關于HashMap容量的初始化，還有這么多學問
在《HashMap中傻傻分不清楚的那些概念》文章中，我們介紹了HashMap中和容量相關的幾個概念，簡單介紹了一下HashMap的擴容機制。
文中我們提到，默認情況下HashMap的容量是16，但是，如果用戶通過構(gòu)造函數(shù)指定了一個數(shù)字作為容量，那么Hash會選擇大于該數(shù)字的***個2的冪作為容量。(3->4、7->8、9->16)
本文，延續(xù)上一篇文章，我們再來深入學習下，到底應不應該設置HashMap的默認容量？如果真的要設置HashMap的初始容量，我們應該設置多少？
為什么要設置HashMap的初始化容量
我們之前提到過，《阿里巴巴Java開發(fā)手冊》中建議我們設置HashMap的初始化容量。
那么，為什么要這么建議？你有想過沒有。
我們先來寫一段代碼在JDK 1.7 （jdk1.7.0_79）下面來分別測試下，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)果會有所不同，我會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 ： " + (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 ： " + (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 ： " + (s4 - s3));
- }
以上代碼不難理解，我們創(chuàng)建了3個HashMap，分別使用默認的容量（16）、使用元素個數(shù)的一半（5千萬）作為初始容量、使用元素個數(shù)（一億）作為初始容量進行初始化。然后分別向其中put一億個KV。
輸出結(jié)果：
- 未初始化容量，耗時 ： 14419
- 初始化容量5000000，耗時 ： 11916
- 初始化容量為10000000，耗時 ： 7984
從結(jié)果中，我們可以知道，在已知HashMap中將要存放的KV個數(shù)的時候，設置一個合理的初始化容量可以有效的提高性能。
當然，以上結(jié)論也是有理論支撐的。我們上一篇文章介紹過，HashMap有擴容機制，就是當達到擴容條件時會進行擴容。HashMap的擴容條件就是當HashMap中的元素個數(shù)（size）超過臨界值（threshold）時就會自動擴容。在HashMap中，threshold = loadFactor * capacity。
所以，如果我們沒有設置初始容量大小，隨著元素的不斷增加，HashMap會發(fā)生多次擴容，而HashMap中的擴容機制決定了每次擴容都需要重建hash表，是非常影響性能的。（關于resize，后面我會有文章單獨介紹）
從上面的代碼示例中，我們還發(fā)現(xiàn)，同樣是設置初始化容量，設置的數(shù)值不同也會影響性能，那么當我們已知HashMap中即將存放的KV個數(shù)的時候，容量設置成多少為好呢？
HashMap中容量的初始化
在上一篇文章中，我們通過代碼實例其實介紹過，默認情況下，當我們設置HashMap的初始化容量時，實際上HashMap會采用***個大于該數(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));
初始化容量設置成1的時候，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，實際上設置的結(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");導致了擴容，容量從1擴容到2。
那么，話題再說回來，當我們通過HashMap(int initialCapacity)設置初始容量的時候，HashMap并不一定會直接采用我們傳入的數(shù)值，而是經(jīng)過計算，得到一個新值，目的是提高hash的效率。(1->1、3->4、7->8、9->16)
在Jdk 1.7和Jdk 1.8中，HashMap初始化這個容量的時機不同。jdk1.8中，在調(diào)用HashMap的構(gòu)造函數(shù)定義HashMap的時候，就會進行容量的設定。而在Jdk 1.7中，要等到***次put操作時才進行這一操作。
不管是Jdk 1.7還是Jdk 1.8，計算初始化容量的算法其實是如出一轍的，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，一個簡單的容量初始化，Java的工程師也有很多考慮在里面。
上面的算法目的挺簡單，就是：根據(jù)用戶傳入的容量值（代碼中的cap），通過計算，得到***個比他大的2的冪并返回。
聰明的讀者們，如果讓你設計這個算法你準備如何計算？如果你想到二進制的話，那就很簡單了。舉幾個例子看一下：
請關注上面的幾個例子中，藍色字體部分的變化情況，或許你會發(fā)現(xiàn)些規(guī)律。5->8、9->16、19->32、37->64都是主要經(jīng)過了兩個階段。
- Step 1，5->7
- Step 2，7->8
- Step 1，9->15
- Step 2，15->16
- Step 1，19->31
- Step 2，31->32
對應到以上代碼中，Step1：
- n |= n >>> 1;
- n |= n >>> 2;
- n |= n >>> 4;
- n |= n >>> 8;
- n |= n >>> 16;
對應到以上代碼中，Step2：
- return (n < 0) ? 1 : (n >= MAXIMUM_CAPACITY) ? MAXIMUM_CAPACITY : n + 1;
Step 2 比較簡單，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？其實是對一個二進制數(shù)依次向右移位，然后與原值取或。其目的對于一個數(shù)字的二進制，從***個不為0的位開始，把后面的所有位都設置成1。
隨便拿一個二進制數(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
通過幾次無符號右移和按位或運算，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。就是可以把一個數(shù)轉(zhuǎn)化成***個比他自身大的2的冪。（可以開始佩服Java的工程師們了，使用無符號右移和按位或運算大大提升了效率。）
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
為了解決這個問題，JDK的工程師把所有用戶傳進來的數(shù)在進行計算之前先-1，就是源碼中的***行：
- int n = cap - 1;
至此，再來回過頭看看這個設置初始容量的代碼，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
當我們使用HashMap(int initialCapacity)來初始化容量的時候，jdk會默認幫我們計算一個相對合理的值當做初始容量。那么，是不是我們只需要把已知的HashMap中即將存放的元素個數(shù)直接傳給initialCapacity就可以了呢？
關于這個值的設置，在《阿里巴巴Java開發(fā)手冊》有以下建議：
這個值，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，說明了這個公式也不是guava原創(chuàng)，參考的是JDK8中putAll方法中的實現(xiàn)的。感興趣的讀者可以去看下putAll方法的實現(xiàn)，也是以上的這個公式。
雖然，當我們使用HashMap(int initialCapacity)來初始化容量的時候，jdk會默認幫我們計算一個相對合理的值當做初始容量。但是這個值并沒有參考loadFactor的值。
也就是說，如果我們設置的默認值是7，經(jīng)過Jdk處理之后，會被設置成8，但是，這個HashMap在元素個數(shù)達到 8*0.75 = 6的時候就會進行一次擴容，這明顯是我們不希望見到的。
如果我們通過expectedSize / 0.75F + 1.0F計算，7/0.75 + 1 = 10 ,10經(jīng)過Jdk處理之后，會被設置成16，這就大大的減少了擴容的幾率。
當HashMap內(nèi)部維護的哈希表的容量達到75%時（默認情況下），會觸發(fā)rehash，而rehash的過程是比較耗費時間的。所以初始化容量要設置成expectedSize/0.75 + 1的話，可以有效的減少沖突也可以減小誤差。
所以，我可以認為，當我們明確知道HashMap中元素的個數(shù)的時候，把默認容量設置成expectedSize / 0.75F + 1.0F 是一個在性能上相對好的選擇，但是，同時也會犧牲些內(nèi)存。
總結(jié)
當我們想要在代碼中創(chuàng)建一個HashMap的時候，如果我們已知這個Map中即將存放的元素個數(shù)，給HashMap設置初始容量可以在一定程度上提升效率。
但是，JDK并不會直接拿用戶傳進來的數(shù)字當做默認容量，而是會進行一番運算，最終得到一個2的冪。原因在（全網(wǎng)把Map中的hash()分析的最透徹的文章，別無二家。）介紹過，得到這個數(shù)字的算法其實是使用了使用無符號右移和按位或運算來提升效率。
但是，為了***程度的避免擴容帶來的性能消耗，我們建議可以把默認容量的數(shù)字設置成expectedSize / 0.75F + 1.0F 。在日常開發(fā)中，可以使用
- Map<String, String> map = Maps.newHashMapWithExpectedSize(10);
來創(chuàng)建一個HashMap，計算的過程guava會幫我們完成。
但是，以上的操作是一種用內(nèi)存換性能的做法，真正使用的時候，要考慮到內(nèi)存的影響。
***，留一個思考題：為什么JDK 8中，putAll方法采用了這個expectedSize / 0.75F + 1.0F公式，而put、構(gòu)造函數(shù)等并沒有默認使用這個公式呢？
【本文是51CTO專欄作者Hollis的原創(chuàng)文章，作者微信公眾號Hollis(ID：hollischuang)】
