 链（返回 false）。   
  
上面程序中还调用了 addEntry(hash, key, value, i); 代码，其中 addEntry 是 HashMap 提供的一个包访问权限的方法，该方法仅用于添加一个 key-value 对。下面是该方法的代码：

Java代码   ![收藏代码][icon_star.png]

1.  **void** addEntry(**int** hash, K key, V value, **int** bucketIndex)   
2.  \{   
3.      // 获取指定 bucketIndex 索引处的 Entry   
4.      Entry<K,V> e = table\[bucketIndex\];     // ①  
5.      // 将新创建的 Entry 放入 bucketIndex 索引处，并让新的 Entry 指向原来的 Entry   
6.      table\[bucketIndex\] = **new** Entry<K,V>(hash, key, value, e);   
7.      // 如果 Map 中的 key-value 对的数量超过了极限  
8.      **if** (size++ >= threshold)   
9.          // 把 table 对象的长度扩充到 2 倍。  
10.         resize(2 \* table.length);    // ②  
11. \}

上面方法的代码很简单，但其中包含了一个非常优雅的设计：系统总是将新添加的 Entry 对象放入 table 数组的 bucketIndex 索引处——如果 bucketIndex 索引处已经有了一个 Entry 对象，那新添加的 Entry 对象指向原有的 Entry 对象（产生一个 Entry 链），如果 bucketIndex 索引处没有 Entry 对象，也就是上面程序①号代码的 e 变量是 null，也就是新放入的 Entry 对象指向 null，也就是没有产生 Entry 链。   
  
JDK 源码    
  
在 JDK 安装目录下可以找到一个 src.zip 压缩文件，该文件里包含了 Java 基础类库的所有源文件。只要读者有学习兴趣，随时可以打开这份压缩文件来阅读 Java 类库的源代码，这对提高读者的编程能力是非常有帮助的。需要指出的是：src.zip 中包含的源代码并没有包含像上文中的中文注释，这些注释是笔者自己添加进去的。   
  
Hash 算法的性能选项   
  
根据上面代码可以看出，在同一个 bucket 存储 Entry 链的情况下，新放入的 Entry 总是位于 bucket 中，而最早放入该 bucket 中的 Entry 则位于这个 Entry 链的最末端。   
  
上面程序中还有这样两个变量：   
  
    \* size：该变量保存了该 HashMap 中所包含的 key-value 对的数量。   
    \* threshold：该变量包含了 HashMap 能容纳的 key-value 对的极限，它的值等于 HashMap 的容量乘以负载因子（load factor）。   
  
从上面程序中②号代码可以看出，当 size++ >= threshold 时，HashMap 会自动调用 resize 方法扩充 HashMap 的容量。每扩充一次，HashMap 的容量就增大一倍。   
  
上面程序中使用的 table 其实就是一个普通数组，每个数组都有一个固定的长度，这个数组的长度就是 HashMap 的容量。HashMap 包含如下几个构造器：   
  
    \* HashMap()：构建一个初始容量为 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。   
  
当创建一个 HashMap 时，系统会自动创建一个 table 数组来保存 HashMap 中的 Entry，下面是 HashMap 中一个构造器的代码：

Java代码   ![收藏代码][icon_star.png]

1.  // 以指定初始化容量、负载因子创建 HashMap   
2.   **public** HashMap(**int** initialCapacity, **float** loadFactor)   
3.   \{   
4.       // 初始容量不能为负数  
5.       **if** (initialCapacity < 0)   
6.           **throw** **new** IllegalArgumentException(   
7.          "Illegal initial capacity: " +   
8.               initialCapacity);   
9.       // 如果初始容量大于最大容量，让出示容量  
10.      **if** (initialCapacity > MAXIMUM\_CAPACITY)   
11.          initialCapacity = MAXIMUM\_CAPACITY;   
12.      // 负载因子必须大于 0 的数值  
13.      **if** (loadFactor <= 0 || Float.isNaN(loadFactor))   
14.          **throw** **new** IllegalArgumentException(   
15.          loadFactor);   
16.      // 计算出大于 initialCapacity 的最小的 2 的 n 次方值。  
17.      **int** capacity = 1;   
18.      **while** (capacity < initialCapacity)   
19.          capacity <<= 1;   
20.      **this**.loadFactor = loadFactor;   
21.      // 设置容量极限等于容量 \* 负载因子  
22.      threshold = (**int**)(capacity \* loadFactor);   
23.      // 初始化 table 数组  
24.      table = **new** Entry\[capacity\];            // ①  
25.      init();   
26.  \}

上面代码中粗体字代码包含了一个简洁的代码实现：找出大于 initialCapacity 的、最小的 2 的 n 次方值，并将其作为 HashMap 的实际容量（由 capacity 变量保存）。例如给定 initialCapacity 为 10，那么该 HashMap 的实际容量就是 16。   
程序①号代码处可以看到：table 的实质就是一个数组，一个长度为 capacity 的数组。   
  
对于 HashMap 及其子类而言，它们采用 Hash 算法来决定集合中元素的存储位置。当系统开始初始化 HashMap 时，系统会创建一个长度为 capacity 的 Entry 数组，这个数组里可以存储元素的位置被称为“桶（bucket）”，每个 bucket 都有其指定索引，系统可以根据其索引快速访问该 bucket 里存储的元素。   
  
无论何时，HashMap 的每个“桶”只存储一个元素（也就是一个 Entry），由于 Entry 对象可以包含一个引用变量（就是 Entry 构造器的的最后一个参数）用于指向下一个 Entry，因此可能出现的情况是：HashMap 的 bucket 中只有一个 Entry，但这个 Entry 指向另一个 Entry ——这就形成了一个 Entry 链。如图 1 所示：   
  
![66679083-1285-397d-860a-83fc41efeedd.jpg][]    
  
图 1. HashMap 的存储示意   
  
HashMap 的读取实现   
  
当 HashMap 的每个 bucket 里存储的 Entry 只是单个 Entry ——也就是没有通过指针产生 Entry 链时，此时的 HashMap 具有最好的性能：当程序通过 key 取出对应 value 时，系统只要先计算出该 key 的 hashCode() 返回值，在根据该 hashCode 返回值找出该 key 在 table 数组中的索引，然后取出该索引处的 Entry，最后返回该 key 对应的 value 即可。看 HashMap 类的 get(K key) 方法代码：

Java代码   ![收藏代码][icon_star.png]

1.  **public** V get(Object key)   
2.  \{   
3.   // 如果 key 是 null，调用 getForNullKey 取出对应的 value   
4.   **if** (key == **null**)   
5.       **return** getForNullKey();   
6.   // 根据该 key 的 hashCode 值计算它的 hash 码  
7.   **int** hash = hash(key.hashCode());   
8.   // 直接取出 table 数组中指定索引处的值，  
9.   **for** (Entry<K,V> e = table\[indexFor(hash, table.length)\];   
10.      e != **null**;   
11.      // 搜索该 Entry 链的下一个 Entr   
12.      e = e.next)         // ①  
13.  \{   
14.      Object k;   
15.      // 如果该 Entry 的 key 与被搜索 key 相同  
16.      **if** (e.hash == hash && ((k = e.key) == key   
17.          || key.equals(k)))   
18.          **return** e.value;   
19.  \}   
20.  **return** **null**;   
21. \}

从上面代码中可以看出，如果 HashMap 的每个 bucket 里只有一个 Entry 时，HashMap 可以根据索引、快速地取出该 bucket 里的 Entry；在发生“Hash 冲突”的情况下，单个 bucket 里存储的不是一个 Entry，而是一个 Entry 链，系统只能必须按顺序遍历每个 Entry，直到找到想搜索的 Entry 为止——如果恰好要搜索的 Entry 位于该 Entry 链的最末端（该 Entry 是最早放入该 bucket 中），那系统必须循环到最后才能找到该元素。   
  
归纳起来简单地说，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 算法来决定其存储位置；当需要取出一个 Entry 时，也会根据 Hash 算法找到其存储位置，直接取出该 Entry。由此可见：HashMap 之所以能快速存、取它所包含的 Entry，完全类似于现实生活中母亲从小教我们的：不同的东西要放在不同的位置，需要时才能快速找到它。   
  
当创建 HashMap 时，有一个默认的负载因子（load factor），其默认值为 0.75，这是时间和空间成本上一种折衷：增大负载因子可以减少 Hash 表（就是那个 Entry 数组）所占用的内存空间，但会增加查询数据的时间开销，而查询是最频繁的的操作（HashMap 的 get() 与 put() 方法都要用到查询）；减小负载因子会提高数据查询的性能，但会增加 Hash 表所占用的内存空间。   
  
掌握了上面知识之后，我们可以在创建 HashMap 时根据实际需要适当地调整 load factor 的值；如果程序比较关心空间开销、内存比较紧张，可以适当地增加负载因子；如果程序比较关心时间开销，内存比较宽裕则可以适当的减少负载因子。通常情况下，程序员无需改变负载因子的值。   
  
如果开始就知道 HashMap 会保存多个 key-value 对，可以在创建时就使用较大的初始化容量，如果 HashMap 中 Entry 的数量一直不会超过极限容量（capacity \* load factor），HashMap 就无需调用 resize() 方法重新分配 table 数组，从而保证较好的性能。当然，开始就将初始容量设置太高可能会浪费空间（系统需要创建一个长度为 capacity 的 Entry 数组），因此创建 HashMap 时初始化容量设置也需要小心对待。

[icon_star.png]: /images/20220527/37cf94df3aac4ef8bfbda9ca116550eb.png
[66679083-1285-397d-860a-83fc41efeedd.jpg]: /images/20220527/1bfb5ef7cd0f4d41994d946104620348.png