【Java并发】- ConcurrentHashMap原理解析(JDK1.8)
2017-06-15 16:05
1101 查看
ConcurrentHashMap概述
在JDK1.8中ConcurrentHashMap的实现方式或者说实现思想相比之前的版本已经相差了很大了,在JDK1.8之前ConcurrentHashMap是采用的是Segment(分段锁)的方式,而JDK1.8中的ConcurrentHashMap则摒弃了原来的做法,同时沿用了JDK1.8中的HashMap的数组+链表+红黑树的方式,同时大量的使用了java并发包作者非常多用的Unsafe里面的方法,也就是利用CAS的思想来实现,虽然已网上已经有了很多优秀的分析,但是为了加深印象还是自己写一下。参考JDK1.8中的HashMap原理
数据构成
ConcurrentHashMap与HashMap的内部数据结构与HashMap的思想基本一致,都是使用的数组+链表+红黑树的,但是相比之下ConcurrentHashMap也有一些改动,比如ConcurrentHashMap的树结构并不是像HashMap那样直接链上TreeNode节点而是在内部定义了一个TreeBin的类来作为容器去包含了这些树节点,也就是说实际存放在数组上的对象是TreeBin而不是TreeNode,同时TreeNode也承担了红黑树的构造的工作。并发
ConcurrentHashMap的数据的插入与删除等的基本流程和HashMap基本一致,在线程安全方面ConcurrentHashMap使用了CAS方式加上synchronized关键字而synchronizez使用的锁则是当前数组中需要加入的位置对应的数组元素,也就是“动哪儿锁哪儿”。所以并发上面性能也很好。在HashMap中有一个很头疼的resize扩容很慢的问题也得到了解决,ConcurrentHashMap允许多个线程并发的去进行resize操作,这样大大的提高了效率。
源码解析
由于许多内容是和HashMap相同的,说明的会适当的简略一些。重要的属性
//多线程扩容的时候单个线程负责的table中的元素个数 private static final int MIN_TRANSFER_STRIDE = 16; private static int RESIZE_STAMP_BITS = 16; private static final int MAX_RESIZERS = (1 << (32 - RESIZE_STAMP_BITS)) - 1; private static final int RESIZE_STAMP_SHIFT = 32 - RESIZE_STAMP_BITS; static final int MOVED = -1; // hash for forwarding nodes ForwardNode的hash值 static final int TREEBIN = -2; // hash for roots of trees //TreeBin节点的的hash值 static final int RESERVED = -3; // hash for transient reservations //ReservationNode节点的的hash值 static final int HASH_BITS = 0x7fffffff; // usable bits of normal node hash //用于计算hash值 //获取可用的CPU数 static final int NCPU = Runtime.getRuntime().availableProcessors(); //数组 transient volatile Node<K,V>[] table; //只有在进行扩容的时候使用 private transient volatile Node<K,V>[] nextTable; /* 当是负数的时候表示正在初始化或者resize * 当是-1的时候表示正在初始化 * -N 表示有N-1个线程正在进行resize */ private transient volatile int sizeCtl; //用于多线程一起扩容的时候记录位置 private transient volatile int transferIndex;
其中的sizeCtl变量的出镜率很高。用于控制并发resize的时候的线程。
节点
Node节点
static class Node<K,V> implements Map.Entry<K,V> { final int hash; final K key; //这里与HashMap不同的是val和next被定义为了volatile volatile V val; volatile Node<K,V> next; Node(int hash, K key, V val, Node<K,V> next) { this.hash = hash; this.key = key; this.val = val; this.next = next; } public final K getKey() { return key; } public final V getValue() { return val; } public final int hashCode() { return key.hashCode() ^ val.hashCode(); } public final String toString(){ return key + "=" + val; } //不允许setValue(与HashMap不同) public final V setValue(V value) { throw new UnsupportedOperationException(); } public final boolean equals(Object o) { Object k, v, u; Map.Entry<?,?> e; return ((o instanceof Map.Entry) && (k = (e = (Map.Entry<?,?>)o).getKey()) != null && (v = e.getValue()) != null && (k == key || k.equals(key)) && (v == (u = val) || v.equals(u))); } //定义了find方法用于辅助map.get()方法 Node<K,V> find(int h, Object k) { Node<K,V> e = this; if (k != null) { do { K ek; if (e.hash == h && ((ek = e.key) == k || (ek != null && k.equals(ek)))) return e; } while ((e = e.next) != null); } return null; } }
这里与HashMap不同的是使用volatile标识了val和next,是的val和next的读/写具备了原子性,可以配合CAS一起使用。
TreeNode
TreeNode和HashMap基本差不多。TreeBin
static final class TreeBin<K,V> extends Node<K,V> { TreeNode<K,V> root; volatile TreeNode<K,V> first; volatile Thread waiter; volatile int lockState; // values for lockState static final int WRITER = 1; // set while holding write lock static final int WAITER = 2; // set when waiting for write lock static final int READER = 4; // increment value for setting read lock //构造红黑树 TreeBin(TreeNode<K,V> b) { super(TREEBIN, null, null, null); this.first = b; TreeNode<K,V> r = null; for (TreeNode<K,V> x = b, next; x != null; x = next) { next = (TreeNode<K,V>)x.next; x.left = x.right = null; if (r == null) { x.parent = null; x.red = false; r = x; } else { K k = x.key; int h = x.hash; Class<?> kc = null; for (TreeNode<K,V> p = r;;) { int dir, ph; K pk = p.key; if ((ph = p.hash) > h) dir = -1; else if (ph < h) dir = 1; else if ((kc == null && (kc = comparableClassFor(k)) == null) || (dir = compareComparables(kc, k, pk)) == 0) dir = tieBreakOrder(k, pk); TreeNode<K,V> xp = p; if ((p = (dir <= 0) ? p.left : p.right) == null) { x.parent = xp; if (dir <= 0) xp.left = x; else xp.right = x; r = balanceInsertion(r, x); break; } } } } this.root = r; assert checkInvariants(root); } //。。。。
TreeBin在构造函数直接根据传入的TreeNode节点(一个TreeNode链表的头节点)来构造出红黑树,并且大量属性都用的volatile标识。
ForwardingNode
ForwardingNode是仅仅在resize的时候线程对某个位置替换成ForwardingNode节点表示已经有某个线程已经在对这个位置进行了操作,从而新线程将跳过这个节点往后面查找可以操作的节点。static final class ForwardingNode<K,V> extends Node<K,V> { final Node<K,V>[] nextTable; ForwardingNode(Node<K,V>[] tab) { super(MOVED, null, null, null); this.nextTable = tab; } Node<K,V> find(int h, Object k) { // loop to avoid arbitrarily deep recursion on forwarding nodes outer: for (Node<K,V>[] tab = nextTable;;) { Node<K,V> e; int n; if (k == null || tab == null || (n = tab.length) == 0 || (e = tabAt(tab, (n - 1) & h)) == null) return null; for (;;) { int eh; K ek; if ((eh = e.hash) == h && ((ek = e.key) == k || (ek != null && k.equals(ek)))) return e; if (eh < 0) { if (e instanceof ForwardingNode) { tab = ((ForwardingNode<K,V>)e).nextTable; continue outer; } else return e.find(h, k); } if ((e = e.next) == null) return null; } } } }
可以看到ForwardingNode继承自Node但是实际上只有hash值一个属性,同时hash值使用的是MOVED(-1),同时还包含了一个属性nextTble指向下一个数组,同时还定义了一个find方法从nextTble总查询。
重要方法
三个核心操作
//获取i位置上的节点 static final <K,V> Node<K,V> tabAt(Node<K,V>[] tab, int i) { return (Node<K,V>)U.getObjectVolatile(tab, ((long)i << ASHIFT) + ABASE); } //CAS设置i位置上的节点为v static final <K,V> boolean casTabAt(Node<K,V>[] tab, int i, Node<K,V> c, Node<K,V> v) { return U.compareAndSwapObject(tab, ((long)i << ASHIFT) + ABASE, c, v); } //利用volatile方法设置i位置的值 static final <K,V> void setTabAt(Node<K,V>[] tab, int i, Node<K,V> v) { U.putObjectVolatile(tab, ((long)i << ASHIFT) + ABASE, v); }
这三个方法都利用了JAVA中的Unsafe的方法,其中第二个CAS方式设置值的方法更是能够实现“无锁并发”的核心。
put方法
public V put(K key, V value) { return putVal(key, val 118dc ue, false); } /** Implementation for put and putIfAbsent */ final V putVal(K key, V value, boolean onlyIfAbsent) { //不允许为空 if (key == null || value == null) throw new NullPointerException(); //获取hash值 int hash = spread(key.hashCode()); int binCount = 0; //自旋循环 for (Node<K,V>[] tab = table;;) { Node<K,V> f; int n, i, fh; //如果table为空则初始化数组 if (tab == null || (n = tab.length) == 0) tab = initTable(); //如果通过hash算法计算的位置的元素为null, //那么直接尝试构造一个Node节点并CAS设置到该位置,成功则跳出循环 //此时并没有加锁,如果失败则进入下一次循环继续尝试 else if ((f = tabAt(tab, i = (n - 1) & hash)) == null) { if (casTabAt(tab, i, null, new Node<K,V>(hash, key, value, null))) break; // no lock when adding to empty bin } //如果对应位置已经有元素存在, //判断是hash值是否为MOVED(-1),也就是是否是ForwardingNode //如果是ForwardingNode说明现在正在进行resize操作,那么调用helpTransfer去协助其他线程(如果有的话)并发resize else if ((fh = f.hash) == MOVED) tab = helpTransfer(tab, f); //正常的插入 else { V oldVal = null; //synchronized加锁,加锁对象用的是当前位置的节点对象 synchronized (f) { //稳定性判断 if (tabAt(tab, i) == f) { //如果f节点的hash值大于等于0(说明是普通的Node节点) //插入操作和HashMap基本一致 if (fh >= 0) { binCount = 1; for (Node<K,V> e = f;; ++binCount) { K ek; if (e.hash == hash && ((ek = e.key) == key || (ek != null && key.equals(ek)))) { oldVal = e.val; if (!onlyIfAbsent) e.val = value; break; } Node<K,V> pred = e; if ((e = e.next) == null) { pred.next = new Node<K,V>(hash, key, value, null); break; } } } //如果f节点的hash值小于0说明是TreeBin节点 else if (f instanceof TreeBin) { Node<K,V> p; binCount = 2; //加入红黑树中 if ((p = ((TreeBin<K,V>)f).putTreeVal(hash, key, value)) != null) { oldVal = p.val; if (!onlyIfAbsent) p.val = value; } } } } //binCount代表链表的长度 if (binCount != 0) { //链表的长度大于8的话转化为红黑树 if (binCount >= TREEIFY_THRESHOLD) treeifyBin(tab, i); if (oldVal != null) return oldVal; break; } } } //对size做+1的操作并判断是否需要resize addCount(1L, binCount); return null; }
上面的代码应该很清晰的能看出ConcurrentHashMap的插入流程:
如果数组还未初始化或者为空则先进行初始化操作。
如果当前插入位置为没有元素那么尝试CAS+自旋的方式插入
如果当前插入位置不为空先判断是否为ForwardingNode节点,是则说明正在进行resize那么尝试去协助其他线程一起并发的resize(此时并没有退出循环),resize完成后将再次循环的进行下一步的判断。
如果上面情况都不满足那么将当前插入位置的Node节点对象作为锁用synchronized同步进行插入。插入过程基本和HashMao一致。
数组的初始化
private final Node<K,V>[] initTable() { Node<K,V>[] tab; int sc; //自旋 while ((tab = table) == null || tab.length == 0) { //如果sizeCtl小于0,说明已经有别的线程在初始化了,那么让出CPU执行权 //Thread.yield()会让当前线程放弃当前好不容易抢到的CPU执行权(并不进入等待)。 //相当于又回到了起点和其他的线程又开始竞争CPU的执行权 if ((sc = sizeCtl) < 0) Thread.yield(); // lost initialization race; just spin //CAS方式将sizeCtl置为-1 //失败的话再次循环尝试 else if (U.compareAndSwapInt(this, SIZECTL, sc, -1)) { try { //判断稳定性 if ((tab = table) == null || tab.length == 0) { //确定容量 int n = (sc > 0) ? sc : DEFAULT_CAPACITY; @SuppressWarnings("unchecked") Node<K,V>[] nt = (Node<K,V>[])new Node<?,?> ; table = tab = nt; //sc = n * 0.75 sc = n - (n >>> 2); } } finally { //设置sizeCtrl sizeCtl = sc; } break; } } return tab; }
可以看到容器的初始化操作其实是单线程执行的,那么控制并发时候线程安全的核心还是利用CAS+自旋的方式并通过一个sizeCtrl变量的值来控制。
如果sizeCtrl>=0说明还没有别的线程开始初始化操作,那么CAS方式尝试将sizeCtrl置为-1,如果成功则说明获取到了初始化的权利。
如果sizeCtrl<0说明已经有别的线程抢先开始了初始化。
数组的resize
正常的扩容发生一般是:一个线程调用put方法,成功插入之后在addCount方法中发现需要resize所以开始去resize并初始化nextTable变量同时将原数组中的对应节点替换为ForwardingNode以表示这个节点已经有线程在操作了。这时候别的线程陆续调用put操作同时由于发现自己正在resize,所以调用helpTransfer去协助一起并发的resize。先看addCount方法:
private final void addCount(long x, int check) { //执行size+1的操作 CounterCell[] as; long b, s; if ((as = counterCells) != null || !U.compareAndSwapLong(this, BASECOUNT, b = baseCount, s = b + x)) { CounterCell a; long v; int m; boolean uncontended = true; if (as == null || (m = as.length - 1) < 0 || (a = as[ThreadLocalRandom.getProbe() & m]) == null || !(uncontended = U.compareAndSwapLong(a, CELLVALUE, v = a.value, v + x))) { fullAddCount(x, uncontended); return; } if (check <= 1) return; s = sumCount(); } if (check >= 0) { Node<K,V>[] tab, nt; int n, sc; //如果当前size超过了sizeCtl while (s >= (long)(sc = sizeCtl) && (tab = table) != null && (n = tab.length) < MAXIMUM_CAPACITY) { //返回一个数,并且这个数的第16位为1 //也就是说rs<<RESIZE_STAMP_SHIFT必定是一个负数 int rs = resizeStamp(n); // if (sc < 0) { //别的线程还没开始resize或者超过了最大数量限制的话退出 if ((sc >>> RESIZE_STAMP_SHIFT) != rs || sc == rs + 1 || sc == rs + MAX_RESIZERS || (nt = nextTable) == null || transferIndex <= 0) break; //CAS设置sizeCtrl为sizeCtrl+1,成功的话表示可以开始进行resize的操作 if (U.compareAndSwapInt(this, SIZECTL, sc, sc + 1)) transfer(tab, nt); } //CAS设置sizeCtrl为rs << RESIZE_STAMP_SHIFT) + 2(负数), //当前线程位第一个开始resize的线程尝试开始resize并且会初始化nextTable else if (U.compareAndSwapInt(this, SIZECTL, sc, (rs << RESIZE_STAMP_SHIFT) + 2)) transfer(tab, null); s = sumCount(); } } }
这里的resize操作和初始化比较相似,也是通过一个sizeCtrl变量(复数)表示有多少个线程正在执行resize操作
transfer方法:
private final void transfer(Node<K,V>[] tab, Node<K,V>[] nextTab) { int n = tab.length, stride; //通过可用的CPU个数确定stride //stride为一个线程处理的节点的个数 if ((stride = (NCPU > 1) ? (n >>> 3) / NCPU : n) < MIN_TRANSFER_STRIDE) stride = MIN_TRANSFER_STRIDE; // subdivide range if (nextTab == null) { // initiating try { @SuppressWarnings("unchecked") //构造一个新的数组,容量为原来的两倍 Node<K,V>[] nt = (Node<K,V>[])new Node<?,?>[n << 1]; nextTab = nt; } catch (Throwable ex) { // try to cope with OOME sizeCtl = Integer.MAX_VALUE; return; } //赋值给新的数组,并且 nextTable = nextTab; transferIndex = n; } int nextn = nextTab.length; //构造一个ForwardingNode节点并指向了nextTab ForwardingNode<K,V> fwd = new ForwardingNode<K,V>(nextTab); //控制并发处理的标识,true的话说明这个节点已经处理过了 boolean advance = true; boolean finishing = false; // to ensure sweep before committing nextTab //这里的i将遍历tab中的每个位置 //一个线程只能处理从index为bound到index为nextBound之间的节点 for (int i = 0, bound = 0;;) { Node<K,V> f; int fh; while (advance) { int nextIndex, nextBound; //从nextIndex - 1位置开始依次递减,直到nextBound位置 if (--i >= bound || finishing) advance = false; else if ((nextIndex = transferIndex) <= 0) { i = -1; advance = false; } //当前线程如果第一次进来则先通过transferIndex去确定自己应该在哪一段开始作业 //一般为transferIndex-stride到transferIndex-1的位置 //CAS设置transferIndex为transferIndex - stride //如果transferIndex = stride那么transferIndex = 0 else if (U.compareAndSwapInt (this, TRANSFERINDEX, nextIndex, nextBound = (nextIndex > stride ? nextIndex - stride : 0))) { //bound = nextIndex //i = nextIndex - stride bound = nextBound; i = nextIndex - 1; advance = false; } } if (i < 0 || i >= n || i + n >= nextn) { int sc; //resize完成 if (finishing) { nextTable = null; table = nextTab; //sizeCtl为原来的长度的1.75倍 sizeCtl = (n << 1) - (n >>> 1); return; } //CAS尝试更新sizeCtl为sizeCtl-1 if (U.compareAndSwapInt(this, SIZECTL, sc = sizeCtl, sc - 1)) { if ((sc - 2) != resizeStamp(n) << RESIZE_STAMP_SHIFT) return; finishing = advance = true; i = n; // recheck before commit } } //如果i位置节点为null将i位置节点替换为ForwardingNode else if ((f = tabAt(tab, i)) == null) advance = casTabAt(tab, i, null, fwd); //如果i位置节点已经被处理了,那么advance = true说明已经处理了 else if ((fh = f.hash) == MOVED) advance = true; // already processed //resize部分 else { //用当前节点加锁 synchronized (f) { if (tabAt(tab, i) == f) { //这里的ln.hn代表lowNode,highNode Node<K,V> ln, hn; //hash值大于0说明是Node节点,链表结构 if (fh >= 0) { //获取到链表中的最后一个节点f以及高位是0还是1 int runBit = fh & n; Node<K,V> lastRun = f; for (Node<K,V> p = f.next; p != null; p = p.next) { int b = p.hash & n; if (b != runBit) { runBit = b; lastRun = p; } } //说明在新的table中的位置不变 if (runBit == 0) { ln = lastRun; hn = null; } //说明在新的table中的位置应该位i + n else { hn = lastRun; ln = null; } //因为只会在i和i+n两个位置, //所以从当前链表的最后一个节点开始根据节点的hash值的高位是否为0构造两条新的链 for (Node<K,V> p = f; p != lastRun; p = p.next) { int ph = p.hash; K pk = p.key; V pv = p.val; if ((ph & n) == 0) ln = new Node<K,V>(ph, pk, pv, ln); else hn = new Node<K,V>(ph, pk, pv, hn); } //将新的链表链接到新的数组中去 setTabAt(nextTab, i, ln); setTabAt(nextTab, i + n, hn); setTabAt(tab, i, fwd); //节点处理完成 advance = true; } //红黑树操作思路与上面相同 else if (f instanceof TreeBin) { TreeBin<K,V> t = (TreeBin<K,V>)f; TreeNode<K,V> lo = null, loTail = null; TreeNode<K,V> hi = null, hiTail = null; int lc = 0, hc = 0; for (Node<K,V> e = t.first; e != null; e = e.next) { int h = e.hash; TreeNode<K,V> p = new TreeNode<K,V> (h, e.key, e.val, null, null); if ((h & n) == 0) { if ((p.prev = loTail) == null) lo = p; else loTail.next = p; loTail = p; ++lc; } else { if ((p.prev = hiTail) == null) hi = p; else hiTail.next = p; hiTail = p; ++hc; } } ln = (lc <= UNTREEIFY_THRESHOLD) ? untreeify(lo) : (hc != 0) ? new TreeBin<K,V>(lo) : t; hn = (hc <= UNTREEIFY_THRESHOLD) ? untreeify(hi) : (lc != 0) ? new TreeBin<K,V>(hi) : t; setTabAt(nextTab, i, ln); setTabAt(nextTab, i + n, hn); setTabAt(tab, i, fwd); advance = true; } } } } } }
这里比较关键的就是stride,它代表了一个线程能处理的节点数。假设当前table的长度为64,stride为最小值16:
此时的transferIndex为64
进入for循环i=0,bound=0
进入while循环CAS设置transferIndex为transferIndex - stride = 48,此时i =63,bound =48,跳出while循环
替换table中i位置为ForwardingNode并做resize处理或者跳过当前节点。
i–处理第63个节点的位置。。直到i = 48或者已经结束
这个过程中如果有别的线程一起在并行操作,因为关键的transferIndex和ForwardingNode以及sizeCtrl都是CAS操作控制,失败则继续循环尝试即可。
helpTransfer方法:
helpTransfer方法的并发控制基本和transfer中差不多,都是考的是sizeCtrl变量的CAS操作来控制。
final Node<K,V>[] helpTransfer(Node<K,V>[] tab, Node<K,V> f) { Node<K,V>[] nextTab; int sc; //稳定性判断 if (tab != null && (f instanceof ForwardingNode) && (nextTab = ((ForwardingNode<K,V>)f).nextTable) != null) { int rs = resizeStamp(tab.length); while (nextTab == nextTable && table == tab && (sc = sizeCtl) < 0) { if ((sc >>> RESIZE_STAMP_SHIFT) != rs || sc == rs + 1 || sc == rs + MAX_RESIZERS || transferIndex <= 0) break; //尝试获取执行权 if (U.compareAndSwapInt(this, SIZECTL, sc, sc + 1)) { transfer(tab, nextTab); break; } } return nextTab; } return table; }
get方法
get方法方法的逻辑相对比较简单,利用hash值去做了一下判断。public V get(Object key) { Node<K,V>[] tab; Node<K,V> e, p; int n, eh; K ek; //获取hash值 int h = spread(key.hashCode()); if ((tab = table) != null && (n = tab.length) > 0 && (e = tabAt(tab, (n - 1) & h)) != null) { //当前位置的hash值刚好相同 if ((eh = e.hash) == h) { if ((ek = e.key) == key || (ek != null && key.equals(ek))) return e.val; } //如果是TreeBin节点则调用find方法去查找 else if (eh < 0) return (p = e.find(h, key)) != null ? p.val : null; //是Node节点的链表则循环去查找 while ((e = e.next) != null) { if (e.hash == h && ((ek = e.key) == key || (ek != null && key.equals(ek)))) return e.val; } } return null; }
小结
JDK1.8中ConcurrentHashMap还有很多值得研究的方法,这里没有详细研究,同时对于ConcurrentHashMap的hash算法等设计部分因为是沿用HashMap的所以没有作说明。最后ConcurrentHashMap在并发上相比HashTable有很高的效率,减少了锁的竞争,同时也能看出CAS算法真的是被Doug Lea运用的炉火纯青。。。相关文章推荐
- 【Java并发编程】23、ConcurrentHashMap原理分析(1.7和1.8版本对比)
- 【Java并发】- ConcurrentHashMap原理解析(Segment版本)(转)
- Java并发编程:ConcurrentHashMap原理分析(1.7与1.8)
- Java并发容器ConcurrentHashMap原理及HashMap死循环原因的分析
- java.util.concurrent.ConcurrentHashMap并发哈希表源码解析
- 【JAVA秒会技术之ConcurrentHashMap】JDK1.7与JDK1.8源码区别
- Java中HashMap底层实现原理(JDK1.8)源码分析
- Java面试绕不开的问题: Java中HashMap底层实现原理(JDK1.8)源码分析
- Java中HashMap底层实现原理(JDK1.8)源码分析
- java jdk1.7版本的HashMap原理解析
- Java中HashMap底层实现原理(JDK1.8)源码分析
- 牛客网Java刷题知识点之HashMap的实现原理、HashMap的存储结构、HashMap在JDK1.6、JDK1.7、JDK1.8之间的差异以及带来的性能影响
- 基于Java并发容器ConcurrentHashMap#put方法解析
- Java 并发工具包-java.util.concurrent-源码jdk1.7全面解析
- Java中HashMap底层实现原理(JDK1.8)源码分析
- Java中HashMap底层实现原理(JDK1.8)源码分析
- JDK1.7与JDK1.8中ConcurrentHashMap原理总结
- Java concurrent Framework并发容器之ConcurrentHashMap(Doug Lea 非JDK版)源码分析
- Java中HashMap底层实现原理(JDK1.8)源码分析
- 【Java并发编程】1、ConcurrentHashMap原理分析