理解Java中HashMap的工作原理

摘要：中的使用散列来高效的查找和存储值。理解中的方法是顶层对象中的方法因此中所有的对象都会带有方法。中给出了覆盖方法的最佳实践把某个非零的常数值比如保存在一个名为的类型中。

Java中的HashMap使用散列来高效的查找和存储值。HashMap内部使用Map.Entry的形式来保存key和value,使用put(key,value)方法存储值,使用get(key)方法查找值。

Java中的hashCode()方法,是顶层对象Object中的方法,因此Java中所有的对象都会带有hashCode()方法。
在各种最佳实践中,都会建议在编写自己的类的时候要同时覆盖hashCode()和equals()方法,但是在使用散列的数据结构时(HashMap,HashSet,LinkedHashSet,LinkedHashMap),
如果不为键覆盖hashCode()和equals()方法,将无法正确的处理该键。

hashCode()方法返回一个int值,这个int值就是用这个对象的hashCode()方法产生的hash值。

在散列表中查找一个值的过程为,先通过键的hashCode()方法计算hash值,然后使用hash值产生下标并使用下标查找数组,这里为什么要用数组呢,因为数组是存储一组元素最快的数据结构,因此使用数组来表示键的信息。

由于数组的容量(也就是表中的桶位数)是固定的,所以不同的键可以产生相同的下标,也就是说,可能会有冲突,因此数组多大就不重要了,任何键总能在数组中找到它的位置。

数组并不直接保存值,因为不同的键可能产生相同的数组下标,数组保存的是LinkedList,因此,散列表的存储结构外层是一个数组,容量固定,数组的每一项都是保存着Entry Object(同时保存key和value)的LinkedList。

由于下标的冲突,不同的键可能会产生相同的bucket location,在使用put(key,value)时,如果两个键产生了相同的bucket location,由于LinkedList的长度是可变的,所以会在该LinkedList中再增加一项Entry Object,其中保存着key和value。

键使用hashCode()方法产生hash值后,利用hash值产生数组的下标,找到值在散列表中的桶位(bucket),也就是在哪一个LinkedList中,如果该桶位只有一个的Object,则返回该Value,如果该桶位有多个Object,那么再对该LinkedList中的Entry Object的键使用equals()方法进行线性的查询,最后找到该键的值并返回。

最后对LinkedList进行线性查询的部分会比较慢,但是,如果散列函数好的话,数组的每个位置就只有较少的值,因此不是查询整个LinkedList,而是快速地跳到数组的某个位置,只对很少的元素进行比较,这就是HashMap会如此快的原因。

在知道了散列的原理后我们可以自己实现一个简单的HashMap(例子来源于《Java编程思想(第四版)》)

public class SimpleHashMap extends AbstractMap {
    //内部数组的容量
    static final int SIZE = 997;

    //buckets数组,内部是一个链表,链表的每一项是Map.Entry形式,保存着HashMap的值
    @SuppressWarnings("unchecked")
    LinkedList>[] buckets = new LinkedList[SIZE];

    public V put(K key, V value) {
        V oldValue = null;
        //使用hashCode()方法产生hash值,使用hash值与数组容量取余获得数组的下标
        int index = Math.abs(key.hashCode()) % SIZE;
        //如果该桶位为null,则插入一个链表
        if (buckets[index] == null) {
            buckets[index] = new LinkedList<>();
        }
        //获得bucket
        LinkedList> bucket = buckets[index];
               
        MapEntry pair = new MapEntry<>(key, value);
        boolean found = false;
        
        ListIterator> it = bucket.listIterator();
        while (it.hasNext()) {
            MapEntry iPair = it.next();
            //对键使用equals()方法线性查询value
            if (iPair.getKey().equals(key)) {
                oldValue = iPair.getValue();
                //找到了键以后更改键原来的value
                it.set(pair);
                found = true;
                break;
            }
        }
        //如果没找到键,在bucket中增加一个Entry
        if (!found) {
            buckets[index].add(pair);
        }
        return oldValue;
    }
    
    //get()与put()的工作方式类似
    @Override
    public V get(Object key) {
        //使用hashCode()方法产生hash值,使用hash值与数组容量取余获得数组的下标
        int index = Math.abs(key.hashCode()) % SIZE;
        if (buckets[index] == null) {
            return null;
        }
        //使用equals()方法线性查找键
        for (MapEntry iPair : buckets[index]) {
            if (iPair.getKey().equals(key)) {
                return iPair.getValue();
            }
        }
        return null;
    }

    @Override
    public Set> entrySet() {
        Set> set = new HashSet<>();
        for (LinkedList> bucket : buckets) {
            if (bucket == null) {
                continue;
            }
            for (MapEntry mpair : bucket) {
                set.add(mpair);
            }
        }
        return set;
    }

    public static void main(String[] args) {
        SimpleHashMap m = new SimpleHashMap<>();
        m.putAll(Countries.capitals(25));
        System.out.println(m);
        System.out.println(m.get("ERITREA"));
        System.out.println(m.entrySet());
    }
}

如果hashCode()产生的hash值能够让HashMap中的元素均匀分布在数组中,可以提高HashMap的运行效率。
一个良好的hashCode()方法首先是能快速地生成hash值,然后生成的hash值能使HashMap中的元素在数组中尽量均匀的分布,
hash值不一定是唯一的,因为容量是固定的,总会有下标冲突的情况产生。

《Effective Java》中给出了覆盖hashCode()方法的最佳实践:

把某个非零的常数值,比如17,保存在一个名为result的int类型中。

对于对象中的每个关键域f(指equals()方法中涉及的域),完成以下步骤:

为该域计算int类型的散列码c,根据域的类型的不同,又可以分为以下几种情况:

如果该域是boolean类型,则计算(f?1:0)

如果该域是String类型,则使用该域的hashCode()方法

如果该域是byte、char、short或int类型,则计算(int)f

如果该域是long类型,则计算(int)(f^>>>32)

如果该域是float类型,则计算Float.floatToIntBits(f)

如果该域是double类型,则计算Double.doubleToLongBits(f)返回一个long类型的值,再根据long类型的域,生成int类型的散列码

如果该域是一个对象引用,并且该类的equals()方法通过递归调用equals方式来比较这个域,则同样为这个域递归地调用hashCode()

如果该域是一个数组,则要把每一个元素当作多带带的域来处理,也就是说递归地应用上述原则

按照公式:result = 31 * result + c,返回result。

写一个简单的类并用上述的规则来覆盖hashCode()方法

public class SimpleHashCode {
    private static long counter = 0;
    private final long id = counter++;
    private String name;
    
    @Override
    public int hashCode(){
        int result = 17;
        if (name != null){
            result = 31 * result + name.hashCode(); 
        }
        result = result * 31 + (int) id;
        return result;
    }
    
    @Override
    public boolean equals(Object o){
        return o instanceof SimpleHashCode && id == ((SimpleHashCode)o).id;
    }
}