HashMap的工作原理

HashMap的工作原理是近年来常见的Java面试题。几乎每个Java程序员都知道HashMap,都知道哪里要用HashMap,知道Hashtable和HashMap之间的区别,那么为何这道面试题如此特殊呢?是因为这道题考察的深度很深。这题经常出现在高级或中高级面试中。投资银行更喜欢问这个问题,甚至会要求你实现HashMap来考察你的编程能力。ConcurrentHashMap和其它同步集合的引入让这道题变得更加复杂。让我们开始探索的旅程吧!

先来些简单的问题

“你用过HashMap吗?” “什么是HashMap?你为什么用到它?”

几乎每个人都会回答“是的”,然后回答HashMap的一些特性,譬如HashMap可以接受null键值和值,而Hashtable则不能;HashMap是非synchronized;HashMap很快;以及HashMap储存的是键值对等等。这显示出你已经用过HashMap,而且对它相当的熟悉。但是面试官来个急转直下,从此刻开始问出一些刁钻的问题,关于HashMap的更多基础的细节。面试官可能会问出下面的问题:

“你知道HashMap的工作原理吗?” “你知道HashMap的get()方法的工作原理吗?”

你也许会回答“我没有详查标准的Java API,你可以看看Java源代码或者Open JDK。”“我可以用Google找到答案。”

但一些面试者可能可以给出答案,“HashMap是基于hashing的原理,我们使用put(key, value)存储对象到HashMap中,使用get(key)从HashMap中获取对象。当我们给put()方法传递键和值时,我们先对键调用hashCode()方法,返回的hashCode用于找到bucket位置来储存Entry对象。”这里关键点在于指出,HashMap是在bucket中储存键对象和值对象,作为Map.Entry。这一点有助于理解获取对象的逻辑。如果你没有意识到这一点,或者错误的认为仅仅只在bucket中存储值的话,你将不会回答如何从HashMap中获取对象的逻辑。这个答案相当的正确,也显示出面试者确实知道hashing以及HashMap的工作原理。但是这仅仅是故事的开始,当面试官加入一些Java程序员每天要碰到的实际场景的时候,错误的答案频现。下个问题可能是关于HashMap中的碰撞探测(collision detection)以及碰撞的解决方法:

“当两个对象的hashcode相同会发生什么?” 从这里开始,真正的困惑开始了,一些面试者会回答因为hashcode相同,所以两个对象是相等的,HashMap将会抛出异常,或者不会存储它们。然后面试官可能会提醒他们有equals()和hashCode()两个方法,并告诉他们两个对象就算hashcode相同,但是它们可能并不相等。一些面试者可能就此放弃,而另外一些还能继续挺进,他们回答“因为hashcode相同,所以它们的bucket位置相同,‘碰撞’会发生。因为HashMap使用链表存储对象,这个Entry(包含有键值对的Map.Entry对象)会存储在链表中。”这个答案非常的合理,虽然有很多种处理碰撞的方法,这种方法是最简单的,也正是HashMap的处理方法。但故事还没有完结,面试官会继续问:

“如果两个键的hashcode相同,你如何获取值对象?” 面试者会回答:当我们调用get()方法,HashMap会使用键对象的hashcode找到bucket位置,然后获取值对象。面试官提醒他如果有两个值对象储存在同一个bucket,他给出答案:将会遍历链表直到找到值对象。面试官会问因为你并没有值对象去比较,你是如何确定确定找到值对象的?除非面试者直到HashMap在链表中存储的是键值对,否则他们不可能回答出这一题。

其中一些记得这个重要知识点的面试者会说,找到bucket位置之后,会调用keys.equals()方法去找到链表中正确的节点,最终找到要找的值对象。完美的答案!

许多情况下,面试者会在这个环节中出错,因为他们混淆了hashCode()和equals()方法。因为在此之前hashCode()屡屡出现,而equals()方法仅仅在获取值对象的时候才出现。一些优秀的开发者会指出使用不可变的、声明作final的对象,并且采用合适的equals()和hashCode()方法的话,将会减少碰撞的发生,提高效率。不可变性使得能够缓存不同键的hashcode,这将提高整个获取对象的速度,使用String,Interger这样的wrapper类作为键是非常好的选择。

如果你认为到这里已经完结了,那么听到下面这个问题的时候,你会大吃一惊。“如果HashMap的大小超过了负载因子(load factor)定义的容量,怎么办?”除非你真正知道HashMap的工作原理,否则你将回答不出这道题。默认的负载因子大小为0.75,也就是说,当一个map填满了75%的bucket时候,和其它集合类(如ArrayList等)一样,将会创建原来HashMap大小的两倍的bucket数组,来重新调整map的大小,并将原来的对象放入新的bucket数组中。这个过程叫作rehashing,因为它调用hash方法找到新的bucket位置。

如果你能够回答这道问题,下面的问题来了:“你了解重新调整HashMap大小存在什么问题吗?”你可能回答不上来,这时面试官会提醒你当多线程的情况下,可能产生条件竞争(race condition)。

当重新调整HashMap大小的时候,确实存在条件竞争,因为如果两个线程都发现HashMap需要重新调整大小了,它们会同时试着调整大小。在调整大小的过程中,存储在链表中的元素的次序会反过来,因为移动到新的bucket位置的时候,HashMap并不会将元素放在链表的尾部,而是放在头部,这是为了避免尾部遍历(tail traversing)。如果条件竞争发生了,那么就死循环了。这个时候,你可以质问面试官,为什么这么奇怪,要在多线程的环境下使用HashMap呢?:)

热心的读者贡献了更多的关于HashMap的问题:

  1. 为什么String, Interger这样的wrapper类适合作为键? String, Interger这样的wrapper类作为HashMap的键是再适合不过了,而且String最为常用。因为String是不可变的,也是final的,而且已经重写了equals()和hashCode()方法了。其他的wrapper类也有这个特点。不可变性是必要的,因为为了要计算hashCode(),就要防止键值改变,如果键值在放入时和获取时返回不同的hashcode的话,那么就不能从HashMap中找到你想要的对象。不可变性还有其他的优点如线程安全。如果你可以仅仅通过将某个field声明成final就能保证hashCode是不变的,那么请这么做吧。因为获取对象的时候要用到equals()和hashCode()方法,那么键对象正确的重写这两个方法是非常重要的。如果两个不相等的对象返回不同的hashcode的话,那么碰撞的几率就会小些,这样就能提高HashMap的性能。
  2. 我们可以使用自定义的对象作为键吗? 这是前一个问题的延伸。当然你可能使用任何对象作为键,只要它遵守了equals()和hashCode()方法的定义规则,并且当对象插入到Map中之后将不会再改变了。如果这个自定义对象时不可变的,那么它已经满足了作为键的条件,因为当它创建之后就已经不能改变了。
  3. 我们可以使用CocurrentHashMap来代替Hashtable吗?这是另外一个很热门的面试题,因为ConcurrentHashMap越来越多人用了。我们知道Hashtable是synchronized的,但是ConcurrentHashMap同步性能更好,因为它仅仅根据同步级别对map的一部分进行上锁。ConcurrentHashMap当然可以代替HashTable,但是HashTable提供更强的线程安全性。看看这篇博客查看Hashtable和ConcurrentHashMap的区别。

我个人很喜欢这个问题,因为这个问题的深度和广度,也不直接的涉及到不同的概念。让我们再来看看这些问题设计哪些知识点:

  • hashing的概念
  • HashMap中解决碰撞的方法
  • equals()和hashCode()的应用,以及它们在HashMap中的重要性
  • 不可变对象的好处
  • HashMap多线程的条件竞争
  • 重新调整HashMap的大小

总结

HashMap的工作原理

HashMap基于hashing原理,我们通过put()和get()方法储存和获取对象。当我们将键值对传递给put()方法时,它调用键对象的hashCode()方法来计算hashcode,让后找到bucket位置来储存值对象。当获取对象时,通过键对象的equals()方法找到正确的键值对,然后返回值对象。HashMap使用链表来解决碰撞问题,当发生碰撞了,对象将会储存在链表的下一个节点中。 HashMap在每个链表节点中储存键值对对象。

当两个不同的键对象的hashcode相同时会发生什么? 它们会储存在同一个bucket位置的链表中。键对象的equals()方法用来找到键值对。

因为HashMap的好处非常多,我曾经在电子商务的应用中使用HashMap作为缓存。因为金融领域非常多的运用Java,也出于性能的考虑,我们会经常用到HashMap和ConcurrentHashMap。你可以查看更多的关于HashMap的文章:

原文链接: Javarevisited 翻译: ImportNew.com - 唐小娟
译文链接: http://www.importnew.com/7099.html
[ 转载请保留原文出处、译者和译文链接。]

关于作者: 唐小娟

一名在路上的程旭媛

查看唐小娟的更多文章 >>



相关文章

发表评论

Comment form

(*) 表示必填项

26 条评论

  1. itcrazy 说道:

    看到源代码,发现LZ分析很到位,HashMap 归到底那就是 用到了数组+链表 两张存储结构

    Hot debate. What do you think? Thumb up 11 Thumb down 17

    • farewell 说道:

      我也是这么理解的啊?为什么这么多人给负赞?哪里理解错了??

      Hot debate. What do you think? Thumb up 4 Thumb down 13

  2. aa 说道:

    第一遍看下来看的稀里糊涂滴,不知所云,是我能力还不够么?平时用的还挺多的

    Thumb up 1 Thumb down 0

    • farewell 说道:

      建议看这篇博客的时候顺便打开eclipse翻一下源码,会更清楚一些。

      Thumb up 0 Thumb down 1

  3. xian 说道:

    我也觉得是稀里糊涂滴

    Thumb up 0 Thumb down 2

    • 唐小娟 说道:

      哪里不懂呢?可能是我水平有限 翻译的字词不太通畅
      请你指出来 我好改正哦:)

      Well-loved. Like or Dislike: Thumb up 21 Thumb down 1

  4. jinks 说道:

    nice 领教了

    Thumb up 0 Thumb down 0

  5. 刘飞 说道:

    看了一遍,迷迷糊糊的,求解释下这几个名词然后再看一遍
    bucket 碰撞探测 hashing Entry

    Thumb up 1 Thumb down 0

  6. shallrain 说道:

    翻译的很好 有些重视数据结构的面试官真的会这么问的

    Thumb up 2 Thumb down 0

  7. zhangtielin 说道:

    谢谢楼主分享

    Thumb up 0 Thumb down 0

  8. 李桢 说道:

    为什么多线程下hashmap扩容会死循环

    Thumb up 0 Thumb down 0

  9. 张军 说道:

    对于多线程下rehashing会产生死循环不是很理解.

    Well-loved. Like or Dislike: Thumb up 8 Thumb down 0

  10. 帅克 说道:

    若你加上源码,做一个更全面合理的分析讲解,我想会更好!

    Thumb up 0 Thumb down 0

  11. sddtc 说道:

    很赞,很清晰

    Thumb up 0 Thumb down 0

  12. Vincent 说道:

    赞一个。分析浅到深很清晰。以前看过hashMap的源码,别的都还好,并发下rehash死循环还没理解到,回去再研究一下。

    Thumb up 0 Thumb down 0

  13. 菜鸟 说道:

    前面能看懂,到了扩容产生死循环有点不明白,然后搜了一下,找到了这篇博文,把死循环产生原理弄清楚了http://my.oschina.net/xianggao/blog/393990

    Thumb up 3 Thumb down 0

  14. 独孤贾 说道:

    最好加一些实际例子

    Thumb up 1 Thumb down 0

  15. Just 说道:

    看一遍,没认真看,再看一遍,才知道要认真看

    Thumb up 0 Thumb down 0

  16. kakarot 说道:

    哈希是一个算法,map是一个数据结构,两者结合就成了高级的hashmap

    Thumb up 0 Thumb down 0

  17. iver3on 说道:

    核心是如何存储 以及如何防止hash冲突。

    Thumb up 0 Thumb down 0

  18. letsgowei 说道:

    Jdk8中,如果某位置碰撞的数量超过8就会将链表置为红黑树。

    Thumb up 1 Thumb down 0

  19. crays 说道:

    留下,慢慢研究

    Thumb up 0 Thumb down 0

  20. xiuyang_leiasp 说道:

    扩容陷入死循环那一块,没有特别理解,不过确实应该反问为什么要在多线程情况下,使用HashMap

    Thumb up 0 Thumb down 0

  21. 凌森 说道:

    hashmap 的数据结构是一个Entry对象的数组, Entry对象有个next指向hashcode相同的另一个Entry。也就是数组+链表的数据结构,相信大家看到这个自己就能写一个简单的hashmap了吧。
    不管是put还是get, 都需要首先计算hash,得到Entry在数组中的位置, 也就是首先找到哈希桶的位置。
    文章写得非常棒,打开源码带着看效果更好。

    Thumb up 0 Thumb down 0

跳到底部
返回顶部