About HashMap

一、Map的概念

Map：一个集合，一种依照键（key）存储元素的容器，键（key）很像下标，在List中下标是整数。在Map中键（key）可以使任意类型的对象。Map中不能有重复的键（Key），每个键（key）都有一个对应的值（value）。一个键（key）和它对应的值构成map集合中的一个元素。Map中的元素是两个对象，一个对象作为键，一个对象作为值。键不可以重复，但是值可以重复。Map本身是一个接口，要使用Map需要通过子类进行对象实例化。Map接口的常用子类有：HashMap、HashTable、TreeMap、ConcurrentHashMap。

• key值不允许重复，如果重复，则会把对应value值更新；
• key和value都允许为null，key为null有且只有一个。

二、关于HashMap

HashMap：Java中最重要的一种数据结构，用于存储Key-Value键值对的集合，每一个键值对也叫做Entry。这些个键值对（Entry）分散存储在一个数组当中，这个数组就是HashMap的主干。HashMap数组每一个元素的初始值都是Null。

HashMap由数组+链表组成的，数组是HashMap的主体，链表则是主要为了解决哈希冲突而存在的，如果定位到的数组位置不含链表（当前Entry的next指向null），那么查找，添加等操作很快，仅需一次寻址即可；如果定位到的数组包含链表，对于添加操作，其时间复杂度为O(n)，首先遍历链表，存在即覆盖，否则新增；对于查找操作来讲，仍需遍历链表，然后通过key对象的equals方法逐一比对查找。所以性能考虑，HashMap中的链表出现越少，性能才会越好。

HashMap的常用方法是Put和Get。

Put方法原理：当我们给put()方法传递键和值时，我们先对键调用hashCode()方法，返回的hashCode用于找到bucket位置来储存Entry对象。比如调用 hashMap.put("zhangsan", 0) ，插入一个Key为“zhangsan"的元素，这时候我们需要利用一个哈希函数来确定Entry的插入位置（index）：index =  Hash（“zhangsan”）。假定最后计算出的index是3，那么结果如下：

因为HashMap的长度是有限的，当插入的Entry数量逐渐增加时，Hash函数必定会出现哈希冲突。比如下面这样：

众所周知，哈希冲突是不可能完全避免的，但可以用链表来解决hash冲突。HashMap数组的每一个元素不止是一个Entry对象，也是一个链表的头节点。每一个Entry对象通过Next指针指向它的下一个Entry节点。当新来的Entry映射到冲突的数组位置时，只需要插入到对应的链表即可（新来的Entry节点插入链表时，使用的是“头插法”）：

Get方法原理：使用Get方法根据Key来查找Value的时候，将输入的Key做一次Hash映射，得到对应的index。当获取对象时，通过键对象的equals()方法找到正确的键值对，然后返回值对象。具体来说当我们调用get()方法，HashMap会使用键对象的hashcode找到bucket位置，找到bucket位置之后，会调用keys.equals()方法去找到链表中正确的节点，最终找到要找的值对象。比如要查找的Key为"zhangsan"：index =  Hash（“zhangsan”），首先查看的是头节点Entry5，Entry5的Key是lisi，不匹配。继续查看的是Next节点Entry1，Entry1的Key是zhangsan，查找成功。

HashMap的长度：HashMap默认初始长度为16，每次自动扩展或手动初始化时长度必须是2的幂。此做法是为了服务于从key映射到index的Hash算法。从Key映射到HashMap数组的对应位置，会用到Hash函数。如果将Key的HashCode值与HashMap长度Length做取模运算，即index =  HashCode（Key） % Length，此法实现简单但效率极低。故一般采用位运算方法：

index =  HashCode（Key） &  （Length - 1） 

假定zhangsan的hashcode计算值为十进制的6，二进制的0000 0110。HashMap长度是默认的16，计算Length-1的结果为十进制的15，二进制的0000 1111。将上述两个值作与运算：0000 0110 & 0000 1111 = 0000 0110，转化为10进制为6。所以可得到 index=6。

为什么是16或者2的幂？假定HashMap长度为11，此时有：

HashCode： 0000 0110         0000 0101       0000 0010      0000 0111                  

Length-1：    0000 1010         0000 1010       0000 1010      0000 1010           

index：          0000 0010         0000 0000       0000 0010      0000 0010               

由上述结果可知，当HashMap长度为11的时候， 0000 0010  出现了3次，即有些index结果的出现几率会更大，这显然不符合Hash算法均匀分布原则。而当长度16或者其他2的幂，Length-1的值是所有二进制位全为1，这种情况下，index的结果等同于HashCode后几位的值。只要输入的HashCode本身分布均匀，Hash算法的结果就是均匀的。

当数组长度为16时，即为2的n次方时，2n-1得到的二进制数的每个位上的值都为1（比如(24-1)2=1111），这使得在低位上&时，得到的和原hash的低位相同，加之hash(int h)方法对key的hashCode的进一步优化，加入了高位计算，就使得只有相同的hash值的两个值才会被放到数组中的同一个位置上形成链表。

所以说，当数组长度为2的n次幂的时候，不同的key算得得index相同的几率较小，那么数据在数组上分布就比较均匀，也就是说碰撞的几率小，相对的，查询的时候就不用遍历某个位置上的链表，这样查询效率也就较高了。

HashMap的头插法与尾插法：JDK1.8之前是头插，JDK1.8是尾插法。如果遍历整个链表发现没有相应的key值，则会调用addEntry方法在链表添加一个Entry，问题在于addEntry方法是如何插入链表的，addEntry方法源码如下：

JDK1.6源码：这里构造了一个新的Entry对象（构造方法的最后一个参数传入了当前的Entry链表），然后直接用这个新的Entry对象取代了旧的Entry链表，可以猜测这应该是头插法。

void addEntry(int hash, K key, V value, int bucketIndex) {
    Entry<K,V> e = table[bucketIndex];
    table[bucketIndex] = new Entry<K,V>(hash, key, value, e);
    if (size++ >= threshold)
        resize(2 * table.length);
}

接着再看一下Entry的构造方法：从构造方法中的next=n可以看出确实是把原本的链表直接链在了新建的Entry对象的后边，可以看出是插入头部。

Entry( int h, K k, V v, Entry<K,V> n) {
        value = v;
        next = n;
        key = k;
        hash = h;
}

JDK1.8源码：从这段代码中可以很显然地看出当到达链表尾部（即p是链表的最后一个节点）时，e被赋为null，会进入这个分支代码，然后会用newNode方法建立一个新的节点插入尾部。

//e是p的下一个节点
if ((e = p.next) == null) {
    //插入链表的尾部
    p.next = newNode(hash, key, value, null);
    //如果插入后链表长度大于8则转化为红黑树
    if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st
        treeifyBin(tab, hash);
    break;
}

在jdk1.6中，HashMap中有个内置Entry类，它实现了Map.Entry接口；而在jdk1.8中，这个Entry类不见了，变成了Node类，也实现了Map.Entry接口，与jdk1.6中的Entry是等价的。

为什么开始是头插法，而后更改为尾插法？

一是为了避免老版本hashmap在并发Resize时会出现的死循环问题。再者HashMap的作者认为，后插入的Entry被查找的可能性更大。即所谓的热点数据(新插入的数据可能会更早用到)，但这其实只是出于部分角度考虑，因为JDK1.7中Rehash过程中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(就是因为头插) 所以最后的结果还是打乱了插入的顺序，故换成尾插。

三、高并发下的HashMap

Rehash是HashMap在扩容的一个步骤。HashMap的容量是有限的。当经过多次元素插入，使得HashMap达到一定饱和度时，Key映射位置发生冲突的几率会逐渐提高。这时候，HashMap需要扩展它的长度，也就是进行Resize。

Resize：影响发生Resize的因素有两个：

• Capacity：HashMap的当前长度。上文中提到过HashMap的长度是2的幂。
• LoadFactor：HashMap负载因子，默认值为0.75f。　负载因子衡量的是一个散列表的空间的使用程度，负载因子越大表示散列表的装填程度越高，反之愈小。对于使用链表法的散列表来说，查找一个元素的平均时间是O(1+a)，因此如果负载因子越大，对空间的利用更充分，然而后果是查找效率的降低；如果负载因子太小，那么散列表的数据将过于稀疏，对空间造成严重浪费。

HashMap是否进行Resize：HashMap.Size   >=  Capacity * LoadFactor

Resize并非简单的将长度扩大，需要经过以下两个步骤：

1. 扩容：创建一个新的Entry空数组，长度是原数组的2倍。
2. Rehash：遍历原Entry数组，把所有的Entry重新Hash到新数组。Entry数组长度扩大以后，Hash的规则也随之改变。

由Hash公式 index =  HashCode（Key）& （Length - 1）可知，当长度Length发生改变，则Hash结果也可能会随之改变，比如下图：

Resize前的HashMap：

Resize后的HashMap：

Rehash源码：

/**
 * Transfers all entries from current table to newTable.
 */
void transfer(Entry[] newTable, boolean rehash) {
    int newCapacity = newTable.length;
    for (Entry<K,V> e : table) {
        while(null != e) {
            Entry<K,V> next = e.next;
            if (rehash) {
                e.hash = null == e.key ? 0 : hash(e.key);
            }
            int i = indexFor(e.hash, newCapacity);
            e.next = newTable[i];
            newTable[i] = e;
            e = next;
        }
    }
}

HashMap由于是非线程安全的，故上述操作只能发生在单线程中，多线程下会带来诸多问题。

HashMap的线程安全

HashMap在多线程环境下，1.7 会产生死循环、数据丢失、数据覆盖的问题，1.8 中会有数据覆盖的问题。

JDK1.7下的死循环：假定一个HashMap已经到了Resize的临界点。此时有两个线程A和B，在同一时刻对HashMap进行Put操作：

此时达到Resize条件，两个线程各自进行Reszie的第一步，也就是扩容：

此时，A、B两个线程都到了ReHash的步骤，review一下ReHash的代码：

假如此时线程B遍历到Entry3对象，刚执行完红框里的这行代码，线程就被挂起。对于线程B来说：e=Entry3，next=Entry2这时候线程A顺利执行Rehash，当ReHash完成后，结果如下（图中的e和next，代表线程B的两个引用）：

至此，线程A Rehash完毕。接下来线程B恢复，继续执行属于它的ReHash。线程B刚才的状态是：e=Entry3，next=Entry2

当执行到上图代码中红色方框中时，由于刚才线程A进行Rehash时对于Entry3的结果是3，故此时 i=3 。

代码继续向下执行之上图中红色方框时，Entry3放入了线程B的数组下标为3的位置，此时e指向了Entry2，而此时 e 和 next 的指向如下图所示：

接着进行第二轮循环，再次执行至红色方框代码：e=Entry2，next=Entry3

接下来执行下面的三行，用头插法把Entry2插入到了线程B的数组的头结点：

此时，整体状况为：

第三次循环，执行至红色方框：e=Entry3，next=Entry3.next=null

最后一步，当执行至 e.next = newTable[ i ] 时有：

newTable[ i ] = Entry2；

e=Entry3；

Entry2.next=Entry3；

Entry3.next=Entry2；

至此，环形链表出现。如下图：

 

此时，问题还没有直接产生。当调用Get查找一个不存在的Key，而这个Key的Hash结果恰好等于3的时候，由于位置3带有环形链表，所以程序将会进入死循环。

JDK1.8下的数据覆盖：JDK1.8以后 HashMap的数据结构从单纯的数组加链表结构变成数组+链表+红黑树。所有元素都是Node<k，v>，当链表长度大于8时将转化为红黑树。其中Node是HashMap的一个内部类，实现Map。Entry接口本质是一个KV映射。根据上面JDK1.7出现的环形链表问题，在JDK1.8中已经得到了很好的解决，1.8的源码找不到transfer函数，因为JDK1.8直接在Resize函数中完成了数据迁移。

JDK1.8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;
        if ((tab = table) == null || (n = tab.length) == 0)
            n = (tab = resize()).length;
        if ((p = tab[i = (n - 1) & hash]) == null) // 如果没有hash碰撞则直接插入元素
            tab[i] = newNode(hash, key, value, null);
        else {
            Node<K,V> e; K k;
            if (p.hash == hash &&
                ((k = p.key) == key || (key != null && key.equals(k))))
                e = p;
            else if (p instanceof TreeNode)
                e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
            else {
                for (int binCount = 0; ; ++binCount) {
                    if ((e = p.next) == null) {
                        p.next = newNode(hash, key, value, null);
                        if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st
                            treeifyBin(tab, hash);
                        break;
                    }
                    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;
        if (++size > threshold)// 多个线程走到这，可能重复resize()
            resize();
        afterNodeInsertion(evict);
        return null;
    }

其中第5行代码是判断是否出现hash碰撞，假设两个线程A、B都在进行put操作，并且hash函数计算出的插入下标是相同的，当线程A执行完第5行代码后由于时间片耗尽导致被挂起，而线程B得到时间片后在该下标处插入了元素，完成了正常的插入，然后线程A获得时间片，由于之前已经进行了hash碰撞的判断，所有此时不会再进行判断，而是直接进行插入，这就导致了线程B插入的数据被线程A覆盖了，从而线程不安全。

除此之前，还有就是代码的第37行处有个++size，我们这样想，还是线程A、B，这两个线程同时进行put操作时，假设当前HashMap的size大小为10，当线程A执行到第37行代码时，从主内存中获得size的值为10后准备进行+1操作，但是由于时间片耗尽只好让出CPU，线程B拿到CPU还是从主内存中拿到size的值10进行+1操作，完成了put操作并将size=11写回主内存，然后线程A再次拿到CPU并继续执行(此时size的值仍为10)，当执行完put操作后，还是将size=11写回内存，此时，线程A、B都执行了一次put操作，但是size的值只增加了1，所有说还是由于数据覆盖又导致了线程不安全。

        Rehash的代价：ReHash的代价其实并不小，我们平常理解中的哈希表是" 以空间换时间的一种数据结构 "。理所当然的认为哈希表就是以牺牲空间代价来换取时间。然而，ReHash的过程其实是空间和时间的都是非常耗费的。ReHash的过程实质是一个动态扩容的过程。扩容过程中，散列表内部要重新Resize（new)一个更大的数组，然后把原来数组的内容拷贝到新数组，并进行重新散列，new出来的这个更大的新数组容量有多大，一般来说新数组的大小会设置成原数组双倍大小。
        " 以空间换时间 "，其实是指哈希具有O(1)复杂度的数据检索效率，但它受填充因子影响，空间开销通常很大，空间利用率不高。因此哈希表适用于读操作频繁，写操作较少应用场景，比如把哈希表当做缓存容器。
 

1.8中红黑树的由来：假设现在HashMap集合中大多数的元素都放到了同一个桶里（由hash值计算而得的桶的位置相同），那么这些元素就在这个桶后面连成了链表。现在需要查询某个元素，那么此时的查询效率就很慢了，它是在做链表查询（ O(N) 的查询效率）。为了解决这个问题，就引入了红黑树（ log(n) 的查询效率）：当链表到达一定长度时就在链表的后面创建红黑树。