HashMap 完全解析

static class Node<K,V> implements Map.Entry<K,V> {
        final int hash;// 用来定位数组索引位置
        final K key;
        V value;
        Node<K,V> next;// 链表的下一个元素

        Node(int hash, K key, V value, Node<K,V> next) {...}

        public final K getKey()        {...}
        public final V getValue()      {...}
        public final String toString() {...}
        public final int hashCode() {...}
        public final V setValue(V newValue) {...}
        public final boolean equals(Object o) {...}
}

Node 是 HashMap 中的一个内部类，实现了 Map.Entry 接口，本质是就是一个映射(键值对)。

我们在 HashMap 中存储的每一个值，都是一个 Node。

2.2 为什么要用单链表的方式？

哈希表为了解决冲突，一般有两种方式来解决，开放寻址法和链表法。

开放寻址法：如果出现了散列冲突，就重新探测一个空闲位置，将其插入。

链表法：就是数组加链表的结合。在每个数组元素上都一个链表结构，当数据被 Hash 后，得到数组下标，把数据放在对应下标元素的链表上。

[图片上传失败…(image-30a42a-1576498907545)]

即使负载因子和 Hash 算法设计的再合理，也免不了会出现拉链过长的情况，一旦出现拉链过长，则会严重影响 HashMap 的性能。

于是，在 JDK1.8 版本中，HashMap 做了进一步的优化，引入了红黑树。当链表长度太长（默认超过8）时，链表就转换为红黑树，利用红黑树快速增删改查的特点提高HashMap的性能。

3. HashMap 的成员变量

HashMap 中的成员变量，除了一些常量外，主要有以下几个。

int size;
int modCount;
final float loadFactor;
int threshold;

size 比较简单，就是 HashMap 中包含的映射的总数。

modCount 主要用来记录 HashMap 内部结构发生变化的次数，主要用于迭代的快速失败。强调一点，内部结构发生变化指的是结构发生变化，例如 put 新键值对，但是某个 key 对应的 value 值被覆盖不属于结构变化。

loadFactor 负载因子，默认值是0.75，负载因子越大，说明 map 中的元素越多，空闲位置越少，散列冲突的概率就越大。

threshold 阈值，是 HashMap 所能容纳的最大数据量的 Node (键值对)个数。

算法公式为：threshold = length * loadFactor。其中 length 是 Node[] table 的长度(默认 16)。

threshold 就是在此 loadFactor 和 length 对应下允许的最大元素数目，超过这个数目就重新 resize (扩容)，扩容后的 HashMap 容量是之前容量的两倍。

4. 确定数组索引位置的 hash 算法

不管是添加、删除还是查找，第一步首先是要确定当前元素在 HashMap 中的位置。

HashMap 中的 hash 采用的是取 key 的 hashCode 值，然后进行高位运算，再进行取模运算。

static final int hash(Object key) {
      int h;
      return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
  }

4.1 为什么要采用这种算法呢？

我们知道，在 HashMap 中采用 hash 为 key，因此我们要尽量避免 hash 碰撞。

上面的代码中，key.hashCode()函数调用的是 key 键值类型自带的哈希函数，返回 int 型散列值。

int 值的取值范围在 -2^31 ~ 2^31 - 1 之间，大约有 40 亿的空间，如果直接拿散列表的值做数组的所含，虽然很难出现碰撞，但是 40 亿的长度实在是太大了，不太现实。

因此需要对得到的散列值进行进一步的操作处理。

在 java7 中，采用的是&操作。

static int indexFor(int h, int length) {
    return h & (length-1);
}

番外：为什么用 & 操作呢？

主要是用来取模。

位运算(&)效率要比取模运算(%)高很多，主要原因是位运算直接对内存数据进行操作，不需要转成十进制，因此处理速度非常快。

为什么可以使用位运算(&)来实现取模运算(%)呢

原理如下：

X % 2^n = X & (2^n – 1)

2^n 表示 2 的 n 次方，也就是说，一个数对 2^n 取模 == 一个数和 (2^n – 1) 做按位与运算。

假设 n 为3，则 2^3 = 8，表示成 2 进制就是 1000。2^3 -1 = 7 ，即 0111。

此时 X & (2^3 – 1) 就相当于取 X 的 2 进制的最后三位数。

从 2 进制角度来看，X / 8相当于 X >> 3，即把 X 右移 3 位，此时得到了 X / 8 的商，而被移掉的部分(后三位)，则是X % 8，也就是余数。

简单来讲就是：

6 % 8 = 6 ，6 & 7 = 6；
10 & 8 = 2 ，10 & 7 = 2

记住会用就行。

回归正文。

因此只要保证 HashMap 数组的长度正好是 2 的整次幂，那么就可以实现取模预算了。

“与(&)”操作的结果就是散列值的高位全部归零，只保留低位值，用来做数组下标访问。

但问题来了，用这种方式，只取最后几位，碰撞也会很严重。

因此，java 8 改变了思路，采用 key.hashCode() 与 hash 值的高 16 位进行异或运算。

异或：如果a、b两个值不相同，则异或结果为1。如果a、b两个值相同，异或结果为0。

利用高半区和低半区做异或，就是为了混合原始哈希码的高位和低位，以此来加大低位的随机性。混合后的低位掺杂了高位的部分特征，这样高位的信息也被变相保留下来。

5. 存储数据的 put 方法

HashMap 的 put 方法主要分为以下几步：

①. 判断键值对数组 table[i] 是否为空或为 null，否则执行 resize() 进行扩容；

②. 根据键值 key 计算 hash 值得到插入的数组索引 i，如果 table[i]==null，直接新建节点添加，转向 ⑥，如果 table[i] 不为空，转向③；

③. 判断 table[i] 的首个元素是否和 key 一样，如果相同直接覆盖 value，否则转向④，这里的相同指的是 hashCode 以及 equals；

④. 判断 table[i] 是否为 TreeNode，即 table[i] 是否是红黑树，如果是红黑树，则直接在树中插入键值对，否则转向⑤；

⑤. 遍历 table[i]，判断链表长度是否大于 8，大于 8 的话把链表转换为红黑树，在红黑树中执行插入操作，否则进行链表的插入操作；遍历过程中若发现 key 已经存在直接覆盖 value 即可；

⑥. 插入成功后，判断实际存在的键值对数量 size 是否超多了最大容量 threshold，如果超过，进行扩容。

JDK1.8HashMap的put方法源码如下:

public V put(K key, V value) {
    // 对key的hashCode()做hash
    return putVal(hash(key), key, value, false, true);
}

final V putVal(int hash, K key, V value, boolean onlyIfAbsent,
                boolean evict) {
    Node<K, V>[] tab;
    Node<K, V> p;
    int n, i;
    // 步骤①：tab为空则创建
    if ((tab = table) == null || (n = tab.length) == 0)
        n = (tab = resize()).length;
    // 步骤②：计算index，并对null做处理 
    if ((p = tab[i = (n - 1) & hash]) == null)
        tab[i] = newNode(hash, key, value, null);
    else {
        Node<K, V> e;
        K k;
        // 步骤③：节点key存在，直接覆盖value
        if (p.hash == hash &&
                ((k = p.key) == key || (key != null && key.equals(k))))
            e = p;
            // 步骤④：判断该链为红黑树
        else if (p instanceof TreeNode)
            e = ((TreeNode<K, V>) p).putTreeVal(this, tab, hash, key, value);
            // 步骤⑤：该链为链表
        else {
            for (int binCount = 0; ; ++binCount) {
                if ((e = p.next) == null) {
                    p.next = newNode(hash, key, value, null);
                    链表长度大于8转换为红黑树进行处理
                    if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st  
                        treeifyBin(tab, hash);
                    break;
                }
                key已经存在直接覆盖value
                if (e.hash == hash &&
                        ((k = e.key) == key || (key != null && key.equals(k))))
                    break;
                p = e;
            }
        }

        if (e != null) { // existing mapping for key
            V oldValue = e.value;
            if (!onlyIfAbsent || oldValue == null)
                e.value = value;
            afterNodeAccess(e);
            return oldValue;
        }
    }

    ++modCount;
    // 步骤⑥：超过最大容量 就扩容
    if (++size > threshold)
        resize();
    afterNodeInsertion(evict);
    return null;
}

可以参照下图进行理解。

HashMap 的 put 流程

6. HashMap 的扩容机制

扩容(resize)就是重新计算容量。

当我们不停的向 HashMap 中添加元素，当达到临界值，HashMap 无法添加新元素时，就需要进行扩容，以便能装入更多的元素。

final Node<K,V>[] resize() {
    Node<K,V>[] oldTab = table; // 新建变量扩容前的 Entry Node
    int oldCap = (oldTab == null) ? 0 : oldTab.length; //扩容前数组的长度
    int oldThr = threshold; // 扩容前能容纳最大键值对数量
    int newCap, newThr = 0;
    if (oldCap > 0) {
        // 超过最大值就不再扩充了，就只好随你碰撞去吧
        if (oldCap >= MAXIMUM_CAPACITY) { 
            threshold = Integer.MAX_VALUE;
            return oldTab;
        }
        // 没超过最大值，就扩充为原来的2倍
        else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&
                  oldCap >= DEFAULT_INITIAL_CAPACITY)
            newThr = oldThr << 1; // double threshold
    }
    else if (oldThr > 0) // initial capacity was placed in threshold
        newCap = oldThr;
    else {               // zero initial threshold signifies using defaults
        newCap = DEFAULT_INITIAL_CAPACITY;
        newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);
    }
    // 计算新的 resize 上限
    if (newThr == 0) {
        float ft = (float)newCap * loadFactor;
        newThr = (newCap < MAXIMUM_CAPACITY && ft < (float)MAXIMUM_CAPACITY ?
                  (int)ft : Integer.MAX_VALUE);
    }
    threshold = newThr;
    @SuppressWarnings({"rawtypes","unchecked"})
        Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap];
    table = newTab;
    if (oldTab != null) {
        // 将之前的元素都移动到新的 buckets 中
        for (int j = 0; j < oldCap; ++j) {
            Node<K,V> e;
            if ((e = oldTab[j]) != null) {
                oldTab[j] = null;
                if (e.next == null)
                    newTab[e.hash & (newCap - 1)] = e;
                else if (e instanceof TreeNode) // 暂时忽略红黑树部分
                    ((TreeNode<K,V>)e).split(this, newTab, j, oldCap);
                else { // 链表优化重 hash 的代码块
                    Node<K,V> loHead = null, loTail = null;
                    Node<K,V> hiHead = null, hiTail = null;
                    Node<K,V> next;
                    do {
                        next = e.next;
                         // 原索引
                        if ((e.hash & oldCap) == 0) {  //仅仅是判断元素是否需要换位置，不要理解为元素的新位置
                            if (loTail == null)
                                loHead = e;
                            else
                                loTail.next = e;
                            loTail = e;
                        }
                        // 原索引+oldCap
                        else {
                            if (hiTail == null)
                                hiHead = e;
                            else
                                hiTail.next = e;
                            hiTail = e;
                        }
                    } while ((e = next) != null);
                     // 原索引放到bucket里
                    if (loTail != null) {
                        loTail.next = null;
                        newTab[j] = loHead;
                    }
                    // 原索引+oldCap放到bucket里
                    if (hiTail != null) {
                        hiTail.next = null;
                        newTab[j + oldCap] = hiHead;
                    }
                }
            }
        }
    }
    return newTab;
}