HashMap底层原理及其扩容机制

HashMap的底层原理与扩容机制一直是面试经常考察的内容，这个知识点粗看很简单，但是细节较多，特此整理。

首先罗列出查阅过程中参考的一些博客，以便日后查询，讲的都很好。

①《经典的HashMap面试点及底层原理》https://blog.csdn.net/lqiaomu/article/details/103672953

②《一文讲清楚HashMap底层构成以及扩容原理》https://zhuanlan.zhihu.com/p/113332649

③《Java HashMap计算初始数组大小过程》（源码分析） https://blog.csdn.net/u012894808/article/details/107023179

④《HashMap的扩容机制》https://zhuanlan.zhihu.com/p/114363420

⑤《hashmap的默认扩容阈值是大于12还是大于等于12》https://www.cnblogs.com/wudb/p/12980680.html

⑥《HashMap的负载因子初始值为什么是0.75?》 https://blog.csdn.net/weixin_49448233/article/details/108984279

⑦《我说我了解集合类，面试官竟然问我为什么HashMap的负载因子不设置成1！？》https://blog.csdn.net/weixin_44259720/article/details/104497379

⑧《图解HashMap扩容和ArrayList的扩容机制》https://blog.csdn.net/weixin_43629719/article/details/100024493

HashMap原理

HashMap是java提供一种数据结构，表内由键值对构成，key-value，且key不可重复。在底层实现中HashMap利用数组加链表的结构（Java8中当链表长度过长时候将链表变为红黑树结构，从而提高查询速度）。在想表中添加键值对的过程中，HashMap 通过 key 的 hashCode 经过扰动函数处理过后得到 hash 值，然后通过(n-1)&hash判断当前元素存放的位置(这里的n指的是数组的长度),如果当前位置存在元素的话，就判断该元素与要存入的元素的key值 是否相同（用equals来比较），如果相同的话，直接覆盖，不相同就通过拉链法（也就是在改链表后面增加节点）解决冲突。 所谓扰动函数指的就是 HashMap 的 hash 方法。使用 hash 方法也就是扰动函数是为了防止一些实现比较差的 hashCode()方法（也就是得到的hashCode分散的不够均匀，导致碰撞较多）换句话说使用扰动函数之后可以减少碰撞。

接下来以问答形式回答一些细节问题

1.扩容机制

Q1：能介绍一下扩容机制么？

A1：若new一个HashMap时没有指定容量（数组大小），则HashMap初始为null，即没有大小，在第一次执行put()时会将容量初始化为16，默认加载因子为0.75，扩容阈值                        Threadhold则为容量capacity*load factor（16*0.75=12），当Map中元素个数超过阈值后，进行扩容机制，容量变为原来的两倍（容量必须为2的幂次，且每次扩容都为2倍）。            若new一个HashMap时候若指定了容量，比如 HashMap<Integer,Integer> map = new HashMap<>(33); 指定了数组大小为33，那数组大小就是33了吗？ 显然不是，这样new了            以后，会根据指定的正整数“33”找到不小于指定容量的2的幂数）（源码内部是以位运算实现的，速度快），将这个数设置赋值给阈值（threshold）。第一次调用put方法时，会            将阈值赋值给容量，然后让阈值=0.75*容量。

Q2：为什么每次都是2倍扩容，为什么容量必须是2的幂次？

A2：因为各个key的hash值取值情况非常多，远远大于HashMap容量，原理上需要用hash%capacity取余操作来进行碰撞检测，但对于2的幂次数n，可以使用hash&(n-1)来完成取余            操作，且位运算速度快，所以选择2的幂次作为容量大小。

Q3：是大于等于阈值还是大于阈值时候执行扩容呢？

A3：是大于阈值（12）才进行扩容，也就是第十三次put() 才扩容。

Q4：大于阈值则执行扩容，指的是HashMap中元素个数大于阈值，还是占用的数组位置数量大于阈值呢？

A4：是指HashMap中总元素个数大于阈值就会执行扩容。举个极端例子，想象一下这个情况：假设有12个元素都落到了数组的同一个位置（当然现实情况这种机率非常非常小，几乎没有），数组只占用了一个位置， 那么为什么要扩容呢，还有那么多位置没用呢? 其实这里之所以要扩容，是有一个隐含的逻辑，如果元素总个数大于阈值，而数组占用位置没达到阈值，说明这些元素在当前长度下，分布是“不均匀”的，扩容是为了让其分布“更均匀”。

Q5：为什么扩容因子是0.75？

A5：时间与空间的tradeoff 理论上我们认为负载因子不能太大，不然会导致大量的哈希冲突，也不能太小，那样会浪费空间。一般来说，默认的负载因子(0.75)在时间和空间成本之间提供了很好的权衡。更高的值减少了空间开销，但增加了查找成本(反映在HashMap类的大多数操作中，包括get和put)。

Q6：为什么要扩容？

A6：为了避免HashMap发生大量的哈希冲突，所以需要在适当的时候对其进行扩容。对于每一个输入，使用哈希函数可以计算得到相应的输出，不同输出对应的输入肯定不同，而不同输入对应的输出可能是一样的（哈希冲突)。HashMap中产生哈希碰撞的原因有两个①hash函数性能差，不能均匀分散②数组太小，容易碰撞；

Q7：为什么初始长度设置为16？

A7：这个问题很玄学，但是根据hashmsp的源码注释来看，作者指明了选取16是根据泊松分布取的；（之后提到的冲突策略中链表、红黑树分界值7页是根据泊松分布选取）

Q8：自动扩容(resize)具体步骤

A8：https://blog.csdn.net/weixin_39951929/article/details/113076194?utm_medium=distribute.pc_relevant.none-task-blog-baidujs_title-0&spm=1001.2101.3001.4242

        首先会创建一个容量x2的新数组，然后将原来的Entry复制到新数组中去，下标和原来一样或者是原来的下标加上原容量（hash&（2*length-1) )此过程为rehash。 再将Entry复制          到新数组中去的时候。使用了单链表的头插入方式，同一位置上新元素总会被放在链表的头部位置；这样先放在一个索引上的元素终会被放到Entry链的尾部(如果发生了hash冲            突的话）。在旧数组中同一条Entry链上的元素，通过重新计算索引位置后，有可能被放到了新数组的不同位置上。 https://blog.csdn.net/pange1991/article/details/82347284                下图为java1.7，旧链表迁移新链表的时候，如果在新表的数组索引位置相同，则链表元素会倒置。JDK1.8不会倒置。先略过红黑树的情况，描述下简单流程，在JDK1.8中发生            hashmap扩容时，遍历hashmap每个bucket里的链表，每个链表可能会被拆分成两个链表，不需要移动的元素置入loHead为首的链表，需要移动的元素置入hiHead为首的链表，          然后分别分配给老的buket和新的buket。

         

Q9：ArrayList扩容机制如何？

A9：初始化：ArrayList的底层是一个动态数组，ArrayList首先会对传进来的初始化参数initalCapacity进行判断
                      如果参数等于0，则将数组初始化为一个空数组，
                      如果不等于0，将数组初始化为一个容量为10的数组。
        扩容时机：当数组的大小大于初始容量的时候(比如初始为10，当添加第11个元素的时候)，就会进行扩容，新的容量为旧的容量的1.5倍。
        扩容方式：扩容的时候，会以新的容量建一个原数组的拷贝，修改原数组，指向这个新数组，原数组被抛弃，会被GC回收。

2.哈希冲突

当两个key计算得到的hash值相同时，会定位到数组中同一个bucket，此时即产生哈希冲突。首先用equals()判断当前key与该链表中的元素是否有相同的，若相同则value直接覆盖，若不同则在末尾添加新的键值对。Java1.8中引入两种碰撞机制，一个利用链表解决碰撞问题。当链表长度过长时则利用红黑树，目的是提高搜索效率。

Q1：什么时候从链表转为红黑树？

A1：选择‘7’Wie分界值，当链表内节点大于8时从链表转为红黑树，当红黑树内节点小于6时从红黑树转为链表。中间值作为过渡值，防止链表和红黑树互相转换过于频繁，徒增开销。

Q2：为什么选择‘7’作为分界值呢？

A2：因为泊松分布，在负载因子0.75（HashMap默认）的情况下，一个bucket中键值对数量大于7的概率为百万分之一，所以选7做为分界点。（和“为什么选16作为容量初始值”一致，都是因为泊松分布）。

Q3：为什么链表长了以后要改用红黑树？

A3：红黑树插入为O(lgn),查询为O(lgn)，链表插入为O(1)，查询为O(n)。个数少时，插入删除成本高，用链表；个数多时，查询成本高，用红黑树。

3.HashMap线程安全问题

Q1：HashMap为什么线程不安全（链表成环）？

A1：https://my.oschina.net/hosee/blog/673521

Q2：ConcurrentHashMap为什么是线程安全的？

A2：