Java最全后端面试每日一题 聊聊HashMap(2)，一招彻底弄懂

最后

分享一些系统的面试题，大家可以拿去刷一刷，准备面试涨薪。

这些面试题相对应的技术点：

• JVM
• MySQL
• Mybatis
• MongoDB
• Redis
• Spring
• Spring boot
• Spring cloud
• Kafka
• RabbitMQ
• Nginx
• …

大类就是：

• Java基础
• 数据结构与算法
• 并发编程
• 数据库
• 设计模式
• 微服务
• 消息中间件

本文已被CODING开源项目：【一线大厂Java面试题解析+核心总结学习笔记+最新讲解视频+实战项目源码】收录

需要这份系统化的资料的朋友，可以点击这里获取

还有一点是因为，为了提升扩容效率，HashMap的容量（capacity）有一个固定的要求，那就是一定是2的幂。所以，如果负载因子是3/4的话，那么和capacity的乘积结果就可以是一个整数

所以综合了以上情况就取了一个 0.5 到 1.0 的平均数 0.75 作为加载因子。

HashMap 源码中三个重要方法：查询、新增和数据扩容。

先来看查询源码：

public V get(Object key) {

Node<K,V> e;

// 对 key 进行哈希操作

return (e = getNode(hash(key), key)) == null ? null : e.value;

}

final Node<K,V> getNode(int hash, Object key) {

Node<K,V>[] tab; Node<K,V> first, e; int n; K k;

// 非空判断

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

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

// 判断第一个元素是否是要查询的元素

if (first.hash == hash && // always check first node

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

return first;

// 下一个节点非空判断

if ((e = first.next) != null) {

// 如果第一节点是树结构，则使用 getTreeNode 直接获取相应的数据

if (first instanceof TreeNode)

return ((TreeNode<K,V>)first).getTreeNode(hash, key);

do { // 非树结构，循环节点判断

// hash 相等并且 key 相同，则返回此节点

if (e.hash == hash &&

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

return e;

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

}

}

return null;

}

从以上源码可以看出，当哈希冲突时我们需要通过判断 key 值是否相等，才能确认此元素是不是我们想要的元素。

HashMap 第二个重要方法：新增方法，源码如下：

public V put(K key, V value) {

// 对 key 进行哈希操作

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;

// 哈希表为空则创建表

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

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

// 根据 key 的哈希值计算出要插入的数组索引 i

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

// 如果 table[i] 等于 null，则直接插入

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

else {

Node<K,V> e; K k;

// 如果 key 已经存在了，直接覆盖 value

if (p.hash == hash &&

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

e = p;

// 如果 key 不存在，判断是否为红黑树

else if (p instanceof TreeNode)

// 红黑树直接插入键值对

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

else {

// 为链表结构，循环准备插入

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

// 下一个元素为空时

if ((e = p.next) == null) {

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

// 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;

// 超过最大容量，扩容

if (++size > threshold)

resize();

afterNodeInsertion(evict);

return null;

}

新增方法的执行流程，如下图所示：

HashMap 第三个重要的方法是扩容方法，源码如下：

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

// 扩容前的数组

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

// 扩容前的数组的大小和阈值

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

int oldThr = threshold;

// 预定义新数组的大小和阈值

int newCap, newThr = 0;

if (oldCap > 0) {

// 超过最大值就不再扩容了

if (oldCap >= MAXIMUM_CAPACITY) {

threshold = Integer.MAX_VALUE;

return oldTab;

}

// 扩大容量为当前容量的两倍，但不能超过 MAXIMUM_CAPACITY

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

oldCap >= DEFAULT_INITIAL_CAPACITY)

newThr = oldThr << 1; // double threshold

}

// 当前数组没有数据，使用初始化的值

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

newCap = oldThr;

else { // zero initial threshold signifies using defaults

// 如果初始化的值为 0，则使用默认的初始化容量

newCap = DEFAULT_INITIAL_CAPACITY;

newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);

}

// 如果新的容量等于 0

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];

// 开始扩容，将新的容量赋值给 table

table = newTab;

// 原数据不为空，将原数据复制到新 table 中

if (oldTab != null) {

// 根据容量循环数组，复制非空元素到新 table

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

Node<K,V> e;

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

oldTab[j] = null;

// 如果链表只有一个，则进行直接赋值

if (e.next == null)

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

else if (e instanceof TreeNode)

// 红黑树相关的操作

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

else { // preserve order

// 链表复制，JDK 1.8 扩容优化部分

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) {

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);

// 将原索引放到哈希桶中

if (loTail != null) {

loTail.next = null;

newTab[j] = loHead;

}

// 将原索引 + oldCap 放到哈希桶中

if (hiTail != null) {

hiTail.next = null;

newTab[j + oldCap] = hiHead;

}

}

}

}

}

return newTab;

}

从以上源码可以看出，JDK 1.8 在扩容时并没有像 JDK 1.7 那样，重新计算每个元素的哈希值，而是通过高位运算（e.hash & oldCap）来确定元素是否需要移动，比如 key1 的信息如下：

• key1.hash = 10 0000 1010

• oldCap = 16 0001 0000

使用 e.hash & oldCap 得到的结果，高一位为 0，当结果为 0 时表示元素在扩容时位置不会发生任何变化，而 key 2 信息如下：

• key2.hash = 10 0001 0001

• oldCap = 16 0001 0000

这时候得到的结果，高一位为 1，当结果为 1 时，表示元素在扩容时位置发生了变化，新的下标位置等于原下标位置 + 原数组长度，如下图所示：

其中红色的虚线图代表了扩容时元素移动的位置。

HashMap 是如何导致死循环的？

总结

无论是哪家公司，都很重视高并发高可用的技术，重视基础，重视JVM。面试是一个双向选择的过程，不要抱着畏惧的心态去面试，不利于自己的发挥。同时看中的应该不止薪资，还要看你是不是真的喜欢这家公司，是不是能真的得到锻炼。其实我写了这么多，只是我自己的总结，并不一定适用于所有人，相信经过一些面试，大家都会有这些感触。

最后我整理了一些面试真题资料，技术知识点剖析教程，还有和广大同仁一起交流学习共同进步，还有一些职业经验的分享。

本文已被CODING开源项目：【一线大厂Java面试题解析+核心总结学习笔记+最新讲解视频+实战项目源码】收录

需要这份系统化的资料的朋友，可以点击这里获取

是如何导致死循环的？

总结

无论是哪家公司，都很重视高并发高可用的技术，重视基础，重视JVM。面试是一个双向选择的过程，不要抱着畏惧的心态去面试，不利于自己的发挥。同时看中的应该不止薪资，还要看你是不是真的喜欢这家公司，是不是能真的得到锻炼。其实我写了这么多，只是我自己的总结，并不一定适用于所有人，相信经过一些面试，大家都会有这些感触。

最后我整理了一些面试真题资料，技术知识点剖析教程，还有和广大同仁一起交流学习共同进步，还有一些职业经验的分享。

[外链图片转存中…(img-lHf2Mw0J-1715341140167)]

本文已被CODING开源项目：【一线大厂Java面试题解析+核心总结学习笔记+最新讲解视频+实战项目源码】收录

需要这份系统化的资料的朋友，可以点击这里获取