HashMap源码分析

一、JDK7

（一）解读

1、数据结构

JDK1.8之前的HashMap的实现方式是数组+链表

2、劣势

HashMap单个槽下是一条链表，遍历链表的时间复杂度是O(n)，失去了快速检索的优势

针对这种情况，JDK1.8引入了红黑树来优化

二、JDK8

（一）解读

1、数据结构

JDK1.8的HashMap的数据结构是数组+链表+红黑树的形式，当HashMap容量>64 and 链表长度>8之后，每个槽的数据结构转为红黑树；当Node删除至链表长度<6时，再次转变为链表。源码如下：

// 桶的树化阈值
static final int TREEIFY_THRESHOLD = 8;
// 最小树形化容量
static final int MIN_TREEIFY_CAPACITY = 64;
// 树的链表还原阈值
static final int UNTREEIFY_THRESHOLD = 6;
// JDK1.8新增的桶的树形化操作
final void treeifyBin(Node<K,V>[] tab, int hash)

对桶的树形化操作的解读：

    final void treeifyBin(Node<K,V>[] tab, int hash) {
        int n, index; Node<K,V> e;
        // 根据哈希表中的元素个数确实是扩容还是树形化
        // 如果当前哈希表为空——>resize()新建数组 || 哈希表中元素个数小于64——>扩容数组
        if (tab == null || (n = tab.length) < MIN_TREEIFY_CAPACITY)
            resize();
        // 确定不是扩容而是树形化操作
        // (n-1)&hash——>获取数组下标的操作(伴随扩容后的rehash)
        // 获取到新的哈希值之后，判断该下标的槽不为空，e为该槽下链表第一个节点，执行尾插法
        else if ((e = tab[index = (n - 1) & hash]) != null) {
            TreeNode<K,V> hd = null, tl = null;
            // 链表复制
            do {
                // 不断复制内容，新建节点，建立新联系
                TreeNode<K,V> p = replacementTreeNode(e, null);
                if (tl == null)
                    hd = p;
                else {
                    p.prev = tl;
                    tl.next = p;
                }
                tl = p;
            } while ((e = e.next) != null);
            // 让桶指向新建红黑树的头结点
            if ((tab[index] = hd) != null)
                // 链表转红黑树
                hd.treeify(tab);
        }
    }

2、HashMap的put操作

源码：

    final V putVal(int hash, K key, V value, boolean onlyIfAbsent,
                   boolean evict) {
        Node<K,V>[] tab; Node<K,V> p; int n, i;
        // 步骤一：tab为空，调用resize()创建/扩容
        if ((tab = table) == null || (n = tab.length) == 0)
            n = (tab = resize()).length;
        // 步骤二：根据hash值计算下标，得到索引
        // 为空则直接插入
        if ((p = tab[i = (n - 1) & hash]) == null)
            tab[i] = newNode(hash, key, value, null);
        else {
            Node<K,V> e; K k;
            // 步骤三：不为空，查看key值是否存在
            // 存在，则直接覆盖
            if (p.hash == hash &&
                ((k = p.key) == key || (key != null && key.equals(k))))
                e = p;
            // 步骤四：判断该链是否为红黑树
            // 是则直接插入节点
            else if (p instanceof TreeNode)
                e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
            // 为链表，执行链表的插入操作
            else {
                for (int binCount = 0; ; ++binCount) {
                    // 到叶子结点后，key仍不存在，执行插入操作
                    if ((e = p.next) == null) {
                        p.next = newNode(hash, key, value, null);
                        // 步骤五：链表长度大于8，链表转化为红黑树
                        if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st
                            treeifyBin(tab, hash);
                        break;
                    }
                    // 步骤六：key已存在，退出循环
                    if (e.hash == hash &&
                        ((k = e.key) == key || (key != null && key.equals(k))))
                        break;
                    p = e;
                }
            }
            // 创建/找到节点后，新值覆盖旧值
            if (e != null) { // existing mapping for key
                V oldValue = e.value;
                if (!onlyIfAbsent || oldValue == null)
                    e.value = value;
                afterNodeAccess(e);
                return oldValue;
            }
        }
        // HashMap修改次数+1
        ++modCount;
        // 步骤七：如果超过threshold，即超过最大容量capacity*loadFactor，就扩容
        if (++size > threshold)
            resize();
        afterNodeInsertion(evict);
        return null;
    }

3、get操作

源码：

    public V get(Object key) {
        Node<K,V> e;
        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;
        // 判断哈希表不为空，且槽节点也不为空
        if ((tab = table) != null && (n = tab.length) > 0 &&
            (first = tab[(n - 1) & hash]) != null) {
            // 判断第一个节点是否满足
            if (first.hash == hash && // always check first node
                ((k = first.key) == key || (key != null && key.equals(k))))
                return first;
            // 遍历后续节点
            if ((e = first.next) != null) {
                // 判断是否是红黑树，是则调用getTreeNode找节点
                if (first instanceof TreeNode)
                    return ((TreeNode<K,V>)first).getTreeNode(hash, key);
                // 链表，一直向后找，找对应key的节点
                do {
                    if (e.hash == hash &&
                        ((k = e.key) == key || (key != null && key.equals(k))))
                        return e;
                } while ((e = e.next) != null);
            }
        }
        return null;
    }

4、remove操作

源码：

    public V remove(Object key) {
        Node<K,V> e;
        return (e = removeNode(hash(key), key, null, false, true)) == null ?
            null : e.value;
    }

    final Node<K,V> removeNode(int hash, Object key, Object value,
                               boolean matchValue, boolean movable) {
        Node<K,V>[] tab; Node<K,V> p; int n, index;
        // 同get()的第一步，判断哈希表不为空，且槽节点也不为空
        if ((tab = table) != null && (n = tab.length) > 0 &&
            (p = tab[index = (n - 1) & hash]) != null) {
            Node<K,V> node = null, e; K k; V v;
            // 判断第一个节点是不是待找寻节点
            if (p.hash == hash &&
                ((k = p.key) == key || (key != null && key.equals(k))))
                node = p;
            // 后续不为空，从红黑树或链表继续找
            else if ((e = p.next) != null) {
                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);
                }
            }
            // 对上部标记的待删除node，判断value是否匹配，进行删除操作
            if (node != null && (!matchValue || (v = node.value) == value ||
                                 (value != null && value.equals(v)))) {
                // 红黑树节点删除
                if (node instanceof TreeNode)
                    ((TreeNode<K,V>)node).removeTreeNode(this, tab, movable);
                // 链表头结点删除
                else if (node == p)
                    tab[index] = node.next;
                // 链表中间节点删除
                else
                    p.next = node.next;
                ++modCount;
                --size;
                afterNodeRemoval(node);
                return node;
            }
        }
        return null;
    }

5、hash()方法

原理：HashMap使用二次扰动机制来尽可能降低哈希冲突的概率，二次扰动过程见下方

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

6、resize()方法

    final Node<K,V>[] resize() {
        Node<K,V>[] oldTab = table;
        // 现有容量
        int oldCap = (oldTab == null) ? 0 : oldTab.length;
        // 旧的扩容阈值
        int oldThr = threshold;
        // 扩容后容量，新的扩容阈值
        int newCap, newThr = 0;
        // 计算扩容后的容量大小及扩容后新的扩容阈值
        if (oldCap > 0) {
            // 达到预定最大容量不能再扩容了
            if (oldCap >= MAXIMUM_CAPACITY) {
                threshold = Integer.MAX_VALUE;
                return oldTab;
            }
            // 还没到最大容量，容量*2
            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);
        }
        if (newThr == 0) {
            float ft = (float)newCap * loadFactor;
            newThr = (newCap < MAXIMUM_CAPACITY && ft < (float)MAXIMUM_CAPACITY ?
                      (int)ft : Integer.MAX_VALUE);
        }
        // 最终确认新的resize阈值
        threshold = newThr;
        // 创建新的哈希表
        @SuppressWarnings({"rawtypes","unchecked"})
            Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap];
        table = newTab;
        if (oldTab != null) {
            // 遍历旧表，重新计算新位置
            for (int j = 0; j < oldCap; ++j) {
                Node<K,V> e;
                if ((e = oldTab[j]) != null) {
                    oldTab[j] = null;
                    // 该槽的链表仅有一个元素，直接计算新位置插入
                    if (e.next == null)
                        newTab[e.hash & (newCap - 1)] = e;
                    // 处理红黑树，将树拆分处理
                    else if (e instanceof TreeNode)
                        ((TreeNode<K,V>)e).split(this, newTab, j, oldCap);
                    // 处理链表
                    else { // preserve order
                        Node<K,V> loHead = null, loTail = null;
                        Node<K,V> hiHead = null, hiTail = null;
                        Node<K,V> next;
                        // 不断遍历链表元素，计算新位置，然后尾插法
                        do {
                            next = e.next;
                            if ((e.hash & oldCap) == 0) {
                                if (loTail == null)
                                    loHead = e;
                                else
                                    loTail.next = e;
                                loTail = e;
                            }
                            else {
                                if (hiTail == null)
                                    hiHead = e;
                                else
                                    hiTail.next = e;
                                hiTail = e;
                            }
                        } while ((e = next) != null);
                        if (loTail != null) {
                            loTail.next = null;
                            newTab[j] = loHead;
                        }
                        if (hiTail != null) {
                            hiTail.next = null;
                            newTab[j + oldCap] = hiHead;
                        }
                    }
                }
            }
        }
        return newTab;
    }

（二）原理

1、数组扩容

（1）扩容情况：

• 当HashMap中的元素个数超过数组大小(数组长度)*loadFactor(负载因子)时，就会进行数组扩容，loadFactor的默认值(DEFAULT_LOAD_FACTOR)是0.75,这是一个折中的取值。
• 注意：该过程是非常耗性能的操作，所以能提前预知HashMap中元素的个数，在新建时直接指定HashMap容量，就能有效地提高HashMap的性能。

（2）精妙的rehash

• 介绍：rehash的过程就是计算数组下标，计算过程为(n-1)&hash
• 优势：不需要重新hash，节省了重新计算hashCode的时间，还是保持hashCode的随机性，分散冲突
• 举例：假定容量变更后n=16，则n-1转为二进制为1111，此容量HashMap的数组下标为[0,15]，此时用(n-1)&hash就可以得到0~15之间的任意值，从而计算出来新的位置

• 因为每次扩容都是翻倍，也就是在计算下标时，多计算hash的一个bit位
• 结果：节点要么在原来的位置，要么在"原位置+旧容量"的位置

2、二次扰动

（1）过程说明：将得到的hashCode转化为32位二进制，高16bit不变，用低16bit和高16bit做异或操作

（2）上图参数：

• h：哈希值；
• hash：高16bit和低16bit异或；
• n：HashMap数组长度，每次扩容后翻倍，向高位进一位即可

（3）二次扰动原因：防止数组很小且hashCode高位变化大，低位变化小的情况，将高位全部利用上，降低哈希冲突概率

（4）为什么使用异或操作：与“&”和“|”操作相比，保证hashCode只要有一位发生变化，计算值就会发生改变，尽可能减小碰撞。