摘要
HashMap是Java程序员使用频率最高的用于映射(键值对)处理的数据类型。随着JDKJava Developmet Kit版本的更新JDK1.8对HashMap底层的实现进行了优化例如引入红黑树的数据结构和扩容的优化等。本文结合JDK1.7和JDK1.8的区别深入探讨HashMap的结构实现和功能原理。
简介
Java为数据结构中的映射定义了一个接口java.util.Map此接口主要有四个常用的实现类分别是HashMap、Hashtable、LinkedHashMap和TreeMap
下面针对各个实现类的特点做一些说明
(1) HashMap它根据键的hashCode值存储数据大多数情况下可以直接定位到它的值因而具有很快的访问速度但遍历顺序却是不确定的。 HashMap最多只允许一条记录的键为null允许多条记录的值为null。HashMap非线程安全即任一时刻可以有多个线程同时写HashMap可能会导致数据的不一致。如果需要满足线程安全可以用 Collections的synchronizedMap方法使HashMap具有线程安全的能力或者使用ConcurrentHashMap。
(2) HashtableHashtable是遗留类很多映射的常用功能与HashMap类似不同的是它承自Dictionary类并且是线程安全的任一时间只有一个线程能写Hashtable并发性不如ConcurrentHashMap因为ConcurrentHashMap引入了分段锁。Hashtable不建议在新代码中使用不需要线程安全的场合可以用HashMap替换需要线程安全的场合可以用ConcurrentHashMap替换。
(3) LinkedHashMapLinkedHashMap是HashMap的一个子类保存了记录的插入顺序在用Iterator遍历LinkedHashMap时先得到的记录肯定是先插入的也可以在构造时带参数按照访问次序排序。
(4) TreeMapTreeMap实现SortedMap接口能够把它保存的记录根据键排序默认是按键值的升序排序也可以指定排序的比较器当用Iterator遍历TreeMap时得到的记录是排过序的。如果使用排序的映射建议使用TreeMap。在使用TreeMap时key必须实现Comparable接口或者在构造TreeMap传入自定义的Comparator否则会在运行时抛出java.lang.ClassCastException类型的异常。
对于上述四种Map类型的类要求映射中的key是不可变对象。不可变对象是该对象在创建后它的哈希值不会被改变。如果对象的哈希值发生变化Map对象很可能就定位不到映射的位置了。
通过上面的比较我们知道了HashMap是Java的Map家族中一个普通成员鉴于它可以满足大多数场景的使用条件所以是使用频度最高的一个。下文我们主要结合源码从存储结构、常用方法分析、扩容以及安全性等方面深入讲解HashMap的工作原理。
内部实现
搞清楚HashMap首先需要知道HashMap是什么即它的存储结构-字段其次弄明白它能干什么即它的功能实现-方法。下面我们针对这两个方面详细展开讲解。
存储结构-字段
从结构实现来讲HashMap是数组+链表+红黑树JDK1.8增加了红黑树部分实现的如下如所示。
这里需要讲明白两个问题数据底层具体存储的是什么这样的存储方式有什么优点呢
(1) 从源码可知HashMap类中有一个非常重要的字段就是 Node[] table即哈希桶数组明显它是一个Node的数组。我们来看Node[JDK1.8]是何物。,v>
static class Node<K,V> implements Map.Entry<K,V> {
final int hash; //用来定位数组索引位置
final K key;
V value;
Node<K,V> next; //链表的下一个node
Node(int hash, K key, V value, Node<K,V> next) { ... }
public final K getKey(){ ... }
public final V getValue() { ... }
public final String toString() { ... }
public final int hashCode() { ... }
public final V setValue(V newValue) { ... }
public final boolean equals(Object o) { ... }
}Node是HashMap的一个内部类实现了Map.Entry接口本质是就是一个映射(键值对)。上图中的每个黑色圆点就是一个Node对象。
(2) HashMap就是使用哈希表来存储的。哈希表为解决冲突可以采用开放地址法和链地址法等来解决问题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。例如程序执行下面代码
map.put("美团","小美");系统将调用"美团"这个key的hashCode()方法得到其hashCode 值该方法适用于每个Java对象然后再通过Hash算法的后两步运算高位运算和取模运算下文有介绍来定位该键值对的存储位置有时两个key会定位到相同的位置表示发生了Hash碰撞。当然Hash算法计算结果越分散均匀Hash碰撞的概率就越小map的存取效率就会越高。
如果哈希桶数组很大即使较差的Hash算法也会比较分散如果哈希桶数组数组很小即使好的Hash算法也会出现较多碰撞所以就需要在空间成本和时间成本之间权衡其实就是在根据实际情况确定哈希桶数组的大小并在此基础上设计好的hash算法减少Hash碰撞。那么通过什么方式来控制map使得Hash碰撞的概率又小哈希桶数组Node[] table占用空间又少呢答案就是好的Hash算法和扩容机制。,v>
在理解Hash和扩容流程之前我们得先了解下HashMap的几个字段。从HashMap的默认构造函数源码可知构造函数就是对下面几个字段进行初始化源码如下
int threshold; // 所能容纳的key-value对极限 final float loadFactor; // 负载因子 int modCount; int size;
首先Node[] table的初始化长度length(默认值是16)Load factor为负载因子(默认值是0.75)threshold是HashMap所能容纳的最大数据量的Node(键值对)个数。threshold = length * Load factor。也就是说在数组定义好长度之后负载因子越大所能容纳的键值对个数越多。,v>
结合负载因子的定义公式可知threshold就是在此Load factor和length(数组长度)对应下允许的最大元素数目超过这个数目就重新resize(扩容)扩容后的HashMap容量是之前容量的两倍。默认的负载因子0.75是对空间和时间效率的一个平衡选择建议大家不要修改除非在时间和空间比较特殊的情况下如果内存空间很多而又对时间效率要求很高可以降低负载因子Load factor的值相反如果内存空间紧张而对时间效率要求不高可以增加负载因子loadFactor的值这个值可以大于1。
size这个字段其实很好理解就是HashMap中实际存在的键值对数量。注意和table的长度length、容纳最大键值对数量threshold的区别。而modCount字段主要用来记录HashMap内部结构发生变化的次数主要用于迭代的快速失败。强调一点内部结构发生变化指的是结构发生变化例如put新键值对但是某个key对应的value值被覆盖不属于结构变化。
在HashMap中哈希桶数组table的长度length大小必须为2的n次方(一定是合数)这是一种非常规的设计常规的设计是把桶的大小设计为素数。相对来说素数导致冲突的概率要小于合数具体证明可以参考http://blog.csdn.net/liuqiyao_01/article/details/14475159Hashtable初始化桶大小为11就是桶大小设计为素数的应用Hashtable扩容后不能保证还是素数。HashMap采用这种非常规设计主要是为了在取模和扩容时做优化同时为了减少冲突HashMap定位哈希桶索引位置时也加入了高位参与运算的过程。
这里存在一个问题即使负载因子和Hash算法设计的再合理也免不了会出现拉链过长的情况一旦出现拉链过长则会严重影响HashMap的性能。于是在JDK1.8版本中对数据结构做了进一步的优化引入了红黑树。而当链表长度太长默认超过8时链表就转换为红黑树利用红黑树快速增删改查的特点提高HashMap的性能其中会用到红黑树的插入、删除、查找等算法。本文不再对红黑树展开讨论想了解更多红黑树数据结构的工作原理可以参考http://blog.csdn.net/v_july_v/article/details/6105630。
功能实现-方法
HashMap的内部功能实现很多本文主要从根据key获取哈希桶数组索引位置、put方法的详细执行、扩容过程三个具有代表性的点深入展开讲解。
1. 确定哈希桶数组索引位置
不管增加、删除、查找键值对定位到哈希桶数组的位置都是很关键的第一步。前面说过HashMap的数据结构是数组和链表的结合所以我们当然希望这个HashMap里面的元素位置尽量分布均匀些尽量使得每个位置上的元素数量只有一个那么当我们用hash算法求得这个位置的时候马上就可以知道对应位置的元素就是我们要的不用遍历链表大大优化了查询的效率。HashMap定位数组索引位置直接决定了hash方法的离散性能。先看看源码的实现(方法一+方法二):
方法一
static final int hash(Object key) { //jdk1.8 & jdk1.7
int h;
// h = key.hashCode() 为第一步 取hashCode值
// h ^ (h >>> 16) 为第二步 高位参与运算
return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}
方法二
static int indexFor(int h, int length) { //jdk1.7的源码jdk1.8没有这个方法但是实现原理一样的
return h & (length-1); //第三步 取模运算
}这里的Hash算法本质上就是三步取key的hashCode值、高位运算、取模运算。
对于任意给定的对象只要它的hashCode()返回值相同那么程序调用方法一所计算得到的Hash码值总是相同的。我们首先想到的就是把hash值对数组长度取模运算这样一来元素的分布相对来说是比较均匀的。但是模运算的消耗还是比较大的在HashMap中是这样做的调用方法二来计算该对象应该保存在table数组的哪个索引处。
这个方法非常巧妙它通过h & (table.length -1)来得到该对象的保存位而HashMap底层数组的长度总是2的n次方这是HashMap在速度上的优化。当length总是2的n次方时h& (length-1)运算等价于对length取模也就是h%length但是&比%具有更高的效率。
在JDK1.8的实现中优化了高位运算的算法通过hashCode()的高16位异或低16位实现的(h = k.hashCode()) ^ (h >>> 16)主要是从速度、功效、质量来考虑的这么做可以在数组table的length比较小的时候也能保证考虑到高低Bit都参与到Hash的计算中同时不会有太大的开销。
下面举例说明下n为table的长度。
2. 分析HashMap的put方法
HashMap的put方法执行过程可以通过下图来理解自己有兴趣可以去对比源码更清楚地研究学习。
①.判断键值对数组table[i]是否为空或为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如果table[i]==null直接新建节点添加转向⑥如果table[i]不为空转向③
③.判断table[i]的首个元素是否和key一样如果相同直接覆盖value否则转向④这里的相同指的是hashCode以及equals
④.判断table[i] 是否为treeNode即table[i] 是否是红黑树如果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]判断链表长度是否大于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即可
⑥.插入成功后判断实际存在的键值对数量size是否超多了最大容量threshold如果超过进行扩容。
JDK1.8HashMap的put方法源码如下:
1 public V put(K key, V value) {
2 // 对key的hashCode()做hash
3 return putVal(hash(key), key, value, false, true);
4 }
5
6 final V putVal(int hash, K key, V value, boolean onlyIfAbsent,
7 boolean evict) {
8 Node<K,V>[] tab; Node<K,V> p; int n, i;
9 // 步骤①tab为空则创建
10 if ((tab = table) == null || (n = tab.length) == 0)
11 n = (tab = resize()).length;
12 // 步骤②计算index并对null做处理
13 if ((p = tab[i = (n - 1) & hash]) == null)
14 tab[i] = newNode(hash, key, value, null);
15 else {
16 Node<K,V> e; K k;
17 // 步骤③节点key存在直接覆盖value
18 if (p.hash == hash &&
19 ((k = p.key) == key || (key != null && key.equals(k))))
20 e = p;
21 // 步骤④判断该链为红黑树
22 else if (p instanceof TreeNode)
23 e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
24 // 步骤⑤该链为链表
25 else {
26 for (int binCount = 0; ; ++binCount) {
27 if ((e = p.next) == null) {
28 p.next = newNode(hash, key,value,null);
//链表长度大于8转换为红黑树进行处理
29 if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st
30 treeifyBin(tab, hash);
31 break;
32 }
// key已经存在直接覆盖value
33 if (e.hash == hash &&
34 ((k = e.key) == key || (key != null && key.equals(k))))
35 break;
36 p = e;
37 }
38 }
39
40 if (e != null) { // existing mapping for key
41 V oldValue = e.value;
42 if (!onlyIfAbsent || oldValue == null)
43 e.value = value;
44 afterNodeAccess(e);
45 return oldValue;
46 }
47 }
48 ++modCount;
49 // 步骤⑥超过最大容量 就扩容
50 if (++size > threshold)
51 resize();
52 afterNodeInsertion(evict);
53 return null;
54 }3. 扩容机制
扩容(resize)就是重新计算容量向HashMap对象里不停的添加元素而HashMap对象内部的数组无法装载更多的元素时对象就需要扩大数组的长度以便能装入更多的元素。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就像我们用一个小桶装水如果想装更多的水就得换大水桶。
我们分析下resize的源码鉴于JDK1.8融入了红黑树较复杂为了便于理解我们仍然使用JDK1.7的代码好理解一些本质上区别不大具体区别后文再说。
1 void resize(int newCapacity) { //传入新的容量
2 Entry[] oldTable = table; //引用扩容前的Entry数组
3 int oldCapacity = oldTable.length;
4 if (oldCapacity == MAXIMUM_CAPACITY) { //扩容前的数组大小如果已经达到最大(2^30)了
5 threshold = Integer.MAX_VALUE; //修改阈值为int的最大值(2^31-1)这样以后就不会扩容了
6 return;
7 }
8
9 Entry[] newTable = new Entry[newCapacity]; //初始化一个新的Entry数组
10 transfer(newTable); //将数据转移到新的Entry数组里
11 table = newTable; //HashMap的table属性引用新的Entry数组
12 threshold = (int)(newCapacity * loadFactor);//修改阈值
13 }这里就是使用一个容量更大的数组来代替已有的容量小的数组transfer()方法将原有Entry数组的元素拷贝到新的Entry数组里。
1 void transfer(Entry[] newTable) {
2 Entry[] src = table; //src引用了旧的Entry数组
3 int newCapacity = newTable.length;
4 for (int j = 0; j < src.length; j++) { //遍历旧的Entry数组
5 Entry<K,V> e = src[j]; //取得旧Entry数组的每个元素
6 if (e != null) {
7 src[j] = null;//释放旧Entry数组的对象引用for循环后旧的Entry数组不再引用任何对象
8 do {
9 Entry<K,V> next = e.next;
10 int i = indexFor(e.hash, newCapacity); //重新计算每个元素在数组中的位置
11 e.next = newTable[i]; //标记[1]
12 newTable[i] = e; //将元素放在数组上
13 e = next; //访问下一个Entry链上的元素
14 } while (e != null);
15 }
16 }
17 }newTable[i]的引用赋给了e.next也就是使用了单链表的头插入方式同一位置上新元素总会被放在链表的头部位置这样先放在一个索引上的元素终会被放到Entry链的尾部(如果发生了hash冲突的话这一点和Jdk1.8有区别下文详解。在旧数组中同一条Entry链上的元素通过重新计算索引位置后有可能被放到了新数组的不同位置上。
下面举个例子说明下扩容过程。假设了我们的hash算法就是简单的用key mod 一下表的大小也就是数组的长度。其中的哈希桶数组table的size=2 所以key = 3、7、5put顺序依次为 5、7、3。在mod 2以后都冲突在table[1]这里了。这里假设负载因子 loadFactor=1即当键值对的实际大小size 大于 table的实际大小时进行扩容。接下来的三个步骤是哈希桶数组 resize成4然后所有的Node重新rehash的过程。下面我们讲解下JDK1.8做了哪些优化。经过观测可以发现我们使用的是2次幂的扩展(指长度扩为原来2倍)所以元素的位置要么是在原位置要么是在原位置再移动2次幂的位置。看下图可以明白这句话的意思n为table的长度图a表示扩容前的key1和key2两种key确定索引位置的示例图b表示扩容后key1和key2两种key确定索引位置的示例其中hash1是key1对应的哈希与高位运算结果。元素在重新计算hash之后因为n变为2倍那么n-1的mask范围在高位多1bit(红色)因此新的index就会发生这样的变化因此我们在扩充HashMap的时候不需要像JDK1.7的实现那样重新计算hash只需要看看原来的hash值新增的那个bit是1还是0就好了是0的话索引没变是1的话索引变成“原索引+oldCap”可以看看下图为16扩充为32的resize示意图
这个设计确实非常的巧妙既省去了重新计算hash值的时间而且同时由于新增的1bit是0还是1可以认为是随机的因此resize的过程均匀的把之前的冲突的节点分散到新的bucket了。这一块就是JDK1.8新增的优化点。有一点注意区别JDK1.7中rehash的时候旧链表迁移新链表的时候如果在新表的数组索引位置相同则链表元素会倒置但是从上图可以看出JDK1.8不会倒置。有兴趣的同学可以研究下JDK1.8的resize源码写的很赞如下:
1 final Node<K,V>[] resize() {
2 Node<K,V>[] oldTab = table;
3 int oldCap = (oldTab == null) ? 0 : oldTab.length;
4 int oldThr = threshold;
5 int newCap, newThr = 0;
6 if (oldCap > 0) {
7 // 超过最大值就不再扩充了就只好随你碰撞去吧
8 if (oldCap >= MAXIMUM_CAPACITY) {
9 threshold = Integer.MAX_VALUE;
10 return oldTab;
11 }
12 // 没超过最大值就扩充为原来的2倍
13 else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&
14 oldCap >= DEFAULT_INITIAL_CAPACITY)
15 newThr = oldThr << 1; // double threshold
16 }
17 else if (oldThr > 0) // initial capacity was placed in threshold
18 newCap = oldThr;
19 else { // zero initial threshold signifies using defaults
20 newCap = DEFAULT_INITIAL_CAPACITY;
21 newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);
22 }
23 // 计算新的resize上限
24 if (newThr == 0) {
25
26 float ft = (float)newCap * loadFactor;
27 newThr = (newCap < MAXIMUM_CAPACITY && ft < (float)MAXIMUM_CAPACITY ?
28 (int)ft : Integer.MAX_VALUE);
29 }
30 threshold = newThr;
31 @SuppressWarnings({"rawtypes""unchecked"})
32 Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap];
33 table = newTab;
34 if (oldTab != null) {
35 // 把每个bucket都移动到新的buckets中
36 for (int j = 0; j < oldCap; ++j) {
37 Node<K,V> e;
38 if ((e = oldTab[j]) != null) {
39 oldTab[j] = null;
40 if (e.next == null)
41 newTab[e.hash & (newCap - 1)] = e;
42 else if (e instanceof TreeNode)
43 ((TreeNode<K,V>)e).split(this, newTab, j, oldCap);
44 else { // 链表优化重hash的代码块
45 Node<K,V> loHead = null, loTail = null;
46 Node<K,V> hiHead = null, hiTail = null;
47 Node<K,V> next;
48 do {
49 next = e.next;
50 // 原索引
51 if ((e.hash & oldCap) == 0) {
52 if (loTail == null)
53 loHead = e;
54 else
55 loTail.next = e;
56 loTail = e;
57 }
58 // 原索引+oldCap
59 else {
60 if (hiTail == null)
61 hiHead = e;
62 else
63 hiTail.next = e;
64 hiTail = e;
65 }
66 } while ((e = next) != null);
67 // 原索引放到bucket里
68 if (loTail != null) {
69 loTail.next = null;
70 newTab[j] = loHead;
71 }
72 // 原索引+oldCap放到bucket里
73 if (hiTail != null) {
74 hiTail.next = null;
75 newTab[j + oldCap] = hiHead;
76 }
77 }
78 }
79 }
80 }
81 return newTab;
82 }线程安全性
在多线程使用场景中应该尽量避免使用线程不安全的HashMap而使用线程安全的ConcurrentHashMap。那么为什么说HashMap是线程不安全的下面举例子说明在并发的多线程使用场景中使用HashMap可能造成死循环。代码例子如下(便于理解仍然使用JDK1.7的环境)
public class HashMapInfiniteLoop {
private static HashMap<Integer,String> map = new HashMap<Integer,String>(20.75f);
public static void main(String[] args) {
map.put(5 "C");
new Thread("Thread1") {
public void run() {
map.put(7, "B");
System.out.println(map);
};
}.start();
new Thread("Thread2") {
public void run() {
map.put(3, "A);
System.out.println(map);
};
}.start();
}
}其中map初始化为一个长度为2的数组loadFactor=0.75threshold=2*0.75=1也就是说当put第二个key的时候map就需要进行resize。
通过设置断点让线程1和线程2同时debug到transfer方法(3.3小节代码块)的首行。注意此时两个线程已经成功添加数据。放开thread1的断点至transfer方法的“Entry next = e.next;” 这一行然后放开线程2的的断点让线程2进行resize。结果如下图。注意Thread1的 e 指向了key(3)而next指向了key(7)其在线程二rehash后指向了线程二重组后的链表。
线程一被调度回来执行先是执行 newTalbe[i] = e 然后是e = next导致了e指向了key(7)而下一次循环的next = e.next导致了next指向了key(3)。
e.next = newTable[i] 导致 key(3).next 指向了 key(7)。注意此时的key(7).next 已经指向了key(3) 环形链表就这样出现了。
于是当我们用线程一调用map.get(11)时悲剧就出现了——Infinite Loop。
JDK1.8与JDK1.7的性能对比
HashMap中如果key经过hash算法得出的数组索引位置全部不相同即Hash算法非常好那样的话getKey方法的时间复杂度就是O(1)如果Hash算法技术的结果碰撞非常多假如Hash算极其差所有的Hash算法结果得出的索引位置一样那样所有的键值对都集中到一个桶中或者在一个链表中或者在一个红黑树中时间复杂度分别为O(n)和O(lgn)。 鉴于JDK1.8做了多方面的优化总体性能优于JDK1.7下面我们从两个方面用例子证明这一点。
Hash较均匀的情况
为了便于测试我们先写一个类Key如下
class Key implements Comparable<Key> {
private final int value;
Key(int value) {
this.value = value;
}
@Override
public int compareTo(Key o) {
return Integer.compare(this.value, o.value);
}
@Override
public boolean equals(Object o) {
if (this == o) return true;
if (o == null || getClass() != o.getClass())
return false;
Key key = (Key) o;
return value == key.value;
}
@Override
public int hashCode() {
return value;
}
}这个类复写了equals方法并且提供了相当好的hashCode函数任何一个值的hashCode都不会相同因为直接使用value当做hashcode。为了避免频繁的GC我将不变的Key实例缓存了起来而不是一遍一遍的创建它们。代码如下
public class Keys {
public static final int MAX_KEY = 10_000_000;
private static final Key[] KEYS_CACHE = new Key[MAX_KEY];
static {
for (int i = 0; i < MAX_KEY; ++i) {
KEYS_CACHE[i] = new Key(i);
}
}
public static Key of(int value) {
return KEYS_CACHE[value];
}
}现在开始我们的试验测试需要做的仅仅是创建不同size的HashMap1、10、100、......10000000屏蔽了扩容的情况代码如下
static void test(int mapSize) {
HashMap<Key, Integer> map = new HashMap<Key,Integer>(mapSize);
for (int i = 0; i < mapSize; ++i) {
map.put(Keys.of(i), i);
}
long beginTime = System.nanoTime(); //获取纳秒
for (int i = 0; i < mapSize; i++) {
map.get(Keys.of(i));
}
long endTime = System.nanoTime();
System.out.println(endTime - beginTime);
}
public static void main(String[] args) {
for(int i=10;i<= 1000 0000;i*= 10){
test(i);
}
}在测试中会查找不同的值然后度量花费的时间为了计算getKey的平均时间我们遍历所有的get方法计算总的时间除以key的数量计算一个平均值主要用来比较绝对值可能会受很多环境因素的影响。结果如下
通过观测测试结果可知JDK1.8的性能要高于JDK1.7 15%以上在某些size的区域上甚至高于100%。由于Hash算法较均匀JDK1.8引入的红黑树效果不明显下面我们看看Hash不均匀的的情况。
Hash极不均匀的情况
假设我们又一个非常差的Key它们所有的实例都返回相同的hashCode值。这是使用HashMap最坏的情况。代码修改如下
class Key implements Comparable<Key> {
//...
@Override
public int hashCode() {
return 1;
}
}仍然执行main方法得出的结果如下表所示从表中结果中可知随着size的变大JDK1.7的花费时间是增长的趋势而JDK1.8是明显的降低趋势并且呈现对数增长稳定。当一个链表太长的时候HashMap会动态的将它替换成一个红黑树这话的话会将时间复杂度从O(n)降为O(logn)。hash算法均匀和不均匀所花费的时间明显也不相同这两种情况的相对比较可以说明一个好的hash算法的重要性。
测试环境处理器为2.2 GHz Intel Core i7内存为16 GB 1600 MHz DDR3SSD硬盘使用默认的JVM参数运行在64位的OS X 10.10.1上。
小结
(1) 扩容是一个特别耗性能的操作所以当程序员在使用HashMap的时候估算map的大小初始化的时候给一个大致的数值避免map进行频繁的扩容。
(2) 负载因子是可以修改的也可以大于1但是建议不要轻易修改除非情况非常特殊。
(3) HashMap是线程不安全的不要在并发的环境中同时操作HashMap建议使用ConcurrentHashMap。
(4) JDK1.8引入红黑树大程度优化了HashMap的性能。
(5) 还没升级JDK1.8的现在开始升级吧。HashMap的性能提升仅仅是JDK1.8的冰山一角。
共同學習，寫下你的評論
評論加載中...
作者其他優質文章
