Hashmap是一種非常常用的、應(yīng)用廣泛的數(shù)據(jù)類型，最近研究到相關(guān)的內(nèi)容，就正好復(fù)習(xí)一下。網(wǎng)上關(guān)于hashmap的文章很多，但到底是自己學(xué)習(xí)的總結(jié)，就發(fā)出來跟大家一起分享，一起討論。
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(gè)是數(shù)組，另外一個(gè)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(gè)基本結(jié)構(gòu)來構(gòu)造的，hashmap也不例外。Hashmap實(shí)際上是一個(gè)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(gè)鏈表】）。
從圖中我們可以看到一個(gè)hashmap就是一個(gè)數(shù)組結(jié)構(gòu)，當(dāng)新建一個(gè)hashmap的時(shí)候，就會(huì)初始化一個(gè)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(huì)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;
- ..........
- }
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(gè)指向下一個(gè)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(shí)候，先根據(jù)key的hash值得到這個(gè)元素在數(shù)組中的位置（即下標(biāo)），然后就可以把這個(gè)元素放到對(duì)應(yīng)的位置中了。如果這個(gè)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(gè)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g(shù)et元素時(shí)，首先計(jì)算key的hashcode，找到數(shù)組中對(duì)應(yīng)位置的某一元素，然后通過key的equals方法在對(duì)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(gè)位置上的鏈表只有一個(gè)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
2、hash算法
我們可以看到在hashmap中要找到某個(gè)元素，需要根據(jù)key的hash值來求得對(duì)應(yīng)數(shù)組中的位置。如何計(jì)算這個(gè)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(gè)hashmap里面的元素位置盡量的分布均勻些，盡量使得每個(gè)位置上的元素?cái)?shù)量只有一個(gè)，那么當(dāng)我們用hash算法求得這個(gè)位置的時(shí)候，馬上就可以知道對(duì)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(duì)數(shù)組長度取模運(yùn)算，這樣一來，元素的分布相對(duì)來說是比較均勻的。但是，“模”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(shí)這樣做的， - static int indexFor(int h, int length) {
- return h & (length-1);
- }
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?，其實(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(huì)和2的4次方-1做“與”運(yùn)算。很多人都有這個(gè)疑問，為什么hashmap的數(shù)組初始化大小都是2的次方大小時(shí)，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(shí)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(shí)候，產(chǎn)生了相同的結(jié)果，也就是說它們會(huì)定位到數(shù)組中的同一個(gè)位置上去，這就產(chǎn)生了碰撞，8和9會(huì)被放到同一個(gè)鏈表上，那么查詢的時(shí)候就需要遍歷這個(gè)鏈表，得到8或者9，這樣就降低了查詢的效率。同時(shí)，我們也可以發(fā)現(xiàn)，當(dāng)數(shù)組長度為15的時(shí)候，hashcode的值會(huì)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(gè)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(shí)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(duì)的，查詢的時(shí)候就不用遍歷某個(gè)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)?6是2的整數(shù)次冪的原因，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(chǔ)大容量數(shù)據(jù)的時(shí)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(huì)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)： -
- int capacity = 1;
- while (capacity < initialCapacity)
- capacity <<= 1;
// Find a power of 2 >= initialCapacityint capacity = 1;while (capacity < initialCapacity)capacity <<= 1;
3、hashmap的resize
當(dāng)hashmap中的元素越來越多的時(shí)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(duì)hashmap的數(shù)組進(jìn)行擴(kuò)容，數(shù)組擴(kuò)容這個(gè)操作也會(huì)出現(xiàn)在ArrayList中，所以這是一個(gè)通用的操作，很多人對(duì)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(shí)候進(jìn)行擴(kuò)容呢？當(dāng)hashmap中的元素個(gè)數(shù)超過數(shù)組大小*loadFactor時(shí)，就會(huì)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(gè)數(shù)超過16*0.75=12的時(shí)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(gè)元素在數(shù)組中的位置，而這是一個(gè)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(gè)數(shù)，那么預(yù)設(shè)元素的個(gè)數(shù)能夠有效的提高h(yuǎn)ashmap的性能。比如說，我們有1000個(gè)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(dòng)會(huì)將其設(shè)置為1024。 但是new HashMap(1024)還不是更合適的，因?yàn)?.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。
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，annegu就寫了get方法的過程：首先計(jì)算key的hashcode，找到數(shù)組中對(duì)應(yīng)位置的某一元素，然后通過key的equals方法在對(duì)應(yīng)位置的鏈表中找到需要的元素。所以，hashcode與equals方法對(duì)于找到對(duì)應(yīng)元素是兩個(gè)關(guān)鍵方法。
Hashmap的key可以是任何類型的對(duì)象，例如User這種對(duì)象，為了保證兩個(gè)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(duì)象的id關(guān)聯(lián)起來，那么只要user對(duì)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(gè)位置上有多個(gè)元素，還需要用key的equals方法在對(duì)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(huì)根據(jù)實(shí)際的業(yè)務(wù)內(nèi)容來定義，例如根據(jù)user對(duì)象的id來判斷兩個(gè)user是否相等。
在改寫equals方法的時(shí)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(duì)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(duì)象的equals和hashcode方法，我們可以將任意的業(yè)務(wù)對(duì)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(shí)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(duì)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(gè)HashMap的精髓所在，只有真正理解了這個(gè)hash函數(shù)，才可以說對(duì)HashMap有了一定的理解。 
