hashmap源码解析面试必备干货

概述

本文基于jdk1.8，关于树的部分先简要介绍，大体跳过，后续回来补坑~

hahsmap底层是由哈希桶组成的，何谓哈希桶？其实就是数组，每个数组元素我们称之为桶，桶一般是由链表组成，链表长度到8时，会转化为红黑树，以此来提升效率。

hashmap中计算key的hash值时候，使用了扰动函数。hashmap计算元素下标方法是hash&(n-1),n即哈希桶的容量，因为哈希桶容量有限，这就导致计算下标时，hash的高位不能有效参与运算，容易造成更多哈希碰撞。因此，我们使用扰动函数综合利用hash的高低位，减少哈希碰撞。

static final int hash(Object key) {
        int h;
        return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
    }

初始化

链表节点

static class Node<K,V> implements Map.Entry<K,V> {
        final int hash;
        final K key;
        V value;
        Node<K,V> next;
}

可以看到一个节点由键值对和hash以及后向指针组成

构造函数

// Node数组
transient Node<K,V>[] table;
// 键值对在这里也存一份
transient Set<Map.Entry<K,V>> entrySet;
// 键值对的数量
transient int size;

transient int modCount;
// 哈希表元素数量到达threshold需要进行扩容操作（capacity*loadFactor）
int threshold;
// 能把哈希桶填满的比例
final float loadFactor;

public HashMap(int initialCapacity, float loadFactor) {
    // 初始化容量不能为负
    if (initialCapacity < 0)
        throw new IllegalArgumentException("Illegal initial capacity: " +
                                           initialCapacity);
    // 初始化容量不能大于最大容量
    if (initialCapacity > MAXIMUM_CAPACITY)
        initialCapacity = MAXIMUM_CAPACITY;
    // 装载因子不能为负    
    if (loadFactor <= 0 || Float.isNaN(loadFactor))
        throw new IllegalArgumentException("Illegal load factor: " +
                                           loadFactor);
    this.loadFactor = loadFactor;
    // 将阈值设为大于等于初始化容量的2的n次方
    this.threshold = tableSizeFor(initialCapacity);
}

public HashMap(Map<? extends K, ? extends V> m) {
    this.loadFactor = DEFAULT_LOAD_FACTOR;
    putMapEntries(m, false);
}

hashmap中的capacity其实就是哈希桶的数

hashMap的初始化构造函数主要说下这两种

• 根据指定容量进行初始化，注意最后计算阈值函数
• 根据已有的map进行初始化

static final int tableSizeFor(int cap) {
        int n = cap - 1;
        n |= n >>> 1;
        n |= n >>> 2;
        n |= n >>> 4;
        n |= n >>> 8;
        n |= n >>> 16;
        return (n < 0) ? 1 : (n >= MAXIMUM_CAPACITY) ? MAXIMUM_CAPACITY : n + 1;
    }

假设cap=65，n=64=1000000；n>>>1=100000;n|=n>>>1=1100000;同理推得最后n=1111111；再加1就是10000000，也就是128。这个函数就是要将哈希表的阈值(实际容量)变为2的N次方。

添加元素

final void putMapEntries(Map<? extends K, ? extends V> m, boolean evict) {
        int s = m.size();
        if (s > 0) {
            if (table == null) { // pre-size
                float ft = ((float)s / loadFactor) + 1.0F;
                int t = ((ft < (float)MAXIMUM_CAPACITY) ?
                         (int)ft : MAXIMUM_CAPACITY);
                if (t > threshold)
                    threshold = tableSizeFor(t);
            }
            else if (s > threshold)
                resize();
            for (Map.Entry<? extends K, ? extends V> e : m.entrySet()) {
                K key = e.getKey();
                V value = e.getValue();
                putVal(hash(key), key, value, false, evict);
            }
        }
    }

• 首先取得m中键值对数目s
• 如果当前哈希桶是空的，根据s/loadFactor计算得到所需capacity，然后进行边界条件规范；如果不是空哈希桶，判断是否需要扩容
• 上两步是确保通能装下所有元素，最后一步迁移节点键值对就好了

扩容

final Node<K,V>[] resize() {
        Node<K,V>[] oldTab = table;
        int oldCap = (oldTab == null) ? 0 : oldTab.length;
        int oldThr = threshold;
        int newCap, newThr = 0;
        if (oldCap > 0) {
            // 此时capacity已达到极限无法扩容
            if (oldCap >= MAXIMUM_CAPACITY) {
                threshold = Integer.MAX_VALUE;
                return oldTab;
            }
            // 新容量是旧容量2倍（不超界的话）
            else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&
                     oldCap >= DEFAULT_INITIAL_CAPACITY)
                newThr = oldThr << 1; // double threshold
        }
        // 到了这一步说明原哈希表是空的
        // 此时旧容量<=0,oldThr>0,说明旧哈希表第一次初始化capacity中存放着初始容量
        else if (oldThr > 0)
            newCap = oldThr;
        // 此时旧容量<=0,oldThr<=0,使用默认值    
        else {              
            newCap = DEFAULT_INITIAL_CAPACITY;
            newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);
        }
        // 上边操作解决了新数组中的capacity问题
        // 对应上边旧容量<=0,oldThr>0
        if (newThr == 0) {
            float ft = (float)newCap * loadFactor;
            newThr = (newCap < MAXIMUM_CAPACITY && ft < (float)MAXIMUM_CAPACITY ?
                      (int)ft : Integer.MAX_VALUE);
        }
        threshold = newThr;
        // 至此，threshold问题解决
        @SuppressWarnings({"rawtypes","unchecked"})
            Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap];
        table = newTab;
        if (oldTab != null) {
            // 旧数组不为空，遍历旧数组
            for (int j = 0; j < oldCap; ++j) {
                Node<K,V> e;
                if ((e = oldTab[j]) != null) {
                    oldTab[j] = null;
                    // 此桶只有一个节点，直接迁移节点
                    /*
                    hash&(newCap-1)可以很快地算出index，计算机中hash%newCap=hash(newCap-1),当且仅当newCap是2的n次方时。位运算代替取余运算，更加高效
                    */
                    if (e.next == null)
                        newTab[e.hash & (newCap - 1)] = e;
                    // 多个节点的话，区分是否是树节点    
                    else if (e instanceof TreeNode)
                        ((TreeNode<K,V>)e).split(this, newTab, j, oldCap);
                    // 此时是链表节点    
                    else { // preserve order
                    /*
                    判断hash&oldcap，如果是0的话，那么hash&（oldcap-1）和hash&（newcap-1）结果是一样的，
                    比如我们要判断的hash值是1110（14），原始容量若是16，此时hash&（oldcap）==1110&10000==0，
                    原始index是1110&1111==1110，newcap是32，那么32-1=11111&1110=1110，即新的index和原来额index一样。
                    
                    若是hash&oldcap不是0，比如我们的hash是10100，oldcap=10000，10100&10000==10000；
                    那我们的新的index是oldcap+oldindex
                    oldindex=hash&（oldcap-1）==10100&1111==00100=4
                    newindex=hash&（newcap-1）==10100&11111==10100=20
                    其实很容易看出来就只是最前边多了一个1；
                    
                    */
                    
                        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);
                        // 上述do{}while；过程构造链表，然后把头节点放入新的哈希桶数组即可。
                        if (loTail != null) {
                            loTail.next = null;
                            newTab[j] = loHead;
                        }
                        if (hiTail != null) {
                            hiTail.next = null;
                            newTab[j + oldCap] = hiHead;
                        }
                    }
                }
            }
        }
        return newTab;
    }

上述就是扩容过程，

添加元素节点

@param onlyIfAbsent if true, don't change existing value

final V putVal(int hash, K key, V value, boolean onlyIfAbsent,
                   boolean evict) {
        Node<K,V>[] tab; Node<K,V> p; int n, i;
        // 原数组是空先扩容
        if ((tab = table) == null || (n = tab.length) == 0)
            n = (tab = resize()).length;
        // 根据hash计算在新数组中的位置，若该位置为空直接放入节点    
        if ((p = tab[i = (n - 1) & hash]) == null)
            tab[i] = newNode(hash, key, value, null);
        // 计算得到的位置处不为空，此时p是该位置已存在节点    
        else {
            Node<K,V> e; K k;
            // 若p.key等于是新节点的key，e=p
            if (p.hash == hash &&
                ((k = p.key) == key || (key != null && key.equals(k))))
                e = p;
            // p是树节点
            else if (p instanceof TreeNode)
                e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
            // p是链表节点
            else {
                // 遍历链表
                for (int binCount = 0; ; ++binCount) {
                    // 此时p是尾节点
                    if ((e = p.next) == null) {
                        // 新节点插入尾节点，如果满足转树条件就转为红黑树
                        p.next = newNode(hash, key, value, null);
                        if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st
                            treeifyBin(tab, hash);
                        break;
                    }
                    // 找到跟新节点key相同的节点
                    if (e.hash == hash &&
                        ((k = e.key) == key || (key != null && key.equals(k))))
                        break;
                    // 不停往后挪节点    
                    p = e;
                }
            }
            // 至此，基本已经结束
            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;
    }

移除元素节点

public V remove(Object key) {
        Node<K,V> e;
        return (e = removeNode(hash(key), key, null, false, true)) == null ?
            null : e.value;
    }
/**
 * @param value the value to match if matchValue, else ignored
 * @param matchValue if true only remove if value is equal
 * @param movable if false do not move other nodes while removing
 */
final Node<K,V> removeNode(int hash, Object key, Object value,
                               boolean matchValue, boolean movable) {
        Node<K,V>[] tab; Node<K,V> p; int n, index;
        // 哈希桶不为空且hash计算所得index处元素p不为空
        if ((tab = table) != null && (n = tab.length) > 0 &&
            (p = tab[index = (n - 1) & hash]) != null) {
            Node<K,V> node = null, e; K k; V v;
            if (p.hash == hash &&
                ((k = p.key) == key || (key != null && key.equals(k))))
                node = p;
            // 如果p处第一个元素不相等，且p有下节点
            else if ((e = p.next) != null) {
                if (p instanceof TreeNode)
                    node = ((TreeNode<K,V>)p).getTreeNode(hash, key);
                // 此时p处是链表，遍历链表找到key相等的赋值给e，否则返回null    
                else {
                    do {
                        if (e.hash == hash &&
                            ((k = e.key) == key ||
                             (key != null && key.equals(k)))) {
                            node = e;
                            break;
                        }
                        p = e;
                    } while ((e = e.next) != null);
                }
            }
            // 进行node节点的删除操作，简单的链表删除节点
            if (node != null && (!matchValue || (v = node.value) == value ||
                                 (value != null && value.equals(v)))) {
                if (node instanceof TreeNode)
                    ((TreeNode<K,V>)node).removeTreeNode(this, tab, movable);
                else if (node == p)
                    tab[index] = node.next;
                else
                    p.next = node.next;
                ++modCount;
                --size;
                afterNodeRemoval(node);
                return node;
            }
        }
        return null;
    }

查找结点

public V get(Object key) {
        Node<K,V> e;
        return (e = getNode(hash(key), key)) == null ? null : e.value;
    }

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)
                return ((TreeNode<K,V>)first).getTreeNode(hash, key);
            do {
                if (e.hash == hash &&
                    ((k = e.key) == key || (key != null && key.equals(k))))
                    return e;
            } while ((e = e.next) != null);
        }
    }
    return null;
}

其实写到这里，已经没什么好写的了，毕竟删除就是先查找再删除，但是值得注意的是，hashMap的查找是先看hash是否匹配，然后再判断equals（key），其实可以延伸出一个问题

为什么重写了equals一定要重写hashcode

如果不重写hashcode，两个不一样的key可能equals，但是hashcode不一样，就插入到了两个不同的哈希桶中，这是违反规则的。同时一般euals是比hashcode更为复杂的计算，更为严格，即equals相等的hashcode一定相等，但是hashcode计算更为快，所以不妨先计算hashcode，若是连hahscode都不想等，那必然是不同的元素，在hashcode相等的基础上，进一步使用equals区分。

总结

• hashmap不是线程安全的，还是通过一系列modCount保证快速失败，使用迭代器进行安全遍历
• hashmap可以key和value为null
• hashmap遍历时是无序的
• 扩容hash时会发生数组的复制，是一个代价比较大的操作
• hashmap遍历时，是基于entryset的迭代器，实质上是按照哈希桶数组挨个儿遍历，有链表就去链表转一圈，然后下一个桶，所以并不保证是有序的，毕竟我们是打乱了放入哈希桶的

公众号：程序员二狗
每日原创内容，欢迎交流学习