HashMap深入分析及使用要点

本文内容来自深入理解HashMap、从数据结构谈HashMap、HashMap深度分析

先说使用要点。

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。

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

　　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16*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，这是很耗费资源的。

　　好了，现在来对HashMap进行“深入分析”。

　　1、hashmap的数据结构

　　在java编程语言中，最基本的结构就是两种，一个是数组，另外一个是模拟指针（引用），所有的数据结构都可以用这两个基本结构来构造的，hashmap也不例外。Hashmap实际上是一个数组和链表的结合体（在数据结构中，一般称之为“链表散列“），请看下图（横排表示数组，纵排表示数组元素【实际上是一个链表】）。

　　从图中我们可以看到一个hashmap就是一个数组结构，当新建一个hashmap的时候，就会初始化一个数组。

　　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：

static class Entry<K,V> implements Map.Entry<K,V> {
        final K key;
        V value;
        final int hash;
        Entry<K,V> next;
..........
}

　　看到next了吗？它是一个指向下一个元素的引用，这就构成了链表。

　　当我们往hashmap中put元素的时候，先根据key的hash值得到这个元素在数组中的位置（即下标），然后就可以把这个元素放到对应的位置中了。如果这个元素所在的位子上已经存放有其他元素了，那么在同一个位子上的元素将以链表的形式存放，将这个位置的原有Entry赋值给当前新加的 Entry的next属性，这样新加入的就放在了链头，而最先加入的就放在了链尾。

　　从hashmap中get元素时，首先计算key的hashcode，找到数组中对应位置的某一元素，然后通过key的equals方法在对应位置的链表中找到需要的元素。

　　从这里我们可以想象得到，如果每个位置上的链表只有一个元素，那么hashmap的get效率将是最高的，但是理想总是美好的，现实总是有困难需要我们去克服。哈希碰撞总是难免的，不过java里面使用了一个聪明的办法减少了哈希碰撞的几率，这个后面会讲到。

　　2、HashMap的操作。

　　现在来看看，当我们new、get、put的时候，HashMap到底都是怎么处理的。

　　先看初始化。

　　与初始化有关的关键参数如下：

 　　/**
     * 默认容量
     */
    static final int DEFAULT_INITIAL_CAPACITY = 1 << 4; // 等于 16

    /**
     * 最大容量
     */
    static final int MAXIMUM_CAPACITY = 1 << 30; //2的30次方

    /**
     * 默认加载因子
     */
    static final float DEFAULT_LOAD_FACTOR = 0.75f;
    /**
     * 当实际数据容量超过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有4个构造方法，值得一提的是下面这个：

　　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);

        this.loadFactor = loadFactor;
        threshold = initialCapacity;
        init();
    }

　　看这句： threshold = initialCapacity;

　　也就是说，如果构造时写成new HashMap(9,0.75)；那么当容量超过9时，HashMap才会扩容，而不是9*0.75时就扩容。这里的initialCapacity建议写成2的倍数，至于为什么后面会说到。

　　然后是get。即如何获取我们要的元素。

　　其实前面已经提过了，在hashmap中要找到某个元素，需要根据key的hash值来求得对应数组中的位置。然后通过key的equals方法在对应位置的链表中找到需要的元素。

　　接下来是put 。

　　我们可以看到在hashmap中要找到某个元素，需要根据key的hash值来求得对应数组中的位置。如何计算这个位置就是hash算法。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的分布均匀些，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，而不用再去遍历链表。

　　所以我们首先想到的就是把hashcode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，能不能找一种更快速，消耗更小的方式那？java中时这样做的：

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

　　首先算得key得hashcode值，然后跟数组的长度-1做一次“与”运算（&）。看上去很简单，其实比较有玄机。比如数组的长度是2的4次方，那么hashcode就会和2的4次方-1做“与”运算。很多人都有这个疑问，为什么hashmap的数组初始化大小都是2的次方大小时，hashmap的效率最高，我以2的4次方举例，来解释一下为什么数组大小为2的幂时hashmap访问的性能最高。

看下图，左边两组是数组长度为16（2的4次方），右边两组是数组长度为15。两组的hashcode均为8和9，但是很明显，当它们和1110“与”的时候，产生了相同的结果，也就是说它们会定位到数组中的同一个位置上去，这就产生了碰撞，8和9会被放到同一个链表上，那么查询的时候就需要遍历这个链表，得到8或者9，这样就降低了查询的效率。同时，我们也可以发现，当数组长度为15的时候，hashcode的值会与14（1110）进行“与”，那么最后一位永远是0，而0001，0011，0101，1001，1011，0111，1101这几个位置永远都不能存放元素了，空间浪费相当大，更糟的是这种情况中，数组可以使用的位置比数组长度小了很多，这意味着进一步增加了碰撞的几率，减慢了查询的效率！

　　所以说，当数组长度为2的n次幂的时候，不同的key算得得index相同的几率较小，那么数据在数组上分布就比较均匀，也就是说碰撞的几率小，相对的，查询的时候就不用遍历某个位置上的链表，这样查询效率也就较高了。 
      说到这里，我们再回头看一下hashmap中默认的数组大小是多少，查看源代码可以得知是16，为什么是16，而不是15，也不是20呢，看到上面annegu的解释之后我们就清楚了吧，显然是因为16是2的整数次幂的原因，在小数据量的情况下16比15和20更能减少key之间的碰撞，而加快查询的效率。 
　　所以，在存储大容量数据的时候，最好预先指定hashmap的size为2的整数次幂次方。

　　接下来是resize，也就是扩容。

　　当hashmap中的元素越来越多的时候，碰撞的几率也就越来越高（因为数组的长度是固定的），所以为了提高查询的效率，就要对hashmap的数组进行扩容，数组扩容这个操作也会出现在ArrayList中，所以这是一个通用的操作，很多人对它的性能表示过怀疑，不过想想我们的“均摊”原理，就释然了，而在hashmap数组扩容之后，最消耗性能的点就出现了：原数组中的数据必须重新计算其在新数组中的位置，并放进去，这就是resize。 
      那么hashmap什么时候进行扩容呢？当hashmap中的元素个数超过数组大小*loadFactor时，就会进行数组扩容，loadFactor的默认值为0.75，也就是说，默认情况下，数组大小为16，那么当hashmap中元素个数超过16*0.75=12的时候，就把数组的大小扩展为2*16=32，即扩大一倍，然后重新计算每个元素在数组中的位置，而这是一个非常消耗性能的操作，所以如果我们已经预知hashmap中元素的个数，那么预设元素的个数能够有效的提高hashmap的性能。

　　最后说说HashMap死锁。才

　　死锁是扩容操作与put或get方法并发引起的，看源码：

　　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);
                }
                int i = indexFor(e.hash, newCapacity);
                e.next = newTable[i];
                newTable[i] = e;//切换线程1
                e = next;
            }
        }
    }

　　final Entry<K,V> getEntry(Object key) {
        if (size == 0) {
            return null;
        }

        int hash = (key == null) ? 0 : hash(key);
        for (Entry<K,V> e = table[indexFor(hash, table.length)];//切换线程2
             e != null;
             e = e.next) {
            Object k;
            if (e.hash == hash &&
                ((k = e.key) == key || (key != null && key.equals(k))))
                return e;
        }
        return null;
    }

table初始状态：

假设执行getEntry的线程1在e = table[indexFor(hash, table.length)]后切换到线程2的put方法，而且进行了扩容。此时table和newTable的状态是：

线程2在newTable[i] = e后切换到线程1，在for循环里e.next==e，永远不为空，若

if (e.hash == hash && ((k = e.key) == key || key.equals(k)))  

不满足，就会进入死循环。

ok，先说这么多，感谢各位同行的分享。