JDK容器与并发—Map—HashMap

概述

      基于数组+单链表优点构造的Map，非线程安全。

1）实现原理等效于Hashtable，Hashtable虽然为线程安全的，但由于其读写方法均为synchronized，并发效率低；

2）在哈希函数哈希合理情况下，基础操作get、put等为固定时间；容器视图迭代器的遍历时间与（table数组长度+所有bucket包含的键值对数）成比例；

3）影响性能的两个参数：初始容量、负载因子：容量为table数组长度（即bucket数）；负载因子为权衡HashMap在时间成本与内存空间成本中的参数，默认为0.75，太大则会增加内存开销、减少遍历时间；负载阈值为容量*负载因子，当键值对数达到量负载阈值时，容量会调整增加一倍，进行重哈希；需要设置合理的初始容量及负载因子，尽量避免重哈希；

4）迭代器fail-fast；

数据结构

      数组+单链表：

transient Entry<K,V>[] table = (Entry<K,V>[]) EMPTY_TABLE;
static class Entry<K,V> implements Map.Entry<K,V> {
final K key;
V value;
Entry<K,V> next;
int hash;

Entry(int h, K k, V v, Entry<K,V> n) {
value = v;
next = n;
key = k;
hash = h;
}
}

构造器

// 指定初始容量、负载因子构造
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;
threshold = initialCapacity;
init();
}

// 指定初始容量，采用默认负载因子0.75
public HashMap(int initialCapacity) {
this(initialCapacity, DEFAULT_LOAD_FACTOR);
}

// 无参构造：默认初始容量16，默认负载因子0.75
public HashMap() {
this(DEFAULT_INITIAL_CAPACITY, DEFAULT_LOAD_FACTOR);
}

// 带Map参数构造，初始容量足够容下m键值对，采用默认负载因子，将m键值对加进来
public HashMap(Map<? extends K, ? extends V> m) {
this(Math.max((int) (m.size() / DEFAULT_LOAD_FACTOR) + 1,
DEFAULT_INITIAL_CAPACITY), DEFAULT_LOAD_FACTOR);
inflateTable(threshold);

putAllForCreate(m);
}

增删改查

table容量调整策略

1）当HashMap中键值对数达到负载阈值则对其table进行容量调整，table容量翻倍；

2）table最大容量为MAXIMUM_CAPACITY = 1 << 30；

3）table容量达到MAXIMUM_CAPACITY 后，如果有resize请求，则仅仅将负载阈值调整为Integer.MAX_VALUE，不会产生新的table，不会控制键值对的添加；

4）若table resize过程中产生新的table，需要将旧table关联的键值对重新在新table中确定bucket，再添加进来，也就是所说的hash table rehash。

// 将带有指定的key、value、hash code的entry添加到bucketIndex指定的bucket
void addEntry(int hash, K key, V value, int bucketIndex) {
// HashMap中键值对数达到负载阈值则对其进行容量调整
if ((size >= threshold) && (null != table[bucketIndex])) {
resize(2 * table.length); // table容量翻倍
hash = (null != key) ? hash(key) : 0;
bucketIndex = indexFor(hash, table.length);
}

createEntry(hash, key, value, bucketIndex);
}

// table扩展，且将旧table中的键值对在新table中重新确定bucket，再添加进来
// table最大容量为MAXIMUM_CAPACITY，之后如果有新的键值对添加，不会控制
void resize(int newCapacity) {
Entry[] oldTable = table;
int oldCapacity = oldTable.length;
if (oldCapacity == MAXIMUM_CAPACITY) {
threshold = Integer.MAX_VALUE; // 仅仅调整阈值为Integer.MAX_VALUE
return;
}

Entry[] newTable = new Entry[newCapacity]; // 新table
transfer(newTable, initHashSeedAsNeeded(newCapacity));
table = newTable;
// 相应地调整负载阈值
threshold = (int)Math.min(newCapacity * loadFactor, MAXIMUM_CAPACITY + 1);
}

void transfer(Entry[] newTable, boolean rehash) {
int newCapacity = newTable.length;
for (Entry<K,V> e : table) { // table数组遍历
while(null != e) { // 每一个bucket遍历
Entry<K,V> next = e.next;
if (rehash) {
e.hash = null == e.key ? 0 : hash(e.key);
}
int i = indexFor(e.hash, newCapacity); // 重新确定bucket
e.next = newTable[i]; // 在bucket首位添加
newTable[i] = e;
e = next;
}
}
}

// 根据key、value、hash创建Entry，在bucketIndex位置的bucket首位添加
void createEntry(int hash, K key, V value, int bucketIndex) {
Entry<K,V> e = table[bucketIndex];
table[bucketIndex] = new Entry<>(hash, key, value, e);
size++;
}

增、改

      步骤：

1）根据key的hashCode获取hash码；

2）用hash码确定bucketIndex；

3）先遍历bucket中键值对，确定是否已有相等key的，有则替换新value后返回；否则用key、value、hash创建Entry，将其链接到bucket首位。

public V put(K key, V value) {
if (table == EMPTY_TABLE) { // table还没有初始化
inflateTable(threshold);
}
if (key == null)
return putForNullKey(value); // 约定：当key为null时，对应bucketIndex为0
int hash = hash(key); // 根据key的hashCode获取hash码
int i = indexFor(hash, table.length);// 确定bucketIndex
for (Entry<K,V> e = table[i]; e != null; e = e.next) { // 遍历bucket是否存在相等key的键值对
Object k;
// hash相同且（key相同或相等）则存在
if (e.hash == hash && ((k = e.key) == key || key.equals(k))) {
V oldValue = e.value;
e.value = value; // 替换新value
e.recordAccess(this);
return oldValue; // 返回旧的value，该value也有可能为null
}
}

modCount++; // fail-fast控制
addEntry(hash, key, value, i);
return null; // null表明新增了键值对（一般尽量避免在HashMap中用null的key或value）
}

// 初始化table
private void inflateTable(int toSize) {
// Find a power of 2 >= toSize
int capacity = roundUpToPowerOf2(toSize);

// 初始化负载阈值，超过则重哈希
threshold = (int) Math.min(capacity * loadFactor, MAXIMUM_CAPACITY + 1);
table = new Entry[capacity];
initHashSeedAsNeeded(capacity);
}

// 对key的hashCode进行再次哈希，对其低位进一步散列
// 由于table length为2的幂次方，所以对那些低位相同的hashCode，用indexFor函数容易产生hash碰撞；
final int hash(Object k) {
int h = hashSeed;
if (0 != h && k instanceof String) {
return sun.misc.Hashing.stringHash32((String) k);
}

h ^= k.hashCode();

// This function ensures that hashCodes that differ only by
// constant multiples at each bit position have a bounded
// number of collisions (approximately 8 at default load factor).
h ^= (h >>> 20) ^ (h >>> 12);
return h ^ (h >>> 7) ^ (h >>> 4);
}

// 根据hash值找bucketIndex
static int indexFor(int h, int length) {
// assert Integer.bitCount(length) == 1 : "length must be a non-zero power of 2";
return h & (length-1);
}

删

      步骤：

1）根据key的hashCode获取hash码；

2）用hash码确定bucketIndex；

3）遍历bucket中键值对，删除指定key的Entry，若存在，则返回该Entry；否则返回null。

// 删除指定key的键值对
// 如果存在，则返回关联的value（可能为null，尽量避免）；否则返回null
public V remove(Object key) {
Entry<K,V> e = removeEntryForKey(key);
return (e == null ? null : e.value);
}

// 删除关联key的Entry
// 若存在，则返回该Entry；否则返回null
final Entry<K,V> removeE
4000
ntryForKey(Object key) {
if (size == 0) {
return null;
}
int hash = (key == null) ? 0 : hash(key); // 根据key的hashCode获取hash码
int i = indexFor(hash, table.length); // 用hash码确定bucketIndex
Entry<K,V> prev = table[i];
Entry<K,V> e = prev;
// 遍历bucket中键值对，若存在则删除
while (e != null) {
Entry<K,V> next = e.next;
Object k;
// hash相同且（key相同或相等）则存在
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k)))) {
modCount++;
size--;
if (prev == e) // e为bucket链表首节点
table[i] = next;
else
prev.next = next;
e.recordRemoval(this);
return e;
}
prev = e;
e = next;
}

return e;
}

查

      步骤：

1）根据key的hashCode获取hash码；

2）用hash码确定bucketIndex；

3）遍历bucket中键值对，若存在指定key关联的Entry，则返回关联的value（可能为null，应该尽量避免）；否则返回null

// 获取指定key关联的value。若存在，则返回关联的value（可能为null，应该尽量避免）；否则返回null
public V get(Object key) {
if (key == null)
return getForNullKey();
Entry<K,V> entry = getEntry(key);

return null == entry ? null : entry.getValue();
}

final Entry<K,V> getEntry(Object key) {
if (size == 0) {
return null;
}

int hash = (key == null) ? 0 : hash(key);
for (Entry<K,V> e = table[indexFor(hash, table.length)];
e != null;
e = e.next) {
Object k;
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
return e;
}
return null;
}

迭代器

      基础Iterator为HashIterator，KeyIterator、ValueIterator、EntryIterator都继承于它。迭代器在遍历过程中，是对table数组，每一个bucket，从头至尾的遍历，会遍历到每一个Entry：

private abstract class HashIterator<E> implements Iterator<E> {
Entry<K,V> next;        // next entry to return
int expectedModCount;   // For fast-fail
int index;              // current slot
Entry<K,V> current;     // current entry

HashIterator() {
expectedModCount = modCount;
if (size > 0) { // advance to first entry
Entry[] t = table;
while (index < t.length && (next = t[index++]) == null)
;
}
}

public final boolean hasNext() {
return next != null;
}

final Entry<K,V> nextEntry() {
if (modCount != expectedModCount)
throw new ConcurrentModificationException();
Entry<K,V> e = next;
if (e == null)
throw new NoSuchElementException();

if ((next = e.next) == null) {
Entry[] t = table;
while (index < t.length && (next = t[index++]) == null)
;
}
current = e;
return e;
}

public void remove() {
if (current == null)
throw new IllegalStateException();
if (modCount != expectedModCount)
throw new ConcurrentModificationException();
Object k = current.key;
current = null;
HashMap.this.removeEntryForKey(k);
expectedModCount = modCount;
}
}

特性

解决hash碰撞

1）HashMap的table数组的长度为2的幂次方；

2）hash(Object k)函数是对key的hashCode再次哈希，对其低位进一步散列；

3）基于1）2），采用indexFor(int h, int length)函数，用单链表解决key的hashCode的hash碰撞问题。

如何利用数组和单链表的优势？

增删改查的步骤一般有三步：

1）根据key的hashCode获取hash码；

2）用hash码确定bucketIndex；

3）遍历bucket；

其中1）2）利用数组高效随机访问的优点找到bucket；3）利用单链表动态增删的优点。