HashMap实现原理

1.HashMap概述

HashMap是基于哈希表的Map接口的非同步实现（他与Hashtable类似，但Hashtable是线程安全的，所以是同步的实现），此实现可以提供可选的映射操作，允许使用null值和null键，但是非有序
在java语言中，最基本的结构就是两种，一个是数组，一个是模拟指针（引用），所有的数据结构都可以用这两个节本结构来构造，HashMap也不例外，HashMap实际上是一个数组和链表的结合体（在数据结构中一般称为“链表散列”）

2.HashMap数据结构与实现原理

在jdk1.7和jdk1.8中，HashMap的数据结构是有所差别的，进行了一些优化来解决冲突问题，

       一.jdk1.7

在jdk1.7版本的时候采用的是数组+链表形式,也就是采用了拉链法

链表是由一系列非连续的节点组成的存储结构，链表又分单向链表和双向链表，而单向/双向链表又可以分为循环链表和非循环链表，

链表

HashCode是使用Key通过Hash函数计算出来，由于不同的key，通过此Hash函数可能会算的同样的HashCode，所以此时用拉链法解决冲突，把HashCode相同的Value连成链表，但是get的时候根据key又去桶里面去找，如果是链表说明是冲突的，此时还要检测Key是否相同。

Java中HashMap是利用“拉链法”处理HashCode的碰撞问题。在调用HashMap的put方法或get方法时，都会首先调用hashcode方法，去查找相关的key，当有冲突时，再调用equals方法。hashMap基于hasing原理，我们通过put和get方法存取对象。当我们将键值对传递给put方法时，他调用键对象的hashCode()方法来计算hashCode，然后找到bucket（哈希桶）位置来存储对象。当获取对象时，通过键对象的equals()方法找到正确的键值对，然后返回值对象。HashMap使用链表来解决碰撞问题，当碰撞发生了，对象将会存储在链表的下一个节点中。hashMap在每个链表节点存储键值对对象
 

将哈希冲突值加入到每个数组的链表中，他的插入采用的是头插法的形式（这种方法最大的弊端就是会使用插入值生产环，从而无限循环）在进行hash值计算的时候，jdk1.7采用的是9次扰动（4次位运算+5次异或运算）的方式进行处理，除此之外扩容也有锁不同，在jdk1.7中采用的全部按照原来的方式进行计算（即hashCode ->> 扰动函数 ->> （h&length-1））

jdk1.7插入数据方式有什么弊端？

如果一个线程在插入一个节点的时候，另一个线程也在插入节点，而且两个线程插入的都是对方线程上的几点，这样当进行插头的时候会使链表发生反转，便形成了环状，造成了死循环，如下图：

二.jdk1.8

在jdk1.8的版本则采用数组+链表+红黑树的方式

红黑树原理
 

 

这种方法可以优化了哈希冲突的问题，减少了搜索时间，添加的树木达到了阀值的时候可以将链表转换为红黑树形式，而当红黑树的结点小于6的时候就会从红黑树转换成链表形式

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)
            n = (tab = resize()).length;
        if ((p = tab[i = (n - 1) & hash]) == null)
            tab[i] = newNode(hash, key, value, null);
        else {
            Node<K,V> e; K k;
            if (p.hash == hash &&
                ((k = p.key) == key || (key != null && key.equals(k))))
                e = p;
            else if (p instanceof TreeNode)
                e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
            else {
                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;
                }
            }
            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;
}

上面代码是对数组进行put操作，节点的判断以及添加，解析核心方法如下：

resize()：

扩容， 他在jdk1.8的时候进行两次调用，第一次是在数组进行初始化的时候进行扩容，而第二次则是在数组满的时候进行扩容，一次是开始，一次则是快结束的时候，

final Node<K,V>[] resize() {
        Node<K,V>[] oldTab = table; //定义老数组
        int oldCap = (oldTab == null) ? 0 : oldTab.length;  //判断老数组是否为空，来实现初始化扩容操作
        int oldThr = threshold; //使初始容量暂时为创建数组时产生的容量，默认为16
        int newCap, newThr = 0; //进行初始化赋值
        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; // 双重容量，也可以理解为进行扩容
        }
        else if (oldThr > 0) // 初始容量处于阈值
            newCap = oldThr;
        else {               //零初始阈值表示使用默认值
            newCap = DEFAULT_INITIAL_CAPACITY;
            newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);
        }
        if (newThr == 0) {
            float ft = (float)newCap * loadFactor;  //进行与加载因子的乘积，此时表示在自动扩容之前，数组达到多满的一种度量，当超过这个乘积值的时候才进行扩容，加载因子的默认值为0.75
            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];
        table = newTab;
        if (oldTab != null) {
            for (int j = 0; j < oldCap; ++j) {
                Node<K,V> e;
                if ((e = oldTab[j]) != null) {
                    oldTab[j] = null;
                    if (e.next == null)
                        newTab[e.hash & (newCap - 1)] = e;
                    else if (e instanceof TreeNode)
                        ((TreeNode<K,V>)e).split(this, newTab, j, oldCap);
                    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;
                            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;
}

以上代码可以看出，扩容方法对数组初始化以及为空都进行了详细的判断，

疑问为什么加载因子默认值是0.75？

HashMap默认加载因子为什么选择0.75？

因为提高空间利用率减少查询成本的折中，主要是泊松分布，0.75的话碰撞最小，因为在hashmap中影响性能的有两个，一个是初始化容量，一个是加载因子，如果加载因子小的话就会造成空间利用率低，并提高了rehash的次数，为了保证最大程度上减少rehash的次数，0.75是最适宜的标准数也是折中的一种考虑

hash(key)

他是为了保证充分利用数组的每个位置(下标)并大大解决哈希冲突问题而诞生的，在jdk1.7中计算hash的时候进行了9次扰动，而在jdk1.8中仅仅使用了2次扰动就进行了hash值的计算，
static final int hash(Object key) {         int h;         return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16); }
key.hashCode()进行高16位和底16位进行了一次异或运算得到的减少了hash的碰撞问题。

为什么采用hashcode的高16位和低16位异或能降低hash碰撞？hash函数能不能直接用key的hashcode？
key.hashCode调用的key键值类型自带的哈希函数，他返回的是一个int类型的散列值，int类型的-2147483648~2147483647**大约有40亿的空间，而在我们的数组中容量仅仅为16个，所以就会造成数组无法承担的情况，因为必须是均匀分布才能有效的避免哈希碰撞的问题，所以就要进行取模运算。

1. 判断键值对数组table[i]是否为空或为null，否则执行resize()进行扩容
2. 根据键值key计算hash值得到插入的数组索引i，如果table[i]==null，直接新建节点添加，专向（6）如果table[i]不为空，转向（3）
3. 判断table[I]的首个元素是否和key一样，如果相同直接覆盖value，否则专向（4）这里的相同指的是hashCode以及equals
4. 判断table[I]是否为treeNode，即table[i]是否红黑树,如果是红黑树，则直接在树中插入键值对，否则转向(5)
5. 遍历table[i]，判断链表长度是否大于8，大于8的话把链表转换为红黑树，在红黑树中执行插入操作,否则进行链表的插入操作，遍历过程中若发现key已经存在直接覆盖value即可；
6. 插入成功后，判断实际存在的键值对数量size是否超多了最大容量threshold，如果超过，进行扩容