初始化
从HashMap 源码中我们可以发现，HashMap的初始化有一下四种方式
//HashMap默认的初始容量大小 16，容量必须是2的幂
static final int DEFAULT_INITIAL_CAPACITY = 1 << 4;
// HashMap最大容量
static final int MAXIMUM_CAPACITY = 1 << 30;
// 扩容阈值，当容量超过这个阈值时触发HashMap的扩容流程
int threshold;
// 加载因子，即数组填满的程度，也可以理解为数组的利用率,我们可以通过自己指定加载因子来决定数据的扩容时机
// 因子越大利用率越高，随之hash冲突的几率也更高
// 因子越小，hash冲突的几率更小，但是浪费空间
final float loadFactor;
/**
* 第一种通过指定容量和加载因子创建一个空的hashMap
* @param initialCapacity 初始容量
* @param loadFactor 加载因子
*/
public HashMap(int initialCapacity, float loadFactor) {
if (initialCapacity < 0)
throw new IllegalArgumentException("Illegal initial capacity: " +
initialCapacity);
if (initialCapacity > MAXIMUM_CAPACITY)
// 指定初始容量大于最大值时重置为最大值
initialCapacity = MAXIMUM_CAPACITY;
if (loadFactor <= 0 || Float.isNaN(loadFactor))
throw new IllegalArgumentException("Illegal load factor: " +
loadFactor);
this.loadFactor = loadFactor;
// 根据指定的初始容量计算出扩容的阈值
this.threshold = tableSizeFor(initialCapacity);
}
/**
* 返回一个2的次幂的阈值，这里通过或运算和位运算，计算得到离指定参数最近的2的次幂数
* Returns a power of two size for the given target capacity.
*/
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;
}
/**
* 第二种通过指定初始容量创建，默认加载因子 0.75
* @param initialCapacity 初始容量
*/
public HashMap(int initialCapacity) {
// 此处发现是直接调用的是第一种方法
this(initialCapacity, DEFAULT_LOAD_FACTOR);
}
/**
* 第三种创建空对象，指定默认加载因子
*/
public HashMap() {
this.loadFactor = DEFAULT_LOAD_FACTOR; // all other fields defaulted
}
/**
* 第四种传入一个已有map结构数据，创建一个新的HashMap
* @param m the map whose mappings are to be placed in this map
*/
public HashMap(Map<? extends K, ? extends V> m) {
this.loadFactor = DEFAULT_LOAD_FACTOR;
putMapEntries(m, false);
}
// 从以上几种创建方式我们发现HashMap在初始化时并不会设置初始容量，第一种方法中的参数也只是用于计算扩容的阈值，那么HashMap是什么时候才会初始化容量值呢？我们往下看。
put流程
public V put(K key, V value) {
// put流程是先计算出key的hash值，然后再调用put方法执行插入流程
return putVal(hash(key), key, value, false, true);
}
// 开始put流程
/**
1. @param hash hash for key
2. @param key the key
3. @param value the value to put
4. @param onlyIfAbsent if true, don't change existing value
5. @param evict if false, the table is in creation mode.
6. @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;
// 如果数组为空或者长度为0,直接从 resize() 方法获取长度， 这里 resize() 做了哪些事情我们先不关注，继续往下看
if ((tab = table) == null || (n = tab.length) == 0)
n = (tab = resize()).length;
if ((p = tab[i = (n - 1) & hash]) == null)
// (n - 1) & hash 计算key的下标，思考为什么要这么算？
// 此处判断是否存在hash冲突，如果key所在下标为空直接创建node对象赋值
tab[i] = newNode(hash, key, value, null);
else {
// 这里是发生了hash冲突的处理流程，p 就是冲突的Node
Node<K,V> e; K k;
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
// 如果冲突的Node hash值与插入的相等，key也相等，则直接将旧值赋值给 e
e = p;
else if (p instanceof TreeNode)
// 如果hash不等并且key不等，并且Node已经转成红黑树结构，则使用红黑树的方式插入元素
e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
else {
// 如果hash不等并且key不等，并且还是链表结构，则遍历链表中的元素，
for (int binCount = 0; ; ++binCount) {
if ((e = p.next) == null) {
// 遍历链表，知道链表的最后一个元素，新建一个Node 赋值给节点的next
p.next = newNode(hash, key, value, null);
// 插入后判断此时链表的长度是否超过红黑树的阈值8，数组的长度是否超过64，超过则转换成红黑树结构
if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st
treeifyBin(tab, hash);
// 跳出循环
break;
}
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
// 如果链表上元素值与插入值相等，跳出循环
break;
// 如果元素不是最后节点，并且与插入元素不等，进行下一轮循环
p = e;
}
}
if (e != null) { // existing mapping for key
// 通过上面的流程如果e不为空说明值已存在，拿出旧值 oldValue，并返回
V oldValue = e.value;
if (!onlyIfAbsent || oldValue == null)
e.value = value;
afterNodeAccess(e); // 空实现
return oldValue;
}
}
// 走到这一步说明插入的值不存在，数组长度size+1
++modCount;
if (++size > threshold)
// 判断插入元素后是否超过阈值，超过则扩容
resize();
afterNodeInsertion(evict); // 空实现
return null;
}
分析完hashMap的put流程，下面我们做个简单总结，看看在put方法中主要做了哪些事情
- 首先判断数组是否为空，如果为空创建长度16的数组
- 通过与运算计算数组下标，如果对应下标没有元素直接创建新元素
- 如果对应小标已有元素，说明发生了hash冲突
先判断冲突的两个元素的hash值和key值是否相等，如果相等将值赋值给e变量
如果key不等，判断是否红黑树结构，如果是红黑树直接使用红黑树的方法新增元素
如果key不等并且不是红黑树结构，说明还是链表结构，直接遍历链表中的元素，如果数组长度超过阈值转换为红黑树 - 看得到的元素e是否为null，如果不为null说明元素已经存在，更新新值并返回旧值
- 如果e为null，说明没有重复元素，数组长度+1，modCount+1 最后再次判断数组长度是否超过阈值，大于则扩容
下面我们继续分析put方法中的几个重要的方法
hash - key的hash计算
static final int hash(Object key) {
int h;
return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}
这里我们思考hashMap为什么要这样计算key的hash值呢？
我们先来看看他的运算过程
1.先判断key是否为null,如果为null，赋值为0
2.如果不为null,先获取key的hashCode()值，然后将hashCode的高16位右移到低位得到新值，最后将新值异或旧值得到最终结果
这样做的目的是为了将key分布的更加均匀
resize - 扩容
/**
* Initializes or doubles table size. If null, allocates in
* accord with initial capacity target held in field threshold.
* Otherwise, because we are using power-of-two expansion, the
* elements from each bin must either stay at same index, or move
* with a power of two offset in the new table.
*
* @return the table
*/
final Node<K,V>[] resize() {
Node<K,V>[] oldTab = table;
// 老容量
int oldCap = (oldTab == null) ? 0 : oldTab.length;
// 老阈值
int oldThr = threshold;
// 初始化新容量和阈值
int newCap, newThr = 0;
if (oldCap > 0) {
// 如果老容量大于0，说明数组中已有元素
if (oldCap >= MAXIMUM_CAPACITY) {
// 如果老容量大于容量最大值直接返回，阈值也设置为Integer最大值
threshold = Integer.MAX_VALUE;
return oldTab;
}
else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&
oldCap >= DEFAULT_INITIAL_CAPACITY)
// 如果老容量没到最大值，并且*2之后小于最大值， 并且大于等于初始容量,阈值也直接*2
newThr = oldThr << 1; // double threshold
}
else if (oldThr > 0) // initial capacity was placed in threshold
// 如果老阈值大于0，新容量设置为老阈值
newCap = oldThr;
else { // zero initial threshold signifies using defaults
// 走到这里说明容量和阈值都是0，初始化是调用resize(),就会走到这个判断，那么设置新容量为默认值16，阈值为容量16*0.75=12
newCap = DEFAULT_INITIAL_CAPACITY;
newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);
}
if (newThr == 0) {
// 新阈值等于0，新容量*加载因子得到阈值，然后判断新容量小于最大值，并且新阈值小于最大值都使用新的阈值，否则设置为最大值
float ft = (float)newCap * loadFactor;
newThr = (newCap < MAXIMUM_CAPACITY && ft < (float)MAXIMUM_CAPACITY ?
(int)ft : Integer.MAX_VALUE);
}
threshold = newThr;
// 创建一个新容量长度的新数组
Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap];
// 将新数组赋值给数组
table = newTab;
if (oldTab != null) {
// 遍历老数组中每个元素
for (int j = 0; j < oldCap; ++j) {
Node<K,V> e;
// 遍历老数组
if ((e = oldTab[j]) != null) {
// 取出值然后设置为空
oldTab[j] = null;
if (e.next == null)
// 如果元素没有链表，重新计算元素在新数组的下标并赋值
newTab[e.hash & (newCap - 1)] = e;
else if (e instanceof TreeNode)
// 如果元素是红黑树结构，调用split方法将数放入新的数组
((TreeNode<K,V>)e).split(this, newTab, j, oldCap);
else { // preserve order
// 元素是链表，循环遍历将元素放入新数组
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;
}
HashMap中在初始化和扩容（链表长度大于8并且数组长度小于64）的时候都会调用resize方法，我们看看这个方法里主要做了哪些事
- 先判断老容量是否大于0，如果大于0并且大于等于最大值，设置阈值为Integer最大值，如果老容量小于最大值，并且2之后的容量也小于最大值，并且老容量大于等于默认值16，设置新阈值为老阈值2
- 如果老阈值大于0，设置新容量等于老阈值。
- 如果老容量和老阈值都不大于0，说明是新数组进度初始化，容量为16，阈值为16*0.75=12
- 如果新阈值还是0，用新容量*0.75得到一个阈值，然后判断阈值范围得到最终的新阈值
- 将得到的新阈值和新数组分别设置到HashMap的实例属性中
- 如果老数据不为空，则重新计算元素小标插入新的数组中
newNode - 创建新元素
Node<K,V> newNode(int hash, K key, V value, Node<K,V> next) {
return new Node<>(hash, key, value, next);
}
putTreeVal - 元素插入红黑树
/**
* Tree version of putVal.
*/
final TreeNode<K,V> putTreeVal(HashMap<K,V> map, Node<K,V>[] tab, int h, K k, V v) {
// key的Class对象
Class<?> kc = null;
boolean searched = false;
// 获取根节点
TreeNode<K,V> root = (parent != null) ? root() : this;
// 开始循环遍历红黑树中所有节点
for (TreeNode<K,V> p = root;;) {
// dir 是一个标识，1表示放在节点右边，-1表示放在节点左边
// ph 当前节点的hash
// pk 当前节点的key
int dir, ph; K pk;
if ((ph = p.hash) > h)
dir = -1;
else if (ph < h)
dir = 1;
else if ((pk = p.key) == k || (k != null && k.equals(pk)))
// 判断当前节点的值和插入的值一样，直接返回获取的节点
return p;
else if ((kc == null &&
(kc = comparableClassFor(k)) == null) ||
(dir = compareComparables(kc, k, pk)) == 0) {
// 当前节点的hash值相等，但是equals不等
if (!searched) {
// searched 标识是否已经比较当前节点的左右子节点
TreeNode<K,V> q, ch;
searched = true;
// 在节点的节点的左右子节点递归查找，如果找到相同的值则直接返回
if (((ch = p.left) != null &&
(q = ch.find(h, k, kc)) != null) ||
((ch = p.right) != null &&
(q = ch.find(h, k, kc)) != null))
return q;
}
// 走到这一步说明没有找到相同的节点，比较插入的key和当前节点的key,计算出元素是往左插入还是往右插入
dir = tieBreakOrder(k, pk);
}
TreeNode<K,V> xp = p;
// 如果计算得到的dir 小于等于0，往左插入，大于0往右插入，并且节点为空
if ((p = (dir <= 0) ? p.left : p.right) == null) {
Node<K,V> xpn = xp.next;
TreeNode<K,V> x = map.newTreeNode(h, k, v, xpn);
if (dir <= 0)
xp.left = x;
else
xp.right = x;
// 将当前节点的下一个节点指向新节点
xp.next = x;
// 新节点的父节点和前节点设置为当前节点
x.parent = x.prev = xp;
if (xpn != null)
((TreeNode<K,V>)xpn).prev = x;
// 重新平衡红黑树
moveRootToFront(tab, balanceInsertion(root, x));
return null;
}
}
}
treeifyBin - 红黑树扩容
/**
* Replaces all linked nodes in bin at index for given hash unless
* table is too small, in which case resizes instead.
*/
final void treeifyBin(Node<K,V>[] tab, int hash) {
int n, index; Node<K,V> e;
if (tab == null || (n = tab.length) < MIN_TREEIFY_CAPACITY)
// 数组为空或者链表长度大于8，并且数组长度小于64,进行扩容
resize();
else if ((e = tab[index = (n - 1) & hash]) != null) {
// 将链表转成红黑树
TreeNode<K,V> hd = null, tl = null;
do {
// 将原链表中节点重新创建新的红黑树节点
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);
if ((tab[index] = hd) != null)
// 头节点不为空调用该方法转红黑树
hd.treeify(tab);
}
}
/**
* Forms tree of the nodes linked from this node.
* @return root of tree
*/
final void treeify(Node<K,V>[] tab) {
// 定义一个根节点
TreeNode<K,V> root = null;
// 遍历链表，this表示当前节点，next表示下一节点
for (TreeNode<K,V> x = this, next; x != null; x = next) {
next = (TreeNode<K,V>)x.next;
x.left = x.right = null;
if (root == null) {
// root为空说明是第一个节点，将父节点设置为空
x.parent = null;
x.red = false;
root = x;
}
else {
// 处理后续节点，获取当前节点的key,hash，这里逻辑跟往红黑树中插入元素基本一致
K k = x.key;
int h = x.hash;
Class<?> kc = null;
for (TreeNode<K,V> p = root;;) {
int dir, ph;
K pk = p.key;
if ((ph = p.hash) > h)
dir = -1;
else if (ph < h)
dir = 1;
else if ((kc == null &&
(kc = comparableClassFor(k)) == null) ||
(dir = compareComparables(kc, k, pk)) == 0)
dir = tieBreakOrder(k, pk);
TreeNode<K,V> xp = p;
if ((p = (dir <= 0) ? p.left : p.right) == null) {
x.parent = xp;
if (dir <= 0)
xp.left = x;
else
xp.right = x;
root = balanceInsertion(root, x);
break;
}
}
}
}
// 把所有的链表节点都遍历完之后，最终构造出来的树可能经历多个平衡操作，根节点目前到底是链表的哪一个节点是不确定的
// 因为我们要基于树来做查找，所以就应该把 tab[N] 得到的对象一定根节点对象，而目前只是链表的第一个节点对象，所以要做相应的处理。
moveRootToFront(tab, root);
}
HashMap 在 Put 时，新链表节点是放在头部还是尾部
// 上面我们分析完HashMap的put流程，从下面这段代码可以看出1.8是采用尾插法新增元素
for (int binCount = 0; ; ++binCount) {
if ((e = p.next) == null) {
p.next = newNode(hash, key, value, null);
if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st
treeifyBin(tab, hash);
break;
}
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
break;
p = e;
}
1.8如何减少hash冲突
什么是hash冲突
哈希冲突是由于hash算法被计算的数据是无限的,而计算后的结果范围是有限的，所以总会存在不同的数据计算后得到的值是一样的,那将会存在同一个位置,就会出现哈希冲突。
解决哈希冲突的方法
开放地址法：也称线性探测法,就是从发生冲突的那个位置,按照一定次序从Hash表中找到一个空闲的位置, 把发生冲突的元素存入到这个位置。而在java种ThreadLocal就用到了线性探测法,来解决Hash冲突。
链式寻址法：通过单向链表的方式来解决哈希冲突，Hashmap就是用了这个方法。(但会存在链表过长增加遍历时间)
再哈希法：key通过某个哈希函数计算得到冲突的时候,再次使用哈希函数的方法对key哈希一直运算直到不产生冲突为止 （耗时间,性能会有影响）
建立公共溢出区:就是把Hash表分为基本表和溢出表两个部分，凡是存在冲突的元素，一律放到溢出表中
HashMap在JDK1.8版本中是通过链式寻址法以及红黑树来解决Hash冲突的问题，其中红黑树是为了优化Hash表的链表过长导致时间复杂度增加的问题，当链表长度大于等于8并且Hash表的容量大于64的时候，再向链表添加元素，就会触发链表向红黑树的一个转化
get流程
public V get(Object key) {
Node<K,V> e;
return (e = getNode(hash(key), key)) == null ? null : e.value;
}
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 &&
(first = tab[(n - 1) & hash]) != null) {
// 数组不为空，并且数组长度大于0并且所查找的key对应下标不为空
if (first.hash == hash && // always check first node
((k = first.key) == key || (key != null && key.equals(k))))
// 如果key,hash相等直接返回
return first;
if ((e = first.next) != null) {
// 查找后续链表
if (first instanceof TreeNode)
// 如果节点是红黑树，则以红黑树的方式查找
return ((TreeNode<K,V>)first).getTreeNode(hash, key);
do {
// 到这里说明是链表，遍历链表查找匹配的元素，否则直接返回空
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
return e;
} while ((e = e.next) != null);
}
}
return null;
}
加载因子为什么是0.75
加载因子 = 填入表中的元素个数 / 散列表的长度
加载因子越大，填满的元素越多，空间利用率越高，但发生冲突的机会变大了；
加载因子越小，填满的元素越少，冲突发生的机会减小，但空间浪费了更多了，而且还会提高扩容rehash操作的次数。
冲突的机会越大，说明需要查找的数据还需要通过另一个途径查找，这样查找的成本就越高。因此，必须在“冲突的机会”与“空间利用率”之间，寻找一种平衡与折衷。
负载因子是0.75的时候，空间利用率比较高，而且避免了相当多的Hash冲突，使得底层的链表或者是红黑树的高度比较低，提升了空间效率。
HashMap 的容量为什么建议是 2的幂次方？
如果不是2的幂次方的话，会导致大量的key存在同一个槽中，导致链表集中部分的槽上，影响性能
HashMap的并发问题
死循环：在链表转换成红黑数的时候无法跳出等多个地方都会出现这个问题。
put数据丢失
size计算不准：size只是用了transient关键字修饰,在各个线程中的size不会及时同步，在多个线程操作的时候，size将会被覆盖。
HashMap 在 JDK 1.8 有什么改变
结构变化：1.7是数组+链表，1.8是数组+链表+红黑树
插入方式：1.7是头插法，1.8是尾插法
拉链法导致的链表过深问题为什么不用二叉查找树代替，而选择红黑树？为什么不一直使用红黑树？
选择红黑树是为了解决二叉查找树的缺陷，二叉查找树在特殊情况下会变成一条线性结构（这就跟原来使用链表结构一样了，造成很深的问题），遍历查找会非常慢。而红黑树在插入新数据后可能需要通过左旋，右旋、变色这些操作来保持平衡，引入红黑树就是为了查找数据快，解决链表查询深度的问题，我们知道红黑树属于平衡二叉树，但是为了保持“平衡”是需要付出代价的，但是该代价所损耗的资源要比遍历线性链表要少，所以当长度大于8的时候，会使用红黑树，如果链表长度很短的话，根本不需要引入红黑树，引入反而会慢。
