摘要
HashMap是Java程序員使用頻率最高的用于映射(鍵值對)處理的數(shù)據(jù)類型浅妆。隨著JDK（Java Developmet Kit）版本的更新，JDK1.8對HashMap底層的實(shí)現(xiàn)進(jìn)行了優(yōu)化障癌，例如引入紅黑樹的數(shù)據(jù)結(jié)構(gòu)和擴(kuò)容的優(yōu)化等凌外。本文結(jié)合JDK1.7和JDK1.8的區(qū)別，深入探討HashMap的結(jié)構(gòu)實(shí)現(xiàn)和功能原理涛浙。
簡介
Java為數(shù)據(jù)結(jié)構(gòu)中的映射定義了一個(gè)接口java.util.Map康辑，此接口主要有四個(gè)常用的實(shí)現(xiàn)類摄欲，分別是HashMap、Hashtable疮薇、LinkedHashMap和TreeMap胸墙，類繼承關(guān)系如下圖所示：
下面針對各個(gè)實(shí)現(xiàn)類的特點(diǎn)做一些說明：
(1) HashMap：它根據(jù)鍵的hashCode值存儲(chǔ)數(shù)據(jù)，大多數(shù)情況下可以直接定位到它的值按咒，因而具有很快的訪問速度迟隅，但遍歷順序卻是不確定的。 HashMap最多只允許一條記錄的鍵為null励七，允許多條記錄的值為null智袭。HashMap非線程安全，即任一時(shí)刻可以有多個(gè)線程同時(shí)寫HashMap掠抬，可能會(huì)導(dǎo)致數(shù)據(jù)的不一致吼野。如果需要滿足線程安全，可以用 Collections的synchronizedMap方法使HashMap具有線程安全的能力剿另，或者使用ConcurrentHashMap。
(2) Hashtable：Hashtable是遺留類贬蛙，很多映射的常用功能與HashMap類似雨女，不同的是它承自Dictionary類谤饭，并且是線程安全的束凑，任一時(shí)間只有一個(gè)線程能寫Hashtable，并發(fā)性不如ConcurrentHashMap边坤，因?yàn)镃oncurrentHashMap引入了分段鎖野蝇。Hashtable不建議在新代碼中使用讼稚，不需要線程安全的場合可以用HashMap替換，需要線程安全的場合可以用ConcurrentHashMap替換绕沈。
(3) LinkedHashMap：LinkedHashMap是HashMap的一個(gè)子類锐想，保存了記錄的插入順序，在用Iterator遍歷LinkedHashMap時(shí)乍狐，先得到的記錄肯定是先插入的赠摇，也可以在構(gòu)造時(shí)帶參數(shù)，按照訪問次序排序浅蚪。
(4) TreeMap：TreeMap實(shí)現(xiàn)SortedMap接口藕帜，能夠把它保存的記錄根據(jù)鍵排序，默認(rèn)是按鍵值的升序排序惜傲，也可以指定排序的比較器洽故，當(dāng)用Iterator遍歷TreeMap時(shí)，得到的記錄是排過序的盗誊。如果使用排序的映射时甚，建議使用TreeMap隘弊。在使用TreeMap時(shí)，key必須實(shí)現(xiàn)Comparable接口或者在構(gòu)造TreeMap傳入自定義的Comparator撞秋，否則會(huì)在運(yùn)行時(shí)拋出java.lang.ClassCastException類型的異常长捧。
對于上述四種Map類型的類，要求映射中的key是不可變對象吻贿。不可變對象是該對象在創(chuàng)建后它的哈希值不會(huì)被改變串结。如果對象的哈希值發(fā)生變化，Map對象很可能就定位不到映射的位置了舅列。
通過上面的比較肌割，我們知道了HashMap是Java的Map家族中一個(gè)普通成員，鑒于它可以滿足大多數(shù)場景的使用條件帐要，所以是使用頻度最高的一個(gè)把敞。下文我們主要結(jié)合源碼，從存儲(chǔ)結(jié)構(gòu)榨惠、常用方法分析奋早、擴(kuò)容以及安全性等方面深入講解HashMap的工作原理。
內(nèi)部實(shí)現(xiàn)
搞清楚HashMap赠橙，首先需要知道HashMap是什么耽装，即它的存儲(chǔ)結(jié)構(gòu)-字段；其次弄明白它能干什么期揪，即它的功能實(shí)現(xiàn)-方法掉奄。下面我們針對這兩個(gè)方面詳細(xì)展開講解。
存儲(chǔ)結(jié)構(gòu)-字段
從結(jié)構(gòu)實(shí)現(xiàn)來講凤薛，HashMap是數(shù)組+鏈表+紅黑樹（JDK1.8增加了紅黑樹部分）實(shí)現(xiàn)的姓建，如下如所示。
這里需要講明白兩個(gè)問題：數(shù)據(jù)底層具體存儲(chǔ)的是什么缤苫？這樣的存儲(chǔ)方式有什么優(yōu)點(diǎn)呢速兔？
(1) 從源碼可知，HashMap類中有一個(gè)非常重要的字段活玲，就是 Node[] table憨栽，即哈希桶數(shù)組，明顯它是一個(gè)Node的數(shù)組翼虫。我們來看Node[JDK1.8]是何物屑柔。
static class Node implements Map.Entry {
? ? ? ? final int hash;? ? //用來定位數(shù)組索引位置
? ? ? ? final K key;
? ? ? ? V value;
? ? ? ? Node next;? //鏈表的下一個(gè)node
? ? ? ? Node(int hash, K key, V value, Node next) { ... }
? ? ? ? public final K getKey(){ ... }
? ? ? ? public final V getValue() { ... }
? ? ? ? public final String toString() { ... }
? ? ? ? public final int hashCode() { ... }
? ? ? ? public final V setValue(V newValue) { ... }
? ? ? ? public final boolean equals(Object o) { ... }
}
Node是HashMap的一個(gè)內(nèi)部類，實(shí)現(xiàn)了Map.Entry接口珍剑，本質(zhì)是就是一個(gè)映射(鍵值對)掸宛。上圖中的每個(gè)黑色圓點(diǎn)就是一個(gè)Node對象。
(2) HashMap就是使用哈希表來存儲(chǔ)的招拙。哈希表為解決沖突唧瘾，可以采用開放地址法和鏈地址法等來解決問題措译，Java中HashMap采用了鏈地址法。鏈地址法饰序，簡單來說领虹，就是數(shù)組加鏈表的結(jié)合。在每個(gè)數(shù)組元素上都一個(gè)鏈表結(jié)構(gòu)求豫，當(dāng)數(shù)據(jù)被Hash后塌衰，得到數(shù)組下標(biāo)，把數(shù)據(jù)放在對應(yīng)下標(biāo)元素的鏈表上蝠嘉。例如程序執(zhí)行下面代碼：
? ? map.put("美團(tuán)","小美");
系統(tǒng)將調(diào)用"美團(tuán)"這個(gè)key的hashCode()方法得到其hashCode 值（該方法適用于每個(gè)Java對象）最疆，然后再通過Hash算法的后兩步運(yùn)算（高位運(yùn)算和取模運(yùn)算，下文有介紹）來定位該鍵值對的存儲(chǔ)位置蚤告，有時(shí)兩個(gè)key會(huì)定位到相同的位置努酸，表示發(fā)生了Hash碰撞。當(dāng)然Hash算法計(jì)算結(jié)果越分散均勻杜恰，Hash碰撞的概率就越小获诈，map的存取效率就會(huì)越高。
如果哈希桶數(shù)組很大心褐，即使較差的Hash算法也會(huì)比較分散舔涎，如果哈希桶數(shù)組數(shù)組很小，即使好的Hash算法也會(huì)出現(xiàn)較多碰撞檬寂，所以就需要在空間成本和時(shí)間成本之間權(quán)衡终抽，其實(shí)就是在根據(jù)實(shí)際情況確定哈希桶數(shù)組的大小戳表，并在此基礎(chǔ)上設(shè)計(jì)好的hash算法減少Hash碰撞桶至。那么通過什么方式來控制map使得Hash碰撞的概率又小，哈希桶數(shù)組（Node[] table）占用空間又少呢匾旭？答案就是好的Hash算法和擴(kuò)容機(jī)制镣屹。
在理解Hash和擴(kuò)容流程之前，我們得先了解下HashMap的幾個(gè)字段价涝。從HashMap的默認(rèn)構(gòu)造函數(shù)源碼可知女蜈，構(gòu)造函數(shù)就是對下面幾個(gè)字段進(jìn)行初始化，源碼如下：
? ? int threshold;? ? ? ? ? ? // 所能容納的key-value對極限
? ? final float loadFactor;? ? // 負(fù)載因子
? ? int modCount;?
? ? int size;
首先色瘩，Node[] table的初始化長度length(默認(rèn)值是16)伪窖，Load factor為負(fù)載因子(默認(rèn)值是0.75)，threshold是HashMap所能容納的最大數(shù)據(jù)量的Node(鍵值對)個(gè)數(shù)居兆。threshold = length * Load factor覆山。也就是說，在數(shù)組定義好長度之后泥栖，負(fù)載因子越大簇宽，所能容納的鍵值對個(gè)數(shù)越多勋篓。
結(jié)合負(fù)載因子的定義公式可知，threshold就是在此Load factor和length(數(shù)組長度)對應(yīng)下允許的最大元素?cái)?shù)目魏割，超過這個(gè)數(shù)目就重新resize(擴(kuò)容)譬嚣，擴(kuò)容后的HashMap容量是之前容量的兩倍。默認(rèn)的負(fù)載因子0.75是對空間和時(shí)間效率的一個(gè)平衡選擇钞它，建議大家不要修改拜银，除非在時(shí)間和空間比較特殊的情況下，如果內(nèi)存空間很多而又對時(shí)間效率要求很高须揣，可以降低負(fù)載因子Load factor的值盐股；相反，如果內(nèi)存空間緊張而對時(shí)間效率要求不高耻卡，可以增加負(fù)載因子loadFactor的值疯汁，這個(gè)值可以大于1。
size這個(gè)字段其實(shí)很好理解卵酪，就是HashMap中實(shí)際存在的鍵值對數(shù)量幌蚊。注意和table的長度length、容納最大鍵值對數(shù)量threshold的區(qū)別溃卡。而modCount字段主要用來記錄HashMap內(nèi)部結(jié)構(gòu)發(fā)生變化的次數(shù)溢豆，主要用于迭代的快速失敗。強(qiáng)調(diào)一點(diǎn)瘸羡，內(nèi)部結(jié)構(gòu)發(fā)生變化指的是結(jié)構(gòu)發(fā)生變化漩仙，例如put新鍵值對，但是某個(gè)key對應(yīng)的value值被覆蓋不屬于結(jié)構(gòu)變化犹赖。
在HashMap中队他，哈希桶數(shù)組table的長度length大小必須為2的n次方(一定是合數(shù))，這是一種非常規(guī)的設(shè)計(jì)峻村，常規(guī)的設(shè)計(jì)是把桶的大小設(shè)計(jì)為素?cái)?shù)麸折。相對來說素?cái)?shù)導(dǎo)致沖突的概率要小于合數(shù)，具體證明可以參考http://blog.csdn.net/liuqiyao_01/article/details/14475159粘昨，Hashtable初始化桶大小為11垢啼，就是桶大小設(shè)計(jì)為素?cái)?shù)的應(yīng)用（Hashtable擴(kuò)容后不能保證還是素?cái)?shù)）。HashMap采用這種非常規(guī)設(shè)計(jì)张肾，主要是為了在取模和擴(kuò)容時(shí)做優(yōu)化芭析，同時(shí)為了減少?zèng)_突，HashMap定位哈希桶索引位置時(shí)吞瞪，也加入了高位參與運(yùn)算的過程馁启。
這里存在一個(gè)問題，即使負(fù)載因子和Hash算法設(shè)計(jì)的再合理尸饺，也免不了會(huì)出現(xiàn)拉鏈過長的情況进统，一旦出現(xiàn)拉鏈過長助币，則會(huì)嚴(yán)重影響HashMap的性能。于是螟碎，在JDK1.8版本中眉菱，對數(shù)據(jù)結(jié)構(gòu)做了進(jìn)一步的優(yōu)化，引入了紅黑樹掉分。而當(dāng)鏈表長度太長（默認(rèn)超過8）時(shí)俭缓，鏈表就轉(zhuǎn)換為紅黑樹，利用紅黑樹快速增刪改查的特點(diǎn)提高HashMap的性能酥郭，其中會(huì)用到紅黑樹的插入华坦、刪除、查找等算法不从。本文不再對紅黑樹展開討論惜姐，想了解更多紅黑樹數(shù)據(jù)結(jié)構(gòu)的工作原理可以參考http://blog.csdn.net/v_july_v/article/details/6105630。
功能實(shí)現(xiàn)-方法
HashMap的內(nèi)部功能實(shí)現(xiàn)很多椿息，本文主要從根據(jù)key獲取哈希桶數(shù)組索引位置歹袁、put方法的詳細(xì)執(zhí)行、擴(kuò)容過程三個(gè)具有代表性的點(diǎn)深入展開講解寝优。
1. 確定哈希桶數(shù)組索引位置
不管增加条舔、刪除、查找鍵值對乏矾，定位到哈希桶數(shù)組的位置都是很關(guān)鍵的第一步孟抗。前面說過HashMap的數(shù)據(jù)結(jié)構(gòu)是數(shù)組和鏈表的結(jié)合，所以我們當(dāng)然希望這個(gè)HashMap里面的元素位置盡量分布均勻些钻心，盡量使得每個(gè)位置上的元素?cái)?shù)量只有一個(gè)凄硼，那么當(dāng)我們用hash算法求得這個(gè)位置的時(shí)候，馬上就可以知道對應(yīng)位置的元素就是我們要的扔役，不用遍歷鏈表帆喇，大大優(yōu)化了查詢的效率警医。HashMap定位數(shù)組索引位置亿胸，直接決定了hash方法的離散性能。先看看源碼的實(shí)現(xiàn)(方法一+方法二):
方法一：
static final int hash(Object key) {? //jdk1.8 & jdk1.7
? ? int h;
? ? // h = key.hashCode() 為第一步 取hashCode值
? ? // h ^ (h >>> 16)? 為第二步 高位參與運(yùn)算
? ? return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}
方法二：
static int indexFor(int h, int length) {? //jdk1.7的源碼预皇，jdk1.8沒有這個(gè)方法侈玄，但是實(shí)現(xiàn)原理一樣的
? ? return h & (length-1);? //第三步 取模運(yùn)算
}
這里的Hash算法本質(zhì)上就是三步：取key的hashCode值、高位運(yùn)算吟温、取模運(yùn)算序仙。
對于任意給定的對象，只要它的hashCode()返回值相同鲁豪，那么程序調(diào)用方法一所計(jì)算得到的Hash碼值總是相同的潘悼。我們首先想到的就是把hash值對數(shù)組長度取模運(yùn)算律秃，這樣一來，元素的分布相對來說是比較均勻的治唤。但是棒动，模運(yùn)算的消耗還是比較大的，在HashMap中是這樣做的：調(diào)用方法二來計(jì)算該對象應(yīng)該保存在table數(shù)組的哪個(gè)索引處宾添。
這個(gè)方法非常巧妙船惨，它通過h & (table.length -1)來得到該對象的保存位，而HashMap底層數(shù)組的長度總是2的n次方缕陕，這是HashMap在速度上的優(yōu)化粱锐。當(dāng)length總是2的n次方時(shí)，h& (length-1)運(yùn)算等價(jià)于對length取模扛邑，也就是h%length怜浅，但是&比%具有更高的效率。
在JDK1.8的實(shí)現(xiàn)中蔬崩，優(yōu)化了高位運(yùn)算的算法海雪，通過hashCode()的高16位異或低16位實(shí)現(xiàn)的：(h = k.hashCode()) ^ (h >>> 16)，主要是從速度舱殿、功效奥裸、質(zhì)量來考慮的，這么做可以在數(shù)組table的length比較小的時(shí)候沪袭，也能保證考慮到高低Bit都參與到Hash的計(jì)算中湾宙，同時(shí)不會(huì)有太大的開銷。
下面舉例說明下冈绊，n為table的長度侠鳄。
2. 分析HashMap的put方法
HashMap的put方法執(zhí)行過程可以通過下圖來理解，自己有興趣可以去對比源碼更清楚地研究學(xué)習(xí)死宣。
①.判斷鍵值對數(shù)組table[i]是否為空或?yàn)閚ull伟恶，否則執(zhí)行resize()進(jìn)行擴(kuò)容；
②.根據(jù)鍵值key計(jì)算hash值得到插入的數(shù)組索引i毅该，如果table[i]==null博秫，直接新建節(jié)點(diǎn)添加，轉(zhuǎn)向⑥眶掌，如果table[i]不為空挡育，轉(zhuǎn)向③；
③.判斷table[i]的首個(gè)元素是否和key一樣朴爬，如果相同直接覆蓋value即寒，否則轉(zhuǎn)向④，這里的相同指的是hashCode以及equals；
④.判斷table[i] 是否為treeNode母赵，即table[i] 是否是紅黑樹逸爵，如果是紅黑樹，則直接在樹中插入鍵值對凹嘲，否則轉(zhuǎn)向⑤痊银；
⑤.遍歷table[i]，判斷鏈表長度是否大于8施绎，大于8的話把鏈表轉(zhuǎn)換為紅黑樹溯革，在紅黑樹中執(zhí)行插入操作，否則進(jìn)行鏈表的插入操作谷醉；遍歷過程中若發(fā)現(xiàn)key已經(jīng)存在直接覆蓋value即可致稀；
⑥.插入成功后，判斷實(shí)際存在的鍵值對數(shù)量size是否超多了最大容量threshold俱尼，如果超過抖单，進(jìn)行擴(kuò)容。
JDK1.8HashMap的put方法源碼如下:
1 public V put(K key, V value) {
2? ? // 對key的hashCode()做hash
3? ? return putVal(hash(key), key, value, false, true);
4 }
5
6 final V putVal(int hash, K key, V value, boolean onlyIfAbsent,
7? ? ? ? ? ? ? ? boolean evict) {
8? ? Node[] tab; Node p; int n, i;
9? ? // 步驟①：tab為空則創(chuàng)建
10? ? if ((tab = table) == null || (n = tab.length) == 0)
11? ? ? ? n = (tab = resize()).length;
12? ? // 步驟②：計(jì)算index遇八，并對null做處理
13? ? if ((p = tab[i = (n - 1) & hash]) == null)
14? ? ? ? tab[i] = newNode(hash, key, value, null);
15? ? else {
16? ? ? ? Node e; K k;
17? ? ? ? // 步驟③：節(jié)點(diǎn)key存在矛绘，直接覆蓋value
18? ? ? ? if (p.hash == hash &&
19? ? ? ? ? ? ((k = p.key) == key || (key != null && key.equals(k))))
20? ? ? ? ? ? e = p;
21? ? ? ? // 步驟④：判斷該鏈為紅黑樹
22? ? ? ? else if (p instanceof TreeNode)
23? ? ? ? ? ? e = ((TreeNode)p).putTreeVal(this, tab, hash, key, value);
24? ? ? ? // 步驟⑤：該鏈為鏈表
25? ? ? ? else {
26? ? ? ? ? ? for (int binCount = 0; ; ++binCount) {
27? ? ? ? ? ? ? ? if ((e = p.next) == null) {
28? ? ? ? ? ? ? ? ? ? p.next = newNode(hash, key,value,null);
? ? ? ? ? ? ? ? ? ? ? ? //鏈表長度大于8轉(zhuǎn)換為紅黑樹進(jìn)行處理
29? ? ? ? ? ? ? ? ? ? if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st?
30? ? ? ? ? ? ? ? ? ? ? ? treeifyBin(tab, hash);
31? ? ? ? ? ? ? ? ? ? break;
32? ? ? ? ? ? ? ? }
? ? ? ? ? ? ? ? ? ? // key已經(jīng)存在直接覆蓋value
33? ? ? ? ? ? ? ? if (e.hash == hash &&
34? ? ? ? ? ? ? ? ? ? ((k = e.key) == key || (key != null && key.equals(k))))
35? ? ? ? ? ? ? ? ? ? ? ? ? ? break;
36? ? ? ? ? ? ? ? p = e;
37? ? ? ? ? ? }
38? ? ? ? }
39? ? ? ?
40? ? ? ? if (e != null) { // existing mapping for key
41? ? ? ? ? ? V oldValue = e.value;
42? ? ? ? ? ? if (!onlyIfAbsent || oldValue == null)
43? ? ? ? ? ? ? ? e.value = value;
44? ? ? ? ? ? afterNodeAccess(e);
45? ? ? ? ? ? return oldValue;
46? ? ? ? }
47? ? }
48? ? ++modCount;
49? ? // 步驟⑥：超過最大容量 就擴(kuò)容
50? ? if (++size > threshold)
51? ? ? ? resize();
52? ? afterNodeInsertion(evict);
53? ? return null;
54 }
3. 擴(kuò)容機(jī)制
擴(kuò)容(resize)就是重新計(jì)算容量，向HashMap對象里不停的添加元素刃永，而HashMap對象內(nèi)部的數(shù)組無法裝載更多的元素時(shí)货矮，對象就需要擴(kuò)大數(shù)組的長度，以便能裝入更多的元素斯够。當(dāng)然Java里的數(shù)組是無法自動(dòng)擴(kuò)容的囚玫，方法是使用一個(gè)新的數(shù)組代替已有的容量小的數(shù)組，就像我們用一個(gè)小桶裝水读规，如果想裝更多的水抓督，就得換大水桶。
我們分析下resize的源碼束亏，鑒于JDK1.8融入了紅黑樹铃在，較復(fù)雜，為了便于理解我們?nèi)匀皇褂肑DK1.7的代碼碍遍，好理解一些定铜，本質(zhì)上區(qū)別不大，具體區(qū)別后文再說雀久。
1 void resize(int newCapacity) {? //傳入新的容量
2? ? Entry[] oldTable = table;? ? //引用擴(kuò)容前的Entry數(shù)組
3? ? int oldCapacity = oldTable.length;? ? ? ?
4? ? if (oldCapacity == MAXIMUM_CAPACITY) {? //擴(kuò)容前的數(shù)組大小如果已經(jīng)達(dá)到最大(2^30)了
5? ? ? ? threshold = Integer.MAX_VALUE; //修改閾值為int的最大值(2^31-1)宿稀，這樣以后就不會(huì)擴(kuò)容了
6? ? ? ? return;
7? ? }
8?
9? ? Entry[] newTable = new Entry[newCapacity];? //初始化一個(gè)新的Entry數(shù)組
10? ? transfer(newTable);? ? ? ? ? ? ? ? ? ? ? ? //３靡ā赖捌！將數(shù)據(jù)轉(zhuǎn)移到新的Entry數(shù)組里
11? ? table = newTable;? ? ? ? ? ? ? ? ? ? ? ? ? //HashMap的table屬性引用新的Entry數(shù)組
12? ? threshold = (int)(newCapacity * loadFactor);//修改閾值
13 }
這里就是使用一個(gè)容量更大的數(shù)組來代替已有的容量小的數(shù)組，transfer()方法將原有Entry數(shù)組的元素拷貝到新的Entry數(shù)組里。
1 void transfer(Entry[] newTable) {
2? ? Entry[] src = table;? ? ? ? ? ? ? ? ? //src引用了舊的Entry數(shù)組
3? ? int newCapacity = newTable.length;
4? ? for (int j = 0; j < src.length; j++) { //遍歷舊的Entry數(shù)組
5? ? ? ? Entry e = src[j];? ? ? ? ? ? //取得舊Entry數(shù)組的每個(gè)元素
6? ? ? ? if (e != null) {
7? ? ? ? ? ? src[j] = null;//釋放舊Entry數(shù)組的對象引用（for循環(huán)后越庇，舊的Entry數(shù)組不再引用任何對象）
8? ? ? ? ? ? do {
9? ? ? ? ? ? ? ? Entry next = e.next;
10? ? ? ? ? ? ? ? int i = indexFor(e.hash, newCapacity); //Ｕ秩瘛！重新計(jì)算每個(gè)元素在數(shù)組中的位置
11? ? ? ? ? ? ? ? e.next = newTable[i]; //標(biāo)記[1]
12? ? ? ? ? ? ? ? newTable[i] = e;? ? ? //將元素放在數(shù)組上
13? ? ? ? ? ? ? ? e = next;? ? ? ? ? ? //訪問下一個(gè)Entry鏈上的元素
14? ? ? ? ? ? } while (e != null);
15? ? ? ? }
16? ? }
17 }
newTable[i]的引用賦給了e.next卤唉，也就是使用了單鏈表的頭插入方式涩惑，同一位置上新元素總會(huì)被放在鏈表的頭部位置；這樣先放在一個(gè)索引上的元素終會(huì)被放到Entry鏈的尾部(如果發(fā)生了hash沖突的話）桑驱，這一點(diǎn)和Jdk1.8有區(qū)別竭恬，下文詳解。在舊數(shù)組中同一條Entry鏈上的元素熬的，通過重新計(jì)算索引位置后痊硕，有可能被放到了新數(shù)組的不同位置上。
下面舉個(gè)例子說明下擴(kuò)容過程押框。假設(shè)了我們的hash算法就是簡單的用key mod 一下表的大胁沓瘛（也就是數(shù)組的長度）。其中的哈希桶數(shù)組table的size=2橡伞， 所以key = 3盒揉、7、5兑徘，put順序依次為 5刚盈、7、3挂脑。在mod 2以后都沖突在table[1]這里了扁掸。這里假設(shè)負(fù)載因子 loadFactor=1，即當(dāng)鍵值對的實(shí)際大小size 大于 table的實(shí)際大小時(shí)進(jìn)行擴(kuò)容最域。接下來的三個(gè)步驟是哈希桶數(shù)組 resize成4谴分，然后所有的Node重新rehash的過程。
下面我們講解下JDK1.8做了哪些優(yōu)化镀脂。經(jīng)過觀測可以發(fā)現(xiàn)牺蹄，我們使用的是2次冪的擴(kuò)展(指長度擴(kuò)為原來2倍)，所以薄翅，元素的位置要么是在原位置沙兰，要么是在原位置再移動(dòng)2次冪的位置∏唐牵看下圖可以明白這句話的意思鼎天，n為table的長度，圖（a）表示擴(kuò)容前的key1和key2兩種key確定索引位置的示例暑竟，圖（b）表示擴(kuò)容后key1和key2兩種key確定索引位置的示例斋射，其中hash1是key1對應(yīng)的哈希與高位運(yùn)算結(jié)果。
元素在重新計(jì)算hash之后，因?yàn)閚變?yōu)?倍罗岖，那么n-1的mask范圍在高位多1bit(紅色)涧至，因此新的index就會(huì)發(fā)生這樣的變化：
因此，我們在擴(kuò)充HashMap的時(shí)候桑包，不需要像JDK1.7的實(shí)現(xiàn)那樣重新計(jì)算hash南蓬，只需要看看原來的hash值新增的那個(gè)bit是1還是0就好了，是0的話索引沒變哑了，是1的話索引變成“原索引+oldCap”赘方，可以看看下圖為16擴(kuò)充為32的resize示意圖：
這個(gè)設(shè)計(jì)確實(shí)非常的巧妙，既省去了重新計(jì)算hash值的時(shí)間弱左，而且同時(shí)蒜焊，由于新增的1bit是0還是1可以認(rèn)為是隨機(jī)的，因此resize的過程科贬，均勻的把之前的沖突的節(jié)點(diǎn)分散到新的bucket了泳梆。這一塊就是JDK1.8新增的優(yōu)化點(diǎn)。有一點(diǎn)注意區(qū)別榜掌，JDK1.7中rehash的時(shí)候优妙，舊鏈表遷移新鏈表的時(shí)候，如果在新表的數(shù)組索引位置相同憎账，則鏈表元素會(huì)倒置套硼，但是從上圖可以看出，JDK1.8不會(huì)倒置胞皱。有興趣的同學(xué)可以研究下JDK1.8的resize源碼邪意，寫的很贊，如下:
1 final Node[] resize() {
2? ? Node[] oldTab = table;
3? ? int oldCap = (oldTab == null) ? 0 : oldTab.length;
4? ? int oldThr = threshold;
5? ? int newCap, newThr = 0;
6? ? if (oldCap > 0) {
7? ? ? ? // 超過最大值就不再擴(kuò)充了反砌，就只好隨你碰撞去吧
8? ? ? ? if (oldCap >= MAXIMUM_CAPACITY) {
9? ? ? ? ? ? threshold = Integer.MAX_VALUE;
10? ? ? ? ? ? return oldTab;
11? ? ? ? }
12? ? ? ? // 沒超過最大值雾鬼，就擴(kuò)充為原來的2倍
13? ? ? ? else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&
14? ? ? ? ? ? ? ? ? oldCap >= DEFAULT_INITIAL_CAPACITY)
15? ? ? ? ? ? newThr = oldThr << 1; // double threshold
16? ? }
17? ? else if (oldThr > 0) // initial capacity was placed in threshold
18? ? ? ? newCap = oldThr;
19? ? else {? ? ? ? ? ? ? // zero initial threshold signifies using defaults
20? ? ? ? newCap = DEFAULT_INITIAL_CAPACITY;
21? ? ? ? newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);
22? ? }
23? ? // 計(jì)算新的resize上限
24? ? if (newThr == 0) {
25
26? ? ? ? float ft = (float)newCap * loadFactor;
27? ? ? ? newThr = (newCap < MAXIMUM_CAPACITY && ft < (float)MAXIMUM_CAPACITY ?
28? ? ? ? ? ? ? ? ? (int)ft : Integer.MAX_VALUE);
29? ? }
30? ? threshold = newThr;
31? ? @SuppressWarnings({"rawtypes"，"unchecked"})
32? ? ? ? Node[] newTab = (Node[])new Node[newCap];
33? ? table = newTab;
34? ? if (oldTab != null) {
35? ? ? ? // 把每個(gè)bucket都移動(dòng)到新的buckets中
36? ? ? ? for (int j = 0; j < oldCap; ++j) {
37? ? ? ? ? ? Node e;
38? ? ? ? ? ? if ((e = oldTab[j]) != null) {
39? ? ? ? ? ? ? ? oldTab[j] = null;
40? ? ? ? ? ? ? ? if (e.next == null)
41? ? ? ? ? ? ? ? ? ? newTab[e.hash & (newCap - 1)] = e;
42? ? ? ? ? ? ? ? else if (e instanceof TreeNode)
43? ? ? ? ? ? ? ? ? ? ((TreeNode)e).split(this, newTab, j, oldCap);
44? ? ? ? ? ? ? ? else { // 鏈表優(yōu)化重hash的代碼塊
45? ? ? ? ? ? ? ? ? ? Node loHead = null, loTail = null;
46? ? ? ? ? ? ? ? ? ? Node hiHead = null, hiTail = null;
47? ? ? ? ? ? ? ? ? ? Node next;
48? ? ? ? ? ? ? ? ? ? do {
49? ? ? ? ? ? ? ? ? ? ? ? next = e.next;
50? ? ? ? ? ? ? ? ? ? ? ? // 原索引
51? ? ? ? ? ? ? ? ? ? ? ? if ((e.hash & oldCap) == 0) {
52? ? ? ? ? ? ? ? ? ? ? ? ? ? if (loTail == null)
53? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? loHead = e;
54? ? ? ? ? ? ? ? ? ? ? ? ? ? else
55? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? loTail.next = e;
56? ? ? ? ? ? ? ? ? ? ? ? ? ? loTail = e;
57? ? ? ? ? ? ? ? ? ? ? ? }
58? ? ? ? ? ? ? ? ? ? ? ? // 原索引+oldCap
59? ? ? ? ? ? ? ? ? ? ? ? else {
60? ? ? ? ? ? ? ? ? ? ? ? ? ? if (hiTail == null)
61? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? hiHead = e;
62? ? ? ? ? ? ? ? ? ? ? ? ? ? else
63? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? hiTail.next = e;
64? ? ? ? ? ? ? ? ? ? ? ? ? ? hiTail = e;
65? ? ? ? ? ? ? ? ? ? ? ? }
66? ? ? ? ? ? ? ? ? ? } while ((e = next) != null);
67? ? ? ? ? ? ? ? ? ? // 原索引放到bucket里
68? ? ? ? ? ? ? ? ? ? if (loTail != null) {
69? ? ? ? ? ? ? ? ? ? ? ? loTail.next = null;
70? ? ? ? ? ? ? ? ? ? ? ? newTab[j] = loHead;
71? ? ? ? ? ? ? ? ? ? }
72? ? ? ? ? ? ? ? ? ? // 原索引+oldCap放到bucket里
73? ? ? ? ? ? ? ? ? ? if (hiTail != null) {
74? ? ? ? ? ? ? ? ? ? ? ? hiTail.next = null;
75? ? ? ? ? ? ? ? ? ? ? ? newTab[j + oldCap] = hiHead;
76? ? ? ? ? ? ? ? ? ? }
77? ? ? ? ? ? ? ? }
78? ? ? ? ? ? }
79? ? ? ? }
80? ? }
81? ? return newTab;
82 }
線程安全性
在多線程使用場景中宴树，應(yīng)該盡量避免使用線程不安全的HashMap策菜，而使用線程安全的ConcurrentHashMap。那么為什么說HashMap是線程不安全的酒贬，下面舉例子說明在并發(fā)的多線程使用場景中使用HashMap可能造成死循環(huán)又憨。代碼例子如下(便于理解，仍然使用JDK1.7的環(huán)境)：
public class HashMapInfiniteLoop {?
? ? private static HashMap map = new HashMap(2锭吨，0.75f);?
? ? public static void main(String[] args) {?
? ? ? ? map.put(5蠢莺， "C");?
? ? ? ? new Thread("Thread1") {?
? ? ? ? ? ? public void run() {?
? ? ? ? ? ? ? ? map.put(7, "B");?
? ? ? ? ? ? ? ? System.out.println(map);?
? ? ? ? ? ? };?
? ? ? ? }.start();?
? ? ? ? new Thread("Thread2") {?
? ? ? ? ? ? public void run() {?
? ? ? ? ? ? ? ? map.put(3, "A);?
? ? ? ? ? ? ? ? System.out.println(map);?
? ? ? ? ? ? };?
? ? ? ? }.start();? ? ? ?
? ? }?
}
其中，map初始化為一個(gè)長度為2的數(shù)組零如，loadFactor=0.75躏将，threshold=2*0.75=1锄弱，也就是說當(dāng)put第二個(gè)key的時(shí)候，map就需要進(jìn)行resize耸携。
通過設(shè)置斷點(diǎn)讓線程1和線程2同時(shí)debug到transfer方法(3.3小節(jié)代碼塊)的首行棵癣。注意此時(shí)兩個(gè)線程已經(jīng)成功添加數(shù)據(jù)辕翰。放開thread1的斷點(diǎn)至transfer方法的“Entry?next = e.next;” 這一行夺衍；然后放開線程2的的斷點(diǎn)，讓線程2進(jìn)行resize喜命。結(jié)果如下圖沟沙。
注意，Thread1的 e 指向了key(3)壁榕，而next指向了key(7)矛紫，其在線程二rehash后，指向了線程二重組后的鏈表牌里。
線程一被調(diào)度回來執(zhí)行颊咬，先是執(zhí)行 newTalbe[i] = e， 然后是e = next牡辽，導(dǎo)致了e指向了key(7)喳篇，而下一次循環(huán)的next = e.next導(dǎo)致了next指向了key(3)。
e.next = newTable[i] 導(dǎo)致 key(3).next 指向了 key(7)态辛。注意：此時(shí)的key(7).next 已經(jīng)指向了key(3)麸澜， 環(huán)形鏈表就這樣出現(xiàn)了。
于是奏黑，當(dāng)我們用線程一調(diào)用map.get(11)時(shí)炊邦，悲劇就出現(xiàn)了——Infinite Loop。
JDK1.8與JDK1.7的性能對比
HashMap中熟史，如果key經(jīng)過hash算法得出的數(shù)組索引位置全部不相同馁害，即Hash算法非常好，那樣的話蹂匹，getKey方法的時(shí)間復(fù)雜度就是O(1)蜗细，如果Hash算法技術(shù)的結(jié)果碰撞非常多，假如Hash算極其差怒详，所有的Hash算法結(jié)果得出的索引位置一樣炉媒，那樣所有的鍵值對都集中到一個(gè)桶中，或者在一個(gè)鏈表中昆烁，或者在一個(gè)紅黑樹中吊骤，時(shí)間復(fù)雜度分別為O(n)和O(lgn)。 鑒于JDK1.8做了多方面的優(yōu)化静尼，總體性能優(yōu)于JDK1.7白粉，下面我們從兩個(gè)方面用例子證明這一點(diǎn)传泊。
Hash較均勻的情況
為了便于測試，我們先寫一個(gè)類Key鸭巴，如下：
class Key implements Comparable {
? ? private final int value;
? ? Key(int value) {
? ? ? ? this.value = value;
? ? }
? ? @Override
? ? public int compareTo(Key o) {
? ? ? ? return Integer.compare(this.value, o.value);
? ? }
? ? @Override
? ? public boolean equals(Object o) {
? ? ? ? if (this == o) return true;
? ? ? ? if (o == null || getClass() != o.getClass())
? ? ? ? ? ? return false;
? ? ? ? Key key = (Key) o;
? ? ? ? return value == key.value;
? ? }
? ? @Override
? ? public int hashCode() {
? ? ? ? return value;
? ? }
}
這個(gè)類復(fù)寫了equals方法眷细，并且提供了相當(dāng)好的hashCode函數(shù)，任何一個(gè)值的hashCode都不會(huì)相同鹃祖，因?yàn)橹苯邮褂胿alue當(dāng)做hashcode溪椎。為了避免頻繁的GC，我將不變的Key實(shí)例緩存了起來恬口，而不是一遍一遍的創(chuàng)建它們校读。代碼如下：
public class Keys {
? ? public static final int MAX_KEY = 10_000_000;
? ? private static final Key[] KEYS_CACHE = new Key[MAX_KEY];
? ? static {
? ? ? ? for (int i = 0; i < MAX_KEY; ++i) {
? ? ? ? ? ? KEYS_CACHE[i] = new Key(i);
? ? ? ? }
? ? }
? ? public static Key of(int value) {
? ? ? ? return KEYS_CACHE[value];
? ? }
}
現(xiàn)在開始我們的試驗(yàn)，測試需要做的僅僅是祖能，創(chuàng)建不同size的HashMap（1歉秫、10、100养铸、......10000000）雁芙，屏蔽了擴(kuò)容的情況，代碼如下：
? static void test(int mapSize) {
? ? ? ? HashMap map = new HashMap(mapSize);
? ? ? ? for (int i = 0; i < mapSize; ++i) {
? ? ? ? ? ? map.put(Keys.of(i), i);
? ? ? ? }
? ? ? ? long beginTime = System.nanoTime(); //獲取納秒
? ? ? ? for (int i = 0; i < mapSize; i++) {
? ? ? ? ? ? map.get(Keys.of(i));
? ? ? ? }
? ? ? ? long endTime = System.nanoTime();
? ? ? ? System.out.println(endTime - beginTime);
? ? }
? ? public static void main(String[] args) {
? ? ? ? for(int i=10;i<= 1000 0000;i*= 10){
? ? ? ? ? ? test(i);
? ? ? ? }
? ? }
在測試中會(huì)查找不同的值钞螟，然后度量花費(fèi)的時(shí)間兔甘，為了計(jì)算getKey的平均時(shí)間，我們遍歷所有的get方法筛圆，計(jì)算總的時(shí)間裂明，除以key的數(shù)量，計(jì)算一個(gè)平均值太援，主要用來比較闽晦，絕對值可能會(huì)受很多環(huán)境因素的影響。結(jié)果如下：
通過觀測測試結(jié)果可知提岔，JDK1.8的性能要高于JDK1.7 15%以上仙蛉，在某些size的區(qū)域上，甚至高于100%碱蒙。由于Hash算法較均勻荠瘪，JDK1.8引入的紅黑樹效果不明顯，下面我們看看Hash不均勻的的情況赛惩。
Hash極不均勻的情況
假設(shè)我們又一個(gè)非常差的Key哀墓，它們所有的實(shí)例都返回相同的hashCode值。這是使用HashMap最壞的情況喷兼。代碼修改如下：
class Key implements Comparable {
? ? //...
? ? @Override
? ? public int hashCode() {
? ? ? ? return 1;
? ? }
}
仍然執(zhí)行main方法篮绰，得出的結(jié)果如下表所示：
從表中結(jié)果中可知，隨著size的變大季惯，JDK1.7的花費(fèi)時(shí)間是增長的趨勢吠各，而JDK1.8是明顯的降低趨勢臀突，并且呈現(xiàn)對數(shù)增長穩(wěn)定。當(dāng)一個(gè)鏈表太長的時(shí)候贾漏，HashMap會(huì)動(dòng)態(tài)的將它替換成一個(gè)紅黑樹候学，這話的話會(huì)將時(shí)間復(fù)雜度從O(n)降為O(logn)。hash算法均勻和不均勻所花費(fèi)的時(shí)間明顯也不相同纵散，這兩種情況的相對比較梳码，可以說明一個(gè)好的hash算法的重要性。
??????測試環(huán)境：處理器為2.2 GHz Intel Core i7困食，內(nèi)存為16 GB 1600 MHz DDR3边翁，SSD硬盤翎承，使用默認(rèn)的JVM參數(shù)硕盹，運(yùn)行在64位的OS X 10.10.1上。
小結(jié)
(1) 擴(kuò)容是一個(gè)特別耗性能的操作叨咖，所以當(dāng)程序員在使用HashMap的時(shí)候瘩例，估算map的大小，初始化的時(shí)候給一個(gè)大致的數(shù)值甸各，避免map進(jìn)行頻繁的擴(kuò)容垛贤。
(2) 負(fù)載因子是可以修改的，也可以大于1趣倾，但是建議不要輕易修改聘惦，除非情況非常特殊。
(3) HashMap是線程不安全的儒恋，不要在并發(fā)的環(huán)境中同時(shí)操作HashMap善绎，建議使用ConcurrentHashMap。
(4) JDK1.8引入紅黑樹大程度優(yōu)化了HashMap的性能诫尽。
(5) 還沒升級JDK1.8的禀酱，現(xiàn)在開始升級吧。HashMap的性能提升僅僅是JDK1.8的冰山一角牧嫉。
