Java集合源码解析 - HashMap

  • 时间:2019-01-14 22:26 作者:JavaEdge 来源:JavaEdge 阅读:93
  • 扫一扫,手机访问
摘要:1 概述HashMap是基于哈希表实现的,每一个元素是一个key-value对,其内部通过单链表处理冲突问题,容量不足(超过了阀值)时,同样会自动增长.HashMap是非线程安全的,只适用于单线程环境,多线程环境可以采用并发包下的concurrentHashMapHashMap 实现了Seriali

1 概述

HashMap是基于哈希表实现的,每一个元素是一个key-value对,其内部通过单链表处理冲突问题,容量不足(超过了阀值)时,同样会自动增长.

HashMap是非线程安全的,只适用于单线程环境,多线程环境可以采用并发包下的concurrentHashMap

HashMap 实现了Serializable接口,因而它支持序列化,实现了Cloneable接口,能被克隆

HashMap是基于哈希表的Map接口的非同步实现.此实现提供所有可选的映射操作,并允许使用null值和null键.此类不保证映射的顺序,特别是它不保证该顺序恒久不变.

Java8中又对此类底层实现进行了优化,比方引入了红黑树的结构以处理哈希碰撞

2 HashMap的数据结构

在Java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,HashMap也不例外.
HashMap实际上是一个"链表散列"的数据结构,即数组和链表的结合体.

HashMap的结构
HashMap的主结构相似于一个数组,增加值时通过key确定储存位置.
每个位置是一个Entry的数据结构,该结构可组成链表.
当发生冲突时,相同hash值的键值对会组成链表.
这种数组+链表的组合形式大部分情况下都能有不错的性能效果,Java6、7就是这样设计的.
然而,在极端情况下,一组(比方经过精心设计的)键值对都发生了冲突,这时的哈希结构就会退化成一个链表,使HashMap性能急剧下降.

所以在Java8中,HashMap的结构实现变为数组+链表+红黑树


Java8 HashMap的结构

可以看出,HashMap底层就是一个数组结构
数组中的每一项又是一个链表
当新建一个HashMap时,就会初始化一个数组.

3 三大集合与迭代子

HashMap使用三大集合和三种迭代子来轮询其Key、Value和Entry对象

public class HashMapExam {    public static void main(String[] args) {        Map<Integer, String> map = new HashMap<>(16);        for (int i = 0; i < 15; i++) {            map.put(i, new String(new char[]{(char) ('A'+ i)}));        }        System.out.println("======keySet=======");        Set<Integer> set = map.keySet();        Iterator<Integer> iterator = set.iterator();        while (iterator.hasNext()) {            System.out.println(iterator.next());        }        System.out.println("======values=======");        Collection<String> values = map.values();        Iterator<String> stringIterator=values.iterator();        while (stringIterator.hasNext()) {            System.out.println(stringIterator.next());        }        System.out.println("======entrySet=======");        for (Map.Entry<Integer, String> entry : map.entrySet()) {            System.out.println(entry);        }    }}

4 源码分析

    //默认的初始容量16,且实际容量是2的整数幂     static final int DEFAULT_INITIAL_CAPACITY = 1 << 4;        //最大容量(传入容量过大将被这个值替换)    static final int MAXIMUM_CAPACITY = 1 << 30;         // 默认加载因子为0.75(当表达到3/4满时,才会再散列),这个因子在时间和空间代价之间达到了平衡.更高的因子可以降低表所需的空间,但是会添加查找代价,而查找是最频繁操作    static final float DEFAULT_LOAD_FACTOR = 0.75f;    //桶的树化阈值:即 链表转成红黑树的阈值,在存储数据时,当链表长度 >= 8时,则将链表转换成红黑树    static final int TREEIFY_THRESHOLD = 8;   // 桶的链表复原阈值:即 红黑树转为链表的阈值,当在扩容(resize())时(HashMap的数据存储位置会重新计算),在重新计算存储位置后,当原有的红黑树内数量 <= 6时,则将 红黑树转换成链表    static final int UNTREEIFY_THRESHOLD = 6;   //最小树形化容量阈值:即 当哈希表中的容量 > 该值时,才允许树形化链表 (即 将链表 转换成红黑树)

由于红黑树的平均查找长度是log(n),长度为8的时候,平均查找长度为3,假如继续使用链表,平均查找长度为8/2=4,这才有转换为树的必要
链表长度假如是小于等于6,6/2=3,尽管速度也很快的,但是转化为树结构和生成树的时间并不会太短

还有选择6和8,中间有个差值7可以有效防止链表和树频繁转换
假设一下,假如设计成链表个数超过8则链表转换成树结构,链表个数小于8则树结构转换成链表,假如一个HashMap不停的插入、删除元素,链表个数在8左右徘徊,就会频繁的发生树转链表、链表转树,效率会很低。

    // 为了避免扩容/树形化选择的冲突,这个值不能小于 4 * TREEIFY_THRESHOLD    // 小于该值时使用的是扩容哦!!!    static final int MIN_TREEIFY_CAPACITY = 64;        // 存储数据的Node数组,长度是2的幂.        // HashMap采用链表法处理冲突,每一个Node本质上是一个单向链表     //HashMap底层存储的数据结构,是一个Node数组.上面得知Node类为元素维护了一个单向链表.至此,HashMap存储的数据结构也就很清晰了:维护了一个数组,每个数组又维护了一个单向链表.之所以这么设计,考虑到遇到哈希冲突的时候,同index的value值就用单向链表来维护    //与 JDK 1.7 的比照(Entry类),仅仅只是换了名字    transient Node<K,V>[] table;    // HashMap的底层数组中已用槽的数量     transient int size;    // HashMap的阈值,用于判断能否需要调整HashMap的容量(threshold = 容量*加载因子)     int threshold;        // 负载因子实际大小    final float loadFactor;        // HashMap被改变的次数     transient int modCount;        // 指定“容量大小”和“加载因子”的构造函数,是最基础的构造函数    public HashMap(int initialCapacity, float loadFactor) {        if (initialCapacity < 0)            throw new IllegalArgumentException("Illegal initial capacity: " +                                               initialCapacity);        // HashMap的最大容量只能是MAXIMUM_CAPACITY                                               if (initialCapacity > MAXIMUM_CAPACITY)            initialCapacity = MAXIMUM_CAPACITY;        //负载因子须大于0        if (loadFactor <= 0 || Float.isNaN(loadFactor))            throw new IllegalArgumentException("Illegal load factor: " +                                               loadFactor);        // 设置"负载因子"                                                this.loadFactor = loadFactor;        // 设置"HashMap阈值",当HashMap中存储数据的数量达到threshold时,就需将HashMap的容量加倍            this.threshold = tableSizeFor(initialCapacity);    }
  • 上面的tableSizeFor有何用?
    tableSizeFor方法保证函数返回值是大于等于给定参数initialCapacity最小的2的幂次方的数值
    static final int tableSizeFor(int cap) {        int n = cap - 1;        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;    }

可以看出该方法是一系列的二进制位操作

a |= b 等同于 a = a|b

逐行分析

  • int n = cap - 1
    给定的cap 减 1,为了避免参数cap原本就是2的幂次方,这样一来,经过后续操作,cap将会变成2 * cap,是不符合我们预期的

  • n |= n >>> 1
    n >>> 1 : n无符号右移1位,即n二进制最高位的1右移一位
    n | (n >>> 1) 导致 n二进制的高2位值为1
    目前n的高1~2位均为1

  • n |= n >>> 2
    n继续无符号右移2位
    n | (n >>> 2) 导致n二进制表示的高3~4位经过运算值均为1
    目前n的高1~4位均为1

  • n |= n >>> 4
    n继续无符号右移4位
    n | (n >>> 4) 导致n二进制表示的高5~8位经过运算值均为1
    目前n的高1~8位均为1

  • n |= n >>> 8
    n继续无符号右移8位
    n | (n >>> 8) 导致n二进制表示的高9~16位经过运算值均为1
    目前n的高1~16位均为1

可以看出,无论给定cap(cap < MAXIMUM_CAPACITY )的值是多少,经过以上运算,其值的二进制所有位都会是1.再将其加1,这时候这个值肯定是2的幂次方.
当然假如经过运算值大于MAXIMUM_CAPACITY,直接选用MAXIMUM_CAPACITY.


例子

至此tableSizeFor如何保证cap为2的幂次方已经显而易见了,那么问题来了

4.1 为什么cap要保持为2的幂次方?

主要与HashMap中的数据存储有关.

在Java8中,HashMap中key的Hash值由Hash(key)方法计得


HashMap中存储数据table的index是由key的Hash值决定的.
在HashMap存储数据时,我们期望数据能均匀分布,以防止哈希冲突.
自然而然我们就会想到去用%取余操作来实现我们这一构想

取余(%)操作 : 假如除数是2的幂次则等价于与其除数减一的与(&)操作.

这也就解释了为什么肯定要求cap要为2的幂次方.再来看看table的index的计算规则:



等价于:

 index = e.hash % newCap

采用二进制位操作&,相对于%,能够提高运算效率,这就是cap的值被要求为2幂次的起因



数据结构 & 参数与 JDK 7 / 8

4.2 Node类

static class Node<K,V> implements Map.Entry<K,V> {        final int hash;        final K key;        V value;        Node<K,V> next;        Node(int hash, K key, V value, Node<K,V> next) {            this.hash = hash;            this.key = key;            this.value = value;            this.next = next;        }        public final K getKey()        { return key; }        public final V getValue()      { return value; }        public final String toString() { return key + "=" + value; }        public final int hashCode() {            return Objects.hashCode(key) ^ Objects.hashCode(value);        }        public final V setValue(V newValue) {            V oldValue = value;            value = newValue;            return oldValue;        }        public final boolean equals(Object o) {            if (o == this)                return true;            if (o instanceof Map.Entry) {                Map.Entry<?,?> e = (Map.Entry<?,?>)o;                if (Objects.equals(key, e.getKey()) &&                    Objects.equals(value, e.getValue()))                    return true;            }            return false;        }    }

Node<K,V> 类是HashMap中的静态内部类,实现Map.Entry<K,V>接口.定义了key键、value值、next节点,也就是说元素之间构成了单向链表.

4.3 TreeNode

static final class TreeNode<K,V> extends LinkedHashMap.Entry<K,V> {        TreeNode<K,V> parent;  // red-black tree links        TreeNode<K,V> left;        TreeNode<K,V> right;        TreeNode<K,V> prev;    // needed to unlink next upon deletion        boolean red;        TreeNode(int hash, K key, V val, Node<K,V> next) {}        // 返回当前节点的根节点          final TreeNode<K,V> root() {            for (TreeNode<K,V> r = this, p;;) {              if ((p = r.parent) == null)                  return r;              r = p;          }      }  }

红黑树结构包含前、后、左、右节点,以及标志能否为红黑树的字段
此结构是Java8新加的

4.4 hash方法

Java 8中的散列值优化函数



只做一次16位右位移异或者
key.hashCode()函数调用的是key键值类型自带的哈希函数,返回int型散列值

理论上散列值是一个int型,假如直接拿散列值作为下标访问HashMap主数组的话,考虑到2进制32位带符号的int范围大概40亿的映射空间。只需哈希函数映射得比较均匀松散,一般应用是很难出现碰撞的。
但问题是一个40亿长度的数组,内存是放不下的.HashMap扩容之前的数组初始大小才16,所以这个散列值是不能直接拿来用的.
用之前还要先做对数组的长度取模运算,得到的余数才能用来访问数组下标
源码中模运算就是把散列值和数组长度做一个"与"操作,



这也正好解释了为什么HashMap的数组长度要取2的整次幂
由于这样(数组长度-1)正好相当于一个“低位掩码”
“与”操作的结果就是散列值的高位一律归零,只保留低位值,用来做数组下标访问

以初始长度16为例,16-1=15
2进制表示是00000000 00000000 00001111
和某散列值做“与”操作如下,结果就是截取了最低的四位值



但这时候问题就来了,这样就算我的散列值分布再松散,要是只取最后几位的话,碰撞也会很严重

这时候“扰动函数”的价值就表现出来了



右位移16位,正好是32位一半,自己的高半区和低半区做异或者,就是为了混合原始hashCode的高位和低位,以此来加大低位的随机性
而且混合后的低位掺杂了高位的部分特征,这样高位的信息也被变相保留下来。

index的运算规则是

e.hash & (newCap - 1)

newCap是2的幂,所以newCap - 1的高位全0

若e.hash值只用自身的hashcode,index只会和e.hash的低位做&操作.这样一来,index的值就只有低位参加运算,高位毫无存在感,从而会带来哈希冲突的风险
所以在计算key的hashCode时,用其自身hashCode与其低16位做异或者操作
这也就让高位参加到index的计算中来了,即降低了哈希冲突的风险又不会带来太大的性能问题

4.5 Put方法

HashMap-put(k,v)

①.判断键值对数组table[i]能否为空或者为null,否则执行resize()进行扩容

②.根据键值key计算hash值得到插入的数组索引i,假如table[i]==null,直接新建节点增加,转向⑥,假如table[i]不为空,转向③

③.判断table[i]的首个元素能否和key一样,假如相同直接覆盖value,否则转向④,这里的相同指的是hashCode以及equals

④.判断table[i] 能否为treeNode,即table[i] 能否是红黑树,假如是红黑树,则直接在树中插入键值对,否则转向⑤

⑤.遍历table[i],判断链表长度能否大于8,大于8的话把链表转换为红黑树,在红黑树中执行插入操作,否则进行链表的插入操作;遍历过程中若发现key已经存在直接覆盖value就可

⑥.插入成功后,判断实际存在的键值对数量size能否超多了最大容量threshold,假如超过,执行resize()扩容

 public V put(K key, V value) {        // 对key的hashCode()做hash        return putVal(hash(key), key, value, false, true);    }    final V putVal(int hash, K key, V value, boolean onlyIfAbsent, boolean evict) {        Node<K,V>[] tab; Node<K,V> p; int n, i;        // 步骤① tab为空则调用resize()初始化创立        if ((tab = table) == null || (n = tab.length) == 0)                     n = (tab = resize()).length;        // 步骤② 计算index,并对null做解决          //tab[i = (n - 1) & hash对应下标的第一个节点           if ((p = tab[i = (n - 1) & hash]) == null)            // 无哈希冲突的情况下,将value直接封装为Node并赋值            tab[i] = newNode(hash, key, value, null);        else {            Node<K,V> e; K k;            // 步骤③ 节点的key相同,直接覆盖节点            if (p.hash == hash && ((k = p.key) == key || (key != null && key.equals(k))))                e = p;            // 步骤④ 判断该链为红黑树                else if (p instanceof TreeNode)                 // p是红黑树类型,则调用putTreeVal方式赋值                e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);            // 步骤⑤ p非红黑树类型,该链为链表                else {                // index 相同的情况下                for (int binCount = 0; ; ++binCount) {                    if ((e = p.next) == null) {                        // 假如p的next为空,将新的value值增加至链表后面                        p.next = newNode(hash, key, value, null);                        if (binCount >= TREEIFY_THRESHOLD - 1)                            // 假如链表长度大于8,链表转化为红黑树,执行插入                            treeifyBin(tab, hash);                        break;                    }                    // key相同则跳出循环                    if (e.hash == hash &&  ((k = e.key) == key || (key != null && key.equals(k))))                        break;                    //就是移动指针方便继续取 p.next                        p = e;                }            }            if (e != null) { // existing mapping for key                V oldValue = e.value;                //根据规则选择能否覆盖value                if (!onlyIfAbsent || oldValue == null)                    e.value = value;                afterNodeAccess(e);                return oldValue;            }        }        ++modCount;        // 步骤⑥:超过最大容量,就扩容        if (++size > threshold)            // size大于加载因子,扩容            resize();        afterNodeInsertion(evict);        return null;    }

在构造函数中最多也只是设置了initialCapacity、loadFactor的值,并没有初始化table,table的初始化工作是在put方法中进行的.

4.6 resize


扩容(resize)就是重新计算容量,向HashMap对象里不停的增加元素,内部的数组无法装载更多的元素时,就需要扩大数组的长度.
当然Java里的数组是无法自动扩容的,方法是使用一个新的数组代替已有的容量小的数组

   /**     * 该函数有2种使用情况:1.初始化哈希表 2.当前数组容量过小,需扩容     */final Node<K,V>[] resize() {        Node<K,V>[] oldTab = table;        int oldCap = (oldTab == null) ? 0 : oldTab.length;        int oldThr = threshold;        int newCap, newThr = 0;        // 针对情况2:若扩容前的数组容量超过最大值,则不再扩充        if (oldCap > 0) {            if (oldCap >= MAXIMUM_CAPACITY) {                threshold = Integer.MAX_VALUE;                return oldTab;            }            // 针对情况2:若无超过最大值,就扩充为原来的2倍            else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&                     oldCap >= DEFAULT_INITIAL_CAPACITY)                //newCap设置为oldCap的2倍并小于MAXIMUM_CAPACITY,且大于默认值, 新的threshold添加为原来的2倍                newThr = oldThr << 1; // double threshold        }             // 针对情况1:初始化哈希表(采用指定 or 默认值)        else if (oldThr > 0) // initial capacity was placed in threshold            // threshold>0, 将threshold设置为newCap,所以要用tableSizeFor方法保证threshold是2的幂次方            newCap = oldThr;        else {               // zero initial threshold signifies using defaults            // 默认初始化            newCap = DEFAULT_INITIAL_CAPACITY;            newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);        }        // 计算新的resize上限        if (newThr == 0) {            // newThr为0,newThr = newCap * 0.75            float ft = (float)newCap * loadFactor;            newThr = (newCap < MAXIMUM_CAPACITY && ft < (float)MAXIMUM_CAPACITY ?                      (int)ft : Integer.MAX_VALUE);        }        threshold = newThr;        @SuppressWarnings({"rawtypes","unchecked"})            // 新生成一个table数组            Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap];        table = newTab;        if (oldTab != null) {            // oldTab 复制到 newTab            for (int j = 0; j < oldCap; ++j) {                Node<K,V> e;                if ((e = oldTab[j]) != null) {                    oldTab[j] = null;                    if (e.next == null)                       // 链表只有一个节点,直接赋值                       //为什么要重新Hash呢?由于长度扩大以后,Hash的规则也随之改变。                        newTab[e.hash & (newCap - 1)] = e;                    else if (e instanceof TreeNode)                        // e为红黑树的情况                        ((TreeNode<K,V>)e).split(this, newTab, j, oldCap);                    else { // preserve order链表优化重hash的代码块                        Node<K,V> loHead = null, loTail = null;                        Node<K,V> hiHead = null, hiTail = null;                        Node<K,V> next;                        do {                            next = e.next;                            // 原索引                            if ((e.hash & oldCap) == 0) {                                if (loTail == null)                                    loHead = e;                                else                                    loTail.next = e;                                loTail = e;                            }                            // 原索引 + oldCap                            else {                                if (hiTail == null)                                    hiHead = e;                                else                                    hiTail.next = e;                                hiTail = e;                            }                        } while ((e = next) != null);                        // 原索引放到bucket里                        if (loTail != null) {                            loTail.next = null;                            newTab[j] = loHead;                        }                        // 原索引+oldCap放到bucket里                        if (hiTail != null) {                            hiTail.next = null;                            newTab[j + oldCap] = hiHead;                        }                    }                }            }        }        return newTab;    }

4.7 remove方法

remove(key) 方法 和 remove(key, value) 方法都是通过调用removeNode的方法来实现删除元素的

 final Node<K,V> removeNode(int hash, Object key, Object value,                               boolean matchValue, boolean movable) {        Node<K,V>[] tab; Node<K,V> p; int n, index;        if ((tab = table) != null && (n = tab.length) > 0 &&            (p = tab[index = (n - 1) & hash]) != null) {            Node<K,V> node = null, e; K k; V v;            if (p.hash == hash &&                ((k = p.key) == key || (key != null && key.equals(k))))                // index 元素只有一个元素                node = p;            else if ((e = p.next) != null) {                if (p instanceof TreeNode)                    // index处是一个红黑树                    node = ((TreeNode<K,V>)p).getTreeNode(hash, key);                else {                    // index处是一个链表,遍历链表返回node                    do {                        if (e.hash == hash &&                            ((k = e.key) == key ||                             (key != null && key.equals(k)))) {                            node = e;                            break;                        }                        p = e;                    } while ((e = e.next) != null);                }            }            // 分不同情形删除节点            if (node != null && (!matchValue || (v = node.value) == value ||                                 (value != null && value.equals(v)))) {                if (node instanceof TreeNode)                    ((TreeNode<K,V>)node).removeTreeNode(this, tab, movable);                else if (node == p)                    tab[index] = node.next;                else                    p.next = node.next;                ++modCount;                --size;                afterNodeRemoval(node);                return node;            }        }        return null;    }

4.8 get

/**   * 函数原型   * 作用:根据键key,向HashMap获取对应的值   */    map.get(key); /**   * 源码分析   */    public V get(Object key) {    Node<K,V> e;    // 1. 计算需获取数据的hash值    // 2. 通过getNode()获取所查询的数据 ->>分析1    // 3. 获取后,判断数据能否为空    return (e = getNode(hash(key), key)) == null ? null : e.value;}/**   * 分析1:getNode(hash(key), key))   */ final Node<K,V> getNode(int hash, Object key) {    Node<K,V>[] tab; Node<K,V> first, e; int n; K k;    // 1. 计算存放在数组table中的位置    if ((tab = table) != null && (n = tab.length) > 0 &&        (first = tab[(n - 1) & hash]) != null) {        // 4. 通过该函数,依次在数组、红黑树、链表中查找(通过equals()判断)        // a. 先在数组中找,若存在,则直接返回        if (first.hash == hash && // always check first node            ((k = first.key) == key || (key != null && key.equals(k))))            return first;        // b. 若数组中没有,则到红黑树中寻觅        if ((e = first.next) != null) {            // 在树中get            if (first instanceof TreeNode)                return ((TreeNode<K,V>)first).getTreeNode(hash, key);            // c. 若红黑树中也没有,则通过遍历,到链表中寻觅            do {                if (e.hash == hash &&                    ((k = e.key) == key || (key != null && key.equals(k))))                    return e;            } while ((e = e.next) != null);        }    }    return null;}

在JDK1.7及以前的版本中,HashMap里是没有红黑树的实现的,在JDK1.8中加入了红黑树是为了防止哈希表碰撞攻击,当链表链长度为8时,及时转成红黑树,提高map的效率

假如某个桶中的记录过大的话(当前是TREEIFY_THRESHOLD = 8),HashMap会动态的使用一个专门的treemap实现来替换掉它。这样做的结果会更好,是O(logn),而不是糟糕的O(n)。它是如何工作的?
前面产生冲突的那些KEY对应的记录只是简单的追加到一个链表后面,这些记录只能通过遍历来进行查找。但是超过这个阈值后HashMap开始将列表更新成一个二叉树,使用哈希值作为树的分支变量,假如两个哈希值不等,但指向同一个桶的话,较大的那个会插入到右子树里。假如哈希值相等,HashMap希望key值最好是实现了Comparable接口的,这样它可以按照顺序来进行插入。这对HashMap的key来说并不是必需的,不过假如实现了当然最好。假如没有实现这个接口,在出现严重的哈希碰撞的时候,你就并别指望能取得性能提升了。

这个性能提升有什么用处?比如说恶意的程序,假如它知道我们用的是哈希算法,它可能会发送大量的请求,导致产生严重的哈希碰撞。而后不停的访问这些key就能明显的影响服务器的性能,这样就形成了一次拒绝服务攻击(DoS)。JDK 8中从O(n)到O(logn)的飞跃,可以有效地防止相似的攻击,同时也让HashMap性能的可预测性略微加强了少量

/**   * 源码分析:resize(2 * table.length)   * 作用:当容量不足时(容量 > 阈值),则扩容(扩到2倍)   */    void resize(int newCapacity) {      // 1. 保存旧数组(old table)     Entry[] oldTable = table;      // 2. 保存旧容量(old capacity ),即数组长度    int oldCapacity = oldTable.length;     // 3. 若旧容量已经是系统默认最大容量了,那么将阈值设置成整型的最大值,退出        if (oldCapacity == MAXIMUM_CAPACITY) {          threshold = Integer.MAX_VALUE;          return;      }      // 4. 根据新容量(2倍容量)新建1个数组,即新table      Entry[] newTable = new Entry[newCapacity];      // 5. (重点分析)将旧数组上的数据(键值对)转移到新table中,从而完成扩容 ->>分析1.1     transfer(newTable);     // 6. 新数组table引用到HashMap的table属性上    table = newTable;      // 7. 重新设置阈值      threshold = (int)(newCapacity * loadFactor); }  /**   * 分析1.1:transfer(newTable);    * 作用:将旧数组上的数据(键值对)转移到新table中,从而完成扩容   * 过程:按旧链表的正序遍历链表、在新链表的头部依次插入   */ void transfer(Entry[] newTable) {      // 1. src引用了旧数组      Entry[] src = table;       // 2. 获取新数组的大小 = 获取新容量大小                       int newCapacity = newTable.length;      // 3. 通过遍历 旧数组,将旧数组上的数据(键值对)转移到新数组中      for (int j = 0; j < src.length; j++) {           // 3.1 获得旧数组的每个元素            Entry<K,V> e = src[j];                     if (e != null) {              // 3.2 释放旧数组的对象引用(for循环后,旧数组不再引用任何对象)              src[j] = null;               do {                   // 3.3 遍历 以该数组元素为首 的链表                  // 注:转移链表时,因是单链表,故要保存下1个结点,否则转移后链表会断开                  Entry<K,V> next = e.next;                  // 3.3 重新计算每个元素的存储位置                 int i = indexFor(e.hash, newCapacity);                  // 3.4 将元素放在数组上:采用单链表的头插入方式 = 在链表头上存放数据 = 将数组位置的原有数据放在后1个指针、将需放入的数据放到数组位置中                 // 即 扩容后,可能出现逆序:按旧链表的正序遍历链表、在新链表的头部依次插入                 e.next = newTable[i];                  newTable[i] = e;                   // 访问下1个Entry链上的元素,如此不断循环,直到遍历完该链表上的所有节点                 e = next;                          } while (e != null);             // 如此不断循环,直到遍历完数组上的所有数据元素         }     } }

从上面可看出:在扩容resize()过程中,在将旧数组上的数据 转移到 新数组上时,转移数据操作 = 按旧链表的正序遍历链表、在新链表的头部依次插入,即在转移数据、扩容后,容易出现链表逆序的情况

设重新计算存储位置后不变,即扩容前 = 1->2->3,扩容后 = 3->2->1

此时若并发执行 put 操作,一旦出现扩容情况,则 容易出现 环形链表,从而在获取数据、遍历链表时 形成死循环(Infinite Loop),即死锁



image.png

为什么 HashMap 中 String、Integer 这样的包装类适合作为 key 键

单线程rehash

单线程情况下,rehash无问题

HashMap rehash single thread

多线程并发下的rehash

这里假设有两个线程同时执行了put操作并引发了rehash,执行了transfer方法,并假设线程一进入transfer方法并执行完next = e.next后,由于线程调度所分配时间片用完而“暂停”,此时线程二完成了transfer方法的执行。此时状态如下。

HashMap rehash multi thread step 1
接着线程1被唤醒,继续执行第一轮循环的剩余部分

e.next = newTable[1] = nullnewTable[1] = e = key(5)e = next = key(9)

结果如下图所示

HashMap rehash multi thread step 2

接着执行下一轮循环,结果状态图如下所示

HashMap rehash multi thread step 3

继续下一轮循环,结果状态图如下所示

HashMap rehash multi thread step 4

此时循环链表形成,并且key(11)无法加入到线程1的新数组。在下一次访问该链表时会出现死循环。

Fast-fail

产生起因

在使用迭代器的过程中假如HashMap被修改,那么ConcurrentModificationException将被抛出,也即Fast-fail策略。

当HashMap的iterator()方法被调用时,会构造并返回一个新的EntryIterator对象,并将EntryIterator的expectedModCount设置为HashMap的modCount(该变量记录了HashMap被修改的次数)。

HashIterator() {  expectedModCount = modCount;  if (size > 0) { // advance to first entry  Entry[] t = table;  while (index < t.length && (next = t[index++]) == null)    ;  }}

在通过该Iterator的next方法访问下一个Entry时,它会先检查自己的expectedModCount与HashMap的modCount能否相等,假如不相等,说明HashMap被修改,直接抛出ConcurrentModificationException。该Iterator的remove方法也会做相似的检查。该异常的抛出意在提示客户及早意识到线程安全问题。

线程安全处理方案

单线程条件下,为避免出现ConcurrentModificationException,需要保证只通过HashMap本身或者者只通过Iterator去修改数据,不能在Iterator使用结束之前使用HashMap本身的方法修改数据。由于通过Iterator删除数据时,HashMap的modCount和Iterator的expectedModCount都会自增,不影响二者的相等性。假如是添加数据,只能通过HashMap本身的方法完成,此时假如要继续遍历数据,需要重新调用iterator()方法从而重新构造出一个新的Iterator,使得新Iterator的expectedModCount与升级后的HashMap的modCount相等。

多线程条件下,可使用Collections.synchronizedMap方法构造出一个同步Map,或者者直接使用线程安全的ConcurrentHashMap。

  • 全部评论(0)
最新发布的资讯信息
【系统环境|服务器应用】树莓派安装TensorFlow(2020-04-24 21:11)
【系统环境|服务器应用】防面试-SD_WebImage(2020-04-24 21:11)
【系统环境|服务器应用】推荐一款视频控件xgplayer(2020-04-24 21:11)
【系统环境|服务器应用】PostgreSQL 源码解读(27)- 查询语句#12(查询优化-上拉子链接#2)(2020-04-24 21:11)
【系统环境|服务器应用】如何轻松学习JavaScript?(2020-04-24 21:10)
【系统环境|服务器应用】【源码剖析】Launcher 8.0 源码 (12) --- Launcher 启动流程 第五步之计算桌面各布局细节参数(2020-04-24 21:10)
【系统环境|服务器应用】前台碰撞室之console.log与文本字符(2020-04-24 21:10)
【系统环境|服务器应用】好用的Middleware实现(2020-04-24 21:10)
【系统环境|服务器应用】前台面试每日 3+1 —— 第373天(2020-04-24 21:10)
【系统环境|服务器应用】绍圣--kafka之生产者(五)(2020-04-24 21:10)
手机二维码手机访问领取大礼包
返回顶部