|
|
// 预计存入 1w 条数据，初始化赋值 10000，避免 resize。
HashMap<String,String> map = new HashMap<>(10000)
// for (int i = 0; i < 10000; i++)
Java 集合的扩容
HashMap 算是我们最常用的集合之一，虽然对于 Android 开发者，Google 官方推荐了更省内存的 SparseArray 和 ArrayMap，但是 HashMap 依然是最常用的。
我们通过 HashMap 来存储 Key-Value 这种键值对形式的数据，其内部通过哈希表，让存取效率最好时可以达到 O(1)，而又因为可能存在的 Hash 冲突，引入了链表和红黑树的结构，让效率最差也差不过 O(logn)。
整体来说，HashMap 作为一款工业级的哈希表结构，效率还是有保障的。
编程语言提供的集合类，虽然底层还是基于数组、链表这种最基本的数据结构，但是和我们直接使用数组不同，集合在容量不足时，会触发动态扩容来保证有足够的空间存储数据。
动态扩容，涉及到数据的拷贝，是一种「较重」的操作。那如果能够提前确定集合将要存储的数据量范围，就可以通过构造方法，指定集合的初始容量，来保证接下来的操作中，不至于触发动态扩容。
这就引入了本文开篇的问题，如果使用 HashMap，当初始化是构造函数指定 1w 时，后续我们立即存入 1w 条数据，是否符合与其不会触发扩容呢？
在分析这个问题前，那我们先来看看，HashMap 初始化时，指定初始容量值都做了什么？
PS：本文所涉及代码，均以 JDK 1.8 中 HashMap 的源码举例。
HashMap 的初始化
在 HashMap 中，提供了一个指定初始容量的构造方法 HashMap(int initialCapacity)，这个方法最终会调用到 HashMap 另一个构造方法，其中的参数 loadFactor 就是默认值 0.75f。
public HashMap(int initialCapacity, float loadFactor) {
if (initialCapacity < 0)
throw new IllegalArgumentException("Illegal initial capacity: " + initialCapacity);
if (initialCapacity > MAXIMUM_CAPACITY)
initialCapacity = MAXIMUM_CAPACITY;
if (loadFactor <= 0 || Float.isNaN(loadFactor))
throw new IllegalArgumentException("Illegal load factor: " + loadFactor);
this.loadFactor = loadFactor;
this.threshold = tableSizeFor(initialCapacity);
}
其中的成员变量 threshold 就是用来存储，触发 HashMap 扩容的阀值，也就是说，当 HashMap 存储的数据量达到 threshold 时，就会触发扩容。
从构造方法的逻辑可以看出，HashMap 并不是直接使用外部传递进来的 initialCapacity，而是经过了 tableSizeFor() 方法的处理，再赋值到 threshole 上。
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;
}
在 tableSizeFor() 方法中，通过逐步位运算，就可以让返回值，保持在 2 的 N 次幂。以方便在扩容的时候，快速计算数据在扩容后的新表中的位置。
那么当我们从外部传递进来 1w 时，实际上经过 tableSizeFor() 方法处理之后，就会变成 2 的 14 次幂 16384，再算上负载因子 0.75f，实际在不触发扩容的前提下，可存储的数据容量是 12288（16384 * 0.75f）。
这种场景下，用来存放 1w 条数据，绰绰有余了，并不会触发我们猜想的扩容。
HashMap 的 table 初始化
当我们把初始容量，调整到 1000 时，情况又不一样了，具体情况具体分析。
再回到 HashMap 的构造方法，threshold 为扩容的阀值，在构造方法中由 tableSizeFor() 方法调整后直接赋值，所以在构造 HashMap 时，如果传递 1000，threshold 调整后的值确实是 1024，但 HashMap 并不直接使用它。
仔细想想就会知道，初始化时决定了 threshold 值，但其装载因子（loadFactor）并没有参与运算，那在后面具体逻辑的时候，HashMap 是如何处理的呢？
在 HashMap 中，所有的数据，都是通过成员变量 table 数组来存储的，在 JDK 1.7 和 1.8 中虽然 table 的类型有所不同，但是数组这种基本结构并没有变化。那么 table、threshold、loadFactor 三者之间的关系，就是：
table.size == threshold * loadFactor
那这个 table 是在什么时候初始化的呢？这就要说会到我们一直在回避的问题，HashMap 的扩容。
在 HashMap 中，动态扩容的逻辑在 resize() 方法中。这个方法不仅仅承担了 table 的扩容，它还承担了 table 的初始化。
当我们首次调用 HashMap 的 put() 方法存数据时，如果发现 table 为 null，则会调用 resize() 去初始化 table，具体逻辑在 putVal() 方法中。
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; // 调用 resize()
// ...
}
在 resize() 方法中，调整了最终 threshold 值，以及完成了 table 的初始化。
final Node<K,V>[] resize() {
Node<K,V>[] oldTab = table;
int oldCap = (oldTab == null) ? 0 : oldTab.length;
int oldThr = threshold;
int newCap, newThr = 0;
if (oldCap > 0) {
if (oldCap >= MAXIMUM_CAPACITY) {
threshold = Integer.MAX_VALUE;
return oldTab;
}
else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&
oldCap >= DEFAULT_INITIAL_CAPACITY)
newThr = oldThr << 1;
}
else if (oldThr > 0)
newCap = oldThr; // ①
else {
newCap = DEFAULT_INITIAL_CAPACITY;
newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);
}
if (newThr == 0) {
// ②
float ft = (float)newCap * loadFactor;
newThr = (newCap < MAXIMUM_CAPACITY && ft < (float)MAXIMUM_CAPACITY ?
(int)ft : Integer.MAX_VALUE);
}
threshold = newThr; // ③
Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap];
table = newTab; // ④
// ....
}
注意看代码中的注释标记。因为 resize() 还糅合了动态扩容的逻辑，所以我将初始化 table 的逻辑用注释标记出来了。其中 xxxCap 和 xxxThr 分别对应了 table 的容量和动态扩容的阀值，所以存在旧和新两组数据。
当我们指定了初始容量，且 table 未被初始化时，oldThr 就不为 0，则会走到代码 ① 的逻辑。在其中将 newCap 赋值为 oldThr，也就是新创建的 table 会是我们构造的 HashMap 时指定的容量值。
之后会进入代码 ② 的逻辑，其中就通过装载因子（loadFactor）调整了新的阀值（newThr），当然这里也做了一些限制需要让 newThr 在一个合法的范围内。
在代码 ③ 中，将使用 loadFactor 调整后的阀值，重新保存到 threshold 中。并通过 newCap 创建新的数组，将其指定到 table 上，完成 table 的初始化（代码 ④）。
到这里也就清楚了，虽然我们在初始化时，传递进来的 initialCapacity 虽然被赋值给 threshold，但是它实际是 table 的尺寸，并且最终会通过 loadFactor 重新调整 threshold。
那么回到之前的问题就有答案了，虽然 HashMap 初始容量指定为 1000，但是它只是表示 table 数组为 1000，扩容的重要依据扩容阀值会在 resize() 中调整为 768（1024 * 0.75）。
它是不足以承载 1000 条数据的，最终在存够 1k 条数据之前，还会触发一次动态扩容。
通常在初始化 HashMap 时，初始容量都是根据业务来的，而不会是一个固定值，为此我们需要有一个特殊处理的方式，就是将预期的初始容量，再除以 HashMap 的装载因子，默认时就是除以 0.75。
例如想要用 HashMap 存放 1k 条数据，应该设置 1000 / 0.75，实际传递进去的值是 1333，然后会被 tableSizeFor() 方法调整到 2048，足够存储数据而不会触发扩容。
当想用 HashMap 存放 1w 条数据时，依然设置 10000 / 0.75，实际传递进去的值是 13333，会被调整到 16384，和我们直接传递 10000 效果是一样的。
小结时刻
到这里，就了解清楚了 HashMap 的初始容量，应该如何科学的计算，本质上你传递进去的值可能并无法直接存储这么多数据，会有一个动态调整的过程。其中就需要将我们预期的值进行放大，比较科学的就是依据装载因子进行放大。
最后我们再总结一下：
- HashMap 构造方法传递的 initialCapacity，虽然在处理后被存入了 loadFactor 中，但它实际表示 table 的容量。
- 构造方法传递的 initialCapacity，最终会被 tableSizeFor() 方法动态调整为 2 的 N 次幂，以方便在扩容的时候，计算数据在 newTable 中的位置。
- 如果设置了 table 的初始容量，会在初始化 table 时，将扩容阀值 threshold 重新调整为 table.size * loadFactor。
- HashMap 是否扩容，由 threshold 决定，而 threshold 又由初始容量和 loadFactor 决定。
- 如果我们预先知道 HashMap 数据量范围，可以预设 HashMap 的容量值来提升效率，但是需要注意要考虑装载因子的影响，才能保证不会触发预期之外的动态扩容。
HashMap 作为 Java 最常用的集合之一，市面上优秀的文章很多，但是很少有人从初始容量的角度来分析其中的逻辑，而初始容量又是集合中比较实际的优化点。其实不少人也搞不清楚，在设置 HashMap 初始容量时，是否应该考虑装载因子，才有了此文。
如果本文对你有所帮助，留言、转发、点赞是最大的支持，谢谢！
<hr>在头条号私信我。我会送你一些我整理的学习资料，包含：Android反编译、算法、设计模式、虚拟机、Linux、Kotlin、Python、爬虫、Web项目源码。
|
|
发表于 2021-2-17 21:21:43
