Java集合——HashMap扩容机制——resize（）及负载因子作用

HashMap的扩容机制---resize()

虽然在hashmap的原理里面有这段，但是这个单独拿出来讲rehash或者resize()也是极好的。

什么时候扩容：当向容器添加元素的时候，会判断当前容器的元素个数，如果大于等于阈值(知道这个阈字怎么念吗？不念fa值，念yu值四声)---即当前数组的长度乘以加载因子的值的时候，就要自动扩容啦。

扩容(resize)就是重新计算容量，向HashMap对象里不停的添加元素，而HashMap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。

先看一下什么时候，resize();

1. /**

2. * HashMap 添加节点

3. *

4. * @param hash 当前key生成的hashcode

5. * @param key 要添加到 HashMap 的key

6. * @param value 要添加到 HashMap 的value

7. * @param bucketIndex 桶，也就是这个要添加 HashMap 里的这个数据对应到数组的位置下标

8. */

9. void addEntry(int hash, K key, V value, int bucketIndex) {

10. //size：The number of key-value mappings contained in this map.

11. //threshold：The next size value at which to resize (capacity * load factor)

12. //数组扩容条件：1.已经存在的key-value mappings的个数大于等于阈值

13. // 2.底层数组的bucketIndex坐标处不等于null

14. if ((size >= threshold) && (null != table[bucketIndex])) {

15. resize(2 * table.length);//扩容之后，数组长度变了

16. hash = (null != key) ? hash(key) : 0;//为什么要再次计算一下hash值呢？

17. bucketIndex = indexFor(hash, table.length);//扩容之后，数组长度变了，在数组的下标跟数组长度有关，得重算。

18. }

19. createEntry(hash, key, value, bucketIndex);

20. }

21.  

22. /**

23. * 这地方就是链表出现的地方，有2种情况

24. * 1，原来的桶bucketIndex处是没值的，那么就不会有链表出来啦

25. * 2，原来这地方有值，那么根据Entry的构造函数，把新传进来的key-value mapping放在数组上，原来的就挂在这个新来的next属性上了

26. */

27. void createEntry(int hash, K key, V value, int bucketIndex) {

28. HashMap.Entry<K, V> e = table[bucketIndex];

29. table[bucketIndex] = new HashMap.Entry<>(hash, key, value, e);

30. size++;

31. }

我们分析下resize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，具体区别后文再说。

1. void resize(int newCapacity) { //传入新的容量

2. Entry[] oldTable = table; //引用扩容前的Entry数组

3. int oldCapacity = oldTable.length;

4. if (oldCapacity == MAXIMUM_CAPACITY) { //扩容前的数组大小如果已经达到最大(2^30)了

5. threshold = Integer.MAX_VALUE; //修改阈值为int的最大值(2^31-1)，这样以后就不会扩容了

6. return;

7. }

8.  

9. Entry[] newTable = new Entry[newCapacity]; //初始化一个新的Entry数组

10. transfer(newTable); //！！将数据转移到新的Entry数组里

11. table = newTable; //HashMap的table属性引用新的Entry数组

12. threshold = (int) (newCapacity * loadFactor);//修改阈值

13. }

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，transfer()方法将原有Entry数组的元素拷贝到新的Entry数组里。

1. void transfer(Entry[] newTable) {

2. Entry[] src = table; //src引用了旧的Entry数组

3. int newCapacity = newTable.length;

4. for (int j = 0; j < src.length; j++) { //遍历旧的Entry数组

5. Entry<K, V> e = src[j]; //取得旧Entry数组的每个元素

6. if (e != null) {

7. src[j] = null;//释放旧Entry数组的对象引用（for循环后，旧的Entry数组不再引用任何对象）

8. do {

9. Entry<K, V> next = e.next;

10. int i = indexFor(e.hash, newCapacity); //！！重新计算每个元素在数组中的位置

11. e.next = newTable[i]; //标记[1]

12. newTable[i] = e; //将元素放在数组上

13. e = next; //访问下一个Entry链上的元素

14. } while (e != null);

15. }

16. }

17. }

1. static int indexFor(int h, int length) {

2. return h & (length - 1);

3. }

newTable[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。

从上面的for循环内部开始说起吧:详细解释下，这个转存的过程。和怎么个头插入法.
Entry<K, V> e = src[j];
这句话，就把原来数组上的那个链表的引用就给接手了，所以下面src[j] = null;可以放心大胆的置空，释放空间。告诉gc这个地方可以回收啦。
继续到do while 循环里面，
Entry<K, V> next = e.next;
int i = indexFor(e.hash, newCapacity);计算出元素在新数组中的位置
下面就是单链表的头插入方式转存元素啦

关于这个 单链表的头插入方式 的理解，我多说两句。
这地方我再看的时候，就有点蒙了，他到底怎么在插到新的数组里面的？
要是在插入新数组的时候，也出现了一个数组下标的位置处，出现了多个节点的话，那又是怎么插入的呢？
1，假设现在刚刚插入到新数组上，因为是对象数组，数组都是要默认有初始值的，那么这个数组的初始值都是null。不信的可以新建个Javabean数组测试下。
那么e.next = newTable[i],也就是e.next = null啦。然后再newTable[i] = e;也就是 说这个时候，这个数组的这个下标位置的值设置成这个e啦。
2，假设这个时候，继续上面的循环，又取第二个数据e2的时候，恰好他的下标和刚刚上面的那个下标相同啦，那么这个时候，是又要有链表产生啦、
e.next = newTable[i];，假设上面第一次存的叫e1吧，那么现在e.next = newTable[i];也就是e.next = e1；
然后再，newTable[i] = e;，把这个后来的赋值在数组下标为i的位置，当然他们两个的位置是相同的啦。然后注意现在的e，我们叫e2吧。e2.next指向的是刚刚的e1，e1的next是null。
这就解释啦：先放在一个索引上的元素终会被放到Entry链的尾部。这句话。

关于什么时候resize（）的说明：

看1.7的源码上说的条件是：
if ((size >= threshold) && (null != table[bucketIndex])) {。。。}
其中
size表示当前hashmap里面已经包含的元素的个数。
threshold：threshold = (int) Math.min(capacity * loadFactor, MAXIMUM_CAPACITY + 1);
一般是容量值X加载因子。
而1.8的是：
if (++size > threshold){}
其中
size：The number of key-value mappings contained in this map.和上面的是一样的
threshold：newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);
也是一样的，
最后总结一下：就是这个map里面包含的元素，也就是size的值，大于等于这个阈值的时候，才会resize（）；
具体到实际情况就是：假设现在阈值是4；在添加下一个假设是第5个元素的时候，这个时候的size还是原来的，还没加1，size=4，那么阈值也是4的时候，
当执行put方法，添加第5个的时候，这个时候，4 >= 4。元素个数等于阈值。就要resize（）啦。添加第4的时候，还是3 >= 4不成立，不需要resize（）。
经过这番解释，可以发现下面的这个例子，不应该是在添加第二个的时候resize（），而是在添加第三个的时候，才resize（）的。
这个也是我后来再细看的时候，发现的。当然，这个咱可以先忽略，重点看如何resize（），以及如何将旧数据移动到新数组的

下面举个例子说明下扩容过程。

这句话是重点----hash(){return key % table.length;}方法,就是翻译下面的一行解释：

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 loadFactor=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 resize成4，然后所有的Node重新rehash的过程。

下面我们讲解下JDK1.8做了哪些优化。经过观测可以发现，我们使用的是2次幂的扩展(指长度扩为原来2倍)，所以，

经过rehash之后，元素的位置要么是在原位置，要么是在原位置再移动2次幂的位置。对应的就是下方的resize的注释。

1. /**

2. * Initializes or doubles table size. If null, allocates in

3. * accord with initial capacity target held in field threshold.

4. * Otherwise, because we are using power-of-two expansion, the

5. * elements from each bin must either stay at same index, or move

6. * with a power of two offset in the new table.

7. *

8. * @return the table

9. */

10. final Node<K,V>[] resize() { }

看下图可以明白这句话的意思，n为table的长度，图（a）表示扩容前的key1和key2两种key确定索引位置的示例，图（b）表示扩容后key1和key2两种key确定索引位置的示例，其中hash1是key1对应的哈希值(也就是根据key1算出来的hashcode值)与高位与运算的结果。

元素在重新计算hash之后，因为n变为2倍，那么n-1的mask范围在高位多1bit(红色)，因此新的index就会发生这样的变化：

因此，我们在扩充HashMap的时候，不需要像JDK1.7的实现那样重新计算hash，只需要看看原来的hash值新增的那个bit是1还是0就好了，是0的话索引没变，是1的话索引变成“原索引+oldCap”，可以看看下图为16扩充为32的resize示意图：

是 没看懂他连个图是怎么前后对应的，谁看懂了，交流哈赛。

当时上面这个图，没看懂，是因为，他就没说每个节点的hashcode是啥，他怎么确定是保留在原来的位置，还是说在原来位置的基础上再加个原来数组的长度呢。所以，上面那个图仅仅具有丁点儿参考价值。

这个设计确实非常的巧妙，既省去了重新计算hash值的时间，而且同时，由于新增的1bit是0还是1可以认为是随机的，因此resize的过程，均匀的把之前的冲突的节点分散到新的bucket了。这一块就是JDK1.8新增的优化点。有一点注意区别，JDK1.7中rehash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resize源码，写的很赞，如下:

1. 1 final Node<K,V>[] resize() {

2. 2 Node<K,V>[] oldTab = table;

3. 3 int oldCap = (oldTab == null) ? 0 : oldTab.length;

4. 4 int oldThr = threshold;

5. 5 int newCap, newThr = 0;

6. 6 if (oldCap > 0) {

7. 7 // 超过最大值就不再扩充了，就只好随你碰撞去吧

8. 8 if (oldCap >= MAXIMUM_CAPACITY) {

9. 9 threshold = Integer.MAX_VALUE;

10. 10 return oldTab;

11. 11 }

12. 12 // 没超过最大值，就扩充为原来的2倍

13. 13 else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&

14. 14 oldCap >= DEFAULT_INITIAL_CAPACITY)

15. 15 newThr = oldThr << 1; // double threshold

16. 16 }

17. 17 else if (oldThr > 0) // initial capacity was placed in threshold

18. 18 newCap = oldThr;

19. 19 else { // zero initial threshold signifies using defaults

20. 20 newCap = DEFAULT_INITIAL_CAPACITY;

21. 21 newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);

22. 22 }

23. 23 // 计算新的resize上限

24. 24 if (newThr == 0) {

25. 25

26. 26 float ft = (float)newCap * loadFactor;

27. 27 newThr = (newCap < MAXIMUM_CAPACITY && ft < (float)MAXIMUM_CAPACITY ?

28. 28 (int)ft : Integer.MAX_VALUE);

29. 29 }

30. 30 threshold = newThr;

31. 31 @SuppressWarnings({"rawtypes"，"unchecked"})

32. 32 Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap];

33. 33 table = newTab;

34. 34 if (oldTab != null) {

35. 35 // 把每个bucket都移动到新的buckets中

36. 36 for (int j = 0; j < oldCap; ++j) {

37. 37 Node<K,V> e;

38. 38 if ((e = oldTab[j]) != null) {

39. 39 oldTab[j] = null;

40. 40 if (e.next == null)

41. 41 newTab[e.hash & (newCap - 1)] = e;

42. 42 else if (e instanceof TreeNode)

43. 43 ((TreeNode<K,V>)e).split(this, newTab, j, oldCap);

44. 44 else { // 链表优化重hash的代码块

45. 45 Node<K,V> loHead = null, loTail = null;

46. 46 Node<K,V> hiHead = null, hiTail = null;

47. 47 Node<K,V> next;

48. 48 do {

49. 49 next = e.next;

50. 50 // 原索引

51. 51 if ((e.hash & oldCap) == 0) {

52. 52 if (loTail == null)

53. 53 loHead = e;

54. 54 else

55. 55 loTail.next = e;

56. 56 loTail = e;

57. 57 }

58. 58 // 原索引+oldCap

59. 59 else {

60. 60 if (hiTail == null)

61. 61 hiHead = e;

62. 62 else

63. 63 hiTail.next = e;

64. 64 hiTail = e;

65. 65 }

66. 66 } while ((e = next) != null);

67. 67 // 原索引放到bucket里

68. 68 if (loTail != null) {

69. 69 loTail.next = null;

70. 70 newTab[j] = loHead;

71. 71 }

72. 72 // 原索引+oldCap放到bucket里

73. 73 if (hiTail != null) {

74. 74 hiTail.next = null;

75. 75 newTab[j + oldCap] = hiHead;

76. 76 }

77. 77 }

78. 78 }

79. 79 }

80. 80 }

81. 81 return newTab;

82. 82 }

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HashMap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。

当负载因子较大时，去给table数组扩容的可能性就会少，所以相对占用内存较少（空间上较少），但是每条entry链上的元素会相对较多，查询的时间也会增长（时间上较多）。反之就是，负载因子较少的时候，给table数组扩容的可能性就高，那么内存空间占用就多，但是entry链上的元素就会相对较少，查出的时间也会减少。所以才有了负载因子是时间和空间上的一种折中的说法。所以设置负载因子的时候要考虑自己追求的是时间还是空间上的少。

           注意：设置initCapacity的时候，尽量设置为2的幂，这样会去掉计算比initCapactity大，且为2的幂的数的运算。

(3) HashMap是线程不安全的，不要在并发的环境中同时操作HashMap，建议使用ConcurrentHashMap。

(4) JDK1.8引入红黑树大程度优化了HashMap的性能。

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