HashMap7浅析

Posted 2020-11-23 eric-fang

一、概述

　　HashMap，基于哈希结构的Map接口的一个实现，无序，允许null键值对，线程不安全的。可以使用集合工具类Collections中的synchronizedMap方法，去创建一个线程安全的集合map。

　　在jdk1.7中，HashMap主要是基于 数组+链表 的结构实现的。链表的存在主要是解决 hash 冲突而存在的。插入数据的时候，计算key的hash值，取得存储的数组下标，如果冲突已有元素，则会在冲突地址上生成个链表，再通过key的比较，链表是否已存在，存在则覆盖，不存在则链表上添加。这种方式，如果存在大量冲突的时候，会导致链表过长，那么直接导致的就是牺牲了查询和添加的效率。所以在jdk1.8版本之后，使用的就是 数组 + 链表 + 红黑树，当链表长度超过 8（实际加上初始的节点，整个有效长度是 9） 的时候，转为红黑树存储。

　　本文中内容，主要基于jdk1.7版本，单线程环境下使用的HahsMap没有啥问题，但是当在多线程下使用的时候，则可能会出现并发异常，具体表象是CPU会直线上升100%。下面是主要介绍相关的存取以及为什么会出现线程安全性问题。

二、结构

　　

　　HashMap默认初始化size=16的哈希数组，然后通过计算待存储的key的hash值，去计算得到哈希数组的下标值，然后放入链表中（新增节点或更新）。链表的存在即是解决hash冲突的。

三、源码实现分析

　　1、存储具体数据的table数组：

　　　　　　

　　　　Entry为HashMap中的静态内部类，其具体结构如下图

　　　　　　

　　　　key、value属性就是存储键值对的，next则是指向链表的下一个元素节点。

     2、 默认初始化方法：

　　　　

　　  默认构造方法，不对table进行初始化new（真正初始化动作放在put中，后面会看到），只是设置参数的默认值，hashmap长度和table长度初始化成DEFAULT_INITIAL_CAPACITY（16），加载因子loadFactor默认DEFAULT_LOAD_FACTOR（0.75f，至于为什么是0.75，这个可以参见 https://stackoverflow.com/questions/10901752/what-is-the-significance-of-load-factor-in-hashmap）。

　　  加载因子：默认情况下，16*0.75=12，也就是在存储第13个元素的时候，就会进行扩容（jdk1.7的threshold真正计算放在第一次初始化中，后面会再提及）。此元素的设置，直接影响到的是key的hash冲突问题。

　　3、put方法

 public V put(K key, V value) {
　　　   if (table == EMPTY_TABLE) {
            inflateTable(threshold);
        }
        if (key == null)
            return putForNullKey(value);
        int hash = hash(key);
        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;
    }

　　3.1、EMPTY_TABLE是HashMap中的一个静态的空的Entry数组，table也是HashMap的一个属性，默认就是EMPTY_TABLE（这两句可参见上面源码），table就是我们真正数据存储使用的。
　　3.2、前面提及，无参构造的时候，并未真正完成对HashMap的初始化new操作，而仅仅只是设置几个常量，所以在第一次put数据的时候，table是空的。则会进入下面的初始化table方法中。

if (table == EMPTY_TABLE) {
    inflateTable(threshold);
}

private void inflateTable(int toSize) {
    // Find a power of 2 >= toSize
    int capacity = roundUpToPowerOf2(toSize);

    threshold = (int) Math.min(capacity * loadFactor, MAXIMUM_CAPACITY + 1); //计算加载因子，默认情况下结果为12
    table = new Entry[capacity];  //真正的初始化table数组
    initHashSeedAsNeeded(capacity);
}

　　3.3、key的null判断

if (key == null)
    return putForNullKey(value);

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;
}

void addEntry(int hash, K key, V value, int bucketIndex) {
    if ((size >= threshold) && (null != table[bucketIndex])) {
        resize(2 * table.length);
        hash = (null != key) ? hash(key) : 0;
        bucketIndex = indexFor(hash, table.length);
    }

    createEntry(hash, key, value, bucketIndex);
}

void createEntry(int hash, K key, V value, int bucketIndex) {
    Entry<K,V> e = table[bucketIndex];
    table[bucketIndex] = new Entry<>(hash, key, value, e);
    size++;
}

　　具体步骤解析：

　　　　1、key为null，取出table[0]的链表结构Enrty，如果取出的元素不为null，则对其进行循环遍历，查找其中是否存在key为null的节点元素。

　　  　  2、如果存在key == null的节点，则使用新的value去更新节点的oldValue，并且将oldValue返回。

　　　　3、如果不存在key == null的元素，则执行新增元素addEntry方法：

　　　　　　（1）判断是否需要扩容，size为当前数组table中，已存放的Entry链表个数，更直接点说，就是map.size()方法的返回值。threshold上面的真正初始化HashMap的时候已经提到，默认情况下，计算得到 threshold=12。若同时满足　 (size >= threshold) && (null != table[bucketIndex]) ，则对map进行2倍的扩容，然后对key进行重新计算hash值和新的数组下标。

　　　　　　（2）创建新的节点原色createEntry方法，首先获取table数组中下标为bucketIndex的链表的表头元素，然后新建个Entry作为新的表头，并且新表头其中的next指向老的表头数据。

　　3.4、key不为null的存储　　
　　　　原理以及过程上通key==null的大体相同，只不过，key==null的时候，固定是获取table[0]的链表进行操作，而在不为key ！= null的时候，下标位置是通过
  int hash = hash(key); int i = indexFor(hash, table.length); 计算得到的

  static int indexFor(int h, int length) {
        // assert Integer.bitCount(length) == 1 : "length must be a non-zero power of 2";
        return h & (length-1);
    }

　　很清晰的就能看明白，先计算key的hash，然后与当前table的长度进行相与，这样计算得到待存放数据的下标。得到下标后，过程就与key==null一致了，遍历是否存在，存在则更新并返回oldVlaue，不存在则新建Entry。

　　4、get方法

 public V get(Object key) {
        if (key == null)
            return getForNullKey();
        Entry<K,V> entry = getEntry(key);

        return null == entry ? null : entry.getValue();
    }

    如果key == null，则调用getForNullKey方法，遍历table[0]处的链表。

private V getForNullKey() {
        if (size == 0) {
            return null;
        }
        for (Entry<K,V> e = table[0]; e != null; e = e.next) {
            if (e.key == null)
                return e.value;
        }
        return null;
    }

　　如果key ！= null，则调用getEntry，根据key计算得到在table数组中的下标，获取链表Entry，然后遍历查找元素，key相等，则返回该节点元素。

 final Entry<K,V> getEntry(Object key) {
        if (size == 0) {
            return null;
        }

        int hash = (key == null) ? 0 : hash(key);
        for (Entry<K,V> e = table[indexFor(hash, table.length)];
             e != null;
             e = e.next) {
            Object k;
            if (e.hash == hash &&
                ((k = e.key) == key || (key != null && key.equals(k))))
                return e;
        }
        return null;
    }

四、线程不安全分析

　　上述，主要浅析了下HashMap的存取过程，HashMap的线程安全性问题主要也就是在上述的扩容resize方法上，下面来看看在高并发下，扩容后，是如何引起100%问题的。

　　1、在进行新元素 put 的时候，这在上面中的3.3的代码片段中可以查看，addEntry 添加新节点的时候，会计算是否需要扩容处理：(size >= threshold) && (null != table[bucketIndex]) 。

　　2、如果扩容的话，会接下来调用 resize 方法

 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];
        //关键性代码，构建新hashmap并将老的数据移动过来
        transfer(newTable, initHashSeedAsNeeded(newCapacity));
        table = newTable;
        threshold = (int)Math.min(newCapacity * loadFactor, MAXIMUM_CAPACITY + 1);
    }

　　3、其中，出现100%问题的关键就是上面的 transfer 方法，新建hashmap移动复制老数据

 1  void transfer(Entry[] newTable, boolean rehash) {
 2         int newCapacity = newTable.length;
 3         for (Entry<K,V> e : table) {
 4             // 遍历老的HashMap，当遇到不为空的节点的是，进入移动方法
 5             while(null != e) {
 6                 // 首先创建个Entry节点 指向该节点所在链表的下一个节点数据
 7                 Entry<K,V> next = e.next;
 8                 if (rehash) {
 9                     e.hash = null == e.key ? 0 : hash(e.key);
10                 }
11 　　　           // 计算老的数据在新Hashmap中的下标位置
12                 int i = indexFor(e.hash, newCapacity);
13 　　　　　        // 将新HashMap中相应位置的元素，挂载到老数据的后面（不管有无数据）
14                 e.next = newTable[i];
15                 // 将新HashMap中相应位置指向上面已经成功挂载新数据的老数据
16 　　　　　        newTable[i] = e;
17 　　　　　        // 移动到链表节点中的下一个数据，继续复制节点
18                 e = next;
19             }
20         }
21     }    

　　问题的关键就在上述的14、15行上，这两行的动作，在高并发下可能就会造成循环链表，循环链表在等待下一个尝试 get 获取数据的时候，就悲剧了。下面举例模拟说说这个过程：

　　（1）假设目前某个位置的链表存储结构为 A -> B -> C，有两个线程同时进行扩容操作

　　（2）线程1执行到第7行 Entry<K,V> next = e.next; 的时候被挂起了，此时，线程1的 e 指向 A ， next 指向的是 B

　　（3）线程2执行完成了整个的扩容过程，那么此时的链表结构应该是变为了 C -> B -> A

　　（4）线程1唤醒继续执行，而需要操作的链表实际就变成了了上述线程2完成后的 C ->B -> A，下面分为几步去完成整个操作：

　　　　　 第一次循环：

　　　　　　　　（i）执行 e.next = newTable[i] ，将 A 的 next 指向线程1的新的HashMap，由于此时无数据，所以 e.next = null

　　　　　　　　（ii）执行 newTable[i] = e，将线程1的新的HashMap的第一个元素指向 A 

　　　　　　　　（iii）执行e = next，移动到链表中的下一个元素，也就是上面的（2）中的 线程挂起的时候的 B

　　　　　 第二次循环：

　　　　　　　　（i）执行 Entry<K,V> next = e.next，此时的 e 指向 B，next指向 A

　　　　　　　　（ii）执行 e.next = newTable[i] ，将 B 的 next 指向线程1的新的HashMap，由于此时有数据A，所以 e.next = A

　　　　　　　　（iii）执行 newTable[i] = e，将线程1的新的HashMap的第一个元素指向 B，此时线程1的新Hashmap链表结构为B -> A

　　　　　　　　（iiii）执行e = next，移动到链表中的下一个元素 A

　　　　　 第三次循环：

　　　　　　　　（i）执行 Entry<K,V> next = e.next，此时的 e 指向 A，next指向 null

　　　　　　　　（ii）执行 e.next = newTable[i] ，将 A 的 next 指向线程1的新的HashMap，由于此时有数据B，所以 e.next = B

　　　　　　　　（iii）执行 newTable[i] = e，将线程1的新的HashMap的第一个元素指向 A ，此时线程1的新Hashmap链表结构为 A -> B -> A

　　　　　　　　（iiii）执行e = next，移动到链表中的下一个元素，已移动到链表结尾，结束 while 循环，完成链表的转移。

　　（5）上述过程中，很显然的，最终的链表结构中，出现了 A -> B -> A 的循环结构。扩容完成了，剩下的等待的是get获取的时候， getEntry 方法中 for循环e = e.next中就永远出不来了。

　　注意：扩容过程中，newTable是每个扩容线程独有的，共享的只是每个Entry节点数据，最终的扩容是会调用 table = newTable 赋值操作完成。