集合是Java開發(fā)日常開發(fā)中經(jīng)常會使用到的。在之前的一些文章中，我們介紹過一些關(guān)于使用集合類應(yīng)該注意的事項(xiàng)，如《為什么阿里巴巴禁止在 foreach 循環(huán)里進(jìn)行元素的 remove/add 操作》。

[[262417]]

關(guān)于集合類，《阿里巴巴Java開發(fā)手冊》中其實(shí)還有另外一個規(guī)定：

本文就來分析一下為什么會有如此建議?如果一定要設(shè)置初始容量的話，設(shè)置多少比較合適?

1.為什么要設(shè)置初始容量

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(rèn)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(jìn)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(shè)置一個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HashMap中傻傻分不清楚的那些概念文章介紹過，HashMap有擴(kuò)容機(jī)制，就是當(dāng)達(dá)到擴(kuò)容條件時會進(jìn)行擴(kuò)容。HashMap的擴(kuò)容條件就是當(dāng)HashMap中的元素個數(shù)(size)超過臨界值(threshold)時就會自動擴(kuò)容。在HashMap中， threshold = loadFactor * capacity。

所以，如果我們沒有設(shè)置初始容量大小，隨著元素的不斷增加，HashMap會發(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。

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)值不同也會影響性能，那么當(dāng)我們已知HashMap中即將存放的KV個數(shù)的時候，容量設(shè)置成多少為好呢?

2.HashMap中容量的初始化

默認(rèn)情況下，當(dāng)我們設(shè)置HashMap的初始化容量時，實(shí)際上HashMap會采用***個大于該數(shù)值的2的冪作為初始化容量。

如以下示例代碼：

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)); 

在jdk1.7中，初始化容量設(shè)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(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，話題再說回來，當(dāng)我們通過HashMap(int initialCapacity)設(shè)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初始化這個容量的時機(jī)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(jìn)行容量的設(shè)定。而在Jdk 1.7中，要等到***次put操作時才進(jìn)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(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(shè)計這個算法你準(zhǔn)備如何計算?如果你想到二進(jìn)制的話，那就很簡單了。舉幾個例子看一下：

請關(guān)注上面的幾個例子中，藍(lán)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 
 
Step 1，37->63 
Step 2，63->65 

對應(yīng)到以上代碼中，Step 1：

n |= n >>> 1; 
n |= n >>> 2; 
n |= n >>> 4; 
n |= n >>> 8; 
n |= n >>> 16; 

對應(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)是對一個二進(jìn)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(jìn)制，從***個不為0的位開始，把后面的所有位都設(shè)置成1。

隨便拿一個二進(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 

通過幾次無符號右移和按位或運(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(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(jìn)來的數(shù)在進(jìn)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(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; 

3.HashMap初始容量的合理值

當(dāng)我們使用 HashMap(int initialCapacity) 來初始化容量的時候，jdk會默認(rèn)幫我們計算一個相對合理的值當(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數(shù)直接傳給initialCapacity就可以了呢?

關(guān)于這個值的設(shè)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(shí)現(xiàn)的。感興趣的讀者可以去看下putAll方法的實(shí)現(xiàn)，也是以上的這個公式。

雖然，當(dāng)我們使用 HashMap(int initialCapacity) 來初始化容量的時候，jdk會默認(rèn)幫我們計算一個相對合理的值當(dāng)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(shè)置的默認(rèn)值是7，經(jīng)過Jdk處理之后，會被設(shè)置成8，但是，這個HashMap在元素個數(shù)達(dá)到 8*0.75 = 6的時候就會進(jìn)行一次擴(kuò)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(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(默認(rèn)情況下)，會觸發(fā)rehash，而rehash的過程是比較耗費(fèi)時間的。所以初始化容量要設(shè)置成expectedSize/0.75 + 1的話，可以有效的減少沖突也可以減小誤差。

所以，我可以認(rèn)為，當(dāng)我們明確知道HashMap中元素的個數(shù)的時候，把默認(rèn)容量設(shè)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。

4.總結(jié)

當(dāng)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(shè)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(jìn)來的數(shù)字當(dāng)做默認(rèn)容量，而是會進(jìn)行一番運(yùn)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(shí)是使用了使用無符號右移和按位或運(yùn)算來提升效率。

但是，為了***程度的避免擴(kuò)容帶來的性能消耗，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(rèn)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)】

戳這里，看該作者更多好文