相关文章

面试必会之ArrayList源码分析

面试必会之LinkedList源码分析

简介

HashMap最早出现在JDK1.2中，底层基于散列算法实现。HashMap 允许 null 键和 null 值，是非线程安全类，在多线程环境下可能会存在问题。

1.8版本的HashMap数据结构：

为什么有的是链表有的是红黑树？

默认链表长度大于8时转为树

结构

Node是HhaspMap中的一个静态内部类 ：

 1 //Node是单向链表，实现了Map.Entry接口
 2 static class Node<K,V> implements Map.Entry<K,V> {
 3     final int hash; 4 final K key; 5  V value; 6 Node<K,V> next; 7 //构造函数 8 Node(int hash, K key, V value, Node<K,V> next) { 9 this.hash = hash; 10 this.key = key; 11 this.value = value; 12 this.next = next; 13  } 14 15 // getter and setter ... toString ... 16 public final K getKey() { return key; } 17 public final V getValue() { return value; } 18 public final String toString() { return key + "=" + value; } 19 20 public final int hashCode() { 21 return Objects.hashCode(key) ^ Objects.hashCode(value); 22  } 23 24 public final V setValue(V newValue) { 25 V oldValue = value; 26 value = newValue; 27 return oldValue; 28  } 29 30 public final boolean equals(Object o) { 31 if (o == this) 32 return true; 33 if (o instanceof Map.Entry) { 34 Map.Entry<?,?> e = (Map.Entry<?,?>)o; 35 if (Objects.equals(key, e.getKey()) && 36  Objects.equals(value, e.getValue())) 37 return true; 38  } 39 return false; 40  } 41 }

TreeNode 是红黑树的数据结构。

 1 static final class TreeNode<K,V> extends LinkedHashMap.Entry<K,V> {
 2     TreeNode<K,V> parent;  // red-black tree links
 3     TreeNode<K,V> left; 4 TreeNode<K,V> right; 5 TreeNode<K,V> prev; // needed to unlink next upon deletion 6 boolean red; 7 TreeNode(int hash, K key, V val, Node<K,V> next) { 8 super(hash, key, val, next); 9  } 10 11 /** 12 * Returns root of tree containing this node. 13 */ 14 final TreeNode<K,V> root() { 15 for (TreeNode<K,V> r = this, p;;) { 16 if ((p = r.parent) == null) 17 return r; 18 r = p; 19  } 20 }

类定义

 1 public class HashMap<K,V> extends AbstractMap<K,V> 2 implements Map<K,V>, Cloneable, Serializable  

变量

 1 /**
 2  * 默认初始容量16(必须是2的幂次方)
 3  */
 4 static final int DEFAULT_INITIAL_CAPACITY = 1 << 4;
 5 
 6 /**
 7  * 最大容量，2的30次方
 8  */
 9 static final int MAXIMUM_CAPACITY = 1 << 30; 10 11 /** 12 * 默认加载因子，用来计算threshold 13 */ 14 static final float DEFAULT_LOAD_FACTOR = 0.75f; 15 16 /** 17 * 链表转成树的阈值，当桶中链表长度大于8时转成树 18 threshold = capacity * loadFactor 19 */ 20 static final int TREEIFY_THRESHOLD = 8; 21 22 /** 23 * 进行resize操作时，若桶中数量少于6则从树转成链表 24 */ 25 static final int UNTREEIFY_THRESHOLD = 6; 26 27 /** 28 * 桶中结构转化为红黑树对应的table的最小大小 29 30 当需要将解决 hash 冲突的链表转变为红黑树时， 31 需要判断下此时数组容量， 32 若是由于数组容量太小（小于　MIN_TREEIFY_CAPACITY　） 33 导致的 hash 冲突太多，则不进行链表转变为红黑树操作， 34 转为利用　resize() 函数对　hashMap 扩容 35 */ 36 static final int MIN_TREEIFY_CAPACITY = 64; 37 /** 38 保存Node<K,V>节点的数组 39 该表在首次使用时初始化，并根据需要调整大小。 分配时， 40 长度始终是2的幂。 41 */ 42 transient Node<K,V>[] table; 43 44 /** 45 * 存放具体元素的集 46 */ 47 transient Set<Map.Entry<K,V>> entrySet; 48 49 /** 50 * 记录 hashMap 当前存储的元素的数量 51 */ 52 transient int size; 53 54 /** 55 * 每次更改map结构的计数器 56 */ 57 transient int modCount; 58 59 /** 60 * 临界值 当实际大小(容量*填充因子)超过临界值时，会进行扩容 61 */ 62 int threshold; 63 64 /** 65 * 负载因子：要调整大小的下一个大小值（容量*加载因子）。 66 */ 67 final float loadFactor;

构造方法

 1 /**
 2  * 传入初始容量大小，使用默认负载因子值 来初始化HashMap对象
 3  */
 4 public HashMap(int initialCapacity) {
 5     this(initialCapacity, DEFAULT_LOAD_FACTOR); 6 } 7 8 /** 9 * 默认容量和负载因子 10 */ 11 public HashMap() { 12 this.loadFactor = DEFAULT_LOAD_FACTOR; // all other fields defaulted 13 } 14 /** 15 * 传入初始容量大小和负载因子 来初始化HashMap对象 16 */ 17 public HashMap(int initialCapacity, float loadFactor) { 18 // 初始容量不能小于0，否则报错 19 if (initialCapacity < 0) 20 throw new IllegalArgumentException("Illegal initial capacity: " + 21  initialCapacity); 22 // 初始容量不能大于最大值，否则为最大值 23 if (initialCapacity > MAXIMUM_CAPACITY) 24 initialCapacity = MAXIMUM_CAPACITY; 25 //负载因子不能小于或等于0，不能为非数字 26 if (loadFactor <= 0 || Float.isNaN(loadFactor)) 27 throw new IllegalArgumentException("Illegal load factor: " + 28  loadFactor); 29 // 初始化负载因子 30 this.loadFactor = loadFactor; 31 // 初始化threshold大小 32 this.threshold = tableSizeFor(initialCapacity); 33 } 34 35 /** 36 * 找到大于或等于 cap 的最小2的整数次幂的数。 37 */ 38 static final int tableSizeFor(int cap) { 39 int n = cap - 1; 40 n |= n >>> 1; 41 n |= n >>> 2; 42 n |= n >>> 4; 43 n |= n >>> 8; 44 n |= n >>> 16; 45 return (n < 0) ? 1 : (n >= MAXIMUM_CAPACITY) ? MAXIMUM_CAPACITY : n + 1; 46 }

tableSizeFor方法详解：

用位运算找到大于或等于 cap 的最小2的整数次幂的数。比如10，则返回16

1. 让cap-1再赋值给n的目的是使得找到的目标值大于或等于原值。例如二进制0100,十进制是4,若不减1而直接操作，答案是0001 0000十进制是16，明显不符合预期。

2. 对n右移1位：001xx…xxx，再位或：011xx…xxx

3. 对n右移2位：00011…xxx，再位或：01111…xxx

4. 对n右移4位…

5. 对n右移8位…

6. 对n右移16位,因为int最大就2^32所以移动1、2、4、8、16位并取位或,会将最高位的1后面的位全变为1。

7. 再让结果n+1，即得到了2的整数次幂的值了。

附带一个实例：

loadFactor 负载因子

对于 HashMap 来说，负载因子是一个很重要的参数，该参数反应了 HashMap 桶数组的使用情况。通过调节负载因子，可使 HashMap 时间和空间复杂度上有不同的表现。

当我们调低负载因子时，HashMap 所能容纳的键值对数量变少。扩容时，重新将键值对存储新的桶数组里，键的键之间产生的碰撞会下降，链表长度变短。此时，HashMap 的增删改查等操作的效率将会变高，这里是典型的拿空间换时间。

相反，如果增加负载因子（负载因子可以大于1），HashMap 所能容纳的键值对数量变多，空间利用率高，但碰撞率也高。这意味着链表长度变长，效率也随之降低，这种情况是拿时间换空间。至于负载因子怎么调节，这个看使用场景了。

一般情况下，我们用默认值就可以了。大多数情况下0.75在时间跟空间代价上达到了平衡所以不建议修改。

查找

 1 public V get(Object key) {
 2     Node<K,V> e; 3 return (e = getNode(hash(key), key)) == null ? null : e.value; 4 } 5 // 获取hash值 6 static final int hash(Object key) { 7 int h; 8 // 拿到key的hash值后与其五符号右移16位取与 9 // 通过这种方式，让高位数据与低位数据进行异或，以此加大低位信息的随机性，变相的让高位数据参与到计算中。 10 return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16); 11 } 12 13 final Node<K,V> getNode(int hash, Object key) { 14 Node<K,V>[] tab; 15 Node<K,V> first, e; 16 int n; K k; 17 // 定位键值对所在桶的位置 18 if ((tab = table) != null && (n = tab.length) > 0 && 19 (first = tab[(n - 1) & hash]) != null) { 20 // 判断桶中第一项(数组元素)相等 21 if (first.hash == hash && // always check first node 22 ((k = first.key) == key || (key != null && key.equals(k)))) 23 return first; 24 // 桶中不止一个结点 25 if ((e = first.next) != null) { 26 // 是否是红黑树，是的话调用getTreeNode方法 27 if (first instanceof TreeNode) 28 return ((TreeNode<K,V>)first).getTreeNode(hash, key); 29 // 不是红黑树的话，在链表中遍历查找 30 do { 31 if (e.hash == hash && 32 ((k = e.key) == key || (key != null && key.equals(k)))) 33 return e; 34 } while ((e = e.next) != null); 35  } 36  } 37 return null; 38 }

注意：

1. HashMap的hash算法(hash()方法)。

2. (n - 1) & hash等价于对 length 取余。

添加

 1 public V put(K key, V value) {
 2     // 调用hash(key)方法来计算hash 
 3     return putVal(hash(key), key, value, false, true); 4 } 5 6 final V putVal(int hash, K key, V value, boolean onlyIfAbsent, 7 boolean evict) { 8 Node<K,V>[] tab; 9 Node<K,V> p; 10 int n, i; 11 // 容量初始化：当table为空，则调用resize()方法来初始化容器 12 if ((tab = table) == null || (n = tab.length) == 0) 13 n = (tab = resize()).length; 14 //确定元素存放在哪个桶中，桶为空，新生成结点放入桶中 15 if ((p = tab[i = (n - 1) & hash]) == null) 16 tab[i] = newNode(hash, key, value, null); 17 else { 18 Node<K,V> e; K k; 19 // 比较桶中第一个元素(数组中的结点)的hash值相等，key相等 20 if (p.hash == hash && 21 ((k = p.key) == key || (key != null && key.equals(k)))) 22 //如果键的值以及节点 hash 等于链表中的第一个键值对节点时，则将 e 指向该键值对 23 e = p; 24 // 如果桶中的引用类型为 TreeNode，则调用红黑树的插入方法 25 else if (p instanceof TreeNode) 26 // 放入树中 27 e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value); 28 else { 29 //对链表进行遍历，并统计链表长度 30 for (int binCount = 0; ; ++binCount) { 31 // 到达链表的尾部 32 if ((e = p.next) == null) { 33 //在尾部插入新结点 34 p.next = newNode(hash, key, value, null); 35 // 如果结点数量达到阈值，转化为红黑树 36 if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st 37  treeifyBin(tab, hash); 38 break; 39  } 40 // 判断链表中结点的key值与插入的元素的key值是否相等 41 if (e.hash == hash && 42 ((k = e.key) == key || (key != null && key.equals(k)))) 43 break; 44 p = e; 45  } 46  } 47 //判断要插入的键值对是否存在 HashMap 中 48 if (e != null) { // existing mapping for key 49 V oldValue = e.value; 50 // onlyIfAbsent 表示是否仅在 oldValue 为 null 的情况下更新键值对的值 51 if (!onlyIfAbsent || oldValue == null) 52 e.value = value; 53  afterNodeAccess(e); 54 return oldValue; 55  } 56  } 57 ++modCount; 58 // 键值对数量超过阈值时，则进行扩容 59 if (++size > threshold) 60  resize(); 61  afterNodeInsertion(evict); 62 return null; 63 }

事实上，new HashMap();完成后，如果没有put操作，是不会分配存储空间的。

1. 当桶数组 table 为空时，通过扩容的方式初始化 table

2. 查找要插入的键值对是否已经存在，存在的话根据条件判断是否用新值替换旧值

3. 如果不存在，则将键值对链入链表中，并根据链表长度决定是否将链表转为红黑树

4. 判断键值对数量是否大于阈值，大于的话则进行扩容操作

扩容机制

在 HashMap 中，桶数组的长度均是2的幂，阈值大小为桶数组长度与负载因子的乘积。当 HashMap 中的键值对数量超过阈值时，进行扩容。

HashMap 按当前桶数组长度的2倍进行扩容，阈值也变为原来的2倍（如果计算过程中，阈值溢出归零，则按阈值公式重新计算）。扩容之后，要重新计算键值对的位置，并把它们移动到合适的位置上去。

 1 final Node<K,V>[] resize() {
 2     // 拿到数组桶
 3     Node<K,V>[] oldTab = table; 4 int oldCap = (oldTab == null) ? 0 : oldTab.length; 5 int oldThr = threshold; 6 int newCap, newThr = 0; 7 // 如果数组桶的容量大与0 8 if (oldCap > 0) { 9 // 如果比最大值还大，则赋值为最大值 10 if (oldCap >= MAXIMUM_CAPACITY) { 11 threshold = Integer.MAX_VALUE; 12 return oldTab; 13  } 14 // 如果扩容后小于最大值 而且 旧数组桶大于初始容量16， 阈值左移1(扩大2倍) 15 else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY && 16 oldCap >= DEFAULT_INITIAL_CAPACITY) 17 newThr = oldThr << 1; // double threshold 18  } 19 // 如果数组桶容量<=0 且 旧阈值 >0 20 else if (oldThr > 0) // initial capacity was placed in threshold 21 // 新容量=旧阈值 22 newCap = oldThr; 23 // 如果数组桶容量<=0 且 旧阈值 <=0 24 else { // zero initial threshold signifies using defaults 25 // 新容量=默认容量 26 newCap = DEFAULT_INITIAL_CAPACITY; 27 // 新阈值= 负载因子*默认容量 28 newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY); 29  } 30 // 如果新阈值为0 31 if (newThr == 0) { 32 // 重新计算阈值 33 float ft = (float)newCap * loadFactor; 34 newThr = (newCap < MAXIMUM_CAPACITY && ft < (float)MAXIMUM_CAPACITY ? 35 (int)ft : Integer.MAX_VALUE); 36  } 37 // 更新阈值 38 threshold = newThr; 39 @SuppressWarnings({"rawtypes","unchecked"}) 40 // 创建新数组 41 Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap]; 42 // 覆盖数组桶 43 table = newTab; 44 // 如果旧数组桶不是空，则遍历桶数组，并将键值对映射到新的桶数组中 45 if (oldTab != null) { 46 for (int j = 0; j < oldCap; ++j) { 47 Node<K,V> e; 48 if ((e = oldTab[j]) != null) { 49 oldTab[j] = null; 50 if (e.next == null) 51 newTab[e.hash & (newCap - 1)] = e; 52 // 如果是红黑树 53 else if (e instanceof TreeNode) 54 // 重新映射时，需要对红黑树进行拆分 55 ((TreeNode<K,V>)e).split(this, newTab, j, oldCap); 56 else { // preserve order 57 // 如果不是红黑树，则按链表处理 58 Node<K,V> loHead = null, loTail = null; 59 Node<K,V> hiHead = null, hiTail = null; 60 Node<K,V> next; 61 // 遍历链表，并将链表节点按原顺序进行分组 62 do { 63 next = e.next; 64 if ((e.hash & oldCap) == 0) { 65 if (loTail == null) 66 loHead = e; 67 else 68 loTail.next = e; 69 loTail = e; 70  } 71 else { 72 if (hiTail == null) 73 hiHead = e; 74 else 75 hiTail.next = e; 76 hiTail = e; 77  } 78 } while ((e = next) != null); 79 // 将分组后的链表映射到新桶中 80 if (loTail != null) { 81 loTail.next = null; 82 newTab[j] = loHead; 83  } 84 if (hiTail != null) { 85 hiTail.next = null; 86 newTab[j + oldCap] = hiHead; 87  } 88  } 89  } 90  } 91  } 92 return newTab; 93 }

整体步骤：

1. 计算新桶数组的容量 newCap 和新阈值 newThr

2. 根据计算出的 newCap 创建新的桶数组，桶数组 table 也是在这里进行初始化的

3. 将键值对节点重新映射到新的桶数组里。如果节点是 TreeNode 类型，则需要拆分红黑树。如果是普通节点，则节点按原顺序进行分组。

总结起来，一共有三种扩容方式：

1. 使用默认构造方法初始化HashMap。从前文可以知道HashMap在一开始初始化的时候会返回一个空的table，并且thershold为0。因此第一次扩容的容量为默认值DEFAULT_INITIAL_CAPACITY也就是16。同时threshold = DEFAULT_INITIAL_CAPACITY * DEFAULT_LOAD_FACTOR = 12。

2. 指定初始容量的构造方法初始化HashMap。那么从下面源码可以看到初始容量会等于threshold，接着threshold = 当前的容量（threshold） * DEFAULT_LOAD_FACTOR。

3. HashMap不是第一次扩容。如果HashMap已经扩容过的话，那么每次table的容量以及threshold量为原有的两倍。

细心点的人会很好奇，为什么要判断loadFactor为0呢？

loadFactor小数位为 0，整数位可被2整除且大于等于8时，在某次计算中就可能会导致 newThr 溢出归零。

疑问和进阶

1. JDK1.7是基于数组+单链表实现（为什么不用双链表）

首先，用链表是为了解决hash冲突。

单链表能实现为什么要用双链表呢?(双链表需要更大的存储空间)

2. 为什么要用红黑树，而不用平衡二叉树？

插入效率比平衡二叉树高，查询效率比普通二叉树高。所以选择性能相对折中的红黑树。

3. 重写对象的Equals方法时，要重写hashCode方法，为什么？跟HashMap有什么关系？

equals与hashcode间的关系:

1. 如果两个对象相同（即用equals比较返回true），那么它们的hashCode值一定要相同；

2. 如果两个对象的hashCode相同，它们并不一定相同(即用equals比较返回false)

因为在 HashMap 的链表结构中遍历判断的时候，特定情况下重写的 equals 方法比较对象是否相等的业务逻辑比较复杂，循环下来更是影响查找效率。所以这里把 hashcode 的判断放在前面，只要 hashcode 不相等就玩儿完，不用再去调用复杂的 equals 了。很多程度地提升 HashMap 的使用效率。

所以重写 hashcode 方法是为了让我们能够正常使用 HashMap 等集合类，因为 HashMap 判断对象是否相等既要比较 hashcode 又要使用 equals 比较。而这样的实现是为了提高 HashMap 的效率。

附上源码图：

4. HashMap为什么不直接使用对象的原始hash值呢?

1 static final int hash(Object key) {
2     int h; 3 return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16); 4 }

我们发现，HashMap的哈希值是通过上面的方式获取，而不是通过key.hashCode()方法获取。

原因：

通过移位和异或运算，可以让 hash 变得更复杂，进而影响 hash 的分布性。

5. 既然红黑树那么好，为啥hashmap不直接采用红黑树，而是当大于8个的时候才转换红黑树？

因为红黑树需要进行左旋，右旋操作， 而单链表不需要。

以下都是单链表与红黑树结构对比。

如果元素小于8个，查询成本高，新增成本低。

如果元素大于8个，查询成本低，新增成本高。

至于为什么选数字8，是大佬折中衡量的结果-.-，就像loadFactor默认值0.75一样。