JAVA源码剖析之HashMap（三）：扩容resize()、负载因子、扩容容量

一、HashMap默认加载因子为什么选择0.75

static final float DEFAULT_LOAD_FACTOR = 0.75f;

HashMap有两个参数影响其性能：初始容量和加载因子。
容量是哈希表中桶的数量。加载因子是扩容机制的阈值，当超过了这个阈值，就会触发扩容、rehash操作（即重建内部数据结构）。加载因子默认是0.75，是时间和空间成本上的一种折衷。
加载因子过高，减少了空间开销，提高了空间利用率，但哈希冲突概率增加，查询的成本提高；
加载因子过低，哈希冲突概率降低，查询的时间成本降低，但是空间利用率变低，同时提高了rehash操作的次数。
HashMap源码中有一段注释：

* nodes in bins follows a Poisson distribution
* (http://en.wikipedia.org/wiki/Poisson_distribution) with a
* parameter of about 0.5 on average for the default resizing
* threshold of 0.75, although with a large variance because of
* resizing granularity. Ignoring variance, the expected
* occurrences of list size k are (exp(-0.5) * pow(0.5, k) /
* factorial(k)). The first values are:
*
* 0:    0.60653066
* 1:    0.30326533
* 2:    0.07581633
* 3:    0.01263606
* 4:    0.00157952
* 5:    0.00015795
* 6:    0.00001316
* 7:    0.00000094
* 8:    0.00000006
* more: less than 1 in ten million

简单翻译一下就是在理想情况下,使用随机哈希码,节点出现的频率在hash桶中遵循泊松分布，同时给出了桶中元素个数和概率的对照表。

从上面的表中可以看到当桶中元素到达8个的时候，概率已经变得非常小，也就是说用0.75作为加载因子，每个碰撞位置的链表长度超过８个是几乎不可能的。

二、扩容容量为什么是2的指数幂

1. 性能快，位运算比取模要快很多，因此HashMap使用位运算来确认元素在数组中的槽位，tab[(n - 1) & hash]，容量为2的指数幂能确保，容量的长度-1的二进制位都是1。
2. 减少扩容时数据迁移的元素，每次扩容时，只有扩容后的容量&hash的最高位为1时的元素才需要迁移。
3. 减少哈冲突，确保tab[(n - 1) & hash]运算后落在每个槽位的概率一样。

三、扩容时机

当HashMap的键值对KV数量大于扩容阈值threshold（threshold = capacity * loadFactor）或table[]数组未初始化时，会进行扩容操作。

resize()方法分析

分三步

1. 计算新的容量值newCap和扩容阈值newThr。
2. 实例化新的table[]数组并初始化大小为新的容量大小newCap。
3. 数据迁移，元素迁移后对应的数组下标变化原理：扩容之后，由于新容量capacity为旧容量oldCap的2倍，且它们都为2的整数幂，对于该链表上的元素，如果(hash & oldCap) = 0，则新的槽位(hash%(capacity-1)) = 旧的槽位(hash%(oldCap-1))，即新旧的槽位不变。

final Node<K,V>[] resize() {
    Node<K,V>[] oldTab = table;
    int oldCap = (oldTab == null) ? 0 : oldTab.length;
    int oldThr = threshold;
    int newCap, newThr = 0;
    // 1. 计算新的容量值newCap和扩容阈值newThr
    // 如果table已经初始化
    if (oldCap > 0) {
    	// 如果扩容之前的容量已经达到了最大值，则只把扩容阈值threshold赋值成Integer.MAX_VALUE，即不限制键值对的数量，之后不管插入多少元素也不触发resize
        if (oldCap >= MAXIMUM_CAPACITY) {
            threshold = Integer.MAX_VALUE;
            return oldTab;
        } // 设置新的容量为原来的2倍
        else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&
                 oldCap >= DEFAULT_INITIAL_CAPACITY)
            newThr = oldThr << 1; // 新的扩容阈值是原来的两倍
    }
    else if (oldThr > 0) // table未初始化时，新的容量初始化为旧的扩容阈值。
        newCap = oldThr;
    else {               // table为初始化时，新的容量初始化为默认值。
        newCap = DEFAULT_INITIAL_CAPACITY;
        newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);
    }
    // 赋值新的扩容阈值 = 新的容量 * 装载因子
    if (newThr == 0) {
        float ft = (float)newCap * loadFactor;
        newThr = (newCap < MAXIMUM_CAPACITY && ft < (float)MAXIMUM_CAPACITY ?
                  (int)ft : Integer.MAX_VALUE);
    }
    threshold = newThr; // 扩容阈值
    // 2. 实例化新的table[]数组并初始化大小为新的容量大小newCap
    @SuppressWarnings({"rawtypes","unchecked"})
    Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap];
    table = newTab; // table数组
    // 3. 开始元素迁移
    if (oldTab != null) {
    	// 遍历旧的table[]数组，即遍历桶/箱子
        for (int j = 0; j < oldCap; ++j) {
            Node<K,V> e;
            if ((e = oldTab[j]) != null) {
                oldTab[j] = null;
                // 3.1 当前桶没有下一节点，即只有一个元素，可以知道该元素对应新的table[]数组的下标即(capacity - 1) & hash，当前桶的元素迁移后要么在原位置上，要么在原位置加上oldCap的位置上，所以新的数组下标不会有元素数据
                if (e.next == null)
                    newTab[e.hash & (newCap - 1)] = e;
                // 3.2 红黑树元素迁移数据逻辑
                else if (e instanceof TreeNode)
                    ((TreeNode<K,V>)e).split(this, newTab, j, oldCap);
                // 3.3 链表元素迁移逻辑
                else { // 迁移到两个链表中
                    Node<K,V> loHead = null, loTail = null;
                    Node<K,V> hiHead = null, hiTail = null;
                    Node<K,V> next;
                    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;
}

红黑树的数据迁移逻辑((TreeNode<K,V>)e).split(this, newTab, j, oldCap);

如果当前桶是红黑树，则扩容后的桶的元素数量小于UNTREEIFY_THRESHOLD才会转化为单向链表，否则转换为红黑树。

final void split(HashMap<K,V> map, Node<K,V>[] tab, int index, int bit) {
        TreeNode<K,V> b = this;
        // 将旧元素重新放到两个红黑树中，loHead中的元素迁移到原槽位，hiHead中的元素迁移到新的槽位。
        TreeNode<K,V> loHead = null, loTail = null;
        TreeNode<K,V> hiHead = null, hiTail = null;
        int lc = 0, hc = 0;
        for (TreeNode<K,V> e = b, next; e != null; e = next) {
            next = (TreeNode<K,V>)e.next;
            e.next = null;
            if ((e.hash & bit) == 0) {
                if ((e.prev = loTail) == null)
                    loHead = e;
                else
                    loTail.next = e;
                loTail = e;
                ++lc;
            }
            else {
                if ((e.prev = hiTail) == null)
                    hiHead = e;
                else
                    hiTail.next = e;
                hiTail = e;
                ++hc;
            }
        }
        // 根据阈值判断转换单向链表或者红黑树
        if (loHead != null) {
            if (lc <= UNTREEIFY_THRESHOLD)
                tab[index] = loHead.untreeify(map); // 转化为单向链表
            else {
                tab[index] = loHead;
                if (hiHead != null) // (else is already treeified)
                	// 转换为红黑树，遍历元素，并插入到二叉查找树中，通过变色、左旋、右旋等使二叉树满足红黑树。
                    loHead.treeify(tab);
            }
        }
        if (hiHead != null) {
            if (hc <= UNTREEIFY_THRESHOLD)
                tab[index + bit] = hiHead.untreeify(map);
            else {
                tab[index + bit] = hiHead;
                if (loHead != null)
                    hiHead.treeify(tab);
            }
        }
    }