HashTable的故事----Jdk源码解读

Posted 2020-09-28 算死草

HashTable的故事

很早之前，在讲HashMap的时候，我们就说过hash是散列，把...弄碎的意思。hashtable中的hash也是这个意思，而table呢，是指数据表格，也就是说hashtable的本意是指，一份被数据被打散，分散在各处的数据表格。

HashTable，作为jdk中，极早提供的容器类（jdk1.0），同时是支持数据并发的类，其在项目中的使用却并不是很广泛。在我所经历的项目中，开发人员往往喜欢使用hashMap然后再通过锁，创造出线程安全的环境。即使是后来推出concurrentHashMap，其使用的地方也并没有特别广泛。究其原因，我觉得是由于开发人员对于其他hash容器并不熟悉。更愿意使用已有的较为熟悉的hash容器，即使他们在此处的应用比较费事。

好了，废话不多说，我们直接开始进入正题吧：

hashTable继承自dic类，同时实现了map接口和Cloneable、Serializable两个接口，代表该类是可复制、序列化的类。

public class Hashtable<K,V>
    extends Dictionary<K,V>
    implements Map<K,V>, Cloneable, java.io.Serializable

ps：dic类和map类较为相似，是一个抽象的hash映射类，包含了一些简单的空方法和接口。

private transient Entry<?,?>[] table;

瞬时数组变量，它就是hashtable中，最核心的数据存储区域。

 

    /**
     * The total number of entries in the hash table.
     */
    private transient int count;

数组长度，不知道大家发现没有，jdk非常喜欢用一个独立变量来表示容器中数据的大小，而不是每次返回核心数据的size或length。

 

阈值，这个之前专门强调过，这里简单说下，他是容积和负载因子的乘积，表示的含义是当前容器中，能表现出较好性能的数据量上限。超过这个上限时，容器的性能将会有比较大的下降。注意容积和阈值是有区别的。

threshold  [\'θrɛʃhold]  n. 入口；门槛；开始；极限；临界值 

   private int threshold;

负载因子，是用来设定当前容器中，元素的填充率的。

你可以理解成容器是一个城市，这个城市中最佳入住率的一个上限是负载因子。这个城市的入住用户最佳的数目，就是他的阈值。

    /**
     * The load factor for the hashtable.
     *
     * @serial
     */
    private float loadFactor;

接下来是modCount ，这个变量的意义是，记录hashtable中，被修改的次数（包括增、删、改）三个操作的。而其用途呢，是未来被用作判定快速失败时（fail-fast）的依据数据。关于快速失败，这个我会在下边讲到。大家这里只要知道modCount这个变量的表示的含义是什么就可以。

    private transient int modCount = 0;

然后是版本序列号

    private static final long serialVersionUID = 1421746759512286392L;

接着是构造函数，参数分别为初始容积和负载因子。

函数内会首先判断初始容积和负载因子是否为正数。

接着如果初始容积为0，则赋予默认值1.也就是说，真实的容积至少都要为1。

接着对table赋予初始值，一个长度为初始容积大小的Entry数组。(防盗连接：本文首发自http://www.cnblogs.com/jilodream/ )接着计算

阈值=（初始容积和负载因子的乘积），（当前系统中最大的数组长度+1），二者的最小值。

也就是说阈值不能超过数组的最大长度+1。这里注意一个isNaN()方法,是个很有意思的方法，研究该方法的源码后，你会觉得很有意思。这个我会在以后的文章中讲到。

public Hashtable(int initialCapacity, float loadFactor) {
        if (initialCapacity < 0)
            throw new IllegalArgumentException("Illegal Capacity: "+
                                               initialCapacity);
        if (loadFactor <= 0 || Float.isNaN(loadFactor))
            throw new IllegalArgumentException("Illegal Load: "+loadFactor);

        if (initialCapacity==0)
            initialCapacity = 1;
        this.loadFactor = loadFactor;
        table = new Entry<?,?>[initialCapacity];
        threshold = (int)Math.min(initialCapacity * loadFactor, MAX_ARRAY_SIZE + 1);
    }

只要初始容积的构造函数，负载因子默认为0.75

    public Hashtable(int initialCapacity) {
        this(initialCapacity, 0.75f);
    }

无参的构造函数，初始容积使用为11，负载因子为0.75

    public Hashtable() {
        this(11, 0.75f);
    }

不知道大家发现没，尽管提供了一个可能的，但是jdk的源码往往系统提供多个，应用于不同场景的接口，这些接口往往其实只是对自身其他接口的一个适配。但是对于调用者来说，这样却很舒服。

 

接着是最后一个构造函数，参数为一个map，map的k，v分别继承自hashTable中的K,V.

函数首先调用一遍通用的构造函数，负载因子为0.75。初始容积为map长度的两倍以及默认的11，二者的较大值。也就是说对于初始容积来说，最小都要取到11。

接着调用putAll方法，将map中的数据添加到HashTable中。

    public Hashtable(Map<? extends K, ? extends V> t) {
        this(Math.max(2*t.size(), 11), 0.75f);
        putAll(t);
    }

size()方法，方法采用同步机制，返回count变量。由于容器中并不是所有的元素都占满了数据，所以直接用变量返回值的速度和效率会更高点。同时由于count会随时变动，这里采用同步方法的形式进行线程保护。

    public synchronized int size() {
        return count;
    }

isEmpyt，判断当前数组是否为空，与size()方法一致。

    public synchronized boolean isEmpty() {
        return count == 0;
    }

keys，elements方法，分别返回返回hashTable中所有的key和value的枚举集合。

这里KEYS，VALUES为静态int常量。getEnumeration在下文中会提到。另外与前边的方法相同，这里也是对整个方法进行同步加锁。

    public synchronized Enumeration<K> keys() {
        return this.<K>getEnumeration(KEYS);
    }

    public synchronized Enumeration<V> elements() {
        return this.<V>getEnumeration(VALUES);
    }

 接着是contains方法，方法意义不再赘述。

实现逻辑，首先判断value是否为null，如果为null则直接抛出空引用。

接着将table变量赋值给tab临时变量。然后循环tab，依次取出tab中的entry，以及entry的后继元素。(防盗连接：本文首发自http://www.cnblogs.com/jilodream/ )如果元素的value equals()判断等于参数value，则直接返回true。整个方法结束后，为发现，则会返回false。同时方法本身也是加同步锁进行线程安全保护。

    public synchronized boolean contains(Object value) {
        if (value == null) {
            throw new NullPointerException();
        }

        Entry<?,?> tab[] = table;
        for (int i = tab.length ; i-- > 0 ;) {
            for (Entry<?,?> e = tab[i] ; e != null ; e = e.next) {
                if (e.value.equals(value)) {
                    return true;
                }
            }
        }
        return false;
    }

接着是实现map接口的抽象方法，只是对contains方法进行了一层封装。

    public boolean containsValue(Object value) {
        return contains(value);
    }

接着是线程同步方法：containsKey，方法含义不赘述，逻辑如下：

设定临时变量并赋值table。取出key的hashCode。注意这里并没有判定key是否为null。

而前文中的value则是判定的。这是由于value是作为equals方法的参数的。即使是null也无法被发现，但是判定一个映射的value为null表示的真的为null还是没有映射到，这很歧义，所以干脆直接抛出异常。回到正文，根据hashCode计算出其在table数组中的索引。其实就是取低8位数字然后除以数组length取余数。(防盗连接：本文首发自http://www.cnblogs.com/jilodream/ )

接着依次循环table该索引的后继元素，判定是否equals()相等。如果有则返回true。如果始终没有找到，则返回false。

    public synchronized boolean containsKey(Object key) {
        Entry<?,?> tab[] = table;
        int hash = key.hashCode();
        int index = (hash & 0x7FFFFFFF) % tab.length;
        for (Entry<?,?> e = tab[index] ; e != null ; e = e.next) {
            if ((e.hash == hash) && e.key.equals(key)) {
                return true;
            }
        }
        return false;
    }

get()方法，与containsKey方法的逻辑是一致的。不同点是，在返回结果是，如果确实存在该key，则返回对应的value，否则返回null。

    public synchronized V get(Object key) {
        Entry<?,?> tab[] = table;
        int hash = key.hashCode();
        int index = (hash & 0x7FFFFFFF) % tab.length;
        for (Entry<?,?> e = tab[index] ; e != null ; e = e.next) {
            if ((e.hash == hash) && e.key.equals(key)) {
                return (V)e.value;
            }
        }
        return null;
    }

接着是前文提到的数组最大数字常亮。这里注意看参数的注释。部分虚拟机是设定数组的长度限制的。如果超出，可能会导致OOM异常

    private static final int MAX_ARRAY_SIZE = Integer.MAX_VALUE - 8;

接着是rehash方法。这个方法是一个受保护方法。会在接下来的，hashtable添加元素的场景中被调用。他的作用呢，就是重新申请一块大小合适的内存。然后将键值元素重新安置到这块元素中。

那么就需要两个步骤。

1、计算新内存的大小。

2、计算元素在新table中的位置。

    先看代码：

 1     protected void rehash() {
 2         int oldCapacity = table.length;
 3         Entry<?,?>[] oldMap = table;
 4 
 5         // overflow-conscious code
 6         int newCapacity = (oldCapacity << 1) + 1;
 7         if (newCapacity - MAX_ARRAY_SIZE > 0) {
 8             if (oldCapacity == MAX_ARRAY_SIZE)
 9                 // Keep running with MAX_ARRAY_SIZE buckets
10                 return;
11             newCapacity = MAX_ARRAY_SIZE;
12         }
13         Entry<?,?>[] newMap = new Entry<?,?>[newCapacity];
14 
15         modCount++;
16         threshold = (int)Math.min(newCapacity * loadFactor, MAX_ARRAY_SIZE + 1);
17         table = newMap;
18 
19         for (int i = oldCapacity ; i-- > 0 ;) {
20             for (Entry<K,V> old = (Entry<K,V>)oldMap[i] ; old != null ; ) {
21                 Entry<K,V> e = old;
22                 old = old.next;
23 
24                 int index = (e.hash & 0x7FFFFFFF) % newCapacity;
25                 e.next = (Entry<K,V>)newMap[index];
26                 newMap[index] = e;
27             }
28         }
29     }

代码中会首先获取旧table的长度oldCapacity 。然后oldCapacity 乘以2再加1.算出新table的长度newCapacity 。

接着判断newCapacity 是否超出了hashtable所能设定的最大值：MAX_ARRAY_SIZE。如果超出，则判断oldCapacity 是否已经等于最大值。如果已经等于，则认定，当前hashtable的长度已经到达所允许的上限。无法再继续扩容。则直接返回。

否则将MAX_ARRAY_SIZE赋值给newCapacity 。作为新的长度。也就是说rehash在大小允许的情况下，一般会翻倍扩容。但是如果翻倍后长度超出上限，则以上限大小作为扩容后新的大小。

接着以newCapacity 作为长度，new出一个Entry数组，作为新的table元素存放容器。

modCount自加1。

接着计算阈值：newCapacity 乘以负载因子和MAX_ARRAY_SIZE+1 取较小值。注意这里负载因子是可以大于1的。因此newCapacity 乘以负载因子，式可以大于MAX_ARRAY_SIZE的。

接着就是计算旧有table中的键值元素在新table中的位置了：这里使用的是双层循环，外层依次遍历Entry主数组上的元素。如果entry[i]不等于null值，则将该元素及其后继元素依次计算出新的位置，然后插入到主数组上的对应位置。同时将主数组中原来位置的元素。作为新放置元素的后继。也就是每个新元素，插在每个对应位置的链表最前侧。至于为什么不放在这个对应链表的最后位置。其实很简单，因为这是一个链式存储结构，需要依次遍历每个元素，才能找到队尾的元素。

接着是添加元素的私有方法addEntry。(防盗连接：本文首发自http://www.cnblogs.com/jilodream/ )

首先是modCount自加1.

接着如果当前table的数量已经超过了阈值，那么就进行一次rehash，接着根据key的hashCode计算出当前键值对的输入索引。接着取出table对应索引位置的元素一同做出一个新的Entry元素放在这个对应索引的位置上。（这里要注意后续的entry 的构造方法）同时count数目自加1。这里需要注意的是，当前数目如果已经超过阈值，前边讲到的rehash是不一定会重新做出新数组的（length超过了MAX_ARRAY_SIZE的限制时）很多人在理解这里的时候，就认定只要count超过阈值就一定会重新分配table内存的地址，这个理解是存在问题的。

 1     private void addEntry(int hash, K key, V value, int index) {
 2         modCount++;
 3 
 4         Entry<?,?> tab[] = table;
 5         if (count >= threshold) {
 6             // Rehash the table if the threshold is exceeded
 7             rehash();
 8 
 9             tab = table;
10             hash = key.hashCode();
11             index = (hash & 0x7FFFFFFF) % tab.length;
12         }
13 
14         // Creates the new entry.
15         @SuppressWarnings("unchecked")
16         Entry<K,V> e = (Entry<K,V>) tab[index];
17         tab[index] = new Entry<>(hash, key, value, e);
18         count++;
19     }

接着是put方法。这个方法是hashtable非常常用的一个public方法。方法本身是一个同方法。在方法中对于参数value和key有逻辑：如果为null时，均会报出空引用异常。

 1     public synchronized V put(K key, V value) {
 2         // Make sure the value is not null
 3         if (value == null) {
 4             throw new NullPointerException();
 5         }
 6 
 7         // Makes sure the key is not already in the hashtable.
 8         Entry<?,?> tab[] = table;
 9         int hash = key.hashCode();
10         int index = (hash & 0x7FFFFFFF) % tab.length;
11         @SuppressWarnings("unchecked")
12         Entry<K,V> entry = (Entry<K,V>)tab[index];
13         for(; entry != null ; entry = entry.next) {
14             if ((entry.hash == hash) && entry.key.equals(key)) {
15                 V old = entry.value;
16                 entry.value = value;
17                 return old;
18             }
19         }
20 
21         addEntry(hash, key, value, index);
22         return null;
23     }

接着算出key所应该对应的主数组的索引。循环遍历出该数组元素所对应的队列（tab[index]）,如果元素的hash值等于新添加元素的hash，同时entry的key等于（equals）key方法。则直接替换这个entry的value为参数传入的value，与此同时返回旧old。

如果整个循环都发现没有，则说明当前hashtable其实并不存在该参数key，则调用刚才说的addEntry方法，将参数key value，及对应的索引传进去。这里注意put方法为同步公有方法，而addEntry为私有非同步方法，这里是否存在线程安全问题呢？(防盗连接：本文首发自http://www.cnblogs.com/jilodream/ )其实并不存在，这是由于addEntry尽管会操作全局变量主数组，但是addEntry方法只会被put方法调用。而凡是调用put方法的线程均需要先拿到this变量锁。尽管再次进去无同步的addEntry的方法区，当前线程仍然持有this变量锁，其他线程若想操作全局变量主数组，仍然需要等待全局锁的释放才可以。

接着是remove方法。该方法逻辑如下：首选根据key值计算出元素所对应主数组中的索引位置。然后依次循环主数组下该索引对应元素的后继元素。判断该元素的hash是否等于key参数的hash，以及元素是否equels参数key。如果相等，则将该元素从队列中抹除。同时hashtable的长度count 减1，同时modCount值也自加1。如果循环结束仍未找到合适的元素与参数key相等，则返回null

 

 1     public synchronized V remove(Object key) {
 2         Entry<?,?> tab[] = table;
 3         int hash = key.hashCode();
 4         int index = (hash & 0x7FFFFFFF) % tab.length;
 5         @SuppressWarnings("unchecked")
 6         Entry<K,V> e = (Entry<K,V>)tab[index];
 7         for(Entry<K,V> prev = null ; e != null ; prev = e, e = e.next) {
 8             if ((e.hash == hash) && e.key.equals(key)) {
 9                 modCount++;
10                 if (prev != null) {
11                     prev.next = e.next;
12                 } else {
13                     tab[index] = e.next;
14                 }
15                 count--;
16                 V oldValue = e.value;
17                 e.value = null;
18                 return oldValue;
19             }
20         }
21         return null;
22     }

接着是putAll方法，该方法会将map集合中的对象，采用foreach的形式，依次调用put方法添加到hashtable集合中。

    public synchronized void putAll(Map<? extends K, ? extends V> t) {
        for (Map.Entry<? extends K, ? extends V> e : t.entrySet())
            put(e.getKey(), e.getValue());
    }

接着是clear方法。该方法首先将modCount加1.接着循环主数组中的所有元素，然后依次对这些元素置于null。然后设定count元素为0。这里有一点需要注意，即clear时，只清理了主数组中的元素。对于主数组中对应元素的后继列表，则采用不予理会的态度。等待GC来回收掉。

1     public synchronized void clear() {
2         Entry<?,?> tab[] = table;
3         modCount++;
4         for (int index = tab.length; --index >= 0; )
5             tab[index] = null;
6         count = 0;
7     }

接着是clone方法。该方法会克隆一个自身对象的副本。此方法会克隆出一个空的hashtable。然后将主数组中的所有元素克隆一遍，放置到克隆对象的对应位置上。注意在克隆元素的时候，会将元素的后继队列元素，依次的克隆下去。接着初始化克隆对象的其他变量：置空keyset、entryset、values对象，设置modCount为0。

 1     public synchronized Object clone() {
 2         try {
 3             Hashtable<?,?> t = (Hashtable<?,?>)super.clone();
 4             t.table = new Entry<?,?>[table.length];
 5             for (int i = table.length ; i-- > 0 ; ) {
 6                 t.table[i] = (table[i] != null)
 7                     ? (Entry<?,?>) table[i].clone() : null;
 8             }
 9             t.keySet = null;
10             t.entrySet = null;
11             t.values = null;
12             t.modCount = 0;
13             return t;
14         } catch (CloneNotSupportedException e) {
15             // this shouldn\'t happen, since we are Cloneable
16             throw new InternalError(e);
17         }
18     }

然后是重写的tostring方法。这个方法逻辑也很简单，就是依次遍历元素。最后生成一个类似于{“key1”=”value1”,“key2”=”value2”}的结构。有趣的是这里需要调用key.tostring，倘若key是当前hashtable自己的话，就直接使用“(this map)”字符串。防止出现无限递归。

 1     public synchronized String toString() {
 2         int max = size() - 1;
 3         if (max == -1)
 4             return "{}";
 5 
 6         StringBuilder sb = new StringBuilder();
 7         Iterator<Map.Entry<K,V>> it = entrySet().iterator();
 8 
 9         sb.append(\'{\');
10         for (int i = 0; ; i++) {
11             Map.Entry<K,V> e = it.next();
12             K key = e.getKey();
13             V value = e.getValue();
14             sb.append(key   == this ? "(this Map)" : key.toString());
15             sb.append(\'=\');
16             sb.append(value == this ? "(this Map)" : value.toString());
17 
18             if (i == max)
19                 return sb.append(\'}\').toString();
20             sb.append(", ");
21         }
22     }

到这里hashtable的主要逻辑就已经都介绍完了。其余还包括一些keyset、valueSet的内部类、以及replaceAll、putIfAbsent等封装方法。由于代码逻辑简单，数量较大，这里就不一一列举了。

总结：

1、Hashtable包括tostirng等方法在，几乎所有对外api方法都是同步保护的，这就是为什么很多人认为hashtable线程安全的原因。而在基础上，对于同步方法所调用的private方法，则大多采用非同步的形式。因为这些方法，往往只有一个public方法可以调用，这样就做到了在安全的基础上可以更快执行代码。

2、hashtable的内部结构大致如下，和早前的hashmap很像：

3、关于元素的取值，hashtable不允许key和value取值为null。所以get时，发现为null，即说明key元素不存在。同时hashtable在扩容是采用的是乘2加1的方式。这与有些容器直接乘2有所区别。

4、关于变量modCount的使用。我们可以看到这个方法中，每次在发生增删改的时候都会出现modCount++的动作。而modcount可以理解为是当前hashtable的状态。每发生一次操作，状态就向前走一步。(防盗连接：本文首发自http://www.cnblogs.com/jilodream/ )设置这个状态，主要是由于hashtable等容器类在迭代时，判断数据是否过时时使用的。尽管hashtable采用了原生的同步锁来保护数据安全。但是在出现迭代数据的时候，则无法保证边迭代，边正确操作。于是使用这个值来标记状态。一旦在迭代的过程中状态发生了改变，则会快速抛出一个异常，终止迭代行为（所以这种错误也叫做快速失败fail—fast）：

            if (modCount != expectedModCount)
                throw new ConcurrentModificationException();

由于工作中存在一些变动，所以这篇文章拖了很久才写完。在写的过程中，发现越后边越细。越写越发现自己离王垠所写的编程学习越远（可搜索《如何掌握所有的程序语言》）。因为最后认为很多源码逻辑简单冗余也就不再赘述了，这也是后续我对java及其它技术学习以及博客总结的一个指向吧。