java集合框架之java HashMap代码解析

文章Java集合框架综述后，具体集合类的代码，首先以既熟悉又陌生的HashMap开始。

源自http://www.codeceo.com/article/java-hashmap-java-collection.html

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

<code>It's evil, don't use it. </code>

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：

Map_field_method

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。

在上篇文章讲了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

hash table demo

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，它们的后几位都是一样，那么与16异或后得到结果应该也是一样的，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异或操作，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异或运算，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：

• http://*.com/questions/7922019/openjdks-rehashing-mechanism/7922219#7922219
• http://*.com/questions/9335169/understanding-strange-java-hash-function/9336103#9336103
• http://*.com/questions/14453163/can-anybody-explain-how-java-design-hashmaps-hash-function/14479945#14479945

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：链地址法（开散列法），效果如下：

链地址法处理冲突得到的散列表

就是相同索引值的Entry，会以单向链表的形式存在

链地址法的可视化

网上找到个很好的网站，用来可视化各种常见的算法，很棒。瞬间觉得国外大学比国内的强不知多少倍。

下面的链接可以模仿哈希表采用链地址法解决冲突，大家可以自己去玩玩

• https://www.cs.usfca.edu/~galles/visualization/OpenHash.html

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（含update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，相当于update操作

        //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）

    //需要注意的是table[bucketIndex]本身并不存储节点信息，

    //它就相当于是单向链表的头指针，数据都存放在冲突链中。

    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://*.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;

}

remove操作

public V remove(Object key) {

    Entry<K,V> e = removeEntryForKey(key);

    //可以看到删除的key如果存在，就返回其所对应的value

    return (e == null ? null : e.value);

}

final Entry<K,V> removeEntryForKey(Object key) {

    if (size == 0) {

        return null;

    }

    int hash = (key == null) ? 0 : hash(key);

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

    //这里用了两个Entry对象，相当于两个指针，为的是防治冲突链发生断裂的情况

    //这里的思路就是一般的单向链表的删除思路

    Entry<K,V> prev = table[i];

    Entry<K,V> e = prev;

    //当table[i]中存在冲突链时，开始遍历里面的元素

    while (e != null) {

        Entry<K,V> next = e.next;

        Object k;

        if (e.hash == hash &&

            ((k = e.key) == key || (key != null && key.equals(k)))) {

            modCount++;

            size--;

            if (prev == e) //当冲突链只有一个Entry时

                table[i] = next;

            else

                prev.next = next;

            e.recordRemoval(this);

            return e;

        }

        prev = e;

        e = next;

    }

    return e;

}

到现在为止，HashMap的增删改查都介绍完了。
一般而言，认为HashMap的这四种操作时间复杂度为O(1)，因为它hash函数性质较好，保证了冲突发生的几率较小。

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。