一个HashMap跟面试官扯了半个小时

灰太狼 2024-04-29 02:57 71阅读 0赞

####  ####

#### 一个HashMap能跟面试官扯上半个小时 ####

### 前言 ###

HashMap应该算是Java后端工程师面试的必问题，因为其中的知识点太多，很适合用来考察面试者的Java基础。

### 开场 ###

**面试官**: 你先自我介绍一下吧！

**安琪拉**: 我是安琪拉，草丛三婊之一，最强中单（钟馗不服）！哦，不对，串场了，我是\*\*，目前在–公司做–系统开发。

**面试官**: 看你简历上写熟悉Java集合，HashMap用过的吧？

**安琪拉**: 用过的。(还是熟悉的味道)

**面试官**: 那你跟我讲讲HashMap的内部数据结构？

**安琪拉**: 目前我用的是JDK1.8版本的，内部使用数组 + 链表红黑树；

**安琪拉**: 方便我给您画个数据结构图吧：

![format_png][]

**面试官**: 那你清楚HashMap的数据插入原理吗？

**安琪拉**: 呃\[做沉思状\]。我觉得还是应该画个图比较清楚，如下：

![在这里插入图片描述][format_png 1]

1.  判断数组是否为空，为空进行初始化;
2.  不为空，计算 k 的 hash 值，通过`(n - 1) & hash`计算应当存放在数组中的下标 index;
3.  查看 table\[index\] 是否存在数据，没有数据就构造一个Node节点存放在 table\[index\] 中；
4.  存在数据，说明发生了hash冲突(存在二个节点key的hash值一样), 继续判断key是否相等，相等，用新的value替换原数据(onlyIfAbsent为false)；
5.  如果不相等，判断当前节点类型是不是树型节点，如果是树型节点，创造树型节点插入红黑树中；
6.  如果不是树型节点，创建普通Node加入链表中；判断链表长度是否大于 8， 大于的话链表转换为红黑树；
7.  插入完成之后判断当前节点数是否大于阈值，如果大于开始扩容为原数组的二倍。

**面试官**: 刚才你提到HashMap的初始化，那HashMap怎么设定初始容量大小的吗？

**安琪拉**: \[这也算问题？?\] 一般如果`new HashMap()` 不传值，默认大小是16，负载因子是0.75， 如果自己传入初始大小k，初始化大小为 大于k的 2的整数次方，例如如果传10，大小为16。（补充说明:实现代码如下）

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 < 0) ? 1 : (n >= MAXIMUM_CAPACITY) ? MAXIMUM_CAPACITY : n + 1;
    }

> 补充说明：下图是详细过程，算法就是让初始二进制右移1，2，4，8，16位，分别与自己异或，把高位第一个为1的数通过不断右移，把高位为1的后面全变为1，111111 + 1 = 1000000 = 2^6 26 （符合大于50并且是2的整数次幂 ）
> 
> ![在这里插入图片描述][format_png 2]

**面试官**: 你提到hash函数，你知道HashMap的哈希函数怎么设计的吗？

**安琪拉**: \[问的还挺细\] hash函数是先拿到通过key 的hashcode，是32位的int值，然后让hashcode的高16位和低16位进行异或操作。

![format_png 3][]

**面试官**: 那你知道为什么这么设计吗？

**安琪拉**: \[这也要问\]，这个也叫扰动函数，这么设计有二点原因：

1.  一定要尽可能降低hash碰撞，越分散越好；
2.  算法一定要尽可能高效，因为这是高频操作, 因此采用位运算；

**面试官**: 为什么采用hashcode的高16位和低16位异或能降低hash碰撞？hash函数能不能直接用key的hashcode？

\[这问题有点刁钻\], 安琪拉差点原地?了，恨不得出biubiubiu 二一三连招。

**安琪拉**: 因为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。int值范围为\*\*-2147483648~2147483647\*\*，前后加起来大概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。你想，如果HashMap数组的初始大小才16，用之前需要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。(来自知乎-[胖君][Link 1])

源码中模运算就是把散列值和数组长度-1做一个"与"操作，位运算比%运算要快。

bucketIndex = indexFor(hash, table.length);
    
    static int indexFor(int h, int length) {
         return h & (length-1);
    }

顺便说一下，这也正好解释了为什么HashMap的数组长度要取2的整数幂。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。

10100101 11000100 00100101
    & 00000000 00000000 00001111
    ----------------------------------
      00000000 00000000 00000101    //高位全部归零，只保留末四位

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。更要命的是如果散列本身做得不好，分布上成等差数列的漏洞，如果正好让最后几个低位呈现规律性重复，就无比蛋疼。

时候“扰动函数”的价值就体现出来了，说到这里大家应该猜出来了。看下面这个图，

![img][]

右位移16位，正好是32bit的一半，自己的高半区和低半区做异或，就是为了混合原始哈希码的高位和低位，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。

最后我们来看一下Peter Lawley的一篇专栏文章《An introduction to optimising a hashing strategy》里的的一个实验：他随机选取了352个字符串，在他们散列值完全没有冲突的前提下，对它们做低位掩码，取数组下标。

![img][img 1]

结果显示，当HashMap数组长度为512的时候（ 2^9 29），也就是用掩码取低9位的时候，在没有扰动函数的情况下，发生了103次碰撞，接近30%。而在使用了扰动函数之后只有92次碰撞。碰撞减少了将近10%。看来扰动函数确实还是有功效的。

另外Java1.8相比1.7做了调整，1.7做了四次移位和四次异或，但明显Java 8觉得扰动做一次就够了，做4次的话，多了可能边际效用也不大，所谓为了效率考虑就改成一次了。

下面是1.7的hash代码：

static int hash(int h) {
        h ^= (h >>> 20) ^ (h >>> 12);
        return h ^ (h >>> 7) ^ (h >>> 4);
    }

**面试官**: 看来做过功课，有点料啊！是不是偷偷看了[安琪拉的博客][Link 2], 你刚刚说到1.8对hash函数做了优化，1.8还有别的优化吗？

**安琪拉**: 1.8还有三点主要的优化：

1.  数组+链表改成了数组+链表或红黑树；
2.  链表的插入方式从头插法改成了尾插法，简单说就是插入时，如果数组位置上已经有元素，1.7将新元素放到数组中，原始节点作为新节点的后继节点，1.8遍历链表，将元素放置到链表的最后；
3.  扩容的时候1.7需要对原数组中的元素进行重新hash定位在新数组的位置，1.8采用更简单的判断逻辑，位置不变或索引+旧容量大小；
4.  在插入时，1.7先判断是否需要扩容，再插入，1.8先进行插入，插入完成再判断是否需要扩容；

**面试官**: 你分别跟我讲讲为什么要做这几点优化；

**安琪拉**: 【咳咳，果然是连环炮】

1.  防止发生hash冲突，链表长度过长，将时间复杂度由`O(n)`降为`O(logn)`;
2.  因为1.7头插法扩容时，头插法会使链表发生反转，多线程环境下会产生环；
    
    A线程在插入节点B，B线程也在插入，遇到容量不够开始扩容，重新hash，放置元素，采用头插法，后遍历到的B节点放入了头部，这样形成了环，如下图所示：
    
    ![在这里插入图片描述][format_png 4]
    
    1.7的扩容调用transfer代码，如下所示：
    
        void transfer(Entry[] newTable, boolean rehash) {
          int newCapacity = newTable.length;
          for (Entry<K,V> e : table) {
            while(null != e) {
              Entry<K,V> next = e.next;
              if (rehash) {
                e.hash = null == e.key ? 0 : hash(e.key);
              }
              int i = indexFor(e.hash, newCapacity);
              e.next = newTable[i]; //A线程如果执行到这一行挂起，B线程开始进行扩容
              newTable[i] = e;
              e = next;
            }
          }
        }
3.  扩容的时候为什么1.8 不用重新hash就可以直接定位原节点在新数据的位置呢?
    
    这是由于扩容是扩大为原数组大小的2倍，用于计算数组位置的掩码仅仅只是高位多了一个1，怎么理解呢？
    
    扩容前长度为16，用于计算(n-1) & hash 的二进制n-1为0000 1111，扩容为32后的二进制就高位多了1，为0001 1111。
    
    因为是& 运算，1和任何数 & 都是它本身，那就分二种情况，如下图：原数据hashcode高位第4位为0和高位为1的情况；
    
    第四位高位为0，重新hash数值不变，第四位为1，重新hash数值比原来大16（旧数组的容量）
    
    ![在这里插入图片描述][format_png 5]

**面试官**: 那HashMap是线程安全的吗？

**安琪拉**: 不是，在多线程环境下，1.7 会产生死循环、数据丢失、数据覆盖的问题，1.8 中会有数据覆盖的问题，以1.8为例，当A线程判断index位置为空后正好挂起，B线程开始往index位置的写入节点数据，这时A线程恢复现场，执行赋值操作，就把A线程的数据给覆盖了；还有++size这个地方也会造成多线程同时扩容等问题。

final V putVal(int hash, K key, V value, boolean onlyIfAbsent,
                   boolean evict) {
      Node<K,V>[] tab; Node<K,V> p; int n, i;
      if ((tab = table) == null || (n = tab.length) == 0)
        n = (tab = resize()).length;
      if ((p = tab[i = (n - 1) & hash]) == null)  //多线程执行到这里
        tab[i] = newNode(hash, key, value, null);
      else {
        Node<K,V> e; K k;
        if (p.hash == hash &&
            ((k = p.key) == key || (key != null && key.equals(k))))
          e = p;
        else if (p instanceof TreeNode) // 这里很重要
          e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
        else {
          for (int binCount = 0; ; ++binCount) {
            if ((e = p.next) == null) {
              p.next = newNode(hash, key, value, null);
              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) // 多个线程走到这，可能重复resize()
        resize();
      afterNodeInsertion(evict);
      return null;
    }

**面试官**: 那你平常怎么解决这个线程不安全的问题？

**安琪拉**: Java中有HashTable、Collections.synchronizedMap、以及ConcurrentHashMap可以实现线程安全的Map。

HashTable是直接在操作方法上加synchronized关键字，锁住整个数组，粒度比较大，Collections.synchronizedMap是使用Collections集合工具的内部类，通过传入Map封装出一个SynchronizedMap对象，内部定义了一个对象锁，方法内通过对象锁实现；ConcurrentHashMap使用分段锁，降低了锁粒度，让并发度大大提高。

**面试官**: 那你知道ConcurrentHashMap的分段锁的实现原理吗？

**安琪拉**: 【天啦撸! 俄罗斯套娃，一个套一个】ConcurrentHashMap成员变量使用volatile 修饰，免除了指令重排序，同时保证内存可见性，另外使用CAS操作和synchronized结合实现赋值操作，多线程操作只会锁住当前操作索引的节点。

如下图，线程A锁住A节点所在链表，线程B锁住B节点所在链表，操作互不干涉。

![format_png 6][]

**面试官**: 你前面提到链表转红黑树是链表长度达到阈值，这个阈值是多少？

**安琪拉**: 阈值是8，红黑树转链表阈值为6

**面试官**: 为什么是8，不是16，32甚至是7 ？又为什么红黑树转链表的阈值是6，不是8了呢？

**安琪拉**: 【你去问作者啊！天啦撸，biubiubiu 真想213连招】因为作者就这么设计的，哦，不对，因为经过计算，在hash函数设计合理的情况下，发生hash碰撞8次的几率为百万分之6，概率说话。。因为8够用了，至于为什么转回来是6，因为如果hash碰撞次数在8附近徘徊，会一直发生链表和红黑树的转化，为了预防这种情况的发生。

**面试官**: HashMap内部节点是有序的吗？

**安琪拉**: 是无序的，根据hash值随机插入

**面试官**: 那有没有有序的Map？

**安琪拉**: LinkedHashMap 和 TreeMap

**面试官**: 跟我讲讲LinkedHashMap怎么实现有序的？

**安琪拉**: LinkedHashMap内部维护了一个单链表，有头尾节点，同时LinkedHashMap节点Entry内部除了继承HashMap的Node属性，还有before 和 after用于标识前置节点和后置节点。可以实现按插入的顺序或访问顺序排序。

/** * The head (eldest) of the doubly linked list. */
    transient LinkedHashMap.Entry<K,V> head;
    
    /** * The tail (youngest) of the doubly linked list. */
    transient LinkedHashMap.Entry<K,V> tail;
    //链接新加入的p节点到链表后端
    private void linkNodeLast(LinkedHashMap.Entry<K,V> p) {
      LinkedHashMap.Entry<K,V> last = tail;
      tail = p;
      if (last == null)
        head = p;
      else {
        p.before = last;
        last.after = p;
      }
    }
    //LinkedHashMap的节点类
    static class Entry<K,V> extends HashMap.Node<K,V> {
      Entry<K,V> before, after;
      Entry(int hash, K key, V value, Node<K,V> next) {
        super(hash, key, value, next);
      }
    }

示例代码：

public static void main(String[] args) {
      Map<String, String> map = new LinkedHashMap<String, String>();
      map.put("1", "安琪拉");
      map.put("2", "的");
      map.put("3", "博客");
    
      for(Map.Entry<String,String> item: map.entrySet()){
        System.out.println(item.getKey() + ":" + item.getValue());
      }
    }
    //console输出
    1:安琪拉
    2:的
    3:博客

**面试官**: 跟我讲讲TreeMap怎么实现有序的？

**安琪拉**：TreeMap是按照Key的自然顺序或者Comprator的顺序进行排序，内部是通过红黑树来实现。所以要么key所属的类实现Comparable接口，或者自定义一个实现了Comparator接口的比较器，传给TreeMap用户key的比较。

**面试官**: 前面提到通过CAS 和 synchronized结合实现锁粒度的降低，你能给我讲讲CAS 的实现以及synchronized的实现原理吗？

**安琪拉**: 下一期咋们再约时间，OK？

**面试官**: 好吧，回去等通知吧！

--------------------

回复评论区的几个问题：

1.  @掌心一点微笑: put方法时候，指定位置存在数据->否->存放节点 -> 放入红黑树节点吗？不应该是存放节点->节点数是否大于阈值？这里不懂，求大佬解释  
    这个地方图画的确实有问题，感谢指正，已更新
2.  @海淀好男孩：初始容量不是2的幂会自动改成2的幂那里有些错误吧，50的二进制和下面的无符号右移4位不对啊  
    这里是以50做初始值演示的，先进行-1 操作然后开始二进制运算的

--------------------

**参考资料**

1.  [An introduction to optimising a hashing strategy][]
2.  [JDK 源码中 HashMap 的 hash 方法原理是什么？][JDK _ HashMap _ hash]
3.  [淡腾的枫-HashMap中的hash函数][-HashMap_hash]

作者： [https://blog.csdn.net/zhengwangzw/article/details/104889549][https_blog.csdn.net_zhengwangzw_article_details_104889549]

[format_png]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly8xNjAzNTY1MjkwLW5ibG9nLWRldi5vc3MtY24tYmVpamluZy5hbGl5dW5jcy5jb20vb25lYmxvZy9hcnRpY2xlLzIwMjAwNDA5MjM0OTU4ODc5LnBuZw?x-oss-process=image/format,png
[format_png 1]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly8xNjAzNTY1MjkwLW5ibG9nLWRldi5vc3MtY24tYmVpamluZy5hbGl5dW5jcy5jb20vb25lYmxvZy9hcnRpY2xlLzIwMjAwNDA5MjM1MDAwMDA3LnBuZw?x-oss-process=image/format,png
[format_png 2]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly8xNjAzNTY1MjkwLW5ibG9nLWRldi5vc3MtY24tYmVpamluZy5hbGl5dW5jcy5jb20vb25lYmxvZy9hcnRpY2xlLzIwMjAwNDA5MjM0OTU4MzU1LnBuZw?x-oss-process=image/format,png
[format_png 3]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly8xNjAzNTY1MjkwLW5ibG9nLWRldi5vc3MtY24tYmVpamluZy5hbGl5dW5jcy5jb20vb25lYmxvZy9hcnRpY2xlLzIwMjAwNDA5MjM0OTU5NDA2LnBuZw?x-oss-process=image/format,png
[Link 1]: https://www.zhihu.com/question/20733617/answer/111577937
[img]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly8xNjAzNTY1MjkwLW5ibG9nLWRldi5vc3MtY24tYmVpamluZy5hbGl5dW5jcy5jb20vb25lYmxvZy9hcnRpY2xlLzIwMjAwNDA5MjM1MDAxMzAwLnBuZw?x-oss-process=image/format,png
[img 1]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly8xNjAzNTY1MjkwLW5ibG9nLWRldi5vc3MtY24tYmVpamluZy5hbGl5dW5jcy5jb20vb25lYmxvZy9hcnRpY2xlLzIwMjAwNDA5MjM1MDAwODE4LnBuZw?x-oss-process=image/format,png
[Link 2]: https://mp.weixin.qq.com/mp/profile_ext?action=home&__biz=MzI3ODA0ODkwNA==&scene=124#wechat_redirect
[format_png 4]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly8xNjAzNTY1MjkwLW5ibG9nLWRldi5vc3MtY24tYmVpamluZy5hbGl5dW5jcy5jb20vb25lYmxvZy9hcnRpY2xlLzIwMjAwNDA5MjM1MDAxNTg5LnBuZw?x-oss-process=image/format,png
[format_png 5]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly8xNjAzNTY1MjkwLW5ibG9nLWRldi5vc3MtY24tYmVpamluZy5hbGl5dW5jcy5jb20vb25lYmxvZy9hcnRpY2xlLzIwMjAwNDA5MjM1MDAwMjIwLnBuZw?x-oss-process=image/format,png
[format_png 6]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly8xNjAzNTY1MjkwLW5ibG9nLWRldi5vc3MtY24tYmVpamluZy5hbGl5dW5jcy5jb20vb25lYmxvZy9hcnRpY2xlLzIwMjAwNDA5MjM0OTU5ODAwLnBuZw?x-oss-process=image/format,png
[An introduction to optimising a hashing strategy]: https://www.javacodegeeks.com/2015/09/an-introduction-to-optimising-a-hashing-strategy.html
[JDK _ HashMap _ hash]: https://www.zhihu.com/question/20733617
[-HashMap_hash]: https://www.cnblogs.com/zhengwang/p/8136164.html
[https_blog.csdn.net_zhengwangzw_article_details_104889549]: https://blog.csdn.net/zhengwangzw/article/details/104889549