Java面试知识点（六）hashmap深度理解

1、hashmap 的数据结构

要知道 hashmap 是什么，首先要搞清楚它的数据结构，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】）。



注：关于hashcode和equals方法的解释，可以看

Java面试知识点（一）hashmap、hashtable和hashset

第5个知识点

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。我们来看看 java 代码：

	/**
     * The table, resized as necessary. Length MUST Always be a power of two.
     *  FIXME 这里需要注意这句话，至于原因后面会讲到
     */
    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 就是数组中的元素，它持有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，新加入的放在链头，最先加入的放在链尾。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，哈哈～

2、hash 算法

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，16-1的二进制是 1 1 1 1 ，能够尽量报错hash值的结果，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。就算不指定的话，也会以大于且最接近指定值大小的 2 次幂来初始化的，代码如下 (HashMap 的构造方法中)：

// Find a power of 2 >= initialCapacity
        int capacity = 1;
        while (capacity < initialCapacity)
            capacity <<= 1;

3、hashmap 的 resize

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。比如说，我们有 1000 个元素 new HashMap (1000), 但是理论上来讲 new HashMap (1024) 更合适，不过上面 annegu 已经说过，即使是 1000，hashmap 也自动会将其设置为 1024。 但是 new HashMap (1024) 还不是更合适的，因为 0.75*1000 < 1000, 也就是说为了让 0.75 * size > 1000, 我们必须这样 new HashMap (2048) 才最合适，既考虑了 & 的问题，也避免了 resize 的问题。

• 如果需要扩容，调用扩容的方法 resize ()

void resize(int newCapacity) {
　　　　Entry[] oldTable = table;
　　　　int oldCapacity = oldTable.length;
　　　　//判断是否有超出扩容的最大值，如果达到最大值则不进行扩容操作
　　　　if (oldCapacity == MAXIMUM_CAPACITY) {
　　　　　　threshold = Integer.MAX_VALUE;
　　　　　　return;
　　　　}

　　　　Entry[] newTable = new Entry[newCapacity];
　　　　// transfer()方法把原数组中的值放到新数组中
　　　　transfer(newTable, initHashSeedAsNeeded(newCapacity));
　　　　//设置hashmap扩容后为新的数组引用
　　　　table = newTable;
　　　　//设置hashmap扩容新的阈值
　　　　threshold = (int)Math.min(newCapacity * loadFactor, MAXIMUM_CAPACITY + 1);
　　}

• transfer () 在实际扩容时候把原来数组中的元素放入新的数组中

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);
　　　　　　　　}
　　　　　　　　//通过key值的hash值和新数组的大小算出在当前数组中的存放位置
　　　　　　　　int i = indexFor(e.hash, newCapacity);
　　　　　　　　e.next = newTable[i];
　　　　　　　　newTable[i] = e;
　　　　　　　　e = next;
　　　　　　}
　　　　}
　　}

4、key 的 hashcode 与 equals 方法改写

在第一部分 hashmap 的数据结构中，就写了 get 方法的过程：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。所以，hashcode 与 equals 方法对于找到对应元素是两个关键方法。

Hashmap 的 key 可以是任何类型的对象，例如 User 这种对象，为了保证两个具有相同属性的 user 的 hashcode 相同，我们就需要改写 hashcode 方法，比方把 hashcode 值的计算与 User 对象的 id 关联起来，那么只要 user 对象拥有相同 id，那么他们的 hashcode 也能保持一致了，这样就可以找到在 hashmap 数组中的位置了。如果这个位置上有多个元素，还需要用 key 的 equals 方法在对应位置的链表中找到需要的元素，所以只改写了 hashcode 方法是不够的，equals 方法也是需要改写滴～当然啦，按正常思维逻辑，equals 方法一般都会根据实际的业务内容来定义，例如根据 user 对象的 id 来判断两个 user 是否相等。

在改写 equals 方法的时候，需要满足以下三点：

(1) 自反性：就是说 a.equals (a) 必须为 true。

(2) 对称性：就是说 a.equals (b)=true 的话，b.equals (a) 也必须为 true。

(3) 传递性：就是说 a.equals (b)=true，并且 b.equals (\c)=true 的话，a.equals (\c) 也必须为 true。

通过改写 key 对象的 equals 和 hashcode 方法，我们可以将任意的业务对象作为 map 的 key (前提是你确实有这样的需要)。

总结：

本文主要描述了 HashMap 的结构，和 hashmap 中 hash 函数的实现，以及该实现的特性，同时描述了 hashmap 中 resize 带来性能消耗的根本原因，以及将普通的域模型对象作为 key 的基本要求。尤其是 hash 函数的实现，可以说是整个 HashMap 的精髓所在，只有真正理解了这个 hash 函数，才可以说对 HashMap 有了一定的理解。