HashMap 底层实现原理是什么? JDK8 做了哪些优化?
1. 数据结构
- 1.7 数组 + 链表
- 1.8 数据 + 链表 + 红黑树(链表大于8并且总长度大于64)
2. 相关面试题
-
JDK 1.8 HashMap 扩容时做了哪些优化?
-
通过高位运算 (e.hash & oldCap) 确定元素需要移动, 例如:
key1信息如下: - key1.hash = 10 0000 1010 - oldCap = 16 0001 0000 使用 e.hash & oldCap 得到的结果高一位为 0 当结果为 0 时表示元素在扩容时位置不会发生任何改变 key2信息如下: - key2.hash = 10 0001 0001 - oldCap = 16 0001 0000 使用 e.hash & oldCap 得到的结果高一位为 1 当结果为 1 时, 表示元素在扩容时, 位置发生变化, 新的下标位置等于原下标位置 + 原数组长度
-
-
加载因子为什么是0.75?
-
HashMap初始容量为 16, 16 * 0.75(加载因子) = 12, 当HashMap中元素达到 12 时, 就会进行扩容
-
加载因子为0.75的原因是容量和性能之间平衡的结果
-
当加载因子设置比较大时, 扩容的门槛就被提高了, 扩容发生的频率比较低, 虽然占用的空间会比较小, 但此时发生Hash冲突的几率会提升, 因此需要更复杂的数据结构来存储元素, 这样对元素的操作时间就会增加, 运行效率也会因此降低
-
而当加载因子值比较小的时候, 扩容的门槛会比较低, 因此会占用更多的空间, 此时元素的存储就比较稀疏, 发送Hash冲突的可能性就比较小, 操作性能会比较高
-
-
-
当有哈希冲突时, HashMap是如何查找并确认元素的?
- 当哈希冲突时需要通过判断 key 值是否相等，才能确认此元素是不是我们想要的元素
-
HashMap源码中有哪些重要的方法?
-
查询
public V get(Object key){ Node<K, V> e; // 对key进行哈希操作 return (e = getNode(hash(key), key)) == null ? null : e.value; } final Node<K, V> getNode(int hash, Object key){ Node<K, V>[] tab; Node<K, V> first, e; int n; K k; // 非空判断 if((tab = table) != null && (n = tab.length) > 0 && (first = tab[(n - 1) & hash)] != null){ // 判断第一个元素是否是要查询的元素 if(first.hash == hash && ((k = first.key) == key || (key != null && key.equals(k)))){ return first; } // 下一个节点非空判断 if((e = first.next) != null){ // 如果第一节点是树结构, 则使用getTreeNode直接获取相应的数据 if(first instanceof TreeNode){ return ((TreeNode<K, V>)first).getTreeNode(hash, key); } do{ // 非树结构, 循环节点判断 // hash 相等并且key相同, 则返回此节点 if(e.hash == hash && ((k = e.key) == key || (key != null && key.equals(k)))){ return e; } }while((e = e.next) != null); } } return null; } -
新增
public V put(K key, V value){ // 对key进行哈希操作 return 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; // 哈希表为空则创建表 if ((tab = table) == null || (n = tab.length) == 0) n = (tab = resize()).length; // 根据key的哈希值计算出要插入的数组索引 i if ((p = tab[i = (n - 1) & hash]) == null) // 如果table[i] 等于null, 则直接插入 tab[i] = newNode(hash, key, value, null); else { Node<K,V> e; K k; // 如果key已经存在了, 直接覆盖value if (p.hash == hash && ((k = p.key) == key || (key != null && key.equals(k)))) e = p; // 如果key不存在, 则判断是否为红黑树 else if (p instanceof TreeNode) // 红黑树直接插入键值对 e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value); else { // 为链表结构, 循环准备插入 for (int binCount = 0; ; ++binCount) { if ((e = p.next) == null) { p.next = newNode(hash, key, value, null); // 链表长度大于8转换为红黑树进行处理 if (binCount >= TREEIFY_THRESHOLD - 1) treeifyBin(tab, hash); break; } // key已经存在直接覆盖value if (e.hash == hash && ((k = e.key) == key || (key != null && key.equals(k)))) break; p = e; } } if (e != null) { V oldValue = e.value; if (!onlyIfAbsent || oldValue == null) e.value = value; afterNodeAccess(e); return oldValue; } } ++modCount; // 超过最大容量, 扩容 if (++size > threshold) resize(); afterNodeInsertion(evict); return null; }
-
-
扩容
final Node<K,V>[] resize() { // 扩容器的数组 Node<K,V>[] oldTab = table; // 扩容前的数组的大小和阈值 int oldCap = (oldTab == null) ? 0 : oldTab.length; int oldThr = threshold; // 预定义新数组的大小和阈值 int newCap, newThr = 0; if (oldCap > 0) { // 超过最大值就不再扩容了 if (oldCap >= MAXIMUM_CAPACITY) { threshold = Integer.MAX_VALUE; return oldTab; } // 扩大容量为当前容量的两倍, 但不能超过MAXIMUM_CAPACITY else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY && oldCap >= DEFAULT_INITIAL_CAPACITY) newThr = oldThr << 1; } // 当前数组没有数据, 使用初始化的值 else if (oldThr > 0) newCap = oldThr; else { // 如果初始化的值为0, 则使用默认的初始化容量 newCap = DEFAULT_INITIAL_CAPACITY; newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY); } // 如果新的容量等于0 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]; // 开始扩容, 将新的容量赋值给table table = newTab; // 原数据不为空, 将元数据复制到新的table中 if (oldTab != null) { // 根据容量循环数组, 复制非空元素到新table for (int j = 0; j < oldCap; ++j) { Node<K,V> e; if ((e = oldTab[j]) != null) { oldTab[j] = null; // 如果链表只有一个, 则进行直接复制 if (e.next == null) newTab[e.hash & (newCap - 1)] = e; else if (e instanceof TreeNode) // 红黑树相关的操作 ((TreeNode<K,V>)e).split(this, newTab, j, oldCap); else { // 链表复制, JDK 1.8 扩容优化部分 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); // 将原索引放到哈希桶中 if (loTail != null) { loTail.next = null; newTab[j] = loHead; } if (hiTail != null) { hiTail.next = null; newTab[j + oldCap] = hiHead; } } } } } return newTab; } -
HashMap是如何导致死循环的?
-
原因:
- JDK1.7 链表插入方式为首部倒序插入
- JDK1.8 进行了改善, 变成了尾部正序插入
-
案例
/** * JDK1.7 * 假设HashMap默认大小为2 * 原本HashMap中有一个元素key(5) * 再使用两个线程: * t1添加元素key(3) * t2添加元素key(7) * 当元素key(3)和key(7)都添加到HashMap后 * 线程t1在执行到Entry<K, V> next = e.next;时 * 交出了CPU的使用权 */ void transfer(Entry[] newTable, boolean rehash){ int newCapacity = newTable.length; for(Entry<K, V> e : table){ while(null != e){ // 线程一执行此处 Entry<K, V> next = e.next; if(rehash){ e.hash = null == e.key ? 0 : hash(e.key); } int i = indexFor(e.hash, newCapacity); e.next = newTable[i]; newTable[i] = e; e = next; } } } /** * 当t1重新获得执行权之后 * 先执行 newTable[i] = e 把key(3) 的 next 设置为 key(7) * 而下次循环时查询到 key(7) 的 next 元素为 key(3) * 于是就形成了 key(3) 和 key(7) 的循环引用 * 因此导致了死循环的发生 */
-
3. JDK1.8源码中包含属性
// HashMap 初始化长度
static final int DEFAULT_INITIAL_CAPACITY = 1 << 4; // aka 16
// HashMap 最大长度
static final int MAXIMUM_CAPACITY = 1 << 30; // 1073741824
// 默认的加载因子(扩容因子)
static final int DEFAULT_LOAD_FACTOR = 0.75f;
// 转换红黑树的临界值, 当链表长度大于此值时, 会把链表结构转换为红黑树结构
static final int TREEIFY_THRESHOLD = 8;
// 转换链表的临界值, 当元素小于此值时, 会将红黑树结构转换成链表结构
static final int UNTREEIFY_THRESHOLD = 6;
// 最小树容量
static final int MIN_TREEIFY_CAPACITY = 64;