HashMap的实现原理

HashMap是Java当中很常用的数据结构。

众所周知，HashMap是一个用于存储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。

对于HashMap，我们最常使用的是两个方法：Put( )和Get( )。

1.Put方法的原理

调用Put方法的时候发生了什么呢？

比如调用 hashMap.put("apple", 0) ，插入一个Key为“apple”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（“apple”）

假定最后计算出的index是2，那么结果如下：

 但是，因为HashMap的长度是有限的，当插入的Entry越来越多时，再完美的Hash函数也难免会出现index冲突的情况。比如下面这样：

 这时候该怎么办呢？我们可以利用链表来解决。

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：

需要注意的是，新来的Entry节点插入链表时，使用的是“头插法”。使用头插法是因为Java认为越往后插入的元素就会被认为有越大的概率以后会被使用。

那么在使用put插入元素的过程插入了一个已经存在的key时，该怎么办呢？

比如插入一个了Key为“apple”的元素之后，又插入了一个Key为“apple”的元素。

put( )方法在存放键值对的时候，首先hash(key)得到key的hashcode()，hashmap根据获得的hashcode找到该元素要往数组中插入的位置index，在找到index之后，再判断key是否已经存在，判断是先比较要插入的key和已经存在的key（可能不止一个）的hashCode，再通过equals( )方法比较key是否相等。

在添加对应的key-value这样的组合时，判断完key是否存在之后，如果判断出在HashMap中原本已经存在对应的key，则直接更新key对应的value值，不存在才添加新的key-value。

那么如果想使用HashMap存放重复的key值，应该怎么办呢？

 此时可以重写要存放的元素的HashCode( )和equals( )方法，因为HashMap比较两个Key是否相等就是通过这两个方法比较的，重写了这两个方法也就能实现在HashMap中存放重复值了。不过感觉这样没太大意义。

2.Get方法的原理

使用Get方法根据Key来查找Value的时候，发生了什么呢？

首先会把输入的Key做一次Hash映射，得到对应的index：

index =  Hash（“apple”）

由于刚才所说的Hash冲突，同一个位置有可能匹配到多个Entry，这时候就需要顺着对应链表的头节点，一个一个向下来查找。假设我们要查找的Key是“apple”：

第一步，我们查看的是头节点Entry6，Entry6的Key是banana，显然不是我们要找的结果。

第二步，我们查看的是Next节点Entry1，Entry1的Key是apple，正是我们要找的结果。

之所以把Entry6放在头节点，是因为HashMap的发明者认为，后插入的Entry被查找的可能性更大。

这就是HashMap Put( )和Get( )方法的底层实现原理。

我们已经知道HashMap的主干是用数组存储的，那么HashMap默认的数组初始长度是多少呢？为什么这么规定？

HashMap的默认初始长度是16 ，并且每次自动扩展或手动初始化时，长度必须是2的幂。

默认长度之所以选择16，是为了服务于从key映射到数组的index的hash算法。

之前说过，从Key映射到HashMap数组的对应位置，会用到一个Hash函数：

index =  Hash（“apple”）

如何实现一个尽量均匀分布的Hash函数呢？我们通过利用Key的HashCode值来做某种运算。

实现Hash函数的一种方法是把key的Hashcode值和HashMap长度做取模运算。

index =  HashCode（Key） % Length

虽然取模运算的方式固然简单，但是效率很低，为了实现高效的Hash算法，HashMap的发明者采用了位运算的方式。

如何进行位运算呢？有如下的公式（Length是HashMap的长度）：

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

下面我们以值为“book”的Key为例来演示整个Hash算法的过程：

1.计算book的hashcode，结果为十进制的3029737，二进制的101110001110101110 1001。

2.假定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1111。

3.把以上两个结果做与运算，101110001110101110 1001 & 1111 = 1001，十进制是9，所以 index=9。

可以说，Hash算法最终得到的index结果，完全取决于Key的Hashcode值的最后几位。

那这么做有什么好处呢？为什么HashMap长度必须是16或2的幂？

这样做不但效果上等同于取模，而且还大大提高了性能。至于HashMap的长度为什么是16，我们可以试试长度是10会出现什么问题？

 假设HashMap的长度是10，重复刚才的运算步骤：

单独看这个结果，表面上并没有问题。我们再来尝试一个新的HashCode  101110001110101110 1011 ：

让我们再换一个HashCode 101110001110101110 1111 试试  ：

从结果可以看出，虽然HashCode的倒数第二第三位从0变成了1，但是运算的结果都是1001。也就是说，当HashMap长度为10的时候，有些index结果的出现几率会更大，hash冲突的概率也会更大，可能会导致出现HashMap对应的数组中某一个index的链表特别长，而有些index结果永远不会出现（比如0111），不会出现的index里面链表为空的情况！

这样，显然不符合Hash算法均匀分布的原则。

反观长度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。

参考：程序员小灰—《什么是HashMap》