HashMap与Node JDK中为我们提供了HashMap这一数据结构,声明如下, public class HashMap<K,V> extends AbstractMap<K,V> implements Map<K,V>, Cloneable, Serializable 它本质上是一个哈希表,且可以在常数时间内完成get和put操作。HashMap采用的是数组+链表的实现 数组中的每个桶都存储了一个<Key, Value>键值对结点。这种结点Java 8以上被称作Node。每个Node结点都会保存自己的hash、key和value,源码如下:
/** * Basic hash bin node, used for most entries. */ static class Node<K,V> implements Map.Entry<K,V> { final int hash; final K key; V value; Node<K,V> next; Node(int hash, K key, V value, Node<K,V> next) { ... } public final K getKey() { return key; } public final V getValue() { return value; } public final String toString() { return key + "=" + value; } public final int hashCode() { return Objects.hashCode(key) ^ Objects.hashCode(value); } public final V setValue(V newValue) { ... } public final boolean equals(Object o) { ... } }
初始情况下,数组中的所有位置都为空。用put方法插入时,会用Key的hashCode方法计算其哈希值,作为哈希表中的index。如果index对应的「桶」(即数组位置)已经被占用了,且新插入的键值对的键与那个位置上的已有键都不同,就说明发生了冲突。遇到这种情况,就在已有节点上往下挂一个新节点,存储新的键值对。这样,就形成了链表结构。可以看到,Node类中还有一成员next,它就是指向同一桶内下一个键值对的引用。get方法查找时,找到Key对应的桶后,就从头遍历链表,找到相应的键值对结点,获得其Value并返回。 键值对的加入 扩容resize 扩容是动态数据结构常用的控制大小的方式。最著名的例子莫过于C++中的vector。一般来说,数据结构类会设定两个常数值和,功能分别是: 是装载因子,当存储的数据项的数量超过当前容量的比例时,就将新建一个数组,但容量扩大一倍。然后,把原数组的内容重新哈希到经过扩容的新数组中去。注意,这里不能直接拷贝过去,因为index的计算是跟HashMap的大小相关的: index = hash(Key) & (Length - 1) 这个公式的设计是非常巧妙的。我们发现,键值对的新位置要么是在原位置,要么是在原位置的基础上再移动2次幂个的位置。这样,在扩充HashMap的时候,就不用真的把每个键值对的index都重新算一遍了,大幅提升了时间效率。 一般设为的一半,称为数据量的下界。它表示数据项的数量低于当前容量的比例时,就把容量缩小为原先的一半。 对于HashMap来说,初始的值是0.75。 头插还是尾插 一个需要注意的细节是,Java 8之前,插入新结点时,都是优先在头部插入,因为作者认为新插入的键值对更有可能被先访问到,因此头部插入的时间效率可能更高。但是,Java 8及之后,HashMap的实现就改成了从尾部插入。为何要做这样的改变呢? 原因其实相当微妙。下面是Java 7的HashMap在扩容时调用的transfer方法,用于将原数组中的内容转移到扩容后的新数组中去。 `
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); // 头插法 // 把自己的next置为新桶的头元素 e.next = newTable[i]; // 把新桶的头元素置为自己 newTable[i] = e; // 继续遍历原桶中的下一个元素 e = next; } } }