HashMap是如何工作的

大多数Java程序员都会用到Map类特别是Hash Map，HashMap虽然实现很简单，但是在存取数据上确有很强的优势。但是有多少开发人员知道HashMap是如何工作的呢？几天前，我阅读了大量篇幅的java.util.HashMap的源码（Java 7 和 Java 8）就是为了对他的数据结构基础有一定的了解。在这篇文章中，我将解释java.util.HashMap（包括Java 8）在内的HashMap的性能，内存，已经在使用中遇到的问题。

  1、内存模型
Java中HashMap类，实现了Map

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

一个HashMap把数据存储在多个entry对象组成的链表中（也称为桶或者箱）。所有的这些链表都被注册在一个Entery对象组成的数组链表中，默认的容量为16。

从图片中我们可以看出，HashMap内存中是一串可以为空的entry组成的链表。这些Entry中的每一个都可以指向另外一个Entry组成的linkedList。
 所有拥有相同哈希值的key被放到相同的桶中。不同哈希值的Key最终可能被放到相同的桶中。
 当我们调用put(K key,V value) 或者是 get(Object key)时，函数首先根据Key计算出哈希值，找到索引链表中这个Key对应的位置，然后，通过迭代的方式遍历桶中的元素，找到Key值相等的对象（使用equals() 方法比较Key）。
 当我们调用get()方法时，方法会返回一个entry的集合（如果entry存在）。
 当我们调用put(Key key,Value value)方法时，如果Entry已经存在，则使用新的值替换它，如果不存在，则在Linked list的头部创建一个新的Entry（依据key,value的值）。
 在map中一个桶（linked list）的形成主要分为三个步骤：
  (1) 通过key获取一个hashCode值
  (2) 重新计算key的hashCode值防止所有的数据都放在同一个桶内。
  (3) 新的hashCode值会与数组的长度length - 1做与运算(hashCode & (length - 1))，相当于对数组长度进行取模运算。使产生的hashCode值不会超出数组的长度。
 下面是Java8，Java7中有关hashCode的源码：

// the "rehash" function in JAVA 7 that takes the hashcode of the key
static int hash(int h) {
    h ^= (h >>> 20) ^ (h >>> 12);
    return h ^ (h >>> 7) ^ (h >>> 4);
}
// the "rehash" function in JAVA 8 that directly takes the key
static final int hash(Object key) {
    int h;
    return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
    }
// the function that returns the index from the rehashed hash
static int indexFor(int h, int length) {
    return h & (length-1);
}

 为了更高的工作效率，内部数组应该是2的次幂。让我们看一下这是为什么：
 想像一下，一个长度为17的数组，实际上要做运算的数字是16（length - 1），它的二进制表示为 00……00010000，所以任何hashCode与16做“&运算“后的结果只有0或16。也就是说长度是17的数组中只用到了两个，碰撞发生的几率很大，效率也会很差的。
 但是如果你选择了2的次幂作为数组的长度，例如16，按位与元算（length - 1）之后。可以输出0-15中的任意一个数。显然这样的利用率，是非常高的，碰撞的几率相对来说减小了不少。
 这就是为什么map中数组的长度都是2的次幂，对于开发者来说这种机制是透明的。如果他定义了一个HashMap的长度为37，Map将自动计算出下次下次要扩展的数组长度为64。
 2、自动扩展
 获取索引之后，函数（get,put,remove）会逐个查看链表中是否已经存在了相同Key的Entry。如果没有扩展这种机制将会带来性能上的问题，因为函数需要遍历整个链表才能确定是否存在要找的Entry.即使在最好的方案中，每个LinkedList中都将有125000个entry，所以每个get(),remove(),put()方法，都会带来125000个entry的操作。为了避免这种情况，HashMap具有自动扩大内部数组的能力来使LinkedList保持尽量的短。
 当你创建一个HashMap时，你可以通过构造函数来初始化容量和负载因子。
 public HashMap(int initialCapacity,float loadFactor)
 如果你没有声明，那么初始化的容量为16，负载因子为0.75，初始化容量代表了内部数组的长度。
 每次当你使用put()方法在Map中新增Key/value组合时，函数需要坚持是否需要扩展内部数组的长度。为了做到这个，Map中存了两个数据。
  map的总容量：它代表了HashMap中entry的个数，这个数量在每次新增或删除entry时会发生改变。
  一个上限门槛(threshold)：它等于内部数组的个数乘以负载因子，它在每次自动扩展内存之后会更新。
 在执行put()函数之前，也就是新增Entry之前，首先比较size与threshold的大小，如果size大于threshold那么数组要扩展为原来的一倍。当新的数组已经生成完之后，返回索引的函数发生了改变，新生成的数组要创建是原来两倍的entry，并且重新分配原来的entry到新的HashMap中去。
 扩展HashMap中数组的目的是，减少每个桶（linkedList）的长度，从而减少put(),remove()和get()方法的花费的时间。所有拥有相同key的Entry在新的HashMap中还会在同一个桶中，但是之前在同一个桶中拥有不同key的Entry，可能会被分配到不同的桶中。

 上面的图片很好的展示了数组扩展前后HashMap的变化，从图中可以看出每个桶的长度都有所减小，所以整体的put(),get(),remove()效率都有所提升。
注：HashMap只有增大数组的方法，但是没有缩小数组的方法
  线程安全
 如果你已经知道了HashMap，并且你知道了它是线程不安全的，但是为什么呢？举个栗子，想象一下一个写的线程往Map中写数据，一个读的线程从数据库中读数据，为什么它不能工作呢？
 因为map在自动扩展期间，如果一个线程想get或put一个对象，Map可能使用老的索引值，所以不能在新的桶中找到对应的entey。
 最坏的情况是两个线程同时调用put方法,让map同时自动扩展，当两个线程同时修改链表时，map最终可能生成一个内部循环的列表。如果尝试在这样的链表中获取一个数据，get()方法将永远不会结束。