HashMap源码解读

首先我们从他的存储结构来讲，HashMap是数组+链表+红黑树(JDK1.8增加了红黑树部分)实现的，如下图所示：

(1)从源码可知，HashMap类中有一个非常重要的字段，就是 Node<K,V>[] table ，即哈希桶数组，明显它是一个Node的数组。我们来看Node[JDK1.8]是何物

static class Node<K,V> implements Map.Entry<K,V> {
    final int hash;  //用来定位数组索引位置
    final K key;
    V value;
    Node<K,V> next;  //链表的下一个node

    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; }

    public final int hashCode() {
        return Objects.hashCode(key) ^ Objects.hashCode(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;
    }
}

 

Node是HashMap的一个内部类，实现了Map.Entry接口，本质是就是一个映射(键值对)。上图中的每个黑色圆点就是一个Node对象。

(2) HashMap就是使用哈希表来存储的。哈希表为解决冲突，可以采用开放地址法和链地址法等来解决问题，Java中HashMap采用了链地址法。链地址法，简单来说，就是数组加链表的结合。在每个数组元素上都一个链表结构，当数据被Hash后，得到数组下标，把数据放在对应下标元素的链表上。例如程序执行下面代码：

map.put("k1","v1");

系统将调用 "k1" 这个key的hashCode()方法得到其hashCode 值（该方法适用于每个Java对象），然后再通过Hash算法的后两步运算（高位运算和取模运算，下文有介绍）来定位该键值对的存储位置，有时两个key会定位到相同的位置，表示发生了Hash碰撞。当然Hash算法计算结果越分散均匀，Hash碰撞的概率就越小，map的存取效率就会越高。

如果哈希桶数组很大，即使较差的Hash算法也会比较分散，如果哈希桶数组数组很小，即使好的Hash算法也会出现较多碰撞，所以就需要在空间成本和时间成本之间权衡，其实就是在根据实际情况确定哈希桶数组的大小，并在此基础上设计好的hash算法减少Hash碰撞。那么通过什么方式来控制map使得Hash碰撞的概率又小，哈希桶数组（Node[] table）占用空间又少呢？答案就是好的Hash算法和扩容机制。

在理解Hash和扩容流程之前，我们得先了解下HashMap的几个字段。从HashMap的默认构造函数源码可知，构造函数就是对下面几个字段进行初始化，源码如下：

int threshold; //所能容纳的Node最大个数

final float loadFactor;//负载因子

transient int modCount; //HashMap内部结构发生变化的次数

transient int size; //实际存在的键值对数量

首先，Node[] table的初始化长度length(默认值是16)，Load factor为负载因子(默认值是0.75)，threshold是HashMap所能容纳的最大数据量的Node(键值对)个数。threshold = length * Load factor。也就是说，在数组定义好长度之后，负载因子越大，所能容纳的键值对个数越多。

结合负载因子的定义公式可知，threshold就是在此Load factor和length(数组长度)对应下允许的最大元素数目，超过这个数目就重新resize(扩容)，扩容后的HashMap容量是之前容量的两倍。默认的负载因子0.75是对空间和时间效率的一个平衡选择，建议大家不要修改，除非在时间和空间比较特殊的情况下，如果内存空间很多而又对时间效率要求很高，可以降低负载因子Load factor的值；相反，如果内存空间紧张而对时间效率要求不高，可以增加负载因子loadFactor的值，这个值可以大于1。

size这个字段其实很好理解，就是HashMap中实际存在的键值对数量。注意和table的长度length、容纳最大键值对数量threshold的区别。而modCount字段主要用来记录HashMap内部结构发生变化的次数，主要用于迭代的快速失败。强调一点，内部结构发生变化指的是结构发生变化，例如put新键值对，但是某个key对应的value值被覆盖不属于结构变化。

在HashMap中，哈希桶数组table的长度length大小必须为2的n次方(一定是合数)，这是一种非常规的设计，常规的设计是把桶的大小设计为素数。相对来说素数导致冲突的概率要小于合数，具体证明可以参考http://blog.csdn.net/liuqiyao_01/article/details/14475159，Hashtable初始化桶大小为11，就是桶大小设计为素数的应用（Hashtable扩容后不能保证还是素数）。HashMap采用这种非常规设计，主要是为了在取模和扩容时做优化，同时为了减少冲突，HashMap定位哈希桶索引位置时，也加入了高位参与运算的过程。

这里存在一个问题，即使负载因子和Hash算法设计的再合理，也免不了会出现拉链过长的情况，一旦出现拉链过长，则会严重影响HashMap的性能。于是，在JDK1.8版本中，对数据结构做了进一步的优化，引入了红黑树。而当链表长度太长（默认超过8）时，链表就转换为红黑树，利用红黑树快速增删改查的特点提高HashMap的性能，其中会用到红黑树的插入、删除、查找等算法。本文不再对红黑树展开讨论，想了解更多红黑树数据结构的工作原理可以参考http://blog.csdn.net/v_july_v/article/details/6105630。

功能实现-方法

HashMap的内部功能实现很多，本文主要从根据key获取哈希桶数组索引位置、put方法的详细执行、扩容过程三个具有代表性的点深入展开讲解。

1. 确定哈希桶数组索引位置

不管增加、删除、查找键值对，定位到哈希桶数组的位置都是很关键的第一步。前面说过HashMap的数据结构是数组和链表的结合，所以我们当然希望这个HashMap里面的元素位置尽量分布均匀些，尽量使得每个位置上的元素数量只有一个，那么当我们用Hash算法求得这个位置的时候，马上就可以知道对应位置的元素就是我们要的，不用遍历链表，大大优化了查询的效率。HashMap定位数组索引位置，直接决定了hash方法的离散性能。先看看源码的实现

(方法一+方法二):

方法一：
static final int hash(Object key) {
    int h;
    // h = key.hashCode() 为第一步 取hashCode值
    //h ^ (h >>> 16) 为第二步 高位参与运算
    return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}

方法二：
static int indexFor(int h,int length){ //jdk1.7的源码，jdk1.8没有这个方法，但是实现原理一样的
    return h & (length-1); //第三步 取模运算
}

这里的Hash算法本质上就是三步：取key的hashCode值、高位运算、取模运算。

对于任意给定的对象，只要它的hashCode()返回值相同，那么程序调用方法一所计算得到的Hash码值总是相同的。我们首先想到的就是把hash值对数组长度取模运算，这样一来，元素的分布相对来说是比较均匀的。但是，模运算的消耗还是比较大的，在HashMap中是这样做的：调用方法二来计算该对象应该保存在table数组的哪个索引处。

这个方法非常巧妙，它通过h & (table.length -1)来得到该对象的保存位，而HashMap底层数组的长度总是2的n次方，这是HashMap在速度上的优化。当length总是2的n次方时，h& (length-1)运算等价于对length取模，也就是h%length，但是&比%具有更高的效率。

在JDK1.8的实现中，优化了高位运算的算法，通过hashCode()的高16位异或低16位实现的：(h = k.hashCode()) ^ (h >>> 16)，主要是从速度、功效、质量来考虑的，这么做可以在数组table的length比较小的时候，也能保证考虑到高低Bit都参与到Hash的计算中，同时不会有太大的开销。

下面举例说明下，n为table的长度。

2. 分析HashMap的put方法

HashMap的put方法执行过程可以通过下图来理解，自己有兴趣可以去对比源码更清楚地研究学习。

 

①.判断键值对数组table[i]是否为空或为null，否则执行resize()进行扩容；

②.根据键值key计算hash值得到插入的数组索引i，如果table[i]==null，直接新建节点添加，转向⑥，如果table[i]不为空，转向③；

③.判断table[i]的首个元素是否和key一样，如果相同直接覆盖value，否则转向④，这里的相同指的是hashCode以及equals；

④.判断table[i] 是否为treeNode，即table[i] 是否是红黑树，如果是红黑树，则直接在树中插入键值对，否则转向⑤；

⑤.遍历table[i]，判断链表长度是否大于8，大于8的话把链表转换为红黑树，在红黑树中执行插入操作，否则进行链表的插入操作；遍历过程中若发现key已经存在直接覆盖value即可；

⑥.插入成功后，判断实际存在的键值对数量size是否超多了最大容量threshold，如果超过，进行扩容。

JDK1.8HashMap的put方法源码如下:

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①：判断tab是否为空，是则调用resize()进行扩容
        if ((tab = table) == null || (n = tab.length) == 0)
            n = (tab = resize()).length;
            //步骤②：计算index,并对null做处理
        if ((p = tab[i = (n - 1) & hash]) == null)
            tab[i] = newNode(hash, key, value, null);
        else {
            Node<K,V> e; K k;
            //步骤③：节点key存在，直接覆盖value
            if (p.hash == hash &&
                ((k = p.key) == key || (key != null && key.equals(k))))
                e = p;
                //步骤④：判断该链为红黑树，是则直接在树中插入键值对
            else if (p instanceof TreeNode)
                e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
            else {
                //步骤⑤：该链为链表
                for (int binCount = 0; ; ++binCount) {
                    if ((e = p.next) == null) {
                        p.next = newNode(hash, key, value, null);
                        //链表长度大于8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;
        //步骤⑥：超过最大容量就扩容
        if (++size > threshold)
            resize();
        afterNodeInsertion(evict);
        return null;
    }

3. 扩容机制

扩容(resize)就是重新计算容量，向HashMap对象里不停的添加元素，而HashMap对象内部的数组无法装载更多的元素时，对象就需要扩大数组的长度，以便能装入更多的元素。当然Java里的数组是无法自动扩容的，方法是使用一个新的数组代替已有的容量小的数组，就像我们用一个小桶装水，如果想装更多的水，就得换大水桶。

我们分析下resize的源码，鉴于JDK1.8融入了红黑树，较复杂，为了便于理解我们仍然使用JDK1.7的代码，好理解一些，本质上区别不大，具体区别后文再说。

void resize(int newCapactity){ //传入新的容量
    Entry[] oldTable = table ;//引用扩容前的Entry数组
    int oldCapacity = oldTable.length;
    if(oldCapacity == MAXIMUM_CAPACITY) { //扩容前的数组大小如果已经达到最大(2^30)了
        threshold = Integer.MAX_VALUE;//修改阈值为int的最大值(2^31-1),这样以后就不会扩容了
        return;
    }
    Entry[] newTable = new Entry[newCapacity];//初始化一个新的Entry数组
    transfer(newTable); //将数据转移到新的Entry数组中
    table = newTable;  //HashMap的table属性引用新的Entry数组
    threshold = (int)(newCapacity * loadFactor); //修改阈值
    
}

 

这里就是使用一个容量更大的数组来代替已有的容量小的数组，transfer()方法将原有Entry数组的元素拷贝到新的Entry数组里。

void transfer(Entry[] newTable){
    Entry[] src = table;    //src引用旧的Entry数组
    int newCapacity = newTable.length;
    for(int j=0;j<src.length;j++){ //遍历旧的Entry数组
        Entry<K,V> e=src[j]; //取得旧Entry数组的每个元素
        if(e!=null){
            src[j]=null;//释放旧Entry数组的对象引用(for循环后，旧的Entry数组不再引用任何对象)
            do{
                Entry<K,V> next = e.next;
                int i = indexFor(e.hash,newCapacity);//重新计算每个元素在数组中的位置
                e.next = newTable[i];//标记[]
                newTable[i]=e; //将元素放在数组上
                e=next； //访问下一个Entry链上的元素
            }while(e!=null);
        }
        
    }
}

newTable[i]的引用赋给了e.next，也就是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），这一点和Jdk1.8有区别，下文详解。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。

下面举个例子说明下扩容过程。假设了我们的hash算法就是简单的用key mod 一下表的大小（也就是数组的长度）。其中的哈希桶数组table的size=2， 所以key = 3、7、5，put顺序依次为 5、7、3。在mod 2以后都冲突在table[1]这里了。这里假设负载因子 loadFactor=1，即当键值对的实际大小size 大于 table的实际大小时进行扩容。接下来的三个步骤是哈希桶数组 resize成4，然后所有的Node重新rehash的过程。

 

 

 

下面我们讲解下JDK1.8做了哪些优化。经过观测可以发现，我们使用的是2次幂的扩展(指长度扩为原来2倍)，所以，元素的位置要么是在原位置，要么是在原位置再移动2次幂的位置。

• 首先明确一下扩容以后所有node节点本质还是通过 (n-1)&hash 得到索引，然后放入对应的node数组槽位中，但是jdk的开发者在这里使用了等价的计算方式加速了rehash的过程，将所有的node节点分成了需要移动和不需要移动两个链表，然后一次性移动到对应的位置上
• 要明白这个等价的计算方式是什么，需要一个直观的对比就可以很容易的理解，假设map当前容量是n=16(n-1 对应的二进制是0000 1111) ，node的hash值的二进制是1010 0101，那么在扩容前node 的索引的计算是通过如下方式得到

扩容前计算索引
	1010 0101
&	0000 1111
	0000 0101
索引结果	5

扩容以后容量是n=32(n-1对应的二进制是0001 1111),node本身的hash值是不变的，仍然是1010 0101，那么扩容后node 的索引的计算是通过如下方式得到

扩容后计算索引
	1010 0101
&	0001 1111
	0000 0101
索引结果	5

发现计算后的索引结果和扩容前是一样的，那么是什么原因导致扩容前后的索引是一样的？或者是不一样的呢？我们把扩容前后的两次hash计算索引的过程放在一起对比一下

	扩容前计算索引		扩容后计算索引
（hash）	1010 0101		101 0 0101
（n-1）&	0000 1111	&	000 1 1111
	0000 0101		0000 0101
索引结果	5		5

 

先给出结论，注意看一下(n-1) 的值他转化为二进制以后的第五位，也就是表中加粗的数字

• 它的左边高位都是0，做&运算以后无论hash值中对应的位是0或1，最后结果都是0，也就是不影响最后的计算结果
• 它的右边高位都是1，做&运算以后无论hash值中对应的位是0或1，最后结果都和原来的值保持一致，这是&的计算特性
• 结合上两条特点，那么无论扩容前后，低四位&以后的计算结果都是一样的都是5（0101），唯一影响计算结果的就是第5位，也就是说node的hash值的二进制如果第5位是0，那么扩容后索引不变，如果是1，扩容后的索引就变了，那么会变成什么呢？举个具体例子看一下
• 假设现在node的hash值是1011 0101，相比之前的node，现在例子中的hash值二进制第五位是1

扩容前计算索引		扩容后计算索引
（hash）	1011 0101		101 1 0101
&（n-1）	0000 1111	&	000 1 1111
	0001 0101		000 1 0101
索引结果	5		16 + 5

我们发现，最后扩容以后计算结果中第5位变成了1，低四位不变，也就是16 + 5，而这增加的16恰好是map扩容前的容量16，回到上面的问题，node的hash值的二进制如果第5位是1，扩容后的索引就是 扩容前的容量 + 原索引值。

• 那么为什么是第五位呢？因为扩容一倍以后，n-1的二进制位从4个1（1111）变为了5个1（11111），影响计算结果的恰恰是多出来的那一位1，那么现在可以再总结一下上面的规律，如何判断一个node在扩容后索引是否变化？如果多出来的那一位1和hash做位与运算结果中第五位是0，那么扩容后索引不变，如果是1那么扩容后的索引就是 扩容前的容量 + 原索引值
• 根据上面的结论，计算结果就可以简化为如下过程

 

hash值二进制第五位是1		hash值二进制第五位是0
	1011 0101		101 0 0101
&	0001 0000	&	000 1 0000
	0001 0000		000 0 0000
第五位结果	1		0

• 根据表格中计算过程可知，根据第五位的结果就能确定扩容后的索引
• 走到这里，就引出了最后一个问题，影响结果的第五位如何确定呢？我们发现进行计算的二进制数0001 0000 = 16 ，正好就是扩容前的容量值，所以最后的结论就是：
• hash & oldcap = 0 扩容后索引不变
• hash & oldcap ！=0 扩容后 索引= oldcap + 原索引值，这样回头再去看java中hashmap 扩容的原理源码就一目了然了

这个设计确实非常的巧妙，既省去了重新计算hash值的时间，而且同时，由于新增的1bit是0还是1可以认为是随机的，因此resize的过程，均匀的把之前的冲突的节点分散到新的bucket了。这一块就是JDK1.8新增的优化点。有一点注意区别，JDK1.7中rehash的时候，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，但是JDK1.8不会倒置。有兴趣的同学可以研究下JDK1.8的resize源码，写的很赞，如下:

/**
 * Initializes or doubles table size.  If null, allocates in
 * accord with initial capacity target held in field threshold.
 * Otherwise, because we are using power-of-two expansion, the
 * elements from each bin must either stay at same index, or move
 * with a power of two offset in the new table.
 * 将table数组初始化或者加倍扩容，如果为null,则分配符合现场阈值中保持的初始容量目标。否则，因为我们使用的是二次幂展开，所以每个容器中的元素肯定保持在同一索引中，
 * 或者移动到新表中2次幂的偏移位置。
 * @return the table
 */
final Node<K,V>[] resize() {
    Node<K,V>[] oldTab = table;//原先数组
    int oldCap = (oldTab == null) ? 0 : oldTab.length; //判断原数组是否为null，为null未扩容过
    int oldThr = threshold; //默认构造器的情况下为0
    int newCap, newThr = 0; //newCap新的容量，newThr新的上限
    if (oldCap > 0) {//table扩容过
         //当前table容量大于最大值得时候返回当前table
        if (oldCap >= MAXIMUM_CAPACITY) {
            threshold = Integer.MAX_VALUE;
            return oldTab;
        }
        //没超过最大值，进行扩充操作
        else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&
                 oldCap >= DEFAULT_INITIAL_CAPACITY)
            //table的容量乘以2，threshold的值也乘以2   
            newThr = oldThr << 1; // double threshold
    }
    //使用带有初始容量的构造器时，table容量为初始化得到的threshold
    else if (oldThr > 0) // initial capacity was placed in threshold
        newCap = oldThr;
    else {               // zero initial threshold signifies using defaults
    //零初始阈值表示使用默认值
        newCap = DEFAULT_INITIAL_CAPACITY;
        newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);
    }
    if (newThr == 0) {
         //使用带有初始容量的构造器在此计算新的resize上限
        float ft = (float)newCap * loadFactor;
        newThr = (newCap < MAXIMUM_CAPACITY && ft < (float)MAXIMUM_CAPACITY ?
                  (int)ft : Integer.MAX_VALUE);
    }
    threshold = newThr;
    @SuppressWarnings({"rawtypes","unchecked"})
    //初始化新数组
    Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap];
    table = newTab;
    if (oldTab != null) {
        //把每个bucket都移动到新的buckets中
        for (int j = 0; j < oldCap; ++j) {
            Node<K,V> e;
            if ((e = oldTab[j]) != null) {
                oldTab[j] = null;
                if (e.next == null)
                 // 当前index没有发生hash冲突，直接对2取模，即移位运算hash &（2^n -1）
                 // 扩容都是按照2的幂次方扩容，因此newCap = 2^n
                    newTab[e.hash & (newCap - 1)] = e; 
                else if (e instanceof TreeNode)
                 // 当前index对应的节点为红黑树，这里篇幅比较长且需要了解其数据结构跟算法，因此不进行详解，当树的个数小于等于8时是链表
                    ((TreeNode<K,V>)e).split(this, newTab, j, oldCap);
                else { 
                // 链表优化重hash的代码块
                // 把当前index对应的链表分成两个链表，减少扩容的迁移量
                    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) {
                            // 扩容后不需要移动的链表
                            if (loTail == null)
                                loHead = e;
                            else
                                loTail.next = e;
                            loTail = e;
                        }
                        //原索引+oldCap
                        else {
                            // 扩容后需要移动的链表
                            if (hiTail == null)
                                hiHead = e;
                            else
                                hiTail.next = e;
                            hiTail = e;
                        }
                    } while ((e = next) != null);
                  
                    if (loTail != null) {
                         // help gc
                        loTail.next = null;
                        newTab[j] = loHead;
                    }
                  
                    if (hiTail != null) {
                        // help gc
                        hiTail.next = null;
                        // 扩容长度为当前index位置+旧的容量
                        newTab[j + oldCap] = hiHead;
                    }
                }
            }
        }
    }
    return newTab;
}

 

 

 

 

 

最后让我们简单过一下HashMap的get方法

public V get(Object key) {
    Node<K,V> e;
    return (e = getNode(hash(key), key)) == null ? null : e.value;
}
进入   getNode()方法，入参是key的hash值与key


final Node<K,V> getNode(int hash, Object key) {
    Node<K,V>[] tab; Node<K,V> first, e; int n; K k;
    if ((tab = table) != null && (n = tab.length) > 0 &&
        (first = tab[(n - 1) & hash]) != null) {
        if (first.hash == hash && // always check first node
        //每次都先判断数组中的第一个节点
            ((k = first.key) == key || (key != null && key.equals(k))))
            return first;
        if ((e = first.next) != null) {
            if (first instanceof TreeNode)
            //如果是红黑树就使用红黑树查找
                return ((TreeNode<K,V>)first).getTreeNode(hash, key);
            do {
                //通过do while ,e.next 遍历链表查询
                if (e.hash == hash &&
                    ((k = e.key) == key || (key != null && key.equals(k))))
                    return e;
            } while ((e = e.next) != null);
        }
    }
    return null;
}

HashMap中，如果key经过hash算法得出的数组索引位置全部不相同，即Hash算法非常好，那样的话，getKey方法的时间复杂度就是O(1)，如果Hash算法技术的结果碰撞非常多，假如Hash算极其差，所有的Hash算法结果得出的索引位置一样，那样所有的键值对都集中到一个桶中，或者在一个链表中，或者在一个红黑树中，时间复杂度分别为O(n)和O(lgn)。

参考文档:

Java8系列之重新认识HashMap

JDK 1.8 HashMap扩容原理_u013171997的专栏-CSDN博客_jdk8hashmap扩容原理