HashMap源码理解

1.HashMap采用的数据结构

Node数组 + 链表/红黑树

Node节点的定义

final int hash;
final K key;
V value;
Node<K,V> next;

Node(int hash, K key, V value, Node<K,V> next) {
      this.hash = hash;
      this.key = key;
      this.value = value;
      this.next = next;
}

链表解决Hash冲突

//HashMap的putVal部分源码（当数组节点有值并出现Hash冲突时，判断节点类型不是红黑树节点时，
//会以链表形式追加元素）
for (int binCount = 0; ; ++binCount) {
            if ((e = p.next) == null) {
                p.next = newNode(hash, key, value, null);
                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;
        }

Node数组作为桶数组存放元素，采用链地址法解决Hash冲突（而ThreadLocal采用线性探测再散列解决Hash冲突），当数组元素大于64，链表长度大于8则将链表转换为红黑树（因为链表元素查询的时间查询复杂度为O（n），元素较少时查询效率可以接受，但元素足够多时，查询效率过低；转为红黑树后查询时间复杂度为O（logN），查询效率比链表更优）

2.选用红黑树而不选用B+或者AVL平衡树原因：

①对于B+树而言，是MySQL中的索引结构，叫做多路平衡查找树。相比红黑路径更多，每个节点存放多个索引key，结构矮胖，因此适用于数据量大的场景，矮胖使得MySQL的IO次数更少，大数据量查询效率远超红黑树；当数据量较少时会退化成线性结构，并且作为多路平衡查找树，每个节点还会存放下一层相邻节点的指针，空间消耗大。红黑为二叉平衡查找树，数据量不是足够大的情况下，空间占用方面更优。

②而对于AVL平衡树而言，它是严格的平衡树，时间查询复杂度为O（logN），最短路径和最长路径插值不能超过1；因此针对于HashMap这种频繁的插入删除就不适合，会频繁进行树结构的调整（树旋转保持平衡状态），严重影响效率。而红黑树是非严格平衡二叉树，根到叶子的最长路径不超过到最短路径的两倍，就不会进行平衡调节，因此针对数据频繁插入删除的场景，红黑树保留和AVL一样的查询时间复杂度（OlogN），并且不会频繁调整树结构而损失效率。

3.容量永远是2的幂

①当new HashMap（）时不传入指定容量时，默认容量为16；以后每次扩容都采用位运算变为原来容量的2倍

默认容量：

    /**
     * The default initial capacity - MUST be a power of two.
     */
    static final int DEFAULT_INITIAL_CAPACITY = 1 << 4; // aka 16

resize（）方法扩容为2倍部分源码：

if (oldCap > 0) {
       if (oldCap >= MAXIMUM_CAPACITY) {         //判断旧容量oldCap是否大于最大容量2的30次方
             threshold = Integer.MAX_VALUE;
             return oldTab;
       }
       else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&   //newCap新容量为旧容量左移1位
             oldCap >= DEFAULT_INITIAL_CAPACITY)
             newThr = oldThr << 1; // double threshold
       }
}

②当传入指定初始化容量时，调用tableSizeFor（int cap）方法得到2的幂的容量

//通过4次或运算，保证了最高位为1，后面所有位都为0，容量必为2的指数
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;
    }

容量永远是2的幂原因：

个人观点：当HashMap中put一个元素时，会将Hash取模映射到一个数组下标。源码中采用 hash & （n - 1）得到数组下标，位运算直接基于底层二进制进行运算，效率比 hash % n 更高。采用hash & （n - 1）有一个局限,就是hash冲突的问题。

putVal（）方法中的部分源码:

Node<K,V>[] tab; Node<K,V> p; int n, i;
if ((tab = table) == null || (n = tab.length) == 0)
    n = (tab = resize()).length;
if ((p = tab[i = (n - 1) & hash]) == null)        //(n - 1) & hash得到数组下标
    tab[i] = newNode(hash, key, value, null);

举个例子：当前hash为26，n为16（2的幂）时

hash & （n - 1）等价于：

0001 1010 

0000 1111

------------------

0000 1010 （十进制为10）得到数组下标index与多个bit位相关

当n为17（非2的幂时）

0001 1010

0001 0000

----------------

0001 0000 （十进制为16）得到数组下标index只由n - 1的最高bit位决定（简言之只由1个bit位决定）

综合：当容量为2的幂时，n - 1保证最高位之后的所有位都为1，与hash做&运算时得到的index下标由多个bit位决定，因此不容易产生hash冲突；当非2的幂，index只由n - 1的最高bit位决定，会频繁产生hash冲突

4.HashMap的put元素过程

final V putVal(int hash, K key, V value, boolean onlyIfAbsent,
                   boolean evict) {
        Node<K,V>[] tab; Node<K,V> p; int n, i;
        if ((tab = table) == null || (n = tab.length) == 0)    //判断数组是否未初始化
            n = (tab = resize()).length;           //通过resize（）初始化Node数组
        if ((p = tab[i = (n - 1) & hash]) == null)    //通过hash取模判断该下标元素是否null
            tab[i] = newNode(hash, key, value, null);   //元素为空直接newNode放入元素
        else {                           //元素非空情况下
            Node<K,V> e; K k;
            if (p.hash == hash &&        //判断首节点元素的key是否相同
                ((k = p.key) == key || (key != null && key.equals(k))))
                e = p;                   //相同直接覆盖该节点
            else if (p instanceof TreeNode)   //若节点为红黑树系节点，用putTreeVal放入元素
                e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
            else {
                for (int binCount = 0; ; ++binCount) {   //链表情况下遍历链表，尾部插入元素
                    if ((e = p.next) == null) {
                        p.next = newNode(hash, key, value, null);
                        if (binCount >= TREEIFY_THRESHOLD - 1) //当链表长度大于8触发红黑树转换
                            treeifyBin(tab, hash);
                        break;
                    }
                    if (e.hash == hash &&           //判断是否存在同样的key，存在直接覆盖
                        ((k = e.key) == key || (key != null && key.equals(k))))
                        break;
                    p = e;
                }
            }
            if (e != null) { // existing mapping for key 当key出现覆盖情况，返回旧值value
                V oldValue = e.value;
                if (!onlyIfAbsent || oldValue == null)
                    e.value = value;
                afterNodeAccess(e);
                return oldValue;
            }
        }
        ++modCount;       //记录扩容次数
        if (++size > threshold)   //判断元素总数是否大于threshold，满足则触发resize（）扩容
            resize();
        afterNodeInsertion(evict);
        return null;
    }

5.HashMap的resize（）扩容过程（当HashMap的元素个数>=Threshold * loadFactor触发扩容）

final Node<K,V>[] resize() {
        Node<K,V>[] oldTab = table;       //得到旧数组
        int oldCap = (oldTab == null) ? 0 : oldTab.length;   //获取旧数组长度
        int oldThr = threshold;      //旧数组扩容阈值
        int newCap, newThr = 0;  
        if (oldCap > 0) {           //旧数组长度大于0，判断是否大于Integer.MAX_VALUE（2的30次方）
            if (oldCap >= MAXIMUM_CAPACITY) {
                threshold = Integer.MAX_VALUE;  
                return oldTab;    //旧数组长度大于最大长度，不触发扩容，直接返回oldTab
            }
            else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&  //获取newCap（oldCap的两倍）,oldCap得大于等于初始化默认容量16
                     oldCap >= DEFAULT_INITIAL_CAPACITY)
                newThr = oldThr << 1; // double threshold
        }
        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) {
            float ft = (float)newCap * loadFactor;
            newThr = (newCap < MAXIMUM_CAPACITY && ft < (float)MAXIMUM_CAPACITY ?
                      (int)ft : Integer.MAX_VALUE);
        }
        threshold = newThr;
        @SuppressWarnings({"rawtypes","unchecked"})
        Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap]; //初始化新数组newTab
        table = newTab;
        if (oldTab != null) {
            for (int j = 0; j < oldCap; ++j) {   //遍历旧数组每个元素
                Node<K,V> e;
                if ((e = oldTab[j]) != null) {   //当该下标元素不为空时
                    oldTab[j] = null;
                    if (e.next == null)         //非链表状态，hash取模放入newTab
                        newTab[e.hash & (newCap - 1)] = e;
                    else if (e instanceof TreeNode)  //节点为红黑树节点，split方法分割放入
                        ((TreeNode<K,V>)e).split(this, newTab, j, oldCap);
                    else { // preserve order    //链表状态，要将原链表划分为高低位两条链表
                        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) { //hash & oldCap为0,构成低位链表
                                if (loTail == null)
                                    loHead = e;
                                else
                                    loTail.next = e;
                                loTail = e;
                            }
                            else {                 //否则构成高位链表
                                if (hiTail == null)
                                    hiHead = e;
                                else
                                    hiTail.next = e;
                                hiTail = e;
                            }
                        } while ((e = next) != null);
                        if (loTail != null) {    //低位链表，对应newCap的下标不会发生变化
                            loTail.next = null;
                            newTab[j] = loHead;
                        }
                        if (hiTail != null) {    //高位链表，对应newCap的下标 + oldCap
                            hiTail.next = null;
                            newTab[j + oldCap] = hiHead;
                        }
                    }
                }
            }
        }
        return newTab;    //返回链表
    }