jdk1.8中HashMap（数组+链表+红黑树）

HashMap(数组+链表+红黑树)

• HashMap底层使用数组，每个数组元素存的是Node类型（或者TreeNode），table的每一个位置，又可以称为Hash桶，也就是说，会将相同hash值的元素存放到一个Hash桶中（这里的hash值，是指对key计算的hash值），也就是在Table的下标中相同，为了解决同一个位置有多个元素（冲突），HashMap用来拉链法和红黑树两种数据结构来解决冲突。
• 结构图如下
  

1、数据结构参数的含义

// 阈值（容量*加载因子）。当HashMap中的键值对超过了该值，HashMap就会进行扩容
int threshold;

// 哈希表的加载因子，描述的是HashMap满的程度。接近0表示很空，1表示填满了
final float loadFactor;

// 默认的初始容量-必须是2的幂，默认值是16。
static final int DEFAULT_INITIAL_CAPACITY = 1 << 4;

// 能存的最大元素数量。默认值是1 << 30
static final int MAXIMUM_CAPACITY = 1 << 30;

// 默认的加载因子0.75，当map中的元素个数达到容量的75%时会触发扩容
static final float DEFAULT_LOAD_FACTOR = 0.75f;

// 桶的树化阈值：即链表转成红黑树的阈值，在存储数据时，当链表长度 > 该值时，则将链表转换成红黑树
static final int TREEIFY_THRESHOLD = 8;

// 桶的链表还原阈值：即红黑树转为链表的阈值，当原有的红黑树内数量 < 6 时，则将红黑树转换成链表
static final int UNTREEIFY_THRESHOLD = 6;

// 最小树形化容量阈值：即当哈希表中的容量 > 该值时，允许链表转换成红黑树，否则直接扩容
static final int MIN_TREEIFY_CAPACITY = 64;

2、构造方法：

// 构造一个空的HashMap，具有默认的初始容量
public HashMap() {
	// 负载系数，默认值是0.75f
	this.loadFactor = DEFAULT_LOAD_FACTOR; // all other fields defaulted
}

// 使用指定的初始值构造一个空的HashMap
public HashMap(int initialCapacity) {
	// 初始容量和负载系数
	this(initialCapacity, DEFAULT_LOAD_FACTOR);
}

// 使用指定的初始值构造一个空的HashMap
public HashMap(int initialCapacity, float loadFactor) {
	if (initialCapacity < 0)
	     throw new IllegalArgumentException("Illegal initial capacity: " +
	                                        initialCapacity);
	// 初始容量大于最大初始容量时，初始容量为最大初始容量
	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);
} 

// 返回大于输入参数且最近的2的整数次幂的数
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;
}   

tableSizeFor()方法详解，点击这里

3、Node节点和TreeNode节点

在HashMap中，存的value不是put的K-V，而是一个Node类型，还有一个TreeNode类型，可以和Node类型相关转换

static class Node<K,V> implements Map.Entry<K,V> {
	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;
	}
}

4、hash计算以及确定下标

/**
 * 计算key的hash值：
 * 1.如果key为null，则hash值为0
 * 2.如果key不为null，将key的hashCode值和高16位进行异或计算（异或：相同为0，不同为1）
 */
static final int hash(Object key) {
 	int h;
    return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}

5、resize扩容

final Node<K,V>[] resize() {
    Node<K,V>[] oldTab = table;
    int oldCap = (oldTab == null) ? 0 : oldTab.length;
    // threshold表示触发扩容的阈值（size >= capacity * loadfactor时会扩容）
    int oldThr = threshold;
    int newCap, newThr = 0;
    // oldCap大于0证明已经对map进行过操作，并非刚创建map的时候
    if (oldCap > 0) {
     	// 如果当前容量允许的大于最大容量，则将阈值设置为整数最大值，不会进行复制操作
        if (oldCap >= MAXIMUM_CAPACITY) {
            threshold = Integer.MAX_VALUE;
            return oldTab;
        }
        else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&
                 oldCap >= DEFAULT_INITIAL_CAPACITY)
            // 如果2倍旧容量未超过允许的最大容量，并且旧容量达到了默认的初始容量16，则新的扩容阈值设置2倍的旧容量
            newThr = oldThr << 1; // double threshold
    }
    else if (oldThr > 0) // initial capacity was placed in threshold
    	// 使用HashMap(capacity)或者HashMap(capacity, loadFactor)创建map
        // 这是初次扩容，新容量设置为threshold，也就是capacity*loadFactor
        newCap = oldThr;
    else {               // zero initial threshold signifies using defaults
    	// 第一次扩容，使用new HashMap()这种方式创建map，容量和负载因子都使用默认
        newCap = DEFAULT_INITIAL_CAPACITY;
        newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);
    }
    // 设置下一次进行扩容的阈值
    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"})
    // 申请一个新的数组
    Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap];
    table = newTab;
    // 下面是将旧数组中的元素复制到新申请的数组中
    // 因为在旧数组中节点的索引计算方式：oldIndex=(oldCapacity - 1) & key.hash，
    // 当数组的容量发生变化后，需要重新确定节点的索引，新的节点位置有两种可能：
    // 1.newIndex=oldIndex，索引不变，前提是key.hash & oldCapacity结果为0
    // 2.newIndex=oldIndex+oldCapacity，不是第一种情况，就是第二种情况
    if (oldTab != null) {
    	// 遍历旧数组（oldCap长度）
        for (int j = 0; j < oldCap; ++j) {
            Node<K,V> e;
            if ((e = oldTab[j]) != null) {
                oldTab[j] = null;
                if (e.next == null)
                	// 确定新的位置，存入
                    newTab[e.hash & (newCap - 1)] = e;
                else if (e instanceof TreeNode)
                	// 将红黑树的节点进行拆分，将树中的每个节点都存入新位置，同时判断是否需要进行树转链表
                    ((TreeNode<K,V>)e).split(this, newTab, j, oldCap);
                else { // preserve order
                	// 遍历链表，将链表分为两部分，一部分（loHead）是索引不变，一部分（hiHead）的新索引是 oldIndex+oldCapacity
                    // 然后将链表放入对应的数组中
                    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;
}

关于扩容，在Java7的HashMap中，如果发生多线程更改HashMap（同时扩容），则可能会引起链表产生环的问题，这是因为Java7只是使用了数组加链表，插入链表的时候使用头插法，并且在扩容的时候链表节点的顺序会发生改变；而Java8在插入节点时使用是尾插法，在扩容的时候链表节点的顺序不会发生改变，可以避免出现环的问题。但这并不能说明Java8的HashMap就可以支持并发修改，因为其内部很多操作都没有保证原子性（比如两个线程同时插入元素，size++，都未做原子性保证。

6、resize时红黑树的split拆分

和链表一样，红黑树中的元素也需要挨个确定新索引位置，同样是分为2部分，一部分是索引不变，一部分的新索引为oldIndex+oldCapacity。
注意：split是HashMap中的内部类TreeNode的方法，而不是HashMap的方法。

/**
 * 扩容时，对同一个hash桶中的元素（红黑树）进行拆分，有可能拆分为两部分
 * part1.节点的hash和原数组的容量与之后为0 -> 移到新表后，索引和旧表保持不变
 * part2.节点的hash和原数组的容量与之后不为0 -> 移到新表后，新索引为"oldIndex+oldCapacity"
 * 这两部分，在做完拆分后，判断是否需要将树转换为链表，如果各自的数量未超过UNTREEIFY_THRESHOLD(默认为6)，则需转换为链表
 *
 * @param map   hashMap实例本身
 * @param tab   扩容新申请的数组
 * @param index 本次要拆分的下标索引（对应旧数组）
 * @param bit   旧数组的容量
 */
final void split(HashMap<K,V> map, Node<K,V>[] tab, int index, int bit) {
    TreeNode<K,V> b = this;
    // Relink into lo and hi lists, preserving order
    // loHead链着索引不变的节点
    TreeNode<K,V> loHead = null, loTail = null;
    // hiHead链着索引改变的节点
    TreeNode<K,V> hiHead = null, hiTail = null;
    int lc = 0, hc = 0;
    for (TreeNode<K,V> e = b, next; e != null; e = next) {
        next = (TreeNode<K,V>)e.next;
        e.next = null;
         // 如果当前节点和原数组的容量与之后为0，则扩容后的索引位置和与在旧表保持一致
        if ((e.hash & bit) == 0) {
            if ((e.prev = loTail) == null)
                loHead = e;
            else
                loTail.next = e;
            loTail = e;
            ++lc;
        } else {
        	// 如果当前节点和原数组的容量与之后不为0，则扩容后的索引位置为"oldIndex+oldCapacity"
            if ((e.prev = hiTail) == null)
                hiHead = e;
            else
                hiTail.next = e;
            hiTail = e;
            ++hc;
        }
    }
    if (loHead != null) {
        if (lc <= UNTREEIFY_THRESHOLD)
            tab[index] = loHead.untreeify(map);
        else {
            tab[index] = loHead;
            // 高位节点不为空，说明原链表元素被拆分了，切地位红黑树节点个数大于6，不满足转链表条件，需要重新树化
            if (hiHead != null) // (else is already treeified)
                loHead.treeify(tab);
        }
    }
    if (hiHead != null) {
        if (hc <= UNTREEIFY_THRESHOLD)
            tab[index + bit] = hiHead.untreeify(map);
        else {
            tab[index + bit] = hiHead;
            // 低位节点不为空，说明原链表元素被拆分了，切地位红黑树节点个数大于6，不满足转链表条件，需要重新树化
            if (loHead != null)
                hiHead.treeify(tab);
        }
    }
}

7、链表转红黑树

final void treeifyBin(Node<K,V>[] tab, int hash) {
 	int n, index; Node<K,V> e;
    // 如果map的容量（数组的长度）为0，或者小于MIN_TREEIFY_CAPACITY（默认64），则进行扩容操作，而不进行转换红黑树
	// 底层数组，也称为hash桶，也就是说hash桶的数量小于64时，则会进行扩容操作
    if (tab == null || (n = tab.length) < MIN_TREEIFY_CAPACITY)
        resize();
    else if ((e = tab[index = (n - 1) & hash]) != null) {
        TreeNode<K,V> hd = null, tl = null;
        do {
         	// 将链表节点转换为红黑树节点
            TreeNode<K,V> p = replacementTreeNode(e, null);
            if (tl == null)
                hd = p;
            else {
                p.prev = tl;
                tl.next = p;
            }
            tl = p;
        } while ((e = e.next) != null);
        // 转换红黑树的操作
        if ((tab[index] = hd) != null)
            hd.treeify(tab);
    }
}

8、put操作

public V put(K key, V value) {
	return putVal(hash(key), key, value, false, true);
}

final V putVal(int hash, K key, V value, boolean onlyIfAbsent,
               boolean evict) {
    Node<K,V>[] tab; Node<K,V> p; int n, i;
    // 初始状态，HashMap为空，则需要扩容，n为扩容后的容量
    if ((tab = table) == null || (n = tab.length) == 0)
        n = (tab = resize()).length;
    if ((p = tab[i = (n - 1) & hash]) == null)
    	// 要放入的位置没有其他项（没有冲突），则直接放入该位置
        tab[i] = newNode(hash, key, value, null);
    else {
    	// 计算后，要放入的位置已经有了其他项，需要解决冲突（拉链法或者红黑树）
        Node<K,V> e; K k;
        if (p.hash == hash &&
            ((k = p.key) == key || (key != null && key.equals(k))))
            // 上一步操作后，p指向的该"桶"的第一个Node，判断位置是否匹配，如果位置匹配，且key相同，表示是put的数据已经存在，直接覆盖即可
            e = p;
        else if (p instanceof TreeNode)
       		// 如果p指向的是TreeNode，也就是红黑树存储的节点，那么就将新增元素加入到红黑树中
            e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
        else {
         	// p指向的是链表头结点，则利用尾插法，将新节点插入到末尾（遍历过程中发现相同节点则进行覆盖）
            for (int binCount = 0; ; ++binCount) {
            	// 走到尾节点
                if ((e = p.next) == null) {
                	// 将新节点插到末尾
                    p.next = newNode(hash, key, value, null);
                    // 判断链表的长度是否达到树化的阈值，如果是，则将链表转换为红黑树
                    if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st
                    	// 注意并不一定会转换为红黑树，还与tab的长度有关，tab.length<MIN_TREEIFY_CAPACITY时，仍旧采取扩容，而非树化
                        treeifyBin(tab, hash);
                    break;
                }
                // 如果是已经存在的节点，则中断循环，后面将进行覆盖value
                if (e.hash == hash &&
                    ((k = e.key) == key || (key != null && key.equals(k))))
                    break;
                p = e;
            }
        }
         // 数据已经存在，则进行覆盖操作
        if (e != null) { // existing mapping for key
            V oldValue = e.value;
            if (!onlyIfAbsent || oldValue == null)
                e.value = value;
            afterNodeAccess(e);
            return oldValue;
        }
    }
    // 计数加一（用来快速失败）
    ++modCount;
    if (++size > threshold)
        resize();
    afterNodeInsertion(evict);
    return null;
}

9、get操作

public V get(Object key) {
    Node<K,V> e;
    return (e = getNode(hash(key), key)) == null ? null : e.value;
}
/**
 * get的时候，最关键的就是，先根据key的hash值找到桶位置，然后在根据key来查找
 */
final Node<K,V> getNode(int hash, Object key) {
    Node<K,V>[] tab; Node<K,V> first, e; int n; K k;
    // 根据key进行hash后的位置存在数据，如果不存在，则直接返回null
    if ((tab = table) != null && (n = tab.length) > 0 &&
        (first = tab[(n - 1) & hash]) != null) {
         // 根据hash和key进行判断第一个节点是否为要找的元素，如果是，则返回第一个节点
        if (first.hash == hash && // always check first node
            ((k = first.key) == key || (key != null && key.equals(k))))
            return first;
        if ((e = first.next) != null) {
         	// 如果节点时红黑树的节点类型，则遍历红黑树，进行查找
            if (first instanceof TreeNode)
                return ((TreeNode<K,V>)first).getTreeNode(hash, key);
            // 遍历链表进行查找
            do {
                if (e.hash == hash &&
                    ((k = e.key) == key || (key != null && key.equals(k))))
                    return e;
            } while ((e = e.next) != null);
        }
    }
    return null;
}

10、remove操作

remove有两个接口，remove(key)、remove(key,value)，内部都是调用一个removeNode方法，如下：

public V remove(Object key) {
  Node<K,V> e;
    return (e = removeNode(hash(key), key, null, false, true)) == null ?
        null : e.value;
}

// 实现了Map接口中的remove方法
@Override
public boolean remove(Object key, Object value) {
    return removeNode(hash(key), key, value, true, true) != null;
}

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;
    // map不为空，且hash对应的位置不为空，才进行查找，否则认为未找到，返回null
    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;
        // 匹配hash地址的第一个节点是否匹配，hash和key都匹配，则证明找到了要删除的元素
        if (p.hash == hash &&
            ((k = p.key) == key || (key != null && key.equals(k))))
            node = p;
        else if ((e = p.next) != null) {
        	// 遍历红黑树
            if (p instanceof TreeNode)
                node = ((TreeNode<K,V>)p).getTreeNode(hash, key);
            else {
            	// 遍历链表
                do {
                    if (e.hash == hash &&
                        ((k = e.key) == key ||
                         (key != null && key.equals(k)))) {
                        node = e;
                        break;
                    }
                    p = e;
                } while ((e = e.next) != null);
            }
        }
        // 如果node为null，证明未找到key对应的元素
        // node不为null，则根据调用的remove(key)还是remove(key,value)来判断
        if (node != null && (!matchValue || (v = node.value) == value ||
                             (value != null && value.equals(v)))) {
            // 要删除的节点匹配，如果是树节点类型，则从树中删除节点
            if (node instanceof TreeNode)
                ((TreeNode<K,V>)node).removeTreeNode(this, tab, movable);
            else if (node == p)
            	// 要删除的节点时第一个节点时，直接将头结点的下一个节点往前提一个位置（旧头节点被删除）
                tab[index] = node.next;
            else
            	// 非头结点，修改指针，将下一个节点赋给父节点的next
                p.next = node.next;
            // 修改次数加一，元素数量减一
            ++modCount;
            --size;
            afterNodeRemoval(node);
            return node;
        }
    }
    return null;
}

• 疑惑记录
  1、为什么hashCode值和高16位进行异或计算
  hapMap下标计算为 tab[i = (n - 1) & hash]，其中n为map的length，多数情况下length的长度小于2 ^ 16，始终是hashcode的低16位参与 & 运算，甚至更低，要是让高16位也参与运算那么下标就会更加散列。& | 的运算结果会让结果偏向于0和1，没有更加均匀，所以进行异或运算