HashMap是如何工作的

2019-04-12 本文已影响0人程序员BUG

一、HashMap在JAVA中的怎么工作的？

基于Hash的原理

二、什么是哈希？

最简单形式的hash，是一种在对任何变量/对象的属性应用任何公式/算法后，为其分配唯一代码的方法。

一个真正的hash方法必须遵循下面的原则

哈希函数每次在相同或相等的对象上应用哈希函数时, 应每次返回相同的哈希码。换句话说, 两个相等的对象必须一致地生成相同的哈希码。

Java 中所有的对象都有Hash方法。

Java中的所有对象都继承 Object 类中定义的 hashCode() 函数的默认实现。此函数通常通过将对象的内部地址转换为整数来生成哈希码，从而为所有不同的对象生成不同的哈希码。

三、HashMap 中的 Node 类

Map的定义是：将键映射到值的对象。

因此，HashMap 中必须有一些机制来存储这个键值对。答案是肯的。 HashMap 有一个内部类 Node，如下所示：

当然，Node 类具有存储为属性的键和值的映射。 key 已被标记为 final，另外还有两个字段：next 和 hash。

在下面中，我们将会理解这些属性的必须性。

四、键值对在 HashMap中是如何存储的

键值对在 HashMap 中是以 Node 内部类的数组存放的，如下所示：

transient Node[] table;

哈希码计算出来之后，会转换成该数组的下标，在该下标中存储对应哈希码的键值对，在此先不详细讲解hash碰撞的情况。

该数组的长度始终是2的次幂，通过以下的函数实现该过程

其原理是将传入参数 (cap) 的低二进制全部变为1，最后加1即可获得对应的大于 cap 的 2 的次幂作为数组长度。

为什么要使用2的次幂作为数组的容量呢？

在此有涉及到 HashMap 的 hash 函数及数组下标的计算，键(key)所计算出来的哈希码有可能是大于数组的容量的，那怎么办？可以通过简单的求余运算来获得，但此方法效率太低。HashMap中通过以下的方法保证 hash 的值计算后都小于数组的容量。

(n - 1) & hash

这也正好解释了为什么需要2的次幂作为数组的容量。由于n是2的次幂，因此，n-1类似于一个低位掩码。通过与操作，高位的hash值全部归零，保证低位才有效从而保证获得的值都小于n。

同时，在下一次 resize() 操作时，重新计算每个 Node 的数组下标将会因此变得很简单，具体的后文讲解。以默认的初始值16为例

01010011 00100101 01010100 00100101

& 00000000 00000000 00000000 00001111

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

00000000 00000000 00000000 00000101 //高位全部归零，只保留末四位

// 保证了计算出的值小于数组的长度 n

但是，使用了该功能之后，由于只取了低位，因此 hash 碰撞会也会相应的变得很严重。这时候就需要使用「扰动函数」

static final int hash(Object key) {

int h;

return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);

}

该函数通过将哈希码的高16位的右移后与原哈希码进行异或而得到，以上面的例子为例

此方法保证了高16位不变，低16位根据异或后的结果改变。计算后的数组下标将会从原先的5变为0。

使用了「扰动函数」之后， hash 碰撞的概率将会下降。有人专门做过类似的测试，虽然使用该「扰动函数」并没有获得最大概率的避免 hash 碰撞，但考虑其计算性能和碰撞的概率， JDK 中使用了该方法，且只hash一次。

五、哈希碰撞及其处理

在理想的情况下，哈希函数将每一个 key 都映射到一个唯一的 bucket，然而，这是不可能的。哪怕是设计在良好的哈希函数，也会产生哈希冲突。

前人研究了很多哈希冲突的解决方法，在维基百科中，总结出了四大类

在 Java 的 HashMap 中，采用了第一种 Separate chaining 方法(大多数翻译为拉链法)+链表和红黑树来解决冲突。

在 HashMap 中，哈希碰撞之后会通过 Node 类内部的成员变量 Node<K,V> next; 来形成一个链表(节点小于8)或红黑树（节点大于8，在小于6时会从新转换为链表），从而达到解决冲突的目的。

static final int TREEIFY_THRESHOLD = 8;

static final int UNTREEIFY_THRESHOLD = 6;

六、HashMap 的初始化

public HashMap();

public HashMap(int initialCapacity);

public HashMap(Map m);

public HashMap(int initialCapacity, float loadFactor);

HashMap 中有四个构造函数，大多是初始化容量和负载因子的操作。以 public HashMap(int initialCapacity, float loadFactor) 为例

通过该函数进行了容量和负载因子的初始化，如果是调用的其他的构造函数，则相应的负载因子和容量会使用默认值（默认负载因子=0.75，默认容量=16）。在此时，还没有进行存储容器 table 的初始化，该初始化要延迟到第一次使用时进行。

七、HashMap 中哈希表的初始化或动态扩容

所谓的哈希表，指的就是下面这个类型为内部类Node的 table 变量。

transient Node[] table;

作为数组，其在初始化时就需要指定长度。在实际使用过程中，我们存储的数量可能会大于该长度，因此 HashMap 中定义了一个阈值参数(threshold)，在存储的容量达到指定的阈值时，需要进行扩容。

我个人认为初始化也是动态扩容的一种，只不过其扩容是容量从 0 扩展到构造函数中的数值（默认16）。而且不需要进行元素的重hash.

7.1 扩容发生的条件

初始化的话只要数值为空或者数组长度为 0 就会进行。而扩容是在元素的数量大于阈值（threshold）时就会触发。

threshold = loadFactor * capacity

比如 HashMap 中默认的 loadFactor=0.75, capacity=16, 则

threshold = loadFactor * capacity = 0.75 * 16 = 12

那么在元素数量大于 12 时，就会进行扩容。扩容后的 capacity 和 threshold 也会随之而改变。

负载因子影响触发的阈值，因此，它的值较小的时候，HashMap 中的 hash 碰撞就很少，此时存取的性能都很高，对应的缺点是需要较多的内存；而它的值较大时，HashMap 中的 hash 碰撞就很多，此时存取的性能相对较低，对应优点是需要较少的内存；不建议更改该默认值，如果要更改，建议进行相应的测试之后确定。

7.2 再谈容量为2的整数次幂和数组索引计算

前面说过了数组的容量为 2 的整次幂，同时，数组的下标通过下面的代码进行计算

index = (table.length - 1) & hash

该方法除了可以很快的计算出数组的索引之外，在扩容之后，进行重 hash 时也会很巧妙的就可以算出新的 hash 值。由于数组扩容之后，容量是现在的 2 倍，扩容之后 n-1 的有效位会比原来多一位，而多的这一位与原容量二进制在同一个位置。示例