分享

阿里面试宝典(十六):数据结构与算法【HashMap】

问题导读

1.HashMap是线程安全还是不安全的?
2.HashMap存储结构是怎么样的?
3.HashMap能干什么?


上一篇
阿里面试宝典(十五):数据结构与算法
https://www.aboutyun.com/forum.php?mod=viewthread&tid=30093


简介

Java为数据结构中的映射定义了一个接口java.util.Map,此接口主要有四个常用的实现类,分别是HashMap、Hashtable、LinkedHashMap和TreeMap,类继承关系如下图所示:


1.jpg

下面针对各个实现类的特点做一些说明:

(1) HashMap:它根据键的hashCode值存储数据,大多数情况下可以直接定位到它的值,因而具有很快的访问速度,但遍历顺序却是不确定的。 HashMap最多只允许一条记录的键为null,允许多条记录的值为null。HashMap非线程安全,即任一时刻可以有多个线程同时写HashMap,可能会导致数据的不一致。如果需要满足线程安全,可以用 Collections的synchronizedMap方法使HashMap具有线程安全的能力,或者使用ConcurrentHashMap。

(2) Hashtable:Hashtable是遗留类,很多映射的常用功能与HashMap类似,不同的是它承自Dictionary类,并且是线程安全的,任一时间只有一个线程能写Hashtable,并发性不如ConcurrentHashMap,因为ConcurrentHashMap引入了分段锁。Hashtable不建议在新代码中使用,不需要线程安全的场合可以用HashMap替换,需要线程安全的场合可以用ConcurrentHashMap替换。

(3) LinkedHashMap:LinkedHashMap是HashMap的一个子类,保存了记录的插入顺序,在用Iterator遍历LinkedHashMap时,先得到的记录肯定是先插入的,也可以在构造时带参数,按照访问次序排序。

(4) TreeMap:TreeMap实现SortedMap接口,能够把它保存的记录根据键排序,默认是按键值的升序排序,也可以指定排序的比较器,当用Iterator遍历TreeMap时,得到的记录是排过序的。如果使用排序的映射,建议使用TreeMap。在使用TreeMap时,key必须实现Comparable接口或者在构造TreeMap传入自定义的Comparator,否则会在运行时抛出java.lang.ClassCastException类型的异常。

对于上述四种Map类型的类,要求映射中的key是不可变对象。不可变对象是该对象在创建后它的哈希值不会被改变。如果对象的哈希值发生变化,Map对象很可能就定位不到映射的位置了。

通过上面的比较,我们知道了HashMap是Java的Map家族中一个普通成员,鉴于它可以满足大多数场景的使用条件,所以是使用频度最高的一个。下文我们主要结合源码,从存储结构、常用方法分析、扩容以及安全性等方面深入讲解HashMap的工作原理。


内部实现

搞清楚HashMap,首先需要知道HashMap是什么,即它的存储结构-字段;其次弄明白它能干什么,即它的功能实现-方法。下面我们针对这两个方面详细展开讲解。


存储结构-字段

从结构实现来讲,HashMap是数组+链表+红黑树(JDK1.8增加了红黑树部分)实现的,如下如所示。


1.jpg

这里需要讲明白两个问题:数据底层具体存储的是什么?这样的存储方式有什么优点呢?

(1) 从源码可知,HashMap类中有一个非常重要的字段,就是 Node[] table,即哈希桶数组,明显它是一个Node的数组。我们来看Node[JDK1.8]是何物。

  1. static class Node<K,V> implements Map.Entry<K,V> { final int hash;   //用来定位数组索引位置final K key;
  2. V value;
  3. Node<K,V> next;  //链表的下一个node
  4. Node(int hash, K key, V value, Node<K,V> next) { ... } public final K getKey(){ ... }
  5. public final V getValue() { ... } public final String toString() { ... } public final int hashCode() { ... }
  6. public final V setValue(V newValue) { ... } public final boolean equals(Object o) { ... }
  7. }
复制代码
Node是HashMap的一个内部类,实现了Map.Entry接口,本质是就是一个映射(键值对)。上图中的每个黑色圆点就是一个Node对象。

(2) HashMap就是使用哈希表来存储的。哈希表为解决冲突,可以采用开放地址法和链地址法等来解决问题,Java中HashMap采用了链地址法。链地址法,简单来说,就是数组加链表的结合。在每个数组元素上都一个链表结
构,当数据被Hash后,得到数组下标,把数据放在对应下标元素的链表上。例如程序执行下面代码:

  1. map.put("美团","小美");
复制代码
系统将调用"美团"这个key的hashCode()方法得到其hashCode 值(该方法适用于每个Java对象),然后再通过Hash算法的后两步运算(高位运算和取模运算,下文有介绍)来定位该键值对的存储位置,有时两个key会定位到相同的位置,表示发生了Hash碰撞。当然Hash算法计算结果越分散均匀,Hash碰撞的概率就越小,map的存取效率就会越高。

如果哈希桶数组很大,即使较差的Hash算法也会比较分散,如果哈希桶数组数组很小,即使好的Hash算法也会出现较多碰撞,所以就需要在空间成本和时间成本之间权衡,其实就是在根据实际情况确定哈希桶数组的大小,并在此基础上设计好的hash算法减少Hash碰撞。那么通过什么方式来控制map使得Hash碰撞的概率又小,哈希桶数组(Node[] table)占用空间又少呢?答案就是好的Hash算法和扩容机制。

在理解Hash和扩容流程之前,我们得先了解下HashMap的几个字段。从HashMap的默认构造函数源码可知,构造函数就是对下面几个字段进行初始化,源码如下:

  1. int threshold;        // 所能容纳的key-value对极限
  2. final float loadFactor;   // 负载因子
  3. int modCount; int size;
复制代码
首先,Node[] table的初始化长度length(默认值是16),Load factor为负载因子(默认值是0.75),threshold是HashMap所能容纳的最大数据量的Node(键值对)个数。threshold = length * Load factor。也就是说,在数组定义好长度之后,负载因子越大,所能容纳的键值对个数越多。

结合负载因子的定义公式可知,threshold就是在此Load factor和length(数组长度)对应下允许的最大元素数目,超过这个数目就重新resize(扩容),扩容后的HashMap容量是之前容量的两倍。默认的负载因子0.75是对空间和时间效率的一个平衡选择,建议大家不要修改,除非在时间和空间比较特殊的情况下,如果内存空间很多而又对时间效率要求很高,可以降低负载因子Load factor的值;相反,如果内存空间紧张而对时间效率要求不高,可以增加负载因子loadFactor的值,这个值可以大于1。

size这个字段其实很好理解,就是HashMap中实际存在的键值对数量。注意和table的长度length、容纳最大键值对数量threshold的区别。而modCount字段主要用来记录HashMap内部结构发生变化的次数,主要用于迭代的快速失败。强调一点,内部结构发生变化指的是结构发生变化,例如put新键值对,但是某个key对应的value值被覆盖不属于结构变化。

在HashMap中,哈希桶数组table的长度length大小必须为2的n次方(一定是合数),这是一种非常规的设计,常规的设计是把桶的大小设计为素数。相对来说素数导致冲突的概率要小于合数,具体证明可以参考http://blog.csdn.net/liuqiyao_01/article/details/14475159,Hashtable初始化桶大小为11,就是桶大小设计为素数的应用(Hashtable扩容后不能保证还是素数)。HashMap采用这种非常规设计,主要是为了在取模和扩容时做优化,同时为了减少冲突,HashMap定位哈希桶索引位置时,也加入了高位参与运算的过程。

这里存在一个问题,即使负载因子和Hash算法设计的再合理,也免不了会出现拉链过长的情况,一旦出现拉链过长,则会严重影响HashMap的性能。于是,在JDK1.8版本中,对数据结构做了进一步的优化,引入了红黑树。而当链表长度太长(默认超过8)时,链表就转换为红黑树,利用红黑树快速增删改查的特点提高HashMap的性能,其中会用到红黑树的插入、删除、查找等算法。本文不再对红黑树展开讨论,想了解更多红黑树数据结构的工作原理可以参考http://blog.csdn.net/v_july_v/article/details/6105630


功能实现-方法

HashMap的内部功能实现很多,本文主要从根据key获取哈希桶数组索引位置、put方法的详细执行、扩容过程三个具有代表性的点深入展开讲解。

1. 确定哈希桶数组索引位置

不管增加、删除、查找键值对,定位到哈希桶数组的位置都是很关键的第一步。前面说过HashMap的数据结构是数组和链表的结合,所以我们当然希望这个HashMap里面的元素位置尽量分布均匀些,尽量使得每个位置上的元素数量只有一个,那么当我们用hash算法求得这个位置的时候,马上就可以知道对应位置的元素就是我们要的,不用遍历链表,大大优化了查询的效率。HashMap定位数组索引位置,直接决定了hash方法的离散性能。先看看源码的实现(方法一+方法二):

  1. 方法一:
  2. static final int hash(Object key) {  //jdk1.8 & jdk1.7
  3. int h;
  4. // h = key.hashCode() 为第一步 取hashCode值// h ^ (h >>> 16) 为第二步 高位参与运算
  5. return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
  6. }
  7. 方法二:
  8. static int indexFor(int h, int length) {  //jdk1.7的源码,jdk1.8没有这个方法,但是实现原理一样的
  9. return h & (length-1); //第三步 取模运算
  10. }
复制代码
这里的Hash算法本质上就是三步:取key的hashCode值、高位运算、取模运算。

对于任意给定的对象,只要它的hashCode()返回值相同,那么程序调用方法一所计算得到的Hash码值总是相同
的。我们首先想到的就是把hash值对数组长度取模运算,这样一来,元素的分布相对来说是比较均匀的。但是,模运算的消耗还是比较大的,在HashMap中是这样做的:调用方法二来计算该对象应该保存在table数组的哪个索引处。

这个方法非常巧妙,它通过h & (table.length -1)来得到该对象的保存位,而HashMap底层数组的长度总是2的n次方,这是HashMap在速度上的优化。当length总是2的n次方时,h& (length-1)运算等价于对length取模,也就是h%length,但是&比%具有更高的效率。

在JDK1.8的实现中,优化了高位运算的算法,通过hashCode()的高16位异或低16位实现的:(h = k.hashCode()) ^ (h >>> 16),主要是从速度、功效、质量来考虑的,这么做可以在数组table的length比较小的时候,也能保证考虑到高低Bit都参与到Hash的计算中,同时不会有太大的开销。

下面举例说明下,n为table的长度。


1.jpg

2. 分析HashMap的put方法

HashMap的put方法执行过程可以通过下图来理解,自己有兴趣可以去对比源码更清楚地研究学习。


1.jpg

①.判断键值对数组table是否为空或为null,否则执行resize()进行扩容;

②.根据键值key计算hash值得到插入的数组索引i,如果table==null,直接新建节点添加,转向⑥,如果table不为空,转向③;

③.判断table的首个元素是否和key一样,如果相同直接覆盖value,否则转向④,这里的相同指的是hashCode以及equals;

④.判断table 是否为treeNode,即table 是否是红黑树,如果是红黑树,则直接在树中插入键值对,否则转向⑤;

⑤.遍历table,判断链表长度是否大于8,大于8的话把链表转换为红黑树,在红黑树中执行插入操作,否则进行链表的插入操作;遍历过程中若发现key已经存在直接覆盖value即可;

⑥.插入成功后,判断实际存在的键值对数量size是否超多了最大容量threshold,如果超过,进行扩容。JDK1.8HashMap的put方法源码如下:


  1. public V put(K key, V value) {
  2.         // 对key的hashCode()做hash
  3.   
  4.         return putVal(hash(key), key, value, false, true);
  5. }
  6. final V putVal(int hash, K key, V value, boolean onlyIfAbsent,
  7.         boolean evict) {
  8.         Node<K,V>[] tab; Node<K,V> p; int n, i;
  9.         // 步骤①:tab为空则创建
  10.         if ((tab = table) == null || (n = tab.length) == 0)
  11.         n = (tab = resize()).length;
  12.         // 步骤②:计算index,并对null做处理
  13.         if ((p = tab[i = (n - 1) & hash]) == null)
  14.         tab[i] = newNode(hash, key, value, null);
  15.         else {
  16.         Node<K,V> e; K k;
  17.         // 步骤③:节点key存在,直接覆盖value
  18.         if (p.hash == hash &&
  19.         ((k = p.key) == key || (key != null && key.equals(k))))
  20.         e = p;
  21.         // 步骤④:判断该链为红黑树
  22.         else if (p instanceof TreeNode)
  23.         e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
  24.         // 步骤⑤:该链为链表
  25.   
  26.         else {
  27.         for (int binCount = 0; ; ++binCount) {
  28.         if ((e = p.next) == null) {
  29.   
  30. p.next = newNode(hash, key,value,null);
  31. //链表长度大于8转换为红黑树进行处理
  32.   
  33.         if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st
  34.         treeifyBin(tab, hash);
  35.         break;
  36. }
  37. // key已经存在直接覆盖value
  38.         if (e.hash == hash &&
  39.         ((k = e.key) == key || (key != null && key.equals(k))))
  40. break;
  41.          p = e;
  42.         }
  43.         }
  44. if (e != null) { // existing mapping for key
  45.         V oldValue = e.value;
  46.         if (!onlyIfAbsent || oldValue == null)
  47.         e.value = value;
  48.         afterNodeAccess(e);
  49.         return oldValue;
  50.         }
  51.         }
  52.         ++modCount;
  53.         // 步骤⑥:超过最大容量 就扩容
  54.         if (++size > threshold)
  55.         resize();
  56.         afterNodeInsertion(evict);
  57.         return null;
  58. }
复制代码


3. 扩容机制

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。

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. Entry[] newTable = new Entry[newCapacity]; //初始化一个新的Entry数组
  9. transfer(newTable);        //!!将数据转移到新的Entry数组里
  10. table = newTable;        //HashMap的table属性引用新的Entry数组
  11. threshold = (int)(newCapacity * loadFactor);//修改阈值
  12. }
复制代码
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;
复制代码
newTable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。

下面举个例子说明下扩容过程。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。

1.jpg

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,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。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对应的哈希与高位运算结果。

1.jpg

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:

1.jpg

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:

1.jpg

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. final Node<K,V>[] resize() {
  2.         Node<K,V>[] oldTab = table;
  3.         int oldCap = (oldTab == null) ? 0 : oldTab.length;
  4.         int oldThr = threshold;
  5.         int newCap, newThr = 0;
  6.         if (oldCap > 0) {
  7.         // 超过最大值就不再扩充了,就只好随你碰撞去吧
  8.         if (oldCap >= MAXIMUM_CAPACITY) {
  9.         threshold = Integer.MAX_VALUE;
  10.         return oldTab;
  11.         }
  12.         // 没超过最大值,就扩充为原来的2倍
  13.         else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&
  14.         oldCap >= DEFAULT_INITIAL_CAPACITY)
  15.         newThr = oldThr << 1; // double threshold
  16.         }
  17.         else if (oldThr > 0) // initial capacity was placed in threshold
  18.         newCap = oldThr;
  19.         else {        // zero initial threshold signifies using defaults
  20.         newCap = DEFAULT_INITIAL_CAPACITY;
  21.         newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);
  22.         }
  23.         // 计算新的resize上限
  24.         if (newThr == 0) {
  25.         float ft = (float)newCap * loadFactor;
  26.         newThr = (newCap < MAXIMUM_CAPACITY && ft < (float)MAXIMUM_CAPACITY ?
  27.         (int)ft : Integer.MAX_VALUE);
  28.         }
  29.         threshold = newThr;
  30.         @SuppressWarnings({"rawtypes","unchecked"})
  31.         Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap];
  32.         table = newTab;
  33.         if (oldTab != null) {
  34.         // 把每个bucket都移动到新的buckets中
  35.         for (int j = 0; j < oldCap; ++j) {
  36.         Node<K,V> e;
  37.         if ((e = oldTab[j]) != null) {
  38.         oldTab[j] = null;
  39.         if (e.next == null)
  40.         newTab[e.hash & (newCap - 1)] = e;
  41.         else if (e instanceof TreeNode)
  42.         ((TreeNode<K,V>)e).split(this, newTab, j, oldCap);
  43.         else { // 链表优化重hash的代码块
  44.         Node<K,V> loHead = null, loTail = null;
  45.         Node<K,V> hiHead = null, hiTail = null;
  46.         Node<K,V> next;
  47.         do {
  48.         next = e.next;
  49.         // 原索引
  50.         if ((e.hash & oldCap) == 0) {
  51.         if (loTail == null)
  52.         loHead = e;
  53.         else
  54.         loTail.next = e;
  55.         loTail = e;
  56.         }
  57.         // 原索引+oldCap
  58.         else {
  59.         if (hiTail == null)
  60.         hiHead = e;
  61.         else
  62.         hiTail.next = e;
  63.         hiTail = e;
  64.         }
  65.         } while ((e = next) != null);
  66.         // 原索引放到bucket里
  67.         if (loTail != null) {
  68.         loTail.next = null;
  69.         newTab[j] = loHead;
  70.         }
  71.         // 原索引+oldCap放到bucket里
  72.         if (hiTail != null) {
  73.         hiTail.next = null;
  74.         newTab[j + oldCap] = hiHead;
  75.         }
  76.         }
  77.         }
  78.         }
  79.         }
  80.         return newTab;
  81. }
复制代码


线程安全性

在多线程使用场景中,应该尽量避免使用线程不安全的HashMap,而使用线程安全的ConcurrentHashMap。那么为什么说HashMap是线程不安全的,下面举例子说明在并发的多线程使用场景中使用HashMap可能造成死循环。代码例子如下(便于理解,仍然使用JDK1.7的环境):

  1. public class HashMapInfiniteLoop {
  2. private static HashMap<Integer,String> map = new HashMap<Integer,String>(2,0.75f);
  3. public static void main(String[] args) {
  4. map.put(5, "C");
  5. new Thread("Thread1") {
  6. public void run() { map.put(7, "B"); System.out.println(map);
  7. };
复制代码

其中,map初始化为一个长度为2的数组,loadFactor=0.75,threshold=2*0.75=1,也就是说当put第二个key的时候,map就需要进行resize。

通过设置断点让线程1和线程2同时debug到transfer方法(3.3小节代码块)的首行。注意此时两个线程已经成功添加数据。放开thread1的断点至transfer方法的“Entry next = e.next;” 这一行;然后放开线程2的的断点,让线程2进行resize。结果如下图。

1.jpg

注意,Thread1的 e 指向了key(3),而next指向了key(7),其在线程二rehash后,指向了线程二重组后的链表。

线程一被调度回来执行,先是执行 newTalbe = e, 然后是e = next,导致了e指向了key(7),而下一次循环的next = e.next导致了next指向了key(3)。


1.jpg

e.next = newTable 导致 key(3).next 指向了 key(7)。注意:此时的key(7).next 已经指向了key(3), 环形链表就这样出现了。

1.jpg

于是,当我们用线程一调用map.get(11)时,悲剧就出现了——Infinite Loop。


最新经典文章,欢迎关注公众号


没找到任何评论,期待你打破沉寂

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

关闭

推荐上一条 /5 下一条