首页 诗词 字典 板报 句子 名言 友答 励志 学校 网站地图
当前位置: 首页 > 教程频道 > 开发语言 > 编程 >

Java util之惯用数据类型特性盘点 (HasMap深度分析)

2012-12-18 
Java util之常用数据类型特性盘点 (HasMap深度分析)出处:http://www.iteye.com/topic/754887??HashMap的数

Java util之常用数据类型特性盘点 (HasMap深度分析)

出处:http://www.iteye.com/topic/754887

?

?

    HashMap的数据结构

    HashMap主要是用数组来存储数据的,我们都知道它会对key进行哈希运算,哈系运算会有重复的哈希值,对于哈希值的冲突,HashMap采用链表来解决的。在HashMap里有这样的一句属性声明:

    transient Entry[] table;

    ?

    Entry就是HashMap存储数据所用的类,它拥有的属性如下

    final K key;V value;final int hash;Entry<K,V> next;

    ?

    看到next了吗?next就是为了哈希冲突而存在的。比如通过哈希运算,一个新元素应该在数组的第10个位置,但是第10个位置已经有Entry,那么好吧,将新加的元素也放到第10个位置,将第10个位置的原有Entry赋值给当前新加的 Entry的next属性。数组存储的是链表,链表是为了解决哈希冲突的,这一点要注意。

    几个关键的属性

    ?这个上面已经讲到了

    //默认容量static final int DEFAULT_INITIAL_CAPACITY = 16;//最大容量static final int MAXIMUM_CAPACITY = 1 << 30;//默认加载因子,加载因子是一个比例,当HashMap的数据大小>=容量*加载因子时,HashMap会将容量扩容static final float DEFAULT_LOAD_FACTOR = 0.75f;//当实际数据大小超过threshold时,HashMap会将容量扩容,threshold=容量*加载因子int threshold;//加载因子final float loadFactor;

    ?

    HashMap的初始过程

    构造函数1

    ?

        public HashMap(int initialCapacity, float loadFactor) {        if (initialCapacity < 0)            throw new IllegalArgumentException("Illegal initial capacity: " +                                               initialCapacity);        if (initialCapacity > MAXIMUM_CAPACITY)            initialCapacity = MAXIMUM_CAPACITY;        if (loadFactor <= 0 || Float.isNaN(loadFactor))            throw new IllegalArgumentException("Illegal load factor: " +                                               loadFactor);        // Find a power of 2 >= initialCapacity        int capacity = 1;        while (capacity < initialCapacity)            capacity <<= 1;          this.loadFactor = loadFactor;        threshold = (int)(capacity * loadFactor);        table = new Entry[capacity];        init();    }
    ?重点注意这里?

    ?

    ?

    while (capacity < initialCapacity)            capacity <<= 1;
    ?capacity才是初始容量,而不是initialCapacity,这个要特别注意,如果执行new HashMap(9,0.75);那么HashMap的初始容量是16,而不是9,想想为什么吧。

    ?


    构造函数2

    ?

    public HashMap(int initialCapacity) {        this(initialCapacity, DEFAULT_LOAD_FACTOR);    }
    ?构造函数3,全部都是默认值

    ?

    ?

       public HashMap() {        this.loadFactor = DEFAULT_LOAD_FACTOR;        threshold = (int)(DEFAULT_INITIAL_CAPACITY * DEFAULT_LOAD_FACTOR);        table = new Entry[DEFAULT_INITIAL_CAPACITY];        init();    }
    ?构造函数4

    ?

    ?

      public HashMap(Map<? extends K, ? extends V> m) {        this(Math.max((int) (m.size() / DEFAULT_LOAD_FACTOR) + 1,                      DEFAULT_INITIAL_CAPACITY), DEFAULT_LOAD_FACTOR);        putAllForCreate(m);    }
    如何哈希

    HashMap并不是直接将对象的hashcode作为哈希值的,而是要把key的hashcode作一些运算以得到最终的哈希值,并且得到的哈希值也不是在数组中的位置哦,无论是get还是put还是别的方法,计算哈希值都是这一句:
    int hash = hash(key.hashCode());
    hash函数如下:

    ?

      static int hash(int h) {    return useNewHash ? newHash(h) : oldHash(h);    }
    ?useNewHash声明如下:

    ?

    ?

     private static final boolean useNewHash;    static { useNewHash = false; }
    ?这说明useNewHash其实一直为false且不可改变的,hash函数里对 useNewHash的判断真是多余的。

    ?

    ?

        private static int oldHash(int h) {        h += ~(h << 9);        h ^=  (h >>> 14);        h +=  (h << 4);        h ^=  (h >>> 10);        return h;    }    private static int newHash(int h) {        // This function ensures that hashCodes that differ only by        // constant multiples at each bit position have a bounded        // number of collisions (approximately 8 at default load factor).        h ^= (h >>> 20) ^ (h >>> 12);        return h ^ (h >>> 7) ^ (h >>> 4);    }
    ?其实HashMap的哈希函数会一直都是oldHash。

    ?

    如果确定数据的位置

    看下面两行

    ?

        int hash = hash(k.hashCode());      int i = indexFor(hash, table.length);
    第一行,上面讲过了,是得到哈希值,第二行,则是根据哈希指计算元素在数组中的位置了,位置的计算是将哈希值和数组长度按位与运算。?

    ?

    ?

       static int indexFor(int h, int length) {        return h & (length-1);    }
    ?“h & (length-1)”其实这里是很有讲究的,为什么是和(length-1)进行按位与运算呢?这样做是为了提高HashMap的效率。什么?这样能提高效率?且听我细细道来。

    ?

    首先我们要确定一下,HashMap的数组长度永远都是偶数,即使你在初始化的时候是这样的new HashMap(15,0.75);因为在构造函数内部,上面也讲过,有这样的一段代码:

    ?

    while (capacity < initialCapacity)            capacity <<= 1;
    ?所以length-1一定是个奇数,假设现在长度为16,减去1后就是15,对应的二进制是:1111。

    ?

    假设有两个元素,一个哈希值是8,二进制是1000,一个哈希值是9,二进制是1001。和1111与运算后,分别还是1000和1001,它们被分配在了数组的不同位置,这样,哈希的分布非常均匀。

    那么,如果数组长度是奇数,减去1后就是偶数了,偶数对应的二进制最低位一定是0了,例如14二进制1110。对上面两个数子分别与运算,得到1000和1000。看到了吗?都是一样的值,哈希值8和9的元素多被存储在数组同一个位置的链表中。在操作的时候,链表中的元素越多,效率越低,因为要不停的对链表循环比较。所以,一定要哈希均匀分布,尽量减少哈希冲突,减少了哈希冲突,就减少了链表循环,就提高了效率。

    ?

    ?

    put方法到底作了什么?

    ?

       public V put(K key, V value) {    if (key == null)        return putForNullKey(value);        int hash = hash(key.hashCode());        int i = indexFor(hash, table.length);        for (Entry<K,V> e = table[i]; e != null; e = e.next) {            Object k;            if (e.hash == hash && ((k = e.key) == key || key.equals(k))) {                V oldValue = e.value;                e.value = value;                e.recordAccess(this);                return oldValue;            }        }        modCount++;        addEntry(hash, key, value, i);        return null;    }
    ?如果key为NULL,则是单独处理的,看看putForNullKey方法:

    ?

    ?

      private V putForNullKey(V value) {        int hash = hash(NULL_KEY.hashCode());        int i = indexFor(hash, table.length);        for (Entry<K,V> e = table[i]; e != null; e = e.next) {            if (e.key == NULL_KEY) {                V oldValue = e.value;                e.value = value;                e.recordAccess(this);                return oldValue;            }        }        modCount++;        addEntry(hash, (K) NULL_KEY, value, i);        return null;    }
    ?NULL_KEY的声明:static final Object NULL_KEY = new Object();

    ?

    这一段代码是处理哈希冲突的,就是说,在数组某个位置的对象可能并不是唯一的,它是一个链表结构,根据哈希值找到链表后,还要对链表遍历,找出key相等的对象,替换它,并且返回旧的值。

    ?

       for (Entry<K,V> e = table[i]; e != null; e = e.next) {            if (e.key == NULL_KEY) {                V oldValue = e.value;                e.value = value;                e.recordAccess(this);                return oldValue;            }        }
    ?如果遍历完了该位置的链表都没有找到有key相等的,那么将当前对象增加到链表里面去

    ?

    ?

      modCount++;  addEntry(hash, (K) NULL_KEY, value, i);  return null;
    ?且看看addEntry方法

    ?

    ?

        void addEntry(int hash, K key, V value, int bucketIndex) {    Entry<K,V> e = table[bucketIndex];        table[bucketIndex] = new Entry<K,V>(hash, key, value, e);        if (size++ >= threshold)            resize(2 * table.length);    }
    ?table[bucketIndex] = new Entry<K,V>(hash, key, value, e);新建一个Entry对象,并放在当前位置的Entry链表的头部,看看下面的 Entry构造函数就知道了,注意红色部分。

    ?

    ?

         Entry(int h, K k, V v, Entry<K,V> n) {            value = v;            next = n;            key = k;            hash = h;        }
    如何扩容?

    ?当put一个元素时,如果达到了容量限制,HashMap就会扩容,新的容量永远是原来的2倍。
    上面的put方法里有这样的一段:

    ?

    if (size++ >= threshold)            resize(2 * table.length);
    ?这是扩容判断,要注意,并不是数据尺寸达到HashMap的最大容量时才扩容,而是达到 threshold指定的值时就开始扩容, threshold=最大容量*加载因子。 看看resize方法

    ?

    ?

      void resize(int newCapacity) {        Entry[] oldTable = table;        int oldCapacity = oldTable.length;        if (oldCapacity == MAXIMUM_CAPACITY) {            threshold = Integer.MAX_VALUE;            return;        }        Entry[] newTable = new Entry[newCapacity];        transfer(newTable);        table = newTable;        threshold = (int)(newCapacity * loadFactor);    }
    ?重点看看红色部分的 transfer方法

    ?

    ?

      void transfer(Entry[] newTable) {        Entry[] src = table;        int newCapacity = newTable.length;        for (int j = 0; j < src.length; j++) {            Entry<K,V> e = src[j];            if (e != null) {                src[j] = null;                do {                    Entry<K,V> next = e.next;                    int i = indexFor(e.hash, newCapacity);                    e.next = newTable[i];                    newTable[i] = e;                    e = next;                } while (e != null);            }        }    }
    ?tranfer方法将所有的元素重新哈希,因为新的容量变大,所以每个元素的哈希值和位置都是不一样的。

    ?

    如何寻找元素

    ?

    通 过上面代码的分析,应该可以很清楚的看到,HashMap的元素查找大致分为三步:

    根据key的hasocde()得到哈希值

    根据哈希值确定元素在数组中的位置

    找到指定位置 的链表,循环比较,先“==”比较,如果不等,再“equals”比较,如果有一个比较相等,就说明找到元素了。

    所以说到这里,我想大家也明白了,为什么要把一个对象放进HashMap的时候,最好是重写hashcode()方法和equals 方法呢?根据前面的分析,hashcode()可以确定元素在数组中的位置,而equals方法在链表的比较时要用到。

    ?

    正确的使用HashMap

1:不要在并发场景中使用HashMap

?? ? ? ? ? ? HashMap是线程不安全的,如果被多个线程共享的操作,将会引发不可预知的问题,据sun的说法,在扩容时,会引起链表的闭环,在get元素时,就会无限循环,后果是cpu100%。
看看get方法的红色部分

public V get(Object key) {

    if (key == null)        return getForNullKey();        int hash = hash(key.hashCode());        for (Entry<K,V> e = table[indexFor(hash, table.length)];             e != null;             e = e.next) {            Object k;            if (e.hash == hash && ((k = e.key) == key || key.equals(k)))                return e.value;        }        return null;    }

?2:如果数据大小是固定的,那么最好给HashMap设定一个合理的容量值
??????? 根据上面的分析,HashMap的初始默认容量是16,默认加载因子是0.75,也就是说,如果采用HashMap的默认构造函数,当增加数据时,数据实际容量超过10*0.75=12时,HashMap就扩容,扩容带来一系列的运算,新建一个是原来容量2倍的数组,对原有元素全部重新哈希,如果你的数据有几千几万个,而用默认的HashMap构造函数,那结果是非常悲剧的,因为HashMap不断扩容,不断哈希,在使用HashMap的场景里,不会是多个线程共享一个HashMap,除非对HashMap包装并同步,由此产生的内存开销和cpu开销在某些情况下可能是致命的。

?

?

?

?

?

?

?

?

?

?

2011-02-24david.wang

热点排行