淺談HashMap的內部實現

權衡時空

---

 

HashMap是以鍵值對的方式存儲數據的。

 

如果沒有內存限制，那我直接用哈希Map的鍵作為數組的索引，取的時候直接按索引get就行了，可是地價那么貴，哪里有無限制的地盤呢。

 

如果沒有時間限制的話，我可以把數據放到一個無序數組中，按順序查找，遲早也能找到。可是time is money，光陰那么短暫，誰又等得起呢。

 

所以，HashMap做了個折中的策略，使用適當的時間和空間做出了權衡，具體可以歸結為“鏈表散列法”，這是一個hash表處理沖突的經典方法。

 　　

　　鏈表散列

---

 

那么什么是”鏈表散列法”呢？看下圖：

 

 

 

縱向的是一個數組，數組的每一項都是一個鏈表。你可以把這個數組看成是N個桶，每一個桶放着一個鏈子。

 

數組是干嘛的？數組的每一項負責放鏈表的。

 

鏈表是干嘛的？負責放Map數據的，比如一個HashMap有兩個鍵，一個是key1，一個是key2。那么該鏈表就會分出兩個節點分別存放這兩個鍵值對（每一個鍵值對是打包放在Entry對象中的）。

 

鏈表是怎么鏈起來的？Entry包含有key、value、下一個節點next、hash值等，這個next就把各個節點串了起來。

 

HashMap保存數據的過程為：先計算當前要保存的鍵值對的哈希值（決定着當前鍵值對要放到哪個桶中），根據這個哈希值找到對應的桶。如果桶中沒有數據，那就直接放進去。如果桶中已經放了數據（也即：桶中的鏈條上放着一個或者多個鍵值對），那就順着桶中的這個鏈條一個一個比對，看有沒有key與當前要保存的數據的key相同。如果有相同，直接覆蓋原來key的value。如果沒有相同的，那么將該元素保存在鏈頭（最早保存的元素就會跑到鏈尾）。

 　　

　　裝填因子

---

 

桶的數量決定了能放多少個HashMap，而具體用了多少個桶，則直接關系着查找的效率。打個比方，你去隔壁班找小明，班里有10個人，你很快就會找到小明，班里坐着100個人，你可能找半天才能找到。所以你去看HashMap的構造函數是這樣的：

 

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);
}

 

三個構造函數都牽動着兩個東西：initialCapacity，loadFactor。前者表示的是桶的初始數量（即數組大小），后者表示“裝填因子”，裝填因子是哈希表在其容量自動增加之前可以達到多滿的一種尺度。比如，數組初始大小為100，如果裝填因子=0.6，表示當數組中存放了60個Map之后，就要把數組擴容后才能繼續存放。這就是為了解決上面講到的效率問題。

 

裝填因子定的小了，查找數據就快些，但是浪費空間。裝填因子大了，空間利用率就高，但是浪費時間。生活就是這樣，顧此失彼在所難免，萬事哪有兩全的呢。系統權衡利弊后，默認給的裝填因子是0.75，這個一般我們是不需要改動的。

 　　

　　除留余數

---

 

那么還有個問題。拿到一個Map的哈希值，怎么決定放到哪個桶里呢？如果最后數組中的Map數據都擠到一塊兒那可不行，查詢就會慢。太松了也不行，浪費空間。Java用了一招“除留余數法”，保證數據在數組中分布均勻。

 

“除留余數法”，就是取模。比如數組的長度是100，Map的哈希值是80，用80%100，余數是80，就放到80那個位置。但是Java可不是那樣干算的呦，且看源碼：

 

void addEntry(int hash, K key, V value, int bucketIndex) {
        if ((size >= threshold) && (null != table[bucketIndex])) {
            resize(2 * table.length);
            hash = (null != key) ? hash(key) : 0;
            bucketIndex = indexFor(hash, table.length);
        }

        createEntry(hash, key, value, bucketIndex);
}

 

上面代碼就是HashMap中的添加Entry數據的方法。BucketIndex就是當前Map在數組中的索引。第三行擴容且不談，重點在indexFor方法，這個方法就是”取模”。我們點進去看一下：

 

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);

}

 

H是Map的哈希值，length是數組的長度。它直接使用了一個h & (length - 1)。這一句其實就相當於對數組取模，但是直接用二進制的位操作，比數學計算要快的多。這也給了我們程序員一個啟發，能用位運算時盡量用，提高逼格又提高效率。

 　　

　　均勻分布

---

 

還有個有趣的地方，上面代碼的注釋部分：length must be a non-zero power of 2，這句是說，數組的長度必須是2的n次方。

 

為啥是2的n次方呢？

 

如果不是2的n次方，比如length為15，h分別為2,3,4。那么用h & (length -1)有：

 

h	Length-1	h & (length -1)
0010	1110	0010，即2
0011	1110	0010，即2
0100	1110	0100，即4

 

你看，隨便測了三個數字，就發生了碰撞。為什么會這樣呢？

 

這是因為：如果不是2的n次方，那么2^n – 1的最低位必然為0，而0、1分別和0作“與”運算，結果都為0。也就是說，不論h為多少，h & (length - 1)的結果最低位都是0。那么數組中最低位為1的那些位置就全部空缺着，這就導致數據在數組中分布不均勻了，繼而影響了查詢的效率。

 

讀取數據的時候就簡單多了，通過key的hash值找到在table數組中的索引處的Entry，然后返回該key對應的value即可。

 

參考資料：

 

http://www.cnblogs.com/chenssy/p/3521565.html

http://blog.csdn.net/zhuanshenweiliu/article/details/39177447

http://blog.csdn.net/tanggao1314/article/details/51457585#t1

http://www.importnew.com/18851.html