Java HashMap 源码解析

jopen 9年前

原文 http://segmentfault.com/a/1190000003704860


本文章首发于 个人博客 ,鉴于sf博客样式具有赏心悦目的美感,遂发表于此,供大家学习、批评。

继上一篇文章 Java集合框架综述 后,今天正式开始分析具体集合类的代码,首先以既熟悉又陌生的 HashMap 开始。

签名(signature)

public class HashMap<K,V>         extends AbstractMap<K,V>         implements Map<K,V>, Cloneable, Serializable

可以看到HashMap继承了

  • 标记接口 Cloneable ,用于表明HashMap对象会重写java.lang.Object#clone()方法,HashMap实现的是浅拷贝(shallow copy)。

  • 标记接口 Serializable ,用于表明HashMap对象可以被序列化

比较有意思的是,HashMap同时继承了抽象类AbstractMap与接口Map,因为抽象类AbstractMap的签名为

public abstract class AbstractMap<K,V> implements Map<K,V>

Stack Overfloooow 上解释到:

在语法层面继承接口Map是多余的,这么做仅仅是为了让阅读代码的人明确知道HashMap是属于Map体系的,起到了文档的作用

AbstractMap相当于个辅助类,Map的一些操作这里面已经提供了默认实现,后面具体的子类如果没有特殊行为,可直接使用AbstractMap提供的实现。

Cloneable 接口

It's evil, don't use it.

Cloneable这个接口设计的非常不好,最致命的一点是它里面竟然没有clone方法,也就是说我们自己写的类完全可以实现这个接口的同时不重写clone方法。

关于Cloneable的不足,大家可以去看看《Effective Java》一书的作者 给出的理由 ,在所给链接的文章里,Josh Bloch也会讲如何实现深拷贝比较好,我这里就不在赘述了。

Map 接口

在eclipse中的outline面板可以看到Map接口里面包含以下成员方法与内部类:

Java HashMap 源码解析

可以看到,这里的成员方法不外乎是“增删改查”,这也反映了我们编写程序时,一定是以“数据”为导向的。

上篇文章 讲了Map虽然并不是Collection,但是它提供了三种“集合视角”(collection views),与下面三个方法一一对应:

  • Set<K> keySet(),提供key的集合视角

  • Collection<V> values(),提供value的集合视角

  • Set<Map.Entry<K, V>> entrySet(),提供key-value序对的集合视角,这里用内部类Map.Entry表示序对

AbstractMap 抽象类

AbstractMap对Map中的方法提供了一个基本实现,减少了实现Map接口的工作量。

举例来说:

如果要实现个不可变(unmodifiable)的map,那么只需继承AbstractMap,然后实现其entrySet方法,这个方法返回的set不支持add与remove,同时这个set的迭代器(iterator)不支持remove操作即可。

相反,如果要实现个可变(modifiable)的map,首先继承AbstractMap,然后重写(override)AbstractMap的put方法,同时实现entrySet所返回set的迭代器的remove方法即可。

设计理念(design concept)

哈希表(hash table)

HashMap是一种基于 哈希表(hash table) 实现的map,哈希表(也叫关联数组)一种通用的数据结构,大多数的现代语言都原生支持,其概念也比较简单:key经过hash函数作用后得到一个槽(buckets或slots)的索引(index),槽中保存着我们想要获取的值,如下图所示

Java HashMap 源码解析

很容易想到,一些不同的key经过同一hash函数后可能产生相同的索引,也就是产生了冲突,这是在所难免的。所以利用哈希表这种数据结构实现具体类时,需要:

  • 设计个好的hash函数,使冲突尽可能的减少

  • 其次是需要解决发生冲突后如何处理。

后面会重点介绍HashMap是如何解决这两个问题的。

HashMap的一些特点

  • 线程非安全,并且允许key与value都为null值,HashTable与之相反,为线程安全,key与value都不允许null值。

  • 不保证其内部元素的顺序,而且随着时间的推移,同一元素的位置也可能改变(resize的情况)

  • put、get操作的时间复杂度为O(1)。

  • 遍历其集合视角的时间复杂度与其容量(capacity,槽的个数)和现有元素的大小(entry的个数)成正比,所以如果遍历的性能要求很高,不要把capactiy设置的过高或把平衡因子(load factor,当entry数大于capacity*loadFactor时,会进行resize,reside会导致key进行rehash)设置的过低。

  • 由于HashMap是线程非安全的,这也就是意味着如果多个线程同时对一hashmap的集合试图做迭代时有结构的上改变(添加、删除entry,只改变entry的value的值不算结构改变),那么会报 ConcurrentModificationException ,专业术语叫fail-fast,尽早报错对于多线程程序来说是很有必要的。

  • Map m = Collections.synchronizedMap(new HashMap(...));通过这种方式可以得到一个线程安全的map。

源码剖析

首先从构造函数开始讲,HashMap遵循 集合框架的约束 ,提供了一个参数为空的构造函数与有一个参数且参数类型为Map的构造函数。除此之外,还提供了两个构造函数,用于设置HashMap的容量(capacity)与平衡因子(loadFactor)。

 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);   this.loadFactor = loadFactor;   threshold = initialCapacity;   init();  }  public HashMap(int initialCapacity) {   this(initialCapacity, DEFAULT_LOAD_FACTOR);  }  public HashMap() {   this(DEFAULT_INITIAL_CAPACITY, DEFAULT_LOAD_FACTOR);  }

从代码上可以看到,容量与平衡因子都有个默认值,并且容量有个最大值

    /**   * The default initial capacity - MUST be a power of two.   */  static final int DEFAULT_INITIAL_CAPACITY = 1 << 4; // aka 16    /**   * The maximum capacity, used if a higher value is implicitly specified   * by either of the constructors with arguments.   * MUST be a power of two <= 1<<30.   */  static final int MAXIMUM_CAPACITY = 1 << 30;    /**   * The load factor used when none specified in constructor.   */  static final float DEFAULT_LOAD_FACTOR = 0.75f;

可以看到,默认的平衡因子为0.75,这是权衡了时间复杂度与空间复杂度之后的最好取值(JDK说是最好的��),过高的因子会降低存储空间但是查找(lookup,包括HashMap中的put与get方法)的时间就会增加。

这里比较奇怪的是问题:容量必须为2的指数倍(默认为16),这是为什么呢?解答这个问题,需要了解HashMap中哈希函数的设计原理。

哈希函数的设计原理

   /**   * Retrieve object hash code and applies a supplemental hash function to the   * result hash, which defends against poor quality hash functions.  This is   * critical because HashMap uses power-of-two length hash tables, that   * otherwise encounter collisions for hashCodes that do not differ   * in lower bits. Note: Null keys always map to hash 0, thus index 0.   */  final int hash(Object k) {   int h = hashSeed;   if (0 != h && k instanceof String) {    return sun.misc.Hashing.stringHash32((String) k);   }   h ^= k.hashCode();   // 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);  }  /**   * Returns index for hash code h.   */  static int indexFor(int h, int length) {   // assert Integer.bitCount(length) == 1 : "length must be a non-zero power of 2";   return h & (length-1);  }

看到这么多位操作,是不是觉得晕头转向了呢,还是搞清楚原理就行了,毕竟位操作速度是很快的,不能因为不好理解就不用了��。网上说这个问题的也比较多,我这里根据自己的理解,尽量做到通俗易懂。

在哈希表容量(也就是buckets或slots大小)为length的情况下,为了使每个key都能在冲突最小的情况下映射到[0,length)(注意是左闭右开区间)的索引(index)内,一般有两种做法:

  1. 让length为素数,然后用hashCode(key) mod length的方法得到索引

  2. 让length为2的指数倍,然后用hashCode(key) & (length-1)的方法得到索引

HashTable 用的是方法1,HashMap用的是方法2。

因为本篇主题讲的是HashMap,所以关于方法1为什么要用素数,我这里不想过多介绍,大家可以看 这里

重点说说方法2的情况,方法2其实也比较好理解:

因为length为2的指数倍,所以length-1所对应的二进制位都为1,然后在与hashCode(key)做与运算,即可得到[0,length)内的索引

但是这里有个问题,如果hashCode(key)的大于length的值,而且hashCode(key)的二进制位的低位变化不大,那么冲突就会很多,举个例子:

Java中对象的哈希值都32位整数,而HashMap默认大小为16,那么有两个对象那么的哈希值分别为:0xABAB0000与0xBABA0000,它们的后几位都为0,那么与16与后得到的都是0,也就是产生了冲突。

造成冲突的原因关键在于16限制了只能用低位来计算,高位直接舍弃了,所以我们需要额外的哈希函数而不只是简单的对象的hashCode方法了。

具体来说,就是HashMap中hash函数干的事了

首先有个随机的hashSeed,来降低冲突发生的几率

然后如果是字符串,用了sun.misc.Hashing.stringHash32((String) k);来获取索引值

最后,通过一系列无符号右移操作,来把高位与低位进行或操作,来降低冲突发生的几率

右移的偏移量20,12,7,4是怎么来的呢?因为Java中对象的哈希值都是32位的,所以这几个数应该就是把高位与低位做与运算,至于这几个数是如何选取的,就不清楚了,网上搜了半天也没统一且让人信服的说法,大家可以参考下面几个链接:

HashMap.Entry

HashMap中存放的是HashMap.Entry对象,它继承自Map.Entry,其比较重要的是构造函数

 static class Entry<K,V> implements Map.Entry<K,V> {   final K key;   V value;   Entry<K,V> next;   int hash;   Entry(int h, K k, V v, Entry<K,V> n) {    value = v;    next = n;    key = k;    hash = h;   }   // setter, getter, equals, toString 方法省略   public final int hashCode() {    //用key的hash值与上value的hash值作为Entry的hash值    return Objects.hashCode(getKey()) ^ Objects.hashCode(getValue());   }   /**    * This method is invoked whenever the value in an entry is    * overwritten by an invocation of put(k,v) for a key k that's already    * in the HashMap.    */   void recordAccess(HashMap<K,V> m) {   }   /**    * This method is invoked whenever the entry is    * removed from the table.    */   void recordRemoval(HashMap<K,V> m) {   }  }

可以看到,Entry实现了单向链表的功能,用next成员变量来级连起来。

介绍完Entry对象,下面要说一个比较重要的成员变量

    /**       * The table, resized as necessary. Length MUST Always be a power of two.       */      //HashMap内部维护了一个为数组类型的Entry变量table,用来保存添加进来的Entry对象      transient Entry<K,V>[] table = (Entry<K,V>[]) EMPTY_TABLE;

你也许会疑问,Entry不是单向链表嘛,怎么这里又需要个数组类型的table呢?

我翻了下之前的算法书,其实这是解决冲突的一个方式: 开散列法(链地址法) ,效果如下:

Java HashMap 源码解析

就是相同索引值的Entry,会以单向链表的形式存在

get操作

get操作相比put操作简单,所以先介绍get操作

 public V get(Object key) {   //单独处理key为null的情况   if (key == null)    return getForNullKey();   Entry<K,V> entry = getEntry(key);   return null == entry ? null : entry.getValue();  }  private V getForNullKey() {   if (size == 0) {    return null;   }   //key为null的Entry用于放在table[0]中,但是在table[0]冲突链中的Entry的key不一定为null   //所以需要遍历冲突链,查找key是否存在   for (Entry<K,V> e = table[0]; e != null; e = e.next) {    if (e.key == null)     return e.value;   }   return null;  }  final Entry<K,V> getEntry(Object key) {   if (size == 0) {    return null;   }   int hash = (key == null) ? 0 : hash(key);   //首先定位到索引在table中的位置   //然后遍历冲突链,查找key是否存在   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 != null && key.equals(k))))     return e;   }   return null;  }

put操作

因为put操作有可能需要对HashMap进行resize,所以实现略复杂些

 private void inflateTable(int toSize) {   //辅助函数,用于填充HashMap到指定的capacity   // Find a power of 2 >= toSize   int capacity = roundUpToPowerOf2(toSize);   //threshold为resize的阈值,超过后HashMap会进行resize,内容的entry会进行rehash   threshold = (int) Math.min(capacity * loadFactor, MAXIMUM_CAPACITY + 1);   table = new Entry[capacity];   initHashSeedAsNeeded(capacity);  }  /**   * Associates the specified value with the specified key in this map.   * If the map previously contained a mapping for the key, the old   * value is replaced.   */  public V put(K key, V value) {   if (table == EMPTY_TABLE) {    inflateTable(threshold);   }   if (key == null)    return putForNullKey(value);   int hash = hash(key);   int i = indexFor(hash, table.length);   //这里的循环是关键   //当新增的key所对应的索引i,对应table[i]中已经有值时,进入循环体   for (Entry<K,V> e = table[i]; e != null; e = e.next) {    Object k;    //判断是否存在本次插入的key,如果存在用本次的value替换之前oldValue    //并返回之前的oldValue    if (e.hash == hash && ((k = e.key) == key || key.equals(k))) {     V oldValue = e.value;     e.value = value;     e.recordAccess(this);     return oldValue;    }   }   //如果本次新增key之前不存在于HashMap中,modCount加1,说明结构改变了   modCount++;   addEntry(hash, key, value, i);   return null;  }  void addEntry(int hash, K key, V value, int bucketIndex) {   //如果增加一个元素会后,HashMap的大小超过阈值,需要resize   if ((size >= threshold) && (null != table[bucketIndex])) {    //增加的幅度是之前的1倍    resize(2 * table.length);    hash = (null != key) ? hash(key) : 0;    bucketIndex = indexFor(hash, table.length);   }   createEntry(hash, key, value, bucketIndex);  }  void createEntry(int hash, K key, V value, int bucketIndex) {   //首先得到该索引处的冲突链Entries,有可能为null,不为null   Entry<K,V> e = table[bucketIndex];   //然后把新的Entry添加到冲突链的开头,也就是说,后插入的反而在前面(第一次还真没看明白)   table[bucketIndex] = new Entry<>(hash, key, value, e);   size++;  }  //下面看看HashMap是如何进行resize,庐山真面目就要揭晓了��  void resize(int newCapacity) {   Entry[] oldTable = table;   int oldCapacity = oldTable.length;   //如果已经达到最大容量,那么就直接返回   if (oldCapacity == MAXIMUM_CAPACITY) {    threshold = Integer.MAX_VALUE;    return;   }   Entry[] newTable = new Entry[newCapacity];   //initHashSeedAsNeeded(newCapacity)的返回值决定了是否需要重新计算Entry的hash值   transfer(newTable, initHashSeedAsNeeded(newCapacity));   table = newTable;   threshold = (int)Math.min(newCapacity * loadFactor, MAXIMUM_CAPACITY + 1);  }  /**   * Transfers all entries from current table to newTable.   */  void transfer(Entry[] newTable, boolean rehash) {   int newCapacity = newTable.length;   //遍历当前的table,将里面的元素添加到新的newTable中   for (Entry<K,V> e : table) {    while(null != e) {     Entry<K,V> next = e.next;     if (rehash) {      e.hash = null == e.key ? 0 : hash(e.key);     }     int i = indexFor(e.hash, newCapacity);     e.next = newTable[i];     //最后这两句用了与put放过相同的技巧     //将后插入的反而在前面     newTable[i] = e;     e = next;    }   }  }  /**   * Initialize the hashing mask value. We defer initialization until we   * really need it.   */  final boolean initHashSeedAsNeeded(int capacity) {   boolean currentAltHashing = hashSeed != 0;   boolean useAltHashing = sun.misc.VM.isBooted() &&     (capacity >= Holder.ALTERNATIVE_HASHING_THRESHOLD);   //这里说明了,在hashSeed不为0或满足useAltHash时,会重算Entry的hash值   //至于useAltHashing的作用可以参考下面的链接   // http://stackoverflow.com/questions/29918624/what-is-the-use-of-holder-class-in-hashmap   boolean switching = currentAltHashing ^ useAltHashing;   if (switching) {    hashSeed = useAltHashing     ? sun.misc.Hashing.randomHashSeed(this)     : 0;   }   return switching;  }

一般而言,认为HashMap中get与put的时间复杂度为O(1),因为它良好的hash函数,保证了冲突发生的几率比较小。

HashMap的序列化

介绍到这里,基本上算是把HashMap中一些核心的点讲完了,但还有个比较严重的问题:保存Entry的table数组为transient的,也就是说在进行序列化时,并不会包含该成员,这是为什么呢?

transient Entry<K,V>[] table = (Entry<K,V>[]) EMPTY_TABLE;

为了解答这个问题,我们需要明确下面事实:

  • Object.hashCode方法对于一个类的两个实例返回的是不同的哈希值

我们可以试想下面的场景:

我们在机器A上算出对象A的哈希值与索引,然后把它插入到HashMap中,然后把该HashMap序列化后,在机器B上重新算对象的哈希值与索引,这与机器A上算出的是不一样的,所以我们在机器B上get对象A时,会得到错误的结果。

所以说,当序列化一个HashMap对象时,保存Entry的table是不需要序列化进来的,因为它在另一台机器上是错误的。

因为这个原因,HashMap重现了writeObject与readObject方法

 private void writeObject(java.io.ObjectOutputStream s)   throws IOException  {   // Write out the threshold, loadfactor, and any hidden stuff   s.defaultWriteObject();   // Write out number of buckets   if (table==EMPTY_TABLE) {    s.writeInt(roundUpToPowerOf2(threshold));   } else {      s.writeInt(table.length);   }   // Write out size (number of Mappings)   s.writeInt(size);   // Write out keys and values (alternating)   if (size > 0) {    for(Map.Entry<K,V> e : entrySet0()) {     s.writeObject(e.getKey());     s.writeObject(e.getValue());    }   }  }  private static final long serialVersionUID = 362498820763181265L;  private void readObject(java.io.ObjectInputStream s)    throws IOException, ClassNotFoundException  {   // Read in the threshold (ignored), loadfactor, and any hidden stuff   s.defaultReadObject();   if (loadFactor <= 0 || Float.isNaN(loadFactor)) {    throw new InvalidObjectException("Illegal load factor: " +               loadFactor);   }   // set other fields that need values   table = (Entry<K,V>[]) EMPTY_TABLE;   // Read in number of buckets   s.readInt(); // ignored.   // Read number of mappings   int mappings = s.readInt();   if (mappings < 0)    throw new InvalidObjectException("Illegal mappings count: " +               mappings);   // capacity chosen by number of mappings and desired load (if >= 0.25)   int capacity = (int) Math.min(      mappings * Math.min(1 / loadFactor, 4.0f),      // we have limits...      HashMap.MAXIMUM_CAPACITY);   // allocate the bucket array;   if (mappings > 0) {    inflateTable(capacity);   } else {    threshold = capacity;   }   init();  // Give subclass a chance to do its thing.   // Read the keys and values, and put the mappings in the HashMap   for (int i = 0; i < mappings; i++) {    K key = (K) s.readObject();    V value = (V) s.readObject();    putForCreate(key, value);   }  }  private void putForCreate(K key, V value) {   int hash = null == key ? 0 : hash(key);   int i = indexFor(hash, table.length);   /**    * Look for preexisting entry for key.  This will never happen for    * clone or deserialize.  It will only happen for construction if the    * input Map is a sorted map whose ordering is inconsistent w/ equals.    */   for (Entry<K,V> e = table[i]; e != null; e = e.next) {    Object k;    if (e.hash == hash &&     ((k = e.key) == key || (key != null && key.equals(k)))) {     e.value = value;     return;    }   }   createEntry(hash, key, value, i);  }

简单来说,在序列化时,针对Entry的key与value分别单独序列化,当反序列化时,再单独处理即可。

总结

在总结完HashMap后,发现这里面一些核心的东西,像哈希表的冲突解决,都是算法课上学到,不过由于“年代久远”,已经忘得差不多了,我觉得忘

  • 一方面是由于时间久不用

  • 另一方面是由于本身没理解好

平时多去思考,这样在遇到一些性能问题时也好排查。

还有一点就是我们在分析某些具体类或方法时,不要花太多时间一些细枝末节的边界条件上,这样很得不偿失,倒不是说这么边界条件不重要,程序的bug往往就是边界条件没考虑周全导致的。

只是说我们可以在理解了这个类或方法的总体思路后,再来分析这些边界条件。

如果一开始就分析,那真是丈二和尚——摸不着头脑了,随着对它工作原理的加深,才有可能理解这些边界条件的场景。

今天到此为止,下次打算分析 TreeMap 。Stay Tuned!

</div>