HashMap底层原理及jdk1.8源码解读
一、前言
写在前面：小编码字收集资料花了一天的时间整理出来，对你有帮助一键三连走一波哈，谢谢啦！！
HashMap在我们日常开发中可谓经常遇到，HashMap 源码和底层原理在现在面试中是必问的。所以我们要掌握一下，也是作为两年开发经验必备的知识点！HashMap基于Map接口实现，元素以<Key,Value>的方式存储，并且允许使用null 键和null值，因为key不允许重复，因此只能有一个键为null，另外HashMap是无序的、线程不安全的。
HashMap继承类图快捷键Ctrl+alt+U
二、存储结构介绍
Jdk7.0之前 数组 + 链表
Jdk8.0开始 数组 + 链表 + 二叉树
链表内元素个数>8个 由链表转成二叉树
链表内元素个数<6个 由二叉树转成链表
红黑树，是一个自平衡的二叉搜索树，因此可以使查询的时间复杂度降为O(logn)
链表的长度特别长的时候，查询效率将直线下降，查询的时间复杂度为O(n)
Jdk1.7中链表新元素添加到链表的头结点，先加到链表的头节点，再移到数组下标位置。简称头插法（并发时可能出现死循环）
Jdk1.8中链表新元素添加到链表的尾结点。简称尾插法（解决了头插法死循环）
底层结构实例图
三、源码分析之常用变量解读
/**
* 默认初始容量 - 必须是 2 的幂。
*/
static final int DEFAULT_INITIAL_CAPACITY = 1 << 4; // aka 16
/**
* 最大容量，如果一个更高的值被任何一个带参数的构造函数隐式指定使用。必须是 2 <= 1<<30 的幂。
* 简单理解为：最大容量2的30次幂，如果带容量也会转化为2的次幂
*/
static final int MAXIMUM_CAPACITY = 1 << 30;
/**
* 构造函数中未指定时使用的负载因子。经过官方测试测出减少hash碰撞的最佳值
*/
static final float DEFAULT_LOAD_FACTOR = 0.75f;
/**
* 使用红黑树的计数阈值，超过8则转化为红黑树
*/
static final int TREEIFY_THRESHOLD = 8;
/**
* 使用红黑树的计数阈值，低于6则转化为链表
*/
static final int UNTREEIFY_THRESHOLD = 6;
/**
* 链表转化为红黑树，除了有阈值的限制，还有另外一个限制，需要数组容量至少达到64，才会转化为红黑树。
* 这是为了避免，数组扩容和树化阈值之间的冲突。
*/
static final int MIN_TREEIFY_CAPACITY = 64;
/**
* 在首次使用时初始化，并根据需要调整大小。分配时，长度始终是 2 的幂。
* （我们还在某些操作中允许长度为零，以允许当前不需要的引导机制）
*/
transient Node<K,V>[] table;
/**
* 保存缓存的 entrySet()，也就是存放的键值对
*/
transient Set<Map.Entry<K,V>> entrySet;
/**
* 此映射中包含的键值映射的数量，就是数组的大小
*/
transient int size;
/**
* 记录集合的结构变化和操作次数（例如remove一次进行modCount++）。
* 该字段用于使 HashMap 的 Collection-views 上的迭代器快速失败。如果失败也就是我们常见的CME
* （ConcurrentModificationException）异常
*/
transient int modCount;
/**
* 数组扩容的大小
* 计算方法 capacity * load factor 容量 * 加载因子
* @serial
*/
int threshold;
/**
* 哈希表的负载因子。
* @serial
*/
final float loadFactor;
四、源码分析之构造方法解读
/**
* 构造一个具有指定初始容量和负载因子的构造方法
* 不建议使用这个构造方法，加载因子经过官方测试是效率最好的，所以为了效率应该保持默认
*/
public HashMap(int initialCapacity, float loadFactor) {
// 参数为负数会抛出IllegalArgumentException异常
if (initialCapacity < 0)
throw new IllegalArgumentException("Illegal initial capacity: " +
initialCapacity);
// 传的值超过最大值则使用默认最大值
if (initialCapacity > MAXIMUM_CAPACITY)
initialCapacity = MAXIMUM_CAPACITY;
if (loadFactor <= 0 || Float.isNaN(loadFactor))
throw new IllegalArgumentException("Illegal load factor: " +
loadFactor);
// 哈希表的负载因子。
this.loadFactor = loadFactor;
// 初始化的参数默认如果不是2的次幂，直接给你转化为2的次幂
// 传的参数为11，会自动转化为比参数大的最近的2的次幂的值，也就是16。
// 我们后面会详细说这个方法怎么进行转化的
this.threshold = tableSizeFor(initialCapacity);
}
/**
* 构造一个只有指定初始容量的方法
*/
public HashMap(int initialCapacity) {
// 我们会发现还是调用上面两个参数的构造方法，自动帮我们设置了加载因子
this(initialCapacity, DEFAULT_LOAD_FACTOR);
}
/**
* 构造一个具有默认初始容量(16) 和默认负载因子(0.75)的构造方法
*/
public HashMap() {
this.loadFactor = DEFAULT_LOAD_FACTOR; // all other fields defaulted
}
/**
* 指定map集合，转化为HashMap的构造方法
*/
public HashMap(Map<? extends K, ? extends V> m) {
// 使用默认加载因子
this.loadFactor = DEFAULT_LOAD_FACTOR;
//调用PutMapEntries()来完成HashMap的初始化赋值过程
putMapEntries(m, false);
}
/**
* 将传入的子Map中的全部元素逐个添加到HashMap中
*/
final void putMapEntries(Map<? extends K, ? extends V> m, boolean evict) {
// 获得参数Map的大小，并赋值给s
int s = m.size();
// 判断大小是否大于0
if (s > 0) {
// 证明有元素来插入HashMap
// 判断table是否已经初始化 如果table=null一般就是构造函数来调用的putMapEntries，或者构造后还没放过任何元素
if (table == null) { // pre-size
// 如果未初始化，则计算HashMap的最小需要的容量（即容量刚好不大于扩容阈值）。这里Map的大小s就被当作HashMap的扩容阈值，然后用传入Map的大小除以负载因子就能得到对应的HashMap的容量大小（当前m的大小 / 负载因子 = HashMap容量）
// ((float)s / loadFactor)但这样会算出小数来，但作为容量就必须向上取整，所以这里要加1。此时ft可以临时看作HashMap容量大小
float ft = ((float)s / loadFactor) + 1.0F;
// 判断ft是否超过最大容量大小，小于则用ft，大于则取最大容量
int t = ((ft < (float)MAXIMUM_CAPACITY) ?
(int)ft : MAXIMUM_CAPACITY);
// 暂时存放到扩容阈值上,tableSizeFor会把t重新计算到2的次幂给扩容数组大小
if (t > threshold)
threshold = tableSizeFor(t);
}
// 如果当前Map已经初始化,且这个map中的元素个数大于扩容的阀值就得扩容
// 这种情况属于预先扩大容量，再put元素
else if (s > threshold)
// 后面展开说
resize();
// 遍历map,将map中的key和value都添加到HashMap中
for (Map.Entry<? extends K, ? extends V> e : m.entrySet()) {
K key = e.getKey();
V value = e.getValue();
// 调用HashMap的put方法的具体实现方法putVal来对数据进行存放。该方法的具体细节在后面会进行讲解
// putVal可能也会触发resize
putVal(hash(key), key, value, false, evict);
}
}
}
五、源码分析之常用方法解读
1、tableSizeFor方法解读
/**
* 返回给定目标容量的 2 次方。
*/
static final int tableSizeFor(int cap) {
// cap = 10
int n = cap - 1;
n |= n >>> 1;
n |= n >>> 2;
n |= n >>> 4;
n |= n >>> 8;
n |= n >>> 16;
// 小于0就是1，如果大于0在判断是不是超过最大容量就是n=15+1 = 16，超过就按最大容量
return (n < 0) ? 1 : (n >= MAXIMUM_CAPACITY) ? MAXIMUM_CAPACITY : n + 1;
}
以cap为10为例：（右移规则为：无符号位右移）
10的二进制为：0000 0000 0000 0000 0000 0000 0000 1010
执行int n = cap - 1;
二进制结果为：0000 0000 0000 0000 0000 0000 0000 1001
执行n |= n >>> 1;（先进行右移，结果和原来的数进行或运算[==有1则1==]）
0000 0000 0000 0000 0000 0000 0000 1001
0000 0000 0000 0000 0000 0000 0000 0100 n>>1结果
————————————————————
0000 0000 0000 0000 0000 0000 0000 1101 n |= n >> 1 结果
二进制结果为：0000 0000 0000 0000 0000 0000 0000 1101
执行n |= n >>> 2;
0000 0000 0000 0000 0000 0000 0000 1101
0000 0000 0000 0000 0000 0000 0000 0011 n>>2结果
————————————————————
0000 0000 0000 0000 0000 0000 0000 1111 n |= n >> 2 结果
二进制结果为：0000 0000 0000 0000 0000 0000 0000 1111
执行n |= n >>> 4;
0000 0000 0000 0000 0000 0000 0000 1111
0000 0000 0000 0000 0000 0000 0000 0000 n>>4结果
————————————————————
0000 0000 0000 0000 0000 0000 0000 1111 n |= n >> 4 结果
二进制结果为：0000 0000 0000 0000 0000 0000 0000 1111
执行n |= n >>> 8;
0000 0000 0000 0000 0000 0000 0000 1111
0000 0000 0000 0000 0000 0000 0000 0000 n>>8结果
————————————————————
0000 0000 0000 0000 0000 0000 0000 1111 n |= n >> 8 结果
二进制结果为：0000 0000 0000 0000 0000 0000 0000 1111
执行n |= n >>> 16;
0000 0000 0000 0000 0000 0000 0000 1111
0000 0000 0000 0000 0000 0000 0000 0000 n>>16结果
————————————————————
0000 0000 0000 0000 0000 0000 0000 1111 n |= n >> 16 结果
二进制结果为：0000 0000 0000 0000 0000 0000 0000 1111
我们会发现，当数小的的时候进行到4时就不会变了我们得到的值为15，即输入10，经过此方法后得到15。遇到大的数才会明显，大家可以找个大的数字进行试试就是先右移在进行或运算。最后进行三门运算进行+1操作，最后结果为16=2^4
2、hash方法解读
static final int hash(Object key) {
int h;
return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}
先判断key是否为空，若为空则返回0。上面说了HashMap仅支持一个key为null的。若非空，则先计算key的hashCode值，赋值给h，然后把h右移16位，并与原来的h进行异或处理（相同为1，不同为0）。
注释进行谷歌翻译：
计算 key.hashCode() 并传播（XOR）更高位的哈希降低。 由于该表使用二次幂掩码，因此仅在当前掩码之上位变化的散列集将始终发生冲突。 （已知的例子是在小表中保存连续整数的 Float 键集。）因此，我们应用了一种变换，将高位的影响向下传播。 在位扩展的速度、实用性和质量之间存在折衷。 因为许多常见的散列集已经合理分布（所以不要从传播中受益），并且因为我们使用树来处理 bin 中的大量冲突，我们只是以最简单的方式对一些移位的位进行异或，以减少系统损失， 以及合并最高位的影响，否则由于表边界，这些最高位将永远不会用于索引计算。
总结：使用最简易的方式，及减少系统损失又减少了hash碰撞。
3、put方法解读
/**
* 将指定的值与此映射中的指定键相关联。即当前key应该存放在数组的哪个下标位置
* 如果映射先前包含键的映射，则替换旧的值。
*/
public V put(K key, V value) {
return putVal(hash(key), key, value, false, true);
}
/**
* 这才是真正的保存方法
* @param hash 经过hash运算后的key
* @param key 你要添加的key
* @param value 你要添加的value
* @param onlyIfAbsent 如果为真，则不要更改现有值，本次为FALSE，可以替换更改
* @param evict 如果为 false，则表处于创建模式。我们为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;
// 判断table是否为空
if ((tab = table) == null || (n = tab.length) == 0)
// 如果空的话，会先调用resize扩容,resize我们后面展开讲解
n = (tab = resize()).length;
// 把通过hash得到的值与数组大小-1进行与运算，这个运算就可以实现取模运算，而且位运算还有个好处，就是速度比较快。
// 得到key所对应的数组的节点，然后把该数组节点赋值给p,然后判断这个位置是不是有元素
if ((p = tab[i = (n - 1) & hash]) == null)
// key、value包装成newNode节点，直接添加到此位置。
tab[i] = newNode(hash, key, value, null);
// 如果当前数组下标位置已经有元素了，又分为三种情况。
else {
Node<K,V> e; K k;
// 当前位置元素的hash值等于传过来的hash，并且他们的key值也相等
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
// 则把p赋值给e，后续需要新值把旧值替换
e = p;
// 来到这里说明该节点的key与原来的key不同，则看该节点是红黑树，还是链表
else if (p instanceof TreeNode)
// 如果是红黑树，则通过红黑树的方式，把key-value存到红黑树中。后面再讲解这个方法
e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
else {
// 来到这里说明结构为链表，把key-value使用尾插法插到链表尾。
// jdk1.7 链表是头插入法，在并发扩容时会造成死循环
// jdk1.8 就把头插入法换成了尾插入法，虽然效率上有点稍微降低一些，但是不会出现死循环
for (int binCount = 0; ; ++binCount) {
// 遍历该链表，知道知道下一个节点为null。
if ((e = p.next) == null) {
// 说明到链表尾部，然后把尾部的next指向新生成的对象
p.next = newNode(hash, key, value, null);
// 如果链表的长度大于等于8
if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st
// 则链表转化成为红黑树 后面再补充
treeifyBin(tab, hash);
break;
}
// 如果在链表中找到了相同key的话，直接退出循环
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
break;
p = e;
}
}
// 说明发生了碰撞，e代表的是旧值，需要替换为新值
if (e != null) { // existing mapping for key
V oldValue = e.value;
// 判断是不是允许覆盖旧值，和旧值是否为空
if (!onlyIfAbsent || oldValue == null)
// 把旧值替换
e.value = value;
// hashmap没有任何实现，我们先不考虑
afterNodeAccess(e);
// 返回新值
return oldValue;
}
}
// fail-fast机制每次对结构改变进行+1
++modCount;
// 判断HashMap中的存的数据大小，如果大于数组长度*0.75，就要进行扩容
if (++size > threshold)
resize();
// 也是一个空的实现
afterNodeInsertion(evict);
return null;
}
4、resize方法解读
看不清查看原链接：高清图链接
/**
* 初始化或者是将table大小加倍,如果为空，则按threshold分配空间，
* 否则加倍后，每个容器中的元素在新table中要么呆在原索引处，要么有一个2的次幂的位移
*/
final Node<K,V>[] resize() {
// 原来的数据
Node<K,V>[] oldTab = table;
// 获取原来的数组大小
int oldCap = (oldTab == null) ? 0 : oldTab.length;
// 旧数组的扩容阈值，注意看，这里取的是当前对象的 threshold 值，下边的第2种情况会用到。
int oldThr = threshold;
// 初始化新数组的容量和阈值
int newCap, newThr = 0;
// 1.当旧数组的容量大于0时，说明在这之前肯定调用过 resize扩容过一次，才会导致旧容量不为0。
if (oldCap > 0) {
// 容量达到最大
if (oldCap >= MAXIMUM_CAPACITY) {
// 扩容的大小设置为上限
threshold = Integer.MAX_VALUE;
// 直接返回默认原来的，无法在扩了
return oldTab;
}
// 如果旧容量是在16到上限之间
else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&
oldCap >= DEFAULT_INITIAL_CAPACITY)
// 新数组的容量和阈值都扩大原来的2倍
newThr = oldThr << 1; // double threshold
}
// 2. 到这里 oldCap <= 0， oldThr(threshold) > 0，这就是 map 初始化的时候，
// 第一次调用 resize的情况
else if (oldThr > 0) // initial capacity was placed in threshold
newCap = oldThr;
// 3. 到这里，说明 oldCap 和 oldThr 都是小于等于0的。也说明我们的map是通过默认无参构造来创建的
else { // zero initial threshold signifies using defaults
newCap = DEFAULT_INITIAL_CAPACITY;// 16
newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);// 12
}
// 只有经过2.才会进入
if (newThr == 0) {
float ft = (float)newCap * loadFactor;
// 把计算后的ft符合大小，则赋值newThr
newThr = (newCap < MAXIMUM_CAPACITY && ft < (float)MAXIMUM_CAPACITY ?
(int)ft : Integer.MAX_VALUE);
}
// 最后得到要扩容的大小
threshold = newThr;
// 用于抑制编译器产生警告信息
@SuppressWarnings({"rawtypes","unchecked"})
// 在构造函数时，并没有创建数组，在第一次调用put方法，导致resize的时候，才会把数组创建出来。
// 这是为了延迟加载，提高效率。
Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap];
table = newTab;
// 判断原来的数组有没有值，如果没有则把刚刚创建的数组进行返回
if (oldTab != null) {
// 便利旧数组
for (int j = 0; j < oldCap; ++j) {
Node<K,V> e;
// 判断当前元素是否为空
if ((e = oldTab[j]) != null) {
oldTab[j] = null;
// 如果第一个元素的下一个元素为null，说明链表只有一个
if (e.next == null)
// 则直接用它的hash值和新数组的容量取模就行(这样运算效率高)，得到新的下标位置
newTab[e.hash & (newCap - 1)] = e;
// 如果是红黑树
else if (e instanceof TreeNode)
// 则拆分红黑树，这个小编就不带着往下深究了,感兴趣可以自己点进去看看
((TreeNode<K,V>)e).split(this, newTab, j, oldCap);
// 说明是链表且长度大于1
else { // preserve order
// 链表旧位置的头尾节点
Node<K,V> loHead = null, loTail = null;
// 链表新位置的头尾节点
Node<K,V> hiHead = null, hiTail = null;
Node<K,V> next;
// 这里小编不太明白了，只能参考大佬的讲解，还是有点懵逼，等有时间懂了再来重新梳理
do {
next = e.next;
// 如果当前元素的hash值和oldCap做与运算为0，则原位置不变
if ((e.hash & oldCap) == 0) {
if (loTail == null)
loHead = e;
else
loTail.next = e;
loTail = e;
}
// 不为0则把数据移动到新位置
else {
if (hiTail == null)
hiHead = e;
else
hiTail.next = e;
hiTail = e;
}
} while ((e = next) != null);
// 原位置不变的一条链表，数组下标不变
if (loTail != null) {
loTail.next = null;
newTab[j] = loHead;
}
// 移动到新位置的一条链表，数组下标为原下标加上旧数组的容量
if (hiTail != null) {
hiTail.next = null;
newTab[j + oldCap] = hiHead;
}
}
}
}
}
return newTab;
}
5、get和containsKey方法解读
/**
* 根据key获取对应的value
*/
public V get(Object key) {
Node<K,V> e;
// 调用后存在就获取元素的value返回
return (e = getNode(hash(key), key)) == null ? null : e.value;
}
/**
* 判断key是否在map中存在
*/
public boolean containsKey(Object key) {
// 调用方法存在及不为null
return getNode(hash(key), key) != null;
}
/**
* 我们发现底层都是getNode来进行干活的
*/
final Node<K,V> getNode(int hash, Object key) {
Node<K,V>[] tab; Node<K,V> first, e; int n; K k;
// 判断数组不能为空，然后取到当前hash值计算出来的下标位置的第一个元素
if ((tab = table) != null && (n = tab.length) > 0 &&
(first = tab[(n - 1) & hash]) != null) {
// 如果hash值和key都相等并不为null，则说明我们要找的就是第一个元素
if (first.hash == hash && // always check first node
((k = first.key) == key || (key != null && key.equals(k))))
// 返回第一个元素
return first;
// 如果不是第一个就接着往下找
if ((e = first.next) != null) {
// 如果是红黑树
if (first instanceof TreeNode)
// 则以红黑树的查找方式进行获取到我们想要的key对应的值
return ((TreeNode<K,V>)first).getTreeNode(hash, key);
// 这里说明为普通链表，我们依次往下找即可
do {
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
return e;
} while ((e = e.next) != null);
}
}
// 找不到key对应的值，返回null
return null;
}
6、remove方法解读
/**
* 如果key存在，就把元素删除
*/
public V remove(Object key) {
Node<K,V> e;
return (e = removeNode(hash(key), key, null, false, true)) == null ?
null : e.value;
}
/**
* 删除方法的具体实现
* @param hash 经过hash运算后的key
* @param key 你要移除的key
* @param value 你要移除的value
* @param matchValue 如果为真，则仅在值相等时删除，我们为FALSE，key相同即删除
* @param movable 如果为假，则在删除时不要移动其他节点，我们为TRUE，删除移动其他节点
*/
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;
// 判断table不为空，链表不为空
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;
// 数组中的第一个节点就是我们要删除的节点
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
// 要删除的节点给node
node = p;
// 第一个不是，并且后面还有节点
else if ((e = p.next) != null) {
// 如果是红黑树
if (p instanceof TreeNode)
// 在红黑树中找到返回
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)))) {
// 找到要删除的node
node = e;
break;
}
p = e;
} while ((e = e.next) != null);
}
}
// 这里说明我们要删除的节点已找到
if (node != null && (!matchValue || (v = node.value) == value ||
(value != null && value.equals(v)))) {
// 如果为红黑树，就按红黑树进行删除
if (node instanceof TreeNode)
((TreeNode<K,V>)node).removeTreeNode(this, tab, movable);
//我们要删除的是头节点
else if (node == p)
tab[index] = node.next;// 由于删除的是首节点，那么直接将节点数组对应位置指向到第二个节点即可
//不是头节点，将当前节点指向删除节点的下一个节点
else
p.next = node.next;// p的下一个节点指向到node的下一个节点即可把node从链表中删除了
// 操作+1
++modCount;
// map大小-1
--size;
// 空的实现
afterNodeRemoval(node);
// 返回删除的节点
return node;
}
}
return null;
}
六、总结
Has和Map得底层还是很多的，里面用的一些逻辑和算法，都是很牛皮的、耐人琢磨的。oracle里的人才还是厉害啊，你看都看不明白，人家就能设计出来，实现出来。真的是你我皆为蝼蚁，只不过是一个个搬砖工具人呀。哈哈，对自己的一个自嘲哈，共勉！！看到这里了，点个赞吧，小编码字实属不易呀！！谢谢了！！
环境大家关注小编的微信公众号！谢谢大家!
推广自己网站时间到了！！！
