2015年软件设计师复习：java中HashMap详解
发布时间：2012/9/16 22:50:43 来源：城市网学院 编辑：admin
java中HashMap详解
HashMap和HashSet是JavaCollectionFramework的两个重要成员，其中HashMap是Map接口的常用实现类，HashSet是Set接口的常用实现类。虽然HashMap和HashSet实现的接口规范不同，但它们底层的Hash存储机制完全一样，甚至HashSet本身就采用HashMap来实现的。
通过HashMap、HashSet的源代码分析其Hash存储机制
实际上，HashSet和HashMap之间有很多相似之处，对于HashSet而言，系统采用Hash算法决定集合元素的存储位置，这样可以保证能快速存、取集合元素；对于HashMap而言，系统key-value当成一个整体进行处理，系统总是根据Hash算法来计算key-value的存储位置，这样可以保证能快速存、取Map的key-value对。
在介绍集合存储之前需要指出一点：虽然集合号称存储的是Java对象，但实际上并不会真正将Java对象放入Set集合中，只是在Set集合中保留这些对象的引用而言。也就是说：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。
集合和引用
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。
HashMap的存储实现
当程序试图将多个key-value放入HashMap中时，以如下代码片段为例：
Java代码
HashMapmap=newHashMap（）；
map.put（“语文”,80.0）；
map.put（“数学”,89.0）；
map.put（“英语”,78.2）；
HashMap采用一种所谓的“Hash算法”来决定每个元素的存储位置。
当程序执行map.put（“语文”,80.0）；时，系统将调用“语文”的hashCode（）方法得到其hashCode值——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。
我们可以看HashMap类的put（Kkey,Vvalue）方法的源代码：
Java代码
publicVput（Kkey,Vvalue）
{
//如果key为null，调用putForNullKey方法进行处理
if（key==null）
returnputForNullKey（value）；
//根据key的keyCode计算Hash值
inthash=hash（key.hashCode（））；
//搜索指定hash值在对应table中的索引
inti=indexFor（hash,table.length）；
//如果i索引处的Entry不为null，通过循环不断遍历e元素的下一个元素
for（Entrye=table[i];e!=null;e=e.next）
{
Objectk;
//找到指定key与需要放入的key相等（hash值相同
//通过equals比较放回true）
if（e.hash==hash&&（（k=e.key）==key
||key.equals（k）））
{
VoldValue=e.value;
e.value=value;
e.recordAccess（this）；
returnoldValue;
}
}
//如果i索引处的Entry为null，表明此处还没有Entry
modCount++;
//将key、value添加到i索引处
addEntry（hash,key,value,i）；
returnnull;
}
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hashCode（）返回值来计算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：
Java代码
staticinthash（inth）
{
h^=（h>>>20）^（h>>>12）；
returnh^（h>>>7）^（h>>>4）；
}
对于任意给定的对象，只要它的hashCode（）返回值相同，那么程序调用hash（inth）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（inth,intlength）方法来计算该对象应该保存在table数组的哪个索引处。indexFor（inth,intlength）方法的代码如下：
Java代码
staticintindexFor（inth,intlength）
{
returnh&（length-1）；
}
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——而HashMap底层数组的长度总是2的n次方，这一点可参看后面关于HashMap构造器的介绍。
当length总是2的倍数时，h&（length-1）将是一个非常巧妙的设计：假设h=5,length=16,那么h&length-1将得到5；如果h=6,length=16,那么h&length-1将得到6……如果h=15,length=16,那么h&length-1将得到15；但是当h=16时，length=16时，那么h&length-1将得到0了；当h=17时，length=16时，那么h&length-1将得到1了……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，当程序试图将一个key-value对放入HashMap中时，程序首先根据该key的hashCode（）返回值决定该Entry的存储位置：如果两个Entry的key的hashCode（）返回值相同，那它们的存储位置相同。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。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。
当向HashMap中添加key-value对，由其key的hashCode（）返回值决定该key-value对（就是Entry对象）的存储位置。当两个Entry对象的key的hashCode（）返回值相同时，将由key通过eqauls（）比较值决定是采用覆盖行为（返回true），还是产生Entry链（返回false）。
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：
Java代码
voidaddEntry（inthash,Kkey,Vvalue,intbucketIndex）
{
//获取指定bucketIndex索引处的Entry
Entrye=table[bucketIndex];//①
//将新创建的Entry放入bucketIndex索引处，并让新的Entry指向原来的Entry
table[bucketIndex]=newEntry（hash,key,value,e）；
//如果Map中的key-value对的数量超过了极限
if（size++>=threshold）
//把table对象的长度扩充到2倍。
resize（2*table.length）；//②
}
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。
JDK源码
在JDK安装目录下可以找到一个src.zip压缩文件，该文件里包含了Java基础类库的所有源文件。只要读者有学习兴趣，随时可以打开这份压缩文件来阅读Java类库的源代码，这对提高读者的编程能力是非常有帮助的。需要指出的是：src.zip中包含的源代码并没有包含像上文中的中文注释，这些注释是笔者自己添加进去的。
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（loadfactor）。
从上面程序中②号代码可以看出，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。 [NextPage] 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（intinitialCapacity）：构建一个初始容量为initialCapacity，负载因子为0.75的HashMap。
*HashMap（intinitialCapacity,floatloadFactor）：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：
Java代码
//以指定初始化容量、负载因子创建HashMap
publicHashMap（intinitialCapacity,floatloadFactor）
{
//初始容量不能为负数
if（initialCapacity<0）
thrownewIllegalArgumentException（
“Illegalinitialcapacity:”+
initialCapacity）；
//如果初始容量大于最大容量，让出示容量
if（initialCapacity>MAXIMUM_CAPACITY）
initialCapacity=MAXIMUM_CAPACITY;
//负载因子必须大于0的数值
if（loadFactor<=0||Float.isNaN（loadFactor））
thrownewIllegalArgumentException（
loadFactor）；
//计算出大于initialCapacity的最小的2的n次方值。
intcapacity=1;
while（capacity capacity《=1;
this.loadFactor=loadFactor;
//设置容量极限等于容量*负载因子
threshold=（int）（capacity*loadFactor）；
//初始化table数组
table=newEntry[capacity];//①
init（）；
}
上面代码中粗体字代码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）。例如给定initialCapacity为10，那么该HashMap的实际容量就是16。
程序①号代码处可以看到：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“桶”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。
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（Kkey）方法代码：
Java代码
publicVget（Objectkey）
{
//如果key是null，调用getForNullKey取出对应的value
if（key==null）
returngetForNullKey（）；
//根据该key的hashCode值计算它的hash码
inthash=hash（key.hashCode（））；
//直接取出table数组中指定索引处的值，
for（Entrye=table[indexFor（hash,table.length）];
e!=null;
//搜索该Entry链的下一个Entr
e=e.next）//①
{
Objectk;
//如果该Entry的key与被搜索key相同
if（e.hash==hash&&（（k=e.key）==key
||key.equals（k）））
returne.value;
}
returnnull;
}
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，完全类似于现实生活中母亲从小教我们的：不同的东西要放在不同的位置，需要时才能快速找到它。
当创建HashMap时，有一个默认的负载因子（loadfactor），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（就是那个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loadfactor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。
