1、hashmap 的數(shù)據(jù)結(jié)構(gòu)
要知道 hashmap 是什么，首先要搞清楚它的數(shù)據(jù)結(jié)構(gòu)，在 java 編程語言中，最基本的結(jié)構(gòu)就是兩種，一個是數(shù)組，另外一個是模擬指針（引用），所有的數(shù)據(jù)結(jié)構(gòu)都可以用這兩個基本結(jié)構(gòu)來構(gòu)造的，hashmap 也不例外。Hashmap 實(shí)際上是一個數(shù)組和鏈表的結(jié)合體（在數(shù)據(jù)結(jié)構(gòu)中，一般稱之為 “鏈表散列 “），請看下圖（橫排表示數(shù)組，縱排表示數(shù)組元素【實(shí)際上是一個鏈表】）。
從圖中我們可以看到一個 hashmap 就是一個數(shù)組結(jié)構(gòu)，當(dāng)新建一個 hashmap 的時候，就會初始化一個數(shù)組。我們來看看 java 代碼：
/**
* The table, resized as necessary. Length MUST Always be a power of two.
* FIXME 這里需要注意這句話，至于原因后面會講到
*/
transient Entry[] table;
static class Entry<K,V> implements Map.Entry<K,V> {
final K key;
V value;
final int hash;
Entry<K,V> next;
..........
}
上面的 Entry 就是數(shù)組中的元素，它持有一個指向下一個元素的引用，這就構(gòu)成了鏈表。
當(dāng)我們往 hashmap 中 put 元素的時候，先根據(jù) key 的 hash 值得到這個元素在數(shù)組中的位置（即下標(biāo)），然后就可以把這個元素放到對應(yīng)的位置中了。如果這個元素所在的位子上已經(jīng)存放有其他元素了，那么在同一個位子上的元素將以鏈表的形式存放，新加入的放在鏈頭，最先加入的放在鏈尾。從 hashmap 中 get 元素時，首先計(jì)算 key 的 hashcode，找到數(shù)組中對應(yīng)位置的某一元素，然后通過 key 的 equals 方法在對應(yīng)位置的鏈表中找到需要的元素。從這里我們可以想象得到，如果每個位置上的鏈表只有一個元素，那么 hashmap 的 get 效率將是最高的，但是理想總是美好的，現(xiàn)實(shí)總是有困難需要我們?nèi)タ朔?，哈哈?/p>
2、hash 算法
我們可以看到在 hashmap 中要找到某個元素，需要根據(jù) key 的 hash 值來求得對應(yīng)數(shù)組中的位置。如何計(jì)算這個位置就是 hash 算法。前面說過 hashmap 的數(shù)據(jù)結(jié)構(gòu)是數(shù)組和鏈表的結(jié)合，所以我們當(dāng)然希望這個 hashmap 里面的元素位置盡量的分布均勻些，盡量使得每個位置上的元素數(shù)量只有一個，那么當(dāng)我們用 hash 算法求得這個位置的時候，馬上就可以知道對應(yīng)位置的元素就是我們要的，而不用再去遍歷鏈表。
所以我們首先想到的就是把 hashcode 對數(shù)組長度取模運(yùn)算，這樣一來，元素的分布相對來說是比較均勻的。但是，“?！?運(yùn)算的消耗還是比較大的，能不能找一種更快速，消耗更小的方式那？java 中時這樣做的，
static int indexFor(int h, int length) {
return h & (length-1);
}
首先算得 key 得 hashcode 值，然后跟數(shù)組的長度 - 1 做一次 “與” 運(yùn)算（&）?？瓷先ズ芎唵危鋵?shí)比較有玄機(jī)。比如數(shù)組的長度是 2 的 4 次方，那么 hashcode 就會和 2 的 4 次方 - 1 做 “與” 運(yùn)算。很多人都有這個疑問，為什么 hashmap 的數(shù)組初始化大小都是 2 的次方大小時，hashmap 的效率最高，我以 2 的 4 次方舉例，來解釋一下為什么數(shù)組大小為 2 的冪時 hashmap 訪問的性能最高。
看下圖，左邊兩組是數(shù)組長度為 16（2 的 4 次方），右邊兩組是數(shù)組長度為 15。兩組的 hashcode 均為 8 和 9，但是很明顯，當(dāng)它們和 1110 “與” 的時候，產(chǎn)生了相同的結(jié)果，也就是說它們會定位到數(shù)組中的同一個位置上去，這就產(chǎn)生了碰撞，8 和 9 會被放到同一個鏈表上，那么查詢的時候就需要遍歷這個鏈表，得到 8 或者 9，這樣就降低了查詢的效率。同時，我們也可以發(fā)現(xiàn)，當(dāng)數(shù)組長度為 15 的時候，hashcode 的值會與 14（1110）進(jìn)行 “與”，那么最后一位永遠(yuǎn)是 0，而 0001，0011，0101，1001，1011，0111，1101 這幾個位置永遠(yuǎn)都不能存放元素了，空間浪費(fèi)相當(dāng)大，更糟的是這種情況中，數(shù)組可以使用的位置比數(shù)組長度小了很多，這意味著進(jìn)一步增加了碰撞的幾率，減慢了查詢的效率！
所以說，當(dāng)數(shù)組長度為 2 的 n 次冪的時候，不同的 key 算得得 index 相同的幾率較小，那么數(shù)據(jù)在數(shù)組上分布就比較均勻，也就是說碰撞的幾率小，相對的，查詢的時候就不用遍歷某個位置上的鏈表，這樣查詢效率也就較高了。
說到這里，我們再回頭看一下 hashmap 中默認(rèn)的數(shù)組大小是多少，查看源代碼可以得知是 16，為什么是 16，而不是 15，也不是 20 呢，看到上面 annegu 的解釋之后我們就清楚了吧，顯然是因?yàn)?16 是 2 的整數(shù)次冪的原因，16-1的二進(jìn)制是 1 1 1 1 ，能夠盡量報錯hash值的結(jié)果，在小數(shù)據(jù)量的情況下 16 比 15 和 20 更能減少 key 之間的碰撞，而加快查詢的效率。
所以，在存儲大容量數(shù)據(jù)的時候，最好預(yù)先指定 hashmap 的 size 為 2 的整數(shù)次冪次方。就算不指定的話，也會以大于且最接近指定值大小的 2 次冪來初始化的，代碼如下 (HashMap 的構(gòu)造方法中)：
// Find a power of 2 >= initialCapacity
int capacity = 1;
while (capacity < initialCapacity)
capacity <<= 1;
3、hashmap 的 resize
當(dāng) hashmap 中的元素越來越多的時候，碰撞的幾率也就越來越高（因?yàn)閿?shù)組的長度是固定的），所以為了提高查詢的效率，就要對 hashmap 的數(shù)組進(jìn)行擴(kuò)容，數(shù)組擴(kuò)容這個操作也會出現(xiàn)在 ArrayList 中，所以這是一個通用的操作，很多人對它的性能表示過懷疑，不過想想我們的 “均攤” 原理，就釋然了，而在 hashmap 數(shù)組擴(kuò)容之后，最消耗性能的點(diǎn)就出現(xiàn)了：原數(shù)組中的數(shù)據(jù)必須重新計(jì)算其在新數(shù)組中的位置，并放進(jìn)去，這就是 resize。
那么 hashmap 什么時候進(jìn)行擴(kuò)容呢？當(dāng) hashmap 中的元素個數(shù)超過數(shù)組大小 * loadFactor 時，就會進(jìn)行數(shù)組擴(kuò)容，loadFactor 的默認(rèn)值為 0.75，也就是說，默認(rèn)情況下，數(shù)組大小為 16，那么當(dāng) hashmap 中元素個數(shù)超過 16*0.75=12 的時候，就把數(shù)組的大小擴(kuò)展為 2*16=32，即擴(kuò)大一倍，然后重新計(jì)算每個元素在數(shù)組中的位置，而這是一個非常消耗性能的操作，所以如果我們已經(jīng)預(yù)知 hashmap 中元素的個數(shù)，那么預(yù)設(shè)元素的個數(shù)能夠有效的提高 hashmap 的性能。比如說，我們有 1000 個元素 new HashMap (1000), 但是理論上來講 new HashMap (1024) 更合適，不過上面 annegu 已經(jīng)說過，即使是 1000，hashmap 也自動會將其設(shè)置為 1024。 但是 new HashMap (1024) 還不是更合適的，因?yàn)?0.75*1000 < 1000, 也就是說為了讓 0.75 * size > 1000, 我們必須這樣 new HashMap (2048) 才最合適，既考慮了 & 的問題，也避免了 resize 的問題。
- 如果需要擴(kuò)容，調(diào)用擴(kuò)容的方法 resize ()
void resize(int newCapacity) {
Entry[] oldTable = table;
int oldCapacity = oldTable.length;
//判斷是否有超出擴(kuò)容的最大值，如果達(dá)到最大值則不進(jìn)行擴(kuò)容操作
if (oldCapacity == MAXIMUM_CAPACITY) {
threshold = Integer.MAX_VALUE;
return;
}
Entry[] newTable = new Entry[newCapacity];
// transfer()方法把原數(shù)組中的值放到新數(shù)組中
transfer(newTable, initHashSeedAsNeeded(newCapacity));
//設(shè)置hashmap擴(kuò)容后為新的數(shù)組引用
table = newTable;
//設(shè)置hashmap擴(kuò)容新的閾值
threshold = (int)Math.min(newCapacity * loadFactor, MAXIMUM_CAPACITY + 1);
}
- transfer () 在實(shí)際擴(kuò)容時候把原來數(shù)組中的元素放入新的數(shù)組中
void transfer(Entry[] newTable, boolean rehash) {
int newCapacity = newTable.length;
for (Entry<K,V> e : table) {
while(null != e) {
Entry<K,V> next = e.next;
if (rehash) {
e.hash = null == e.key ? 0 : hash(e.key);
}
//通過key值的hash值和新數(shù)組的大小算出在當(dāng)前數(shù)組中的存放位置
int i = indexFor(e.hash, newCapacity);
e.next = newTable[i];
newTable[i] = e;
e = next;
}
}
}
4、key 的 hashcode 與 equals 方法改寫
在第一部分 hashmap 的數(shù)據(jù)結(jié)構(gòu)中，就寫了 get 方法的過程：首先計(jì)算 key 的 hashcode，找到數(shù)組中對應(yīng)位置的某一元素，然后通過 key 的 equals 方法在對應(yīng)位置的鏈表中找到需要的元素。所以，hashcode 與 equals 方法對于找到對應(yīng)元素是兩個關(guān)鍵方法。
Hashmap 的 key 可以是任何類型的對象，例如 User 這種對象，為了保證兩個具有相同屬性的 user 的 hashcode 相同，我們就需要改寫 hashcode 方法，比方把 hashcode 值的計(jì)算與 User 對象的 id 關(guān)聯(lián)起來，那么只要 user 對象擁有相同 id，那么他們的 hashcode 也能保持一致了，這樣就可以找到在 hashmap 數(shù)組中的位置了。如果這個位置上有多個元素，還需要用 key 的 equals 方法在對應(yīng)位置的鏈表中找到需要的元素，所以只改寫了 hashcode 方法是不夠的，equals 方法也是需要改寫滴～當(dāng)然啦，按正常思維邏輯，equals 方法一般都會根據(jù)實(shí)際的業(yè)務(wù)內(nèi)容來定義，例如根據(jù) user 對象的 id 來判斷兩個 user 是否相等。
在改寫 equals 方法的時候，需要滿足以下三點(diǎn)：
(1) 自反性：就是說 a.equals (a) 必須為 true。
(2) 對稱性：就是說 a.equals (b)=true 的話，b.equals (a) 也必須為 true。
(3) 傳遞性：就是說 a.equals (b)=true，并且 b.equals (\c)=true 的話，a.equals (\c) 也必須為 true。
通過改寫 key 對象的 equals 和 hashcode 方法，我們可以將任意的業(yè)務(wù)對象作為 map 的 key (前提是你確實(shí)有這樣的需要)。
總結(jié)：
本文主要描述了 HashMap 的結(jié)構(gòu)，和 hashmap 中 hash 函數(shù)的實(shí)現(xiàn)，以及該實(shí)現(xiàn)的特性，同時描述了 hashmap 中 resize 帶來性能消耗的根本原因，以及將普通的域模型對象作為 key 的基本要求。尤其是 hash 函數(shù)的實(shí)現(xiàn)，可以說是整個 HashMap 的精髓所在，只有真正理解了這個 hash 函數(shù)，才可以說對 HashMap 有了一定的理解。
