【后端面经-Java】HashMap详解
【后端面经-Java】HashMap详解
-
- 1. HashMap的家族定位
- 2. HashMap的数据结构
-
- 2.1 Hash表的基本概念
- 2.2 Hash冲突
- 2.3 HashMap数据结构
- 3. HashMap的重要变量
-
- 3.1 常量
- 3.2 变量
- 3.3 辨析size、capacity、threshold
- 4. HashMap重要方法和源码解析
-
- 4.1 构造方法
- 4.2 resize方法
- 4.3 hash方法
- 4.4 put方法
- 参考文献
1. HashMap的家族定位
接口java.util.Map有四个常用的实现类，如图是它们之间的类继承关系。
下面我将一一介绍其性能特点。
HashMap：- 最常用的Map实现类，通过使用Hash表结构，提高查找速度；
- 使用键值对作为存储节点，只允许一个key值为
null，允许多个value值为null； - 线程不安全，对于线程安全有要求的程序，可以考虑使用：sychronizedMap或者ConcurrentHashMap；
HashTable- 同样使用Hash表结构，提高查找效率；
- 线程安全，但是安全层级低于ConcurrentHashMap，不常用。
LinkedHashMap- 继承自HashMap，使用Hash表结构，提高查找效率；
- 链表插入维持插入顺序。
TreeMap- sortedMap接口的实现类，可使用特定的排序规则对键值对进行排序；
对四种常见的实现类的性能比较如下图所示：
2. HashMap的数据结构
2.1 Hash表的基本概念
Hash表是数据结构和算法课程中学习到的一种重要的数据结构。主要设计思想是：
- 使用一个长度为
n的数组存储相关数据。 - 使用
hash函数实现内容和数组下标的对应，也就是hash函数的函数值为0~n之间。hash函数相同的输入参数一定会产生相同函数值，不同内容尽量做到函数值分散。
- 在hash函数值对应的下标写入该内容。
- 下次查找某元素的时候，先根据
hash函数生成下标，然后再随机访问数组，这样查找效率大大提高了。
类似于一个叫贾斯汀·费尔兰德·亨利皮特潘（复杂内容）的人，在酒店前台（hash函数）入住酒店的房间编号是1004（hash函数值/数组下标）。需要找他的人，只需要去酒店前台查询他住在1004房间，直接去1004房间找人就可以了，不需要一个一个房间去找。
2.2 Hash冲突
在上面的流程说明中，我们可以发现Hash表的实现关键就在于Hash函数，一个好的hash函数应该保证不同的输入内容尽量分散其函数值。
当存入的数据过多，hash函数性能较差的时候，可能会出现hash冲突：
A和B是两个不同的存储内容，但是经过hash函数计算，得到的hash函数值相同，因此两个内容存储在数组的同一位置。- 例如：
贾斯汀·费尔兰德·亨利皮特潘和特朗普·懂王·建国同志两个人在酒店前台分配到的房间号都是1004，但是房间只有一张床，这时两个人就会发生冲突。
解决冲突主要有两种思路：
- 开放定址法：发生冲突的时候，后到来的元素放弃已被占用的位置，寻找新的插入位置。（再找）
- 链地址法：发生冲突的时候，后到来的元素在原有位置的基础上，使用链表的方式存储。（排队）
- HashMap使用的就是
链地址法。
- HashMap使用的就是
2.3 HashMap数据结构
-
节点Node
Node是HashMap的一个基本存储单元，从源码中可见Node实现了Map.Entry接口，存放的是键值对。在JDK1.8中的源码中，Node的定义如下所示：static class Node<K,V> implements Map.Entry<K,V> { final int hash; //用来定位数组索引位置 final K key; V value; Node<K,V> next; //链表的下一个node Node(int hash, K key, V value, Node<K,V> next) { ... } public final K getKey(){ ... } public final V getValue() { ... } public final String toString() { ... } public final int hashCode() { ... } public final V setValue(V newValue) { ... } public final boolean equals(Object o) { ... } } -
JDK1.7的HashMap数据结构
数组+链表-
如图所示
-
使用链地址方式解决hash冲突。
-
-
JDK1.8的HashMap数据结构
数组+链表+红黑树-
如图所示
-
对红黑树的学习可参考此博客。
-
链表和红黑树的转换根据链表长度阈值判断，阈值为8，即链表长度大于8时，由链表转换为红黑树，小于6时，由红黑树转换为链表。
-
红黑树的引入目的：在链表长度较长的情况下，优化查找效率。
-
3. HashMap的重要变量
3.1 常量
DEFAULT_INITIAL_CAPACITY- 默认的数组初始容量，值为
2^4=16。 - 如果没有指定初始数组的容量的话，就会使用这个默认值。
- 默认的数组初始容量，值为
MAXIMUM_CAPACITY- 最大的数组容量，值为
2^30。 - 在扩容的时候，如果扩容后的容量大于这个值，就会使用这个值作为新的容量。
- 之后如果数据再增加，不再进行扩容，而是直接链表存储或者转为红黑树。
- 最大的数组容量，值为
DEFAULT_LOAD_FACTOR- 默认负载因子，值为
0.75。 - 在HashMap中，扩容的临界值计算公式为：
临界值（threshold） = 负载因子（loadFactor） * 容量（capacity） - 负载因子可以设置为任意值，但是需要注意的是：
- 负载因子变大，hash冲突的概率就会变大，查找效率就会降低。【牺牲时间】
- 负载因子过小，会导致数组空间利用率低，浪费内存空间。【牺牲空间】
- 默认负载因子，值为
TREEIFY_THRESHOLD- 链表转化为红黑树的阈值，值为
8。 - 当一个数组节点所带着的链表长度大于8时，链表会转化为红黑树。
- 链表转化为红黑树的阈值，值为
UNTREEIFY_THRESHOLD- 红黑树转化为链表的阈值，值为
6。 - 当一个数组节点的红黑树节点小于6时，红黑树会转化为链表。
- 红黑树转化为链表的阈值，值为
MIN_TREEIFY_CAPACITY- 转换为红黑树的最小容量，值为
64。 - 这个变量的意思是，在HashMap不断增加新元素的过程中，如果此时数组中的元素个数小于64，那么就选择扩容。当数组元素个数大于64的时候才会考虑树化。
- 转换为红黑树的最小容量，值为
3.2 变量
size- HashMap中存储的键值对个数。
modCount- 对HashMap进行修改的次数记录，每次增删则加一。
threshold- 扩容的临界值，计算公式为：
threshold = loadFactor * capacity。其中capacity为数组总长度，通常为了提高阈值，会使用扩容增加capacity，而对于负载因子loadFactor，一般不会修改。
- 扩容的临界值，计算公式为：
loadFactor- 负载因子，用户可自行设置其值，否则等于默认值
0.75。
- 负载因子，用户可自行设置其值，否则等于默认值
3.3 辨析size、capacity、threshold
size:实际存储的键值对个数
capacity:数组的总长度
threshold:扩容的临界值
treeify_threshold/untreeify_threahold:链表和红黑树相互转化的阈值
4. HashMap重要方法和源码解析
4.1 构造方法
- HashMap()
无参构造，使用默认的初始容量2^4和负载因子0.75，构造一个空的HashMap。
// 构造一个空的 HashMap，初始容量为 16，负载因子为默认值 0.75
public HashMap() {
this.loadFactor = DEFAULT_LOAD_FACTOR; // all other fields defaulted
}
- HashMap(int initialCapacity)
指定初始容量，使用默认的负载因子0.75。
public HashMap(int initialCapacity) {
this(initialCapacity, DEFAULT_LOAD_FACTOR);//一次性实现容量和负载因子的赋值
}
- HashMap(int initialCapacity, float loadFactor)
指定初始容量和负载因子，构造一个空的HashMap。
public HashMap(int initialCapacity, float loadFactor) {
// 如果初始容量为负数，抛出非负异常
if (initialCapacity < 0)
throw new IllegalArgumentException("Illegal initial capacity: " + initialCapacity);
// 初始容量大于最大值时1<<30，则取最大值
if (initialCapacity > MAXIMUM_CAPACITY)
initialCapacity = MAXIMUM_CAPACITY;
// 负载因子不能小于 0，并且必须是数字，否则抛异常
if (loadFactor <= 0 || Float.isNaN(loadFactor))
throw new IllegalArgumentException("Illegal load factor: " + loadFactor);
//数值判断合法之后，赋值
this.loadFactor = loadFactor;
this.threshold = tableSizeFor(initialCapacity);//tableSizeFor() 方法返回一个值，比initialCapacity大的最小2的幂。
}
- HashMap(Map m)
构造一个非空的HashMap，将m中的键值对存入HashMap中，默认的负载因子 0.75，使用默认的初始容量2^4。
public HashMap(Map<? extends K, ? extends V> m) {
this.loadFactor = DEFAULT_LOAD_FACTOR;
// 将 Map 中的 key-value 赋值到新的 Map 中去
putMapEntries(m, false);
}
4.2 resize方法
当HashMap中数组的使用量超过阈值的时候，就需要进行扩容。JDK1.8的源码如下所示：
final Node<K,V>[] resize() {
Node<K,V>[] oldTab = table;// 当前 table
int oldCap = (oldTab == null) ? 0 : oldTab.length;// 当前table的大小
int oldThr = threshold;// 当前 table 的 threshold
int newCap, newThr = 0;// 新的 table 的大小和阀值暂时初始化为 0
// 下面就是开始计算新的 table 的大小和阀值
// 第一种情况：当前 table 的大小大于 0，则意味着当前的 table 肯定是有数据的
if (oldCap > 0) {//
if (oldCap >= MAXIMUM_CAPACITY) {//原始容量大于最大容量，不再扩容，直接返回原始table
threshold = Integer.MAX_VALUE;
return oldTab;
}
else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&
oldCap >= DEFAULT_INITIAL_CAPACITY)//翻倍之后不超过最大容量，原始容量小于最大容量，且大于默认容量，那么容量翻倍，阈值也对应翻倍
newThr = oldThr << 1;
}
// 第二种情况：当前的 table 中无数据，但是阀值不为零，说明初始化的时候指定过容量或者阀值，但是没有被 put 过数据，
else if (oldThr > 0)
newCap = oldThr;//此时的阀值就是数组的大小，所以直接把当前的阀值当做新 table 的数组大小即可。threshold = tableSizeFor(t);
// 第三种情况，这种情况就代表当前的 table 是调用的空参构造来初始化的，所有的数据都是默认值。
else {//初始阈值为0，表示使用默认值，新的 table 也只要使用默认值即可
newCap = DEFAULT_INITIAL_CAPACITY;
newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);
}
// 如果新的阀值是 0，那么就简单计算一遍就行了
if (newThr == 0) {
float ft = (float)newCap * loadFactor;
newThr = (newCap < MAXIMUM_CAPACITY && ft < (float)MAXIMUM_CAPACITY ?
(int)ft : Integer.MAX_VALUE);
}
threshold = newThr;
// 根据上文中计算的新表容量和阈值，初始化新的 table
// 这个 newTab 就是新的 table，数组大小就是上面这一堆逻辑所计算出来的
@SuppressWarnings({"rawtypes","unchecked"})
Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap];
table = newTab;
if (oldTab != null) {
// 遍历当前 table，处理每个下标处的 bucket，将其处理到新的 table 中去
for (int j = 0; j < oldCap; ++j) {
Node<K,V> e;
if ((e = oldTab[j]) != null) {
// 释放当前 table 数组的对象引用（for循环后，当前 table 数组不再引用任何对象）
oldTab[j] = null;
// a、只有一个 Node，则直接 rehash 赋值即可
if (e.next == null)
newTab[e.hash & (newCap - 1)] = e;
// b、当前的 bucket 是红黑树，直接进行红黑树的 rehash 即可
else if (e instanceof TreeNode)
((TreeNode<K,V>)e).split(this, newTab, j, oldCap);
// c、当前的 bucket 是链表
else { // preserve order
Node<K,V> loHead = null, loTail = null;
Node<K,V> hiHead = null, hiTail = null;
Node<K,V> next;
// 遍历链表中的每个 Node，分别判断是否需要进行 rehash 操作
// (e.hash & oldCap) == 0 算法是精髓，充分运用了上文提到的 table 大小为 2 的幂次方这一优势，下文会细讲
do {
next = e.next;
// 根据 e.hash & oldCap 算法来判断节点位置是否需要变更
// 索引不变
if ((e.hash & oldCap) == 0) {
if (loTail == null)
loHead = e;
else
loTail.next = e;
loTail = e;
}
// 原索引 + oldCap
else {
if (hiTail == null)
hiHead = e;
else
hiTail.next = e;
hiTail = e;
}
} while ((e = next) != null);
// 原 bucket 位置的尾指针不为空(即还有 node )
if (loTail != null) {
// 链表末尾必须置为 null
loTail.next = null;
newTab[j] = loHead;
}
if (hiTail != null) {
// 链表末尾必须置为 null
hiTail.next = null;
newTab[j + oldCap] = hiHead;
}
}
}
}
}
return newTab;
}
- 为什么要*2扩容？或者说，为什么HashMap的数组大小为2的幂
在理论学习中，Hash表的大小最好是素数，因为素数能够有效降低hash碰撞。但是HashMap并没有采用这种做法。
在上面的源码中，我们可以看到，HashMap在扩容的时候，数组的大小都是原来的两倍，这是因为在计算索引的时候，我们使用的是size-1的n个全1二进制串和hash值进行与运算，这样可以保证计算出来的索引值一定在0~size-1之间，不会越界。如图所示：
当HashMap值为2的幂的时候，size-1为全1二进制字符串，且扩容之后，原本有冲突的两个元素会找到各自的新索引位置。如图所示：
在代码中，这个步骤被进一步简化。如代码片段所示：
if ((e.hash & oldCap) == 0) {
if (loTail == null)
loHead = e;
else
loTail.next = e;
loTail = e;
}
// 原索引 + oldCap
else {
if (hiTail == null)
hiHead = e;
else
hiTail.next = e;
hiTail = e;
}
因为hash值是一个整数，所以hash & oldCap的结果要么是0，要么是oldCap。所以，hashMap的扩容，实际上是将原来的数组分成两部分，一部分的索引不变，一部分的索引变为原索引+oldCap。这样就保证了原来的两个元素，扩容之后，一定不会在同一个索引位置上。具体解释如图所示：
4.3 hash方法
也就是之前在理论部分所说的hash函数部分，将关键字key的值转换为唯一hash值，JDK1.8源码如下:
static final int hash(Object key) {
int h;
// 高 16 位与低 16 位进行异或运算
return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}
hashCode()函数通常和equals()函数进行比较，hashCode()函数是根据对象的内存地址生成一个特定的数，因此，hashCode值相同的对象不一定相同，hashCode值不同的对象一定不相同。
一般判断两个对象是否相等，先使用hashCode()函数判断内存地址，如果hashCode()函数值相同，再使用equals()函数判断内存中的内容，如果hashCode()函数值不同，就不需要再使用equals()函数判断了。
这里h先设置成key值的hashCode，然后右移16位，再和原来的h进行异或运算，这样做的目的是为了减少hash碰撞，提高查找效率。
之后如何从hash值映射到数组下标，在JDK1.7的源码如下所示:
static int indexFor(int h, int length) {
return h & (length-1);
}
这里也解释了为什么HashMap的数组大小为2的幂，因为这样可以保证length-1为全1的二进制串，与操作之后计算出来的索引值一定在0~size-1之间，不会越界，具体操作如图所示：
4.4 put方法
put方法主要是在HashMap中存储键值对，JDK1.8源码如下所示：
public V put(K key, V value) {
return putVal(hash(key), key, value, false, true);//重点在于putVal方法
}
// 参数 onlyIfAbsent,针对已经存在的value，值为true表示不修改；否则表示会替换原本的value值
final V putVal(int hash, K key, V value, boolean onlyIfAbsent, boolean evict) {
Node<K,V>[] tab; Node<K,V> p; int n, i;
// ① 如果当前 table 为空则进行初始化
if ((tab = table) == null || (n = tab.length) == 0)
n = (tab = resize()).length;
// (n - 1) & hash 计算得到索引 i，算法在上文有提到，然后查看索引处是否有数据
// ② 如果没有数据，则新建一个新的 Node
if ((p = tab[i = (n - 1) & hash]) == null)
tab[i] = newNode(hash, key, value, null);
// 索引处有数据
else {
Node<K,V> e; K k;
// ③ 索引处的第一个 Node 的 key 和参数 key 是一致的，所以直接修改 value 值即可（修改的动作放在下面）
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
e = p;
// ④ 索引处的 bucket 是红黑树，按照红黑树的逻辑进行插入或修改
else if (p instanceof TreeNode)
e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
// ⑤ 索引处的 bucket 是链表
else {
// 遍历链表上面的所有 Node
for (int binCount = 0; ; ++binCount) {
// 索引处的 Node 为尾链
if ((e = p.next) == null) {
// 直接新建一个 Node 插在尾链处
p.next = newNode(hash, key, value, null);
// 判断是否需要转换为红黑树
if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st
// 链表转换为红黑树，此方法在上文中也有介绍
treeifyBin(tab, hash);
break;
}
// 当前 Node 的 key 值和参数 key 是一致的，即直接修改 value 值即可（修改的动作放在下面）
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
break;
p = e;
}
}
// 找到了相同 key 的 Node，所以进行修改 vlaue 值即可
if (e != null) { // existing mapping for key
V oldValue = e.value;
// 修改 value 值
if (!onlyIfAbsent || oldValue == null)
e.value = value;
afterNodeAccess(e);
// 修改操作，直接 return 结束掉代码逻辑
return oldValue;
}
}
// 记录结构发生变化的次数
++modCount;
// ⑥ 判断是否需要扩容
if (++size > threshold)
resize();
afterNodeInsertion(evict);
// 新增的 Node，返回 null
return null;
}
源代码所抽象出来的具体的put流程可如下图所示：
在JDK1.7中，链表插入使用头插法，而在JDK1.8中，链表插入使用尾插法，
- JDK1.7 使用头插法的原因：考虑到热点数据，后面插入的元素更有可能被最近使用，因此使用头插法。
- 头插法会使链表上 Node 的顺序调转，而尾插法则不会，另外，头插法也会造成环形链死循环等问题，
参考文献
- 知乎专栏-HashMap原理详解，看不懂算我输（附面试题）
- 掘金社区-详解 HashMap 数据结构
- 美团技术团队-Java 8系列之重新认识HashMap