秒杀Java面试官——集合篇（二）
三、HashMap底层实现原理（基于JDK1.8）
面试中，你是否也曾被问过以下问题呢：
你知道HashMap的数据结构吗？HashMap是如何实现存储的？底层采用了什么算法？为什么采用这种算法？如何对HashMap进行优化？如果HashMap的大小超过了负载因子定义的容量，怎么办？等等。
有觉得很难吗？别怕!下面博主就带着大家深度剖析，以源代码为依据，逐一分析，看看HashMap到底是怎么玩的：
① HashMap源码片段 —— 总体介绍：
/* Hash table based implementation of the<tt>Map</tt> interface（HashMap实现了Map接口）. This implementation provides all of the optional map operations, and permits <tt>null</tt> values and the<tt>null</tt> key（允许储存null值和null键）. (The <tt>HashMap</tt> class is roughly equivalent to<tt>Hashtable</tt>, except that it is unsynchronized and permits nulls.(HashTable和HashMap很相似，除了HashTable的方法是同步的，并且不允许储存null值和null键)) This class makes no guarantees as to the order of the map; in particular, it does not guarantee that the order will remain constant over time(HashMap不保证映射的顺序,特别是它不保证该顺序不随时间变化).*/
② HashMap源码片段 —— 六大初始化参数：
/**
* 初始容量1 << 4 = 16
*/
static final int DEFAULT_INITIAL_CAPACITY = 1 << 4;
/**
* 最大容量1 << 30 = 1073741824
*/
static final int MAXIMUM_CAPACITY = 1 << 30;
/**
* 默认负载因子0.75f
*/
static final float DEFAULT_LOAD_FACTOR = 0.75f;
/**
* 由链表转换成树的阈值：即当bucket(桶)中bin（箱子）的数量超过
* TREEIFY_THRESHOLD时使用树来代替链表。默认值是8
*/
static final int TREEIFY_THRESHOLD = 8;
/**
* 由树转换成链表的阈值：当执行resize操作时，当bucket中bin的数量少于此值，
* 时使用链表来代替树。默认值是6
*/
static final int UNTREEIFY_THRESHOLD = 6;
/**
* 树的最小容量
*/
static final int MIN_TREEIFY_CAPACITY = 64;
③ HashMap源码片段 —— 内部结构：
/**
* Basic hash bin node, used for most entries.
*/
// Node是单向链表，它实现了Map.Entry接口
static class Node<K,V> implements Map.Entry<K,V> {
final int hash; // 键对应的Hash值
final K key; // 键
V value; // 值
Node<K,V> next; // 下一个节点
// 构造函数
Node(int hash, K key, V value, Node<K,V> next) {
this.hash = hash;
this.key = key;
this.value = value;
this.next = next;
}
// 存储（位桶）的数组</k,v>
transient Node<K,V>[] table;
// 红黑树
static final class TreeNode<K,V> extends LinkedHashMap.Entry<K,V> {
TreeNode<K,V> parent; // 父节点
TreeNode<K,V> left; // 左节点
TreeNode<K,V> right; // 右节点
TreeNode<K,V> prev; // needed to unlink next upon deletion
boolean red; // 颜色属性
TreeNode(int hash, K key, V val, Node<K,V> next) {
super(hash, key, val, next);
}
简单看：在JDK1.8中，HashMap采用位桶+链表+红黑树实现。具体实现原理，我们继续看源码。关于红黑树，我将在后期《算法篇》详细介绍。
④ HashMap源码片段 —— 数组Node[]位置：
// 第一步：先计算key对应的Hash值
static final int hash(Object key) {
int h;
return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}// 第二步：保证哈希表散列均匀 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;}★对第二步的作用，进行简要说明（很高级！）：
{ 可以从源码看出，在HashMap的构造函数中，都直接或间接的调用了tableSizeFor函数。下面分析原因：length为2的整数幂保证了length-1最后一位（当然是二进制表示）为1，从而保证了取索引操作h&（length-1）的最后一位同时有为0和为1的可能性，保证了散列的均匀性。反过来讲，当length为奇数时，length-1最后一位为0，这样与h按位与的最后一位肯定为0，即索引位置肯定是偶数，这样数组的奇数位置全部没有放置元素，浪费了大量空间。简而言之：length为2的幂保证了按位与最后一位的有效性，使哈希表散列更均匀。}
// 第三步：计算索引：index = (tab.length - 1) & hash
if (tab == null || (n = tab.length) == 0) return;
int index = (n - 1) & hash;（区别于HashTable ：index = (hash &0x7FFFFFFF) % tab.length;
取模中的除法运算效率很低，但是HashMap的位运算效率很高）
⑤ HashMap源码片段 —— 常用get（）/put（）操作：
/**
* Implements Map.get and related methods
*
* @param hash hash for key
* @param key the key
* @return the node, or null if none
*/
final Node<K,V> getNode(int hash, Object key) {
Node<K,V>[] tab; Node<K,V> first, e; int n; K k;
if ((tab = table) != null && (n = tab.length) > 0 &&
//tab[(n - 1) & hash]得到对象的保存位
(first = tab[(n - 1) & hash]) != null) {
if (first.hash == hash && // always check first node
((k = first.key) == key || (key != null && key.equals(k))))
return first;
if ((e = first.next) != null) {
//判断：如果第一个节点是TreeNode,则采用红黑树处理冲突
if (first instanceof TreeNode)
return ((TreeNode<K,V>)first).getTreeNode(hash, key);
do {
//反之，采用链表处理冲突
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
return e;
} while ((e = e.next) != null);
}
}
return null;
}
/**
* Implements Map.put and related methods
*
* @param hash hash for key
* @param key the key
* @param value the value to put
* @param onlyIfAbsent if true, don't change existing value
* @param evict if false, the table is in creation mode.
* @return previous value, or null if none
*/
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)
//如果tab为空或长度为0，则分配内存resize()
n = (tab = resize()).length;
if ((p = tab[i = (n - 1) & hash]) == null)
//tab[i = (n - 1) & hash]找到put位置，如果为空,则直接put
tab[i] = newNode(hash, key, value, null);
else {
Node<K,V> e; K k;
//先判断key的hash()方法判断，再调用equals()方法判断
if (p.hash == hash && ((k = p.key) == key || (key != null && key.equals(k))))
e = p;
else if (p instanceof TreeNode)
//属于红黑树处理冲突
e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
else {
//链表处理冲突
for (int binCount = 0; ; ++binCount) {
//p第一次指向表头,之后依次后移
if ((e = p.next) == null) {
//e为空，表示已到表尾也没有找到key值相同节点，则新建节点
p.next = newNode(hash, key, value, null);
//新增节点后如果节点个数到达阈值，则将链表转换为红黑树
if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st
treeifyBin(tab, hash);
break;
}
//允许存储null键null值
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
break;
//指针下移一位
p = e;
}
}
//更新hash值和key值均相同的节点Value值
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;
}
⑥ HashMap源码片段 —— 扩容resize（）：
//可用来初始化HashMap大小 或重新调整HashMap大小 变为原来2倍大小
final Node<K,V>[] resize() {
Node<K,V>[] oldTab = table;
int oldCap = (oldTab == null) ? 0 : oldTab.length;
int oldThr = threshold;
int newCap, newThr = 0;
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; // 扩容阈值加倍
}
else if (oldThr > 0) // oldCap=0 ,oldThr>0此时newThr=0
newCap = oldThr;
else { // oldCap=0,oldThr=0 相当于使用默认填充比和初始容量 初始化
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];
// 数组辅助到新的数组中，分红黑树和链表讨论
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;
}
看完以上源码，是否感觉身体被掏空了？别慌，博主现在以一个简单的小例子为主导，带领大家重新梳理一下。
简析底层实现过程：
①创建HashMap，初始容量为16，实际容量 = 初始容量*负载因子（默认0.75） = 12；
②调用put方法，会先计算key的hash值：hash = key.hashCode()。
③调用tableSizeFor()方法，保证哈希表散列均匀。
④计算Nodes[index]的索引：先进行index = (tab.length - 1) & hash。
⑤如果索引位为null,直接创建新节点,如果不为null,再判断所因为上是否有元素
⑥如果有：则先调用hash()方法判断，再调用equals()方法进行判断，如果都相同则直接用新的Value覆盖旧的；
⑦如果不同，再判断第一个节点类型是否为树节点（涉及到：链表转换成树的阈值，默认8），如果是，则按照红黑树的算法进行存储；如果不是，则按照链表存储；
⑧当存储元素过多时，需要进行扩容：
默认的负载因子是0.75，如果实际元素所占容量占分配容量的75%时就要扩容了。大约变为原来的2倍（newThr =oldThr << 1）;