一個HashMap跟面試官扯了半個小時

前言

HashMap應(yīng)該算是Java后端工程師面試的必問題，因為其中的知識點太多，很適合用來考察面試者的Java基礎(chǔ)。

開場

面試官: 你先自我介紹一下吧！

安琪拉: 我是安琪拉，草叢三婊之一，最強中單（鐘馗不服）！哦，不對，串場了，我是**，目前在--公司做--系統(tǒng)開發(fā)。

面試官: 看你簡歷上寫熟悉Java集合，HashMap用過的吧？

安琪拉: 用過的。(還是熟悉的味道)

面試官: 那你跟我講講HashMap的內(nèi)部數(shù)據(jù)結(jié)構(gòu)？

安琪拉: 目前我用的是JDK1.8版本的，內(nèi)部使用數(shù)組 + 鏈表 / 紅黑樹；

安琪拉: 方便我給您畫個數(shù)據(jù)結(jié)構(gòu)圖吧：

面試官: 那你清楚HashMap的數(shù)據(jù)插入原理嗎？

安琪拉: 呃[做沉思狀]。我覺得還是應(yīng)該畫個圖比較清楚，如下：

1. 判斷數(shù)組是否為空，為空進行初始化;
2. 不為空，計算 k 的 hash 值，通過  (n - 1) & hash計算應(yīng)當存放在數(shù)組中的下標  index ;
3. 查看 table[index] 是否存在數(shù)據(jù)，沒有數(shù)據(jù)就構(gòu)造一個Node節(jié)點存放在 table[index] 中；
4. 存在數(shù)據(jù)，說明發(fā)生了hash沖突, 繼續(xù)判斷key是否相等，相等，用新的value替換原數(shù)據(jù)(onlyIfAbsent為false)；
5. 如果不相等，判斷當前節(jié)點類型是不是樹型節(jié)點，如果是樹型節(jié)點，創(chuàng)建樹型節(jié)點插入紅黑樹中；
6. 如果不是樹型節(jié)點，創(chuàng)建普通Node加入鏈表中；判斷鏈表長度是否大于 8， 大于的話鏈表轉(zhuǎn)換為紅黑樹；
7. 插入完成之后判斷當前節(jié)點數(shù)是否大于閾值，如果大于開始擴容為原數(shù)組的二倍。

面試官: 剛才你提到HashMap的初始化，那HashMap怎么設(shè)定初始容量大小的嗎？

安琪拉: [這也算問題？?] 一般如果new HashMap() 不傳值，默認大小是16，負載因子是0.75， 如果自己傳入初始大小k，初始化大小為 大于k的 2的整數(shù)次方，例如如果傳10，大小為16。（補充說明:實現(xiàn)代碼如下）

static final int tableSizeFor(int cap) { int n = cap - 1; n |= n >>> 1; n |= n >>> 2; n |= n >>> 4; n |= n >>> 8; n |= n >>> 16; return (n < 0) ? 1 : (n >= MAXIMUM_CAPACITY) ? MAXIMUM_CAPACITY : n + 1;}

補充說明：下圖是詳細過程，算法就是讓初始二進制分別右移1，2，4，8，16位，與自己異或，把高位第一個為1的數(shù)通過不斷右移，把高位為1的后面全變?yōu)?，111111 + 1 = 1000000  =  （符合大于50并且是2的整數(shù)次冪 ）

面試官:  你提到hash函數(shù)，你知道HashMap的哈希函數(shù)怎么設(shè)計的嗎？

安琪拉:  [問的還挺細] hash函數(shù)是先拿到通過key 的hashcode，是32位的int值，然后讓hashcode的高16位和低16位進行異或操作。

面試官:  那你知道為什么這么設(shè)計嗎？

安琪拉:  [這也要問]，這個也叫擾動函數(shù)，這么設(shè)計有二點原因：

1. 一定要盡可能降低hash碰撞，越分散越好；
2. 算法一定要盡可能高效，因為這是高頻操作, 因此采用位運算；

面試官:  為什么采用hashcode的高16位和低16位異或能降低hash碰撞？hash函數(shù)能不能直接用key的hashcode？

[這問題有點刁鉆], 安琪拉差點原地了，恨不得出biubiubiu 二一三連招。

安琪拉:  因為 key.hashCode() 函數(shù)調(diào)用的是key鍵值類型自帶的哈希函數(shù)，返回int型散列值。int值范圍為**-2147483648~2147483647**，前后加起來大概40億的映射空間。只要哈希函數(shù)映射得比較均勻松散，一般應(yīng)用是很難出現(xiàn)碰撞的。但問題是一個40億長度的數(shù)組，內(nèi)存是放不下的。你想，如果HashMap數(shù)組的初始大小才16，用之前需要對數(shù)組的長度取模運算，得到的余數(shù)才能用來訪問數(shù)組下標。

源碼中模運算就是把散列值和數(shù)組長度-1做一個"與"操作，位運算比%運算要快。

bucketIndex = indexFor(hash, table.length);
static int indexFor(int h, int length) { return h & (length-1);}

順便說一下，這也正好解釋了為什么HashMap的數(shù)組長度要取2的整數(shù)冪。因為這樣（數(shù)組長度-1）正好相當于一個“低位掩碼”。“與”操作的結(jié)果就是散列值的高位全部歸零，只保留低位值，用來做數(shù)組下標訪問。以初始長度16為例，16-1=15。2進制表示是00000000 00000000 00001111。和某散列值做“與”操作如下，結(jié)果就是截取了最低的四位值。

     

      

       

       

       

       

      
      
 10100101 11000100 00100101& 00000000 00000000 00001111---------------------------------- 00000000 00000000 00000101 //高位全部歸零，只保留末四位
     

但這時候問題就來了，這樣就算我的散列值分布再松散，要是只取最后幾位的話，碰撞也會很嚴重。更要命的是如果散列本身做得不好，分布上成等差數(shù)列的漏洞，如果正好讓最后幾個低位呈現(xiàn)規(guī)律性重復，就無比蛋疼。

這時候 hash 函數(shù)（“擾動函數(shù)”）的價值就體現(xiàn)出來了，說到這里大家應(yīng)該猜出來了?？聪旅孢@個圖，

右位移16位，正好是32bit的一半，自己的高半?yún)^(qū)和低半?yún)^(qū)做異或，就是為了混合原始哈希碼的高位和低位，以此來加大低位的隨機性。而且混合后的低位摻雜了高位的部分特征，這樣高位的信息也被變相保留下來。

最后我們來看一下Peter Lawley的一篇專欄文章《An introduction to optimising a hashing strategy》里的的一個實驗：他隨機選取了352個字符串，在他們散列值完全沒有沖突的前提下，對它們做低位掩碼，取數(shù)組下標。

結(jié)果顯示，當HashMap數(shù)組長度為512的時候（ ），也就是用掩碼取低9位的時候，在沒有擾動函數(shù)的情況下，發(fā)生了103次碰撞，接近30%。而在使用了擾動函數(shù)之后只有92次碰撞。碰撞減少了將近10%?？磥頂_動函數(shù)確實還是有功效的。

另外Java1.8相比1.7做了調(diào)整，1.7做了四次移位和四次異或，但明顯Java 8覺得擾動做一次就夠了，做4次的話，多了可能邊際效用也不大，所謂為了效率考慮就改成一次了。

下面是1.7的hash代碼：

static int hash(int h) { h ^= (h >>> 20) ^ (h >>> 12); return h ^ (h >>> 7) ^ (h >>> 4);}

面試官:  看來做過功課，有點料??！是不是偷偷看了安琪拉的博客公眾號, 你剛剛說到1.8對hash函數(shù)做了優(yōu)化，1.8還有別的優(yōu)化嗎？

安琪拉: 1.8還有三點主要的優(yōu)化：

1. 數(shù)組+鏈表改成了數(shù)組+鏈表或紅黑樹；
2. 鏈表的插入方式從頭插法改成了尾插法，簡單說就是插入時，如果數(shù)組位置上已經(jīng)有元素，1.7將新元素放到數(shù)組中，原始節(jié)點作為新節(jié)點的后繼節(jié)點，1.8遍歷鏈表，將元素放置到鏈表的最后；
3. 擴容的時候1.7需要對原數(shù)組中的元素進行重新hash定位在新數(shù)組的位置，1.8采用更簡單的判斷邏輯，位置不變或索引+舊容量大小；
4. 在插入時，1.7先判斷是否需要擴容，再插入，1.8先進行插入，插入完成再判斷是否需要擴容；

面試官:  你分別跟我講講為什么要做這幾點優(yōu)化；

安琪拉:  【咳咳，果然是連環(huán)炮】

1. 防止發(fā)生hash沖突，鏈表長度過長，將時間復雜度由O(n)降為O(logn);

2. 因為1.7頭插法擴容時，頭插法會使鏈表發(fā)生反轉(zhuǎn)，多線程環(huán)境下會產(chǎn)生環(huán)；

   A線程在插入節(jié)點B，B線程也在插入，遇到容量不夠開始擴容，重新hash，放置元素，采用頭插法，后遍歷到的B節(jié)點放入了頭部，這樣形成了環(huán)，如下圖所示：

1.7的擴容調(diào)用transfer代碼，如下所示：

void transfer(Entry[] newTable, boolean rehash) { int newCapacity = newTable.length; for (Entry<K,V> e : table) { while(null != e) { Entry<K,V> next = e.next; if (rehash) { e.hash = null == e.key ? 0 : hash(e.key); } int i = indexFor(e.hash, newCapacity); e.next = newTable[i]; //A線程如果執(zhí)行到這一行掛起，B線程開始進行擴容 newTable[i] = e; e = next; } }}

3. 擴容的時候為什么1.8 不用重新hash就可以直接定位原節(jié)點在新數(shù)據(jù)的位置呢?

   這是由于擴容是擴大為原數(shù)組大小的2倍，用于計算數(shù)組位置的掩碼僅僅只是高位多了一個1，舉個例子：

   擴容前長度為16，用于計算 (n-1) & hash 的二進制n - 1為0000 1111，  

     擴容后為32后的二進制就高位多了1，============>為0001 1111。

3. 因為是& 運算，1和任何數(shù) & 都是它本身，那就分二種情況，如下圖：原數(shù)據(jù)hashcode高位第4位為0和高位為1的情況；

   第四位高位為0，重新hash數(shù)值不變，第四位為1，重新hash數(shù)值比原來大16（舊數(shù)組的容量）

   

面試官:  那HashMap是線程安全的嗎？

安琪拉:  不是，在多線程環(huán)境下，1.7 會產(chǎn)生死循環(huán)、數(shù)據(jù)丟失、數(shù)據(jù)覆蓋的問題，1.8 中會有數(shù)據(jù)覆蓋的問題。

以1.8為例，當A線程執(zhí)行到下面代碼第6行判斷index位置為空后正好掛起，B線程開始執(zhí)行第7 行，往index位置的寫入節(jié)點數(shù)據(jù)，這時A線程恢復現(xiàn)場，執(zhí)行賦值操作，就把A線程的數(shù)據(jù)給覆蓋了；

還有第38行++size這個地方也會造成多線程同時擴容等問題。

final V putVal(int hash, K key, V value, boolean onlyIfAbsent, boolean evict) { Node<K,V>[] tab; Node<K,V> p; int n, i; if ((tab = table) == null || (n = tab.length) == 0) n = (tab = resize()).length; if ((p = tab[i = (n - 1) & hash]) == null) //多線程執(zhí)行到這里 tab[i] = newNode(hash, key, value, null); else { Node<K,V> e; K k; if (p.hash == hash && ((k = p.key) == key || (key != null && key.equals(k)))) e = p; else if (p instanceof TreeNode) e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value); else { for (int binCount = 0; ; ++binCount) { if ((e = p.next) == null) { p.next = newNode(hash, key, value, null); if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st treeifyBin(tab, hash); break; } if (e.hash == hash && ((k = e.key) == key || (key != null && key.equals(k)))) break; p = e; } } if (e != null) { // existing mapping for key V oldValue = e.value; if (!onlyIfAbsent || oldValue == null) e.value = value; afterNodeAccess(e); return oldValue; } } ++modCount; if (++size > threshold) // 多個線程走到這，可能重復resize() resize(); afterNodeInsertion(evict); return null;}

面試官:  那你平常怎么解決這個線程不安全的問題？

安琪拉:  Java中有HashTable、Collections.synchronizedMap、以及ConcurrentHashMap可以實現(xiàn)線程安全的Map。

1. HashTable是直接在操作方法上加synchronized關(guān)鍵字，鎖住整個數(shù)組，粒度比較大；

2. Collections.synchronizedMap是使用Collections集合工具的內(nèi)部類，通過傳入Map封裝出一個SynchronizedMap對象，內(nèi)部定義了一個對象鎖，方法內(nèi)通過對象鎖實現(xiàn)；

3. ConcurrentHashMap使用分段鎖，降低了鎖粒度，讓并發(fā)度大大提高。

面試官:  那你知道ConcurrentHashMap的分段鎖的實現(xiàn)原理嗎？

安琪拉:  【天啦擼! 俄羅斯套娃，一個套一個】ConcurrentHashMap成員變量使用volatile 修飾，免除了指令重排序，同時保證內(nèi)存可見性，另外使用CAS操作和synchronized結(jié)合實現(xiàn)賦值操作，多線程操作只會鎖住當前操作索引的節(jié)點。

如下圖，線程A鎖住A節(jié)點所在鏈表，線程B鎖住B節(jié)點所在鏈表，操作互不干涉。

面試官:  你前面提到鏈表轉(zhuǎn)紅黑樹是鏈表長度達到閾值，這個閾值是多少？

安琪拉:  閾值是8，紅黑樹轉(zhuǎn)鏈表閾值為6

面試官:  為什么是8，不是16，32甚至是7 ？又為什么紅黑樹轉(zhuǎn)鏈表的閾值是6，不是8了呢？

安琪拉: 【你去問作者??！天啦擼，biubiubiu 真想213連招】

因為作者就這么設(shè)計的，哦，不對，因為經(jīng)過計算，在hash函數(shù)設(shè)計合理的情況下，發(fā)生hash碰撞8次的幾率為百萬分之6，概率說話。。因為8夠用了，至于為什么轉(zhuǎn)回來是6，因為如果hash碰撞次數(shù)在8附近徘徊，會一直發(fā)生鏈表和紅黑樹的轉(zhuǎn)化，為了預防這種情況的發(fā)生。

面試官:  HashMap內(nèi)部節(jié)點是有序的嗎？

安琪拉:  是無序的，根據(jù)hash值隨機插入

面試官:  那有沒有有序的Map？

安琪拉:  LinkedHashMap 和 TreeMap

面試官:  跟我講講LinkedHashMap怎么實現(xiàn)有序的？

安琪拉:  LinkedHashMap內(nèi)部維護了一個單鏈表，有頭尾節(jié)點，同時LinkedHashMap節(jié)點Entry內(nèi)部除了繼承HashMap的Node屬性，還有before 和 after用于標識前置節(jié)點和后置節(jié)點?？梢詫崿F(xiàn)按插入的順序或訪問順序排序。

/** * The head (eldest) of the doubly linked list.*/transient LinkedHashMap.Entry<K,V> head;
/** * The tail (youngest) of the doubly linked list.*/transient LinkedHashMap.Entry<K,V> tail;//鏈接新加入的p節(jié)點到鏈表后端private void linkNodeLast(LinkedHashMap.Entry<K,V> p) { LinkedHashMap.Entry<K,V> last = tail; tail = p; if (last == null) head = p; else { p.before = last; last.after = p; }}//LinkedHashMap的節(jié)點類static class Entry<K,V> extends HashMap.Node<K,V> { Entry<K,V> before, after; Entry(int hash, K key, V value, Node<K,V> next) { super(hash, key, value, next); }}

示例代碼：

public static void main(String[] args) { Map<String, String> map = new LinkedHashMap<String, String>(); map.put("1", "安琪拉"); map.put("2", "的"); map.put("3", "博客");
 for(Map.Entry<String,String> item: map.entrySet()){ System.out.println(item.getKey() + ":" + item.getValue()); }}//console輸出1:安琪拉2:的3:博客

面試官:  跟我講講TreeMap怎么實現(xiàn)有序的？

安琪拉：TreeMap是按照Key的自然順序或者Comprator的順序進行排序，內(nèi)部是通過紅黑樹來實現(xiàn)。所以要么key所屬的類實現(xiàn)Comparable接口，或者自定義一個實現(xiàn)了Comparator接口的比較器，傳給TreeMap用戶key的比較。

面試官:  前面提到通過CAS 和 synchronized結(jié)合實現(xiàn)鎖粒度的降低，你能給我講講CAS 的實現(xiàn)以及synchronized的實現(xiàn)原理嗎？

安琪拉:  下一期咋們再約時間，OK？

面試官:  好吧，回去等通知吧！

參考資料

1. An introduction to optimising a hashing strategy
2. JDK 源碼中 HashMap 的 hash 方法原理是什么？
3. 淡騰的楓-HashMap中的hash函數(shù)