程式師世界 >> 編程語言 >> JAVA編程 >> JAVA綜合教程 >> HashMap

HashMap

編輯：JAVA綜合教程

HashMap

HashMap 和 HashSet 是 Java Collection Framework 的兩個重要成員，其中 HashMap 是 Map 接口的常用實現類，HashSet 是 Set 接口的常用實現類。雖然 HashMap 和 HashSet 實現的接口規范不同，但它們底層的 Hash 存儲機制完全一樣，甚至 HashSet 本身就采用 HashMap 來實現的。
通過 HashMap、HashSet 的源代碼分析其 Hash 存儲機制

實際上，HashSet 和 HashMap 之間有很多相似之處，對於 HashSet 而言，系統采用 Hash 算法決定集合元素的存儲位置，這樣可以保證能快速存、取集合元素；對於 HashMap 而言，系統 key-value 當成一個整體進行處理，系統總是根據 Hash 算法來計算 key-value 的存儲位置，這樣可以保證能快速存、取 Map 的 key-value 對。

在介紹集合存儲之前需要指出一點：雖然集合號稱存儲的是 Java 對象，但實際上並不會真正將 Java 對象放入 Set 集合中，只是在 Set 集合中保留這些對象的引用而言。也就是說：Java 集合實際上是多個引用變量所組成的集合，這些引用變量指向實際的 Java 對象。

集合和引用

就像引用類型的數組一樣，當我們把 Java 對象放入數組之時，並不是真正的把 Java 對象放入數組中，只是把對象的引用放入數組中，每個數組元素都是一個引用變量。

HashMap 的存儲實現

當程序試圖將多個 key-value 放入 HashMap 中時，以如下代碼片段為例：

 HashMap map = new HashMap(); 
 map.put("語文" , 80.0); 
 map.put("數學" , 89.0); 
 map.put("英語" , 78.2);

HashMap 采用一種所謂的“Hash 算法”來決定每個元素的存儲位置。

當程序執行 map.put(“語文” , 80.0); 時，系統將調用”語文”的 hashCode() 方法得到其 hashCode 值——每個 Java 對象都有 hashCode() 方法，都可通過該方法獲得它的 hashCode 值。得到這個對象的 hashCode 值之後，系統會根據該 hashCode 值來決定該元素的存儲位置。

我們可以看 HashMap 類的 put(K key , V value) 方法的源代碼：

 public V put(K key, V value) 
 { 
     // 如果 key 為 null，調用 putForNullKey 方法進行處理
     if (key == null) 
         return putForNullKey(value); 
     // 根據 key 的 keyCode 計算 Hash 值
     int hash = hash(key.hashCode()); 
     // 搜索指定 hash 值在對應 table 中的索引
     int i = indexFor(hash, table.length);
     // 如果 i 索引處的 Entry 不為 null，通過循環不斷遍歷 e 元素的下一個元素
     for (Entry e = table[i]; e != null; e = e.next) 
     { 
         Object k; 
         // 找到指定 key 與需要放入的 key 相等（hash 值相同
         // 通過 equals 比較放回 true）
         if (e.hash == hash && ((k = e.key) == key 
             || key.equals(k))) 
         { 
             V oldValue = e.value; 
             e.value = value; 
             e.recordAccess(this); 
             return oldValue; 
         } 
     } 
     // 如果 i 索引處的 Entry 為 null，表明此處還沒有 Entry 
     modCount++; 
     // 將 key、value 添加到 i 索引處
     addEntry(hash, key, value, i); 
     return null; 
 }

上面程序中用到了一個重要的內部接口：Map.Entry，每個 Map.Entry 其實就是一個 key-value 對。從上面程序中可以看出：當系統決定存儲 HashMap 中的 key-value 對時，完全沒有考慮 Entry 中的 value，僅僅只是根據 key 來計算並決定每個 Entry 的存儲位置。這也說明了前面的結論：我們完全可以把 Map 集合中的 value 當成 key 的附屬，當系統決定了 key 的存儲位置之後，value 隨之保存在那裡即可。

上面方法提供了一個根據 hashCode() 返回值來計算 Hash 碼的方法：hash()，這個方法是一個純粹的數學計算，其方法如下：

 static int hash(int h) 
{ 
    h ^= (h >>> 20) ^ (h >>> 12); 
    return h ^ (h >>> 7) ^ (h >>> 4); 
}

對於任意給定的對象，只要它的 hashCode() 返回值相同，那麼程序調用 hash(int h) 方法所計算得到的 Hash 碼值總是相同的。接下來程序會調用 indexFor(int h, int length) 方法來計算該對象應該保存在 table 數組的哪個索引處。indexFor(int h, int length) 方法的代碼如下：

static int indexFor(int h, int length) 
{ 
    return h & (length-1); 
}

這個方法非常巧妙，它總是通過 h &(table.length -1) 來得到該對象的保存位置——而 HashMap 底層數組的長度總是 2 的 n 次方，這一點可參看後面關於 HashMap 構造器的介紹。

當 length 總是 2 的倍數時，h & (length-1) 將是一個非常巧妙的設計：假設 h=5,length=16, 那麼 h & length - 1 將得到 5；如果 h=6,length=16, 那麼 h & length - 1 將得到 6 ……如果 h=15,length=16, 那麼 h & length - 1 將得到 15；但是當 h=16 時 , length=16 時，那麼 h & length - 1 將得到 0 了；當 h=17 時 , length=16 時，那麼 h & length - 1 將得到 1 了……這樣保證計算得到的索引值總是位於 table 數組的索引之內。

根據上面 put 方法的源代碼可以看出，當程序試圖將一個 key-value 對放入 HashMap 中時，程序首先根據該 key 的 hashCode() 返回值決定該 Entry 的存儲位置：如果兩個 Entry 的 key 的 hashCode() 返回值相同，那它們的存儲位置相同。如果這兩個 Entry 的 key 通過 equals 比較返回 true，新添加 Entry 的 value 將覆蓋集合中原有 Entry 的 value，但 key 不會覆蓋。如果這兩個 Entry 的 key 通過 equals 比較返回 false，新添加的 Entry 將與集合中原有 Entry 形成 Entry 鏈，而且新添加的 Entry 位於 Entry 鏈的頭部——具體說明繼續看 addEntry() 方法的說明。

當向 HashMap 中添加 key-value 對，由其 key 的 hashCode() 返回值決定該 key-value 對（就是 Entry 對象）的存儲位置。當兩個 Entry 對象的 key 的 hashCode() 返回值相同時，將由 key 通過 eqauls() 比較值決定是采用覆蓋行為（返回 true），還是產生 Entry 鏈（返回 false）。

上面程序中還調用了 addEntry(hash, key, value, i); 代碼，其中 addEntry 是 HashMap 提供的一個包訪問權限的方法，該方法僅用於添加一個 key-value 對。下面是該方法的代碼：

void addEntry(int hash, K key, V value, int bucketIndex) 
{ 
    // 獲取指定 bucketIndex 索引處的 Entry 
    Entry e = table[bucketIndex];   // ①
    // 將新創建的 Entry 放入 bucketIndex 索引處，並讓新的 Entry 指向原來的 Entry 
    table[bucketIndex] = new Entry(hash, key, value, e); 
    // 如果 Map 中的 key-value 對的數量超過了極限
    if (size++ >= threshold) 
        // 把 table 對象的長度擴充到 2 倍。
        resize(2 * table.length);    // ②
}

上面方法的代碼很簡單，但其中包含了一個非常優雅的設計：系統總是將新添加的 Entry 對象放入 table 數組的 bucketIndex 索引處——如果 bucketIndex 索引處已經有了一個 Entry 對象，那新添加的 Entry 對象指向原有的 Entry 對象（產生一個 Entry 鏈），如果 bucketIndex 索引處沒有 Entry 對象，也就是上面程序①號代碼的 e 變量是 null，也就是新放入的 Entry 對象指向 null，也就是沒有產生 Entry 鏈。

JDK 源碼

在 JDK 安裝目錄下可以找到一個 src.zip 壓縮文件，該文件裡包含了 Java 基礎類庫的所有源文件。只要讀者有學習興趣，隨時可以打開這份壓縮文件來閱讀 Java 類庫的源代碼，這對提高讀者的編程能力是非常有幫助的。需要指出的是：src.zip 中包含的源代碼並沒有包含像上文中的中文注釋，這些注釋是筆者自己添加進去的。

Hash 算法的性能選項

根據上面代碼可以看出，在同一個 bucket 存儲 Entry 鏈的情況下，新放入的 Entry 總是位於 bucket 中，而最早放入該 bucket 中的 Entry 則位於這個 Entry 鏈的最末端。

上面程序中還有這樣兩個變量：

* size：該變量保存了該 HashMap 中所包含的 key-value 對的數量。 
* threshold：該變量包含了 HashMap 能容納的 key-value 對的極限，它的值等於 HashMap 的容量乘以負載因子（load factor）。

從上面程序中②號代碼可以看出，當 size++ >= threshold 時，HashMap 會自動調用 resize 方法擴充 HashMap 的容量。每擴充一次，HashMap 的容量就增大一倍。

上面程序中使用的 table 其實就是一個普通數組，每個數組都有一個固定的長度，這個數組的長度就是 HashMap 的容量。HashMap 包含如下幾個構造器：

* HashMap()：構建一個初始容量為 16，負載因子為 0.75 的 HashMap。 
* HashMap(int initialCapacity)：構建一個初始容量為 initialCapacity，負載因子為 0.75 的 HashMap。 
* HashMap(int initialCapacity, float loadFactor)：以指定初始容量、指定的負載因子創建一個 HashMap。

當創建一個 HashMap 時，系統會自動創建一個 table 數組來保存 HashMap 中的 Entry，下面是 HashMap 中一個構造器的代碼：

// 以指定初始化容量、負載因子創建 HashMap 
 public HashMap(int initialCapacity, float loadFactor) 
 { 
     // 初始容量不能為負數
     if (initialCapacity < 0) 
         throw new IllegalArgumentException( 
        "Illegal initial capacity: " + 
             initialCapacity); 
     // 如果初始容量大於最大容量，讓出示容量
     if (initialCapacity > MAXIMUM_CAPACITY) 
         initialCapacity = MAXIMUM_CAPACITY; 
     // 負載因子必須大於 0 的數值
     if (loadFactor <= 0 || Float.isNaN(loadFactor)) 
         throw new IllegalArgumentException( 
         loadFactor); 
     // 計算出大於 initialCapacity 的最小的 2 的 n 次方值。
     int capacity = 1; 
     while (capacity < initialCapacity) 
         capacity <<= 1; 
     this.loadFactor = loadFactor; 
     // 設置容量極限等於容量 * 負載因子
     threshold = (int)(capacity * loadFactor); 
     // 初始化 table 數組
     table = new Entry[capacity];            // ①
     init(); 
 }

上面代碼中粗體字代碼包含了一個簡潔的代碼實現：找出大於 initialCapacity 的、最小的 2 的 n 次方值，並將其作為 HashMap 的實際容量（由 capacity 變量保存）。例如給定 initialCapacity 為 10，那麼該 HashMap 的實際容量就是 16。
程序①號代碼處可以看到：table 的實質就是一個數組，一個長度為 capacity 的數組。

對於 HashMap 及其子類而言，它們采用 Hash 算法來決定集合中元素的存儲位置。當系統開始初始化 HashMap 時，系統會創建一個長度為 capacity 的 Entry 數組，這個數組裡可以存儲元素的位置被稱為“桶（bucket）”，每個 bucket 都有其指定索引，系統可以根據其索引快速訪問該 bucket 裡存儲的元素。

無論何時，HashMap 的每個“桶”只存儲一個元素（也就是一個 Entry），由於 Entry 對象可以包含一個引用變量（就是 Entry 構造器的的最後一個參數）用於指向下一個 Entry，因此可能出現的情況是：HashMap 的 bucket 中只有一個 Entry，但這個 Entry 指向另一個 Entry ——這就形成了一個 Entry 鏈。如圖 1 所示：
這裡寫圖片描述
圖 1. HashMap 的存儲示意 <喎?http://www.Bkjia.com/kf/ware/vc/" target="_blank" class="keylink">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"brush:java;">public V get(Object key) { // 如果 key 是 null，調用 getForNullKey 取出對應的 value if (key == null) return getForNullKey(); // 根據該 key 的 hashCode 值計算它的 hash 碼 int hash = hash(key.hashCode()); // 直接取出 table 數組中指定索引處的值， for (Entry e = table[indexFor(hash, table.length)]; e != null; // 搜索該 Entry 鏈的下一個 Entr e = e.next) // ① { Object k; // 如果該 Entry 的 key 與被搜索 key 相同 if (e.hash == hash && ((k = e.key) == key || key.equals(k))) return e.value; } return null; }

從上面代碼中可以看出，如果 HashMap 的每個 bucket 裡只有一個 Entry 時，HashMap 可以根據索引、快速地取出該 bucket 裡的 Entry；在發生“Hash 沖突”的情況下，單個 bucket 裡存儲的不是一個 Entry，而是一個 Entry 鏈，系統只能必須按順序遍歷每個 Entry，直到找到想搜索的 Entry 為止——如果恰好要搜索的 Entry 位於該 Entry 鏈的最末端（該 Entry 是最早放入該 bucket 中），那系統必須循環到最後才能找到該元素。

歸納起來簡單地說，HashMap 在底層將 key-value 當成一個整體進行處理，這個整體就是一個 Entry 對象。HashMap 底層采用一個 Entry[] 數組來保存所有的 key-value 對，當需要存儲一個 Entry 對象時，會根據 Hash 算法來決定其存儲位置；當需要取出一個 Entry 時，也會根據 Hash 算法找到其存儲位置，直接取出該 Entry。由此可見：HashMap 之所以能快速存、取它所包含的 Entry，完全類似於現實生活中母親從小教我們的：不同的東西要放在不同的位置，需要時才能快速找到它。

當創建 HashMap 時，有一個默認的負載因子（load factor），其默認值為 0.75，這是時間和空間成本上一種折衷：增大負載因子可以減少 Hash 表（就是那個 Entry 數組）所占用的內存空間，但會增加查詢數據的時間開銷，而查詢是最頻繁的的操作（HashMap 的 get() 與 put() 方法都要用到查詢）；減小負載因子會提高數據查詢的性能，但會增加 Hash 表所占用的內存空間。

掌握了上面知識之後，我們可以在創建 HashMap 時根據實際需要適當地調整 load factor 的值；如果程序比較關心空間開銷、內存比較緊張，可以適當地增加負載因子；如果程序比較關心時間開銷，內存比較寬裕則可以適當的減少負載因子。通常情況下，程序員無需改變負載因子的值。

如果開始就知道 HashMap 會保存多個 key-value 對，可以在創建時就使用較大的初始化容量，如果 HashMap 中 Entry 的數量一直不會超過極限容量（capacity * load factor），HashMap 就無需調用 resize() 方法重新分配 table 數組，從而保證較好的性能。當然，開始就將初始容量設置太高可能會浪費空間（系統需要創建一個長度為 capacity 的 Entry 數組），因此創建 HashMap 時初始化容量設置也需要小心對待。