zoukankan      html  css  js  c++  java
  • hashMap在1.7和1.8的区别

    2.HashMap在Java1.7与1.8中的区别

       同系列文章:(1)美团面试题:Hashmap的结构,1.7和1.8有哪些区别,史上最深入的分析

    1.Java源码分析:HashMap 1.8 相对于1.7 到底更新了什么?(转载)

    =======

    2.HashMap在Java1.7与1.8中的区别

    基于JDK1.7.0_80JDK1.8.0_66做的分析

    JDK1.7中

    使用一个Entry数组来存储数据,用key的hashcode取模来决定key会被放到数组里的位置,如果hashcode相同,或者hashcode取模后的结果相同(hash collision),那么这些key会被定位到Entry数组的同一个格子里,这些key会形成一个链表。

    在hashcode特别差的情况下,比方说所有key的hashcode都相同,这个链表可能会很长,那么put/get操作都可能需要遍历这个链表

    也就是说时间复杂度在最差情况下会退化到O(n)

    JDK1.8中

    使用一个Node数组来存储数据,但这个Node可能是链表结构,也可能是红黑树结构

    如果插入的key的hashcode相同,那么这些key也会被定位到Node数组的同一个格子里。

    如果同一个格子里的key不超过8个,使用链表结构存储。

    如果超过了8个,那么会调用treeifyBin函数,将链表转换为红黑树。

    那么即使hashcode完全相同,由于红黑树的特点,查找某个特定元素,也只需要O(log n)的开销

    也就是说put/get的操作的时间复杂度最差只有O(log n)

    听起来挺不错,但是真正想要利用JDK1.8的好处,有一个限制:

    key的对象,必须正确的实现了Compare接口

    如果没有实现Compare接口,或者实现得不正确(比方说所有Compare方法都返回0)

    那JDK1.8的HashMap其实还是慢于JDK1.7的

    简单的测试数据如下:

    向HashMap中put/get 1w条hashcode相同的对象

    JDK1.7:                                  put 0.26s,get 0.55s

    JDK1.8(未实现Compare接口):put 0.92s,get 2.1s

    但是如果正确的实现了Compare接口,那么JDK1.8中的HashMap的性能有巨大提升,这次put/get 100W条hashcode相同的对象

    JDK1.8(正确实现Compare接口,):put/get大概开销都在320ms左右

    为什么要这么操作呢?

    我认为应该是为了避免Hash Collision DoS攻击

    Java中String的hashcode函数的强度很弱,有心人可以很容易的构造出大量hashcode相同的String对象。

    如果向服务器一次提交数万个hashcode相同的字符串参数,那么可以很容易的卡死JDK1.7版本的服务器。

    但是String正确的实现了Compare接口,因此在JDK1.8版本的服务器上,Hash Collision DoS不会造成不可承受的开销。

    参考资料:

    jdk1.7.0_80的HashMap源码

    jdk1.8.0_66的HashMap源码

    Java 8系列之重新认识HashMap

    HASH COLLISION DOS 问题

    1.Java源码分析:HashMap 1.8 相对于1.7 到底更新了什么?(转载)

    前言

    • HashMapJavaAndroid 开发中非常常见
    • HashMap 1.8 相对于 HashMap 1.7 更新多
    • 今天,我将通过源码分析HashMap 1.8 ,从而讲解HashMap 1.8 相对于 HashMap 1.7 的更新内容,希望你们会喜欢。
    1. 本文基于版本 JDK 1.8,即 Java 8
    2. 关于版本 JDK 1.7,即 Java 7,具体请看文章Java:手把手带你源码分析 HashMap 1.7

    目录

     
    示意图

    1. 简介

    • 类定义
    public class HashMap<K,V>
             extends AbstractMap<K,V> 
             implements Map<K,V>, Cloneable, Serializable
    
    • 主要简介
     
    示意图
    • HashMap 的实现在 JDK 1.7JDK 1.8 差别较大
    • 今天,我将对照 JDK 1.7的源码,在此基础上讲解 JDK 1.8HashMap 的源码解析

    请务必打开JDK 1.7对照看:Java:手把手带你源码分析 HashMap 1.7


    2. 数据结构:引入了 红黑树

    2.1 主要介绍

     
    示意图

    关于 红黑树 的简介

     
    示意图

    更加具体的了解,请:点击阅读文章

    2.2 存储流程

    注:为了让大家有个感性的认识,只是简单的画出存储流程,更加详细 & 具体的存储流程会在下面源码分析中给出

     
    示意图

    2.3 数组元素 & 链表节点的 实现类

    • HashMap中的数组元素 & 链表节点 采用 Node类 实现

    JDK 1.7 的对比(Entry类),仅仅只是换了名字

    • 该类的源码分析如下

    具体分析请看注释

    /** 
      * Node  = HashMap的内部类,实现了Map.Entry接口,本质是 = 一个映射(键值对)
      * 实现了getKey()、getValue()、equals(Object o)和hashCode()等方法
      **/  
    
      static class Node<K,V> implements Map.Entry<K,V> {
    
            final int hash; // 哈希值,HashMap根据该值确定记录的位置
            final K key; // key
            V value; // value
            Node<K,V> next;// 链表下一个节点
    
            // 构造方法
            Node(int hash, K key, V value, Node<K,V> next) {
                this.hash = hash;
                this.key = key;
                this.value = value;
                this.next = next;
            }
            
            public final K getKey()        { return key; }   // 返回 与 此项 对应的键
            public final V getValue()      { return value; } // 返回 与 此项 对应的值
            public final String toString() { return key + "=" + value; }
    
            public final V setValue(V newValue) {
                V oldValue = value;
                value = newValue;
                return oldValue;
            }
    
          /** 
            * hashCode() 
            */
            public final int hashCode() {
                return Objects.hashCode(key) ^ Objects.hashCode(value);
            }
    
          /** 
            * equals()
            * 作用:判断2个Entry是否相等,必须key和value都相等,才返回true  
            */
            public final boolean equals(Object o) {
                if (o == this)
                    return true;
                if (o instanceof Map.Entry) {
                    Map.Entry<?,?> e = (Map.Entry<?,?>)o;
                    if (Objects.equals(key, e.getKey()) &&
                        Objects.equals(value, e.getValue()))
                        return true;
                }
                return false;
            }
        }
    

    2.4 红黑树节点 实现类

    • HashMap中的红黑树节点 采用 TreeNode 类 实现
     /**
      * 红黑树节点 实现类:继承自LinkedHashMap.Entry<K,V>类
      */
      static final class TreeNode<K,V> extends LinkedHashMap.Entry<K,V> {  
    
        // 属性 = 父节点、左子树、右子树、删除辅助节点 + 颜色
        TreeNode<K,V> parent;  
        TreeNode<K,V> left;   
        TreeNode<K,V> right;
        TreeNode<K,V> prev;   
        boolean red;   
    
        // 构造函数
        TreeNode(int hash, K key, V val, Node<K,V> next) {  
            super(hash, key, val, next);  
        }  
      
        // 返回当前节点的根节点  
        final TreeNode<K,V> root() {  
            for (TreeNode<K,V> r = this, p;;) {  
                if ((p = r.parent) == null)  
                    return r;  
                r = p;  
            }  
        } 
    

    3. 具体使用

    3.1 主要使用API(方法、函数)

    JDK 1.7 基本相同

    V get(Object key); // 获得指定键的值
    V put(K key, V value);  // 添加键值对
    void putAll(Map<? extends K, ? extends V> m);  // 将指定Map中的键值对 复制到 此Map中
    V remove(Object key);  // 删除该键值对
    
    boolean containsKey(Object key); // 判断是否存在该键的键值对;是 则返回true
    boolean containsValue(Object value);  // 判断是否存在该值的键值对;是 则返回true
     
    Set<K> keySet();  // 单独抽取key序列,将所有key生成一个Set
    Collection<V> values();  // 单独value序列,将所有value生成一个Collection
    
    void clear(); // 清除哈希表中的所有键值对
    int size();  // 返回哈希表中所有 键值对的数量 = 数组中的键值对 + 链表中的键值对
    boolean isEmpty(); // 判断HashMap是否为空;size == 0时 表示为 空 
    
    

    3.2 使用流程

    JDK 1.7 基本相同

    • 在具体使用时,主要流程是:
    1. 声明1个 HashMap的对象
    2. HashMap 添加数据(成对 放入 键 - 值对)
    3. 获取 HashMap 的某个数据
    4. 获取 HashMap 的全部数据:遍历HashMap
    • 示例代码
    import java.util.Collection;
    import java.util.HashMap;
    import java.util.Iterator;
    import java.util.Map;
    import java.util.Set;
    
    public class HashMapTest {
    
        public static void main(String[] args) {
          /**
            * 1. 声明1个 HashMap的对象
            */
            Map<String, Integer> map = new HashMap<String, Integer>();
    
          /**
            * 2. 向HashMap添加数据(成对 放入 键 - 值对)
            */
            map.put("Android", 1);
            map.put("Java", 2);
            map.put("iOS", 3);
            map.put("数据挖掘", 4);
            map.put("产品经理", 5);
    
           /**
            * 3. 获取 HashMap 的某个数据
            */
            System.out.println("key = 产品经理时的值为:" + map.get("产品经理"));
    
          /**
            * 4. 获取 HashMap 的全部数据:遍历HashMap
            * 核心思想:
            * 步骤1:获得key-value对(Entry) 或 key 或 value的Set集合
            * 步骤2:遍历上述Set集合(使用for循环 、 迭代器(Iterator)均可)
            * 方法共有3种:分别针对 key-value对(Entry) 或 key 或 value
            */
    
            // 方法1:获得key-value的Set集合 再遍历
            System.out.println("方法1");
            // 1. 获得key-value对(Entry)的Set集合
            Set<Map.Entry<String, Integer>> entrySet = map.entrySet();
    
            // 2. 遍历Set集合,从而获取key-value
            // 2.1 通过for循环
            for(Map.Entry<String, Integer> entry : entrySet){
                System.out.print(entry.getKey());
                System.out.println(entry.getValue());
            }
            System.out.println("----------");
            // 2.2 通过迭代器:先获得key-value对(Entry)的Iterator,再循环遍历
            Iterator iter1 = entrySet.iterator();
            while (iter1.hasNext()) {
                // 遍历时,需先获取entry,再分别获取key、value
                Map.Entry entry = (Map.Entry) iter1.next();
                System.out.print((String) entry.getKey());
                System.out.println((Integer) entry.getValue());
            }
    
    
            // 方法2:获得key的Set集合 再遍历
            System.out.println("方法2");
    
            // 1. 获得key的Set集合
            Set<String> keySet = map.keySet();
    
            // 2. 遍历Set集合,从而获取key,再获取value
            // 2.1 通过for循环
            for(String key : keySet){
                System.out.print(key);
                System.out.println(map.get(key));
            }
    
            System.out.println("----------");
    
            // 2.2 通过迭代器:先获得key的Iterator,再循环遍历
            Iterator iter2 = keySet.iterator();
            String key = null;
            while (iter2.hasNext()) {
                key = (String)iter2.next();
                System.out.print(key);
                System.out.println(map.get(key));
            }
    
    
            // 方法3:获得value的Set集合 再遍历
            System.out.println("方法3");
    
            // 1. 获得value的Set集合
            Collection valueSet = map.values();
    
            // 2. 遍历Set集合,从而获取value
            // 2.1 获得values 的Iterator
            Iterator iter3 = valueSet.iterator();
            // 2.2 通过遍历,直接获取value
            while (iter3.hasNext()) {
                System.out.println(iter3.next());
            }
    
        }
    
    
    }
    
    // 注:对于遍历方式,推荐使用针对 key-value对(Entry)的方式:效率高
    // 原因:
       // 1. 对于 遍历keySet 、valueSet,实质上 = 遍历了2次:1 = 转为 iterator 迭代器遍历、2 = 从 HashMap 中取出 key 的 value 操作(通过 key 值 hashCode 和 equals 索引)
       // 2. 对于 遍历 entrySet ,实质 = 遍历了1次 = 获取存储实体Entry(存储了key 和 value )
    
    • 运行结果
    方法1
    Java2
    iOS3
    数据挖掘4
    Android1
    产品经理5
    ----------
    Java2
    iOS3
    数据挖掘4
    Android1
    产品经理5
    方法2
    Java2
    iOS3
    数据挖掘4
    Android1
    产品经理5
    ----------
    Java2
    iOS3
    数据挖掘4
    Android1
    产品经理5
    方法3
    2
    3
    4
    1
    5
    

    下面,我们按照上述的使用过程,对一个个步骤进行源码解析


    4. 基础知识:HashMap中的重要参数(变量)

    • 在进行真正的源码分析前,先讲解HashMap中的重要参数(变量)
    • HashMap中的主要参数 同 JDK 1.7 ,即:容量、加载因子、扩容阈值
    • 但由于数据结构中引入了 红黑树,故加入了 与红黑树相关的参数。具体介绍如下:
     /** 
       * 主要参数 同  JDK 1.7 
       * 即:容量、加载因子、扩容阈值(要求、范围均相同)
       */
    
      // 1. 容量(capacity): 必须是2的幂 & <最大容量(2的30次方)
      static final int DEFAULT_INITIAL_CAPACITY = 1 << 4; // 默认容量 = 16 = 1<<4 = 00001中的1向左移4位 = 10000 = 十进制的2^4=16
      static final int MAXIMUM_CAPACITY = 1 << 30; // 最大容量 =  2的30次方(若传入的容量过大,将被最大值替换)
    
      // 2. 加载因子(Load factor):HashMap在其容量自动增加前可达到多满的一种尺度 
      final float loadFactor; // 实际加载因子
      static final float DEFAULT_LOAD_FACTOR = 0.75f; // 默认加载因子 = 0.75
    
      // 3. 扩容阈值(threshold):当哈希表的大小 ≥ 扩容阈值时,就会扩容哈希表(即扩充HashMap的容量) 
      // a. 扩容 = 对哈希表进行resize操作(即重建内部数据结构),从而哈希表将具有大约两倍的桶数
      // b. 扩容阈值 = 容量 x 加载因子
      int threshold;
    
      // 4. 其他
      transient Node<K,V>[] table;  // 存储数据的Node类型 数组,长度 = 2的幂;数组的每个元素 = 1个单链表
      transient int size;// HashMap的大小,即 HashMap中存储的键值对的数量
     
    
      /** 
       * 与红黑树相关的参数
       */
       // 1. 桶的树化阈值:即 链表转成红黑树的阈值,在存储数据时,当链表长度 > 该值时,则将链表转换成红黑树
       static final int TREEIFY_THRESHOLD = 8; 
       // 2. 桶的链表还原阈值:即 红黑树转为链表的阈值,当在扩容(resize())时(此时HashMap的数据存储位置会重新计算),在重新计算存储位置后,当原有的红黑树内数量 < 6时,则将 红黑树转换成链表
       static final int UNTREEIFY_THRESHOLD = 6;
       // 3. 最小树形化容量阈值:即 当哈希表中的容量 > 该值时,才允许树形化链表 (即 将链表 转换成红黑树)
       // 否则,若桶内元素太多时,则直接扩容,而不是树形化
       // 为了避免进行扩容、树形化选择的冲突,这个值不能小于 4 * TREEIFY_THRESHOLD
       static final int MIN_TREEIFY_CAPACITY = 64;
      
    
    • 此处 再次详细说明 加载因子

    JDK 1.7,但由于其重要性,故此处再次说明

     
    示意图
    • 总结 数据结构 & 参数方面与 JDK 1.7的区别
     
    示意图

    5. 源码分析

    • 本次的源码分析主要是根据 使用步骤 进行相关函数的详细分析
    • 主要分析内容如下:
     
    示意图
    • 下面,我将对每个步骤内容的主要方法进行详细分析

    步骤1:声明1个 HashMap的对象

    此处主要分析的构造函数 类似 JDK 1.7

    /**
      * 函数使用原型
      */
      Map<String,Integer> map = new HashMap<String,Integer>();
    
     /**
       * 源码分析:主要是HashMap的构造函数 = 4个
       * 仅贴出关于HashMap构造函数的源码
       */
    
    public class HashMap<K,V>
        extends AbstractMap<K,V>
        implements Map<K,V>, Cloneable, Serializable{
    
        // 省略上节阐述的参数
        
      /**
         * 构造函数1:默认构造函数(无参)
         * 加载因子 & 容量 = 默认 = 0.75、16
         */
        public HashMap() {
            this.loadFactor = DEFAULT_LOAD_FACTOR;
        }
    
        /**
         * 构造函数2:指定“容量大小”的构造函数
         * 加载因子 = 默认 = 0.75 、容量 = 指定大小
         */
        public HashMap(int initialCapacity) {
            // 实际上是调用指定“容量大小”和“加载因子”的构造函数
            // 只是在传入的加载因子参数 = 默认加载因子
            this(initialCapacity, DEFAULT_LOAD_FACTOR);
            
        }
    
        /**
         * 构造函数3:指定“容量大小”和“加载因子”的构造函数
         * 加载因子 & 容量 = 自己指定
         */
        public HashMap(int initialCapacity, float loadFactor) {
    
            // 指定初始容量必须非负,否则报错  
             if (initialCapacity < 0)  
               throw new IllegalArgumentException("Illegal initial capacity: " +  
                                               initialCapacity); 
    
            // HashMap的最大容量只能是MAXIMUM_CAPACITY,哪怕传入的 > 最大容量
            if (initialCapacity > MAXIMUM_CAPACITY)
                initialCapacity = MAXIMUM_CAPACITY;
    
            // 填充比必须为正  
            if (loadFactor <= 0 || Float.isNaN(loadFactor))  
                throw new IllegalArgumentException("Illegal load factor: " +  
                                               loadFactor);  
            // 设置 加载因子
            this.loadFactor = loadFactor;
    
            // 设置 扩容阈值
            // 注:此处不是真正的阈值,仅仅只是将传入的容量大小转化为:>传入容量大小的最小的2的幂,该阈值后面会重新计算
            // 下面会详细讲解 ->> 分析1
            this.threshold = tableSizeFor(initialCapacity); 
    
        }
    
        /**
         * 构造函数4:包含“子Map”的构造函数
         * 即 构造出来的HashMap包含传入Map的映射关系
         * 加载因子 & 容量 = 默认
         */
    
        public HashMap(Map<? extends K, ? extends V> m) {
    
            // 设置容量大小 & 加载因子 = 默认
            this.loadFactor = DEFAULT_LOAD_FACTOR; 
    
            // 将传入的子Map中的全部元素逐个添加到HashMap中
            putMapEntries(m, false); 
        }
    }
    
       /**
         * 分析1:tableSizeFor(initialCapacity)
         * 作用:将传入的容量大小转化为:>传入容量大小的最小的2的幂
         * 与JDK 1.7对比:类似于JDK 1.7 中 inflateTable()里的 roundUpToPowerOf2(toSize)
         */
        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;
    }
    
    • 注:(同JDK 1.7类似)
      1. 此处仅用于接收初始容量大小(capacity)、加载因子(Load factor),但仍无真正初始化哈希表,即初始化存储数组table
      2. 此处先给出结论:真正初始化哈希表(初始化存储数组table)是在第1次添加键值对时,即第1次调用put()时。下面会详细说明

    至此,关于HashMap的构造函数讲解完毕。


    步骤2:向HashMap添加数据(成对 放入 键 - 值对)

    • 在该步骤中,与JDK 1.7的差别较大:
     
    示意图

    下面会对上述区别进行详细讲解

    • 添加数据的流程如下

    注:为了让大家有个感性的认识,只是简单的画出存储流程,更加详细 & 具体的存储流程会在下面源码分析中给出

     
    示意图
    • 源码分析
     /**
       * 函数使用原型
       */
       map.put("Android", 1);
            map.put("Java", 2);
            map.put("iOS", 3);
            map.put("数据挖掘", 4);
            map.put("产品经理", 5);
    
       /**
         * 源码分析:主要分析HashMap的put函数
         */
        public V put(K key, V value) {
            // 1. 对传入数组的键Key计算Hash值 ->>分析1
            // 2. 再调用putVal()添加数据进去 ->>分析2
            return putVal(hash(key), key, value, false, true);
        }
    

    下面,将详细讲解 上面的2个主要分析点

    分析1:hash(key)

       /**
         * 分析1:hash(key)
         * 作用:计算传入数据的哈希码(哈希值、Hash值)
         * 该函数在JDK 1.7 和 1.8 中的实现不同,但原理一样 = 扰动函数 = 使得根据key生成的哈希码(hash值)分布更加均匀、更具备随机性,避免出现hash值冲突(即指不同key但生成同1个hash值)
         * JDK 1.7 做了9次扰动处理 = 4次位运算 + 5次异或运算
         * JDK 1.8 简化了扰动函数 = 只做了2次扰动 = 1次位运算 + 1次异或运算
         */
    
          // JDK 1.7实现:将 键key 转换成 哈希码(hash值)操作  = 使用hashCode() + 4次位运算 + 5次异或运算(9次扰动)
          static final int hash(int h) {
            h ^= k.hashCode(); 
            h ^= (h >>> 20) ^ (h >>> 12);
            return h ^ (h >>> 7) ^ (h >>> 4);
         }
    
          // JDK 1.8实现:将 键key 转换成 哈希码(hash值)操作 = 使用hashCode() + 1次位运算 + 1次异或运算(2次扰动)
          // 1. 取hashCode值: h = key.hashCode() 
          // 2. 高位参与低位的运算:h ^ (h >>> 16)  
          static final int hash(Object key) {
               int h;
                return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
                // a. 当key = null时,hash值 = 0,所以HashMap的key 可为null      
                // 注:对比HashTable,HashTable对key直接hashCode(),若key为null时,会抛出异常,所以HashTable的key不可为null
                // b. 当key ≠ null时,则通过先计算出 key的 hashCode()(记为h),然后 对哈希码进行 扰动处理: 按位 异或(^) 哈希码自身右移16位后的二进制
         }
    
       /**
         * 计算存储位置的函数分析:indexFor(hash, table.length)
         * 注:该函数仅存在于JDK 1.7 ,JDK 1.8中实际上无该函数(直接用1条语句判断写出),但原理相同
         * 为了方便讲解,故提前到此讲解
         */
         static int indexFor(int h, int length) {  
              return h & (length-1); 
              // 将对哈希码扰动处理后的结果 与运算(&) (数组长度-1),最终得到存储在数组table的位置(即数组下标、索引)
              }
    
    • 总结 计算存放在数组 table 中的位置(即数组下标、索引)的过程
    1. 此处与 JDK 1.7的区别在于:hash值的求解过程中 哈希码的二次处理方式(扰动处理)
    2. 步骤1、2 = hash值的求解过程
     
    示意图
    • 计算示意图
     
    示意图

    在了解 如何计算存放数组table 中的位置 后,所谓 知其然 而 需知其所以然,下面我将讲解为什么要这样计算,即主要解答以下3个问题:

    1. 为什么不直接采用经过hashCode()处理的哈希码 作为 存储数组table的下标位置?
    2. 为什么采用 哈希码 与运算(&) (数组长度-1) 计算数组下标?
    3. 为什么在计算数组下标前,需对哈希码进行二次处理:扰动处理?

    在回答这3个问题前,请大家记住一个核心思想:

    所有处理的根本目的,都是为了提高 存储key-value的数组下标位置 的随机性 & 分布均匀性,尽量避免出现hash值冲突。即:对于不同key,存储的数组下标位置要尽可能不一样

    问题1:为什么不直接采用经过hashCode()处理的哈希码 作为 存储数组table的下标位置?

    • 结论:容易出现 哈希码 与 数组大小范围不匹配的情况,即 计算出来的哈希码可能 不在数组大小范围内,从而导致无法匹配存储位置
    • 原因描述
     
    示意图
    • 为了解决 “哈希码与数组大小范围不匹配” 的问题,HashMap给出了解决方案:哈希码 与运算(&) (数组长度-1),即问题3

    问题2:为什么采用 哈希码 与运算(&) (数组长度-1) 计算数组下标?

    • 结论:根据HashMap的容量大小(数组长度),按需取 哈希码一定数量的低位 作为存储的数组下标位置,从而 解决 “哈希码与数组大小范围不匹配” 的问题

    • 具体解决方案描述

     
    示意图

    问题3:为什么在计算数组下标前,需对哈希码进行二次处理:扰动处理?

    • 结论:加大哈希码低位的随机性,使得分布更均匀,从而提高对应数组存储下标位置的随机性 & 均匀性,最终减少Hash冲突

    • 具体描述

     
    示意图

    至此,关于怎么计算 key-value 值存储在HashMap数组位置 & 为什么要这么计算,讲解完毕。


    分析2:putVal(hash(key), key, value, false, true);

    此处有2个主要讲解点:

    • 计算完存储位置后,具体该如何 存放数据 到哈希表中
    • 具体如何扩容,即 扩容机制

    主要讲解点1:计算完存储位置后,具体该如何存放数据到哈希表中

    由于数据结构中加入了红黑树,所以在存放数据到哈希表中时,需进行多次数据结构的判断:数组、红黑树、链表

    JDK 1.7的区别: JDK 1.7只需判断 数组 & 链表

     
    示意图
       /**
         * 分析2:putVal(hash(key), key, value, false, true)
         */
         final V putVal(int hash, K key, V value, boolean onlyIfAbsent,
                   boolean evict) {
    
                Node<K,V>[] tab; Node<K,V> p; int n, i;
    
            // 1. 若哈希表的数组tab为空,则 通过resize() 创建
            // 所以,初始化哈希表的时机 = 第1次调用put函数时,即调用resize() 初始化创建
            // 关于resize()的源码分析将在下面讲解扩容时详细分析,此处先跳过
            if ((tab = table) == null || (n = tab.length) == 0)
            n = (tab = resize()).length;
    
            // 2. 计算插入存储的数组索引i:根据键值key计算的hash值 得到
            // 此处的数组下标计算方式 = i = (n - 1) & hash,同JDK 1.7中的indexFor(),上面已详细描述
    
            // 3. 插入时,需判断是否存在Hash冲突:
            // 若不存在(即当前table[i] == null),则直接在该数组位置新建节点,插入完毕
            // 否则,代表存在Hash冲突,即当前存储位置已存在节点,则依次往下判断:a. 当前位置的key是否与需插入的key相同、b. 判断需插入的数据结构是否为红黑树 or 链表
            if ((p = tab[i = (n - 1) & hash]) == null)
            tab[i] = newNode(hash, key, value, null);  // newNode(hash, key, value, null)的源码 = new Node<>(hash, key, value, next)
    
        else {
            Node<K,V> e; K k;
    
            // a. 判断 table[i]的元素的key是否与 需插入的key一样,若相同则 直接用新value 覆盖 旧value
            // 判断原则:equals()
            if (p.hash == hash &&
                ((k = p.key) == key || (key != null && key.equals(k))))
                e = p;
    
            // b. 继续判断:需插入的数据结构是否为红黑树 or 链表
            // 若是红黑树,则直接在树中插入 or 更新键值对
            else if (p instanceof TreeNode)
                e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value); ->>分析3
    
            // 若是链表,则在链表中插入 or 更新键值对
            // i.  遍历table[i],判断Key是否已存在:采用equals() 对比当前遍历节点的key 与 需插入数据的key:若已存在,则直接用新value 覆盖 旧value
            // ii. 遍历完毕后仍无发现上述情况,则直接在链表尾部插入数据
            // 注:新增节点后,需判断链表长度是否>8(8 = 桶的树化阈值):若是,则把链表转换为红黑树
            
            else {
                for (int binCount = 0; ; ++binCount) {
                    // 对于ii:若数组的下1个位置,表示已到表尾也没有找到key值相同节点,则新建节点 = 插入节点
                    // 注:此处是从链表尾插入,与JDK 1.7不同(从链表头插入,即永远都是添加到数组的位置,原来数组位置的数据则往后移)
                    if ((e = p.next) == null) {
                        p.next = newNode(hash, key, value, null);
    
                        // 插入节点后,若链表节点>数阈值,则将链表转换为红黑树
                        if (binCount >= TREEIFY_THRESHOLD - 1) 
                            treeifyBin(tab, hash); // 树化操作
                        break;
                    }
    
                    // 对于i
                    if (e.hash == hash &&
                        ((k = e.key) == key || (key != null && key.equals(k))))
                        break;
    
                    // 更新p指向下一个节点,继续遍历
                    p = e;
                }
            }
    
            // 对i情况的后续操作:发现key已存在,直接用新value 覆盖 旧value & 返回旧value
            if (e != null) { 
                V oldValue = e.value;
                if (!onlyIfAbsent || oldValue == null)
                    e.value = value;
                afterNodeAccess(e); // 替换旧值时会调用的方法(默认实现为空)
                return oldValue;
            }
        }
    
        ++modCount;
    
        // 插入成功后,判断实际存在的键值对数量size > 最大容量threshold
        // 若 > ,则进行扩容 ->>分析4(但单独讲解,请直接跳出该代码块)
        if (++size > threshold)
            resize();
    
        afterNodeInsertion(evict);// 插入成功时会调用的方法(默认实现为空)
        return null;
    
    }
    
        /**
         * 分析3:putTreeVal(this, tab, hash, key, value)
         * 作用:向红黑树插入 or 更新数据(键值对)
         * 过程:遍历红黑树判断该节点的key是否与需插入的key 相同:
         *      a. 若相同,则新value覆盖旧value
         *      b. 若不相同,则插入
         */
    
         final TreeNode<K,V> putTreeVal(HashMap<K,V> map, Node<K,V>[] tab,
                                           int h, K k, V v) {
                Class<?> kc = null;
                boolean searched = false;
                TreeNode<K,V> root = (parent != null) ? root() : this;
                for (TreeNode<K,V> p = root;;) {
                    int dir, ph; K pk;
                    if ((ph = p.hash) > h)
                        dir = -1;
                    else if (ph < h)
                        dir = 1;
                    else if ((pk = p.key) == k || (k != null && k.equals(pk)))
                        return p;
                    else if ((kc == null &&
                              (kc = comparableClassFor(k)) == null) ||
                             (dir = compareComparables(kc, k, pk)) == 0) {
                        if (!searched) {
                            TreeNode<K,V> q, ch;
                            searched = true;
                            if (((ch = p.left) != null &&
                                 (q = ch.find(h, k, kc)) != null) ||
                                ((ch = p.right) != null &&
                                 (q = ch.find(h, k, kc)) != null))
                                return q;
                        }
                        dir = tieBreakOrder(k, pk);
                    }
    
                    TreeNode<K,V> xp = p;
                    if ((p = (dir <= 0) ? p.left : p.right) == null) {
                        Node<K,V> xpn = xp.next;
                        TreeNode<K,V> x = map.newTreeNode(h, k, v, xpn);
                        if (dir <= 0)
                            xp.left = x;
                        else
                            xp.right = x;
                        xp.next = x;
                        x.parent = x.prev = xp;
                        if (xpn != null)
                            ((TreeNode<K,V>)xpn).prev = x;
                        moveRootToFront(tab, balanceInsertion(root, x));
                        return null;
                    }
                }
            }
    
    • 总结
     
    示意图

    主要讲解点2:扩容机制(即 resize()函数方法)

    • 扩容流程如下
     
    示意图
    • 源码分析
       /**
         * 分析4:resize()
         * 该函数有2种使用情况:1.初始化哈希表 2.当前数组容量过小,需扩容
         */
       final Node<K,V>[] resize() {
        Node<K,V>[] oldTab = table; // 扩容前的数组(当前数组)
        int oldCap = (oldTab == null) ? 0 : oldTab.length; // 扩容前的数组的容量 = 长度
        int oldThr = threshold;// 扩容前的数组的阈值
        int newCap, newThr = 0;
    
        // 针对情况2:若扩容前的数组容量超过最大值,则不再扩充
        if (oldCap > 0) {
            if (oldCap >= MAXIMUM_CAPACITY) {
                threshold = Integer.MAX_VALUE;
                return oldTab;
            }
    
            // 针对情况2:若无超过最大值,就扩充为原来的2倍
            else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&
                     oldCap >= DEFAULT_INITIAL_CAPACITY)
                newThr = oldThr << 1; // 通过右移扩充2倍
        }
    
        // 针对情况1:初始化哈希表(采用指定 or 默认值)
        else if (oldThr > 0) // initial capacity was placed in threshold
            newCap = oldThr;
    
        else {               // zero initial threshold signifies using defaults
            newCap = DEFAULT_INITIAL_CAPACITY;
            newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);
        }
    
        // 计算新的resize上限
        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];
        table = newTab;
    
        if (oldTab != null) {
            // 把每个bucket都移动到新的buckets中
            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 { // 链表优化重hash的代码块
                        Node<K,V> loHead = null, loTail = null;
                        Node<K,V> hiHead = null, hiTail = null;
                        Node<K,V> next;
                        do {
                            next = e.next;
                            // 原索引
                            if ((e.hash & oldCap) == 0) {
                                if (loTail == null)
                                    loHead = e;
                                else
                                    loTail.next = e;
                                loTail = e;
                            }
                            // 原索引 + oldCap
                            else {
                                if (hiTail == null)
                                    hiHead = e;
                                else
                                    hiTail.next = e;
                                hiTail = e;
                            }
                        } while ((e = next) != null);
                        // 原索引放到bucket里
                        if (loTail != null) {
                            loTail.next = null;
                            newTab[j] = loHead;
                        }
                        // 原索引+oldCap放到bucket里
                        if (hiTail != null) {
                            hiTail.next = null;
                            newTab[j + oldCap] = hiHead;
                        }
                    }
                }
            }
        }
        return newTab;
    }
    
    • 扩容流程(含 与 JDK 1.7 的对比)
     
    示意图

    此处主要讲解: JDK 1.8扩容时,数据存储位置重新计算的方式

    • 计算结论 & 原因解析
     
    示意图
    • 结论示意图
     
    示意图
    • 数组位置转换的示意图
     
    示意图
    • JDK 1.8根据此结论作出的新元素存储位置计算规则 非常简单,提高了扩容效率,具体如下图

    这与 JDK 1.7在计算新元素的存储位置有很大区别:JDK 1.7在扩容后,都需按照原来方法重新计算,即
    hashCode()->> 扰动处理 ->>(h & length-1)

    总结

    • 添加数据的流程
     
    示意图
    • JDK 1.7的区别
     
    示意图

    至此,关于 HashMap的添加数据源码分析 分析完毕。


    步骤3:从HashMap中获取数据

    • 假如理解了上述put()函数的原理,那么get()函数非常好理解,因为二者的过程原理几乎相同
    • get()函数的流程如下:
     
    示意图
    • 源码分析
    /**
       * 函数原型
       * 作用:根据键key,向HashMap获取对应的值
       */ 
       map.get(key);
    
    
     /**
       * 源码分析
       */ 
       public V get(Object key) {
        Node<K,V> e;
        // 1. 计算需获取数据的hash值
        // 2. 通过getNode()获取所查询的数据 ->>分析1
        // 3. 获取后,判断数据是否为空
        return (e = getNode(hash(key), key)) == null ? null : e.value;
    }
    
    /**
       * 分析1:getNode(hash(key), key))
       */ 
    final Node<K,V> getNode(int hash, Object key) {
        Node<K,V>[] tab; Node<K,V> first, e; int n; K k;
    
        // 1. 计算存放在数组table中的位置
        if ((tab = table) != null && (n = tab.length) > 0 &&
            (first = tab[(n - 1) & hash]) != null) {
    
            // 4. 通过该函数,依次在数组、红黑树、链表中查找(通过equals()判断)
            // a. 先在数组中找,若存在,则直接返回
            if (first.hash == hash && // always check first node
                ((k = first.key) == key || (key != null && key.equals(k))))
                return first;
    
            // b. 若数组中没有,则到红黑树中寻找
            if ((e = first.next) != null) {
                // 在树中get
                if (first instanceof TreeNode)
                    return ((TreeNode<K,V>)first).getTreeNode(hash, key);
    
                // c. 若红黑树中也没有,则通过遍历,到链表中寻找
                do {
                    if (e.hash == hash &&
                        ((k = e.key) == key || (key != null && key.equals(k))))
                        return e;
                } while ((e = e.next) != null);
            }
        }
        return null;
    }
    

    至此,关于 “向 HashMap 获取数据 “讲解完毕。


    步骤4:对HashMap的其他操作

    即 对其余使用API(函数、方法)的源码分析

    • HashMap除了核心的put()get()函数,还有以下主要使用的函数方法
    
    void clear(); // 清除哈希表中的所有键值对
    int size();  // 返回哈希表中所有 键值对的数量 = 数组中的键值对 + 链表中的键值对
    boolean isEmpty(); // 判断HashMap是否为空;size == 0时 表示为 空 
    
    void putAll(Map<? extends K, ? extends V> m);  // 将指定Map中的键值对 复制到 此Map中
    V remove(Object key);  // 删除该键值对
    
    boolean containsKey(Object key); // 判断是否存在该键的键值对;是 则返回true
    boolean containsValue(Object value);  // 判断是否存在该值的键值对;是 则返回true
     
    
    • 关于上述方法的源码的原理 同 JDK 1.7,此处不作过多描述

    感兴趣的同学可以参考文章 第5小节 进行类比。

    至此,关于 HashMap的底层原理 & 主要使用API(函数、方法)讲解完毕。


    6. 源码总结

    下面,用3个图总结整个源码内容:

    总结内容 = 数据结构、主要参数、添加 & 查询数据流程、扩容机制

    • 数据结构 & 主要参数
     
    示意图
    • 添加 & 查询数据流程
     
    示意图
    • 扩容机制
     
    示意图

    7. 与 JDK 1.7 的区别

    HashMap 的实现在 JDK 1.7JDK 1.8 差别较大,具体区别如下

    1. JDK 1.8 的优化目的主要是:减少 Hash冲突 & 提高哈希表的存、取效率
    2. 关于 JDK 1.7HashMap 的源码解析请看文章:Java:手把手带你源码分析 HashMap 1.7

    7.1 数据结构

     
    示意图

    7.2 获取数据时(获取数据 类似)

     
    示意图

    7.3 扩容机制

     
    示意图

    8. 额外补充:关于HashMap的其他问题

    • 有几个小问题需要在此补充
     
    示意图
    • 具体如下

    8.1 哈希表如何解决Hash冲突

     
    示意图

    8.2 为什么HashMap具备下述特点:键-值(key-value)都允许为空、线程不安全、不保证有序、存储位置随时间变化

    • 具体解答如下
     
    示意图
    • 下面主要讲解 HashMap 线程不安全的其中一个重要原因:多线程下容易出现resize()死循环
      本质 = 并发 执行 put()操作导致触发 扩容行为,从而导致 环形链表,使得在获取数据遍历链表时形成死循环,即Infinite Loop

    • 先看扩容的源码分析resize()

    关于resize()的源码分析已在上文详细分析,此处仅作重点分析:transfer()

    /**
       * 源码分析:resize(2 * table.length)
       * 作用:当容量不足时(容量 > 阈值),则扩容(扩到2倍)
       */ 
       void resize(int newCapacity) {  
        
        // 1. 保存旧数组(old table) 
        Entry[] oldTable = table;  
    
        // 2. 保存旧容量(old capacity ),即数组长度
        int oldCapacity = oldTable.length; 
    
        // 3. 若旧容量已经是系统默认最大容量了,那么将阈值设置成整型的最大值,退出    
        if (oldCapacity == MAXIMUM_CAPACITY) {  
            threshold = Integer.MAX_VALUE;  
            return;  
        }  
      
        // 4. 根据新容量(2倍容量)新建1个数组,即新table  
        Entry[] newTable = new Entry[newCapacity];  
    
        // 5. (重点分析)将旧数组上的数据(键值对)转移到新table中,从而完成扩容 ->>分析1.1 
        transfer(newTable); 
    
        // 6. 新数组table引用到HashMap的table属性上
        table = newTable;  
    
        // 7. 重新设置阈值  
        threshold = (int)(newCapacity * loadFactor); 
    } 
    
     /**
       * 分析1.1:transfer(newTable); 
       * 作用:将旧数组上的数据(键值对)转移到新table中,从而完成扩容
       * 过程:按旧链表的正序遍历链表、在新链表的头部依次插入
       */ 
    void transfer(Entry[] newTable) {
          // 1. src引用了旧数组
          Entry[] src = table; 
    
          // 2. 获取新数组的大小 = 获取新容量大小                 
          int newCapacity = newTable.length;
    
          // 3. 通过遍历 旧数组,将旧数组上的数据(键值对)转移到新数组中
          for (int j = 0; j < src.length; j++) { 
              // 3.1 取得旧数组的每个元素  
              Entry<K,V> e = src[j];           
              if (e != null) {
                  // 3.2 释放旧数组的对象引用(for循环后,旧数组不再引用任何对象)
                  src[j] = null; 
    
                  do { 
                      // 3.3 遍历 以该数组元素为首 的链表
                      // 注:转移链表时,因是单链表,故要保存下1个结点,否则转移后链表会断开
                      Entry<K,V> next = e.next; 
                     // 3.3 重新计算每个元素的存储位置
                     int i = indexFor(e.hash, newCapacity); 
                     // 3.4 将元素放在数组上:采用单链表的头插入方式 = 在链表头上存放数据 = 将数组位置的原有数据放在后1个指针、将需放入的数据放到数组位置中
                     // 即 扩容后,可能出现逆序:按旧链表的正序遍历链表、在新链表的头部依次插入
                     e.next = newTable[i]; 
                     newTable[i] = e;  
                     // 访问下1个Entry链上的元素,如此不断循环,直到遍历完该链表上的所有节点
                     e = next;             
                 } while (e != null);
                 // 如此不断循环,直到遍历完数组上的所有数据元素
             }
         }
     }
    

    从上面可看出:在扩容resize()过程中,在将旧数组上的数据 转移到 新数组上时,转移数据操作 = 按旧链表的正序遍历链表、在新链表的头部依次插入,即在转移数据、扩容后,容易出现链表逆序的情况

    设重新计算存储位置后不变,即扩容前 = 1->2->3,扩容后 = 3->2->1

    • 此时若(多线程)并发执行 put()操作,一旦出现扩容情况,则 容易出现 环形链表,从而在获取数据、遍历链表时 形成死循环(Infinite Loop),即 死锁的状态,具体请看下图:

    初始状态、步骤1、步骤2

     
    示意图
     
    示意图
     
    示意图

    注:由于 JDK 1.8 转移数据操作 = 按旧链表的正序遍历链表、在新链表的尾部依次插入,所以不会出现链表 逆序、倒置的情况,故不容易出现环形链表的情况。

    JDK 1.8 还是线程不安全,因为 无加同步锁保护

    8.3 为什么 HashMap 中 String、Integer 这样的包装类适合作为 key 键

     
    示意图

    8.4 HashMap 中的 keyObject类型, 则需实现哪些方法?

     
    示意图

    至此,关于HashMap的所有知识讲解完毕。


    9. 总结


    请点赞!因为你的鼓励是我写作的最大动力!

    相关文章阅读
    Android开发:最全面、最易懂的Android屏幕适配解决方案
    Android事件分发机制详解:史上最全面、最易懂
    Android开发:史上最全的Android消息推送解决方案
    Android开发:最全面、最易懂的Webview详解
    Android开发:JSON简介及最全面解析方法!
    Android四大组件:Service服务史上最全面解析
    Android四大组件:BroadcastReceiver史上最全面解析

     

  • 相关阅读:
    将php中stat()得到的文件权限转成Linux形式
    Linux终端命令快捷键
    我的测试博客
    java 的反射机制- 代码讲解
    毕业有感
    COPD——团队项目测试心得
    慢阻肺疾病管理APP——第一次迭代心得
    团队项目需求心得——慢阻肺疾病管理APP
    合作和共赢的结对编程——中小学试卷生成器
    项目组队——欣赏与批判队友个人项目源码
  • 原文地址:https://www.cnblogs.com/awkflf11/p/12666215.html
Copyright © 2011-2022 走看看