JDK中HashMap的两个细节

背景

HashMap是面试中经常问到的主题，Java中级以上面试保守估计70%以上都会问。之所以这个主题这么经典，是因为它具备作为面试题很重要的一个特点：良好的区分度。

就像高考题一样，一道好的高考题不是说它有多难或者多简单，重要的是能作为一道筛子，过滤不同层次水平的考生。在我看来，HashMap这个筛子的过滤条件有：

1. 是否阅读过源代码；
2. 是否能读懂源代码；
3. 是否有自己的思考。

没读过源代码的人，直接过滤掉；没读懂源代码的人，直接过滤掉；你要是高手，这个看似简单的问题也是可以答出花来的。

问题

HashMap的基本结构是"数组+链表"，其中每个元素是保存key，value的Entry节点，你也可以说它是一个Node。这个问题，读过源码的人都知道。我们今天就来说说经常问到的两个问题：

1. 为什么HashMap的内部结构中，capacity必须是 ？
2. 为什么负载因子默认会选择0.75？

为了说明以上两个问题，我们先来看几点预备知识，后面会用得到。

预备知识

• 位运算
  • 的位表示为，即一个1后面n个0。
  • 的位表示为，即n个1。
• 模运算
  • 对任意m位二进制数X和（一个1后面n个0）进行X % Y的模运算具有以下特殊性质
    • 它相当于把X的二进制表示从n位开始分为高位H和低位L两部分（H包含m-n位，L包含n位）
    • 大概就是这样：
    • 高m-n位H等于X / Y
    • 低n位L等于X % Y
  • 所以对任意X取的模等价于，取X二进制表示的低n位L（用n个低位为1的掩码对X进行&运算）
    • X % Y == X & (Y - 1)
    • 前提条件就是Y ==
• 效率的比较
  • 在许多古老的微处理器上，位运算比加减法略快，比乘法要快很多
  • 在现代处理器架构上，位运算和加法相同，但仍快于乘法。
  • 模运算/加法运算通常在一个时钟周期内完成，乘法和模运算这些运算需要多个时钟周期。
• 浮点数的表示
  • 浮点数的表示法中，高m位用于表示整数部分，低n位用于表示小数部分。
  • 大概就是这个样子：
  • 在上式中逗号"，"为界，左边的m位每一位的权重是，右边的n位每一位的权重是
  • 所以浮点数的小数部分，能够精确表示的是，，，…以及它们组合而成的数字，比如0.75，1.625，1.5都可以精确表示，但0.8，0.3这样的数字本身就不能用浮点数精确表示

解答

具备了以上的知识储备后，前面提到的两个问题就迎刃而解了：

• 第一个问题：为什么HashMap的内部结构中，capacity必须是 ？

  • 因为HashMap的hash算法的实现是

  • final V putVal(int hash, K key, V value, boolean onlyIfAbsent,
                       boolean evict) {
            Node[] tab; Node p; int n, i;
            if ((tab = table) == null || (n = tab.length) == 0)
                n = (tab = resize()).length;
            if ((p = tab[i = (n - 1) & hash]) == null)
                tab[i] = newNode(hash, key, value, null);
            else {
                ... ...
            }
            ++modCount;
            if (++size > threshold)
                resize();
            afterNodeInsertion(evict);
            return null;
        }
    

  • 第二个if条件里的tab[i = (n - 1) & hash]，就是hash & (n - 1) <==> hash % n

  • 说白了HashMap的hash算法采用的是取模运算（n == length == capacity）

  • 前提条件是，换句话说，如果不满足capacity == ，取模运算的实现就是错误的

  • 取模运算的优点有

    • 散列均匀，假设输入是随机均匀的，那么输出就是随机均匀的
    • 通过转化为位运算，具有极快的运算速度，对于一个计算频率很高的方法，有不错的性能

• 第二个问题：为什么负载因子默认会选择0.75？
  • 负载因子过大，比如是1.0，那么必须要size == capacity * 1.0才扩容，这个时候有多少空着的格子，就有多少个发生hash碰撞的节点。
  • hash算法的最好情况是没有碰撞，要想尽量少碰撞达到尽量高的效率，就要降低负载因子
  • 负载因子过小，比如是0.0，那么size == capacity * 0.0的时候就要扩容，即空map就要求扩容，整个空间都浪费了，那么要减少浪费提高空间利用率，就要提高负载因子
  • 一方面需要降低负载因子，另一方面需要提高负载因子；取一个不大不小折中的数字就是必然的选择
  • 0.75是性能和空间利用率折中的一种选择
  • 另一方面，负载因子的数据类型是float，0.75是一个可以用float精确表示的数，计算过程中不会因为丢失精度产生误差。当然这只是个次要因素，数值的大小才是关键，但这其中一定有精确不丢失精度的考量