面试必备：HashMap源码解析（JDK8）

概括的说，HashMap 是一个关联数组、哈希表，它是线程不安全的，允许key为null,value为null。遍历时无序。

其底层数据结构是数组称之为哈希桶，每个桶里面放的是链表，链表中的每个节点，就是哈希表中的每个元素。

在JDK8中，当链表长度达到8，会转化成红黑树，以提升它的查询、插入效率，它实现了Map<K,V>, Cloneable, Serializable接口。

因其底层哈希桶的数据结构是数组，所以也会涉及到扩容的问题。

当HashMap的容量达到threshold域值时，就会触发扩容。扩容前后，哈希桶的长度一定会是2的次方。

这样在根据key的hash值寻找对应的哈希桶时，可以用位运算替代取余操作，更加高效。

而key的hash值，并不仅仅只是key对象的hashCode()方法的返回值，还会经过扰动函数的扰动，以使hash值更加均衡。

因为hashCode()是int类型，取值范围是40多亿，只要哈希函数映射的比较均匀松散，碰撞几率是很小的。

但就算原本的hashCode()取得很好，每个key的hashCode()不同，但是由于HashMap的哈希桶的长度远比hash取值范围小，默认是16，所以当对hash值以桶的长度取余，以找到存放该key的桶的下标时，由于取余是通过与操作完成的，会忽略hash值的高位。因此只有hashCode()的低位参加运算，发生不同的hash值，但是得到的index相同的情况的几率会大大增加，这种情况称之为hash碰撞。 即，碰撞率会增大。

扰动函数就是为了解决hash碰撞的。它会综合hash值高位和低位的特征，并存放在低位，因此在与运算时，相当于高低位一起参与了运算，以减少hash碰撞的概率。（在JDK8之前，扰动函数会扰动四次，JDK8简化了这个操作）

扩容操作时，会new一个新的Node数组作为哈希桶，然后将原哈希表中的所有数据(Node节点)移动到新的哈希桶中，相当于对原哈希表中所有的数据重新做了一个put操作。所以性能消耗很大，可想而知，在哈希表的容量越大时，性能消耗越明显。

扩容时，如果发生过哈希碰撞，节点数小于8个。则要根据链表上每个节点的哈希值，依次放入新哈希桶对应下标位置。

因为扩容是容量翻倍，所以原链表上的每个节点，现在可能存放在原来的下标，即low位， 或者扩容后的下标，即high位。 high位= low位+原哈希桶容量

如果追加节点后，链表数量》=8，则转化为红黑树

由迭代器的实现可以看出，遍历HashMap时，顺序是按照哈希桶从低到高，链表从前往后，依次遍历的。属于无序集合。

整个HashMap示意图：图片来源于网络，侵删：

---

HashMap的源码中，充斥个各种位运算代替常规运算的地方，以提升效率：

* 与运算替代模运算。用 hash & (table.length-1) 替代 hash % (table.length)

* 用if ((e.hash & oldCap) == 0)判断扩容后，节点e处于低区还是高区。

3 链表节点Node

---

在开始之前，我们先看一下挂载在哈希表上的元素，链表的结构：

static class Node<K,V> implements Map.Entry<K,V> {

final int hash;//哈希值

final K key;//key

V value;//value

Node<K,V> next;//链表后置节点

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

this.hash = hash;

this.key = key;

this.value = value;

this.next = next;

}

public final K getKey() { return key; }

public final V getValue() { return value; }

public final String toString() { return key + “=” + value; }

//每一个节点的hash值，是将key的hashCode 和 value的hashCode 亦或得到的。

public final int hashCode() {

return Objects.hashCode(key) ^ Objects.hashCode(value);

}

//设置新的value 同时返回旧value

public final V setValue(V newValue) {

V oldValue = value;

value = newValue;

return oldValue;

}

public final boolean equals(Object o) {

if (o == this)

return true;

if (o instanceof Map.Entry) {

Map.Entry<?,?> e = (Map.Entry<?,?>)o;

if (Objects.equals(key, e.getKey()) &&

Objects.equals(value, e.getValue()))

return true;

}

return false;

}

}

**由此可知，这是一个单链表~。

每一个节点的hash值，是将key的hashCode 和 value的hashCode 亦或得到的。**

4 构造函数

---

//最大容量 2的30次方

static final int MAXIMUM_CAPACITY = 1 << 30;

//默认的加载因子

static final float DEFAULT_LOAD_FACTOR = 0.75f;

//哈希桶，存放链表。 长度是2的N次方，或者初始化时为0.

transient Node<K,V>[] table;

//加载因子，用于计算哈希表元素数量的阈值。 threshold = 哈希桶.length * loadFactor;

final float loadFactor;

//哈希表内元素数量的阈值，当哈希表内元素数量超过阈值时，会发生扩容resize()。

int threshold;

public HashMap() {

//默认构造函数，赋值加载因子为默认的0.75f

this.loadFactor = DEFAULT_LOAD_FACTOR; // all other fields defaulted

}

public HashMap(int initialCapacity) {

//指定初始化容量的构造函数

this(initialCapacity, DEFAULT_LOAD_FACTOR);

}

//同时指定初始化容量 以及 加载因子， 用的很少，一般不会修改loadFactor

public HashMap(int initialCapacity, float loadFactor) {

//边界处理

if (initialCapacity < 0)

throw new IllegalArgumentException("Illegal initial capacity: " +

initialCapacity);

//初始容量最大不能超过2的30次方

if (initialCapacity > MAXIMUM_CAPACITY)

initialCapacity = MAXIMUM_CAPACITY;

//显然加载因子不能为负数

if (loadFactor <= 0 || Float.isNaN(loadFactor))

throw new IllegalArgumentException("Illegal load factor: " +

loadFactor);

this.loadFactor = loadFactor;

//设置阈值为 》=初始化容量的 2的n次方的值

this.threshold = tableSizeFor(initialCapacity);

}

//新建一个哈希表，同时将另一个map m 里的所有元素加入表中

public HashMap(Map<? extends K, ? extends V> m) {

this.loadFactor = DEFAULT_LOAD_FACTOR;

putMapEntries(m, false);

}

//根据期望容量cap，返回2的n次方形式的 哈希桶的实际容量 length。 返回值一般会>=cap

static final int tableSizeFor(int cap) {

//经过下面的 或 和位移 运算， n最终各位都是1。

int n = cap - 1;

n |= n >>> 1;

n |= n >>> 2;

n |= n >>> 4;

n |= n >>> 8;

n |= n >>> 16;

//判断n是否越界，返回 2的n次方作为 table（哈希桶）的阈值

return (n < 0) ? 1 : (n >= MAXIMUM_CAPACITY) ? MAXIMUM_CAPACITY : n + 1;

}

//将另一个Map的所有元素加入表中，参数evict初始化时为false，其他情况为true

final void putMapEntries(Map<? extends K, ? extends V> m, boolean evict) {

//拿到m的元素数量

int s = m.size();

//如果数量大于0

if (s > 0) {

//如果当前表是空的

if (table == null) { // pre-size

//根据m的元素数量和当前表的加载因子，计算出阈值

float ft = ((float)s / loadFactor) + 1.0F;

//修正阈值的边界 不能超过MAXIMUM_CAPACITY

int t = ((ft < (float)MAXIMUM_CAPACITY) ?

(int)ft : MAXIMUM_CAPACITY);

//如果新的阈值大于当前阈值

if (t > threshold)

//返回一个 》=新的阈值的 满足2的n次方的阈值

threshold = tableSizeFor(t);

}

//如果当前元素表不是空的，但是 m的元素数量大于阈值，说明一定要扩容。

else if (s > threshold)

resize();

//遍历 m 依次将元素加入当前表中。

for (Map.Entry<? extends K, ? extends V> e : m.entrySet()) {

K key = e.getKey();

V value = e.getValue();

putVal(hash(key), key, value, false, evict);

}

}

}

先看一下扩容函数： 这是一个重点！重点！重点！

**初始化或加倍哈希桶大小。如果是当前哈希桶是null,分配符合当前阈值的初始容量目标。

否则，因为我们扩容成以前的两倍。

在扩容时，要注意区分以前在哈希桶相同index的节点，现在是在以前的index里，还是index+oldlength 里**

final Node<K,V>[] resize() {

//oldTab 为当前表的哈希桶

Node<K,V>[] oldTab = table;

//当前哈希桶的容量 length

int oldCap = (oldTab == null) ? 0 : oldTab.length;

//当前的阈值

int oldThr = threshold;

//初始化新的容量和阈值为0

int newCap, newThr = 0;

//如果当前容量大于0

if (oldCap > 0) {

//如果当前容量已经到达上限

if (oldCap >= MAXIMUM_CAPACITY) {

//则设置阈值是2的31次方-1

threshold = Integer.MAX_VALUE;

//同时返回当前的哈希桶，不再扩容

return oldTab;

}//否则新的容量为旧的容量的两倍。

else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&

oldCap >= DEFAULT_INITIAL_CAPACITY)//如果旧的容量大于等于默认初始容量16

//那么新的阈值也等于旧的阈值的两倍

newThr = oldThr << 1; // double threshold

}//如果当前表是空的，但是有阈值。代表是初始化时指定了容量、阈值的情况

else if (oldThr > 0) // initial capacity was placed in threshold

newCap = oldThr;//那么新表的容量就等于旧的阈值

else {}//如果当前表是空的，而且也没有阈值。代表是初始化时没有任何容量/阈值参数的情况 // zero initial threshold signifies using defaults

newCap = DEFAULT_INITIAL_CAPACITY;//此时新表的容量为默认的容量 16

newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);//新的阈值为默认容量16 * 默认加载因子0.75f = 12

}

if (newThr == 0) {//如果新的阈值是0，对应的是 当前表是空的，但是有阈值的情况

float ft = (float)newCap * loadFactor;//根据新表容量 和 加载因子 求出新的阈值

//进行越界修复

newThr = (newCap < MAXIMUM_CAPACITY && ft < (float)MAXIMUM_CAPACITY ?

(int)ft : Integer.MAX_VALUE);

}

//更新阈值

threshold = newThr;

@SuppressWarnings({“rawtypes”,“unchecked”})

//根据新的容量 构建新的哈希桶

Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap];

//更新哈希桶引用

table = newTab;

//如果以前的哈希桶中有元素

//下面开始将当前哈希桶中的所有节点转移到新的哈希桶中

if (oldTab != null) {

//遍历老的哈希桶

for (int j = 0; j < oldCap; ++j) {

//取出当前的节点 e

Node<K,V> e;

//如果当前桶中有元素,则将链表赋值给e

if ((e = oldTab[j]) != null) {

//将原哈希桶置空以便GC

oldTab[j] = null;

//如果当前链表中就一个元素，（没有发生哈希碰撞）

if (e.next == null)

//直接将这个元素放置在新的哈希桶里。

//注意这里取下标 是用 哈希值 与 桶的长度-1 。 由于桶的长度是2的n次方，这么做其实是等于 一个模运算。但是效率更高

newTab[e.hash & (newCap - 1)] = e;

//如果发生过哈希碰撞 ,而且是节点数超过8个，转化成了红黑树（暂且不谈 避免过于复杂， 后续专门研究一下红黑树）

else if (e instanceof TreeNode)

((TreeNode<K,V>)e).split(this, newTab, j, oldCap);

//如果发生过哈希碰撞，节点数小于8个。则要根据链表上每个节点的哈希值，依次放入新哈希桶对应下标位置。

else { // preserve order

//因为扩容是容量翻倍，所以原链表上的每个节点，现在可能存放在原来的下标，即low位， 或者扩容后的下标，即high位。 high位= low位+原哈希桶容量

//低位链表的头结点、尾节点

Node<K,V> loHead = null, loTail = null;

//高位链表的头节点、尾节点

Node<K,V> hiHead = null, hiTail = null;

Node<K,V> next;//临时节点 存放e的下一个节点

do {

next = e.next;

//这里又是一个利用位运算 代替常规运算的高效点： 利用哈希值 与 旧的容量，可以得到哈希值去模后，是大于等于oldCap还是小于oldCap，等于0代表小于oldCap，应该存放在低位，否则存放在高位

if ((e.hash & oldCap) == 0) {

//给头尾节点指针赋值

if (loTail == null)

loHead = e;

else

loTail.next = e;

loTail = e;

}//高位也是相同的逻辑

else {

if (hiTail == null)

hiHead = e;

else

hiTail.next = e;

hiTail = e;

}//循环直到链表结束

} while ((e = next) != null);

//将低位链表存放在原index处，

if (loTail != null) {

loTail.next = null;

newTab[j] = loHead;

}

//将高位链表存放在新index处

if (hiTail != null) {

hiTail.next = null;

newTab[j + oldCap] = hiHead;

}

}

}

}

}

return newTab;

}

再看一下 往哈希表里插入一个节点的putVal函数,如果参数onlyIfAbsent是true，那么不会覆盖相同key的值value。如果evict是false。那么表示是在初始化时调用的

final V putVal(int hash, K key, V value, boolean onlyIfAbsent,

boolean evict) {

//tab存放 当前的哈希桶， p用作临时链表节点

Node<K,V>[] tab; Node<K,V> p; int n, i;

//如果当前哈希表是空的，代表是初始化

if ((tab = table) == null || (n = tab.length) == 0)

//那么直接去扩容哈希表，并且将扩容后的哈希桶长度赋值给n

n = (tab = resize()).length;

//如果当前index的节点是空的，表示没有发生哈希碰撞。 直接构建一个新节点Node，挂载在index处即可。

//这里再啰嗦一下，index 是利用 哈希值 & 哈希桶的长度-1，替代模运算

if ((p = tab[i = (n - 1) & hash]) == null)

tab[i] = newNode(hash, key, value, null);

else {//否则 发生了哈希冲突。

//e

Node<K,V> e; K k;

//如果哈希值相等，key也相等，则是覆盖value操作

if (p.hash == hash &&

((k = p.key) == key || (key != null && key.equals(k))))

e = p;//将当前节点引用赋值给e

else if (p instanceof TreeNode)//红黑树暂且不谈

e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);

else {//不是覆盖操作，则插入一个普通链表节点

//遍历链表

for (int binCount = 0; ; ++binCount) {

if ((e = p.next) == null) {//遍历到尾部，追加新节点到尾部

p.next = newNode(hash, key, value, null);

//如果追加节点后，链表数量》=8，则转化为红黑树

if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st

treeifyBin(tab, hash);

break;

}

//如果找到了要覆盖的节点

if (e.hash == hash &&

((k = e.key) == key || (key != null && key.equals(k))))

break;

p = e;

}

}

//如果e不是null，说明有需要覆盖的节点，

if (e != null) { // existing mapping for key

//则覆盖节点值，并返回原oldValue

V oldValue = e.value;

if (!onlyIfAbsent || oldValue == null)

e.value = value;

//这是一个空实现的函数，用作LinkedHashMap重写使用。

afterNodeAccess(e);

return oldValue;

}

}

//如果执行到了这里，说明插入了一个新的节点，所以会修改modCount，以及返回null。

//修改modCount

++modCount;

//更新size，并判断是否需要扩容。

if (++size > threshold)

resize();

//这是一个空实现的函数，用作LinkedHashMap重写使用。

afterNodeInsertion(evict);

return null;

}

newNode如下：构建一个链表节点

// Create a regular (non-tree) node

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

return new Node<>(hash, key, value, next);

}

// Callbacks to allow LinkedHashMap post-actions

void afterNodeAccess(Node<K,V> p) { }

void afterNodeInsertion(boolean evict) { }

小结：

* 运算尽量都用位运算代替**，更高效**。

* 对于扩容导致需要新建数组存放更多元素时，除了要将老数组中的元素迁移过来，也记得将老数组中的引用置null，以便GC

* 取下标 是用 哈希值 与运算 （桶的长度-1） i = (n - 1) & hash。 由于桶的长度是2的n次方，这么做其实是等于 一个模运算。但是效率更高

* 扩容时，如果发生过哈希碰撞，节点数小于8个。则要根据链表上每个节点的哈希值，依次放入新哈希桶对应下标位置。

* 因为扩容是容量翻倍，所以原链表上的每个节点，现在可能存放在原来的下标，即low位， 或者扩容后的下标，即high位。 high位= low位+原哈希桶容量

* 利用哈希值 与运算 旧的容量 ，if ((e.hash & oldCap) == 0),可以得到哈希值去模后，是大于等于oldCap还是小于oldCap，等于0代表小于oldCap，应该存放在低位，否则存放在高位。这里又是一个利用位运算 代替常规运算的高效点

* 如果追加节点后，链表数量》=8，则转化为红黑树

* 插入节点操作时，有一些空实现的函数，用作LinkedHashMap重写使用。

5 增、改

---

1往表中插入或覆盖一个key-value

public V put(K key, V value) {

//先根据key，取得hash值。 再调用上一节的方法插入节点

return putVal(hash(key), key, value, false, true);

}

这个根据key取hash值的函数也要关注一下，它称之为“扰动函数”，关于这个函数的用处 开头已经总结过了：

static final int hash(Object key) {

int h;

return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);

}

而key的hash值，并不仅仅只是key对象的hashCode()方法的返回值，还会经过扰动函数的扰动，以使hash值更加均衡。

因为hashCode()是int类型，取值范围是40多亿，只要哈希函数映射的比较均匀松散，碰撞几率是很小的。

但就算原本的hashCode()取得很好，每个key的hashCode()不同，但是由于HashMap的哈希桶的长度远比hash取值范围小，默认是16，所以当对hash值以桶的长度取余，以找到存放该key的桶的下标时，由于取余是通过与操作完成的，会忽略hash值的高位。因此只有hashCode()的低位参加运算，发生不同的hash值，但是得到的index相同的情况的几率会大大增加，这种情况称之为hash碰撞。 即，碰撞率会增大。

扰动函数就是为了解决hash碰撞的。它会综合hash值高位和低位的特征，并存放在低位，因此在与运算时，相当于高低位一起参与了运算，以减少hash碰撞的概率。（在JDK8之前，扰动函数会扰动四次，JDK8简化了这个操作）

2往表中批量增加数据

public void putAll(Map<? extends K, ? extends V> m) {

//这个函数上一节也已经分析过。//将另一个Map的所有元素加入表中，参数evict初始化时为false，其他情况为true

putMapEntries(m, true);

}

3 只会往表中插入 key-value, 若key对应的value之前存在，不会覆盖。（jdk8增加的方法）

@Override

public V putIfAbsent(K key, V value) {

return putVal(hash(key), key, value, true, true);

}

6 删

---

以key为条件删除

如果key对应的value存在，则删除这个键值对。 并返回value。如果不存在 返回null。

public V remove(Object key) {

Node<K,V> e;

return (e = removeNode(hash(key), key, null, false, true)) == null ?

null : e.value;

}

//从哈希表中删除某个节点， 如果参数matchValue是true，则必须key 、value都相等才删除。

//如果movable参数是false，在删除节点时，不移动其他节点

final Node<K,V> removeNode(int hash, Object key, Object value,

boolean matchValue, boolean movable) {

// p 是待删除节点的前置节点

Node<K,V>[] tab; Node<K,V> p; int n, index;

//如果哈希表不为空，则根据hash值算出的index下 有节点的话。

if ((tab = table) != null && (n = tab.length) > 0 &&

(p = tab[index = (n - 1) & hash]) != null) {

//node是待删除节点

Node<K,V> node = null, e; K k; V v;

//如果链表头的就是需要删除的节点

if (p.hash == hash &&

((k = p.key) == key || (key != null && key.equals(k))))

node = p;//将待删除节点引用赋给node

else if ((e = p.next) != null) {//否则循环遍历 找到待删除节点，赋值给node

if (p instanceof TreeNode)

node = ((TreeNode<K,V>)p).getTreeNode(hash, key);

else {

do {

if (e.hash == hash &&

((k = e.key) == key ||

(key != null && key.equals(k)))) {

node = e;

break;

}

p = e;

} while ((e = e.next) != null);

}

}

//如果有待删除节点node， 且 matchValue为false，或者值也相等

if (node != null && (!matchValue || (v = node.value) == value ||

(value != null && value.equals(v)))) {

if (node instanceof TreeNode)

((TreeNode<K,V>)node).removeTreeNode(this, tab, movable);

else if (node == p)//如果node == p，说明是链表头是待删除节点

tab[index] = node.next;

else//否则待删除节点在表中间

p.next = node.next;

++modCount;//修改modCount

–size;//修改size

afterNodeRemoval(node);//LinkedHashMap回调函数

return node;

}

}

return null;

总结

首先是感觉自己的基础还是不够吧，大厂好像都喜欢问这些底层原理。

另外一部分原因在于资料也还没有看完，一面时凭借那份资料考前突击恶补个几天居然也能轻松应对（在这里还是要感谢那份资料，真的牛），于是自我感觉良好，资料就没有怎么深究下去了。

之前的准备只涉及了Java、Android、计网、数据结构与算法这些方面，面对面试官对其他基础课程的考察显得捉襟见肘。

下一步还是要查漏补缺，进行针对性复习。

最后的最后，那套资料这次一定要全部看完，是真的太全面了，各个知识点都涵盖了，几乎我面试遇到的所有问题的知识点这里面都有！希望大家不要犯和我一样的错误呀！！！一定要看完！

《Android学习笔记总结+移动架构视频+大厂面试真题+项目实战源码》，点击传送门，即可获取！
(node != null && (!matchValue || (v = node.value) == value ||

(value != null && value.equals(v)))) {

if (node instanceof TreeNode)

((TreeNode<K,V>)node).removeTreeNode(this, tab, movable);

else if (node == p)//如果node == p，说明是链表头是待删除节点

tab[index] = node.next;

else//否则待删除节点在表中间

p.next = node.next;

++modCount;//修改modCount

–size;//修改size

afterNodeRemoval(node);//LinkedHashMap回调函数

return node;

}

}

return null;

总结

首先是感觉自己的基础还是不够吧，大厂好像都喜欢问这些底层原理。

另外一部分原因在于资料也还没有看完，一面时凭借那份资料考前突击恶补个几天居然也能轻松应对（在这里还是要感谢那份资料，真的牛），于是自我感觉良好，资料就没有怎么深究下去了。

之前的准备只涉及了Java、Android、计网、数据结构与算法这些方面，面对面试官对其他基础课程的考察显得捉襟见肘。

下一步还是要查漏补缺，进行针对性复习。

最后的最后，那套资料这次一定要全部看完，是真的太全面了，各个知识点都涵盖了，几乎我面试遇到的所有问题的知识点这里面都有！希望大家不要犯和我一样的错误呀！！！一定要看完！
[外链图片转存中…(img-981DIeHj-1715430299115)]

[外链图片转存中…(img-l3lSgWBM-1715430299115)]

[外链图片转存中…(img-SUqhXjlg-1715430299116)]
《Android学习笔记总结+移动架构视频+大厂面试真题+项目实战源码》，点击传送门，即可获取！