通過 HashMap、HashSet 的源代碼分析其 Hash 存儲機制
實際上，HashSet 和 HashMap 之間有很多相似之處，對於 HashSet 而言，系統采用 Hash 算法決定集合元素的存儲位置，這樣可以保證能快速存、取集合元素；對於 HashMap 而言，系統 key-value 當成壹個整體進行處理，系統總是根據 Hash 算法來計算 key-value 的存儲位置，這樣可以保證能快速存、取 Map 的 key-value 對。
在介紹集合存儲之前需要指出壹點：雖然集合號稱存儲的是 Java 對象，但實際上並不會真正將 Java 對象放入 Set 集合中，只是在 Set 集合中保留這些對象的引用而言。也就是說：Java 集合實際上是多個引用變量所組成的集合，這些引用變量指向實際的 Java 對象。
集合和引用
就像引用類型的數組壹樣，當我們把 Java 對象放入數組之時，並不是真正的把 Java 對象放入數組中，只是把對象的引用放入數組中，每個數組元素都是壹個引用變量。
HashMap 的存儲實現
當程序試圖將多個 key-value 放入 HashMap 中時，以如下代碼片段為例：
Java代碼
HashMap<String , Double> map = new HashMap<String , Double>();
map.put("語文" , 80.0);
map.put("數學" , 89.0);
map.put("英語" , 78.2);
HashMap 采用壹種所謂的“Hash 算法”來決定每個元素的存儲位置。
當程序執行 map.put("語文" , 80.0); 時，系統將調用"語文"的 hashCode() 方法得到其 hashCode 值——每個 Java 對象都有 hashCode() 方法，都可通過該方法獲得它的 hashCode 值。得到這個對象的 hashCode 值之後，系統會根據該 hashCode 值來決定該元素的存儲位置。
我們可以看 HashMap 類的 put(K key , V value) 方法的源代碼：
Java代碼
public V put(K key, V value)
{
// 如果 key 為 null，調用 putForNullKey 方法進行處理
if (key == null)
return putForNullKey(value);
// 根據 key 的 keyCode 計算 Hash 值
int hash = hash(key.hashCode());
// 搜索指定 hash 值在對應 table 中的索引
int i = indexFor(hash, table.length);
// 如果 i 索引處的 Entry 不為 null，通過循環不斷遍歷 e 元素的下壹個元素
for (Entry<K,V> e = table[i]; e != null; e = e.next)
{
Object k;
// 找到指定 key 與需要放入的 key 相等（hash 值相同
// 通過 equals 比較放回 true）
if (e.hash == hash && ((k = e.key) == key
|| key.equals(k)))
{
V oldValue = e.value;
e.value = value;
e.recordAccess(this);
return oldValue;
}
}
// 如果 i 索引處的 Entry 為 null，表明此處還沒有 Entry
modCount++;
// 將 key、value 添加到 i 索引處
addEntry(hash, key, value, i);
return null;
}
上面程序中用到了壹個重要的內部接口：Map.Entry，每個 Map.Entry 其實就是壹個 key-value 對。從上面程序中可以看出：當系統決定存儲 HashMap 中的 key-value 對時，完全沒有考慮 Entry 中的 value，僅僅只是根據 key 來計算並決定每個 Entry 的存儲位置。這也說明了前面的結論：我們完全可以把 Map 集合中的 value 當成 key 的附屬，當系統決定了 key 的存儲位置之後，value 隨之保存在那裏即可。
上面方法提供了壹個根據 hashCode() 返回值來計算 Hash 碼的方法：hash()，這個方法是壹個純粹的數學計算，其方法如下：
Java代碼
static int hash(int h)
{
h ^= (h >>> 20) ^ (h >>> 12);
return h ^ (h >>> 7) ^ (h >>> 4);
}
對於任意給定的對象，只要它的 hashCode() 返回值相同，那麽程序調用 hash(int h) 方法所計算得到的 Hash 碼值總是相同的。接下來程序會調用 indexFor(int h, int length) 方法來計算該對象應該保存在 table 數組的哪個索引處。indexFor(int h, int length) 方法的代碼如下：
Java代碼
static int indexFor(int h, int length)
{
return h & (length-1);
}
這個方法非常巧妙，它總是通過 h &(table.length -1) 來得到該對象的保存位置——而 HashMap 底層數組的長度總是 2 的 n 次方，這壹點可參看後面關於 HashMap 構造器的介紹。
當 length 總是 2 的倍數時，h & (length-1) 將是壹個非常巧妙的設計：假設 h=5,length=16, 那麽 h & length - 1 將得到 5；如果 h=6,length=16, 那麽 h & length - 1 將得到 6 ……如果 h=15,length=16, 那麽 h & length - 1 將得到 15；但是當 h=16 時 , length=16 時，那麽 h & length - 1 將得到 0 了；當 h=17 時 , length=16 時，那麽 h & length - 1 將得到 1 了……這樣保證計算得到的索引值總是位於 table 數組的索引之內。
根據上面 put 方法的源代碼可以看出，當程序試圖將壹個 key-value 對放入 HashMap 中時，程序首先根據該 key 的 hashCode() 返回值決定該 Entry 的存儲位置：如果兩個 Entry 的 key 的 hashCode() 返回值相同，那它們的存儲位置相同。如果這兩個 Entry 的 key 通過 equals 比較返回 true，新添加 Entry 的 value 將覆蓋集合中原有 Entry 的 value，但 key 不會覆蓋。如果這兩個 Entry 的 key 通過 equals 比較返回 false，新添加的 Entry 將與集合中原有 Entry 形成 Entry 鏈，而且新添加的 Entry 位於 Entry 鏈的頭部——具體說明繼續看 addEntry() 方法的說明。
當向 HashMap 中添加 key-value 對，由其 key 的 hashCode() 返回值決定該 key-value 對（就是 Entry 對象）的存儲位置。當兩個 Entry 對象的 key 的 hashCode() 返回值相同時，將由 key 通過 eqauls() 比較值決定是采用覆蓋行為（返回 true），還是產生 Entry 鏈（返回 false）。
上面程序中還調用了 addEntry(hash, key, value, i); 代碼，其中 addEntry 是 HashMap 提供的壹個包訪問權限的方法，該方法僅用於添加壹個 key-value 對。下面是該方法的代碼：
Java代碼
void addEntry(int hash, K key, V value, int bucketIndex)
{
// 獲取指定 bucketIndex 索引處的 Entry
Entry<K,V> e = table[bucketIndex]; // ①
// 將新創建的 Entry 放入 bucketIndex 索引處，並讓新的 Entry 指向原來的 Entry
table[bucketIndex] = new Entry<K,V>(hash, key, value, e);
// 如果 Map 中的 key-value 對的數量超過了極限
if (size++ >= threshold)
// 把 table 對象的長度擴充到 2 倍。
resize(2 * table.length); // ②
}
上面方法的代碼很簡單，但其中包含了壹個非常優雅的設計：系統總是將新添加的 Entry 對象放入 table 數組的 bucketIndex 索引處——如果 bucketIndex 索引處已經有了壹個 Entry 對象，那新添加的 Entry 對象指向原有的 Entry 對象（產生壹個 Entry 鏈），如果 bucketIndex 索引處沒有 Entry 對象，也就是上面程序①號代碼的 e 變量是 null，也就是新放入的 Entry 對象指向 null，也就是沒有產生 Entry 鏈。
JDK 源碼
在 JDK 安裝目錄下可以找到壹個 src.zip 壓縮文件，該文件裏包含了 Java 基礎類庫的所有源文件。只要讀者有學習興趣，隨時可以打開這份壓縮文件來閱讀 Java 類庫的源代碼，這對提高讀者的編程能力是非常有幫助的。需要指出的是：src.zip 中包含的源代碼並沒有包含像上文中的中文註釋，這些註釋是筆者自己添加進去的。
Hash 算法的性能選項
根據上面代碼可以看出，在同壹個 bucket 存儲 Entry 鏈的情況下，新放入的 Entry 總是位於 bucket 中，而最早放入該 bucket 中的 Entry 則位於這個 Entry 鏈的最末端。
上面程序中還有這樣兩個變量：
* size：該變量保存了該 HashMap 中所包含的 key-value 對的數量。
* threshold：該變量包含了 HashMap 能容納的 key-value 對的極限，它的值等於 HashMap 的容量乘以負載因子（load factor）。
從上面程序中②號代碼可以看出，當 size++ >= threshold 時，HashMap 會自動調用 resize 方法擴充 HashMap 的容量。每擴充壹次，HashMap 的容量就增大壹倍。
上面程序中使用的 table 其實就是壹個普通數組，每個數組都有壹個固定的長度，這個數組的長度就是 HashMap 的容量。HashMap 包含如下幾個構造器：
* HashMap()：構建壹個初始容量為 16，負載因子為 0.75 的 HashMap。
* HashMap(int initialCapacity)：構建壹個初始容量為 initialCapacity，負載因子為 0.75 的 HashMap。
* HashMap(int initialCapacity, float loadFactor)：以指定初始容量、指定的負載因子創建壹個 HashMap。
當創建壹個 HashMap 時，系統會自動創建壹個 table 數組來保存 HashMap 中的 Entry，下面是 HashMap 中壹個構造器的代碼：
Java代碼
// 以指定初始化容量、負載因子創建 HashMap
public HashMap(int initialCapacity, float loadFactor)
{
// 初始容量不能為負數
if (initialCapacity < 0)
throw new IllegalArgumentException(
"Illegal initial capacity: " +
initialCapacity);
// 如果初始容量大於最大容量，讓出示容量
if (initialCapacity > MAXIMUM_CAPACITY)
initialCapacity = MAXIMUM_CAPACITY;
// 負載因子必須大於 0 的數值
if (loadFactor <= 0 || Float.isNaN(loadFactor))
throw new IllegalArgumentException(
loadFactor);
// 計算出大於 initialCapacity 的最小的 2 的 n 次方值。
int capacity = 1;
while (capacity < initialCapacity)
capacity <<= 1;
this.loadFactor = loadFactor;
// 設置容量極限等於容量 * 負載因子
threshold = (int)(capacity * loadFactor);
// 初始化 table 數組
table = new Entry[capacity]; // ①
init();
}
上面代碼中粗體字代碼包含了壹個簡潔的代碼實現：找出大於 initialCapacity 的、最小的 2 的 n 次方值，並將其作為 HashMap 的實際容量（由 capacity 變量保存）。例如給定 initialCapacity 為 10，那麽該 HashMap 的實際容量就是 16。
程序①號代碼處可以看到：table 的實質就是壹個數組，壹個長度為 capacity 的數組。
對於 HashMap 及其子類而言，它們采用 Hash 算法來決定集合中元素的存儲位置。當系統開始初始化 HashMap 時，系統會創建壹個長度為 capacity 的 Entry 數組，這個數組裏可以存儲元素的位置被稱為“桶（bucket）”，每個 bucket 都有其指定索引，系統可以根據其索引快速訪問該 bucket 裏存儲的元素。
無論何時，HashMap 的每個“桶”只存儲壹個元素（也就是壹個 Entry），由於 Entry 對象可以包含壹個引用變量（就是 Entry 構造器的的最後壹個參數）用於指向下壹個 Entry，因此可能出現的情況是：HashMap 的 bucket 中只有壹個 Entry，但這個 Entry 指向另壹個 Entry ——這就形成了壹個 Entry 鏈。如圖 1 所示：
圖 1. HashMap 的存儲示意
HashMap 的讀取實現
當 HashMap 的每個 bucket 裏存儲的 Entry 只是單個 Entry ——也就是沒有通過指針產生 Entry 鏈時，此時的 HashMap 具有最好的性能：當程序通過 key 取出對應 value 時，系統只要先計算出該 key 的 hashCode() 返回值，在根據該 hashCode 返回值找出該 key 在 table 數組中的索引，然後取出該索引處的 Entry，最後返回該 key 對應的 value 即可。看 HashMap 類的 get(K key) 方法代碼：
Java代碼
public V get(Object key)
{
// 如果 key 是 null，調用 getForNullKey 取出對應的 value
if (key == null)
return getForNullKey();
// 根據該 key 的 hashCode 值計算它的 hash 碼
int hash = hash(key.hashCode());
// 直接取出 table 數組中指定索引處的值，
for (Entry<K,V> e = table[indexFor(hash, table.length)];
e != null;
// 搜索該 Entry 鏈的下壹個 Entr
e = e.next) // ①
{
Object k;
// 如果該 Entry 的 key 與被搜索 key 相同
if (e.hash == hash && ((k = e.key) == key
|| key.equals(k)))
return e.value;
}
return null;
}
從上面代碼中可以看出，如果 HashMap 的每個 bucket 裏只有壹個 Entry 時，HashMap 可以根據索引、快速地取出該 bucket 裏的 Entry；在發生“Hash 沖突”的情況下，單個 bucket 裏存儲的不是壹個 Entry，而是壹個 Entry 鏈，系統只能必須按順序遍歷每個 Entry，直到找到想搜索的 Entry 為止——如果恰好要搜索的 Entry 位於該 Entry 鏈的最末端（該 Entry 是最早放入該 bucket 中），那系統必須循環到最後才能找到該元素。
歸納起來簡單地說，HashMap 在底層將 key-value 當成壹個整體進行處理，這個整體就是壹個 Entry 對象。HashMap 底層采用壹個 Entry[] 數組來保存所有的 key-value 對，當需要存儲壹個 Entry 對象時，會根據 Hash 算法來決定其存儲位置；當需要取出壹個 Entry 時，也會根據 Hash 算法找到其存儲位置，直接取出該 Entry。由此可見：HashMap 之所以能快速存、取它所包含的 Entry，完全類似於現實生活中母親從小教我們的：不同的東西要放在不同的位置，需要時才能快速找到它。
當創建 HashMap 時，有壹個默認的負載因子（load factor），其默認值為 0.75，這是時間和空間成本上壹種折衷：增大負載因子可以減少 Hash 表（就是那個 Entry 數組）所占用的內存空間，但會增加查詢數據的時間開銷，而查詢是最頻繁的的操作（HashMap 的 get() 與 put() 方法都要用到查詢）；減小負載因子會提高數據查詢的性能，但會增加 Hash 表所占用的內存空間。
掌握了上面知識之後，我們可以在創建 HashMap 時根據實際需要適當地調整 load factor 的值；如果程序比較關心空間開銷、內存比較緊張，可以適當地增加負載因子；如果程序比較關心時間開銷，內存比較寬裕則可以適當的減少負載因子。通常情況下，程序員無需改變負載因子的值。
如果開始就知道 HashMap 會保存多個 key-value 對，可以在創建時就使用較大的初始化容量，如果 HashMap 中 Entry 的數量壹直不會超過極限容量（capacity * load factor），HashMap 就無需調用 resize() 方法重新分配 table 數組，從而保證較好的性能。當然，開始就將初始容量設置太高可能會浪費空間（系統需要創建壹個長度為 capacity 的 Entry 數組），因此創建 HashMap 時初始化容量設置也需要小心對待。