|
干货文章第一时间送达！ 继上一篇文章Java集合框架综述后，今天正式开始分析具体集合类的代码，首先以既熟悉又陌生的HashMap开始。 本文源码分析基于Oracle JDK 1.7.0_71，请知悉。 签名（signature） 可以看到继承了 标记接口Cloneable，用于表明对象会重写方法，HashMap实现的是浅拷贝（shallow copy）。 标记接口Serializable，用于表明对象可以被序列化 比较有意思的是，同时继承了抽象类与接口，因为抽象类的签名为 Stack Overfloooow上解释到： 在语法层面继承接口是多余的，这么做仅仅是为了让阅读代码的人明确知道是属于体系的，起到了文档的作用 相当于个辅助类，的一些操作这里面已经提供了默认实现，后面具体的子类如果没有特殊行为，可直接使用提供的实现。 Cloneable接口 这个接口设计的非常不好，最致命的一点是它里面竟然没有方法，也就是说我们自己写的类完全可以实现这个接口的同时不重写方法。 关于的不足，大家可以去看看《Effective Java》一书的作者给出的理由，在所给链接的文章里，Josh Bloch也会讲如何实现深拷贝比较好，我这里就不在赘述了。 Map接口 在eclipse中的outline面板可以看到接口里面包含以下成员方法与内部类： Map_field_method 可以看到，这里的成员方法不外乎是“增删改查”，这也反映了我们编写程序时，一定是以“数据”为导向的。 在上篇文章讲了虽然并不是，但是它提供了三种“集合视角”（collection views），与下面三个方法一一对应： ，提供key的集合视角 ，提供value的集合视角 ，提供key-value序对的集合视角，这里用内部类表示序对 AbstractMap抽象类 对中的方法提供了一个基本实现，减少了实现接口的工作量。 举例来说： 如果要实现个不可变（unmodifiable）的map，那么只需继承，然后实现其方法，这个方法返回的set不支持add与remove，同时这个set的迭代器（iterator）不支持remove操作即可。 相反，如果要实现个可变（modifiable）的map，首先继承，然后重写（override）的put方法，同时实现所返回set的迭代器的remove方法即可。 设计理念（design concept） 哈希表（hash table） 是一种基于哈希表（hash table）实现的map，哈希表（也叫关联数组）一种通用的数据结构，大多数的现代语言都原生支持，其概念也比较简单：，如下图所示 hash table demo 很容易想到，一些不同的key经过同一hash函数后可能产生相同的索引，也就是产生了冲突，这是在所难免的。 所以利用哈希表这种数据结构实现具体类时，需要： 设计个好的hash函数，使冲突尽可能的减少 其次是需要解决发生冲突后如何处理。 后面会重点介绍是如何解决这两个问题的。 HashMap的一些特点 线程非安全，并且允许key与value都为null值，与之相反，为线程安全，key与value都不允许null值。 不保证其内部元素的顺序，而且随着时间的推移，同一元素的位置也可能改变（resize的情况） put、get操作的时间复杂度为O(1)。 遍历其集合视角的时间复杂度与其容量（capacity，槽的个数）和现有元素的大小（entry的个数）成正比，所以如果遍历的性能要求很高，不要把capactiy设置的过高或把平衡因子（load factor，当entry数大于capacity*loadFactor时，会进行resize，reside会导致key进行rehash）设置的过低。 由于HashMap是线程非安全的，这也就是意味着如果多个线程同时对一hashmap的集合试图做迭代时有结构的上改变（添加、删除entry，只改变entry的value的值不算结构改变），那么会报ConcurrentModificationException，专业术语叫，尽早报错对于多线程程序来说是很有必要的。 通过这种方式可以得到一个线程安全的map。 源码剖析 首先从构造函数开始讲，遵循集合框架的约束，提供了一个参数为空的构造函数与有一个参数且参数类型为Map的构造函数。除此之外，还提供了两个构造函数，用于设置的容量（capacity）与平衡因子（loadFactor）。 从代码上可以看到，容量与平衡因子都有个默认值，并且容量有个最大值 可以看到，默认的平衡因子为0.75，这是权衡了时间复杂度与空间复杂度之后的最好取值（JDK说是最好的），过高的因子会降低存储空间但是查找（lookup，包括HashMap中的put与get方法）的时间就会增加。 这里比较奇怪的是问题：容量必须为2的指数倍（默认为16），这是为什么呢？解答这个问题，需要了解HashMap中哈希函数的设计原理。 哈希函数的设计原理 看到这么多位操作，是不是觉得晕头转向了呢，还是搞清楚原理就行了，毕竟位操作速度是很快的，不能因为不好理解就不用了。 网上说这个问题的也比较多，我这里根据自己的理解，尽量做到通俗易懂。 在哈希表容量（也就是buckets或slots大小）为length的情况下，为了使每个key都能在冲突最小的情况下映射到（注意是左闭右开区间）的索引（index）内，一般有两种做法： 让length为素数，然后用的方法得到索引 让length为2的指数倍，然后用的方法得到索引 HashTable用的是方法1，用的是方法2。 因为本篇主题讲的是HashMap，所以关于方法1为什么要用素数，我这里不想过多介绍，大家可以看这里（http:///5aKbBh）。 重点说说方法2的情况，方法2其实也比较好理解： 因为length为2的指数倍，所以所对应的二进制位都为1，然后在与做与运算，即可得到内的索引 但是这里有个问题，如果的大于的值，而且的二进制位的低位变化不大，那么冲突就会很多，举个例子： Java中对象的哈希值都32位整数，而HashMap默认大小为16，那么有两个对象那么的哈希值分别为：与，它们的后几位都是一样，那么与16异或后得到结果应该也是一样的，也就是产生了冲突。 造成冲突的原因关键在于16限制了只能用低位来计算，高位直接舍弃了，所以我们需要额外的哈希函数而不只是简单的对象的方法了。 具体来说，就是HashMap中函数干的事了 首先有个随机的hashSeed，来降低冲突发生的几率 然后如果是字符串，用了来获取索引值 最后，通过一系列无符号右移操作，来把高位与低位进行异或操作，来降低冲突发生的几率 右移的偏移量20，12，7，4是怎么来的呢？因为Java中对象的哈希值都是32位的，所以这几个数应该就是把高位与低位做异或运算，至于这几个数是如何选取的，就不清楚了，网上搜了半天也没统一且让人信服的说法，大家可以参考下面几个链接： http:///questions/7922019/openjdks-rehashing-mechanism/7922219#7922219 http:///questions/9335169/understanding-strange-java-hash-function/9336103#9336103 http:///questions/14453163/can-anybody-explain-how-java-design-hashmaps-hash-function/14479945#14479945 HashMap.Entry HashMap中存放的是HashMap.Entry对象，它继承自Map.Entry，其比较重要的是构造函数 可以看到，Entry实现了单向链表的功能，用成员变量来级连起来。 介绍完Entry对象，下面要说一个比较重要的成员变量 你也许会疑问，Entry不是单向链表嘛，怎么这里又需要个数组类型的table呢？ 我翻了下之前的算法书，其实这是解决冲突的一个方式：链地址法（开散列法），效果如下： 链地址法处理冲突得到的散列表 就是相同索引值的Entry，会以单向链表的形式存在 链地址法的可视化 网上找到个很好的网站，用来可视化各种常见的算法，很棒。瞬间觉得国外大学比国内的强不知多少倍。 下面的链接可以模仿哈希表采用链地址法解决冲突，大家可以自己去玩玩 https://www.cs./~galles/visualization/OpenHash.html get操作 get操作相比put操作简单，所以先介绍get操作 put操作（含update操作） 因为put操作有可能需要对HashMap进行resize，所以实现略复杂些 remove操作 到现在为止，HashMap的增删改查都介绍完了。 一般而言，认为HashMap的这四种操作时间复杂度为O(1)，因为它hash函数性质较好，保证了冲突发生的几率较小。 fast-fail的HashIterator 集合类用Iterator类来遍历其包含的元素，接口Enumeration已经不推荐使用。相比Enumeration，Iterator有下面两个优势： Iterator允许调用者在遍历集合类时删除集合类中包含的元素（相比Enumeration增加了remove方法） 比Enumeration的命名更简短 HashMap中提供的三种集合视角，底层都是用HashIterator实现的。 序列化 介绍到这里，基本上算是把HashMap中一些核心的点讲完了，但还有个比较严重的问题：保存Entry的table数组为transient的，也就是说在进行序列化时，并不会包含该成员，这是为什么呢？ 为了解答这个问题，我们需要明确下面事实： Object.hashCode方法对于一个类的两个实例返回的是不同的哈希值 我们可以试想下面的场景： 我们在机器A上算出对象A的哈希值与索引，然后把它插入到HashMap中，然后把该HashMap序列化后，在机器B上重新算对象的哈希值与索引，这与机器A上算出的是不一样的，所以我们在机器B上get对象A时，会得到错误的结果。 所以说，当序列化一个HashMap对象时，保存Entry的table是不需要序列化进来的，因为它在另一台机器上是错误的。 因为这个原因，HashMap重写了与 方法 简单来说，在序列化时，针对Entry的key与value分别单独序列化，当反序列化时，再单独处理即可。 总结 在总结完HashMap后，发现这里面一些核心的东西，像哈希表的冲突解决，都是算法课上学到，不过由于“年代久远”，已经忘得差不多了，我觉得忘 一方面是由于时间久不用 另一方面是由于本身没理解好 平时多去思考，这样在遇到一些性能问题时也好排查。 还有一点就是我们在分析某些具体类或方法时，不要花太多时间一些细枝末节的边界条件上，这样很得不偿失，倒不是说这么边界条件不重要，程序的bug往往就是边界条件没考虑周全导致的。 只是说我们可以在理解了这个类或方法的总体思路后，再来分析这些边界条件。 如果一开始就分析，那真是丈二和尚——摸不着头脑了，随着对它工作原理的加深，才有可能理解这些边界条件的场景。 今天到此为止，下次打算分析TreeMap。Stay Tuned！。我已经写完了，两篇文章对比看，效果更好。 原文：//liujiacai.net/blog/2015/09/03/java-hashmap/ |
|
|
