關(guān)于HashMap容量的初始化，還有這么多學(xué)問(wèn)
在《HashMap中傻傻分不清楚的那些概念》文章中，我們介紹了HashMap中和容量相關(guān)的幾個(gè)概念，簡(jiǎn)單介紹了一下HashMap的擴(kuò)容機(jī)制。
文中我們提到，默認(rèn)情況下HashMap的容量是16，但是，如果用戶通過(guò)構(gòu)造函數(shù)指定了一個(gè)數(shù)字作為容量，那么Hash會(huì)選擇大于該數(shù)字的***個(gè)2的冪作為容量。(3->4、7->8、9->16)
本文，延續(xù)上一篇文章，我們?cè)賮?lái)深入學(xué)習(xí)下，到底應(yīng)不應(yīng)該設(shè)置HashMap的默認(rèn)容量？如果真的要設(shè)置HashMap的初始容量，我們應(yīng)該設(shè)置多少？
為什么要設(shè)置HashMap的初始化容量
我們之前提到過(guò)，《阿里巴巴Java開(kāi)發(fā)手冊(cè)》中建議我們?cè)O(shè)置HashMap的初始化容量。
那么，為什么要這么建議？你有想過(guò)沒(méi)有。
我們先來(lái)寫(xiě)一段代碼在JDK 1.7 （jdk1.7.0_79）下面來(lái)分別測(cè)試下，在不指定初始化容量和指定初始化容量的情況下性能情況如何。（jdk 8 結(jié)果會(huì)有所不同，我會(huì)在后面的文章中分析）
- public static void main(String[] args) {
- int aHundredMillion = 10000000;
- Map<Integer, Integer> map = new HashMap<>();
- long s1 = System.currentTimeMillis();
- for (int i = 0; i < aHundredMillion; i++) {
- map.put(i, i);
- }
- long s2 = System.currentTimeMillis();
- System.out.println("未初始化容量，耗時(shí) ： " + (s2 - s1));
- Map<Integer, Integer> map1 = new HashMap<>(aHundredMillion / 2);
- long s5 = System.currentTimeMillis();
- for (int i = 0; i < aHundredMillion; i++) {
- map1.put(i, i);
- }
- long s6 = System.currentTimeMillis();
- System.out.println("初始化容量5000000，耗時(shí) ： " + (s6 - s5));
- Map<Integer, Integer> map2 = new HashMap<>(aHundredMillion);
- long s3 = System.currentTimeMillis();
- for (int i = 0; i < aHundredMillion; i++) {
- map2.put(i, i);
- }
- long s4 = System.currentTimeMillis();
- System.out.println("初始化容量為10000000，耗時(shí) ： " + (s4 - s3));
- }
以上代碼不難理解，我們創(chuàng)建了3個(gè)HashMap，分別使用默認(rèn)的容量（16）、使用元素個(gè)數(shù)的一半（5千萬(wàn)）作為初始容量、使用元素個(gè)數(shù)（一億）作為初始容量進(jìn)行初始化。然后分別向其中put一億個(gè)KV。
輸出結(jié)果：
- 未初始化容量，耗時(shí) ： 14419
- 初始化容量5000000，耗時(shí) ： 11916
- 初始化容量為10000000，耗時(shí) ： 7984
從結(jié)果中，我們可以知道，在已知HashMap中將要存放的KV個(gè)數(shù)的時(shí)候，設(shè)置一個(gè)合理的初始化容量可以有效的提高性能。
當(dāng)然，以上結(jié)論也是有理論支撐的。我們上一篇文章介紹過(guò)，HashMap有擴(kuò)容機(jī)制，就是當(dāng)達(dá)到擴(kuò)容條件時(shí)會(huì)進(jìn)行擴(kuò)容。HashMap的擴(kuò)容條件就是當(dāng)HashMap中的元素個(gè)數(shù)（size）超過(guò)臨界值（threshold）時(shí)就會(huì)自動(dòng)擴(kuò)容。在HashMap中，threshold = loadFactor * capacity。
所以，如果我們沒(méi)有設(shè)置初始容量大小，隨著元素的不斷增加，HashMap會(huì)發(fā)生多次擴(kuò)容，而HashMap中的擴(kuò)容機(jī)制決定了每次擴(kuò)容都需要重建hash表，是非常影響性能的。（關(guān)于resize，后面我會(huì)有文章單獨(dú)介紹）
從上面的代碼示例中，我們還發(fā)現(xiàn)，同樣是設(shè)置初始化容量，設(shè)置的數(shù)值不同也會(huì)影響性能，那么當(dāng)我們已知HashMap中即將存放的KV個(gè)數(shù)的時(shí)候，容量設(shè)置成多少為好呢？
HashMap中容量的初始化
在上一篇文章中，我們通過(guò)代碼實(shí)例其實(shí)介紹過(guò)，默認(rèn)情況下，當(dāng)我們?cè)O(shè)置HashMap的初始化容量時(shí)，實(shí)際上HashMap會(huì)采用***個(gè)大于該數(shù)值的2的冪作為初始化容量。
上一篇文章中有個(gè)例子
- Map<String, String> map = new HashMap<String, String>(1);
- map.put("hahaha", "hollischuang");
- Class<?> mapType = map.getClass();
- Method capacity = mapType.getDeclaredMethod("capacity");
- capacity.setAccessible(true);
- System.out.println("capacity : " + capacity.invoke(map));
初始化容量設(shè)置成1的時(shí)候，輸出結(jié)果是2。在jdk1.8中，如果我們傳入的初始化容量為1，實(shí)際上設(shè)置的結(jié)果也為1，上面代碼輸出結(jié)果為2的原因是代碼中map.put("hahaha", "hollischuang");導(dǎo)致了擴(kuò)容，容量從1擴(kuò)容到2。
那么，話題再說(shuō)回來(lái)，當(dāng)我們通過(guò)HashMap(int initialCapacity)設(shè)置初始容量的時(shí)候，HashMap并不一定會(huì)直接采用我們傳入的數(shù)值，而是經(jīng)過(guò)計(jì)算，得到一個(gè)新值，目的是提高h(yuǎn)ash的效率。(1->1、3->4、7->8、9->16)
在Jdk 1.7和Jdk 1.8中，HashMap初始化這個(gè)容量的時(shí)機(jī)不同。jdk1.8中，在調(diào)用HashMap的構(gòu)造函數(shù)定義HashMap的時(shí)候，就會(huì)進(jìn)行容量的設(shè)定。而在Jdk 1.7中，要等到***次put操作時(shí)才進(jìn)行這一操作。
不管是Jdk 1.7還是Jdk 1.8，計(jì)算初始化容量的算法其實(shí)是如出一轍的，主要代碼如下：
- 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;
上面的代碼挺有意思的，一個(gè)簡(jiǎn)單的容量初始化，Java的工程師也有很多考慮在里面。
上面的算法目的挺簡(jiǎn)單，就是：根據(jù)用戶傳入的容量值（代碼中的cap），通過(guò)計(jì)算，得到***個(gè)比他大的2的冪并返回。
聰明的讀者們，如果讓你設(shè)計(jì)這個(gè)算法你準(zhǔn)備如何計(jì)算？如果你想到二進(jìn)制的話，那就很簡(jiǎn)單了。舉幾個(gè)例子看一下：
請(qǐng)關(guān)注上面的幾個(gè)例子中，藍(lán)色字體部分的變化情況，或許你會(huì)發(fā)現(xiàn)些規(guī)律。5->8、9->16、19->32、37->64都是主要經(jīng)過(guò)了兩個(gè)階段。
- Step 1，5->7
- Step 2，7->8
- Step 1，9->15
- Step 2，15->16
- Step 1，19->31
- Step 2，31->32
對(duì)應(yīng)到以上代碼中，Step1：
- n |= n >>> 1;
- n |= n >>> 2;
- n |= n >>> 4;
- n |= n >>> 8;
- n |= n >>> 16;
對(duì)應(yīng)到以上代碼中，Step2：
- return (n < 0) ? 1 : (n >= MAXIMUM_CAPACITY) ? MAXIMUM_CAPACITY : n + 1;
Step 2 比較簡(jiǎn)單，就是做一下極限值的判斷，然后把Step 1得到的數(shù)值+1。
Step 1 怎么理解呢？其實(shí)是對(duì)一個(gè)二進(jìn)制數(shù)依次向右移位，然后與原值取或。其目的對(duì)于一個(gè)數(shù)字的二進(jìn)制，從***個(gè)不為0的位開(kāi)始，把后面的所有位都設(shè)置成1。
隨便拿一個(gè)二進(jìn)制數(shù)，套一遍上面的公式就發(fā)現(xiàn)其目的了：
- 1100 1100 1100 >>>1 = 0110 0110 0110
- 1100 1100 1100 | 0110 0110 0110 = 1110 1110 1110
- 1110 1110 1110 >>>2 = 0011 1011 1011
- 1110 1110 1110 | 0011 1011 1011 = 1111 1111 1111
- 1111 1111 1111 >>>4 = 1111 1111 1111
- 1111 1111 1111 | 1111 1111 1111 = 1111 1111 1111
通過(guò)幾次無(wú)符號(hào)右移和按位或運(yùn)算，我們把1100 1100 1100轉(zhuǎn)換成了1111 1111 1111 ，再把1111 1111 1111加1，就得到了1 0000 0000 0000，這就是大于1100 1100 1100的***個(gè)2的冪。
好了，我們現(xiàn)在解釋清楚了Step 1和Step 2的代碼。就是可以把一個(gè)數(shù)轉(zhuǎn)化成***個(gè)比他自身大的2的冪。（可以開(kāi)始佩服Java的工程師們了，使用無(wú)符號(hào)右移和按位或運(yùn)算大大提升了效率。）
但是還有一種特殊情況套用以上公式不行，這些數(shù)字就是2的冪自身。如果數(shù)字4 套用公式的話。得到的會(huì)是 8 ：
- Step 1:
- 0100 >>>1 = 0010
- 0100 | 0010 = 0110
- 0110 >>>1 = 0011
- 0110 | 0011 = 0111
- Step 2:
- 0111 + 0001 = 1000
為了解決這個(gè)問(wèn)題，JDK的工程師把所有用戶傳進(jìn)來(lái)的數(shù)在進(jìn)行計(jì)算之前先-1，就是源碼中的***行：
- int n = cap - 1;
至此，再來(lái)回過(guò)頭看看這個(gè)設(shè)置初始容量的代碼，目的是不是一目了然了：
- 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;
HashMap中初始容量的合理值
當(dāng)我們使用HashMap(int initialCapacity)來(lái)初始化容量的時(shí)候，jdk會(huì)默認(rèn)幫我們計(jì)算一個(gè)相對(duì)合理的值當(dāng)做初始容量。那么，是不是我們只需要把已知的HashMap中即將存放的元素個(gè)數(shù)直接傳給initialCapacity就可以了呢？
關(guān)于這個(gè)值的設(shè)置，在《阿里巴巴Java開(kāi)發(fā)手冊(cè)》有以下建議：
這個(gè)值，并不是阿里巴巴的工程師原創(chuàng)的，在guava（21.0版本）中也使用的是這個(gè)值。
- public static <K, V> HashMap<K, V> newHashMapWithExpectedSize(int expectedSize) {
- return new HashMap<K, V>(capacity(expectedSize));
- }
- /**
- * Returns a capacity that is sufficient to keep the map from being resized as long as it grows no
- * larger than expectedSize and the load factor is ≥ its default (0.75).
- */
- static int capacity(int expectedSize) {
- if (expectedSize < 3) {
- checkNonnegative(expectedSize, "expectedSize");
- return expectedSize + 1;
- }
- if (expectedSize < Ints.MAX_POWER_OF_TWO) {
- // This is the calculation used in JDK8 to resize when a putAll
- // happens; it seems to be the most conservative calculation we
- // can make. 0.75 is the default load factor.
- return (int) ((float) expectedSize / 0.75F + 1.0F);
- }
- return Integer.MAX_VALUE; // any large value
- }
在return (int) ((float) expectedSize / 0.75F + 1.0F);上面有一行注釋，說(shuō)明了這個(gè)公式也不是guava原創(chuàng)，參考的是JDK8中putAll方法中的實(shí)現(xiàn)的。感興趣的讀者可以去看下putAll方法的實(shí)現(xiàn)，也是以上的這個(gè)公式。
雖然，當(dāng)我們使用HashMap(int initialCapacity)來(lái)初始化容量的時(shí)候，jdk會(huì)默認(rèn)幫我們計(jì)算一個(gè)相對(duì)合理的值當(dāng)做初始容量。但是這個(gè)值并沒(méi)有參考loadFactor的值。
也就是說(shuō)，如果我們?cè)O(shè)置的默認(rèn)值是7，經(jīng)過(guò)Jdk處理之后，會(huì)被設(shè)置成8，但是，這個(gè)HashMap在元素個(gè)數(shù)達(dá)到 8*0.75 = 6的時(shí)候就會(huì)進(jìn)行一次擴(kuò)容，這明顯是我們不希望見(jiàn)到的。
如果我們通過(guò)expectedSize / 0.75F + 1.0F計(jì)算，7/0.75 + 1 = 10 ,10經(jīng)過(guò)Jdk處理之后，會(huì)被設(shè)置成16，這就大大的減少了擴(kuò)容的幾率。
當(dāng)HashMap內(nèi)部維護(hù)的哈希表的容量達(dá)到75%時(shí)（默認(rèn)情況下），會(huì)觸發(fā)rehash，而rehash的過(guò)程是比較耗費(fèi)時(shí)間的。所以初始化容量要設(shè)置成expectedSize/0.75 + 1的話，可以有效的減少?zèng)_突也可以減小誤差。
所以，我可以認(rèn)為，當(dāng)我們明確知道HashMap中元素的個(gè)數(shù)的時(shí)候，把默認(rèn)容量設(shè)置成expectedSize / 0.75F + 1.0F 是一個(gè)在性能上相對(duì)好的選擇，但是，同時(shí)也會(huì)犧牲些內(nèi)存。
總結(jié)
當(dāng)我們想要在代碼中創(chuàng)建一個(gè)HashMap的時(shí)候，如果我們已知這個(gè)Map中即將存放的元素個(gè)數(shù)，給HashMap設(shè)置初始容量可以在一定程度上提升效率。
但是，JDK并不會(huì)直接拿用戶傳進(jìn)來(lái)的數(shù)字當(dāng)做默認(rèn)容量，而是會(huì)進(jìn)行一番運(yùn)算，最終得到一個(gè)2的冪。原因在（全網(wǎng)把Map中的hash()分析的最透徹的文章，別無(wú)二家。）介紹過(guò)，得到這個(gè)數(shù)字的算法其實(shí)是使用了使用無(wú)符號(hào)右移和按位或運(yùn)算來(lái)提升效率。
但是，為了***程度的避免擴(kuò)容帶來(lái)的性能消耗，我們建議可以把默認(rèn)容量的數(shù)字設(shè)置成expectedSize / 0.75F + 1.0F 。在日常開(kāi)發(fā)中，可以使用
- Map<String, String> map = Maps.newHashMapWithExpectedSize(10);
來(lái)創(chuàng)建一個(gè)HashMap，計(jì)算的過(guò)程guava會(huì)幫我們完成。
但是，以上的操作是一種用內(nèi)存換性能的做法，真正使用的時(shí)候，要考慮到內(nèi)存的影響。
***，留一個(gè)思考題：為什么JDK 8中，putAll方法采用了這個(gè)expectedSize / 0.75F + 1.0F公式，而put、構(gòu)造函數(shù)等并沒(méi)有默認(rèn)使用這個(gè)公式呢？
【本文是51CTO專欄作者Hollis的原創(chuàng)文章，作者微信公眾號(hào)Hollis(ID：hollischuang)】
