java--HashMap数据结构

简介

Java为数据结构中的映射定义了一个接口java.util.Map，此接口主要有四个常用的实现类，分别是、、和，类继承关系如下图所示：

下面针对各个实现类的特点做一些说明：

(1) ：它根据键的值存储数据，大多数情况下可以直接定位到它的值，因而具有很快的访问速度，但遍历顺序却是不确定的。 最多只允许一条记录的键为null，允许多条记录的值为null。非线程安全，即任一时刻可以有多个线程同时写，可能会导致数据的不一致。如果需要满足线程安全，可以用 的方法使具有线程安全的能力，或者使用。

(2) ：是遗留类，很多映射的常用功能与类似，不同的是它承自类，并且是线程安全的，任一时间只有一个线程能写，并发性不如，因为引入了分段锁。不建议在新代码中使用，不需要线程安全的场合可以用替换，需要线程安全的场合可以用替换。

(3) ：是的一个子类，保存了记录的插入顺序，在用遍历时，先得到的记录肯定是先插入的，也可以在构造时带参数，按照访问次序排序。

(4) ：实现接口，能够把它保存的记录根据键排序，默认是按键值的升序排序，也可以指定排序的比较器，当用遍历时，得到的记录是排过序的。如果使用排序的映射，建议使用。在使用时，key必须实现接口或者在构造传入自定义的，否则会在运行时抛出java.lang.类型的异常。

对于上述四种Map类型的类，要求映射中的key是不可变对象。不可变对象是该对象在创建后它的哈希值不会被改变。如果对象的哈希值发生变化，Map对象很可能就定位不到映射的位置了。

通过上面的比较，我们知道了是Java的Map家族中一个普通成员，鉴于它可以满足大多数场景的使用条件，所以是使用频度最高的一个。下文我们主要结合源码，从存储结构、常用方法分析、扩容以及安全性等方面深入讲解的工作原理。

内部实现

搞清楚，首先需要知道是什么，即它的存储结构-字段；其次弄明白它能干什么，即它的功能实现-方法。下面我们针对这两个方面详细展开讲解。

存储结构-字段

从结构实现来讲，是数组+链表+红黑树（JDK1.8增加了红黑树部分）实现的，如下如所示。

这里需要讲明白两个问题：数据底层具体存储的是什么？这样的存储方式有什么优点呢？

(1) 从源码可知，类中有一个非常重要的字段，就是 Node[] table，即哈希桶数组，明显它是一个Node的数组。我们来看Node[JDK1.8]是何物。

Node是的一个内部类，实现了Map.Entry接口，本质是就是一个映射(键值对)。上图中的每个黑色圆点就是一个Node对象。

(2) 就是使用哈希表来存储的。哈希表为解决冲突，可以采用开放地址法和链地址法等来解决问题，Java中采用了链地址法。链地址法，简单来说，就是数组加链表的结合。在每个数组元素上都一个链表结构，当数据被Hash后，得到数组下标，把数据放在对应下标元素的链表上。例如程序执行下面代码：

map.put("美团","小美");

系统将调用”美团”这个key的()方法得到其 值（该方法适用于每个Java对象），然后再通过Hash算法的后两步运算（高位运算和取模运算，下文有介绍）来定位该键值对的存储位置，有时两个key会定位到相同的位置，表示发生了Hash碰撞。当然Hash算法计算结果越分散均匀，Hash碰撞的概率就越小，map的存取效率就会越高。

如果哈希桶数组很大，即使较差的Hash算法也会比较分散，如果哈希桶数组数组很小，即使好的Hash算法也会出现较多碰撞，所以就需要在空间成本和时间成本之间权衡，其实就是在根据实际情况确定哈希桶数组的大小，并在此基础上设计好的hash算法减少Hash碰撞。那么通过什么方式来控制map使得Hash碰撞的概率又小，哈希桶数组（Node[] table）占用空间又少呢？答案就是好的Hash算法和扩容机制。

在理解Hash和扩容流程之前，我们得先了解下的几个字段。从的默认构造函数源码可知，构造函数就是对下面几个字段进行初始化，源码如下：

首先，Node[] table的初始化长度(默认值是16)，Load 为负载因子(默认值是0.75)，是所能容纳的最大数据量的Node(键值对)个数。 = * Load 。也就是说，在数组定义好长度之后，负载因子越大，所能容纳的键值对个数越多。

结合负载因子的定义公式可知，就是在此Load 和(数组长度)对应下允许的最大元素数目，超过这个数目就重新(扩容)，扩容后的容量是之前容量的两倍。默认的负载因子0.75是对空间和时间效率的一个平衡选择，建议大家不要修改，除非在时间和空间比较特殊的情况下，如果内存空间很多而又对时间效率要求很高，可以降低负载因子Load 的值；相反，如果内存空间紧张而对时间效率要求不高，可以增加负载因子的值，这个值可以大于1。

size这个字段其实很好理解，就是中实际存在的键值对数量。注意和table的长度、容纳最大键值对数量的区别。而字段主要用来记录内部结构发生变化的次数，主要用于迭代的快速失败。强调一点，内部结构发生变化指的是结构发生变化，例如put新键值对，但是某个key对应的value值被覆盖不属于结构变化。

在中，哈希桶数组table的长度大小必须为2的n次方(一定是合数)，这是一种非常规的设计，常规的设计是把桶的大小设计为素数。相对来说素数导致冲突的概率要小于合数，具体证明可以参考，初始化桶大小为11，就是桶大小设计为素数的应用（扩容后不能保证还是素数）。采用这种非常规设计，主要是为了在取模和扩容时做优化，同时为了减少冲突，定位哈希桶索引位置时，也加入了高位参与运算的过程。

这里存在一个问题，即使负载因子和Hash算法设计的再合理，也免不了会出现拉链过长的情况，一旦出现拉链过长，则会严重影响的性能。于是，在JDK1.8版本中，对数据结构做了进一步的优化，引入了红黑树。而当链表长度太长（默认超过8）时，链表就转换为红黑树，利用红黑树快速增删改查的特点提高的性能，其中会用到红黑树的插入、删除、查找等算法。本文不再对红黑树展开讨论，想了解更多红黑树数据结构的工作原理可以参考。

功能实现-方法

的内部功能实现很多，本文主要从根据key获取哈希桶数组索引位置、put方法的详细执行、扩容过程三个具有代表性的点深入展开讲解。

1. 确定哈希桶数组索引位置

不管增加、删除、查找键值对，定位到哈希桶数组的位置都是很关键的第一步。前面说过的数据结构是数组和链表的结合，所以我们当然希望这个里面的元素位置尽量分布均匀些，尽量使得每个位置上的元素数量只有一个，那么当我们用hash算法求得这个位置的时候，马上就可以知道对应位置的元素就是我们要的，不用遍历链表，大大优化了查询的效率。定位数组索引位置，直接决定了hash方法的离散性能。先看看源码的实现(方法一+方法二):

这里的Hash算法本质上就是三步：取key的值、高位运算、取模运算。

对于任意给定的对象，只要它的()返回值相同，那么程序调用方法一所计算得到的Hash码值总是相同的。我们首先想到的就是把hash值对数组长度取模运算，这样一来，元素的分布相对来说是比较均匀的。但是，模运算的消耗还是比较大的，在中是这样做的：调用方法二来计算该对象应该保存在table数组的哪个索引处。

这个方法非常巧妙，它通过h & (table. -1)来得到该对象的保存位，而底层数组的长度总是2的n次方，这是在速度上的优化。当总是2的n次方时，h& (-1)运算等价于对取模，也就是h%，但是&比%具有更高的效率。

在JDK1.8的实现中，优化了高位运算的算法，通过()的高16位异或低16位实现的：(h = k.()) ^ (h >>> 16)，主要是从速度、功效、质量来考虑的，这么做可以在数组table的比较小的时候，也能保证考虑到高低Bit都参与到Hash的计算中，同时不会有太大的开销。

下面举例说明下，n为table的长度。

2. 分析的put方法

的put方法执行过程可以通过下图来理解，自己有兴趣可以去对比源码更清楚地研究学习。

①.判断键值对数组table[i]是否为空或为null，否则执行()进行扩容；

②.根据键值key计算hash值得到插入的数组索引i，如果table[i]==null，直接新建节点添加，转向⑥，如果table[i]不为空，转向③；

③.判断table[i]的首个元素是否和key一样，如果相同直接覆盖value，否则转向④，这里的相同指的是以及；

④.判断table[i] 是否为，即table[i] 是否是红黑树，如果是红黑树，则直接在树中插入键值对，否则转向⑤；

⑤.遍历table[i]，判断链表长度是否大于8，大于8的话把链表转换为红黑树，在红黑树中执行插入操作，否则进行链表的插入操作；遍历过程中若发现key已经存在直接覆盖value即可；

⑥.插入成功后，判断实际存在的键值对数量size是否超多了最大容量，如果超过，进行扩容。

JDK1.的put方法源码如下:

3. 扩容机制

扩容()就是重新计算容量，向对象里不停的添加元素，而对象内部的数组无法装载更多的元素时，对象就需要扩大数组的长度，以便能装入更多的元素。当然Java里的数组是无法自动扩容的，方法是使用一个新的数组代替已有的容量小的数组，就像我们用一个小桶装水，如果想装更多的水，就得换大水桶。

我们分析下的源码，鉴于JDK1.8融入了红黑树，较复杂，为了便于理解我们仍然使用JDK1.7的代码，好理解一些，本质上区别不大

这里就是使用一个容量更大的数组来代替已有的容量小的数组，()方法将原有Entry数组的元素拷贝到新的Entry数组里。

[i]的引用赋给了e.next，也就是使用了单链表的头插入方式，同一位置上新元素总会被放在链表的头部位置；这样先放在一个索引上的元素终会被放到Entry链的尾部(如果发生了hash冲突的话），这一点和Jdk1.8有区别，下文详解。在旧数组中同一条Entry链上的元素，通过重新计算索引位置后，有可能被放到了新数组的不同位置上。

下面举个例子说明下扩容过程。假设了我们的hash算法就是简单的用key mod 一下表的大小（也就是数组的长度）。其中的哈希桶数组table的size=2， 所以key = 3、7、5，put顺序依次为 5、7、3。在mod 2以后都冲突在table[1]这里了。这里假设负载因子 =1，即当键值对的实际大小size 大于 table的实际大小时进行扩容。接下来的三个步骤是哈希桶数组 成4，然后所有的Node重新的过程。

java8优化点：不再重新计算hash值，的过程均匀的把之前的冲突的节点分散到新的了。这一块就是JDK1.8新增的优化点。有一点注意区别，JDK1.7中的时候，旧链表迁移新链表的时候，如果在新表的数组索引位置相同，则链表元素会倒置，但是从上图可以看出，JDK1.8不会倒置。有兴趣的同学可以研究下JDK1.8的源码，写的很赞

小结

(1) 扩容是一个特别耗性能的操作，所以当程序员在使用的时候，估算map的大小，初始化的时候给一个大致的数值，避免map进行频繁的扩容。

(2) 负载因子是可以修改的，也可以大于1，但是建议不要轻易修改，除非情况非常特殊。

(3) 是线程不安全的，不要在并发的环境中同时操作，建议使用。

(4) JDK1.8引入红黑树大程度优化了的性能。

(5) 还没升级JDK1.8的，现在开始升级吧。的性能提升仅仅是JDK1.8的冰山一角。