HashMap源码分析
基于JDK7的HashMap源码分析
类的介绍
下面的类介绍是从源码的英文翻译来的
HashMap是基于哈希表实现的Map接口实现类。这个实现提供所有的map相关的操作,允许使用null的键和null的值。(HashMap与Hashtable大致是一样的,只是HashMap是不同步的,且它允许你null的键和值。);另外,HashMap内部元素排列是无序的。
假设哈希函数能将元素合理地分散在各个哈希桶中,那么HashMap的put
、get
等基础操作的效率会很高(时间复杂度是常数级别O(n)
)。HashMap的迭代所有元素的时间与它的实例的容量(哈希桶的数量)及大小(键值对的数量)之和成正比。因此,如果你很在意HashMap的迭代性能,就不应该初始容量设置得很高,或者把负载因子设置得很低。
一个HashMap的实例有两个参数会影响到它的性能:初始容量和负载因子。容量
是指哈希表中桶的数量,初始容量就是哈希表创建时指定的初始大小。负载因子
是一个度量,用来衡量当哈希表的容量满到什么程度时,哈希表就应该自动扩容。到哈希表中元素的数量超过负载因子和当前容量的乘积
时,哈希表会重新计算哈希(rehashed)(即重建内部数据结构),哈希表桶的数量大约会变成原来的两倍
。
一般来说,默认把负载因子值设置成0.75,在时间成本和空间成本之间是比较好的权衡。该值再高一点能减少空间开销,但会增加查找成本(表现在HashMap类的大多数操作中,包括get和put)。所以我们在设置初始化容量时,应该合理考虑预期装载的元素数量以及负载因子,从而减少rehash的操作次数。如果初始容量大于最大条目数除以加载因子(initial capacity > max entries / load factor),则不会发生重新加载操作。
如果HashMap的实例需要存储很多元素(键值对),创建HashMap时指定足够大的容量可以令它的存储效率比自动扩容高很多。
请注意如果很多的键使用的hashCode()
方法结果都相同,那么哈希表的性能会很慢。为了改善影响,当键是Comparable
时,HashMap会用这些键的排序来提升效率。
请注意,HashMap是不同步的。如果多条线程同时访问一个HashMap,且至少有一条线程发生了结构性改动,那么它必须在外部进行同步。(结构性改动是指任何增加或删除键值对的操作,在源码中具体体现是导致modCount
属性改动的操作,仅仅修改一个键对应的值则不属于结构性改动)。外部同步通常通过同步一个封装了这个map的对象完成。
如果没有这样的对象,那么可以使用Collections.synchronizedMap
把一个map转换成同步的map,这个动作最好在创建的时候完成,避免在转换前意外访问到不同步的map。
Map m = Collections.synchronizedMap(new HashMap(...));
HashMap的迭代器所有集合相关的方法都是快速失败的(fail-fast):如果创建迭代器后,除了迭代器自身的remove
方法之外,map发生了结构性改动,迭代器会抛出ConcurrentModificationException
。因此,面对并发的修改,迭代吗快速、干净利落地失败,而不会冒任何风险。
请注意,迭代器快速失败的特性在不同步的并发修改时,是不能作出硬性保证的。快速失败的迭代器会尽最大努力抛出ConcurrentModificationException
。因此,编写依赖于此异常的程序以确保其正确性是错误的:迭代器的快速失败行为应该仅用于检测错误。
构造函数
HashMap的构造函数一共有四种:
- 无参构造,初始容量默认16,负载因子默认0.75
- 指定初始容量,负载因子默认0.75
- 指定初始容量和负载因子
- 通过传入的map构造
其中1、2、4都会调用第3种构造函数,第4种只是用已有的Map构造一个HashMap的便捷方法,所以这里重点看3、4两种构造函数
的实现。
public class HashMap<K,V>
extends AbstractMap<K,V>
implements Map<K,V>, Cloneable, Serializable {
//......
// 空表
static final Entry<?,?>[] EMPTY_TABLE = {};
// 哈希表
transient Entry<K,V>[] table = (Entry<K,V>[]) EMPTY_TABLE;
// 容器扩容阈值,当容器大小(size)达到此值时,容器就会扩容。
// size = 容量 * 负载因子
// 如果table == EMPTY_TABLE,那么就会用这个值作为初始容量,创建新的哈希表
int threshold;
// 负载因子
final float loadFactor;
// 构造函数3:指定初始容量和负载因子
public HashMap(int initialCapacity, float loadFactor) {
// 检查参数
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);
// 设置负载因子
this.loadFactor = loadFactor;
// 默认的阈值等于初始化容量
threshold = initialCapacity;
init();
}
// 构造函数4:用传入的map构造一个新的HashMap
public HashMap(Map<? extends K, ? extends V> m) {
this(Math.max((int) ( m.size() / DEFAULT_LOAD_FACTOR) + 1,
DEFAULT_INITIAL_CAPACITY), DEFAULT_LOAD_FACTOR);
// 分配哈希表空间
inflateTable(threshold);
putAllForCreate(m);
}
//......
}
上面的源码中,需要注意几点:
- 扩容阈值默认等于初始容量,16。
当哈希表为空表时
,HashMap会在内部以该阈值作为初始容量建哈希表
,哈希表实质是一个数组
-
inflateTable
方法就是建立哈希表,分配表内存空间的操作(inflate翻译为“膨胀”的意思,后面会详述)。但是指定初始容量和负载因子的构造方法
并没有马上调用inflateTable
。查找源码中全部调用inflateTable
的地方有:
初步看上去,只有参数列表是Map的构造函数调用了inflateTable
,但HashMap(Map map)
构造函数内部的逻辑是先调用一下HashMap(int initialCapacity, float loadFactor)
构造函数初始化完了容量和负载因子后,再调用inflateTable
的。所以小结一点:HashMap在初始化阶段不会马上创建哈希表。
调用逻辑
为了更好理解代码的调用,下图列出一些方法之间的调用关系:
内部数据结构
HashMap内部维护的数据结构是数组+链表
,每个键值对都存储在HashMap的静态内部类Entry
中,结构如下图:
put的实现
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);
for (Entry<K,V> e = table[i]; e != null; e = e.next) {
Object k;
if (e.hash == hash && ((k = e.key) == key || key.equals(k))) {
V oldValue = e.value;
e.value = value;
e.recordAccess(this);
return oldValue;
}
}
modCount++;
addEntry(hash, key, value, i);
return null;
}
void addEntry(int hash, K key, V value, int bucketIndex) {
// 如果容器大小大于等于阈值,且目标桶的entry不等于null
if ((size >= threshold) && (null != table[bucketIndex])) {
// 容器扩容: 哈希表原长度 * 2
resize(2 * table.length);
// 重新计算键的哈希值
hash = (null != key) ? hash(key) : 0;
// 重新计算哈希值对应存储的哈希表的位置
bucketIndex = indexFor(hash, table.length);
}
createEntry(hash, key, value, bucketIndex);
}
- 在put方法内部,会先判断哈希表是不是空表,如果是空表就建立哈希表(上面提到的内部数据结构中的
数组
),建好表后,就有空间可以存放键值对了。 - 要存放键值对,需要先根据key计算哈希码(hash),哈希码返回是一个int类型的数值,再根据哈希码计算出在固定长度的数组中存放的位置(下标)
- 得到下标后,就要在哈希表中找到存储的位置。HashMap会先加载指定下标中存放的
Entry
对象,如果Entry不为空,就比较该Entry的hash
和key
(比较key的时候,用==和equals
来比较)。如果跟put进来的hash、key匹配,就覆盖该Entry上的value
,然后直接返回旧的value;否则,就找该Entry指向的下一个Entry,直到最后一个Entry为止。 - 如果HashMap加载指定下标中存放的
Entry
对象是null,又或者是找完整条Entry链表都没有匹配的hash和key。那么就调用addEntry
新增一个Entry -
addEntry
方法中会做一些前置处理。HashMap会判断容器当前存放的键值对数量是否达到了设定的扩容阈值,如果达到了就扩容2倍。扩容后重新计算哈希码,并根据新哈希码和新数组长度重新计算存储位置。做好潜质处理后,就调用createEntry
新增一个Entry。 - 由于上面已经做了前置的处理,
createEntry
方法就不用担心扩容的问题,放心存Entry即可。该方法会在给定的下标为止存放put进来的key,value,当然这个key,value是包装在Entry中的,让后将Entry指向旧的Entry。
建哈希表的逻辑(inflateTable)
建哈希表是在inflateTable
方法中实现的:
/**
* 将一个数换算成2的n次幂
* @param number
* @return
*/
private static int roundUpToPowerOf2(int number) {
// assert number >= 0 : "number must be non-negative";
return number >= MAXIMUM_CAPACITY
? MAXIMUM_CAPACITY
: (number > 1) ? Integer.highestOneBit((number - 1) << 1) : 1;
// 理解 Integer.highestOneBit((number - 1) << 1)
// 比如 number = 23,23 - 1 = 22,二进制是:10110
// 22 左移一位(右边补1个0),结果是:101100
// Integer.highestOneBit() 函数的作用是取左边最高一位,其余位取0,
// 即:101100 -> 100000,换成十进制就是 32
}
/**
* inflate有“膨胀”、“充气”的意思。
* 理解为初始化哈希表,分配哈希表内存空间
*/
private void inflateTable(int toSize) {
// Find a power of 2 >= toSize
// 找出大于等于toSize的2的n次幂,作为哈希表的容量
int capacity = roundUpToPowerOf2(toSize);
// 计算新的扩容阈值: 容量 * 负载因子
threshold = (int) Math.min(capacity * loadFactor, MAXIMUM_CAPACITY + 1);
// 指定容量建哈希表
table = new Entry[capacity];
// 根据容量判断是否需要初始化hashSeed
initHashSeedAsNeeded(capacity);
}
理解一下roundUpToPowerOf2方法:
roundUpToPowerOf2部分计算结果:
roundUpToPowerOf2(0) = 1
roundUpToPowerOf2(1) = 1
roundUpToPowerOf2(2) = 2
roundUpToPowerOf2(3) = 4
roundUpToPowerOf2(4) = 4
roundUpToPowerOf2(5) = 8
roundUpToPowerOf2(6) = 8
roundUpToPowerOf2(7) = 8
roundUpToPowerOf2(8) = 8
roundUpToPowerOf2(9) = 16
roundUpToPowerOf2(10) = 16
roundUpToPowerOf2(11) = 16
roundUpToPowerOf2(12) = 16
roundUpToPowerOf2(13) = 16
roundUpToPowerOf2(14) = 16
roundUpToPowerOf2(15) = 16
roundUpToPowerOf2(16) = 16
roundUpToPowerOf2(17) = 32
roundUpToPowerOf2(6)计算示例:
计算公式:Integer.highestOneBit((5 - 1) << 1)
计算5<<1:
00000101
<<1
-------------
00001010
1010的十进制是10,然后计算Integer.highestOneBit(10),
该函数的作用是取传入数值的最高位然后其余低位取0,
所以Integer.highestOneBit(10)应该等于二进制的1000,即8
值得注意的是,inflateTable
中最后还调用了一个initHashSeedAsNeeded(capacity)
方法,该方法是用来依据容量决定是否需要初始化hashSeed
,hashSeed
默认是0,如果初始化hashSeed
,它的值将会是一个随机值。
Alternative hashing与hashSeed
在源码中有一个常量ALTERNATIVE_HASHING_THRESHOLD_DEFAULT
,它的注释提供了一些值得注意的信息:
/**
* The default threshold of map capacity above which alternative hashing is
* used for String keys. Alternative hashing reduces the incidence of
* collisions due to weak hash code calculation for String keys.
* <p/>
* This value may be overridden by defining the system property
* {@code jdk.map.althashing.threshold}. A property value of {@code 1}
* forces alternative hashing to be used at all times whereas
* {@code -1} value ensures that alternative hashing is never used.
*/
static final int ALTERNATIVE_HASHING_THRESHOLD_DEFAULT = Integer.MAX_VALUE;
大意是说,ALTERNATIVE_HASHING_THRESHOLD_DEFAULT
是一个默认的阈值,当一个键值对的键是String类型时,且map的容量达到了这个阈值,就启用备用哈希(alternative hashing)。备用哈希可以减少String类型的key计算哈希码(更容易)发生哈希碰撞的发生率。该值可以通过定义系统属性jdk.map.althashing.threshold
来指定。如果该值是1,表示强制总是使用备用哈希;如果是-1则表示禁用。
HashMap有一个静态内部类Holder
,它的作用是在虚拟机启动后根据jdk.map.althashing.threshold
和ALTERNATIVE_HASHING_THRESHOLD_DEFAULT
初始化ALTERNATIVE_HASHING_THRESHOLD
,相关代码如下:
/**
* Holder维护着一些只有在虚拟机启动后才能初始化的值
*/
private static class Holder {
/**
* 触发启用备用哈希的哈希表容量阈值
*/
static final int ALTERNATIVE_HASHING_THRESHOLD;
static {
// 读取JVM参数 -Djdk.map.althashing.threshold
String altThreshold = java.security.AccessController.doPrivileged(
new sun.security.action.GetPropertyAction(
"jdk.map.althashing.threshold"));
int threshold;
try {
// 如果该参数没有值,采用默认值
threshold = (null != altThreshold)
? Integer.parseInt(altThreshold)
: ALTERNATIVE_HASHING_THRESHOLD_DEFAULT;
// 如果参数值为-1,禁用备用哈希
// ALTERNATIVE_HASHING_THRESHOLD_DEFAULT也是等于Integer.MAX_VALUE
// 所以jdk默认是禁用备用哈希的
if (threshold == -1) {
threshold = Integer.MAX_VALUE;
}
// 参数为其它负数,则视为非法参数
if (threshold < 0) {
throw new IllegalArgumentException("value must be positive integer.");
}
} catch(IllegalArgumentException failed) {
throw new Error("Illegal value for 'jdk.map.althashing.threshold'", failed);
}
ALTERNATIVE_HASHING_THRESHOLD = threshold;
}
}
之前提到过,inflateTable
中最后还调用了一个initHashSeedAsNeeded(capacity)
方法,该方法是用来依据容量决定是否需要初始化hashSeed
,hashSeed
默认是0,如果初始化hashSeed
。所以下面来看看这个方法:
/**
* A randomizing value associated with this instance that is applied to
* hash code of keys to make hash collisions harder to find. If 0 then
* alternative hashing is disabled.
*/
transient int hashSeed = 0;
/**
* 按需初始化哈希种子
*/
final boolean initHashSeedAsNeeded(int capacity) {
// 如果hashSeed != 0,表示当前正在使用备用哈希
boolean currentAltHashing = hashSeed != 0;
// 如果vm启动了且map的容量大于阈值,使用备用哈希
boolean useAltHashing = sun.misc.VM.isBooted() &&
(capacity >= Holder.ALTERNATIVE_HASHING_THRESHOLD);
// 异或操作,如果两值同时为false,或同时为true,都算是false。
boolean switching = currentAltHashing ^ useAltHashing;
if (switching) {
// 把hashSeed设置成随机值
hashSeed = useAltHashing
? sun.misc.Hashing.randomHashSeed(this)
: 0;
}
return switching;
}
从hashSeed
变量的注释可以看出,哈希种子一个随机值,在计算key的哈希码时会用到这个种子,目的是为了进一步减少哈希碰撞。如果hashSeed=0
表示禁用备用哈希。
而Holder
中维护的ALTERNATIVE_HASHING_THRESHOLD
是触发启用备用哈希的阈值,该值表示,如果容器的容量(注意是容量,不是实际大小)
达到了该值,容器应该启用备用哈希。
Holder
会尝试读取JVM启动时传入的参数-Djdk.map.althashing.threshold
并赋值给ALTERNATIVE_HASHING_THRESHOLD
。它的值有如下含义:
- ALTERNATIVE_HASHING_THRESHOLD = 1,总是使用备用哈希
- ALTERNATIVE_HASHING_THRESHOLD = -1,禁用备用哈希
在initHashSeedAsNeeded(int capacity)
方法中,会判断如果容器的容量>=ALTERNATIVE_HASHING_THRESHOLD
,就会生成一个随机的哈希种子hashSeed
,该种子会在put
方法调用过程中的hash
方法中使用到:
/**
* 获取key的哈希码,并应用一个补充的哈希函数,构成最终的哈希码。
* 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) {
// 如果哈希种子是随机值,使用备用哈希
// (方法调用链:inflateTable()-->initHashSeedAsNeeded()-->hash(),
// 在initHashSeedAsNeeded()中已判断了是否需要初始化哈希种子)
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);
}
计算存储下标(indexFor)
/**
* 根据哈希码计算返回哈希表的下标
*/
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);
}
这段代码和简单,却有几个有意思的地方。
为什么容量要设计成2的n次幂
注意,容量实质就是内部数组的length
,还要注意是2的n次幂,不是2的倍数。先看下面的测试代码:
public class Main {
static final int hash(Object k) {
int hashSeed = 0;
int h = hashSeed;
if (0 != h && k instanceof String) {
return sun.misc.Hashing.stringHash32((String) k);
}
h ^= k.hashCode();
h ^= (h >>> 20) ^ (h >>> 12);
return h ^ (h >>> 7) ^ (h >>> 4);
}
static int indexFor(int h, int length) {
return h & (length-1);
}
public static void main(String[] args) {
String key = "14587";
int h = hash(key);
int capacity = 16;
for (int i = 0; i < 10; i++) {
System.out.println(String.format("哈希码: %d, 容量: %d, 下标: %d",
h, // 同一个哈希码
(capacity<<i), // 不同的容量
indexFor(h,capacity<<i))); //计算出来的下标
}
}
// key: hello
// 哈希码: 96207088, 容量: 16, 下标: 0
// 哈希码: 96207088, 容量: 32, 下标: 16
// 哈希码: 96207088, 容量: 64, 下标: 48
// 哈希码: 96207088, 容量: 128, 下标: 112
// 哈希码: 96207088, 容量: 256, 下标: 240
// 哈希码: 96207088, 容量: 512, 下标: 240
// 哈希码: 96207088, 容量: 1024, 下标: 240
// 哈希码: 96207088, 容量: 2048, 下标: 240
// 哈希码: 96207088, 容量: 4096, 下标: 240
// 哈希码: 96207088, 容量: 8192, 下标: 240
// key: 4
// 哈希码: 55, 容量: 16, 下标: 7
// 哈希码: 55, 容量: 32, 下标: 23
// 哈希码: 55, 容量: 64, 下标: 55
// 哈希码: 55, 容量: 128, 下标: 55
// 哈希码: 55, 容量: 256, 下标: 55
// 哈希码: 55, 容量: 512, 下标: 55
// 哈希码: 55, 容量: 1024, 下标: 55
// 哈希码: 55, 容量: 2048, 下标: 55
// 哈希码: 55, 容量: 4096, 下标: 55
// 哈希码: 55, 容量: 8192, 下标: 55
// key: 14587
// 哈希码: 48489485, 容量: 16, 下标: 13
// 哈希码: 48489485, 容量: 32, 下标: 13
// 哈希码: 48489485, 容量: 64, 下标: 13
// 哈希码: 48489485, 容量: 128, 下标: 13
// 哈希码: 48489485, 容量: 256, 下标: 13
// 哈希码: 48489485, 容量: 512, 下标: 13
// 哈希码: 48489485, 容量: 1024, 下标: 13
// 哈希码: 48489485, 容量: 2048, 下标: 1037
// 哈希码: 48489485, 容量: 4096, 下标: 1037
// 哈希码: 48489485, 容量: 8192, 下标: 1037
}
上面的hash
、indexFor
都是从HashMap源码中拷过来的,hashSeed=0
也是HashMap默认的值,main
方法中按key计算哈希码再按哈希码和数组长度计算下标也是put
方法中的执行逻辑。从测试结果可以看出,相同的哈希码,在多次扩容时,使用indexFor的算法,下标变动较少,这样能减少扩容引起的移动Entry
的操作次数。
可以看看key为4,容量为16、32、64......时indexFor计算下标的过程。
字符串“4”的哈希码是:55(二进制110111)
当length = 16时:
h & (length-1)
= 55 & (16-1)
= 110111 & 1111
当length = 32时:
h & (32-1)
= 55 & (16-1)
= 110111 & 11111
当length = 64时:
h & (length-1)
= 55 & (64-1)
= 110111 & 111111
由于容量每次扩容都会翻倍(容量 x 2),翻到特定次数后(红色虚线往左),跟h
做与运算的位肯定是全部都是1,所以算出来的下标都会是一样的。这样子,虽然扩容会引起下标变动,但相对稳定。
试想想,如果容量是17、33、65.....那么lenght-1
的二进制除了高位(最左一位)是1,其余是0,不同hash
和length-1
做与运算算出来的下标就更容易有重复的下标。使lenght-1
的全部位为1,能使计算出来的下标分布更均匀,减少哈希碰撞。
小结一下,容量设计成2的n次幂是为了:
- 在put方法中,有调用indexFor计算下标,容量设计成2的n次幂能使下标相对均匀,减少哈希碰撞
- 在扩容相关的transfer方法中,也有调用indexFor重新计算下标。容量设计成2的n次幂能使扩容时重新计算的下标相对稳定,减少移动元素
扩容与线程安全问题
/**
* Rehashes the contents of this map into a new array with a
* larger capacity. This method is called automatically when the
* number of keys in this map reaches its threshold.
*
* If current capacity is MAXIMUM_CAPACITY, this method does not
* resize the map, but sets threshold to Integer.MAX_VALUE.
* This has the effect of preventing future calls.
*
* @param newCapacity the new capacity, MUST be a power of two;
* must be greater than current capacity unless current
* capacity is MAXIMUM_CAPACITY (in which case value
* is irrelevant).
*/
void resize(int newCapacity) {
// 缓存就哈希表数据
Entry[] oldTable = table;
int oldCapacity = oldTable.length;
if (oldCapacity == MAXIMUM_CAPACITY) {
threshold = Integer.MAX_VALUE;
return;
}
// 用扩容容量创建一个新的哈希表
Entry[] newTable = new Entry[newCapacity];
transfer(newTable, initHashSeedAsNeeded(newCapacity));
table = newTable;
threshold = (int)Math.min(newCapacity * loadFactor, MAXIMUM_CAPACITY + 1);
}
/**
* 把所有条目从当前哈希表转移到新哈希表
*/
void transfer(Entry[] newTable, boolean rehash) {
int newCapacity = newTable.length;
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];
newTable[i] = e;
e = next;
}
}
}
从上图显示的转移过程可以看出,链表在转移后会逆序。3-->7-->9 变成 9-->7-->3。在单线程环境下,是不会出现闭合的回路的。
但是在多线程环境下,有可能多条线程都调用transfer
,而transfer
方法中访问了一个全局变量table
,并修改下标中指向的Entry。由于转移过程会导致链表逆序,就有可能出现闭环的引用:3-->7-->9-->3,然后,在调用get
方法的时候,就出现死循环。
**粗体** _斜体_ [链接](http://example.com) `代码` - 列表 > 引用
。你还可以使用@
来通知其他用户。