索引列表时的最佳 HashMap 初始容量

Posted 2023-02-25

【中文标题】索引列表时的最佳 HashMap 初始容量

【英文标题】：Best HashMap initial capacity while indexing a List

【发布时间】：2013-03-28 11:09:46

【问题描述】：

我有一个列表 (List<T> list)，我想使用映射 (HashMap<Integer, T> map) 通过对象的 ID 对其对象进行索引。我总是在HashMap 构造函数中使用list.size() 作为初始容量，如下面的代码所示。这是在这种情况下使用的最佳初始容量吗？

注意：我永远不会向地图添加更多项目。

List<T> list = myList;
Map<Integer, T> map = new HashMap<Integer, T>(list.size());
for(T item : list) 
    map.put(item.getId(), item);

【问题讨论】：

我建议：1) 将您的变量声明为 Map 而不是 HashMap，2) 如果您注意到 使用分析器，请让 JVM 出现此类问题> 这会给你的表现带来冲击，然后开始评估它。

@LuiggiMendoza 通常是的，同意，但这是一个常见的用例，我们也可以摆脱重新调整大小

【参考方案1】：

如果您希望避免重新散列HashMap，并且您知道不会将其他元素放入HashMap，那么您必须考虑负载因子以及初始容量。负载系数for a HashMap defaults to 0.75。

每当添加新条目时，都会进行计算以确定是否需要重新散列，例如put 放置一个新的键/值。因此，如果您指定初始容量为list.size()，负载因子为1，那么它将在最后一个put 之后重新散列。因此，为了防止重新散列，请使用 1 的负载因子和list.size() + 1 的容量。

编辑

查看HashMap源代码，如果old大小达到或超过阈值，它将重新hash，因此它不会在最后一个put上重新hash。所以看起来list.size() 的容量应该没问题。

HashMap<Integer, T> map = new HashMap<Integer, T>(list.size(), 1.0);

这是HashMap源代码的相关部分：

void addEntry(int hash, K key, V value, int bucketIndex) 
    Entry<K,V> e = table[bucketIndex];
    table[bucketIndex] = new Entry<>(hash, key, value, e);
    if (size++ >= threshold)
        resize(2 * table.length);

【讨论】：

只有我还是没有人知道加载 1.0 是一个非常糟糕的主意？！

@rgettman：如果你知道哈希映射在内部是如何工作的，你会注意到你不仅搞砸了插入，而且还搞砸了读取。所有操作都将变为 O(N) 而不是 O(1)，因为到处都有碰撞，你必须从一个桶跳到另一个桶

你知道你设置的正确答案是错误答案吗？

请注意，初始容量将在内部四舍五入为二的下一个幂。因此，200 的容量将四舍五入为 256。如果 HashMap 不四舍五入为 capacity 的二次幂值，则将永远不会使用某些存储桶。放置地图数据的桶索引由bucketIndex = hashCode(key) & (capacity-1) 确定。这对于 Java 7 和 8 都是如此，afaik。

使用负载因子 1 是一个坏主意，考虑到如果空闲桶越少，哈希冲突就会增加。 Java 设计人员默认使用 0.75 的负载因子是空间和时间之间的权衡。如果您不确定负载因子内部，请不要触摸此默认值。现在，如果您使用 0.75 而不是 1 的负载因子，则可以使用 initialCapacity = (预期的元素数/0.75)+1 计算不应该导致它重新散列的地图容量。期间。

【参考方案2】：

“容量”关键字的定义不正确，并且未按通常预期的方式使用。

默认情况下，HashMap 的“负载因子”为 0.75，这意味着当 HashMap 中的条目数达到所提供容量的 75% 时，它将调整数组大小并重新散列。

例如，如果我这样做：

Map<Integer, Integer> map = new HashMap<>(100);

当我添加第 75 个条目时，映射会将条目表的大小调整为 2 * map.size()（或 2 * table.length）。所以我们可以做一些事情：

更改负载系数 - 这可能会影响地图的性能 将初始容量设置为 list.size() / 0.75 + 1

最好的选择是两者中的后者，让我解释一下这里发生了什么：

list.size() / 0.75

这将返回 list.size() + list.size() 的 25%，例如，如果我的列表的大小为 100，它将返回 133。然后我们将其添加 1，因为如果大小调整了地图的大小其中等于初始容量的 75%，所以如果我们有一个大小为 100 的列表，我们会将初始容量设置为 134，这意味着从列表中添加所有 100 个条目不会导致任何大小调整地图。

最终结果：

Map<Integer, Integer> map = new HashMap<>(list.size() / 0.75 + 1);

【讨论】：

查看JDK源代码，实际表大小四舍五入到最接近的2的幂。另外，re。您的声明“默认情况下，HashMap 的‘负载因子’为 0.75，这意味着当 HashMap 中的条目数达到所提供容量的 75% 时，它将调整数组大小并重新散列。” - 有点迂腐，仅当条目超过（未达到）容量的 75% 时才会发生调整大小。因此，例如，指定初始容量为 64，负载因子为 0.5，您可以在不调整大小的情况下放入 32 个条目。

也是 100 / 0.75 = 133，并不是说它改变了什么

【参考方案3】：

Guava 的 Maps.newHashMapWithExpectedSize 使用此辅助方法来计算默认负载因子 0.75 的初始容量，基于一些预期的值数量：

/**
 * Returns a capacity that is sufficient to keep the map from being resized as
 * long as it grows no larger than expectedSize and the load factor is >= its
 * default (0.75).
 */
static int capacity(int expectedSize) 
    if (expectedSize < 3) 
        checkArgument(expectedSize >= 0);
        return expectedSize + 1;
    
    if (expectedSize < Ints.MAX_POWER_OF_TWO) 
        return expectedSize + expectedSize / 3;
    
    return Integer.MAX_VALUE; // any large value

参考：source

来自newHashMapWithExpectedSize 文档：

创建一个HashMap 实例，具有足够高的“初始容量” 它应该保持expectedSize元素没有增长。这种行为 不能广泛保证，但观察到对于 开放JDK 1.6。也不能保证该方法不是 无意中过大返回的地图。

【讨论】：

+1。对于那些不想了解地图内部结构而只想按预期工作的人来说，这是最简单、最简单的解决方案。

【参考方案4】：

你正在做的很好。通过这种方式，您可以确定哈希映射 至少 有足够的容量用于初始值。如果您有更多关于哈希映射使用模式的信息（例如：它是否经常更新？是否经常添加许多新元素？），您可能希望设置更大的初始容量（例如，list.size() * 2），但永远不要降低。使用分析器确定初始容量是否过快不足。

更新

感谢@PaulBellora 建议将初始容量设置为(int)Math.ceil(list.size() / loadFactor)（通常，默认加载因子为 0.75）以避免初始调整大小。

【讨论】：

“哈希映射至少有足够的容量容纳初始值”——我认为默认加载因子为 0.75 时这是不正确的。

@PaulBellora 初始容量与initialCapacity 参数中指定的容量相同。负载因子是衡量哈希表在其容量（初始或非初始）自动增加之前允许达到的程度

对，所以在负载因子为0.75 和初始容量为n 的情况下，输入n 值会导致它调整大小。

@PaulBellora 所以你建议初始容量应该是 size()/.75 以避免初始调整大小？有道理，我会更新我的答案

@italo 在这种情况下，rgettman 的答案和我自己的答案都是等价的。另外，如果你想强制 hashmap 永远不会改变的不变量，也许你应该使用 Collections.unmodifiableMap()

使它不可变

【参考方案5】：

根据reference documentation of java.util.HashMap：

在设置其初始容量时应考虑map中预期的条目数及其负载因子，以尽量减少rehash操作的次数。如果初始容量大于最大条目数除以负载因子，则不会发生重新哈希操作。

这意味着，如果您提前知道 HashMap 应该存储多少条目，则可以通过选择适当的初始容量和加载因子来防止重新散列。然而：

作为一般规则，默认负载系数 (.75) 在时间和空间成本之间提供了良好的折衷。较高的值会减少空间开销，但会增加查找成本（反映在 HashMap 类的大部分操作中，包括 get 和 put）。

【参考方案6】：

如果您不了解负载系数/容量内部结构，则经验法则：

initialCapacityToUse = (Expected No. of elements in map / 0.75) + 1

使用此初始容量值，将不会发生重新哈希以存储给定的预期数量。地图中的元素。

【讨论】：

您能解释一下为什么我们需要 +1 吗？