HashMap 和 HashSet 是 Java Collection Framework 的两个重要成员, 其中 HashMap 是 Map 接口的常用实现类, HashSet 是 Set 接口的常用实现类. 虽然 HashMap 和 HashSet 实现的接口规范不同, 但它们底层的 Hash 存储机制完全一样, 甚至 HashSet 本身就采用 HashMap 来实现的.
通过 HashMap,HashSet 的源代码分析其 Hash 存储机制
实际上, HashSet 和 HashMap 之间有很多相似之处, 对于 HashSet 而言, 系统采用 Hash 算法决定集合元素的存储位置, 这样可以保证能快速存, 取集合元素; 对于 HashMap 而言, 系统 key-value 当成一个整体进行处理, 系统总是根据 Hash 算法来计算 key-value 的存储位置, 这样可以保证能快速存, 取 Map 的 key-value 对.
在介绍集合存储之前需要指出一点: 虽然集合号称存储的是 Java 对象, 但实际上并不会真正将 Java 对象放入 Set 集合中, 只是在 Set 集合中保留这些对象的引用而言. 也就是说: Java 集合实际上是多个引用变量所组成的集合, 这些引用变量指向实际的 Java 对象.
集合和引用
就像引用类型的数组一样, 当我们把 Java 对象放入数组之时, 并不是真正的把 Java 对象放入数组中, 只是把对象的引用放入数组中, 每个数组元素都是一个引用变量.
HashMap 的存储实现
当程序试图将多个 key-value 放入 HashMap 中时, 以如下代码片段为例:
- [java]view plain https://blog.csdn.net/caihaijiang/article/details/6280251# copy https://blog.csdn.net/caihaijiang/article/details/6280251#
- HashMap map = new HashMap();
- map.put("语文" , 80.0);
- map.put("数学" , 89.0);
- map.put("英语" , 78.2);
HashMap 采用一种所谓的 "Hash 算法" 来决定每个元素的存储位置.
当程序执行 map.put("语文" , 80.0); 时, 系统将调用 "语文" 的 hashCode() 方法得到其 hashCode 值 -- 每个 Java 对象都有 hashCode() 方法, 都可通过该方法获得它的 hashCode 值. 得到这个对象的 hashCode 值之后, 系统会根据该 hashCode 值来决定该元素的存储位置.
我们可以看 HashMap 类的 put(K key , V value) 方法的源代码:
- [java]view plain https://blog.csdn.net/caihaijiang/article/details/6280251# copy https://blog.csdn.net/caihaijiang/article/details/6280251#
- public V put(K key, V value)
- {
- // 如果 key 为 null, 调用 putForNullKey 方法进行处理
- if (key == )
- return putForNullKey(value);
- // 根据 key 的 keyCode 计算 Hash 值
- int hash = hash(key.hashCode());
- // 搜索指定 hash 值在对应 table 中的索引
- int i = indexFor(hash, table.length);
- // 如果 i 索引处的 Entry 不为 null, 通过循环不断遍历 e 元素的下一个元素
- for (Entry e = table[i]; e != ; e = e.next)
- {
- Object k;
- // 找到指定 key 与需要放入的 key 相等(hash 值相同
- // 通过 equals 比较放回 true)
- if (e.hash == hash && ((k = e.key) == key
- || key.equals(k)))
- {
- V oldValue = e.value;
- e.value = value;
- e.recordAccess(this);
- return oldValue;
- }
- }
- // 如果 i 索引处的 Entry 为 null, 表明此处还没有 Entry
- modCount++;
- // 将 key,value 添加到 i 索引处
- addEntry(hash, key, value, i);
- return ;
- }
上面程序中用到了一个重要的内部接口: Map.Entry, 每个 Map.Entry 其实就是一个 key-value 对. 从上面程序中可以看出: 当系统决定存储 HashMap 中的 key-value 对时, 完全没有考虑 Entry 中的 value, 仅仅只是根据 key 来计算并决定每个 Entry 的存储位置. 这也说明了前面的结论: 我们完全可以把 Map 集合中的 value 当成 key 的附属, 当系统决定了 key 的存储位置之后, value 随之保存在那里即可.
上面方法提供了一个根据 hashCode() 返回值来计算 Hash 码的方法: hash(), 这个方法是一个纯粹的数学计算, 其方法如下:
- [java]view plain https://blog.csdn.net/caihaijiang/article/details/6280251# copy https://blog.csdn.net/caihaijiang/article/details/6280251#
- static int hash(int h)
- {
- h ^= (h >>> 20) ^ (h >>> 12);
- return h ^ (h >>> 7) ^ (h >>> 4);
- }
对于任意给定的对象, 只要它的 hashCode() 返回值相同, 那么程序调用 hash(int h) 方法所计算得到的 Hash 码值总是相同的. 接下来程序会调用 indexFor(int h, int length) 方法来计算该对象应该保存在 table 数组的哪个索引处. indexFor(int h, int length) 方法的代码如下:
- [java]view plain https://blog.csdn.net/caihaijiang/article/details/6280251# copy https://blog.csdn.net/caihaijiang/article/details/6280251#
- static int indexFor(int h, int length)
- {
- return h & (length-1);
- }
这个方法非常巧妙, 它总是通过 h &(table.length -1) 来得到该对象的保存位置 -- 而 HashMap 底层数组的长度总是 2 的 n 次方, 这一点可参看后面关于 HashMap 构造器的介绍.
当 length 总是 2 的倍数时, h & (length-1) 将是一个非常巧妙的设计: 假设 h=5,length=16, 那么 h & length - 1 将得到 5; 如果 h=6,length=16, 那么 h & length - 1 将得到 6 ...... 如果 h=15,length=16, 那么 h & length - 1 将得到 15; 但是当 h=16 时 , length=16 时, 那么 h & length - 1 将得到 0 了; 当 h=17 时 , length=16 时, 那么 h & length - 1 将得到 1 了...... 这样保证计算得到的索引值总是位于 table 数组的索引之内.
根据上面 put 方法的源代码可以看出, 当程序试图将一个 key-value 对放入 HashMap 中时, 程序首先根据该 key 的 hashCode() 返回值决定该 Entry 的存储位置: 如果两个 Entry 的 key 的 hashCode() 返回值相同, 那它们的存储位置相同. 如果这两个 Entry 的 key 通过 equals 比较返回 true, 新添加 Entry 的 value 将覆盖集合中原有 Entry 的 value, 但 key 不会覆盖. 如果这两个 Entry 的 key 通过 equals 比较返回 false, 新添加的 Entry 将与集合中原有 Entry 形成 Entry 链, 而且新添加的 Entry 位于 Entry 链的头部 -- 具体说明继续看 addEntry() 方法的说明.
当向 HashMap 中添加 key-value 对, 由其 key 的 hashCode() 返回值决定该 key-value 对 (就是 Entry 对象) 的存储位置. 当两个 Entry 对象的 key 的 hashCode() 返回值相同时, 将由 key 通过 eqauls() 比较值决定是采用覆盖行为(返回 true), 还是产生 Entry 链(返回 false).
上面程序中还调用了 addEntry(hash, key, value, i); 代码, 其中 addEntry 是 HashMap 提供的一个包访问权限的方法, 该方法仅用于添加一个 key-value 对. 下面是该方法的代码:
- [java]view plain https://blog.csdn.net/caihaijiang/article/details/6280251# copy https://blog.csdn.net/caihaijiang/article/details/6280251#
- void addEntry(int hash, K key, V value, int bucketIndex)
- {
- // 获取指定 bucketIndex 索引处的 Entry
- Entry e = table[bucketIndex]; // 1
- // 将新创建的 Entry 放入 bucketIndex 索引处, 并让新的 Entry 指向原来的 Entry
- table[bucketIndex] = new Entry(hash, key, value, e);
- // 如果 Map 中的 key-value 对的数量超过了极限
- if (size++ >= threshold)
- // 把 table 对象的长度扩充到 2 倍.
- resize(2 * table.length); // 2
- }
上面方法的代码很简单, 但其中包含了一个非常优雅的设计: 系统总是将新添加的 Entry 对象放入 table 数组的 bucketIndex 索引处 -- 如果 bucketIndex 索引处已经有了一个 Entry 对象, 那新添加的 Entry 对象指向原有的 Entry 对象(产生一个 Entry 链), 如果 bucketIndex 索引处没有 Entry 对象, 也就是上面程序 1 号代码的 e 变量是 null, 也就是新放入的 Entry 对象指向 null, 也就是没有产生 Entry 链.
JDK 源码
在 JDK 安装目录下可以找到一个 src.zip 压缩文件, 该文件里包含了 Java 基础类库的所有源文件. 只要读者有学习兴趣, 随时可以打开这份压缩文件来阅读 Java 类库的源代码, 这对提高读者的编程能力是非常有帮助的. 需要指出的是: src.zip 中包含的源代码并没有包含像上文中的中文注释, 这些注释是笔者自己添加进去的.
Hash 算法的性能选项
根据上面代码可以看出, 在同一个 bucket 存储 Entry 链的情况下, 新放入的 Entry 总是位于 bucket 中, 而最早放入该 bucket 中的 Entry 则位于这个 Entry 链的最末端.
上面程序中还有这样两个变量:
* size: 该变量保存了该 HashMap 中所包含的 key-value 对的数量.
* threshold: 该变量包含了 HashMap 能容纳的 key-value 对的极限, 它的值等于 HashMap 的容量乘以负载因子(load factor).
从上面程序中 2 号代码可以看出, 当 size++>= threshold 时, HashMap 会自动调用 resize 方法扩充 HashMap 的容量. 每扩充一次, HashMap 的容量就增大一倍.
上面程序中使用的 table 其实就是一个普通数组, 每个数组都有一个固定的长度, 这个数组的长度就是 HashMap 的容量. HashMap 包含如下几个构造器:
* HashMap(): 构建一个初始容量为 16, 负载因子为 0.75 的 HashMap.
* HashMap(int initialCapacity): 构建一个初始容量为 initialCapacity, 负载因子为 0.75 的 HashMap.
* HashMap(int initialCapacity, float loadFactor): 以指定初始容量, 指定的负载因子创建一个 HashMap.
当创建一个 HashMap 时, 系统会自动创建一个 table 数组来保存 HashMap 中的 Entry, 下面是 HashMap 中一个构造器的代码:
- [java]view plain https://blog.csdn.net/caihaijiang/article/details/6280251# copy https://blog.csdn.net/caihaijiang/article/details/6280251#
- // 以指定初始化容量, 负载因子创建 HashMap
- public HashMap(int initialCapacity, float loadFactor)
- {
- // 初始容量不能为负数
- if (initialCapacity < 0)
- throw new IllegalArgumentException(
- "Illegal initial capacity:" +
- initialCapacity);
- // 如果初始容量大于最大容量, 让出示容量
- if (initialCapacity > MAXIMUM_CAPACITY)
- initialCapacity = MAXIMUM_CAPACITY;
- // 负载因子必须大于 0 的数值
- if (loadFactor <= 0 || Float.isNaN(loadFactor))
- throw new IllegalArgumentException(
- loadFactor);
- // 计算出大于 initialCapacity 的最小的 2 的 n 次方值.
- int capacity = 1;
- while (capacity < initialCapacity)
- capacity <<= 1;
- this.loadFactor = loadFactor;
- // 设置容量极限等于容量 * 负载因子
- threshold = (int)(capacity * loadFactor);
- // 初始化 table 数组
- table = new Entry[capacity]; // 1
- init();
- }
上面代码中粗体字代码包含了一个简洁的代码实现: 找出大于 initialCapacity 的, 最小的 2 的 n 次方值, 并将其作为 HashMap 的实际容量(由 capacity 变量保存). 例如给定 initialCapacity 为 10, 那么该 HashMap 的实际容量就是 16.
程序 1 号代码处可以看到: table 的实质就是一个数组, 一个长度为 capacity 的数组.
对于 HashMap 及其子类而言, 它们采用 Hash 算法来决定集合中元素的存储位置. 当系统开始初始化 HashMap 时, 系统会创建一个长度为 capacity 的 Entry 数组, 这个数组里可以存储元素的位置被称为 "桶(bucket)", 每个 bucket 都有其指定索引, 系统可以根据其索引快速访问该 bucket 里存储的元素.
无论何时, HashMap 的每个 "桶" 只存储一个元素 (也就是一个 Entry), 由于 Entry 对象可以包含一个引用变量(就是 Entry 构造器的的最后一个参数) 用于指向下一个 Entry, 因此可能出现的情况是: HashMap 的 bucket 中只有一个 Entry, 但这个 Entry 指向另一个 Entry -- 这就形成了一个 Entry 链. 如图 1 所示:
图 1. HashMap 的存储示意
HashMap 的读取实现
当 HashMap 的每个 bucket 里存储的 Entry 只是单个 Entry -- 也就是没有通过指针产生 Entry 链时, 此时的 HashMap 具有最好的性能: 当程序通过 key 取出对应 value 时, 系统只要先计算出该 key 的 hashCode() 返回值, 在根据该 hashCode 返回值找出该 key 在 table 数组中的索引, 然后取出该索引处的 Entry, 最后返回该 key 对应的 value 即可. 看 HashMap 类的 get(K key) 方法代码:
- [java]view plain https://blog.csdn.net/caihaijiang/article/details/6280251# copy https://blog.csdn.net/caihaijiang/article/details/6280251#
- public V get(Object key)
- {
- // 如果 key 是 null, 调用 getForNullKey 取出对应的 value
- if (key == )
- return getForNullKey();
- // 根据该 key 的 hashCode 值计算它的 hash 码
- int hash = hash(key.hashCode());
- // 直接取出 table 数组中指定索引处的值,
- for (Entry e = table[indexFor(hash, table.length)];
- e != ;
- // 搜索该 Entry 链的下一个 Entr
- e = e.next) // 1
- {
- Object k;
- // 如果该 Entry 的 key 与被搜索 key 相同
- if (e.hash == hash && ((k = e.key) == key
- || key.equals(k)))
- return e.value;
- }
- return ;
- }
从上面代码中可以看出, 如果 HashMap 的每个 bucket 里只有一个 Entry 时, HashMap 可以根据索引, 快速地取出该 bucket 里的 Entry; 在发生 "Hash 冲突" 的情况下, 单个 bucket 里存储的不是一个 Entry, 而是一个 Entry 链, 系统只能必须按顺序遍历每个 Entry, 直到找到想搜索的 Entry 为止 -- 如果恰好要搜索的 Entry 位于该 Entry 链的最末端(该 Entry 是最早放入该 bucket 中), 那系统必须循环到最后才能找到该元素.
归纳起来简单地说, HashMap 在底层将 key-value 当成一个整体进行处理, 这个整体就是一个 Entry 对象. HashMap 底层采用一个 Entry[] 数组来保存所有的 key-value 对, 当需要存储一个 Entry 对象时, 会根据 Hash 算法来决定其存储位置; 当需要取出一个 Entry 时, 也会根据 Hash 算法找到其存储位置, 直接取出该 Entry. 由此可见: HashMap 之所以能快速存, 取它所包含的 Entry, 完全类似于现实生活中母亲从小教我们的: 不同的东西要放在不同的位置, 需要时才能快速找到它.
当创建 HashMap 时, 有一个默认的负载因子 (load factor), 其默认值为 0.75, 这是时间和空间成本上一种折衷: 增大负载因子可以减少 Hash 表(就是那个 Entry 数组) 所占用的内存空间, 但会增加查询数据的时间开销, 而查询是最频繁的的操作(HashMap 的 get() 与 put() 方法都要用到查询); 减小负载因子会提高数据查询的性能, 但会增加 Hash 表所占用的内存空间.
掌握了上面知识之后, 我们可以在创建 HashMap 时根据实际需要适当地调整 load factor 的值; 如果程序比较关心空间开销, 内存比较紧张, 可以适当地增加负载因子; 如果程序比较关心时间开销, 内存比较宽裕则可以适当的减少负载因子. 通常情况下, 程序员无需改变负载因子的值.
如果开始就知道 HashMap 会保存多个 key-value 对, 可以在创建时就使用较大的初始化容量, 如果 HashMap 中 Entry 的数量一直不会超过极限容量(capacity * load factor),HashMap 就无需调用 resize() 方法重新分配 table 数组, 从而保证较好的性能. 当然, 开始就将初始容量设置太高可能会浪费空间(系统需要创建一个长度为 capacity 的 Entry 数组), 因此创建 HashMap 时初始化容量设置也需要小心对待.
来源: http://www.jianshu.com/p/10e6b8315f45