【JAVA秒会技术之秒杀面试官】集合篇(二)

秒杀Java面试官——集合篇(二)

三、HashMap底层实现原理(基于JDK1.8)

        面试中,你是否也曾被问过以下问题呢:

    你知道HashMap的数据结构吗?HashMap是如何实现存储的?底层采用了什么算法?为什么采用这种算法?如何对HashMap进行优化?如果HashMap的大小超过了负载因子定义的容量,怎么办?等等。

    有觉得很难吗?别怕!下面博主就带着大家深度剖析,以源代码为依据,逐一分析,看看HashMap到底是怎么玩的:

       ① HashMap源码片段 —— 总体介绍:  

/* Hash table based implementation of the <tt>Map</tt> interfaceHashMap实现了Map接口. This implementation provides all of the optional map operations, and permits <tt>null</tt> values and the <tt>null</tt> key允许储存null值和null键.  (The <tt>HashMap</tt> class is roughly equivalent to <tt>Hashtable</tt>, except that it is unsynchronized and permits nulls.(HashTable和HashMap很相似,除了HashTable的方法是同步的,并且不允许储存null值和null键))  This class makes no guarantees as to the order of the map; in particular, it does not guarantee that the order will remain constant over time(HashMap不保证映射的顺序,特别是它不保证该顺序不随时间变化).*/

       ② HashMap源码片段 —— 六大初始化参数:

    /**
     * 初始容量1 << 4 = 16
     */
    static final int DEFAULT_INITIAL_CAPACITY = 1 << 4; 
    /**
     * 最大容量1 << 30 = 1073741824
     */
    static final int MAXIMUM_CAPACITY = 1 << 30;
    /**
     * 默认负载因子0.75f
     */
    static final float DEFAULT_LOAD_FACTOR = 0.75f;
    /**
     * 由链表转换成树的阈值:即当bucket(桶)中bin(箱子)的数量超过
     * TREEIFY_THRESHOLD时使用树来代替链表。默认值是8 
     */
    static final int TREEIFY_THRESHOLD = 8;
    /**
     * 由树转换成链表的阈值:当执行resize操作时,当bucket中bin的数量少于此值,
     * 时使用链表来代替树。默认值是6 
     */
    static final int UNTREEIFY_THRESHOLD = 6;
    /**
     * 树的最小容量
     */
    static final int MIN_TREEIFY_CAPACITY = 64;

        ③ HashMap源码片段 —— 内部结构:

    /**
     * Basic hash bin node, used for most entries. 
     */
    // Node是单向链表,它实现了Map.Entry接口
    static class Node<K,V> implements Map.Entry<K,V> {
        final int hash;   // 键对应的Hash值
        final K key;       // 键
        V value;            // 值
        Node<K,V> next;    // 下一个节点
        // 构造函数
        Node(int hash, K key, V value, Node<K,V> next) {
            this.hash = hash;  
            this.key = key;
            this.value = value;
            this.next = next;
        }
    // 存储(位桶)的数组</k,v>
transient Node<K,V>[] table;
    // 红黑树
    static final class TreeNode<K,V> extends LinkedHashMap.Entry<K,V> {
        TreeNode<K,V> parent; // 父节点
        TreeNode<K,V> left;    // 左节点
        TreeNode<K,V> right;   // 右节点
        TreeNode<K,V> prev;    // needed to unlink next upon deletion
        boolean red;             // 颜色属性
        TreeNode(int hash, K key, V val, Node<K,V> next) {
            super(hash, key, val, next);
        }

      简单看:JDK1.8中,HashMap采用位桶+链表+红黑树实现。具体实现原理,我们继续看源码。关于红黑树,我将在后期《算法篇》详细介绍。

      ④ HashMap源码片段 —— 数组Node[]位置:

    // 第一步:先计算key对应的Hash值
    static final int hash(Object key) {
        int h;
        return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}
    // 第二步:保证哈希表散列均匀
    static final int tableSizeFor(int cap) {
        int n = cap - 1;
        n |= n >>> 1;
        n |= n >>> 2;
        n |= n >>> 4;
        n |= n >>> 8;
        n |= n >>> 16;
        return (n < 0) ? 1 : (n >= MAXIMUM_CAPACITY) ? MAXIMUM_CAPACITY :  
              n + 1;
}

对第二步的作用,进行简要说明(很高级!):

{ 可以从源码看出,在HashMap的构造函数中,都直接或间接的调用了tableSizeFor函数。下面分析原因:length2的整数幂保证了length-1最后一位(当然是二进制表示)为1,从而保证了取索引操作 h&length-1)的最后一位同时有为0和为1的可能性,保证了散列的均匀性。反过来讲,当length为奇数时,length-1最后一位为0,这样与h按位与的最后一位肯定为0,即索引位置肯定是偶数,这样数组的奇数位置全部没有放置元素,浪费了大量空间。简而言之:length2的幂保证了按位与最后一位的有效性,使哈希表散列更均匀。}

// 第三步:计算索引:index = (tab.length - 1) & hash
    if (tab == null || (n = tab.length) == 0) return;
int index = (n - 1) & hash;

  (区别于HashTable :index = (hash & 0x7FFFFFFF) % tab.length;

取模中的除法运算效率很低,但是HashMap的位运算效率很高)

       ⑤ HashMap源码片段 —— 常用get()/put()操作:

    /**
     * Implements Map.get and related methods
     *
     * @param hash hash for key
     * @param key the key
     * @return the node, or null if none
     */
    final Node<K,V> getNode(int hash, Object key) {
        Node<K,V>[] tab; Node<K,V> first, e; int n; K k;
        if ((tab = table) != null && (n = tab.length) > 0 &&
             //tab[(n - 1) & hash]得到对象的保存位
            (first = tab[(n - 1) & hash]) != null) {
            if (first.hash == hash && // always check first node
                ((k = first.key) == key || (key != null && key.equals(k))))
                return first;
            if ((e = first.next) != null) {
                //判断:如果第一个节点是TreeNode,则采用红黑树处理冲突
                if (first instanceof TreeNode)
                    return ((TreeNode<K,V>)first).getTreeNode(hash, key);
                do {
                    //反之,采用链表处理冲突
                    if (e.hash == hash &&
                        ((k = e.key) == key || (key != null && key.equals(k))))
                        return e;
                } while ((e = e.next) != null);
            }
        }
        return null;
    }
    /**
     * Implements Map.put and related methods
     *
     * @param hash hash for key
     * @param key the key
     * @param value the value to put
     * @param onlyIfAbsent if true, don't change existing value
     * @param evict if false, the table is in creation mode.
     * @return previous value, or null if none
     */
    final V putVal(int hash, K key, V value, boolean onlyIfAbsent,
                   boolean evict) {
        Node<K,V>[] tab; Node<K,V> p; int n, i;
        if ((tab = table) == null || (n = tab.length) == 0)
            //如果tab为空或长度为0,则分配内存resize()
            n = (tab = resize()).length;
        if ((p = tab[i = (n - 1) & hash]) == null)
            //tab[i = (n - 1) & hash]找到put位置,如果为空,则直接put
            tab[i] = newNode(hash, key, value, null);
        else {
            Node<K,V> e; K k;
             //先判断key的hash()方法判断,再调用equals()方法判断
            if (p.hash == hash &&  ((k = p.key) == key || (key != null && key.equals(k))))
                e = p;
            else if (p instanceof TreeNode)
               //属于红黑树处理冲突
               e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
            else {
                //链表处理冲突
                for (int binCount = 0; ; ++binCount) {
                    //p第一次指向表头,之后依次后移
                    if ((e = p.next) == null) {
                        //e为空,表示已到表尾也没有找到key值相同节点,则新建节点
                        p.next = newNode(hash, key, value, null);
                        //新增节点后如果节点个数到达阈值,则将链表转换为红黑树
                        if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st
                            treeifyBin(tab, hash);
                        break;
                    }
                    //允许存储null键null值
                    if (e.hash == hash &&
                        ((k = e.key) == key || (key != null && key.equals(k))))
                        break;
                    //指针下移一位
                    p = e;
                }
            }
            //更新hash值和key值均相同的节点Value值
            if (e != null) { // existing mapping for key
                V oldValue = e.value;
                if (!onlyIfAbsent || oldValue == null)
                    e.value = value;
                afterNodeAccess(e);
                return oldValue;
            }
        }
        ++modCount;
        if (++size > threshold)
            resize();
        afterNodeInsertion(evict);
        return null;
    }

        ⑥ HashMap源码片段 —— 扩容resize():

    //可用来初始化HashMap大小 或重新调整HashMap大小 变为原来2倍大小
    final Node<K,V>[] resize() {
        Node<K,V>[] oldTab = table;
        int oldCap = (oldTab == null) ? 0 : oldTab.length;
        int oldThr = threshold;
        int newCap, newThr = 0;
        if (oldCap > 0) {
            if (oldCap >= MAXIMUM_CAPACITY) {
                threshold = Integer.MAX_VALUE;
                return oldTab;
            }
            else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&
                     oldCap >= DEFAULT_INITIAL_CAPACITY)
                newThr = oldThr << 1; // 扩容阈值加倍
        }
        else if (oldThr > 0)  // oldCap=0 ,oldThr>0此时newThr=0 
            newCap = oldThr;
        else {   // oldCap=0,oldThr=0 相当于使用默认填充比和初始容量 初始化
            newCap = DEFAULT_INITIAL_CAPACITY;
            newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);
        }
        if (newThr == 0) {
            float ft = (float)newCap * loadFactor;
            newThr = (newCap < MAXIMUM_CAPACITY && ft <  (float)MAXIMUM_CAPACITY ? (int)ft : Integer.MAX_VALUE);
        }
        threshold = newThr;
        @SuppressWarnings({"rawtypes","unchecked"})
            Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap];
        // 数组辅助到新的数组中,分红黑树和链表讨论
        table = newTab;
        if (oldTab != null) {
            for (int j = 0; j < oldCap; ++j) {
                Node<K,V> e;
                if ((e = oldTab[j]) != null) {
                    oldTab[j] = null;
                    if (e.next == null)
                        newTab[e.hash & (newCap - 1)] = e;
                    else if (e instanceof TreeNode)
                        ((TreeNode<K,V>)e).split(this, newTab, j, oldCap);
                    else { // preserve order
                        Node<K,V> loHead = null, loTail = null;
                        Node<K,V> hiHead = null, hiTail = null;
                        Node<K,V> next;
                        do {
                            next = e.next;
                            if ((e.hash & oldCap) == 0) {
                                if (loTail == null)
                                    loHead = e;
                                else
                                    loTail.next = e;
                                loTail = e;
                            }
                            else {
                                if (hiTail == null)
                                    hiHead = e;
                                else
                                    hiTail.next = e;
                                hiTail = e;
                            }
                        } while ((e = next) != null);
                        if (loTail != null) {
                            loTail.next = null;
                            newTab[j] = loHead;
                        }
                        if (hiTail != null) {
                            hiTail.next = null;
                            newTab[j + oldCap] = hiHead;
                        }
                    }
                }
            }
        }
        return newTab;
    }

         看完以上源码,是否感觉身体被掏空了?别慌,博主现在以一个简单的小例子为主导,带领大家重新梳理一下。

           【JAVA秒会技术之秒杀面试官】集合篇(二)

 简析底层实现过程:

        ①创建HashMap,初始容量为16实际容量 = 初始容量*负载因子(默认0.75) = 12

        ②调用put方法,会先计算key的hash值:hash = key.hashCode()。

        ③调用tableSizeFor()方法,保证哈希表散列均匀

        ④计算Nodes[index]的索引:先进行index = (tab.length - 1) & hash

        ⑤如果索引位为null,直接创建新节点,如果不为null,再判断所因为上是否有元素

        ⑥如果有:则先调用hash()方法判断,再调用equals()方法进行判断,如果都相同则直接用新的Value覆盖旧的;

        ⑦如果不同,再判断第一个节点类型是否为树节点(涉及到:链表转换成树的阈值,默认8),如果是,则按照红黑树的算法进行存储;如果不是,则按照链表存储;

       ⑧当存储元素过多时,需要进行扩容

   默认的负载因子是0.75,如果实际元素所占容量占分配容量的75%时就要扩容了。大约变为原来的2倍newThr =oldThr << 1);

上一篇:【JAVA秒会技术之压力测试工具】JMeter在电商开发中的简单应用


下一篇:深入浅出Mybatis系列(三)---配置详解之properties与environments(mybatis源码篇)