HashMap的原理与实现

版本之更迭：

–》JDK 1.7 ： Table数组+ Entry链表；
–》JDK1.8 : Table数组+ Entry链表/红黑树；(为什么要使用红黑树？)

---

一问HashMap的实现原理

• 你看过HashMap源码吗，知道底层的原理吗
• 为什么使用数组+链表
• 用LinkedList代替数组可以吗
• 既然是可以的，为什么不用反而用数组。

  ---

   

重要变量介绍：

ps：都是重要的变量记忆理解一下最好。

DEFAULT_INITIAL_CAPACITY Table数组的初始化长度： 1 << 4 2^4=16（为什么要是 2的n次方？）

MAXIMUM_CAPACITY Table数组的最大长度： 1<<30 2^30=1073741824

DEFAULT_LOAD_FACTOR 负载因子：默认值为0.75。 当元素的总个数>当前数组的长度 * 负载因子。数组会进行扩容，扩容为原来的两倍（todo：为什么是两倍？）

TREEIFY_THRESHOLD 链表树化阙值： 默认值为 8 。表示在一个node（Table）节点下的值的个数大于8时候，会将链表转换成为红黑树。

UNTREEIFY_THRESHOLD 红黑树链化阙值： 默认值为 6 。 表示在进行扩容期间，单个Node节点下的红黑树节点的个数小于6时候，会将红黑树转化成为链表。

MIN_TREEIFY_CAPACITY = 64 最小树化阈值，当Table所有元素超过改值，才会进行树化（为了防止前期阶段频繁扩容和树化过程冲突）。

---

实现原理：

实现原理图 我们都知道，在HashMap中，采用数组+链表的方式来实现对数据的储存。

HashMap采⽤Entry数组来存储key-value对，每⼀个键值对组成了⼀个Entry实体，Entry类实际上是⼀个单向的链表结 构，它具有Next指针，可以连接下⼀个Entry实体。 只是在JDK1.8中，链表⻓度⼤于8的时候，链表会转成红⿊树！

---

第一问： 为什么使用链表+数组：要知道为什么使用链表首先需要知道Hash冲突是如何来的：

答： 由于我们的数组的值是限制死的，我们在对key值进行散列取到下标以后，放入到数组中时，难免出现两个key值不同，但是却放入到下标相同的格子中，此时我们就可以使用链表来对其进行链式的存放。

第二问 我⽤LinkedList代替数组结构可以吗？

对于题目的意思是说，在源码中我们是这样的

现在进行替换，进行如下的实现

是否可以行得通？ 答案当然是肯定的。

 

第三问 那既然可以使用进行替换处理，为什么有偏偏使用到数组呢？

因为⽤数组效率最⾼！ 在HashMap中，定位节点的位置是利⽤元素的key的哈希值对数组⻓度取模得到。此时，我们已得到节点的位置。显然数组的查 找效率⽐LinkedList⼤（底层是链表结构）。
那ArrayList，底层也是数组，查找也快啊，为啥不⽤ArrayList? 因为采⽤基本数组结构，扩容机制可以⾃⼰定义，HashMap中数组扩容刚好是2的次幂，在做取模运算的效率⾼。 ⽽ArrayList的扩容机制是1.5倍扩容（这一点我相信学习过的都应该清楚），那ArrayList为什么是1.5倍扩容这就不在本⽂说明了。

Hash冲突：得到下标值：

我们都知道在HashMap中 使用数组加链表，这样问题就来了，数组使用起来是有下标的，但是我们平时使用HashMap都是这样使用的：

可以看到的是并没有特地为我们存放进来的值指定下标，那是因为我们的hashMap对存放进来的key值进行了hashcode()，生成了一个值，但是这个值很大，我们不可以直接作为下标，此时我们想到了可以使用取余的方法，例如这样：

即可以得到对于任意的一个key值，进行这样的操作以后，其值都落在0-Table.length-1 中，但是 HashMap的源码却不是这样做？

它对其进行了与操作，对Table的表长度减一再与生产的hash值进行相与：

我们来画张图进行进一步的了解；

这里我们也就得知为什么Table数组的长度要一直都为2的n次方，只有这样，减一进行相与时候，才能够达到最大的n-1值。
举个栗子来反证一下：
我们现在 数组的长度为 15 减一为 14 ，二进制表示 0000 1110 进行相与时候，最后一位永远是0，这样就可能导致，不能够完完全全的进行Table数组的使用。违背了我们最开始的想要对Table数组进行最大限度的无序使用的原则，因为HashMap为了能够存取高效，，要尽量较少碰撞，就是要尽量把数据分配均匀，每个链表⻓度⼤致相同。
此时还有一点需要注意的是： 我们对key值进行hashcode以后，进行相与时候都是只用到了后四位，前面的很多位都没有能够得到使用,这样也可能会导致我们所生成的下标值不能够完全散列。
解决方案：将生成的hashcode值的高16位于低16位进行异或运算，这样得到的值再进行相与，一得到最散列的下标值。

---

二问讲一讲HashMap的get/put过程

• 知道HashMap的put元素的过程是什么样吗？
• 知道get过程是是什么样吗？
• 你还知道哪些的hash算法？
• 说一说String的hashcode的实现

Put方法

1. 对key的hashCode()做hash运算，计算index;
2. 如果没碰撞直接放到bucket⾥；
3. 如果碰撞了，以链表的形式存在buckets后；
4. 如果碰撞导致链表过⻓(⼤于等于TREEIFY_THRESHOLD)，就把链表转换成红⿊树(JDK1.8中的改动)；
5. 如果节点已经存在就替换old value(保证key的唯⼀性)
6. 如果bucket满了(超过load factor*current capacity)，就要resize

在得到下标值以后，可以开始put值进入到数组+链表中，会有三种情况：

1. 数组的位置为空。
2. 数组的位置不为空，且面是链表的格式。
3. 数组的位置不为空，且下面是红黑树的格式。

同时 对于Key 和Value 也要经历一下步骤

• 通过 Key 散列获取到对于的Table；’
• 遍历Table 下的Node节点，做更新/添加操作；
• 扩容检测；

以上就是HashMap的Put操作，若是对其中的红黑树的添加，以及Node链表和红黑树的转换过程我们暂时不进行深入的讨论，这个流程大概还是可以进行理解，下面来深入讨论扩容问题。

---

resise方法

HashMap 的扩容实现机制是将老table数组中所有的Entry取出来，重新对其Hashcode做Hash散列到新的Table中，可以看到注解Initializes or doubles table size. resize表示的是对数组进行初始化或
进行Double处理。现在我们来一步一步进行分析。

get方法

 

1. 对key的hashCode()做hash运算，计算index;
2. 如果在bucket⾥的第⼀个节点⾥直接命中，则直接返回；
3. 如果有冲突，则通过key.equals(k)去查找对应的Entry;
4. 若为树，则在树中通过key.equals(k)查找，O(logn)；
5. 若为链表，则在链表中通过key.equals(k)查找，O(n)。

在进行取值时候，因为对于我们传进来的key值进行了一系列的hash操作，首先，在传进来 key值时候，先进性hash操作，

containsKey 方法
根据get方法的结果，判断是否为空，判断是否包含该key

还知道哪些hash算法

先说⼀下hash算法⼲嘛的，Hash函数是指把⼀个⼤范围映射到⼀个⼩范围。把⼤范围映射到⼀个⼩范围的⽬的往往是为了 节省空间，使得数据容易保存。

⽐较出名的有MurmurHash、MD4、MD5等等

String中hashcode的实现

String类中的hashCode计算⽅法还是⽐较简单的，就是以31为权，每⼀位为字符的ASCII值进⾏运算，⽤⾃然溢出来等效 取模。
哈希计算公式可以计为ss[[00]]3311^^((nn–11)) ++ ss[[11]]3311^^((nn–22)) ++ …… ++ ss[[nn–11]]
那为什么以31为质数呢? 主要是因为31是⼀个奇质数，所以31i=32i-i=(i<<5)-i，这种位移与减法结合的计算相⽐⼀般的运算快很多

---

三问 为什么hashmap的在链表元素数量超过8时候改为红黑树

 

• 知道jdk1.8中hashmap改了什么吗。
• 说一下为什么会出现线程的不安全性
• 为什么在解决hash冲突时候，不直接用红黑树，而是先用链表，再用红黑树
• 当链表转为红黑树，什么时候退化为链表

第一问改动了什么
1.由数组+链表的结构改为数组+链表+红⿊树。
2. 优化了⾼位运算的hash算法：h^(h>>>16)
3. 扩容后，元素要么是在原位置，要么是在原位置再移动2次幂的位置，且链表顺序不变。
注意： 最后⼀条是重点，因为最后⼀条的变动，hashmap在1.8中，不会在出现死循环问题。

HashMap的线程不安全性
HashMap 在jdk1.7中 使用 数组加链表的方式，并且在进行链表插入时候使用的是头结点插入的方法。
注 ：这里为什么使用 头插法的原因是我们若是在散列以后，判断得到值是一样的，使用头插法，不用每次进行遍历链表的长度。但是这样会有一个缺点，在进行扩容时候，会导致进入新数组时候出现倒序的情况，也会在多线程时候出现线程的不安全性。
但是对与 jdk1.8 而言，还是要进行阙值的判断，判断在什么时候进行红黑树和链表的转换。所以无论什么时候都要进行遍历，于是插入到尾部，防止出现扩容时候还会出现倒序情况。

所以当在多线程的使用场景中，尽量使用线程安全的ConcurrentHashMap。至于Hashtable而言，使用效率太低。

 

线程安全

在jdk1.7若是产生了多线程，例如 thread1，和thread2，同时想要进入到 transfer中，此时会出现如下图所示的情况：

此时对于我们的1会拥有两个临时变量，我们称为e1与e2。这个时候，线程一会先执行上述的函数，进行数组的翻倍，并且，会进入逆序的状态， 此时的 临时变量e1和next1都已经消失，但是对于每个节点上面所拥有的连接不会更改，这个时候，1上还有一个e2临时变量，2上有一个next2临时变量。如下图所示：

完成了线程一的扩容以后，线程二也会创建一个属于自己的数组，长度也是6。这个时候开始又执行一遍以上的程序。

此时完成了第一次的循环以后，进入到以上的情况，这个时候 执行e.next = newTable[i]; 寓意为： 2所表示的下一个指向 newTable[i],此时我们就发现了问题的所在，在执行完第一遍循环以后，2所表示的下一下就已经指向了 newTable[i],就是我们的1 ，当然这样我们就不用动，那我们就不动就好了，然后完成以后就如下图所示。

这个时候开始第三次的循环，首先执行 Entry<K,V> next = e.next; ，这个时候我们就发现了问题，e2和e2的next2都执行了1，这个时候我们再度，执行以上的语句就会指向一个空的节点，当然空就空了，暂时也还不会出现差错，但是执行到 e.next = newTable[i];时候，会发现，执行到如下图所示的情况。这个时候出现了循环链表，若是不加以控制，就会耗尽我们的cpu。

第三问为什么不一开始就使用红黑树，不是效率很高吗?
因为红⿊树需要进⾏左旋，右旋，变⾊这些操作来保持平衡，⽽单链表不需要。
当元素⼩于8个当时候，此时做查询操作，链表结构已经能保证查询性能。
当元素⼤于8个的时候，此时需要红⿊树来加快查 询速度，但是新增节点的效率变慢了。
因此，如果⼀开始就⽤红⿊树结构，元素太少，新增效率⼜⽐较慢，⽆疑这是浪费性能的。
第四问什么时候退化为链表
为6的时候退转为链表。中间有个差值7可以防⽌链表和树之间频繁的转换。
假设⼀下，如果设计成链表个数超过8则链表转 换成树结构，链表个数⼩于8则树结构转换成链表，
如果⼀个HashMap不停的插⼊、删除元素，链表个数在8左右徘徊，就会 频繁的发⽣树转链表、链表转树，效率会很低。

四问HashMap的并发问题

 

• HashMap在并发环境下会有什么问题

• 一般是如何解决的

问题的出现
(1)多线程扩容，引起的死循环问题
(2)多线程put的时候可能导致元素丢失
(3)put⾮null元素后get出来的却是null

不安全性的解决方案

1. 在之前使用hashtable。 在每一个函数前面都加上了synchronized 但是 效率太低 我们现在不常用了。
2. 使用 ConcurrentHashmap函数，对于这个函数而言 我们可以每几个元素共用一把锁。用于提高效率。

五问你一般用什么作为HashMap的key值

• key可以是null吗，value可以是null吗
• 一般用什么作为key值
• 用可变类当Hashmap1的Key会有什么问题
• 让你实现一个自定义的class作为HashMap的Key该如何实现

key可以是null吗，value可以是null吗
当然都是可以的，但是对于 key来说只能运行出现一个key值为null，但是可以出现多个value值为null

一般用什么作为key值
⼀般⽤Integer、String这种不可变类当HashMap当key，⽽且String最为常⽤。
(1)因为字符串是不可变的，所以在它创建的时候hashcode就被缓存了，不需要重新计算。 这就使得字符串很适合作为Map中的键，字符串的处理速度要快过其它的键对象。 这就是HashMap中的键往往都使⽤字符串。
(2)因为获取对象的时候要⽤到equals()和hashCode()⽅法，那么键对象正确的重写这两个⽅法是⾮常重要的,这些类已 经很规范的覆写了hashCode()以及equals()⽅法。

用可变类当Hashmap1的Key会有什么问题
hashcode可能会发生变化，导致put进行的值，无法get出来，如下代码所示：

输出值如下：

实现一个自定义的class作为Hashmap的key该如何实现

对于这个问题考查到了下面的两个知识点

• 重写hashcode和equals方法需要注意什么？
• 如何设计一个不变的类。

针对问题⼀，记住下⾯四个原则即可
(1)两个对象相等，hashcode⼀定相等
(2)两个对象不等，hashcode不⼀定不等
(3)hashcode相等，两个对象不⼀定相等
(4)hashcode不等，两个对象⼀定不等
针对问题⼆，记住如何写⼀个不可变类
(1)类添加final修饰符，保证类不被继承。 如果类可以被继承会破坏类的不可变性机制，只要继承类覆盖⽗类的⽅法并且继承类可以改变成员变量值，那么⼀旦⼦类 以⽗类的形式出现时，不能保证当前类是否可变。
(2)保证所有成员变量必须私有，并且加上final修饰 通过这种⽅式保证成员变量不可改变。但只做到这⼀步还不够，因为如果是对象成员变量有可能再外部改变其值。所以第4 点弥补这个不⾜。
(3)不提供改变成员变量的⽅法，包括setter 避免通过其他接⼝改变成员变量的值，破坏不可变特性。
(4)通过构造器初始化所有成员，进⾏深拷⻉(deep copy)
(5) 在getter⽅法中，不要直接返回对象本⾝，⽽是克隆对象，并返回对象的拷⻉ 这种做法也是防⽌对象外泄，防⽌通过getter获得内部可变成员对象后对成员变量直接操作，导致成员变量发⽣改变

后记

• 对于HashMap而言，扩容是一个特别消耗内存的操作。所以当程序员在使用HashMap的时候，估算map的大小，初始化的时候给一个大致的数值，避免map进行频繁的扩容。
• 负载因子是可以修改的，也可以大于1，但是建议不要轻易修改，除非情况非常特殊。
• HashMap是线程不安全的，不要在并发的环境中同时操作HashMap，建议使用ConcurrentHashMap。

转载来源：
作者：原来是阿博啊
https://www.bilibili.com/read/cv5517205/
出处： bilibili