JDK源码分析-HashMap(2)

2019年6月27日 230次阅读来源: o对酒当歌

前文「JDK源码分析-HashMap(1)」分析了 HashMap 的内部结构和主要方法的实现原理。但是，面试中通常还会问到很多其他的问题，本文简要分析下常见的一些问题。

这里再贴一下 HashMap 内部的结构图（JDK 1.8）：

《JDK源码分析-HashMap(2)》

FAQ:

Q1: HashMap 是否线程安全？为什么？

首先 HashMap 是线程不安全的。这一点很多人应该都了解，HashMap 源码中也有说明。但是为什么说不安全？体现在哪里呢？下面通过两个例子简要进行分析（可能不够全面，仅做参考）。

case 1：

线程 T1 执行 put / remove 等结构性修改（structural modification）的操作；线程 T2 执行遍历操作，这种情况下会抛出 ConcurrentModificationException.

示例代码（以 put 为例）：

private static void test() {	
  Map<Integer, Integer> map = new HashMap<>();	
    	
  Thread t1 = new Thread(() -> {	
    for (int i = 0; i < 5000; i++) {	
      map.put(i, i);	
    }	
  });	
	
  Thread t2 = new Thread(() -> {	
    for (Map.Entry<Integer, Integer> entry : map.entrySet()) {	
      System.out.println(entry);	
    }	
  });	
	
  t1.start();	
  t2.start();	
}	
// 执行结果：	
// 抛出 java.util.ConcurrentModificationException

原因在这里：

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

HashMap 的迭代器和集合视图中，都会对该值进行比较。目的是判断是否有其他线程正在对该 HashMap 进行结构性修改，若有则抛会出异常。

PS: 细心阅读 HashMap 源码的话可以发现，结构性修改的方法中都会有如下一行代码：

++modCount;

该值就是用来记录结构性修改的次数。

case 2:

线程 T1 和 T2 同时执行 put / remove 等结构性修改（structural modification）的操作。以 put 方法为例分析，会发生元素覆盖。

示例代码：

private static void test() throws InterruptedException {	
  Map<Integer, Integer> map = new HashMap<>();	
	
  Thread t1 = new Thread(() -> {	
    for (int i = 0; i < 5000; i++) {	
      map.put(i, i);	
    }	
  });	
	
  Thread t2 = new Thread(() -> {	
    for (int i = 5000; i < 10000; i++) {	
      map.put(i, i);	
    }	
  });	
	
  t1.start();	
  t2.start();	
  	
  TimeUnit.SECONDS.sleep(20);	
  System.out.println(map);	
  System.out.println("size: " + map.size());	
}	
// 输出结果：	
// {8192=8192, 8193=8193, 8194=8194, 8195=8195, ...	
// size: 9666	
// PS: 这是某一次的结果，多次测试的具体结果可能不同，但基本都没有 size=10000 的情况。

这里问题出在 put 方法上，通过前文分析 HashMap 中 put 方法的内部实现原理可以找出原因，这里不再赘述。

这里再说一句，HashMap 的设计就是为了单线程下的高效率，了解线程不安全是为了加深对它的理解，知道在哪些情况不适合使用，若有线程安全的需求，可以考虑使用 ConcurrentHashMap。

Q2: 链表和红黑树的转换阈值为什么是 8 和 6 ？

首先分析下为什么会有链表和红黑树。理想情况下，HashMap 中每个 bin 所在位置只有一个节点，这样查询效率最高，为 O(1)。而拉出一个链表、或者把链表再转为红黑树，是在散列冲突比较严重时的一种应对措施，目的是为了让 HashMap 在极端情况下仍然能够保持较高的效率。

至于为什么是 8，HashMap 的部分 Implementation notes 如下:

/* Because TreeNodes are about twice the size of regular nodes, we	
 * use them only when bins contain enough nodes to warrant use	
 * (see TREEIFY_THRESHOLD). And when they become too small (due to	
 * removal or resizing) they are converted back to plain bins.  In	
 * usages with well-distributed user hashCodes, tree bins are	
 * rarely used.  Ideally, under random hashCodes, the frequency of	
 * nodes in bins follows a Poisson distribution	
 * (http://en.wikipedia.org/wiki/Poisson_distribution) with a	
 * parameter of about 0.5 on average for the default resizing	
 * threshold of 0.75, although with a large variance because of	
 * resizing granularity. Ignoring variance, the expected	
 * occurrences of list size k are (exp(-0.5) * pow(0.5, k) /	
 * factorial(k)). The first values are:	
 *	
 * 0:    0.60653066	
 * 1:    0.30326533	
 * 2:    0.07581633	
 * 3:    0.01263606	
 * 4:    0.00157952	
 * 5:    0.00015795	
 * 6:    0.00001316	
 * 7:    0.00000094	
 * 8:    0.00000006	
 * more: less than 1 in ten million	
 */

由于 TreeNode 的大小是普通节点（Node）的两倍，因此只有当 bin 中包含足够多（即树化的阈值 TREEIFY_THRESHOLD）的节点时才会转为 TreeNode；而当 bin 中节点减少时（删除节点或扩容），又会把红黑树再转为链表。

hashCode 均匀分布时，TreeNode 用到的机会很小。理想情况下，在随机分布的 hashCode 下，bin 中节点的分布遵循泊松分布，并列出了几个数据，可以看到一个 bin 中链表长度达到 8 的概率（0.00000006）不足千万分之一，因此将转换的阈值设为 8.

两个转换阈值及其说明如下：

/**	
 * The bin count threshold for using a tree rather than list for a	
 * bin.  Bins are converted to trees when adding an element to a	
 * bin with at least this many nodes. The value must be greater	
 * than 2 and should be at least 8 to mesh with assumptions in	
 * tree removal about conversion back to plain bins upon	
 * shrinkage.	
 */	
static final int TREEIFY_THRESHOLD = 8;	
	
/**	
 * The bin count threshold for untreeifying a (split) bin during a	
 * resize operation. Should be less than TREEIFY_THRESHOLD, and at	
 * most 6 to mesh with shrinkage detection under removal.	
 */	
static final int UNTREEIFY_THRESHOLD = 6;

至于将红黑树转为链表的阈值为 6，网上有说法是为了避免频繁转换。比如，若红黑树转为链表的阈值也是 8，如果一个 HashMap 不停地进行插入和删除元素，链表的个数一直在 8 左右，这种情况会频繁地进行树和链表的相互转换，效率很低。

这样解释似乎也有些道理，各位可以去探索。

Q3: 为什么负载因子是 0.75？

JDK 1.7 中的相关描述：

/* As a general rule, the default load factor (.75) offers a good tradeoff	
 * between time and space costs.  Higher values decrease the space overhead	
 * but increase the lookup cost (reflected in most of the operations of the	
 * <tt>HashMap</tt> class, including <tt>get</tt> and <tt>put</tt>). 	
 */

下面文章也对此做了分析：

HashMap的loadFactor为什么是0.75？
https://www.jianshu.com/p/64f6de3ffcc1

也许这个问题没必要那么深究，简单来讲，其实就是时间和空间的 tradeoff.

Q4: 为什么容量是 2 的次幂？

位运算 n & (length – 1) 和取余运算 n % length 效果是一样的。但是在计算机中，位运算的效率却远高于取余运算。因此，这样做是为了提高运算效率。

Q5: 一般用什么类型的元素作为 Key？为什么？

一般用 String、Integer 等，它们是不可变的（Immutable），作为不可变类天生是线程安全的。而且重写了 hashCode 方法和 equals 方法。

Q6: 衡量 hash 算法的好坏？String 类的 hashCode 实现？

hash 方法的设计可以有很多。虽然散列值越均匀越好，但 HashMap 首要目的是追求快，因此 hash 算法的设计要尽可能地快。String 类的 hashCode 方法如下：

public int hashCode() {	
    int h = hash;	
    if (h == 0 && value.length > 0) {	
        char val[] = value;	
        for (int i = 0; i < value.length; i++) {	
            h = 31 * h + val[i];	
        }	
        hash = h;	
    }	
    return h;	
}

PS: 上述问题是本人从网上搜索后整理和思考的结果，仅做参考，并不一定完全准确（要持有怀疑态度）。有关 HashMap 的问题可能还有很多，这里不再一一列举。

参考链接：

https://www.jianshu.com/p/7af5bb1b57e2