从HashMap透析哈希表

##扯数据结构  
先看一下哈希表的概念：

      哈希表是一种数据结构，它可以提供快速的插入操作和查找操作。第一次接触哈希表，他会让人难以置信，因为它的插入和删除、查找都接近O(1)的时间级别。用哈希表，很多操作都是一瞬间的事情。    
哈希表也有一些缺点：

    它基于数组的，数组创建后难以扩展。某些哈希表被基本填满时，性能下降的非常严重。

学习数据结构难免是枯燥的，如果有一个最佳模板供我们参考，那么学起来就会事半功倍了。题外：最佳模板就是一个强力的Demo。

我学到的数据结构，在Java中都有最佳模板来参考。比如：

 - 数组是Array
 - 链表是LinkedList
 - 队列是Queue，一般用实现类LinkedList
 - 优先级队列是ProirityQueue
 - 归并排序是Arrays.sort()
 - 二叉树是TreeList，TreeList不在Java开发包中，在commons-collections.jar中，他用到的是AVL树

而分析哈希表，最佳模板无疑是HashMap了。

**编写Java开发包都是一群神人，拿Java源码来分析问题，我们无疑站在了巨人的肩膀上。所谓站得高，尿的远也。当然，所谓偷拍都是避免不了的。**


##开整HashMap
哈希表为解决冲突，采用了开发地址法和链地址法来解决问题。Java中HashMap采用了链地址法。  
链地址法，简单来说，就是数组加链表的结合。在每个数组元素上都一个链表结构，当数据被hash后，得到数组下标，把数据放在对应下标元素的链表上。所以HashMap插入的速度特别快，读取的速度也特别快。当然为了防止数据聚集在一起，HashMap采取了一定的措施。  
一张图，可以大概说明HasnMap的结构：
![HasnMap的结构](http://dl.iteye.com/upload/attachment/364590/1c28849c-b67c-3461-b48f-54bd4b023b53.jpg)

当然，我们可以深入源码来看结构，更有说服力。  
我们先从HashMap的构造函数入手，进而引出他的数据结构：
###构造一
```java
    public HashMap(int initialCapacity, float loadFactor) {
        if (initialCapacity < 0)
            throw new IllegalArgumentException("Illegal initial capacity: " +
                                               initialCapacity);
        if (initialCapacity > MAXIMUM_CAPACITY)
            initialCapacity = MAXIMUM_CAPACITY;
        if (loadFactor <= 0 || Float.isNaN(loadFactor))
            throw new IllegalArgumentException("Illegal load factor: " +
                                               loadFactor);

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

        this.loadFactor = loadFactor;
        threshold = (int)(capacity * loadFactor);
        table = new Entry[capacity];
        init();
    }
```
`capacity `是数组的初始大小  
`loadFactor` 是负载因子（负载因子越大，容量扩容的边界越大）  
`threshold` 是数组扩容的边界 （=capacity *loadFactor）  
当我们使用这个构造的时候，会指定数组的初始大小和负载因子。而关于`threshold`的作用，后面我们在`resize(int newCapacity)`方法中会讲到。在这个构造函数中，我们看到了HashMap使用到的数据结构，就是一个Entry的数组，Entry是HashMap内部静态类，他其实就是一个链表。关于这个类，我们在讨论完构造函数后再讲。  
构造一我们还需要关注这一段：
```java
        int capacity = 1;
        while (capacity < initialCapacity)
            capacity <<= 1;
```
这段代码告诉我们，数组的大小不是我们指定的值，而是一个2的倍数。比如我们给`initialCapacity`的值为9，那么数组的大小其实为16.


###构造二
```java
    public HashMap(int initialCapacity) {
        this(initialCapacity, DEFAULT_LOAD_FACTOR);
    }
```
`DEFAULT_LOAD_FACTOR`的大小是0.75，构造二调用了构造一。

###构造三
```java
    public HashMap() {
        this.loadFactor = DEFAULT_LOAD_FACTOR;
        threshold = (int)(DEFAULT_INITIAL_CAPACITY * DEFAULT_LOAD_FACTOR);
        table = new Entry[DEFAULT_INITIAL_CAPACITY];
        init();
    }
```
构造三是默认构造函数，`DEFAULT_INITIAL_CAPACITY `的值是16。他没有调用构造一，而是直接创建了数据结构Entry。

###构造四
```java
    public HashMap(Map<? extends K, ? extends V> m) {
        this(Math.max((int) (m.size() / DEFAULT_LOAD_FACTOR) + 1,
                      DEFAULT_INITIAL_CAPACITY), DEFAULT_LOAD_FACTOR);
        putAllForCreate(m);
    }
```
构造四先不急讲，看完下面的内容，我们自己就能够读懂`putAllForCreate(m);`方法了。

##数据结构之Entry数组
前面已经讲过HashMap的结构，我们在构造函数中，也能看出端倪。那么Entry类到底是干嘛用的呢？其实他就是一个单向链表，看源码就明白了：
```java
    static class Entry<K,V> implements Map.Entry<K,V> {
        final K key;
        V value;
        Entry<K,V> next;
        final int hash;
        ... ...
    }
```
它保存了一个key，一个value，指向下一节点的next应用，和一个hash值。

##HashMap之put方法
HashMap通过构造函数创建了一个数据模型，我们可以在这个模型中添加数据，然后操作数据，使用数据。当然，我们操作的前提是先添加，所以`put(K key, V value)`方法请看过来：
```java
    public V put(K key, V value) {
        if (key == null)
            return putForNullKey(value);
        int hash = hash(key.hashCode());
        int i = indexFor(hash, table.length);
        for (Entry<K,V> e = table[i]; e != null; e = e.next) {
            Object k;
            if (e.hash == hash && ((k = e.key) == key || key.equals(k))) {
                V oldValue = e.value;
                e.value = value;
                e.recordAccess(this);
                return oldValue;
            }
        }

        modCount++;
        addEntry(hash, key, value, i);
        return null;
    }
```
这个方法涉及主要方法有4个，我们一一来分析。
首先，`key`为空要调用`putForNullKey(value);`方法：
```java
    private V putForNullKey(V value) {
        for (Entry<K,V> e = table[0]; e != null; e = e.next) {
            if (e.key == null) {
                V oldValue = e.value;
                e.value = value;
                e.recordAccess(this);
                return oldValue;
            }
        }
        modCount++;
        addEntry(0, null, value, 0);
        return null;
    }
```
我们看到，`null`为key的值会被放在数组的第一个元素上。如果第一个元素已经存在`null`为key的值，那么进行替换。  
如果第一个元素上还没有`null`为key的值，那么调用`addEntry(0, null, value, 0);`方法将`null`的key将被放在第一个元素上。
关于`addEntry(0, null, value, 0);`方法，我们需要返回到`put(K key, V value)`来继续看。


----------

哈希表的核心之一是哈希函数，好的哈希函数可以让数据分布的更均匀，从而使哈希表的结构达到优化。
我们看`put(K key, V value)`中是如何进行hash的，他调用了`hash(key.hashCode());`:
```java
    static int hash(int h) {
        // This function ensures that hashCodes that differ only by
        // constant multiples at each bit position have a bounded
        // number of collisions (approximately 8 at default load factor).
        h ^= (h >>> 20) ^ (h >>> 12);
        return h ^ (h >>> 7) ^ (h >>> 4);
    }
```
首先，调用了`key.hashCode()`方法，然后对hashCode进行再次hash。为什么要再次hash呢？是为了散列，为了让0、1分布更加均匀。而关于`hashCode()`方法，我们可以参考String类：
```java
    public int hashCode() {
	int h = hash;
	if (h == 0) {
	    int off = offset;
	    char val[] = value;
	    int len = count;

            for (int i = 0; i < len; i++) {
                h = 31*h + val[off++];
            }
            hash = h;
        }
        return h;
    }
```
Java以31为底进行的hash，c++中以33为底，这是前辈们总结出的最佳方案。


----------
`put(K key, V value)`在进行二次hash之后，调用了`indexFor(hash, table.length);`：
```java
    static int indexFor(int h, int length) {
        return h & (length-1);
    }
```
这个函数是为了获取小于数组长度的一个下标。


----------
然后`put(K key, V value)`进行了`putForNullKey(value);`方法相似的操作，如果数组元素存在以当前key，那么替换他的value值。
如果不存在，则调用`addEntry(hash, key, value, i);`方法：

```java
    void addEntry(int hash, K key, V value, int bucketIndex) {
	    Entry<K,V> e = table[bucketIndex];
        table[bucketIndex] = new Entry<K,V>(hash, key, value, e);
        if (size++ >= threshold)
            resize(2 * table.length);
    }
```
重头戏来了，我们来看一下这个方法。  
其实他的内部实现也不复杂，就是在对应的下标元素中放入了一个节点，节点中保存了key、value、下一个节点的引用和key的hash值。
在保存元素之后，他检查了一下容器的容量，如果容量大于或等于容量边界，那么进行扩容，扩容的规模是当前容量的2倍，看`resize(2 * table.length);`方法：
```java
    void resize(int newCapacity) {
        Entry[] oldTable = table;
        int oldCapacity = oldTable.length;
        if (oldCapacity == MAXIMUM_CAPACITY) {
            threshold = Integer.MAX_VALUE;
            return;
        }

        Entry[] newTable = new Entry[newCapacity];
        transfer(newTable);
        table = newTable;
        threshold = (int)(newCapacity * loadFactor);
    }
```
`resize(int newCapacity) `进行了例行判断，然后创建了一个大一倍的容器，它调用`transfer(newTable);`方法把旧容器的数据再次哈希分配到了新容器：
```java
    void transfer(Entry[] newTable) {
        Entry[] src = table;
        int newCapacity = newTable.length;
        for (int j = 0; j < src.length; j++) {
            Entry<K,V> e = src[j];
            if (e != null) {
                src[j] = null;
                do {
                    Entry<K,V> next = e.next;
                    int i = indexFor(e.hash, newCapacity);
                    e.next = newTable[i];
                    newTable[i] = e;
                    e = next;
                } while (e != null);
            }
        }
    }
```
`transfer(Entry[] newTable) `方法内部不复杂，只是进行了再次哈希而已，可参考`put(K key, V value)`方法。


----------
至此，HashMap的真容尽露，我们回头看`构造四`就不困难了。  
同时，我们对哈希表这种数据结构也有了相对透彻的理解。

##HashMap之使用
      首先我们要明白，HashMap不是线程安全的，如果在多线程中使用，可能出现死循环，造成CPU100%。解决方案是使用`Collections.synchronizedMap()`把Map变成线程安全的。不推荐使用HashTable。
      其次，HashMap大小是固定的，他扩容的速度是自身size的两倍。如果用HashMap承载大数据，那么我们应该给与他较大的初始容器大小。例如，有50000数据，我们最好不要使用HashMap的默认构造函数了。  
      最后，差点忘了说了：如果使用自定义的类当Map的key的话，记得一定要在类中重写`hashCode()`方法。




> *本文使用 [Cmd](http://ghosertblog.github.io/mdeditor/ "中文在线 Markdown 编辑器") 编写*


  [1]: http://dl.iteye.com/upload/attachment/364590/1c28849c-b67c-3461-b48f-54bd4b023b53.jpg