HashMap 詳解

http://writeblog.csdn.net/blog/540875

Hashmap是一種非常常用的、應用廣泛的資料類型，最近研究到相關的内容，就正好複習一下。網上關于hashmap的文章很多，但到底是自己學習的總結，就發出來跟大家一起分享，一起讨論。

1、hashmap的資料結構

要知道hashmap是什麼，首先要搞清楚它的資料結構，在java程式設計語言中，最基本的結構就是兩種，一個是數組，另外一個是模拟指針（引用），所有的資料結構都可以用這兩個基本結構來構造的，hashmap也不例外。Hashmap實際上是一個數組和連結清單的結合體（在資料結構中，一般稱之為“連結清單散列“），請看下圖（橫排表示數組，縱排表示數組元素【實際上是一個連結清單】）。

從圖中我們可以看到一個hashmap就是一個數組結構，當建立一個hashmap的時候，就會初始化一個數組。我們來看看java代碼：

Java代碼

http://www.javaeye.com/topic/539465#

1. /**  
2.      * The table, resized as necessary. Length MUST Always be a power of two.  
3.      *  FIXME 這裡需要注意這句話，至于原因後面會講到  
4.      */  
5.     transient Entry[] table;  

http://gaolixu.javaeye.com/?page=3&show_full=true#

/**
     * The table, resized as necessary. Length MUST Always be a power of two.
     *  FIXME 這裡需要注意這句話，至于原因後面會講到
     */
    transient Entry[] table;           

http://www.javaeye.com/topic/539465#

1. static class Entry<K,V> implements Map.Entry<K,V> {   
2.         final K key;   
3.         V value;   
4.         final int hash;   
5.         Entry<K,V> next;   
6. ..........   
7. }  

http://gaolixu.javaeye.com/?page=3&show_full=true#

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就是數組中的元素，它持有一個指向下一個元素的引用，這就構成了連結清單。

         當我們往hashmap中put元素的時候，先根據key的hash值得到這個元素在數組中的位置（即下标），然後就可以把這個元素放到對應的位置中了。如果這個元素所在的位子上已經存放有其他元素了，那麼在同一個位子上的元素将以連結清單的形式存放，新加入的放在鍊頭，最先加入的放在鍊尾。從hashmap中get元素時，首先計算key的hashcode，找到數組中對應位置的某一進制素，然後通過key的equals方法在對應位置的連結清單中找到需要的元素。從這裡我們可以想象得到，如果每個位置上的連結清單隻有一個元素，那麼hashmap的get效率将是最高的，但是理想總是美好的，現實總是有困難需要我們去克服，哈哈~

2、hash算法

我們可以看到在hashmap中要找到某個元素，需要根據key的hash值來求得對應數組中的位置。如何計算這個位置就是hash算法。前面說過hashmap的資料結構是數組和連結清單的結合，是以我們當然希望這個hashmap裡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量隻有一個，那麼當我們用hash算法求得這個位置的時候，馬上就可以知道對應位置的元素就是我們要的，而不用再去周遊連結清單。

是以我們首先想到的就是把hashcode對數組長度取模運算，這樣一來，元素的分布相對來說是比較均勻的。但是，“模”運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，

http://www.javaeye.com/topic/539465#

1. static int indexFor(int h, int length) {   
2.        return h & (length-1);   
3.    }  

http://gaolixu.javaeye.com/?page=3&show_full=true#

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

首先算得key得hashcode值，然後跟數組的長度-1做一次“與”運算（&）。看上去很簡單，其實比較有玄機。比如數組的長度是2的4次方，那麼hashcode就會和2的4次方-1做“與”運算。很多人都有這個疑問，為什麼hashmap的數組初始化大小都是2的次方大小時，hashmap的效率最高，我以2的4次方舉例，來解釋一下為什麼數組大小為2的幂時hashmap通路的性能最高。

         看下圖，左邊兩組是數組長度為16（2的4次方），右邊兩組是數組長度為15。兩組的hashcode均為8和9，但是很明顯，當它們和1110“與”的時候，産生了相同的結果，也就是說它們會定位到數組中的同一個位置上去，這就産生了碰撞，8和9會被放到同一個連結清單上，那麼查詢的時候就需要周遊這個連結清單，得到8或者9，這樣就降低了查詢的效率。同時，我們也可以發現，當數組長度為15的時候，hashcode的值會與14（1110）進行“與”，那麼最後一位永遠是0，而0001，0011，0101，1001，1011，0111，1101這幾個位置永遠都不能存放元素了，空間浪費相當大，更糟的是這種情況中，數組可以使用的位置比數組長度小了很多，這意味着進一步增加了碰撞的幾率，減慢了查詢的效率！

          是以說，當數組長度為2的n次幂的時候，不同的key算得得index相同的幾率較小，那麼資料在數組上分布就比較均勻，也就是說碰撞的幾率小，相對的，查詢的時候就不用周遊某個位置上的連結清單，這樣查詢效率也就較高了。

          說到這裡，我們再回頭看一下hashmap中預設的數組大小是多少，檢視源代碼可以得知是16，為什麼是16，而不是15，也不是20呢，看到上面annegu的解釋之後我們就清楚了吧，顯然是因為16是2的整數次幂的原因，在小資料量的情況下16比15和20更能減少key之間的碰撞，而加快查詢的效率。

是以，在存儲大容量資料的時候，最好預先指定hashmap的size為2的整數次幂次方。就算不指定的話，也會以大于且最接近指定值大小的2次幂來初始化的，代碼如下(HashMap的構造方法中)：

http://www.javaeye.com/topic/539465#

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

http://gaolixu.javaeye.com/?page=3&show_full=true#

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

3、hashmap的resize

       當hashmap中的元素越來越多的時候，碰撞的幾率也就越來越高（因為數組的長度是固定的），是以為了提高查詢的效率，就要對hashmap的數組進行擴容，數組擴容這個操作也會出現在ArrayList中，是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數組擴容之後，最消耗性能的點就出現了：原數組中的資料必須重新計算其在新數組中的位置，并放進去，這就是resize。

         那麼hashmap什麼時候進行擴容呢？當hashmap中的元素個數超過數組大小*loadFactor時，就會進行數組擴容，loadFactor的預設值為0.75，也就是說，預設情況下，數組大小為16，那麼當hashmap中元素個數超過16*0.75=12的時候，就把數組的大小擴充為2*16=32，即擴大一倍，然後重新計算每個元素在數組中的位置，而這是一個非常消耗性能的操作，是以如果我們已經預知hashmap中元素的個數，那麼預設元素的個數能夠有效的提高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)更合适，不過上面annegu已經說過，即使是1000，hashmap也自動會将其設定為1024。 但是new HashMap(1024)還不是更合适的，因為0.75*1000 < 1000, 也就是說為了讓0.75 * size > 1000, 我們必須這樣new HashMap(2048)才最合适，既考慮了&的問題，也避免了resize的問題。

4、key的hashcode與equals方法改寫

在第一部分hashmap的資料結構中，annegu就寫了get方法的過程：首先計算key的hashcode，找到數組中對應位置的某一進制素，然後通過key的equals方法在對應位置的連結清單中找到需要的元素。是以，hashcode與equals方法對于找到對應元素是兩個關鍵方法。

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值的計算與User對象的id關聯起來，那麼隻要user對象擁有相同id，那麼他們的hashcode也能保持一緻了，這樣就可以找到在hashmap數組中的位置了。如果這個位置上有多個元素，還需要用key的equals方法在對應位置的連結清單中找到需要的元素，是以隻改寫了hashcode方法是不夠的，equals方法也是需要改寫滴~當然啦，按正常思維邏輯，equals方法一般都會根據實際的業務内容來定義，例如根據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：

(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，我們可以将任意的業務對象作為map的key(前提是你确實有這樣的需要)。

總結：

        本文主要描述了HashMap的結構，和hashmap中hash函數的實作，以及該實作的特性，同時描述了hashmap中resize帶來性能消耗的根本原因，以及将普通的域模型對象作為key的基本要求。尤其是hash函數的實作，可以說是整個HashMap的精髓所在，隻有真正了解了這個hash函數，才可以說對HashMap有了一定的了解。