JDK8中的HashMap初始化和扩容机制详解
一、HashMap初始化方法
HashMap()
不带参数,默认初始化大小为16,加载因子为0.75;
HashMap(int initialCapacity)
指定初始化大小;
HashMap(int initialCapacity, float loadFactor)
指定初始化大小和加载因子大小;
HashMap(Map<? extends K,? extends V> m)
用现有的一个map来构造HashMap。
二、分析初始化过程
1、初始化代码测试用例
Map<String, String> map = new HashMap<>(3); map.put("id", "1"); map.put("name", "riemann"); map.put("sex", "male");
2、初始化过程
public HashMap(int initialCapacity, float loadFactor) { // 初始化大小小于0,抛出异常 if (initialCapacity < 0) throw new IllegalArgumentException("Illegal initial capacity: " + initialCapacity); // 初始大小最大为默认最大值 if (initialCapacity > MAXIMUM_CAPACITY) initialCapacity = MAXIMUM_CAPACITY; // 加载因子要在0到1之间 if (loadFactor <= 0 || Float.isNaN(loadFactor)) throw new IllegalArgumentException("Illegal load factor: " + loadFactor); this.loadFactor = loadFactor; // threshold是根据当前的初始化大小和加载因子算出来的边界大小, // 当桶中的键值对超过这个大小就进行扩容 this.threshold = tableSizeFor(initialCapacity); }
此时:loadFactor = 0.75 默认值
// 这个方法返回大于输入参数且最接近的2的整数次幂的数 static final int tableSizeFor(int cap) { int n = cap - 1; // 无符号向右移动 // 按位或 n |= n >>> 1; n |= n >>> 2; n |= n >>> 4; n |= n >>> 8; n |= n >>> 16; return (n < 0) ? 1 : (n >= MAXIMUM_CAPACITY) ? MAXIMUM_CAPACITY : n + 1; }
此时:threshold = 4
三、分析扩容过程
1、第一次执行put操作后
final V putVal(int hash, K key, V value, boolean onlyIfAbsent, boolean evict) { Node<K,V>[] tab; Node<K,V> p; int n, i; // 如果存储元素的table为空,则进行必要字段的初始化 if ((tab = table) == null || (n = tab.length) == 0) // 获取长度 n = (tab = resize()).length; // 如果根据hash值获取的结点为空,则新建一个结点 // 此处 & 代替了 % (除法散列法进行散列) if ((p = tab[i = (n - 1) & hash]) == null) tab[i] = newNode(hash, key, value, null); // 这里的p结点是根据hash值算出来对应在数组中的元素 else { Node<K,V> e; K k; // 如果新插入的结点和table中p结点的hash值,key值相同的话 if (p.hash == hash && ((k = p.key) == key || (key != null && key.equals(k)))) e = p; // 如果是红黑树结点的话,进行红黑树插入 else if (p instanceof TreeNode) e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value); else { for (int binCount = 0; ; ++binCount) { // 代表这个单链表只有一个头部结点,则直接新建一个结点即可 if ((e = p.next) == null) { p.next = newNode(hash, key, value, null); // 链表长度大于8时,将链表转红黑树 if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st treeifyBin(tab, hash); break; } if (e.hash == hash && ((k = e.key) == key || (key != null && key.equals(k)))) break; // 及时更新p p = e; } } // 如果存在这个映射就覆盖 if (e != null) { // existing mapping for key V oldValue = e.value; // 判断是否允许覆盖,并且value是否为空 if (!onlyIfAbsent || oldValue == null) e.value = value; // 回调以允许LinkedHashMap后置操作 afterNodeAccess(e); return oldValue; } } // 更改操作次数 ++modCount; // 大于临界值 if (++size > threshold) // 将数组大小设置为原来的2倍,并将原先的数组中的元素放到新数组中 // 因为有链表,红黑树之类,因此还要调整他们 resize(); // 回调以允许LinkedHashMap后置操作 afterNodeInsertion(evict); return null; }
2、第一put会进行resize()操作:
// 初始化或者扩容之后元素调整 final Node<K,V>[] resize() { // 获取旧元素数组的各种信息 Node<K,V>[] oldTab = table; // 长度 int oldCap = (oldTab == null) ? 0 : oldTab.length; // 扩容的临界值 int oldThr = threshold; // 定义新数组的长度及扩容的临界值 int newCap, newThr = 0; // 如果原table不为空 if (oldCap > 0) { // 如果数组长度达到最大值,则修改临界值为Integer.MAX_VALUE if (oldCap >= MAXIMUM_CAPACITY) { threshold = Integer.MAX_VALUE; return oldTab; } // 下面就是扩容操作(2倍) else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY && oldCap >= DEFAULT_INITIAL_CAPACITY) // threshold也变为二倍 newThr = oldThr << 1; // double threshold } else if (oldThr > 0) // initial capacity was placed in threshold newCap = oldThr; // threshold为0,则使用默认值 else { // zero initial threshold signifies using defaults newCap = DEFAULT_INITIAL_CAPACITY; newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY); } // 如果临界值还为0,则设置临界值 if (newThr == 0) { float ft = (float)newCap * loadFactor; newThr = (newCap < MAXIMUM_CAPACITY && ft < (float)MAXIMUM_CAPACITY ? (int)ft : Integer.MAX_VALUE); } // 更新填充因子 threshold = newThr; @SuppressWarnings({"rawtypes","unchecked"}) Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap]; table = newTab; // 调整数组大小之后,需要调整红黑树或者链表的指向 if (oldTab != null) { for (int j = 0; j < oldCap; ++j) { Node<K,V> e; if ((e = oldTab[j]) != null) { oldTab[j] = null; if (e.next == null) newTab[e.hash & (newCap - 1)] = e; // 红黑树调整 else if (e instanceof TreeNode) ((TreeNode<K,V>)e).split(this, newTab, j, oldCap); else { // preserve order // 链表调整 Node<K,V> loHead = null, loTail = null; Node<K,V> hiHead = null, hiTail = null; Node<K,V> next; do { next = e.next; if ((e.hash & oldCap) == 0) { if (loTail == null) loHead = e; else loTail.next = e; loTail = e; } else { if (hiTail == null) hiHead = e; else hiTail.next = e; hiTail = e; } } while ((e = next) != null); if (loTail != null) { loTail.next = null; newTab[j] = loHead; } if (hiTail != null) { hiTail.next = null; newTab[j + oldCap] = hiHead; } } } } } return newTab; }
四、小结
第一次put后:threshold = newCap * loadFactor = oldThr * loadFactor = 4 * 0.75 = 3
第二次put后:++size = 3,不进行扩容
第三次put后:++size = 4,进行扩容
oldCap = oldTab.length = 3 newcap = oldCap << 1 = 6 threshold = newThr = newCap * loadFactor = 6 * 0.75 = 4
结论:设置初始化容量n,初始化threshold = 大于n数且最接近的2的整数次幂的数 * 负载因子
JDK8中的HashMap深入理解
一、首先看一下HashMap的数据结构(数组+链表/红黑树),如下图:
1、红黑树特性(缺一不可):
(1)、每个节点要么是红色要么是黑色。
(2)、根节点是黑色。
(3)、所有叶子节点都是黑色(叶子节点为NIL或者NULL节点)。
(4)、不存在两个连续的红色节点。
(5)、任意节点(包含跟节点)到其叶子节点的所有路径都包含相同数目的黑色节点。
2、为什么HashMap中使用红黑树而不使用AVL树呢?
红黑树被称为弱AVL树,牺牲了严格的高度平衡的优越条件为代价(红黑树左右子树的高度差不超过一倍即可)使其能够以O(log2 n)的时间复杂度进行搜索、插入、删除操作;此外,由于它的设计,任何不平衡都会在三次旋转之内解决。因为HashMap的使用场景中插入和删除操作是非常频繁的,所以在HashMap中使用了红黑树。
3、红黑树RBT与平衡二叉树AVL比较:
(1)、红黑树和AVL树类似,都是在进行插入和删除操作时通过特定操作保持二叉查找树的平衡,从而获得较高的查找性能。
(2)、红黑树和AVL树的区别在于它使用颜色来标识节点的高度,它所追求的是局部平衡而不是AVL树中的非常严格的平衡。
(3)、AVL 树比红黑树更加平衡,但AVL树在插入和删除的时候也会存在大量的旋转操作。所以当你的应用涉及到频繁的插入和删除操作,切记放弃AVL树,选择性能更好的红黑树;当然,如果你的应用中涉及的插入和删除操作并不频繁,而是查找操作相对更频繁,那么就优先选择 AVL 树进行实现。
二、HashMap元素插入过程及一些参数的详解
1、首先,需要了解HashMap源码中几个重要的参数:
DEFAULT_INITIAL_CAPACITY
:默认初始化大小
MAXIMUM_CAPACITY
:最大容量
DEFAULT_LOAD_FACTOR
:默认的负载因子
TREEIFY_THRESHOLD
:链表转化为红黑树的阈值(包含)
UNTREEIFY_THRESHOLD
:红黑树转化为链表的阈值(包含)
MIN_TREEIFY_CAPACITY
:当数组大小小于该值时,不进行链表向红黑树的转化,而是进行扩容
2、HashMap存储元素过程:
(1)图中刚开始有计算 key 的 hash 值的设计?
拿到 key 的 hashCode,并将 hashCode 的高16位和 hashCode 进行异或(XOR)运算,得到最终的 hash 值。
(2)为什么要将 hashCode 的高16位参与运算?
主要是为了在 table 的长度较小的时候,让高位也参与运算,并且不会有太大的开销。
(3)为什么链表转红黑树的阈值是8?
我们平时在进行方案设计时,必须考虑的两个很重要的因素是:时间和空间。对于 HashMap 也是同样的道理,简单来说,阈值为8是在时间和空间上权衡的结果。红黑树节点大小约为链表节点的2倍,在节点太少时,红黑树的查找性能优势并不明显,付出2倍空间的代价不值得。理想情况下,使用随机的哈希码,节点分布在 hash 桶中的频率遵循泊松分布,按照泊松分布的公式计算,链表中节点个数为8时的概率为0.00000006,这个概率足够低了,并且到8个节点时,红黑树的性能优势也会开始展现出来,因此8是一个较合理的数字。
(4)HashMap 的默认初始容量是多少?HashMap 的容量有什么限制吗?
默认初始容量是16。HashMap 的容量必须是2的N次方,HashMap 会根据我们传入的容量计算一个大于等于该容量的最小的2的N次方,例如传 9,容量为16。
(5)为什么HashMap 的容量必须是 2 的 N 次方?
计算索引位置的公式为:(n - 1) & hash,当 n 为2的N 次方时,n - 1为低位全是 1 的值,此时任何值跟 n - 1 进行 &运算的结果为该值的低 N 位,达到了和取模同样的效果,实现了均匀分布。实际上,这个设计就是基于公式:x mod 2^n = x & (2^n - 1),因为 &运算比 mod 具有更高的效率。当 n 不为 2 的 N 次方时,hash 冲突的概率明显增大。
(6)为什么HashMap的负载因子默认为0.75?
在HashMap的类注释上有如图一段解释:大致意思是说负载因子是0.75的时候,空间利用率比较高,而且避免了相当多的Hash冲突,使得底层的链表或者是红黑树的高度比较低,提升了空间效率。
以上为个人经验,希望能给大家一个参考,也希望大家多多支持脚本之家。
相关文章
idea使用easyCode生成代码(根据mybatis-plus模板创建自己的模板)
本文主要介绍了idea使用easyCode生成代码,easyCode代码生成器可以减少低价值搬砖,具有一定的参考价值,感兴趣的可以了解一下2023-10-10Spring @Primary和@Qualifier注解原理解析
这篇文章主要介绍了Spring @Primary和@Qualifier注解原理解析,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下2020-04-04
最新评论