不怕面试再问HashMap，一次彻底地梳理（原理+手写实现）

前言

朋友们又见面了，你是不是还在面试时被面试官问懵HashMap？不会手写实现一个简单HashMap？看完这篇文章你再不会算我输！

提示：以下是本篇文章正文内容，案例仅供参考

​

编辑切换为居中

添加图片注释，不超过 140 字（可选）

一、HashMap介绍

1.HashMap是什么？

基于哈希表的 Map 接口的实现。此实现提供所有可选的映射操作，并允许使用 null 值和 null 键。（除了非同步和允许使用 null 之外，HashMap类与Hashtable 大致相同。）此类不保证映射的顺序，特别是它不保证该顺序恒久不变。 此实现假定哈希函数将元素适当地分布在各桶之间，可为基本操作（get 和 put）提供稳定的性能。迭代 collection 视图所需的时间与 HashMap 实例的“容量”（桶的数量）及其大小（键-值映射关系数）成比例。所以，如果迭代性能很重要，则不要将初始容量设置得太高（或将加载因子设置得太低）。 --摘自百度百科

二、HashMap底层原理

首先要明白在JDK1.7时HashMap的底层是由数组+链表实现的，到了JDK1.8后改成了数组+链表+红黑树实现，接下来我将对这几种数据结构详细讲解，并且

1.数组

特点：

1. 数组是相同数据类型的元素的集合。

2. 数组中的各元素的存储是有先后顺序的，它们在内存中按照这个先后顺序连续存放在一起。

3. 数组元素用整个数组的名字和它自己在数组中的顺序位置来表示。例如，a[0]表示名字为a的数组中的第一个元素，a[1]代表数组a的第二个元素，以此类推。

4. 下标可以是常量，变量，或表达式，但其值必须是整数（如果是小数将四舍五入为整数)。

5. 下标必须为一段连续的整数，其最小值成为下界，其最大值成为上界。不加说明时下界值默认为1。

​

编辑切换为居中

添加图片注释，不超过 140 字（可选）

2.单向链表

单向链表是链表的一种，它由节点组成，每个节点都包含下一个节点的指针。

​

编辑切换为居中

添加图片注释，不超过 140 字（可选）

特点：

1. 新增删除节点速方便、速度快，不需要像线性结构那样移动剩下的数据

2. 查询较数组慢，需要通过循环或者递归的方法访问到任意数据，平均的访 问效率低于线性表

3. 只能从头到尾遍历。只能找到后继，无法找到前驱，也就是只能前进。

适用于节点的增加删除。

3.双向链表

双向链表是链表的一种，它的每个数据结点中都有两个指针，分别指向直接后继和直接前驱。所以，从双向链表中的任意一个结点开始，都可以很方便地访问它的前驱结点和后继结点。一般我们都构造双向循环链表。

​

编辑切换为居中

添加图片注释，不超过 140 字（可选）

特点：

1. 有两个指针，一个指向前一个节点，一个指向后一个节点

2. 可以找到前驱和后继，可进可退

3. 增加删除节点复杂，需要多分配一个指针存储空间

4.红黑树

红黑树是一种特定类型的二叉树，也是一种平衡二叉查找树的变体，它的左右子树高差有可能大于 1，所以红黑树不是严格意义上的平衡二叉树，由于每一棵红黑树都是一颗二叉排序树，因此，在对红黑树进行查找时，可以采用运用于普通二叉排序树上的查找算法。

​

编辑切换为居中

添加图片注释，不超过 140 字（可选）

特点：

1. 每个节点只能是红色或者黑色。

2. 根节点必须是黑色。

3. 红色的节点，它的叶节点只能是黑色。

4. 从任一节点到其每个叶子的所有路径都包含相同数目的黑色节点。

这些约束强制了红黑树的关键性质: 从根到叶子的最长的可能路径不多于最短的可能路径的两倍长。结果是这个树大致上是平衡的。因为操作比如插入、删除和查找某个值的最坏情况时间都要求与树的高度成比例，这个在高度上的理论上限允许红黑树在最坏情况下都是高效的，而不同于普通的二叉查找树

三、HashMap源码详解

OK，了解了以上数据结构后咱们再来看看HashMap底层源码是如何实现的, 先看下HashMap的存储结构

​

编辑切换为居中

添加图片注释，不超过 140 字（可选）

1.PUT操作

​

编辑切换为居中

添加图片注释，不超过 140 字（可选）

final V putVal(int hash, K key, V value, boolean onlyIfAbsent, boolean evict) { Node<K,V>[] tab; Node<K,V> p; int n, i; //1. 如果当前table为空，新建默认大小的table if ((tab = table) == null || (n = tab.length) == 0) n = (tab = resize()).length; //2. 获取当前key对应的节点 if ((p = tab[i = (n - 1) & hash]) == null) //3. 如果不存在，新建节点 tab[i] = newNode(hash, key, value, null); else { //4. 存在节点 Node<K,V> e; K k; //5. key的hash相同，key的引用相同或者key equals，则覆盖 if (p.hash == hash && ((k = p.key) == key || (key != null && key.equals(k)))) e = p; //6. 如果当前节点是一个红黑树树节点，则添加树节点 else if (p instanceof TreeNode) e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value); //7. 不是红黑树节点，也不是相同节点，则表示为链表结构 else { for (int binCount = 0; ; ++binCount) { //8. 找到最后那个节点 if ((e = p.next) == null) { p.next = newNode(hash, key, value, null); //9. 如果链表长度超过8转成红黑树 if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st treeifyBin(tab, hash); break; } //10.如果链表中有相同的节点，则覆盖 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; //是否替换掉value值 if (!onlyIfAbsent || oldValue == null) e.value = value; afterNodeAccess(e); return oldValue; } } //记录修改次数 ++modCount; //是否超过容量，超过需要扩容 if (++size > threshold) resize(); afterNodeInsertion(evict); return null; }

1.计算关于key的hashcode值

2.如果散列表为空时，调用resize()初始化散列表

3.如果没有发生碰撞，直接添加元素到散列表中去

4.如果发生了碰撞(hashCode值相同)，进行三种判断

1:若key地址相同或者equals后内容相同，则替换旧值 2:如果是红黑树结构，就调用树的插入方法 3:链表结构，循环遍历直到链表中某个节点为空，尾插法进行插入，插入之后判断链表个数是否到达变成红黑树的阙值8；也可以遍历到有节点与插入元素的哈希值和内容相同，进行覆盖。

5.如果桶满了大于阀值，则resize进行扩容

2.GET操作

​

编辑切换为居中

添加图片注释，不超过 140 字（可选）

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 ((k = first.key) == key || (key != null && key.equals(k)))) return first; if ((e = first.next) != null) { if (first instanceof TreeNode) 　　　　　　　　　　　　//若定位到的节点是　TreeNode 节点，则在树中进行查找 return ((TreeNode<K,V>)first).getTreeNode(hash, key); do {//否则在链表中进行查找 if (e.hash == hash && ((k = e.key) == key || (key != null && key.equals(k)))) return e; } while ((e = e.next) != null); } } return null; } final TreeNode<K,V> getTreeNode(int h, Object k) { return ((parent != null) ? root() : this).find(h, k, null); } final TreeNode<K,V> find(int h, Object k, Class<?> kc) { TreeNode<K,V> p = this; do { int ph, dir; K pk; TreeNode<K,V> pl = p.left, pr = p.right, q; //首先进行hash 值的比较，若不同令当前节点变为它的左孩子或者右孩子 if ((ph = p.hash) > h) p = pl; else if (ph < h) p = pr; //hash 值相同，进行 key值的比较 else if ((pk = p.key) == k || (k != null && k.equals(pk))) return p; else if (pl == null) p = pr; else if (pr == null) p = pl; /hash 值相同，key 值不同 ,若k 是可比较的并且k.compareTo(pk) 返回结果不 为０可进入下面else if else if ((kc != null || (kc = comparableClassFor(k)) != null) && (dir = compareComparables(kc, k, pk)) != 0) p = (dir < 0) ? pl : pr; 若 k 是不可比较的　或者　k.compareTo(pk) 返回结果为０则在整棵树中进行查找，先找右子树，右子树没有再找左子树 else if ((q = pr.find(h, k, kc)) != null) return q; else p = pl; } while (p != null); return null; }

1. 对key的hashCode进行hashing

2. 与运算计算下标获取bucket位置，如果在桶的首位上就可以找到就直接返回，否则在树中找或者链表中遍历找

3. 如果有hash冲突，则利用equals方法去遍历链表查找节点

3.RESIZE操作

扩容的时候，HashMap是把长度扩为原来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。

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、resize（）函数在size　> threshold时被调用。 oldCap大于 0 代表原来的 table 表非空， oldCap 为原表的大小， oldThr（threshold） 为 oldCap × load_factor 　*/ if (oldCap > 0) { if (oldCap >= MAXIMUM_CAPACITY) { threshold = Integer.MAX_VALUE; return oldTab; } else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY && oldCap >= DEFAULT_INITIAL_CAPACITY) newThr = oldThr << 1; // double threshold } 　　　　/* 2、resize（）函数在table为空被调用。 oldCap 小于等于 0 且 oldThr 大于0，代表用户创建了一个 HashMap，但是使用的构造函数为 HashMap(int initialCapacity, float loadFactor) 或 HashMap(int initialCapacity) 或 HashMap(Map<? extends K, ? extends V> m)，导致 oldTab 为 null，oldCap 为0， oldThr 为用户指定的 HashMap的初始容量。 　　*/ else if (oldThr > 0) // initial capacity was placed in threshold newCap = oldThr; 　　　　　/* 3、resize（）函数在table为空被调用。 oldCap 小于等于 0 且 oldThr 等于0，用户调用 HashMap()构造函数创建的　HashMap，所有值均采用默认值， 　　 oldTab（Table）表为空，oldCap为0，oldThr等于0， 　　*/ else { // zero initial threshold signifies using defaults newCap = DEFAULT_INITIAL_CAPACITY; newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY); } if (newThr == 0) { float ft = (float)newCap * loadFactor; newThr = (newCap < MAXIMUM_CAPACITY && ft < (float)MAXIMUM_CAPACITY ? (int)ft : Integer.MAX_VALUE); } threshold = newThr; Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap]; table = newTab; if (oldTab != null) { 　　　　　　　//把　oldTab 中的节点　reHash 到　newTab 中去 for (int j = 0; j < oldCap; ++j) { Node<K,V> e; if ((e = oldTab[j]) != null) { oldTab[j] = null; 　　　　　　　　　　　　//若节点是单个节点，直接在 newTab　中进行重定位 if (e.next == null) newTab[e.hash & (newCap - 1)] = e; 　　　　　　　　　　　　//若节点是　TreeNode 节点，要进行 红黑树的 rehash　操作 else if (e instanceof TreeNode) ((TreeNode<K,V>)e).split(this, newTab, j, oldCap); 　　　　　　　　　　　　//若是链表，进行链表的 rehash　操作 else { // preserve order Node<K,V> loHead = null, loTail = null; Node<K,V> hiHead = null, hiTail = null; Node<K,V> next; do { 　　 next = e.next; 　　　　　　　　　　　　　　　　　　//根据算法　e.hash & oldCap　判断节点位置　rehash　后是否发生改变 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; 　　　　　　　　　　　　　　　　// rehash　后节点新的位置一定为原来基础上加上　oldCap newTab[j + oldCap] = hiHead; } } } } } return newTab; } //这个函数的功能是对红黑树进行　rehash 操作 final void split(HashMap<K,V> map, Node<K,V>[] tab, int index, int bit) { TreeNode<K,V> b = this; // Relink into lo and hi lists, preserving order TreeNode<K,V> loHead = null, loTail = null; TreeNode<K,V> hiHead = null, hiTail = null; int lc = 0, hc = 0; //由于TreeNode 节点之间存在双端链表的关系，可以利用链表关系进行 rehash 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; } } //rehash 操作之后注意对根据链表长度进行　untreeify　或　treeify　操作 if (loHead != null) { if (lc <= UNTREEIFY_THRESHOLD) tab[index] = loHead.untreeify(map); else { tab[index] = loHead; if (hiHead != null) // (else is already treeified) 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); } }//end if }//end split 复制代码

四、HashMap简单手写实现

HyhMap接口

package com.hyh.core.test.map; /** * 手写实现Map接口 * * @Author heyuhua * @create 2021/2/9 15:29 */ public interface HyhMap<K, V> { /** * PUT接口 * * @param k * @param v */ void put(K k, V v); /** * GET接口 * * @param k * @return */ V get(K k); /** * 获取map大小接口 * * @return */ int size(); /** * Entry 接口 * * @param <K> * @param <V> */ interface Entry<K, V> { /** * 获取KEY值 * * @return */ K getKey(); /** * 获取Value值 * * @return */ V getValue(); } }

HyhHashMap实现类

package com.hyh.core.test.map; import java.io.Serializable; /** * 手写实现HashMap * * @Author heyuhua * @create 2021/2/9 15:31 */ public class HyhHashMap<K, V> implements HyhMap<K, V>, Serializable { /** * 默认容量 */ static final int DEFAULT_CAPACITY = 16; int threshold; /** * 当前key索引位置 */ int keyIndex; /** * 负载因子 */ static final float DEFAULT_LOAD_FACTOR = 0.75f; /** * 保存Node<K,V>节点的数组 */ Node<K, V>[] table; /** * 存储当前Map容量的大小 */ int size; @Override public void put(K key, V value) { Node<K, V> node; if (table == null) { table = resize(); //table里面为空的情况 node = new Node<K, V>(hash(key), key, value, null); table[keyIndex] = node; size++; } else { table = resize(); //table不为空时 Node<K, V> n; //是否hash冲突 boolean hashConflict = false; for (int i = 0; i < table.length; i++) { n = table[i]; if (n != null) { if (n.hash == hash(key)) { hashConflict = true; //hash相等时 while (n != null) { if (n.key.equals(key)) { //hash相等并且key也相等，直接替换原来的值就行了 n.value = value; table[i] = n; size++; } else { node = new Node<K, V>(hash(key), key, value, null); node.next = n; table[i] = node; size++; } n = n.next; } } } } if (!hashConflict) { //没有hash冲突，直接put node = new Node<K, V>(hash(key), key, value, null); table[++keyIndex] = node; size++; } } } @Override public V get(K key) { HyhHashMap.Node<K, V> node; return (node = getNode(key)) == null ? null : node.value; } /** * 获取Node * * @param key * @return */ final HyhHashMap.Node<K, V> getNode(Object key) { if (table != null) { for (int i = 0; i < table.length; i++) { Node<K, V> node = table[i]; if (node != null) { //hash相等 if (node.hash == hash(key)) { while (node != null) { if (node.key.equals(key)) { //hash和key都相等时` return node; } node = node.next; } } } } } return null; } /** * 扩容 * * @return */ final Node<K, V>[] resize() { Node<K, V>[] newTable; int newCapacity, oldCapacity; if (table == null) { keyIndex = 0; threshold = (int) (DEFAULT_CAPACITY * DEFAULT_LOAD_FACTOR); table = (HyhHashMap.Node<K, V>[]) new HyhHashMap.Node[DEFAULT_CAPACITY]; newTable = table; } else { oldCapacity = table.length; if (table.length > threshold) { //扩容两倍 newCapacity = threshold *= 2; newTable = (HyhHashMap.Node<K, V>[]) new HyhHashMap.Node[newCapacity]; //把原来的table移动到newTable int newIndex = 0; for (int i = 0; i < oldCapacity; i++) { Node<K, V> node = table[i]; //咱们这只使用最简单的方式、不考虑其他情况、不涉及红黑树 if (node != null) { if (node.next == null) newTable[newIndex] = node; else { HyhHashMap.Node<K, V> loHead = null, loTail = null, hiHead = null, hiTail = null, next; do { next = node.next; if (node.hash == 0) { if (loTail == null) loHead = node; else loTail.next = node; loTail = node; } else { if (hiTail == null) hiHead = node; else hiTail.next = node; hiTail = node; } } while ((node = next) != null); if (loTail != null) { loTail.next = null; newTable[newIndex] = loHead; } if (hiTail != null) { hiTail.next = null; newTable[newIndex + oldCapacity] = hiHead; } } } newIndex++; } } else { newTable = table; } } return newTable; } /** * 计算Hash值 * * @param key * @return */ /** * 计算Hash值 * * @param key * @return */ static final int hash(Object key) { int h; return (key == null) ? 0 : Math.abs((h = key.hashCode()) ^ (h >>> 16)); } @Override public int size() { return size; } /** * Node 实现HyhMap Entry接口 * * @param <K> * @param <V> */ static class Node<K, V> implements HyhMap.Entry<K, V> { //hash值 final int hash; // key final K key; // value V value; // next节点 HyhHashMap.Node<K, V> next; public 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; } } }

五、单元测试

OK，不废话，直接测试一下我花了半个小时写的HashMap，当然我这里并没有加入红黑树，性能和JDK的HashMap肯定没得比，所以兄弟们，别喷我哈！

package com.hyh.core.test.map; import org.junit.Test; /** * HyhHasMap Test * * @Author heyuhua * @create 2021/2/9 17:54 */ public class HyhHashMapTest { /** * 普通测试 */ @Test public void test() { HyhHashMap<String, String> hyhHashMap = new HyhHashMap<>(); hyhHashMap.put("name", "heyuhua"); hyhHashMap.put("height", "180cm"); hyhHashMap.put("name", "hyh"); hyhHashMap.put("height", "180"); System.out.println("name:" + hyhHashMap.get("name") + ",height:" + hyhHashMap.get("height")); } /** * Hash冲突测试 */ @Test public void testHashConfilct() { HyhHashMap<String, String> hyhHashMap = new HyhHashMap<>(); hyhHashMap.put("轷龚", "heyuhua1"); hyhHashMap.put("轸齻", "heyuhua2"); System.out.println("轷龚:" + hyhHashMap.get("轷龚") + ",轸齻:" + hyhHashMap.get("轸齻")); } }

看下执行结果

​

编辑切换为居中

添加图片注释，不超过 140 字（可选）

看看Map里面的东西

图片上传中

​

编辑切换为居中

添加图片注释，不超过 140 字（可选）

​

编辑切换为居中

添加图片注释，不超过 140 字（可选）

当然了，这花半个小时写的肯定会有bug，代码仅供参考，旨在让大家能够更加深入的了解HashMap原理。

六、HashMap常见面试题

OK，大致的了解一下底层源码后，我们对HashMap有了一定深入的了解，接下来列举一些HashMap面试常问的问题

1. HashMap的特性？

• 实现快速存储键值对，允许为null，key值不可重复，若key值重复则覆盖。

• 线程不安全。

• 底层是Hash表，不保证有顺序

2. HashMap底层原理？

• jdk7时采用数组+链表，jdk8后采用数组+链表+红黑树的数据结构。

3. HashMap put原理？

• 当我们给put()方法传递键和值时，先对键做一个hashCode()的计算来得到它在bucket数组中的位置来存储Entry对象。

4. HashMap get原理？

• 当获取对象时，通过get获取到bucket的位置，再通过键对象的equals()方法找到正确的键值对，然后再返回值对象。

5. HashMap扩容机制？

• 扩容需要重新分配一个新数组，新数组是老数组的2倍长，然后遍历整个老结构，把所有的元素挨个重新hash分配到新结构中去。

6. HashMap默认初始化长度为16，并且每次自动扩展或者是手动初始化容量时，为什么必须是2的次幂？

• 为了数据的均匀分布，减少哈希碰撞。因为确定数组位置是用的位运算，若数据不是2的次幂则会增加哈希碰撞的次数和浪费数组空间。

• 输入数据若不是2的幂，HashMap通过一通位移运算和或运算得到的肯定是2的幂次数，并且是离那个数最近的数字

7. HashMap大小超过了负载因子(load factor)定义的容量，怎么办？

• 超过阙值会进行扩容操作，概括的讲就是扩容后的数组大小是原数组的2倍，将原来的元素重新hashing放入到新的散列表中去。

  资源获取：
  大家 点赞、收藏、关注、评论啦 、 查看👇🏻👇🏻👇🏻 微信公众号获取联系方式👇🏻👇🏻👇🏻
  精彩专栏推荐订阅：在 下方专栏👇🏻👇🏻👇🏻👇🏻
  每天学四小时：Java+Spring+JVM+分布式高并发，架构师指日可待

作者寄语

路漫漫其修远兮，吾愿与君上下而求索，非常感谢各位帅哥、靓妹的点赞、收藏和评论，我们下期见。