Java 源码系列 2——HashMap

用户头像
超超不会飞
关注
发布于: 2020 年 09 月 30 日
Java源码系列2——HashMap

HashMap 的源码很多也很复杂,本文只是摘取简单常用的部分代码进行分析。能力有限,欢迎指正。

HASH 值的计算

前置知识——位运算

按位异或操作符^:1^1=0, 0^0=0, 1^0=1, 值相同为0,值不同为1。按位异或就是对二进制中的每一位进行异或运算。

1111 0000 1111 1110
^ 1111 1111 0000 1111
______________________
0000 1111 1111 0001



按位右移补零操作符>>> :左操作数按右操作数指定的位数右移,移动得到的空位以零填充。

1110 1101 1001 1111
>>> 4
___________________________
0000 1110 1101 1001



扰动函数

为什么要做扰动?

理论上哈希值是一个int类型,如果直接拿哈希值做下标的话,考虑到2进制32位带符号的int表值范围从-2147483648到2147483648。前后加起来大概40亿的映射空间。这么大的数组,内存是存不下的,所以这个散列值是不能直接拿来用的。用之前还要先做对数组的长度取模运算,得到的余数才能用来访问数组下标。

因为只取最后几位,所以哈希碰撞的可能性大大增加,这时候扰动函数的价值就来了。

扰动计算





先调用hashCode()方法得出hash值,再进行扰动操作。

右位移16位,正好是32bit的一半(int 是32位的),自己的高半区和低半区做异或,就是为了混合原始哈希码的高位和低位,以此来加大低位的随机性。而且混合后的低位掺杂了高位的部分特征,这样高位的信息也变相保留下来。

static final int hash(Object key) {
int h;
return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}



取模,计算出下标

在计算下标的时候,让列表长度对哈希值做取模操作,让计算出来的哈希值在列表范围内,n 为list长度



i = (n - 1) & hash



为什么`HashMap`的数组长度要取2的整次幂



因为这样(数组长度 - 1)正好相当于一个“低位掩码”。&操作的结果就是散列值的高位全部归零,只保留低位值,用来做数组的下标访问。以初始长度16为例,16-1=15,2进制表示是0000 1111。和某散列值做&操作如下:



1010 0011 0110 1111 0101
& 0000 0000 0000 0000 1111
____________________________
0000 0000 0000 0000 0101

是什么存入了 `table`

HashMap存入table的值并不只有value,而是构造成一个 Node 对象实例存入 table。

Node对象里有:hash, key, value, next(哈希冲突时的链表)

理论最大容量

int MAXIMUM_CAPACITY = 1 << 30;

2的30次方

负载因子

负载因子是用来计算负载容量(所能容纳的最大Node个数)的,当前list长度 length,负载因子 loadFactor

负载容量计算公式为:

threshold = length * loadFactor

默认负载因子为 0.75。也就是说,当Node个数达到当前list长度的75%时,就要进行扩容,否则会增加哈希碰撞的可能性。负载因子的作用是在空间和时间效率上取得一个平衡。

float DEFAULT_LOAD_FACTOR = 0.75f

扩容做了哪些操作

  1. 创建一个新的Entry空数组,长度是原数组的2倍。

当Node个数超过负载容量时,进行扩容。

old << 1 左移一位相当于 old * 2。

  1. 重新Hash

遍历原Entry数组,把所有的Entry重新Hash到新数组中。

为什么要重新hash?因为长度扩大以后,hash值也随之改变(数组下标的计算是数组长度对hashcode进行取模)。

这样就可以把原先哈希冲突的链表拉平,使数组变得稀疏。

final Node<K,V>[] resize() {
// 保存现有的数组
Node<K,V>[] oldTab = table;
// 保存现有的数组长度
int oldCap = (oldTab == null) ? 0 : oldTab.length;
// 保存现有的负载容量
int oldThr = threshold;
int newCap, newThr = 0;
if (oldCap > 0) {
// 如果现有容量已经超过最大值了,就没办扩容了,只好随你碰撞了
if (oldCap >= MAXIMUM_CAPACITY) {
threshold = Integer.MAX_VALUE;
return oldTab;
}
// 原有容量左移一位,相当于 oldCap * 2
else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&
oldCap >= DEFAULT_INITIAL_CAPACITY)
// 负载容量也扩大一倍
newThr = oldThr << 1; // double threshold
}
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);
}
// 负载容量为0,根据数组大小和负载因子计算出来
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;
// 遍历数组中所有元素,重新进行hash
if (oldTab != null) {
for (int j = 0; j < oldCap; ++j) {
Node<K,V> e;
if ((e = oldTab[j]) != null) {
// 删除旧索引位置的值
oldTab[j] = null;
if (e.next == null)
// 给新的索引位置赋值
newTab[e.hash & (newCap - 1)] = e;
else if (e instanceof TreeNode)
/**
* 这个地方可以参考源码系列的第四篇
* 《Java源码系列4——HashMap扩容时究竟对链表和红黑树做了什么?》
*/
((TreeNode<K,V>)e).split(this, newTab, j, oldCap);
else { // 优化链表
// 把原有链表拆成两个链表
// 链表1存放在低位(原索引位置)
Node<K,V> loHead = null, loTail = null;
// 链表2存放在高位(原索引 + 旧数组长度)
Node<K,V> hiHead = null, hiTail = null;
Node<K,V> next;
do {
next = e.next;
/**
* 链表1
* 这个位运算的原理可以参考源码系列的第四篇
* 《Java源码系列4——HashMap扩容时究竟对链表和红黑树做了什么?》
*/
if ((e.hash & oldCap) == 0) {
if (loTail == null)
loHead = e;
else
loTail.next = e;
loTail = e;
}
// 链表2
else {
if (hiTail == null)
hiHead = e;
else
hiTail.next = e;
hiTail = e;
}
} while ((e = next) != null);
// 链表1存放于原索引位置
if (loTail != null) {
loTail.next = null;
newTab[j] = loHead;
}
// 链表2存放原索引加上旧数组长度的偏移量
if (hiTail != null) {
hiTail.next = null;
newTab[j + oldCap] = hiHead;
}
}
}
}
}
return newTab;
}



树化改造

链表长度太长,会被改造成红黑树。

当链表的长度超过MIN_TREEIFY_CAPACITY 最大树化临界值,就会进行树化改造。

final void treeifyBin(Node<K,V>[] tab, int hash) {
int n, index; Node<K,V> e;
if (tab == null || (n = tab.length) < MIN_TREEIFY_CAPACITY)
resize();
else if ((e = tab[index = (n - 1) & hash]) != null) {
...
}
}



为什么要树化?

本质上是个安全问题。因为链表查询影响性能,如果有人恶意造成哈希碰撞,就会构成哈希碰撞拒绝服务攻击,服务端CPU被大量占用用于链表查询,造成服务变慢或不可用。



源码系列文章



Java源码系列1——ArrayList



Java源码系列2——HashMap



Java源码系列3——LinkedHashMap



Java源码系列4——HashMap扩容时究竟对链表和红黑树做了什么?



参考

Java 8系列之重新认识HashMap



JDK 源码中 HashMap 的 hash 方法原理是什么?胖君的回答



HashMap 源码详细分析(JDK1.8)



本文首发于我的个人博客 https://chaohang.top

作者张小超

转载请注明出处

欢迎关注我的微信公众号 【超超不会飞】,获取第一时间的更新。



发布于: 2020 年 09 月 30 日 阅读数: 30
用户头像

超超不会飞

关注

【超超不会飞】公众号作者 2017.11.30 加入

Java & Node.js

评论

发布
暂无评论
Java源码系列2——HashMap