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)類型峭范。隨著JDK（Java Developmet Kit）版本的更新，JDK1.8對HashMap底層的實現(xiàn)進(jìn)行了優(yōu)化，例如引入紅黑樹的數(shù)據(jù)結(jié)構(gòu)和擴(kuò)容的優(yōu)化等没隘。本文結(jié)合JDK1.7和JDK1.8的區(qū)別烹俗，深入探討HashMap的結(jié)構(gòu)實現(xiàn)和功能原理。

簡介

ava為數(shù)據(jù)結(jié)構(gòu)中的映射定義了一個接口java.util.Map辙浑，此接口主要有四個常用的實現(xiàn)類激涤，分別是HashMap、Hashtable判呕、LinkedHashMap和TreeMap倦踢，類繼承關(guān)系如下圖所示：

java.util.map類圖.png

下面針對各個實現(xiàn)類的特點(diǎn)做一些說明：

(1) HashMap：它根據(jù)鍵的hashCode值存儲數(shù)據(jù)，大多數(shù)情況下可以直接定位到它的值侠草，因而具有很快的訪問速度辱挥，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边涕，允許多條記錄的值為null晤碘。HashMap非線程安全，即任一時刻可以有多個線程同時寫HashMap功蜓，可能會導(dǎo)致數(shù)據(jù)的不一致园爷。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式撼，或者使用ConcurrentHashMap童社。

(2) Hashtable：Hashtable是遺留類，很多映射的常用功能與HashMap類似著隆，不同的是它承自Dictionary類扰楼，并且是線程安全的，任一時間只有一個線程能寫Hashtable美浦，并發(fā)性不如ConcurrentHashMap弦赖，因為ConcurrentHashMap引入了分段鎖。Hashtable不建議在新代碼中使用浦辨，不需要線程安全的場合可以用HashMap替換蹬竖，需要線程安全的場合可以用ConcurrentHashMap替換。

(3) LinkedHashMap：LinkedHashMap是HashMap的一個子類，保存了記錄的插入順序案腺，在用Iterator遍歷LinkedHashMap時庆冕，先得到的記錄肯定是先插入的，也可以在構(gòu)造時帶參數(shù)劈榨，按照訪問次序排序访递。

(4) TreeMap：TreeMap實現(xiàn)SortedMap接口，能夠把它保存的記錄根據(jù)鍵排序同辣，默認(rèn)是按鍵值的升序排序拷姿，也可以指定排序的比較器，當(dāng)用Iterator遍歷TreeMap時旱函，得到的記錄是排過序的响巢。如果使用排序的映射，建議使用TreeMap棒妨。在使用TreeMap時踪古，key必須實現(xiàn)Comparable接口或者在構(gòu)造TreeMap傳入自定義的Comparator，否則會在運(yùn)行時拋出java.lang.ClassCastException類型的異常券腔。

對于上述四種Map類型的類伏穆，要求映射中的key是不可變對象。不可變對象是該對象在創(chuàng)建后它的哈希值不會被改變纷纫。如果對象的哈希值發(fā)生變化枕扫，Map對象很可能就定位不到映射的位置了。

通過上面的比較辱魁，我們知道了HashMap是Java的Map家族中一個普通成員烟瞧，鑒于它可以滿足大多數(shù)場景的使用條件，所以是使用頻度最高的一個染簇。下文我們主要結(jié)合源碼参滴，從存儲結(jié)構(gòu)、常用方法分析锻弓、擴(kuò)容以及安全性等方面深入講解HashMap的工作原理砾赔。

內(nèi)部實現(xiàn)

搞清楚HashMap，首先需要知道HashMap是什么弥咪，即它的存儲結(jié)構(gòu)-字段过蹂；其次弄明白它能干什么十绑，即它的功能實現(xiàn)-方法聚至。下面我們針對這兩個方面詳細(xì)展開講解。

存儲結(jié)構(gòu)-字段

從結(jié)構(gòu)實現(xiàn)來講本橙，HashMap是數(shù)組+鏈表+紅黑樹（JDK1.8增加了紅黑樹部分）實現(xiàn)的扳躬，如下如所示。

hashMap內(nèi)存結(jié)構(gòu)圖.png

這里需要講明白兩個問題：數(shù)據(jù)底層具體存儲的是什么？這樣的存儲方式有什么優(yōu)點(diǎn)呢贷币？

(1) 從源碼可知击胜，HashMap類中有一個非常重要的字段，就是 Node[] table役纹，即哈希桶數(shù)組偶摔，明顯它是一個Node的數(shù)組。我們來看Node[JDK1.8]是何物促脉。

        final int hash;    //用來定位數(shù)組索引位置
        final K key;
        V value;
        Node<K,V> next;   //鏈表的下一個node

        Node(int hash, K key, V value, Node<K,V> 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的一個內(nèi)部類辰斋，實現(xiàn)了Map.Entry接口，本質(zhì)是就是一個映射(鍵值對)瘸味。上圖中的每個黑色圓點(diǎn)就是一個Node對象宫仗。

(2) HashMap就是使用哈希表來存儲的。哈希表為解決沖突旁仿，可以采用開放地址法和鏈地址法等來解決問題藕夫，Java中HashMap采用了鏈地址法。鏈地址法枯冈，簡單來說毅贮，就是數(shù)組加鏈表的結(jié)合。在每個數(shù)組元素上都一個鏈表結(jié)構(gòu)霜幼，當(dāng)數(shù)據(jù)被Hash后嫩码，得到數(shù)組下標(biāo)，把數(shù)據(jù)放在對應(yīng)下標(biāo)元素的鏈表上罪既。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key的hashCode()方法得到其hashCode 值（該方法適用于每個Java對象）铸题，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位置琢感，有時兩個key會定位到相同的位置丢间，表示發(fā)生了Hash碰撞。當(dāng)然Hash算法計算結(jié)果越分散均勻驹针，Hash碰撞的概率就越小烘挫，map的存取效率就會越高。

如果哈希桶數(shù)組很大柬甥，即使較差的Hash算法也會比較分散饮六，如果哈希桶數(shù)組數(shù)組很小，即使好的Hash算法也會出現(xiàn)較多碰撞苛蒲，所以就需要在空間成本和時間成本之間權(quán)衡卤橄，其實就是在根據(jù)實際情況確定哈希桶數(shù)組的大小，并在此基礎(chǔ)上設(shè)計好的hash算法減少Hash碰撞臂外。那么通過什么方式來控制map使得Hash碰撞的概率又小窟扑，哈希桶數(shù)組（Node[] table）占用空間又少呢喇颁？答案就是好的Hash算法和擴(kuò)容機(jī)制。

在理解Hash和擴(kuò)容流程之前嚎货，我們得先了解下HashMap的幾個字段橘霎。從HashMap的默認(rèn)構(gòu)造函數(shù)源碼可知，構(gòu)造函數(shù)就是對下面幾個字段進(jìn)行初始化殖属，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;

首先姐叁，Node<k,v style="padding: 0px; margin: 0px;">[] table的初始化長度length(默認(rèn)值是16)，Load factor為負(fù)載因子(默認(rèn)值是0.75)洗显，threshold是HashMap所能容納的最大數(shù)據(jù)量的Node(鍵值對)個數(shù)七蜘。threshold = length * Load factor。也就是說墙懂，在數(shù)組定義好長度之后橡卤，負(fù)載因子越大，所能容納的鍵值對個數(shù)越多损搬。 </k,v>

結(jié)合負(fù)載因子的定義公式可知碧库，threshold就是在此Load factor和length(數(shù)組長度)對應(yīng)下允許的最大元素數(shù)目，超過這個數(shù)目就重新resize(擴(kuò)容)巧勤，擴(kuò)容后的HashMap容量是之前容量的兩倍嵌灰。默認(rèn)的負(fù)載因子0.75是對空間和時間效率的一個平衡選擇，建議大家不要修改沽瞭，除非在時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間效率要求很高剩瓶，可以降低負(fù)載因子Load factor的值驹溃；相反，如果內(nèi)存空間緊張而對時間效率要求不高延曙，可以增加負(fù)載因子loadFactor的值豌鹤，這個值可以大于1。

size這個字段其實很好理解枝缔，就是HashMap中實際存在的鍵值對數(shù)量布疙。注意和table的長度length、容納最大鍵值對數(shù)量threshold的區(qū)別愿卸。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)灵临，主要用于迭代的快速失敗。強(qiáng)調(diào)一點(diǎn)趴荸，內(nèi)部結(jié)構(gòu)發(fā)生變化指的是結(jié)構(gòu)發(fā)生變化儒溉，例如put新鍵值對，但是某個key對應(yīng)的value值被覆蓋不屬于結(jié)構(gòu)變化赊舶。

在HashMap中睁搭，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)計笼平，常規(guī)的設(shè)計是把桶的大小設(shè)計為素數(shù)园骆。相對來說素數(shù)導(dǎo)致沖突的概率要小于合數(shù)抗斤，具體證明可以參考http://blog.csdn.net/liuqiyao_01/article/details/14475159朵夏，Hashtable初始化桶大小為11，就是桶大小設(shè)計為素數(shù)的應(yīng)用（Hashtable擴(kuò)容后不能保證還是素數(shù)）触徐。HashMap采用這種非常規(guī)設(shè)計夺英，主要是為了在取模和擴(kuò)容時做優(yōu)化晌涕，同時為了減少沖突，HashMap定位哈希桶索引位置時痛悯，也加入了高位參與運(yùn)算的過程余黎。

這里存在一個問題，即使負(fù)載因子和Hash算法設(shè)計的再合理载萌，也免不了會出現(xiàn)拉鏈過長的情況惧财，一旦出現(xiàn)拉鏈過長，則會嚴(yán)重影響HashMap的性能扭仁。于是垮衷，在JDK1.8版本中，對數(shù)據(jù)結(jié)構(gòu)做了進(jìn)一步的優(yōu)化乖坠，引入了紅黑樹搀突。而當(dāng)鏈表長度太長（默認(rèn)超過8）時，鏈表就轉(zhuǎn)換為紅黑樹熊泵，利用紅黑樹快速增刪改查的特點(diǎn)提高HashMap的性能仰迁，其中會用到紅黑樹的插入、刪除顽分、查找等算法轩勘。本文不再對紅黑樹展開討論，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怯邪。

功能實現(xiàn)-方法

HashMap的內(nèi)部功能實現(xiàn)很多绊寻，本文主要從根據(jù)key獲取哈希桶數(shù)組索引位置、put方法的詳細(xì)執(zhí)行悬秉、擴(kuò)容過程三個具有代表性的點(diǎn)深入展開講解澄步。

1. 確定哈希桶數(shù)組索引位置

不管增加、刪除和泌、查找鍵值對村缸，定位到哈希桶數(shù)組的位置都是很關(guān)鍵的第一步。前面說過HashMap的數(shù)據(jù)結(jié)構(gòu)是數(shù)組和鏈表的結(jié)合武氓，所以我們當(dāng)然希望這個HashMap里面的元素位置盡量分布均勻些梯皿，盡量使得每個位置上的元素數(shù)量只有一個仇箱，那么當(dāng)我們用hash算法求得這個位置的時候，馬上就可以知道對應(yīng)位置的元素就是我們要的东羹，不用遍歷鏈表剂桥，大大優(yōu)化了查詢的效率。HashMap定位數(shù)組索引位置属提，直接決定了hash方法的離散性能权逗。先看看源碼的實現(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，jdk1.8沒有這個方法冤议，但是實現(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值斟薇、高位運(yùn)算、取模運(yùn)算恕酸。

對于任意給定的對象堪滨，只要它的hashCode()返回值相同，那么程序調(diào)用方法一所計算得到的Hash碼值總是相同的蕊温。我們首先想到的就是把hash值對數(shù)組長度取模運(yùn)算椿猎，這樣一來，元素的分布相對來說是比較均勻的寿弱。但是犯眠，模運(yùn)算的消耗還是比較大的，在HashMap中是這樣做的：調(diào)用方法二來計算該對象應(yīng)該保存在table數(shù)組的哪個索引處症革。

這個方法非常巧妙筐咧，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次方噪矛，這是HashMap在速度上的優(yōu)化量蕊。當(dāng)length總是2的n次方時，h& (length-1)運(yùn)算等價于對length取模艇挨，也就是h%length残炮，但是&比%具有更高的效率。

在JDK1.8的實現(xiàn)中缩滨，優(yōu)化了高位運(yùn)算的算法势就，通過hashCode()的高16位異或低16位實現(xiàn)的：(h = k.hashCode()) ^ (h >>> 16)，主要是從速度脉漏、功效苞冯、質(zhì)量來考慮的，這么做可以在數(shù)組table的length比較小的時候侧巨，也能保證考慮到高低Bit都參與到Hash的計算中舅锄，同時不會有太大的開銷。

下面舉例說明下司忱，n為table的長度皇忿。

hashMap哈希算法例圖.png

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畴蹭，自己有興趣可以去對比源碼更清楚地研究學(xué)習(xí)。

hashMap put方法執(zhí)行流程圖.png

①.判斷鍵值對數(shù)組table[i]是否為空或為null鳍烁，否則執(zhí)行resize()進(jìn)行擴(kuò)容叨襟；

②.根據(jù)鍵值key計算hash值得到插入的數(shù)組索引i，如果table[i]==null老翘，直接新建節(jié)點(diǎn)添加，轉(zhuǎn)向⑥锻离，如果table[i]不為空铺峭，轉(zhuǎn)向③；

③.判斷table[i]的首個元素是否和key一樣汽纠，如果相同直接覆蓋value卫键，否則轉(zhuǎn)向④，這里的相同指的是hashCode以及equals虱朵；

④.判斷table[i] 是否為treeNode莉炉，即table[i] 是否是紅黑樹，如果是紅黑樹碴犬，則直接在樹中插入鍵值對絮宁，否則轉(zhuǎn)向⑤；

⑤.遍歷table[i]服协，判斷鏈表長度是否大于8绍昂，大于8的話把鏈表轉(zhuǎn)換為紅黑樹，在紅黑樹中執(zhí)行插入操作偿荷，否則進(jìn)行鏈表的插入操作窘游；遍歷過程中若發(fā)現(xiàn)key已經(jīng)存在直接覆蓋value即可；

⑥.插入成功后跳纳，判斷實際存在的鍵值對數(shù)量size是否超多了最大容量threshold忍饰，如果超過，進(jìn)行擴(kuò)容寺庄。

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<K,V>[] tab; Node<K,V> 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：計算index艾蓝，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<K,V> e; K k;
17         // 步驟③：節(jié)點(diǎn)key存在，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<K,V>)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)就是重新計算容量斗塘，向HashMap對象里不停的添加元素饶深，而HashMap對象內(nèi)部的數(shù)組無法裝載更多的元素時，對象就需要擴(kuò)大數(shù)組的長度逛拱，以便能裝入更多的元素敌厘。當(dāng)然Java里的數(shù)組是無法自動擴(kuò)容的，方法是使用一個新的數(shù)組代替已有的容量小的數(shù)組朽合，就像我們用一個小桶裝水俱两，如果想裝更多的水饱狂，就得換大水桶。

我們分析下resize的源碼宪彩，鑒于JDK1.8融入了紅黑樹休讳，較復(fù)雜，為了便于理解我們?nèi)匀皇褂肑DK1.7的代碼尿孔，好理解一些俊柔，本質(zhì)上區(qū)別不大，具體區(qū)別后文再說活合。

 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)雏婶，這樣以后就不會擴(kuò)容了
 6         return;
 7     }
 8  
 9     Entry[] newTable = new Entry[newCapacity];  //初始化一個新的Entry數(shù)組
10     transfer(newTable);                         //！白指！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 }

這里就是使用一個容量更大的數(shù)組來代替已有的容量小的數(shù)組留晚，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<K,V> e = src[j];             //取得舊Entry數(shù)組的每個元素
 6         if (e != null) {
 7             src[j] = null;//釋放舊Entry數(shù)組的對象引用（for循環(huán)后告嘲，舊的Entry數(shù)組不再引用任何對象）
 8             do {
 9                 Entry<K,V> next = e.next;
10                 int i = indexFor(e.hash, newCapacity); //４砦！重新計算每個元素在數(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Entry鏈上的元素
14             } while (e != null);
15         }
16     }
17 }

newTable[i]的引用賦給了e.next橄唬，也就是使用了單鏈表的頭插入方式赋焕，同一位置上新元素總會被放在鏈表的頭部位置；這樣先放在一個索引上的元素終會被放到Entry鏈的尾部(如果發(fā)生了hash沖突的話）仰楚，這一點(diǎn)和Jdk1.8有區(qū)別宏邮，下文詳解。在舊數(shù)組中同一條Entry鏈上的元素缸血，通過重新計算索引位置后蜜氨，有可能被放到了新數(shù)組的不同位置上。

下面舉個例子說明下擴(kuò)容過程捎泻。假設(shè)了我們的hash算法就是簡單的用key mod 一下表的大徐住（也就是數(shù)組的長度）。其中的哈希桶數(shù)組table的size=2笆豁， 所以key = 3郎汪、7、5闯狱，put順序依次為 5煞赢、7、3哄孤。在mod 2以后都沖突在table[1]這里了照筑。這里假設(shè)負(fù)載因子 loadFactor=1，即當(dāng)鍵值對的實際大小size 大于 table的實際大小時進(jìn)行擴(kuò)容。接下來的三個步驟是哈希桶數(shù)組 resize成4凝危，然后所有的Node重新rehash的過程波俄。

jdk1.7擴(kuò)容例圖.png

下面我們講解下JDK1.8做了哪些優(yōu)化。經(jīng)過觀測可以發(fā)現(xiàn)蛾默，我們使用的是2次冪的擴(kuò)展(指長度擴(kuò)為原來2倍)懦铺，所以，元素的位置要么是在原位置支鸡，要么是在原位置再移動2次冪的位置冬念。看下圖可以明白這句話的意思牧挣，n為table的長度急前，圖（a）表示擴(kuò)容前的key1和key2兩種key確定索引位置的示例，圖（b）表示擴(kuò)容后key1和key2兩種key確定索引位置的示例浸踩，其中hash1是key1對應(yīng)的哈希與高位運(yùn)算結(jié)果叔汁。

hashMap 1.8 哈希算法例圖1.png

元素在重新計算hash之后统求，因為n變?yōu)?倍检碗，那么n-1的mask范圍在高位多1bit(紅色)，因此新的index就會發(fā)生這樣的變化：

hashMap 1.8 哈希算法例圖2.png

因此码邻，我們在擴(kuò)充HashMap的時候折剃，不需要像JDK1.7的實現(xiàn)那樣重新計算hash，只需要看看原來的hash值新增的那個bit是1還是0就好了像屋，是0的話索引沒變怕犁，是1的話索引變成“原索引+oldCap”，可以看看下圖為16擴(kuò)充為32的resize示意圖：

jdk1.8 hashMap擴(kuò)容例圖.png

這個設(shè)計確實非常的巧妙己莺，既省去了重新計算hash值的時間奏甫，而且同時，由于新增的1bit是0還是1可以認(rèn)為是隨機(jī)的凌受，因此resize的過程阵子，均勻的把之前的沖突的節(jié)點(diǎn)分散到新的bucket了。這一塊就是JDK1.8新增的優(yōu)化點(diǎn)胜蛉。有一點(diǎn)注意區(qū)別挠进，JDK1.7中rehash的時候，舊鏈表遷移新鏈表的時候誊册，如果在新表的數(shù)組索引位置相同领突，則鏈表元素會倒置，但是從上圖可以看出案怯，JDK1.8不會倒置君旦。有興趣的同學(xué)可以研究下JDK1.8的resize源碼，寫的很贊，如下:

 1 final Node<K,V>[] resize() {
 2     Node<K,V>[] 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)充了于宙，就只好隨你碰撞去吧
 8         if (oldCap >= MAXIMUM_CAPACITY) {
 9             threshold = Integer.MAX_VALUE;
10             return oldTab;
11         }
12         // 沒超過最大值浮驳，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<K,V>[] newTab = (Node<K,V>[])new Node[newCap];
33     table = newTab;
34     if (oldTab != null) {
35         // 把每個bucket都移動到新的buckets中
36         for (int j = 0; j < oldCap; ++j) {
37             Node<K,V> 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<K,V>)e).split(this, newTab, j, oldCap);
44                 else { // 鏈表優(yōu)化重hash的代碼塊
45                     Node<K,V> loHead = null, loTail = null;
46                     Node<K,V> hiHead = null, hiTail = null;
47                     Node<K,V> 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捞魁，應(yīng)該盡量避免使用線程不安全的HashMap至会，而使用線程安全的ConcurrentHashMap。那么為什么說HashMap是線程不安全的谱俭，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)奉件。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<Integer,String> map = new HashMap<Integer,String>(2昆著，0.75f);  
    public static void main(String[] args) {  
        map.put(5县貌， "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初始化為一個長度為2的數(shù)組凑懂，loadFactor=0.75煤痕，threshold=2*0.75=1，也就是說當(dāng)put第二個key的時候接谨，map就需要進(jìn)行resize摆碉。

通過設(shè)置斷點(diǎn)讓線程1和線程2同時debug到transfer方法(3.3小節(jié)代碼塊)的首行。注意此時兩個線程已經(jīng)成功添加數(shù)據(jù)脓豪。放開thread1的斷點(diǎn)至transfer方法的“Entry next = e.next;” 這一行巷帝；然后放開線程2的的斷點(diǎn)，讓線程2進(jìn)行resize扫夜。結(jié)果如下圖楞泼。

jdk1.7 hashMap死循環(huán)例圖1.png

注意，Thread1的 e 指向了key(3)笤闯，而next指向了key(7)堕阔，其在線程二rehash后，指向了線程二重組后的鏈表颗味。

線程一被調(diào)度回來執(zhí)行超陆，先是執(zhí)行 newTalbe[i] = e， 然后是e = next脱衙，導(dǎo)致了e指向了key(7)侥猬，而下一次循環(huán)的next = e.next導(dǎo)致了next指向了key(3)。

jdk1.7 hashMap死循環(huán)例圖2.png

jdk1.7 hashMap死循環(huán)例圖3.png

e.next = newTable[i] 導(dǎo)致 key(3).next 指向了 key(7)捐韩。注意：此時的key(7).next 已經(jīng)指向了key(3)退唠， 環(huán)形鏈表就這樣出現(xiàn)了。

jdk1.7 hashMap死循環(huán)例圖4.png

于是荤胁，當(dāng)我們用線程一調(diào)用map.get(11)時瞧预，悲劇就出現(xiàn)了——Infinite Loop。

JDK1.8與JDK1.7的性能比較

HashMap中，如果key經(jīng)過hash算法得出的數(shù)組索引位置全部不相同垢油，即Hash算法非常好盆驹，那樣的話，getKey方法的時間復(fù)雜度就是O(1)滩愁，如果Hash算法技術(shù)的結(jié)果碰撞非常多躯喇，假如Hash算極其差，所有的Hash算法結(jié)果得出的索引位置一樣硝枉，那樣所有的鍵值對都集中到一個桶中廉丽，或者在一個鏈表中，或者在一個紅黑樹中妻味，時間復(fù)雜度分別為O(n)和O(lgn)正压。 鑒于JDK1.8做了多方面的優(yōu)化，總體性能優(yōu)于JDK1.7责球，下面我們從兩個方面用例子證明這一點(diǎn)焦履。

Hash較均勻的情況

為了便于測試，我們先寫一個類Key雏逾，如下：

class Key implements Comparable<Key> {

    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;
    }
}

這個類復(fù)寫了equals方法嘉裤，并且提供了相當(dāng)好的hashCode函數(shù)，任何一個值的hashCode都不會相同校套，因為直接使用value當(dāng)做hashcode价脾。為了避免頻繁的GC牧抵，我將不變的Key實例緩存了起來笛匙，而不是一遍一遍的創(chuàng)建它們。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)在開始我們的試驗犀变，測試需要做的僅僅是妹孙，創(chuàng)建不同size的HashMap（1、10获枝、100蠢正、......10000000），屏蔽了擴(kuò)容的情況省店，代碼如下：

 static void test(int mapSize) {

        HashMap<Key, Integer> map = new HashMap<Key,Integer>(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);
        }
    }

在測試中會查找不同的值嚣崭，然后度量花費(fèi)的時間，為了計算getKey的平均時間懦傍，我們遍歷所有的get方法雹舀，計算總的時間，除以key的數(shù)量粗俱，計算一個平均值说榆，主要用來比較，絕對值可能會受很多環(huán)境因素的影響。結(jié)果如下：

性能比較表1.png

通過觀測測試結(jié)果可知签财，JDK1.8的性能要高于JDK1.7 15%以上串慰，在某些size的區(qū)域上，甚至高于100%唱蒸。由于Hash算法較均勻邦鲫，JDK1.8引入的紅黑樹效果不明顯，下面我們看看Hash不均勻的的情況神汹。

Hash極不均勻的情況

假設(shè)我們又一個非常差的Key掂碱，它們所有的實例都返回相同的hashCode值。這是使用HashMap最壞的情況慎冤。代碼修改如下：

class Key implements Comparable<Key> {

    //...

    @Override
    public int hashCode() {
        return 1;
    }
}

仍然執(zhí)行main方法疼燥，得出的結(jié)果如下表所示：

性能比較表2.png

從表中結(jié)果中可知，隨著size的變大蚁堤，JDK1.7的花費(fèi)時間是增長的趨勢醉者，而JDK1.8是明顯的降低趨勢，并且呈現(xiàn)對數(shù)增長穩(wěn)定披诗。當(dāng)一個鏈表太長的時候撬即，HashMap會動態(tài)的將它替換成一個紅黑樹，這話的話會將時間復(fù)雜度從O(n)降為O(logn)呈队。hash算法均勻和不均勻所花費(fèi)的時間明顯也不相同剥槐，這兩種情況的相對比較，可以說明一個好的hash算法的重要性宪摧。

  測試環(huán)境：處理器為2.2 GHz Intel Core i7粒竖，內(nèi)存為16 GB 1600 MHz DDR3，SSD硬盤几于，使用默認(rèn)的JVM參數(shù)蕊苗，運(yùn)行在64位的OS X 10.10.1上。

小結(jié)

(1) 擴(kuò)容是一個特別耗性能的操作沿彭，所以當(dāng)程序員在使用HashMap的時候朽砰，估算map的大小，初始化的時候給一個大致的數(shù)值喉刘，避免map進(jìn)行頻繁的擴(kuò)容瞧柔。

(2) 負(fù)載因子是可以修改的，也可以大于1睦裳，但是建議不要輕易修改造锅，除非情況非常特殊。

(3) HashMap是線程不安全的推沸，不要在并發(fā)的環(huán)境中同時操作HashMap备绽，建議使用ConcurrentHashMap券坞。

(4) JDK1.8引入紅黑樹大程度優(yōu)化了HashMap的性能。

(5) 還沒升級JDK1.8的肺素，現(xiàn)在開始升級吧恨锚。HashMap的性能提升僅僅是JDK1.8的冰山一角。