深入解析HashMap底层原理

以散列值实现的O(1)级别的查找速度，键值对的存取方式，数组加链表加红黑树的数据结构，没错，今天我们要说的就是大名鼎鼎的HashMap。

本篇文章默认各位读者已经有了对HashMap的基本了解，对他的一些特性和使用方法将不再做介绍。

好的，废话就这两段，我们直入正题，先从源码中看看HashMap中有哪些重要属性

HashMap中的重要属性

static final float DEFAULT_LOAD_FACTOR = 0.75f;
static final int DEFAULT_INITIAL_CAPACITY = 1 << 4; // aka 16

HashMap的属性没有很多，我选了其中两个我认为比较有价值的给大家讲解一下

• static final float DEFAULT_LOAD_FACTOR = 0.75f;

这个属性叫做HashMap的负载因子，他的作用是决定HashMap在何时进行扩容，例如默认的负载因子为0.75，如果HashMap的最大容量是16.则会在16 * 0.75 = 12 ，即HashMap已经存储了12个元素时进行扩容

我们知道HashMap是基于散列值实现的一个数据结构，当存储了大量数据的时候，很容易出现Hash冲突，增加查找时间，而在适当的时候进行扩容，可以降低Hash冲突出现的概率，因此在何时扩容是一个很关键的问题，而且在Java1.8中，HashMap扩容需要计算每个元素的散列值，并将他们重新放在合适的位置，这是一个很消耗性能的任务

不过我们也不用担心太多，虽然HashMap给我们提供了可以设置负载因子的构造函数，但绝大部分情况我们都不必要对他进行修改，0.75这个数值大小是Java设计者们根据随机情况下的hash碰撞，统计得出的一个泛用数值。

    public HashMap(int initialCapacity, float loadFactor) {
        if (initialCapacity < 0)
            throw new IllegalArgumentException("Illegal initial capacity: " +
                                               initialCapacity);
        if (initialCapacity > MAXIMUM_CAPACITY)
            initialCapacity = MAXIMUM_CAPACITY;
        if (loadFactor <= 0 || Float.isNaN(loadFactor))
            throw new IllegalArgumentException("Illegal load factor: " +
                                               loadFactor);
        this.loadFactor = loadFactor;
        this.threshold = tableSizeFor(initialCapacity);
    }

• static final int DEFAULT_INITIAL_CAPACITY = 1 << 4;

这是HashMap的默认容积大小，这里使用位运算得到数值大小为16，需要注意的是HashMap的容积大小必须是2的幂，如果在初始化时传入了一个大小不为2的幂的数，会调用下列方法将他转换为一个最近的2的幂

    static final int tableSizeFor(int cap) {
        int n = -1 >>> Integer.numberOfLeadingZeros(cap - 1);
        return (n < 0) ? 1 : (n >= MAXIMUM_CAPACITY) ? MAXIMUM_CAPACITY : n + 1;
    }

这是因为我们在计算数组下标值的时候，会使用这个公式进行计算 h & (table.length -1)，其实这就是一个将散列值对容积大小取模的过程，这是为了进一步分散元素，降低hash冲突的概率，而用这个公式取模的前提就是，容积大小必须是2的幂。

putVal()方法

//实现put和相关方法。
   final V putVal(int hash, K key, V value, boolean onlyIfAbsent,
                  boolean evict) {
       Node<K,V>[] tab; Node<K,V> p; int n, i;
       //如果table为空或者长度为0，则resize()
       if ((tab = table) == null || (n = tab.length) == 0)
           n = (tab = resize()).length;
       //确定插入table的位置，算法是(n - 1) & hash，在n为2的幂时，相当于取摸操作。
       找到key值对应的槽并且是第一个，直接加入
       if ((p = tab[i = (n - 1) & hash]) == null)
           tab[i] = newNode(hash, key, value, null);
       //在table的i位置发生碰撞，有两种情况，1、key值是一样的，替换value值，
       //2、key值不一样的有两种处理方式：2.1、存储在i位置的链表；2.2、存储在红黑树中
       else {
           Node<K,V> e; K k;
           //第一个node的hash值即为要加入元素的hash
           if (p.hash == hash &&
               ((k = p.key) == key || (key != null && key.equals(k))))
               e = p;
           //2.2
           else if (p instanceof TreeNode)
               e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
           //2.1
           else {
               //不是TreeNode,即为链表,遍历链表
               for (int binCount = 0; ; ++binCount) {
               ///链表的尾端也没有找到key值相同的节点，则生成一个新的Node,
               //并且判断链表的节点个数是不是到达转换成红黑树的上界达到，则转换成红黑树。
                   if ((e = p.next) == null) {
                        // 创建链表节点并插入尾部
                       p.next = newNode(hash, key, value, null);
                       超过了链表的设置长度8就转换成红黑树
                       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;
               }
           }
           //如果e不为空就替换旧的oldValue值
           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)
           resize();
       afterNodeInsertion(evict);
       return null;
   }

注：图中对链表扩展为红黑树的判断条件缺少了一部分，懒得重新画图了，hhh，需要链表的长度大于等于8且HashMap中元素个数大于等于64时，才会将链表扩展为红黑树

HashMap在最后还会进行是否需要扩容的判断，如果需要则调用resize()方法

resize()方法

    final Node<K,V>[] resize() {
        Node<K,V>[] oldTab = table;
        int oldCap = (oldTab == null) ? 0 : oldTab.length;
        int oldThr = threshold;
        int newCap, newThr = 0;
		
		//如果旧表的长度不是空
        if (oldCap > 0) {
            if (oldCap >= MAXIMUM_CAPACITY) {
                threshold = Integer.MAX_VALUE;
                return oldTab;
            }
			//把新表的长度设置为旧表长度的两倍，newCap=2*oldCap
            else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&
                     oldCap >= DEFAULT_INITIAL_CAPACITY)
	      //把新表的门限设置为旧表门限的两倍，newThr=oldThr*2
                newThr = oldThr << 1; // double threshold
        }
     	//如果旧表的长度的是0，就是说第一次初始化表
        else if (oldThr > 0) // initial capacity was placed in threshold
            newCap = oldThr;
        else {               // zero initial threshold signifies using defaults
            newCap = DEFAULT_INITIAL_CAPACITY;
            newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);
        }
		
		
		
        if (newThr == 0) {
        	//新表长度乘以加载因子
            float ft = (float)newCap * loadFactor;
            newThr = (newCap < MAXIMUM_CAPACITY && ft < (float)MAXIMUM_CAPACITY ?
                      (int)ft : Integer.MAX_VALUE);
        }
        threshold = newThr;
        @SuppressWarnings({"rawtypes","unchecked"})
		//下面开始构造新表，初始化表中的数据
        Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap];
        //把新表赋值给table
        table = newTab;
        //原表不是空要把原表中数据移动到新表中
        if (oldTab != null) {	
            //遍历原来的旧表		
            for (int j = 0; j < oldCap; ++j) {
                Node<K,V> e;
                if ((e = oldTab[j]) != null) {
                    oldTab[j] = null;
                    //说明这个node没有链表直接放在新表的e.hash & (newCap - 1)位置
                    if (e.next == null)
                        newTab[e.hash & (newCap - 1)] = e;
                    else if (e instanceof TreeNode)
                        ((TreeNode<K,V>)e).split(this, newTab, j, oldCap);
	//如果e后边有链表,到这里表示e后面带着个单链表，需要遍历单链表，将每个结点重新计算在新表的位置，并进行搬运
                    else { 
					// preserve order保证顺序
                        Node<K,V> loHead = null, loTail = null;
                        Node<K,V> hiHead = null, hiTail = null;
                        Node<K,V> next;
						
                        do {
                        //记录下一个结点
                            next = e.next;
			  			//新表是旧表的两倍容量，实例上就把单链表拆分为两队，
　　　　　　　　　　　　　　//e.hash&oldCap为偶数一队，e.hash&oldCap为奇数一对
                            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);
						//lo队不为null，放在新表原位置
                        if (loTail != null) {
                            loTail.next = null;
                            newTab[j] = loHead;
                        }
                        //hi队不为null，放在新表j+oldCap位置
                        if (hiTail != null) {
                            hiTail.next = null;
                            newTab[j + oldCap] = hiHead;
                        }
                    }
                }
            }
        }
        return newTab;
    }

注意：JDK1.7 扩容是重新hash，JDK1.8扩容是优化，只需要看看原来的hash值新增的那个bit是1还是0就好了，是0的话索引没变，是1的话索引变成“原索引+oldCap”