HashMap深入分析

川长思鸟来 2022-09-18 12:59 313阅读 0赞

java.util.HashMap是很常见的类，前段时间公司系统由于对HashMap使用不当，导致cpu百分之百，在并发环境下使用HashMap而没有做同步，可能会引起死循环，关于这一点，sun的官方网站上已有阐述，这并非是bug。

**HashMap的数据结构**

HashMap主要是用数组来存储数据的，我们都知道它会对key进行哈希运算，哈系运算会有重复的哈希值，对于哈希值的冲突，HashMap采用链表来解决的。在HashMap里有这样的一句属性声明：

transient Entry\[\] table;

Entry就是HashMap存储的数据，它拥有的属性如下

final K key;  
 V value;  
 final int hash;  
 Entry<K,V> next;

看到next了吗？next就是为了哈希冲突而存在的。比如通过哈希运算，一个新元素应该在数组的第10个位置，但是第10个位置已经有Entry，那么好吧，将新加的元素也放到第10个位置，将第10个位置的原有Entry赋值给当前新加的Entry的next属性。数组存储的链表，链表是为了解决哈希冲突的，这一点要注意。

**几个关键的属性**

存储数据的数组

transient Entry\[\] table; 这个上面已经讲到了  
默认容量

static final int DEFAULT\_INITIAL\_CAPACITY = 16;

最大容量

static final int MAXIMUM\_CAPACITY = 1 << 30;

默认加载因子，加载因子是一个比例，当HashMap的数据大小>=容量\*加载因子时，HashMap会将容量扩容

static final float DEFAULT\_LOAD\_FACTOR = 0.75f;

当实际数据大小超过threshold时，HashMap会将容量扩容，threshold＝容量\*加载因子

int threshold;

加载因子

final float loadFactor;

**HashMap的初始过程**

构造函数1

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);  
  
        // Find a power of 2 >= initialCapacity  
        int capacity = 1;  
        while (capacity < initialCapacity)   
            capacity <<= 1;  
      
        this.loadFactor = loadFactor;  
        threshold = (int)(capacity \* loadFactor);  
        table = new Entry\[capacity\];  
        init();  
    \}

重点注意这里

while (capacity < initialCapacity)   
            capacity <<= 1;

capacity才是初始容量，而不是initialCapacity，这个要特别注意，如果执行new HashMap(9,0.75)；那么HashMap的初始容量是16，而不是9，想想为什么吧。

构造函数2

public HashMap(int initialCapacity) \{  
        this(initialCapacity, DEFAULT\_LOAD\_FACTOR);  
    \}

构造函数3，全部都是默认值

public HashMap() \{  
        this.loadFactor = DEFAULT\_LOAD\_FACTOR;  
        threshold = (int)(DEFAULT\_INITIAL\_CAPACITY \* DEFAULT\_LOAD\_FACTOR);  
        table = new Entry\[DEFAULT\_INITIAL\_CAPACITY\];  
        init();  
    \}

构造函数4

public HashMap(Map<? extends K, ? extends V> m) \{  
        this(Math.max((int) (m.size() / DEFAULT\_LOAD\_FACTOR) + 1,  
                      DEFAULT\_INITIAL\_CAPACITY), DEFAULT\_LOAD\_FACTOR);  
        putAllForCreate(m);  
    \}

**如何哈希**

HashMap并不是直接将对象的hashcode作为哈希值的，而是要把key的hashcode作一些运算以得到最终的哈希值，并且得到的哈希值也不是在数组中的位置哦，无论是get还是put还是别的方法，计算哈希值都是这一句：

int hash = hash(key.hashCode());

hash函数如下：

static int hash(int h) \{  
    return useNewHash ? newHash(h) : oldHash(h);  
    \}

useNewHash声明如下：

private static final boolean useNewHash;  
    static \{ useNewHash = false; \}

这说明useNewHash其实一直为false且不可改变的，hash函数里对useNewHash的判断真是多余的。

private static int oldHash(int h) \{  
        h += ~(h << 9);  
        h ^=  (h >>> 14);  
        h +=  (h << 4);  
        h ^=  (h >>> 10);  
        return h;  
    \}

private static int newHash(int h) \{  
        // 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);  
    \}

其实HashMap的哈希函数会一直都是oldHash。

**如果确定数据的位置**

看下面两行

int hash = hash(k.hashCode());  
      int i = indexFor(hash, table.length);

第一行，上面讲过了，是得到哈希值，第二行，则是根据哈希指计算元素在数组中的位置了，位置的计算是将哈希值和数组长度按位与运算。

static int indexFor(int h, int length) \{  
        return h & (length-1);  
    \}

**put方法到底作了什么？**

public V put(K key, V value) \{  
    if (key == null)  
        return putForNullKey(value);  
        int hash = hash(key.hashCode());  
        int i = indexFor(hash, table.length);  
        for (Entry<K,V> e = table\[i\]; e != null; e = e.next) \{  
            Object k;  
            if (e.hash == hash && ((k = e.key) == key || key.equals(k))) \{  
                V oldValue = e.value;  
                e.value = value;  
                e.recordAccess(this);  
                return oldValue;  
            \}  
        \}  
  
        modCount++;  
        addEntry(hash, key, value, i);  
        return null;  
    \}

如果key为NULL，则是单独处理的，看看putForNullKey方法：

private V putForNullKey(V value) \{  
        int hash = hash(NULL\_KEY.hashCode());  
        int i = indexFor(hash, table.length);  
  
        for (Entry<K,V> e = table\[i\]; e != null; e = e.next) \{  
            if (e.key == NULL\_KEY) \{  
                V oldValue = e.value;  
                e.value = value;  
                e.recordAccess(this);  
                return oldValue;  
            \}  
        \}  
  
        modCount++;  
        addEntry(hash, (K) NULL\_KEY, value, i);  
        return null;  
    \}

NULL\_KEY的声明：static final Object NULL\_KEY = new Object();

这一段代码是处理哈希冲突的，就是说，在数组某个位置的对象可能并不是唯一的，它是一个链表结构，根据哈希值找到链表后，还要对链表遍历，找出key相等的对象，替换它，并且返回旧的值。

for (Entry<K,V> e = table\[i\]; e != null; e = e.next) \{  
            if (e.key == NULL\_KEY) \{  
                V oldValue = e.value;  
                e.value = value;  
                e.recordAccess(this);  
                return oldValue;  
            \}  
        \}

如果遍历完了该位置的链表都没有找到有key相等的，那么将当前对象增加到链表里面去

modCount++;  
  addEntry(hash, (K) NULL\_KEY, value, i);  
  return null;

且看看addEntry方法

void addEntry(int hash, K key, V value, int bucketIndex) \{  
    Entry<K,V> e = table\[bucketIndex\];  
        table\[bucketIndex\] = new Entry<K,V>(hash, key, value, e);  
        if (size++ >= threshold)  
            resize(2 \* table.length);  
    \}

table\[bucketIndex\] = new Entry<K,V>(hash, key, value, e);新建一个Entry对象，并放在当前位置的Entry链表的头部，看看下面的 Entry构造函数就知道了，注意红色部分。

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

**如何扩容？**

当put一个元素时，如果达到了容量限制，HashMap就会扩容，新的容量永远是原来的2倍。

上面的put方法里有这样的一段：

if (size++ >= threshold)  
            resize(2 \* table.length);

这是扩容判断，要注意，并不是数据尺寸达到HashMap的最大容量时才扩容，而是达到 threshold指定的值时就开始扩容，threshold＝最大容量＊加载因子。 看看resize方法

void resize(int newCapacity) \{  
        Entry\[\] oldTable = table;  
        int oldCapacity = oldTable.length;  
        if (oldCapacity == MAXIMUM\_CAPACITY) \{  
            threshold = Integer.MAX\_VALUE;  
            return;  
        \}  
  
        Entry\[\] newTable = new Entry\[newCapacity\];  
        transfer(newTable);   
        table = newTable;  
        threshold = (int)(newCapacity \* loadFactor);  
    \}

重点看看红色部分的 transfer方法

void transfer(Entry\[\] newTable) \{  
        Entry\[\] src = table;  
        int newCapacity = newTable.length;  
        for (int j = 0; j < src.length; j++) \{  
            Entry<K,V> e = src\[j\];  
            if (e != null) \{  
                src\[j\] = null;  
                do \{  
                    Entry<K,V> next = e.next;  
                    int i = indexFor(e.hash, newCapacity);    
                    e.next = newTable\[i\];  
                    newTable\[i\] = e;  
                    e = next;  
                \} while (e != null);  
            \}  
        \}  
    \}

tranfer方法将所有的元素重新哈希，因为新的容量变大，所以每个元素的哈希值和位置都是不一样的。

**正确的使用HashMap**

1：不要在并发场景中使用HashMap

HashMap是线程不安全的，如果被多个线程共享的操作，将会引发不可预知的问题，据sun的说法，在扩容时，会引起链表的闭环，在get元素时，就会无限循环，后果是cpu100%。

看看get方法的红色部分

public V get(Object key) \{  
    if (key == null)  
        return getForNullKey();  
        int hash = hash(key.hashCode());  
        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.equals(k)))  
                return e.value;  
        \}  
        return null;  
    \}

2：如果数据大小是固定的，那么最好给HashMap设定一个合理的容量值

根据上面的分析，HashMap的初始默认容量是16，默认加载因子是0.75，也就是说，如果采用HashMap的默认构造函数，当增加数据时，数据实际容量超过10\*0.75=12时，HashMap就扩容，扩容带来一系列的运算，新建一个是原来容量2倍的数组，对原有元素全部重新哈希，如果你的数据有几千几万个，而用默认的HashMap构造函数，那结果是非常悲剧的，因为HashMap不断扩容，不断哈希，在使用HashMap的场景里，不会是多个线程共享一个HashMap,除非对HashMap包装并同步，由此产生的内存开销和cpu开销在某些情况下可能是致命的。