【Java】关于JDK 8的HashMap

短命女 2023-10-15 16:24 95阅读 0赞

#### 文章目录 ####

*  HashMap 简介
 *  数据结构
 *  Hash
 *  构造方法
 *  get(key)方法
 *   *  步骤一：通过key获取所在桶的第一个元素是否存在
     *  步骤二:该节点的hash和key是否与要查询的hash和key匹配
     *  步骤三:当对应桶中不止一个节点时，根据不同节点类型查询
 *  put(key,value)
 *   *  为什么树化？
 *  resize-扩容

## HashMap 简介 ##

HashMap 主要用来存放键值对，它基于哈希表的 Map 接口实现，是常用的 Java 集合之一，是非线程安全的。

HashMap 可以存储 null 的 key 和 value，但 null 作为键只能有一个，null 作为值可以有多个JDK1.8 之前 HashMap 由 数组+链表 组成的，数组是 HashMap 的主体，链表则是主要为了解决哈希冲突而存在的（“拉链法”解决冲突）。 JDK1.8 以后的 HashMap 在解决哈希冲突时有了较大的变化，当链表长度大于等于阈值（默认为 8）（将链表转换成红黑树前会判断，如果当前数组的长度小于 64，那么会选择先进行数组扩容，而不是转换为红黑树）时，将链表转化为红黑树，以减少搜索时间。

HashMap 默认的初始化大小为 16。之后每次扩充，容量变为原来的 2 倍。并且， HashMap 总是使用 2 的幂作为哈希表的大小。

## 数据结构 ##

JDK 8版本的HashMap底层数据结构是数组+链表/红黑树结构，具体原因是：

/**
         * The table, initialized on first use, and resized as
         * necessary. When allocated, length is always a power of two.
         * (We also tolerate length zero in some operations to allow
         * bootstrapping mechanics that are currently not needed.)
         */
        transient Node<K,V>[] table;

这是 HashMap 类中的一个成员变量，它是一个存储桶数组。table 数组用于存储键值对的实际数据。

/**
         * Basic hash bin node, used for most entries.  (See below for
         * TreeNode subclass, and in LinkedHashMap for its Entry subclass.)
         */
        static class Node<K,V> implements Map.Entry<K,V> {
        
            final int hash;
            final K key;
            V value;
            Node<K,V> next;
    
            Node(int hash, K key, V value, Node<K,V> next) {
        
                this.hash = hash;
                this.key = key;
                this.value = value;
                this.next = next;
            }
    }

这是 HashMap 内部定义的静态嵌套类 Node，它实现了 Map.Entry 接口。每个 Node 对象表示 HashMap 中的一个键值对，它包含键、值以及指向下一个节点的引用。

/**
     * Entry for Tree bins. Extends LinkedHashMap.Entry (which in turn
     * extends Node) so can be used as extension of either regular or
     * linked node.
     */
    static final class TreeNode<K,V> extends LinkedHashMap.Entry<K,V> {
        
        TreeNode<K,V> parent;  // red-black tree links
        TreeNode<K,V> left;
        TreeNode<K,V> right;
        TreeNode<K,V> prev;    // needed to unlink next upon deletion
        boolean red;
        TreeNode(int hash, K key, V val, Node<K,V> next) {
        
            super(hash, key, val, next);
        }
    
        /**
         * Returns root of tree containing this node.
         */
        final TreeNode<K,V> root() {
        
            for (TreeNode<K,V> r = this, p;;) {
        
                if ((p = r.parent) == null)
                    return r;
                r = p;
            }
        }
    
    }

这是 HashMap 内部定义的静态嵌套类 TreeNode，它是红黑树结构的节点。在 HashMap 中，当链表中的元素数量超过一定阈值时，会将链表转换为红黑树，以提高查找性能。  
因此，transient Node<K,V>\[\] table; 存储了实际的数据，static class Node<K,V> 表示链表结构的节点，而 static final class TreeNode<K,V> 表示红黑树结构的节点。这些组合在一起实现了 HashMap 数据结构的数组+链表（红黑树）的形式。  
![在这里插入图片描述][fafa30ca712d49bdb4cd1440e872cc4a.png]

## Hash ##

如果说HashMap的数据结构是其实现功能的基础，那么HashMap的Hash方法则是HashMap实现查找、插入的保障。  
HashMap 并不是直接获取 key 的 hashCode 作为 hash 值的，它会通过一个扰动函数（所谓扰动函数指的是HashMap的hash方法）进行一些列位运算和混合操作，使得最终的哈希值更加均匀的分布在哈希表的桶中。使用hash方法就是为了减少hash碰撞的概率且提高HashMap的性能。

//扰动函数
    static final int hash(Object key) {
        
    	//用于存储key对应的hash码
        int h;
        return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
    }
    
    
    
    //等同于:
    int h;
    //当key是null时，hash值默认是0，即HashMap只能有一个为Null的key
    if (key == null) {
        
        h = 0;
    } else {
        
        h = key.hashCode();
    }
    //进行异或操作并将结果赋值给 h
    return h = h ^ (h >>> 16);

## 构造方法 ##

HashMap的类属性和构造方法：

private static final long serialVersionUID = 362498820763181265L;
        // 默认的初始容量是16
        static final int DEFAULT_INITIAL_CAPACITY = 1 << 4;
        // 最大容量
        static final int MAXIMUM_CAPACITY = 1 << 30;
        // 默认的负载因子
        static final float DEFAULT_LOAD_FACTOR = 0.75f;
        // 当桶(bucket)上的结点数大于等于这个值时会转成红黑树
        static final int TREEIFY_THRESHOLD = 8;
        // 当桶(bucket)上的结点数小于等于这个值时树转链表
        static final int UNTREEIFY_THRESHOLD = 6;
        // 桶中结构转化为红黑树对应的table的最小容量
        static final int MIN_TREEIFY_CAPACITY = 64;
        // 存储元素的数组，总是2的幂次倍
        transient Node<k,v>[] table;
        // 存放具体元素的集
        transient Set<map.entry<k,v>> entrySet;
        // 存放元素的个数，注意这个不等于数组的长度。
        transient int size;
        // 每次扩容和更改map结构的计数器
        transient int modCount;
        // 阈值(容量*负载因子) 当实际大小超过阈值（实际最大容量）时，会进行扩容
        int threshold;
        // 负载因子
        final float loadFactor;
    
    
        // ①：默认构造函数。
        public HashMap() {
        
            this.loadFactor = DEFAULT_LOAD_FACTOR; // all   other fields defaulted
         }
    
    
         // ②：包含另一个“Map”的构造函数
         public HashMap(Map<? extends K, ? extends V> m) {
        
             this.loadFactor = DEFAULT_LOAD_FACTOR;
             putMapEntries(m, false);//下面会分析到这个方法
         }
    
    	
         // ③：指定“容量大小”的构造函数
         public HashMap(int initialCapacity) {
        
             this(initialCapacity, DEFAULT_LOAD_FACTOR);
         }
    
    
         // ④： 指定“容量大小”和“负载因子”的构造函数
         public HashMap(int initialCapacity, float loadFactor) {
        
             if (initialCapacity < 0)
                 throw new IllegalArgumentException("Illegal initial capacity: " + initialCapacity);
             if (initialCapacity > MAXIMUM_CAPACITY)
                 initialCapacity = MAXIMUM_CAPACITY;
             if (loadFactor <= 0 || Float.isNaN(loadFactor))
                 throw new IllegalArgumentException("Illegal load factor: " + loadFactor);
             this.loadFactor = loadFactor;
             // 初始容量暂时存放到 threshold ，在resize中再赋值给 newCap 进行table初始化
             this.threshold = tableSizeFor(initialCapacity);
         }

## get(key)方法 ##

### 步骤一：通过key获取所在桶的第一个元素是否存在 ###

public V get(Object key) {
        
        Node<K,V> e;
        return (e = getNode(hash(key), key)) == null ? null : e.value;
    }
    
    final Node<K,V> getNode(int hash, Object key) {
        
        Node<K,V>[] tab; Node<K,V> first, e; int n; K k;
        if ((tab = table) != null && (n = tab.length) > 0 &&
            (first = tab[(n - 1) & hash]) != null) {
        
            // 数组元素相等
            if (first.hash == hash && // always check first node
                ((k = first.key) == key || (key != null && key.equals(k))))
                return first;
            // 桶中不止一个节点
            if ((e = first.next) != null) {
        
                // 在树中get
                if (first instanceof TreeNode)
                    return ((TreeNode<K,V>)first).getTreeNode(hash, key);
                // 在链表中get
                do {
        
                    if (e.hash == hash &&
                        ((k = e.key) == key || (key != null && key.equals(k))))
                        return e;
                } while ((e = e.next) != null);
            }
        }
        return null;
    }

先来明确一下各个变量的意义：

*  key：要查询的指定key
 *  table：当前HashMap哈希表实际数据存储，用于存储节点的桶
 *  first：要查询的指定key匹配到某个桶的第一个节点
 *  e：临时节点，用于遍历桶中的节点链表或树结构。在这段代码中，e 用于遍历桶中的节点以查找匹配的键值对。
 *  n：这是一个整数，表示哈希表的长度，即桶的数量。
 *  k：这是一个键对象，表示 first 节点的键，即指定key计算后hash值对应桶的第一个节点的键。

单独说明：(tab = table) != null && (n = tab.length) > 0 && (first = tab\[(n - 1) & hash\]) != null)  
(tab = table) != null：将table变量赋值给tab变量，并检查table是否为null，table用于存储实际的哈希表数据。  
(n = tab.length) > 0：将tab.length赋值给n变量，并检查n是否大于0。n表示哈希表的长度，即桶的数量。  
(first = tab\[(n - 1) & hash\]) != null：计算出哈希值hash对应桶的索引位置，并将该桶的第一个节点赋值给first变量。  
(n - 1) & hash 的操作是根据哈希值 hash 和哈希表长度 n 计算出桶的索引位置。

*  n-1是为了确保索引在0到n-1之间的有效索引位置。
 *  &是位运算中的按位与操作，用于将哈希值和n-1进行与运算，得到有效的桶索引。
 *  判断第一个元素是否为null

通过key定位到该key所在桶，获取该桶的第一个节点元素信息key , key.hash()。

### 步骤二:该节点的hash和key是否与要查询的hash和key匹配 ###

当要查询的hash对应桶的第一个节点存在时，进一步检查该节点是否匹配指定的key。  
单独说明：`if (first.hash == hash && // always check first node ((k = first.key) == key || (key != null && key.equals(k)))) return first`  
`first.hash == hash`：判断第一个元素key的hash值是否恒等于要查询key的哈希值  
`((k = first.key) == key`：将第一个元素的key赋值给变量k，避免后续的比较重多次访问节点的键值。  
`|| (key != null && key.equals(k))))`：比较要查询的key不为空且与第一个节点的key是否引用同一块地址（相等）。  
如果引用同一块内存地址，则说明要查询的key的hash值和对应桶的第一个元素key的hash值一致，即定位到了指定key的节点信息，返回该节点数据。

### 步骤三:当对应桶中不止一个节点时，根据不同节点类型查询 ###

// 在树中get
    if (first instanceof TreeNode)
        return ((TreeNode<K,V>)first).getTreeNode(hash, key);
    // 在链表中get
    do {
        
    	if (e.hash == hash &&
            ((k = e.key) == key || (key != null && key.equals(k))))
            return e;
    } while ((e = e.next) != null);

红黑树搜索

/\*\*  
\* Calls find for root node.  
\*/  
final TreeNode<K,V> getTreeNode(int h, Object k) \{  
return ((parent != null) ? root() : this).find(h, k, null);  
\}

当第一个节点的数据类型是红黑树时，则说明该桶已经树化，需要根据红黑树的逻辑进行定位  
当第一个节点的数据类型是链表时，通过当前临时节点的hash与待查询key的hash对比循环遍历即可。

## put(key,value) ##

HashMap只对外提供了put一个方法用于添加元素，putVal是put方法的实现，但是并没有对外开放。

/**
         * Associates the specified value with the specified key in this map.
         * If the map previously contained a mapping for the key, the old
         * value is replaced.
         *
         * @param key key with which the specified value is to be associated
         * @param value value to be associated with the specified key
         * @return the previous value associated with <tt>key</tt>, or
         *         <tt>null</tt> if there was no mapping for <tt>key</tt>.
         *         (A <tt>null</tt> return can also indicate that the map
         *         previously associated <tt>null</tt> with <tt>key</tt>.)
         */
        public V put(K key, V value) {
        
            return putVal(hash(key), key, value, false, true);
        }
    
        /**
         * Implements Map.put and related methods.
         *
         * @param hash hash for key
         * @param key the key
         * @param value the value to put
         * @param onlyIfAbsent if true, don't change existing value
         * @param evict if false, the table is in creation mode.
         * @return previous value, or null if none
         */
        final V putVal(int hash, K key, V value, boolean onlyIfAbsent,
                       boolean evict) {
        
            Node<K,V>[] tab; Node<K,V> p; int n, i;
            // ①
            if ((tab = table) == null || (n = tab.length) == 0)
                n = (tab = resize()).length;
            // ②
            if ((p = tab[i = (n - 1) & hash]) == null)
                // ③
                tab[i] = newNode(hash, key, value, null);
            else {
        
                Node<K,V> e; K k;
                // ④
                if (p.hash == hash &&
                    ((k = p.key) == key || (key != null && key.equals(k))))
                    e = p;
                    // ⑤
                else if (p instanceof TreeNode)
                    e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
                else {
        
                    // ⑥
                    for (int binCount = 0; ; ++binCount) {
        
                        if ((e = p.next) == null) {
        
                            p.next = newNode(hash, key, value, null);
                            // ⑦
                            if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st
                                treeifyBin(tab, hash);
                            break;
                        }
                        if (e.hash == hash &&
                            ((k = e.key) == key || (key != null && key.equals(k))))
                            break;
                        p = e;
                    }
                }
                if (e != null) {
         // existing mapping for key
                    V oldValue = e.value;
                    if (!onlyIfAbsent || oldValue == null)
                        e.value = value;
                    afterNodeAccess(e);
                    return oldValue;
                }
            }
            ++modCount;
            if (++size > threshold)
                resize();
            afterNodeInsertion(evict);
            return null;
        }

链表树化代码：

/**
         * Replaces all linked nodes in bin at index for given hash unless
         * table is too small, in which case resizes instead.
         */
        final void treeifyBin(Node<K,V>[] tab, int hash) {
        
            int n, index; Node<K,V> e;
            // ⑧
            if (tab == null || (n = tab.length) < MIN_TREEIFY_CAPACITY)
                resize();
            // ⑨ 
            else if ((e = tab[index = (n - 1) & hash]) != null) {
        
                TreeNode<K,V> hd = null, tl = null;
                do {
        
                    TreeNode<K,V> p = replacementTreeNode(e, null);
                    if (tl == null)
                        hd = p;
                    else {
        
                        p.prev = tl;
                        tl.next = p;
                    }
                    tl = p;
                } while ((e = e.next) != null);
                if ((tab[index] = hd) != null)
                    hd.treeify(tab);
            }
        }

先来明确一下各个变量的意义：

*  Node<K,V>\[\] tab：HashMap实际存储数据的单位
 *  Node<K,V> p：Node节点类型的变量，表示当前要插入的节点
 *  int n：表示当前HashMap中的节点数量
 *  int i：临时变量，用于辅助计算节点的插入位置

下面说明putVal的简要步骤：

*  当前HashMap存储哈希表数据的table为空时，首先对其进行扩容
 *  计算出要插入节点的哈希值在数据tab中的位置 i
 *  当要插入节点的位置为空时，直接在该位置创建新的节点即可
 *  比较待插入节点与p的哈希值是否等于并且判断节点p的key与要插入节点的key是否相等，如果满足这两个条件时，说明发生了哈希碰撞，即要插入的键已经存在于HashMap中，随后用新的value覆盖原值
 *  判断该节点的类型，该节点是TreeNode红黑树时，红黑树直接插入键值对
 *  该节点是Node链表时，开始准备遍历链表准备插入
 *  判断链表长度是否大于8
 *  当链表长度大于8时，执行链表树化逻辑，前提是，当前桶(bucket)中的节点数量大于64，如果小于64，优先给链表扩容，当链表不满足树化条件时，链表中插入新的元素，若key存在于当前列表，则直接覆盖原来的值
 *  满足树化条件，将链表转为红黑树，插入新的键值对

以上简要步骤需要对应上文中代码的序号。  
引用美团技术团队的HashMap图片以更清晰的理解put过程：  
![在这里插入图片描述][60557fbaebac4b90a5b0e04bbed1964d.png]

### 为什么树化？ ###

处于性能和安全角度考虑选择树化，在元素放置的过程中，如果一个对象哈希冲突，都会放置到同一个桶里，形成一个链表，链表查询是线性的，时间复杂度是O(n)会严重影响读取性能，数据量大的话，会导致服务端资源大量占用。

## resize-扩容 ##

HashMap中的数组到达指定阈值长度后插入数据，需要对HashMap进行扩容，由于数组长度不可变的局限性，因此在扩容时，需要创建新的HashMap，然后原HashMap的数据复制到新的HashMap中。就像我们用一个小桶装水，如果想装更多的水，就得换大水桶。

/**
     * Initializes or doubles table size.  If null, allocates in
     * accord with initial capacity target held in field threshold.
     * Otherwise, because we are using power-of-two expansion, the
     * elements from each bin must either stay at same index, or move
     * with a power of two offset in the new table.
     *
     * @return the table
     */
    final Node<K,V>[] resize() {
        
        Node<K,V>[] oldTab = table;
        int oldCap = (oldTab == null) ? 0 : oldTab.length;
        int oldThr = threshold;
        int newCap, newThr = 0;
        if (oldCap > 0) {
        
            if (oldCap >= MAXIMUM_CAPACITY) {
        
                threshold = Integer.MAX_VALUE;
                return oldTab;
            }
            else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&
                     oldCap >= DEFAULT_INITIAL_CAPACITY)
                newThr = oldThr << 1; // double threshold
        }
        else if (oldThr > 0) // initial capacity was placed in threshold
            newCap = oldThr;
        else {
                       // zero initial threshold signifies using defaults
            newCap = DEFAULT_INITIAL_CAPACITY;
            newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);
        }
        if (newThr == 0) {
        
            float ft = (float)newCap * loadFactor;
            newThr = (newCap < MAXIMUM_CAPACITY && ft < (float)MAXIMUM_CAPACITY ?
                      (int)ft : Integer.MAX_VALUE);
        }
        threshold = newThr;
        @SuppressWarnings({
        "rawtypes","unchecked"})
        Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap];
        table = newTab;
        if (oldTab != null) {
        
            for (int j = 0; j < oldCap; ++j) {
        
                Node<K,V> e;
                if ((e = oldTab[j]) != null) {
        
                    oldTab[j] = null;
                    if (e.next == null)
                        newTab[e.hash & (newCap - 1)] = e;
                    else if (e instanceof TreeNode)
                        ((TreeNode<K,V>)e).split(this, newTab, j, oldCap);
                    else {
         // preserve order
                        Node<K,V> loHead = null, loTail = null;
                        Node<K,V> hiHead = null, hiTail = null;
                        Node<K,V> next;
                        do {
        
                            next = e.next;
                            if ((e.hash & oldCap) == 0) {
        
                                if (loTail == null)
                                    loHead = e;
                                else
                                    loTail.next = e;
                                loTail = e;
                            }
                            else {
        
                                if (hiTail == null)
                                    hiHead = e;
                                else
                                    hiTail.next = e;
                                hiTail = e;
                            }
                        } while ((e = next) != null);
                        if (loTail != null) {
        
                            loTail.next = null;
                            newTab[j] = loHead;
                        }
                        if (hiTail != null) {
        
                            hiTail.next = null;
                            newTab[j + oldCap] = hiHead;
                        }
                    }
                }
            }
        }
        return newTab;
    }

先来明确下各个变量的含义：

*  bin：bucket，数组中存储Entry位置
 *  MAXIMUM\_CAPACITY：最大容量（2的30次幂，1073741824）
 *  DEFAULT\_LOAD\_FACTOR：负载因子（默认0.75）
 *  TREEIFY\_THRESHOLD：链表转红黑树阈值
 *  DEFAULT\_INITIAL\_CAPACITY：默认初始容量（2的4次幂16）

所以，HashMap不指定容量时，最大容纳数据量是 16 \* 0.75 = 12。

1.  当 HashMap 中的元素数量超过负载因子（load factor）与当前容量的乘积时，就会触发扩容操作。负载因子是一个表示 HashMap 充满程度的比例因子，默认为 0.75。
2.  创建一个新的、两倍大小的数组，作为扩容后的容器。
3.  遍历原来的数组，将每个元素重新计算哈希值，并放入新的数组中的对应位置。这涉及到重新计算元素在新数组中的索引位置，以及处理可能的哈希碰撞。
4.  在重新计算元素索引的过程中，如果发现某个位置上有多个元素（发生了哈希碰撞），则会使用链表或红黑树来存储这些元素，以提高查找效率。
5.  当所有元素都重新放入新的数组后，原来的数组会被丢弃，成为垃圾数据等待被垃圾回收器回收。

[fafa30ca712d49bdb4cd1440e872cc4a.png]: https://img-blog.csdnimg.cn/fafa30ca712d49bdb4cd1440e872cc4a.png
[60557fbaebac4b90a5b0e04bbed1964d.png]: https://img-blog.csdnimg.cn/60557fbaebac4b90a5b0e04bbed1964d.png