什么是Hash表
Hash表,也叫散列表,是一种重要的数据结构,这种数据结构提供了Key和Value的映射关系。时间复杂度接近于O(1)
Hash函数
Hash表的本质也是一个数组,那它是怎么把key转换成数组的下标的呢?这里,就通过Hash函数将Key和数组下标进行转换。如图:
Hash冲突
由于数组的长度是有限的,当插入的entry越来越多时,两个不同的元素,通过hash函数获得的下标相同的概率就会越来越大,这种两个下标相同的情况就叫做Hash冲突
Hash冲突解决办法
- 开放寻址法:也叫线性探索。如果hash冲突,则以当前地址为基准,根据在寻址的方法,去寻找下一个地址,知道不冲突为止。前面我们在讲ThreadLocal的时候,它里面的ThreadLocalMap就用到了这种方法
- 再哈希法:顾名思义,就是通过不断的hash函数,直到不冲突为止。布隆过滤器就是用了这种方法
- 链地址法:就是将相同hash值的对象组成一个链表发放到hash值对应的槽位。等会我们要讲到的HashMap底层就是用这种方式解决Hash冲突的。
- 建立一个公共溢出区:把Hash表分成基础表和溢出表,只要是hash冲突的对象都放到溢出表里面
HashMap源码
注意:我会把源码中每个方法的作用都注释出来,可以参考注释进行理解。
我们下来看一下HashMap的构造方法
//负载因子
static final float DEFAULT_LOAD_FACTOR = 0.75f;
//默认数组大小
static final int DEFAULT_INITIAL_CAPACITY = 1 << 4
//数组最大长度
static final int MAXIMUM_CAPACITY = 1 << 30;
public HashMap(int initialCapacity) {
this(initialCapacity, DEFAULT_LOAD_FACTOR);
}
public HashMap(int initialCapacity, float loadFactor) {
if (initialCapacity < 0)
throw new IllegalArgumentException("Illegal initial capacity: " +
//如果传入的容量大于最大长度 initialCapacity);
if (initialCapacity > MAXIMUM_CAPACITY)
//则直接给默认最大容量
initialCapacity = MAXIMUM_CAPACITY;
if (loadFactor <= 0 || Float.isNaN(loadFactor))
throw new IllegalArgumentException("Illegal load factor: " +
loadFactor);
this.loadFactor = loadFactor;
this.threshold = tableSizeFor(initialCapacity);
}
初始化HashMap可以传入容量大小和负载因子两个参数。负载因子默认是0.75,这也是最均衡的设置,一般也不会去修改。
容量大小,HashMap默认是1 << 4,为什么不直接写16呢?因为计算机底层是二进制运算的。
接下来看HashMap对传入容量值做了什么处理
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;
}
先解释一下|=、 >>>(无符号右移) 和 |(或运算)的意思
|=:简单来讲就是 或运算后再赋值
无符号右移:向右移,高位补0
或运算:一个为1,其值为1,否则为0
我们通过一个例子来解释一下:
- 假设cap=65,则n=1000000(二进制)
- n |= n >>> 1 //n先向右移1位变成0100000,然后与n进行或运算,0100000|1000000=1100000,最后赋值给n
- n |= n >>> 2 同上,1100000右移2位变为0011000,然后1100000|0011000=1111000,赋值给n
- …
- 最后n就变成了111111,加上1之后就变成2的6次幂
以此类推,通过tableSizeFor方法,最终会得到一个2的次幂的一个数。
为什么一定要数组的长度是2的次幂呢?
因为2的次幂数减一之后的二进制都是类似于1111这样的,在&(与)运算中,得到的值就只会与hash值有关,如果是11110这样的数,那&(与)运算后,最后一个数就只能0,这样就大大加大了重复的概率。
put()
public V put(K key, V value) {
return putVal(hash(key), key, value, false, true);
}
我们先看hash(key)方法,看它是如何处理的
static final int hash(Object key) {
int h;
return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}
我们先来搞清楚^(异或运算)、>>>(无符号右移)、&(与运算)、|(或运算)
异或运算:两个相同为0,不同则为1,所以0和1的概率都是50%
无符号右移:向右移,高位补0
与运算:两个同时为1,则为1,否则为0
或运算:一个为1,其值为1,否则为0
那这里的意思就是讲hashCode值得低16位^高16位。
为什么不直接返回hashCode值呢?
因为HashMap底层数组默认大小是16(二进制为01111),如果我们直接用hashCode&(16-1),那结果也只与后4位有关,与前28位都没关系,这样就大大加大了hash冲突的概率,为了能够尽可能充分运用到32位,将冲突概率大大降低,所以通过^(异或运算)得到一个完全分散的16位二进制数。
为什么使用^(异或运算)而不是用&(与运算)和|(或运算)呢?
因为只有^(异或运算)得到0和1的概率都是50%,其他两种运算得到是25%和75%
我们接着往下看
final V putVal(int hash, K key, V value, boolean onlyIfAbsent,
boolean evict) {
Node<K,V>[] tab; Node<K,V> p; int n, i;
//如果数组为空
if ((tab = table) == null || (n = tab.length) == 0)
//初始化数组,并返回默认数组的长度
n = (tab = resize()).length;
//获取数组下标
//如果当前下标位置为null
if ((p = tab[i = (n - 1) & hash]) == null)
//直接赋值
tab[i] = newNode(hash, key, value, null);
else {
Node<K,V> e; K k;
//hash相等,且key值也相等
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
//将当前节点node赋值给e
e = p;
//如果该位置的node节点的类型是红黑树类型
else if (p instanceof TreeNode)
//进行红黑树插入
e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
else {
//接下来就是链表类型
//循环链表,并记录链表的长度binCount
for (int binCount = 0; ; ++binCount) {
//循环,找到next为空的节点,也就是尾节点,插入到尾节点后面
if ((e = p.next) == null) {
p.next = newNode(hash, key, value, null);
//如果链表长度大于TREEIFY_THRESHOLD-1 ,也就是7,因为binCount 是从0开始
if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st
//转成红黑树
treeifyBin(tab, hash);
break;
}
//如果链表中有hash值相等,且key相等,循环结束
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
break;
//将next的节点赋值给p,接着循环链表的下一个节点
p = e;
}
}
//e一般是hash值相等,且key值相等的node
if (e != null) {
// existing mapping for key
V oldValue = e.value;
if (!onlyIfAbsent || oldValue == null)
//用新的value替换旧的value
e.value = value;
//在HashMap里面什么都不做
afterNodeAccess(e);
return oldValue;
}
}
++modCount;
//如果数组长度大于阈值
if (++size > threshold)
//数组扩容
resize();
//在HashMap里面什么都不做
afterNodeInsertion(evict);
return null;
}
里面是一个Node数组,我们先来看看Node结构
static class Node<K,V> implements Map.Entry<K,V> {
final int hash;//hash值
final K key;//key
V value; //value
Node<K,V> next;//下一个节点
...
}
存放了key、value的值,还有下一个节点的Node对象
当数组为空时,就要通过resize方法初始化一个默认长度16的Node数组
resize方法我们会单独拿出来讲解,这里先不详叙。
接下来就是(n - 1) & hash运算获得node数组的下标
为什么没有用%(取模运算)呢?
因为& 是位运算符,效率更高
接下来,就要去判断这个下标下是否有值:
- 如果tab[i]==null,表示这个位置没值,则直接赋值
- 如果该node的hash值与即将插入的node的hash相等且key值也完全相等,则将当前位置上的node赋值给新的变量e,最后去处理e,即将e的value替换成新的value值
- 判断该位置的node是不是红黑树类型,如果是,则交给红黑树添加node
- 最后就是链表类型,遍历链表,将节点加载到尾节点后面。如果链表的长度大于8,则转换成红黑树
最后判断数组的大小是否大于阈值DEFAULT_LOAD_FACTOR(负载因子) * DEFAULT_INITIAL_CAPACITY(数组容量)
如果大于,则需要调用resize方法扩容
我们再来看看链表是如何转成红黑树的
final void treeifyBin(Node<K,V>[] tab, int hash) {
int n, index; Node<K,V> e;
//判断tab数组是否为空
//table长度是否小于MIN_TREEIFY_CAPACITY,默认是64
if (tab == null || (n = tab.length) < MIN_TREEIFY_CAPACITY)
//数组扩容,导致链表变短,不用转成红黑树
resize();
//如果给定的hash冲突了,则创建红黑树结构
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);
}
}
在创建之前,还判断的数组的大小不能小于64(MIN_TREEIFY_CAPACITY),因为创建红黑树很消耗性能,所以给了一直值作为限定
resize()
我们再来看看它是如何扩容,并重新赋值的:
final Node<K,V>[] resize() {
Node<K,V>[] oldTab = table;
int oldCap = (oldTab == null) ? 0 : oldTab.length;
int oldThr = threshold;
int newCap, newThr = 0;
//如果老数组容量大于0
if (oldCap > 0) {
//如果容量大于最大值
if (oldCap >= MAXIMUM_CAPACITY) {
threshold = Integer.MAX_VALUE;
//直接返回老数组,不再扩容
return oldTab;
}
//oldCap << 1 向左移以为,相当于*2
//如果老的容量*2 小于最大容量 , 且老的容量大于等于默认容量
//这是为了防止扩容后的容量不能大于最大容量
else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&
oldCap >= DEFAULT_INITIAL_CAPACITY)
//将阈值*2,扩容
newThr = oldThr << 1; // double threshold
}
//如果老的阈值大于0
else if (oldThr > 0) // initial capacity was placed in threshold
//将老阈值给新容量
newCap = oldThr;
else {
// zero initial threshold signifies using defaults
//初始化
//默认容量大小
newCap = DEFAULT_INITIAL_CAPACITY;
//默认阈值 (0.75*16)
newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);
}
if (newThr == 0) {
// 使用新的容量 * 负载因子(0.75)
float ft = (float)newCap * loadFactor;
// 如果新的容量小于最大容量 且 阀值小于最大 则新阀值等于刚刚计算的阀值,
//否则新阀值为 int 最大值
newThr = (newCap < MAXIMUM_CAPACITY && ft < (float)MAXIMUM_CAPACITY ?
(int)ft : Integer.MAX_VALUE);
}
//更新阈值
threshold = newThr;
@SuppressWarnings({
"rawtypes","unchecked"})
//初始化node数组
Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap];
table = newTab;
//当老数组不为空时,开始转移数据
if (oldTab != null) {
//循环老数组
for (int j = 0; j < oldCap; ++j) {
Node<K,V> e;
//老数组当前下标不为空
if ((e = oldTab[j]) != null) {
//先清空老数组的内容,便于gc
oldTab[j] = null;
//判断是不是只有一个node值
if (e.next == null)
//如果只有node,直接通过重新定位,赋值
newTab[e.hash & (newCap - 1)] = e;
//如果当前节点是红黑树
else if (e instanceof TreeNode)
//调用红黑树的split方法,传入当前对象,新数组,当前下标,老数组的容量,
//目的是将树的数据重新散列到数组中,达到删减红黑树,以至于将红黑树重新变为链表
((TreeNode<K,V>)e).split(this, newTab, j, oldCap);
else {
//链表
Node<K,V> loHead = null, loTail = null;
Node<K,V> hiHead = null, hiTail = null;
Node<K,V> next;
do {
//当前节点的下一个节点
next = e.next;
//判断该节点在新数组的位置是否和老数组的一样
if ((e.hash & oldCap) == 0) {
if (loTail == null)
//给链头赋值
loHead = e;
else
//否则加入到链尾
loTail.next = e;
//将节点赋值给链尾,方便下一次循环
loTail = e;
}
//该节点的位置是在原来位置的基础上+原来数组的容量
else {
//逻辑同上
if (hiTail == null)
hiHead = e;
else
hiTail.next = e;
hiTail = e;
}
} while ((e = next) != null);
if (loTail != null) {
//清空节点,帮助gc
loTail.next = null;
newTab[j] = loHead;
}
if (hiTail != null) {
hiTail.next = null;
newTab[j + oldCap] = hiHead;
}
}
}
}
}
return newTab;
}
将上面的逻辑整理一下,分为两个各部分
第一部分,初始化新的数组:
- 如果老数组容量大于0
- 如果大于系统默认的最大值,则将阈值设置为Integer的最大值,并将老数组返回
- 如果老的容量乘以 2 小于最大容量,且老的容量大于等于16,则更新阀值。也就是乘以2
- 如果老的阀值大于0,则将老阈值给新的容量
- 如果老容量和老阈值都小于等于0,则将默认值赋值给新容量和新阈值
- 如果新的阀值还是0,那么就新容量,通过乘以 0.75,得到一个阀值,然后判断算出的阀值是否合法:如果容量小于最大容量并且阀值小于最大容量,那么则使用该阀值,否则使用 int 最大值。
- 更新新的阈值,并通过新的容量重新new一个新的数组
第二部分,就是将老的数组上的值转移到新的数组上:
- 循环遍历老数组,如果当前节点不是链表也不是红黑树,hash & (newCap - 1)重新分配
- 如果当前节点是红黑树类型,调用红黑树的split方法,重新排列,如果红黑树的节点数少于默认值6,则将红黑树重新变为链表
- 如果当前节点是链表类型,判断(hash & oldCap) == 0
- 如果等于0,表示该节点在新数组的位置和老数组的一样
- 如果不等0,表示该节点的位置是在原来位置的基础上+原来数组的容量
- 最后,返回新的数组
这对于(hash & oldCap) == 0这个的判断逻辑,我们通过一张图来解释一下:
与JDK7的区别优化
实现方式
jdk7使用的是数组+链表来实现,而jdk8使用数组+链表+红黑树实现。采用红黑树是为了防止链越来越长导致查询效率越来越低的问题。链表查询时间复杂度:O(n),红黑树查询时间复杂度:O(logN)
新节点插入链表顺序
jdk7插入在头部,jdk8插入在尾部,这也是为了方便去判断链表的长度,从而判断是否转成红黑树
hash算法
jdk8的hash算法有所简化,因为采用了红黑树,所以没有必要采用jdk7那种比较复杂的hash算法
扩容机智
jdk7会循环遍历链表,用 next 取得要转移那个元素的下一个,因为使用头插法插入节点,所以元素的位置在链表中的物理体现是跟之前反着的,从而造成在多线程操作同一个链表的时候容易造成闭合
而jdk8采用的是尾插法,避免了闭合问题
总结
- 无论如何设置初始容量,HashMap都会将它变为2的次幂,当容量大于capacity*0.75,将会发生扩容,且容量是原来的两倍
- HashMap默认负载因子为0.75
- 如果链表的长度大于8,且数组容量小于64,则会发生扩容,否则,转变成红黑树
- 如果红黑树在经过扩容后的重新分配,导致红黑树小于6,则会将红黑树重新变为链表
- 链表在扩容重新分配时,会重新分配两个下标,一个是以前的下标,一个是以前的下标+以前的数组容量