最新消息:我们是一群和平年代充满浮躁与抱怨的程序猿,心中充满抱负却无处撒野,明明是一匹野马,却找不到草原。

Java里HashMap的存储原理以及读写性能分析

技术经验 goomoon 2490浏览 0评论

就像引用类型的数组一样,当我们把 Java 对象放入数组之时,并不是真正的把 Java 对象放入数组中,只是把对象的引用放入数组中,每个数组元素都是一个引用变量。相对于HashMap或者HashSet也是一样的原理,Java 集合实际上是多个引用变量所组成的集合,这些引用变量指向实际的 Java 对象。

HashMap 的存储实现

先看下面一段代码:

当程序试图将多个 key-value 放入 HashMap 中时,HashMap 采用一种所谓的“Hash 算法”来决定每个元素的存储位置。每个 Java 对象都有 hashCode() 方法,都可通过该方法获得它的 hashCode 值。得到这个对象的 hashCode 值之后,系统会根据该 hashCode 值来决定该元素的存储位置。 下面我们来看一下,put(key,value)方法的具体实现。

上面程序中用到了一个重要的内部接口:Map.Entry,每个 Map.Entry 其实就是一个 key-value 对。

从上面程序中可以看出:当系统决定存储 HashMap 中的 key-value 对时,完全没有考虑 Entry 中的 value,仅仅只是根据 key 来计算并决定每个 Entry 的存储位置。这也说明了前面的结论:我们完全可以把 Map 集合中的 value 当成 key 的附属,当系统决定了 key 的存储位置之后,value 随之保存在那里即可。

上面方法提供了一个根据 key 来计算 Hash 码的方法:hash(),这个方法是一个纯粹的数学计算,其方法如下:

这个方法,首先是根据 key.hashCode() 计算出对象的hashcode,然后根据hashcode,进一步进行数学运算,得出一个hash值。对于任意给定的对象,只要它的 hashCode() 返回值相同,那么hash(Object k) 方法所计算得到的 Hash 码值总是相同的。接下来程序会调用 indexFor(int h, int length) 方法来计算该对象应该保存在 table 数组的哪个索引处。indexFor(int h, int length) 方法的代码如下:

这个方法非常巧妙,它总是通过 h &(table.length -1) 来得到该对象的保存位置。这样保证计算得到的索引值总是位于 table 数组的索引之内。

根据上面 put 方法的源代码可以看出,java是根据key的hash值进行确定存储位置的,如果两个key的hash值相等,那它们的存储位置相同。这时会有两种情况:

  1. 如果这两个Entry的 key 通过 equals 比较返回 true,新添加 Entry 的 value 将覆盖集合中原有 Entry 的 value,但 key 不会覆盖。
  2. 如果这两个 Entry 的 key 通过 equals 比较返回 false,新添加的 Entry 将与集合中原有 Entry 形成 Entry 链,而且新添加的 Entry 位于 Entry 链的头部(具体说明继续看 addEntry() 方法的说明)。

上面程序中还调用了 addEntry(hash, key, value, i); 代码,其中 addEntry 是 HashMap 提供的一个包访问权限的方法,该方法仅用于添加一个 key-value 对。下面是该方法的代码

上面方法的代码很简单,但其中包含了一个非常优雅的设计:系统总是将新添加的 Entry 对象放入 table 数组的 bucketIndex 索引处——如果 bucketIndex 索引处已经有了一个 Entry 对象,那新添加的 Entry 对象指向原有的 Entry 对象(产生一个 Entry 链),如果 bucketIndex 索引处没有 Entry 对象,也就是上面程序①号代码的 e 变量是 null,也就是新放入的 Entry 对象指向 null,也就是没有产生 Entry 链。

Hash 算法的性能选项

根据上面代码可以看出,在同一个 bucket 存储 Entry 链的情况下,新放入的 Entry 总是位于 bucket 中,而最早放入该 bucket 中的 Entry 则位于这个 Entry 链的最末端。

上面程序中还有这样两个变量:

  • size:该变量保存了该 HashMap 中所包含的 key-value 对的数量。
  • threshold:该变量包含了 HashMap 能容纳的 key-value 对的极限,它的值等于 HashMap 的容量乘以负载因子(load factor)。

从上面程序中代码可以看出,当 size++ >= threshold 时,HashMap 会自动调用 resize 方法扩充 HashMap 的容量。每扩充一次,HashMap 的容量就增大一倍。

上面程序中使用的 table 其实就是一个普通数组,每个数组都有一个固定的长度,这个数组的长度就是 HashMap 的容量。HashMap 包含如下几个构造器:

  • HashMap():构建一个初始容量为 16,负载因子为 0.75 的 HashMap。
  • HashMap(int initialCapacity):构建一个初始容量为 initialCapacity,负载因子为 0.75 的 HashMap。
  • HashMap(int initialCapacity, float loadFactor):以指定初始容量、指定的负载因子创建一个 HashMap。

当创建一个 HashMap 时,系统会自动创建一个 table 数组来保存 HashMap 中的 Entry,下面是 HashMap 中一个构造器的代码:

 

上面代码中包含了一个简洁的代码实现:找出大于initialCapacity的、最小的2的n次方值,并将其作为HashMap的实际容量(由 capacity 变量保存)。从代码中也可以看到:table 的实质就是一个数组,一个长度为 capacity 的数组。
对于HashMap及其子类而言,它们采用Hash算法来决定集合中元素的存储位置。当系统开始初始化HashMap时,系统会创建一个长度为capacity的Entry数组,这个数组里可以存储元素的位置被称为“桶(bucket)”,每个bucket都有其指定索引,系统可以根据其索引快速访问该bucket里存储的元素。无论何时,HashMap 的每个bucket只存储一个元素(也就是一个Entry),由于Entry对象可以包含一个引用变量(就是 Entry 构造器的的最后一个参数)用于指向下一个Entry,因此可能出现的情况是:HashMap的bucket中只有一个Entry,但这个Entry指向另一个Entry,这就形成了一个 Entry 链。如图 1 所示:

66679083-1285-397d-860a-83fc41efeedd

HashMap 的读取实现

当HashMap的每个bucket里存储的Entry只是单个Entry——也就是没有通过指针产生Entry链时,此时的HashMap具有最好的性能:当程序通过key取出对应value时,系统只要先计算出该key的hashCode()返回值,在根据该hashCode返回值找出该key在table数组中的索引,然后取出该索引处的Entry,最后返回该key对应的value即可。
看HashMap类的get(K key)方法代码:

从上面代码中可以看出,如果HashMap的每个bucket里只有一个Entry时,HashMap可以根据索引、快速地取出该bucket里的Entry;
在发生“Hash冲突”的情况下,单个bucket里存储的不是一个Entry,而是一个Entry链,系统只能必须按顺序遍历每个Entry,直到找到想搜索的Entry 为止——如果恰好要搜索的Entry位于该Entry链的最末端(该Entry是最早放入该bucket中),那系统必须循环到最后才能找到该元素。

归纳起来简单地说,HashMap在底层将key-value当成一个整体进行处理,这个整体就是一个Entry对象。HashMap 底层采用一个Entry[]数组来保存所有的key-value对,当需要存储一个Entry对象时,会根据Hash算法来决定其存储位置;
当需要取出一个Entry时,也会根据Hash算法找到其存储位置,直接取出该Entry。
由此可见:HashMap之所以能快速存、取它所包含的Entry,这也是一种分类存放数据的典型案例。

当创建 HashMap 时,有一个默认的负载因子(load factor),其默认值为 0.75,这是时间和空间成本上一种折衷:增大负载因子可以减少 Hash 表(Entry数组)所占用的内存空间,但会增加查询数据的时间开销,而查询是最频繁的的操作(HashMap的get()与put()方法都要用到查询);减小负载因子会提高数据查询的性能,但会增加Hash表所占用的内存空间。

掌握了上面知识之后,我们可以在创建HashMap时根据实际需要适当地调整load factor的值;如果程序比较关心空间开销、内存比较紧张,可以适当地增加负载因子;如果程序比较关心时间开销,内存比较宽裕则可以适当的减少负载因子。通常情况下,程序员无需改变负载因子的值。

如果开始就知道HashMap会保存多个key-value对,可以在创建时就使用较大的初始化容量,如果HashMap中Entry的数量一直不会超过极限容量(capacity*loadfactor),HashMap就无需调用resize()方法重新分配table数组,从而保证较好的性能。当然,开始就将初始容量设置太高可能会浪费空间(系统需要创建一个长度为capacity的Entry数组),因此创建 HashMap 时初始化容量设置也需要小心对待。
文章借鉴:http://alex09.iteye.com/blog/539545

转载请注明:刘召考的博客 » Java里HashMap的存储原理以及读写性能分析