热爱技术、热爱开源、热爱编程。技术是开源的、知识是共享的。
Stay hungry, stay foolish.如果您也对Java感兴趣，恰巧我的文章能帮助到您，加入【CAFEBABE】一起学习。群号：243108249
文章目录
往期文章
前言
随着工作年限的增加，面试的时候对Map集合问的越来越细，本章针对jdk1.8的HashMap做详细解读，从源码层面去分析元素的添加、底层数组的扩容
提示：以下是本篇文章正文内容，下面案例可供参考
一、HashMap的数据结构
在jdk1.7中，HashMap由数组+链表实现，基于这种结构实现的HashMap在Hash碰撞较多的情况下，会导致链表长度过长，时间复杂度为O(n);效率较低。
在jdk1.8中，HashMap由数组+链表+红黑树共同构成，1.8中主要解决当链表长度过长导致查询效率降低的问题。当链表的长度达到8时，当前链表结构会转化为红黑树，当红黑树的节点数量小于6时，会从红黑树转化为链表（后面会详细分析）
二、HashMap源码解读
首先从属性出发，查看一些基本属性
代码如下（示例）：
/**
* The default initial capacity - MUST be a power of two.
* 默认容量：16
*/
static final int DEFAULT_INITIAL_CAPACITY = 1 << 4; // aka 16
/**
* The maximum capacity, used if a higher value is implicitly specified
* by either of the constructors with arguments.
* MUST be a power of two <= 1<<30.
* 最大容量为2^30
*/
static final int MAXIMUM_CAPACITY = 1 << 30;
/**
* The load factor used when none specified in constructor.
* 默认加载因子0.75
*/
static final float DEFAULT_LOAD_FACTOR = 0.75f;
/**
* The bin count threshold for using a tree rather than list for a
* bin. Bins are converted to trees when adding an element to a
* bin with at least this many nodes. The value must be greater
* than 2 and should be at least 8 to mesh with assumptions in
* tree removal about conversion back to plain bins upon
* shrinkage.
* 红黑树的转化阈值
*/
static final int TREEIFY_THRESHOLD = 8;
/**
* The bin count threshold for untreeifying a (split) bin during a
* resize operation. Should be less than TREEIFY_THRESHOLD, and at
* most 6 to mesh with shrinkage detection under removal.
* 从红黑树转化为链表的阈值
*/
static final int UNTREEIFY_THRESHOLD = 6;
/**
* The smallest table capacity for which bins may be treeified.
* (Otherwise the table is resized if too many nodes in a bin.)
* Should be at least 4 * TREEIFY_THRESHOLD to avoid conflicts
* between resizing and treeification thresholds.
* 树的最小容量
*/
static final int MIN_TREEIFY_CAPACITY = 64;
/**
* The table, initialized on first use, and resized as
* necessary. When allocated, length is always a power of two.
* (We also tolerate length zero in some operations to allow
* bootstrapping mechanics that are currently not needed.)
* 基本Node节点构建的数组，链表和红黑树都挂在该数组上
*/
transient Node<K,V>[] table;
/**
* Holds cached entrySet(). Note that AbstractMap fields are used
* for keySet() and values().
* 保存缓存的entrySet();
*/
transient Set<Map.Entry<K,V>> entrySet;
/**
* The number of key-value mappings contained in this map.
* map中的键值对数量
*/
transient int size;
/**
* The number of times this HashMap has been structurally modified
* Structural modifications are those that change the number of mappings in
* the HashMap or otherwise modify its internal structure (e.g.,
* rehash). This field is used to make iterators on Collection-views of
* the HashMap fail-fast. (See ConcurrentModificationException).
* 记录修改的次数，主要的作用为避免多线程情况下操作HashMap造成线程安全问题
*/
transient int modCount;
/**
* The next size value at which to resize (capacity * load factor).
* 扩容的阈值，计算方式 = 容量 * 加载因子
*/
int threshold;
/**
* The load factor for the hash table.
* 默认的加载因子
* @serial
*/
final float loadFactor;
看了基本属性以后，查看基本的构造方法
/**
* 有参构造函数
* @param initialCapacity the initial capacity 初始容量
* @param loadFactor the load factor 加载因子
*/
public HashMap(int initialCapacity, float loadFactor) {
if (initialCapacity < 0)
throw new IllegalArgumentException("Illegal initial capacity: " +
initialCapacity);
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);
}
/**
* Constructs an empty <tt>HashMap</tt> with the specified initial
* capacity and the default load factor (0.75).
* 有参构造，初始化容量，默认加载因子为(0.75f)
* @param initialCapacity the initial capacity. 初始化容量
* @throws IllegalArgumentException if the initial capacity is negative.
*/
public HashMap(int initialCapacity) {
this(initialCapacity, DEFAULT_LOAD_FACTOR);
}
/**
* Constructs an empty <tt>HashMap</tt> with the default initial capacity
* (16) and the default load factor (0.75).
* 无参构造函数，默认的容量为16，加载因子为（0.75），默认的扩容阈值为12.
*/
public HashMap() {
this.loadFactor = DEFAULT_LOAD_FACTOR; // all other fields defaulted
}
在了解基本的属性和构造方法后，再查看核心方法 put(K key, V value);
/**
* Associates the specified value with the specified key in this map.
* If the map previously contained a mapping for the key, the old
* value is replaced.
*
* @param key key with which the specified value is to be associated
* @param value value to be associated with the specified key
*/
public V put(K key, V value) {
return putVal(hash(key), key, value, false, true);
}
调用putVal方法时，第一个参数为根据key计算hash值，具体的计算规则如下：
代码如下（示例）：
static final int hash(Object key) {
int h;
return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}
以案例说明HashMap中index下标的计算方法，以及hash方法的计算。
HashMap中下标位置计算
计算hash值，当key == null时，hash值为0，否则采用(h = key.hashCode()) ^ (h >>> 16)计算hash值
static final int hash(Object key) {
int h;
return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}
通过案例分析(h = key.hashCode()) ^ (h >>> 16);是怎么计算的
String name = "万泉"；
name.hashCode() == 647074;
将hashCode值647074转化为二进制为
0000 0000 0000 1001 1101 1111 1010 0010
将值无符号右移16位，结果为：
0000 0000 0000 0000 0000 0000 0000 1001
再将hashCode值647074与右移后的结果做异或运算（异或运算的法则为：相同为0，不同为1）
0000 0000 0000 1001 1101 1111 1010 0010 ^
0000 0000 0000 0000 0000 0000 0000 1001 =
0000 0000 0000 1001 1101 1111 1010 1011
再将这个值转化为10进制，即最后的结果 647083
下标计算为：(n - 1) & hash
n为hashmap中数组的长度，默认情况下为16
则带入我们计算的值：
（16 - 1）& 647083 = 15 & 647083
&运算的规则为：都为1才为1，否则为0
0000 0000 0000 0000 0000 0000 0000 1111 &
0000 0000 0000 1001 1101 1111 1010 1011 =
0000 0000 0000 0000 0000 0000 0000 1011
最终的计算结果为0000 0000 0000 0000 0000 0000 0000 1011
，转化为十进制为：11。
由此可得出，万泉这个字符串应该放在hashMap中下标为11的位置上。
看了hash方法的计算方式以后，继续往下观察putVal()；方法的实现。
/**
* Implements Map.put and related methods
* Map.put方法的相关实现
* @param hash key的hash值
* @param key
* @param value 需要存入的值
* @param onlyIfAbsent 如果为true的时候，则不修改当前存在的值
* @param evict 如果为false，当前数组为创建模式
* @return previous value, or null if none
*/
final V putVal(int hash, K key, V value, boolean onlyIfAbsent,
boolean evict) {
// 临时数组tab
Node<K,V>[] tab;
// index下标处的元素
Node<K,V> p;
// n:数组的长度，i:数组的下标
int n, i;
// 判断数组是否初始化(判断方式为：全局数组 == null 或者 全局数组的长度为0)
if ((tab = table) == null || (n = tab.length) == 0)
// 第一次往HashMap中存值时执行，属于懒加载方法。
// resize()初始化数组，并返回初始化数组的长度。resize()方法也可用于扩容，后面会对该方法进行详细解析
n = (tab = resize()).length;
// 判断index下标是否存在元素，该index下标的计算方式在上面有描述，如果，不理解，可以按照测试案例执行
if ((p = tab[i = (n - 1) & hash]) == null)
// 数组（hash表）在index下标处没有元素时新建链表节点
tab[i] = newNode(hash, key, value, null);
else {
// 数组已经初始化，并且产生了hash冲突
// e：更新的目标值，k：p.key
Node<K,V> e; K k;
// 此处的p为第二个if判断时进行赋值，内容为数组（hash表）index下标处的元素
// 产生hash冲突，并且key值相同
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
// key相等，将查询到的节点赋值给e
e = p;
// 判断当前p节点是否为红黑树
else if (p instanceof TreeNode)
// 往红黑树中放值(此处方法为红黑树的添加值的方法，由于研究hashMap的实现，就先不深入进行解析)
e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
else {
// 当前节点为链表
// 遍历数组（hash表）index下标处链表
for (int binCount = 0; ; ++binCount) {
// （前面已经判断了key相等的情况）
if ((e = p.next) == null) {
// 追加到链表尾部
p.next = newNode(hash, key, value, null);
// 如果节点个数（每次遍历一个节点）超过8
// static final int TREEIFY_THRESHOLD = 8;
if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st
// 进行链表到红黑树的转化
treeifyBin(tab, hash);
break;
}
// 下一个节点的hash值相等 && key相同就结束循环
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
break;
// 遍历下一个节点
p = e;
}
}
// 对于已存在的节点，执行覆盖操作
if (e != null) { // existing mapping for key
// 获取旧的value值
V oldValue = e.value;
// 更新value值
if (!onlyIfAbsent || oldValue == null)
e.value = value;
afterNodeAccess(e);
// 返回旧值
return oldValue;
}
}
// 添加值的时候，modCount才会增加，覆盖的时候不会
++modCount;
// 阈值检测
if (++size > threshold)
// 进行扩容
resize();
afterNodeInsertion(evict);
return null;
}
resize()；方法解读，该方法用于初始化hash表，或者对hash表进行扩容。
/**
* 第一次为初始化，之后为扩容
**/
final Node<K,V>[] resize() {
// 获取原数组
Node<K,V>[] oldTab = table;
// 获取原容量
int oldCap = (oldTab == null) ? 0 : oldTab.length;
// 获取旧的阈值，第一次为0
int oldThr = threshold;
// 新的容量以及新的阈值
int newCap, newThr = 0;
// 旧的容量不为0的情况下，走扩容
if (oldCap > 0) {
// 如果旧的容量大于最大容量
if (oldCap >= MAXIMUM_CAPACITY) {
// 阈值设置为Integer的最大值
threshold = Integer.MAX_VALUE;
// 返回旧tab并不做改变
return oldTab;
}
// 将旧的容量翻倍并赋值给新的容量，并且小于最大容量 && 旧的容量要大于等于默认容量
else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&
oldCap >= DEFAULT_INITIAL_CAPACITY)
// 将阈值翻倍
newThr = oldThr << 1; // double threshold
}
// 旧的阈值>0,初始容量设置为阈值
else if (oldThr > 0) // initial capacity was placed in threshold
newCap = oldThr;
else {// zero initial threshold signifies using defaults
// 第一次创建的时候从这初始化容量为16，初始化阈值为12
newCap = DEFAULT_INITIAL_CAPACITY;
newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);
}
// 如果在上述过程中，没有初始化阈值，则这里重新计算
if (newThr == 0) {
// 计算方式为新的容量*加载因子
float ft = (float)newCap * loadFactor;
// 重新计算扩容阈值
newThr = (newCap < MAXIMUM_CAPACITY && ft < (float)MAXIMUM_CAPACITY ?
(int)ft : Integer.MAX_VALUE);
}
// 更新全局阈值
threshold = newThr;
// 初始化底层数组
@SuppressWarnings({"rawtypes","unchecked"})
Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap];
// 更新全局table
table = newTab;
// 历史tab中含有数据
if (oldTab != null) {
// 遍历旧tab
for (int j = 0; j < oldCap; ++j) {
// 声明临时变量e
Node<K,V> e;
// 找寻旧tab中不为null的元素，并赋值给e
if ((e = oldTab[j]) != null) {
// 将旧tab[j]处的元素重置
oldTab[j] = null;
// 如果e没有下一个元素
if (e.next == null)
// 在newTab中重新计算index下标放置元素e
newTab[e.hash & (newCap - 1)] = e;
// 如果当前e元素为红黑树类型
else if (e instanceof TreeNode)
// 将当前红黑树拆分
((TreeNode<K,V>)e).split(this, newTab, j, oldCap);
else { // preserve order当前节点为链表类型，且具有多个节点
// 低位链表
Node<K,V> loHead = null, loTail = null;
// 高位链表
Node<K,V> hiHead = null, hiTail = null;
Node<K,V> next;
do {
// 保留下一个元素
next = e.next;
// 因为oldCap的数值为2的幂次方，所以，e.hash & oldCap的结果只可能为0或另外一个固定值
// 当计算结果为0时，将当前链表放入到低位链表中
if ((e.hash & oldCap) == 0) {
// 低位链表的为节点为空，证明当前低位链表没有元素
if (loTail == null)
// 低位链表头节点为当前元素e
loHead = e;
else
// 将元素e追加到低位链表尾部
loTail.next = e;
// 坐标后移
loTail = e;
}
else {
// 当计算结果不为0时，放入到高位链表中
if (hiTail == null)
hiHead = e;
else
hiTail.next = e;
hiTail = e;
}
// 从e开始，向后遍历
} while ((e = next) != null);
if (loTail != null) {
loTail.next = null;
// 将低位链表放置到新tab中
newTab[j] = loHead;
}
if (hiTail != null) {
hiTail.next = null;
// 将高位链表放入j+oldCap位置处
newTab[j + oldCap] = hiHead;
}
}
}
}
}
// 返回新创建的table
return newTab;
}
三、HashMap使用优化
优化一：指定泛型
集合泛型定义时，在 JDK7 及以上，使用 diamond 语法或全省略。
说明：菱形泛型，即 diamond，直接使用<>来指代前边已经指定的类型。
Java 开发手册
正例：
// diamond 方式，即<>
HashMap<String, String> userCache = new HashMap<>(16);
// 全省略方式
ArrayList<User> users = new ArrayList(10);
优化二：指定初始化容量（(需要存储的元素个数 / 负载因子) + 1），避免后期容量不足，导致频繁扩容
集合初始化时，指定集合初始值大小。
说明：HashMap 使用 HashMap(int initialCapacity) 初始化，如果暂时无法确定集合大小，那么指定默
认值（16）即可。
正例：initialCapacity = (需要存储的元素个数 / 负载因子) + 1。注意负载因子（即 loader factor）默认
为 0.75，如果暂时无法确定初始值大小，请设置为 16（即默认值）。
反例：HashMap 需要放置 1024 个元素，由于没有设置容量初始大小，随着元素不断增加，容量 7 次*
扩大，resize 需要重建 hash 表。当放置的集合元素个数达千万级别时，不断扩容会严重影响性能。
四、相关面试题
1. 为什么重写Equals还要重写HashCode方法
为了使诸如HashMap这样的哈希表正常使用。具体规定如下：
equals相等，hashcode一定相等。
equals不等，hashcode不一定不等。
hashcode不等，equals一定不等。
hashcode相等，equals不一定相等。
Object 的 hashcode 方法是本地方法，也就是用 c 或 c++ 实现的，该方法直接返回对象的内存地址，让后再转换整数。
== 比较两个对象的内存地址是否相同
Equals默认的情况下比较两个对象的内存地址
当 Equals比较对象相等以后，根据规定，hashCode值也需要相等，相应的，也需要重写HashCode方法。
2. HashMap如何避免内存泄漏问题
当以自定义对象作为HashMap的key时，如果没有重写Equals方法和HashCode方法，会导致对象一直往HashMap里面存储，并且，无法被GC垃圾回收掉，最终造成内存泄露问题。
解决方案：
在以自定义对象作为key时，需要重写Equals方法和HashCode方法。
3. HashMap1.7底层是如何实现的
采用数组+链表的形式实现，查询效率为O(n);
4. HashMapKey为null存放在什么位置
放在数组（Hash表）下标为0的位置
5. HashMap底层采用单链表还是双链表
HashMap底层为单向链表
6. 时间复杂度O(1)、O(N)、O(Logn)区别
- O(1) 查询时间不会随着数据量的增大而增大，简单理解为一次查询即可得到结果
- O(n) 查询时间跟数据量的增大成正比
- O(logn) 数组增大n倍时，查询耗时增加logn,比如，数据量增大256倍时，查询时间只增加8倍
7. HashMap根据key查询的时间复杂度
首先根据key映射的对象存储在什么结构上面
- 存储在数组上（即链表或者红黑树的头节点），时间复杂度为O(1)
- 存储在链表上，时间复杂度为O(n);
- 存储在红黑树上，时间复杂度为O(logn);
8. HashMap如何实现数组扩容问题
在jdk1.8中，数组扩容是以两倍容量和两倍阈值进行扩容。
9. HashMap底层是有序存放的吗？
无序、散列存放
10. 为什么不直接将key作为哈希值而是与高16位做异或运算？
降低hash冲突的概率
11. HashMap如何存放1万条key效率最高
初始化hashMap时指定容量大小为：(10000需要存储的元素个数 / 负载因子) + 1
12. HashMap1.8如何避免多线程扩容死循环问题
1.8中将原来的链表拆分为高位链表和低位链表，在重新装到扩容后的数组中 ，所以，不会造成多线程情况下扩容死循环的问题。
13. 为什么HashMap1.8需要引入红黑树
因为链表的查询效率过低，引入红黑树可以提高查询的效率，时间复杂度从O(n)降低至O(logn)
14. 为什么链表长度>8需要转红黑树？小于6转为链表，而不是都是8
在hashMap实现中可知，默认的转红黑树阈值为8，转链表的阈值为6，根据个人猜想，在节点个数过少的情况下，采用链表比红黑树的效率更高。但是为什么转红黑树的阈值和转链表的阈值不一致，是因为避免当链表长度在8左右频繁增删时，造成频繁的链表转红黑树，和红黑树转链表，消耗大量的资源，所以阈值不一致。
15. 什么情况下，需要从红黑树转换成链表存放？
当红黑树的节点数量< 6
16. HashMap底层如何降低Hash冲突概率
采用散列更加均匀的高位hash算法，取key的hashCode值，并于当前HashCode值做异或运算。
总结
HashMap是日常开发中很常用的一种集合框架，合理的使用，会提升程序的效率。