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)類型冬耿。隨著JDK（Java Developmet Kit）版本的更新舌菜，JDK1.8對HashMap底層的實現(xiàn)進行了優(yōu)化，例如引入紅黑樹的數(shù)據(jù)結構和擴容的優(yōu)化等亦镶。本文結合JDK1.7和JDK1.8的區(qū)別日月，深入探討HashMap的結構實現(xiàn)和功能原理。
簡介
Java為數(shù)據(jù)結構中的映射定義了一個接口java.util.Map缤骨，此接口主要有四個常用的實現(xiàn)類爱咬，分別是HashMap、Hashtable荷憋、LinkedHashMap和TreeMap台颠，類繼承關系如下圖所示：
下面針對各個實現(xiàn)類的特點做一些說明：
(1) HashMap：它根據(jù)鍵的hashCode值存儲數(shù)據(jù)褐望，大多數(shù)情況下可以直接定位到它的值勒庄，因而具有很快的訪問速度，但遍歷順序卻是不確定的瘫里。 HashMap最多只允許一條記錄的鍵為null实蔽，允許多條記錄的值為null。HashMap非線程安全谨读，即任一時刻可以有多個線程同時寫HashMap局装，可能會導致數(shù)據(jù)的不一致。如果需要滿足線程安全劳殖，可以用 Collections的synchronizedMap方法使HashMap具有線程安全的能力铐尚，或者使用ConcurrentHashMap。
(2) Hashtable：Hashtable是遺留類哆姻，很多映射的常用功能與HashMap類似宣增，不同的是它承自Dictionary類，并且是線程安全的矛缨，任一時間只有一個線程能寫Hashtable爹脾，并發(fā)性不如ConcurrentHashMap帖旨，因為ConcurrentHashMap引入了分段鎖。Hashtable不建議在新代碼中使用灵妨，不需要線程安全的場合可以用HashMap替換解阅，需要線程安全的場合可以用ConcurrentHashMap替換。
(3) LinkedHashMap：LinkedHashMap是HashMap的一個子類泌霍，保存了記錄的插入順序货抄，在用Iterator遍歷LinkedHashMap時，先得到的記錄肯定是先插入的朱转，也可以在構造時帶參數(shù)碉熄，按照訪問次序排序。
(4) TreeMap：TreeMap實現(xiàn)SortedMap接口肋拔，能夠把它保存的記錄根據(jù)鍵排序锈津，默認是按鍵值的升序排序，也可以指定排序的比較器凉蜂，當用Iterator遍歷TreeMap時琼梆，得到的記錄是排過序的。如果使用排序的映射窿吩，建議使用TreeMap茎杂。在使用TreeMap時，key必須實現(xiàn)Comparable接口或者在構造TreeMap傳入自定義的Comparator纫雁，否則會在運行時拋出java.lang.ClassCastException類型的異常煌往。
對于上述四種Map類型的類，要求映射中的key是不可變對象轧邪。不可變對象是該對象在創(chuàng)建后它的哈希值不會被改變刽脖。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忌愚。
通過上面的比較曲管，我們知道了HashMap是Java的Map家族中一個普通成員，鑒于它可以滿足大多數(shù)場景的使用條件硕糊，所以是使用頻度最高的一個院水。下文我們主要結合源碼，從存儲結構简十、常用方法分析檬某、擴容以及安全性等方面深入講解HashMap的工作原理。
內部實現(xiàn)
搞清楚HashMap螟蝙，首先需要知道HashMap是什么恢恼，即它的存儲結構-字段；其次弄明白它能干什么胶逢，即它的功能實現(xiàn)-方法厅瞎。下面我們針對這兩個方面詳細展開講解饰潜。
存儲結構-字段
從結構實現(xiàn)來講，HashMap是數(shù)組+鏈表+紅黑樹（JDK1.8增加了紅黑樹部分）實現(xiàn)的和簸，如下如所示彭雾。
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)點呢锁保？
(1) 從源碼可知薯酝，HashMap類中有一個非常重要的字段，就是 Node[] table爽柒，即哈希桶數(shù)組吴菠，明顯它是一個Node的數(shù)組。我們來看Node[JDK1.8]是何物浩村。
Node是HashMap的一個內部類做葵，實現(xiàn)了Map.Entry接口，本質是就是一個映射(鍵值對)心墅。上圖中的每個黑色圓點就是一個Node對象酿矢。
(2) HashMap就是使用哈希表來存儲的。哈希表為解決沖突怎燥，可以采用開放地址法和鏈地址法等來解決問題瘫筐，Java中HashMap采用了鏈地址法。鏈地址法铐姚，簡單來說策肝，就是數(shù)組加鏈表的結合。在每個數(shù)組元素上都一個鏈表結構隐绵，當數(shù)據(jù)被Hash后之众，得到數(shù)組下標，把數(shù)據(jù)放在對應下標元素的鏈表上氢橙。例如程序執(zhí)行下面代碼：
map.put("美團", "小美")
系統(tǒng)將調用"美團"這個key的hashCode()方法得到其hashCode 值（該方法適用于每個Java對象）酝枢，然后再通過Hash算法的后兩步運算（高位運算和取模運算，下文有介紹）來定位該鍵值對的存儲位置悍手，有時兩個key會定位到相同的位置，表示發(fā)生了Hash碰撞袍患。當然Hash算法計算結果越分散均勻坦康，Hash碰撞的概率就越小，map的存取效率就會越高诡延。
如果哈希桶數(shù)組很大滞欠，即使較差的Hash算法也會比較分散，如果哈希桶數(shù)組數(shù)組很小肆良，即使好的Hash算法也會出現(xiàn)較多碰撞筛璧，所以就需要在空間成本和時間成本之間權衡逸绎，其實就是在根據(jù)實際情況確定哈希桶數(shù)組的大小，并在此基礎上設計好的hash算法減少Hash碰撞夭谤。那么通過什么方式來控制map使得Hash碰撞的概率又小棺牧，哈希桶數(shù)組（Node[] table）占用空間又少呢？答案就是好的Hash算法和擴容機制朗儒。
在理解Hash和擴容流程之前颊乘，我們得先了解下HashMap的幾個字段。從HashMap的默認構造函數(shù)源碼可知醉锄，構造函數(shù)就是對下面幾個字段進行初始化乏悄，源碼如下：
首先，Node[] table的初始化長度length(默認值是16)恳不，Load factor為負載因子(默認值是0.75)檩小，threshold是HashMap所能容納的最大數(shù)據(jù)量的Node(鍵值對)個數(shù)。threshold = length * Load factor烟勋。也就是說识啦，在數(shù)組定義好長度之后，負載因子越大神妹，所能容納的鍵值對個數(shù)越多颓哮。
結合負載因子的定義公式可知，threshold就是在此Load factor和length(數(shù)組長度)對應下允許的最大元素數(shù)目鸵荠，超過這個數(shù)目就重新resize(擴容)冕茅，擴容后的HashMap容量是之前容量的兩倍。默認的負載因子0.75是對空間和時間效率的一個平衡選擇蛹找，建議大家不要修改姨伤，除非在時間和空間比較特殊的情況下，如果內存空間很多而又對時間效率要求很高庸疾，可以降低負載因子Load factor的值乍楚；相反，如果內存空間緊張而對時間效率要求不高届慈，可以增加負載因子loadFactor的值徒溪，這個值可以大于1。
size這個字段其實很好理解金顿，就是HashMap中實際存在的鍵值對數(shù)量臊泌。注意和table的長度length、容納最大鍵值對數(shù)量threshold的區(qū)別揍拆。而modCount字段主要用來記錄HashMap內部結構發(fā)生變化的次數(shù)渠概，主要用于迭代的快速失敗。強調一點嫂拴，內部結構發(fā)生變化指的是結構發(fā)生變化播揪，例如put新鍵值對贮喧，但是某個key對應的value值被覆蓋不屬于結構變化。
在HashMap中猪狈，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))箱沦，這是一種非常規(guī)的設計，常規(guī)的設計是把桶的大小設計為素數(shù)罪裹。相對來說素數(shù)導致沖突的概率要小于合數(shù)饱普，具體證明可以參考http://blog.csdn.net/liuqiyao_01/article/details/14475159，Hashtable初始化桶大小為11状共，就是桶大小設計為素數(shù)的應用（Hashtable擴容后不能保證還是素數(shù)）套耕。HashMap采用這種非常規(guī)設計，主要是為了在取模和擴容時做優(yōu)化峡继，同時為了減少沖突冯袍，HashMap定位哈希桶索引位置時，也加入了高位參與運算的過程碾牌。
這里存在一個問題康愤，即使負載因子和Hash算法設計的再合理，也免不了會出現(xiàn)拉鏈過長的情況舶吗，一旦出現(xiàn)拉鏈過長征冷，則會嚴重影響HashMap的性能。于是誓琼，在JDK1.8版本中检激，對數(shù)據(jù)結構做了進一步的優(yōu)化，引入了紅黑樹腹侣。而當鏈表長度太長（默認超過8）時叔收，鏈表就轉換為紅黑樹，利用紅黑樹快速增刪改查的特點提高HashMap的性能傲隶，其中會用到紅黑樹的插入饺律、刪除、查找等算法跺株。本文不再對紅黑樹展開討論复濒，想了解更多紅黑樹數(shù)據(jù)結構的工作原理可以參考http://blog.csdn.net/v_july_v/article/details/6105630。
功能實現(xiàn)-方法
HashMap的內部功能實現(xiàn)很多帖鸦，本文主要從根據(jù)key獲取哈希桶數(shù)組索引位置芝薇、put方法的詳細執(zhí)行、擴容過程三個具有代表性的點深入展開講解作儿。
1. 確定哈希桶數(shù)組索引位置
不管增加、刪除馋劈、查找鍵值對攻锰，定位到哈希桶數(shù)組的位置都是很關鍵的第一步晾嘶。前面說過HashMap的數(shù)據(jù)結構是數(shù)組和鏈表的結合，所以我們當然希望這個HashMap里面的元素位置盡量分布均勻些娶吞，盡量使得每個位置上的元素數(shù)量只有一個垒迂，那么當我們用Hash算法求得這個位置的時候，馬上就可以知道對應位置的元素就是我們要的妒蛇，不用遍歷鏈表机断，大大優(yōu)化了查詢的效率。HashMap定位數(shù)組索引位置绣夺，直接決定了hash方法的離散性能吏奸。先看看源碼的實現(xiàn)(方法一+方法二):
這里的Hash算法本質上就是三步：取key的hashCode值、高位運算陶耍、取模運算奋蔚。
對于任意給定的對象，只要它的hashCode()返回值相同烈钞，那么程序調用方法一所計算得到的Hash碼值總是相同的泊碑。我們首先想到的就是把hash值對數(shù)組長度取模運算，這樣一來毯欣，元素的分布相對來說是比較均勻的砸抛。但是，模運算的消耗還是比較大的尸昧，在HashMap中是這樣做的：調用方法二來計算該對象應該保存在table數(shù)組的哪個索引處藤树。
這個方法非常巧妙，它通過h & (table.length -1)來得到該對象的保存位算吩，而HashMap底層數(shù)組的長度總是2的n次方留凭，這是HashMap在速度上的優(yōu)化。當length總是2的n次方時偎巢，h& (length-1)運算等價于對length取模蔼夜，也就是h%length，但是&比%具有更高的效率压昼。
在JDK1.8的實現(xiàn)中求冷，優(yōu)化了高位運算的算法，通過hashCode()的高16位異或低16位實現(xiàn)的：(h = k.hashCode()) ^ (h >>> 16)窍霞，主要是從速度匠题、功效、質量來考慮的但金，這么做可以在數(shù)組table的length比較小的時候韭山，也能保證考慮到高低Bit都參與到Hash的計算中，同時不會有太大的開銷。
下面舉例說明下钱磅，n為table的長度梦裂。
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習盖淡。
①.判斷鍵值對數(shù)組table[i]是否為空或為null年柠，否則執(zhí)行resize()進行擴容；
②.根據(jù)鍵值key計算hash值得到插入的數(shù)組索引i褪迟，如果table[i]==null冗恨，直接新建節(jié)點添加，轉向⑥味赃，如果table[i]不為空掀抹，轉向③；
③.判斷table[i]的首個元素是否和key一樣洁桌，如果相同直接覆蓋value渴丸，否則轉向④，這里的相同指的是hashCode以及equals另凌；
④.判斷table[i] 是否為treeNode谱轨，即table[i] 是否是紅黑樹，如果是紅黑樹吠谢，則直接在樹中插入鍵值對土童，否則轉向⑤；
⑤.遍歷table[i]工坊，判斷鏈表長度是否大于8献汗，大于8的話把鏈表轉換為紅黑樹，在紅黑樹中執(zhí)行插入操作王污，否則進行鏈表的插入操作罢吃；遍歷過程中若發(fā)現(xiàn)key已經(jīng)存在直接覆蓋value即可；
⑥.插入成功后昭齐，判斷實際存在的鍵值對數(shù)量size是否超多了最大容量threshold尿招，如果超過，進行擴容阱驾。
JDK1.8HashMap的put方法源碼如下:
3. 擴容機制
擴容(resize)就是重新計算容量就谜，向HashMap對象里不停的添加元素，而HashMap對象內部的數(shù)組無法裝載更多的元素時里覆，對象就需要擴大數(shù)組的長度丧荐，以便能裝入更多的元素。當然Java里的數(shù)組是無法自動擴容的喧枷，方法是使用一個新的數(shù)組代替已有的容量小的數(shù)組虹统，就像我們用一個小桶裝水弓坞，如果想裝更多的水，就得換大水桶窟却。
我們分析下resize的源碼昼丑，鑒于JDK1.8融入了紅黑樹呻逆，較復雜夸赫，為了便于理解我們仍然使用JDK1.7的代碼，好理解一些咖城，本質上區(qū)別不大茬腿，具體區(qū)別后文再說。
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)組宜雀，transfer()方法將原有Entry數(shù)組的元素拷貝到新的Entry數(shù)組里切平。
newTable[i]的引用賦給了e.next，也就是使用了單鏈表的頭插入方式辐董，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）苔严，這一點和Jdk1.8有區(qū)別届氢，下文詳解。在舊數(shù)組中同一條Entry鏈上的元素覆旭，通過重新計算索引位置后型将，有可能被放到了新數(shù)組的不同位置上七兜。
下面舉個例子說明下擴容過程惊搏。假設了我們的hash算法就是簡單的用key mod 一下表的大邢虿稹（也就是數(shù)組的長度）浓恳。其中的哈希桶數(shù)組table的size=2， 所以key = 3梢夯、7、5死姚，put順序依次為 5色罚、7戳护、3腌且。在mod 2以后都沖突在table[1]這里了。這里假設負載因子 loadFactor=1柄粹，即當鍵值對的實際大小size 大于 table的實際大小時進行擴容驻右。接下來的三個步驟是哈希桶數(shù)組 resize成4堪夭，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)化爬迟。經(jīng)過觀測可以發(fā)現(xiàn)付呕，我們使用的是2次冪的擴展(指長度擴為原來2倍)象颖，所以说订，元素的位置要么是在原位置克蚂，要么是在原位置再移動2次冪的位置摸恍”诎溃看下圖可以明白這句話的意思嗜逻，n為table的長度栈顷，圖（a）表示擴容前的key1和key2兩種key確定索引位置的示例，圖（b）表示擴容后key1和key2兩種key確定索引位置的示例靡努，其中hash1是key1對應的哈希與高位運算結果。
元素在重新計算hash之后漾月，因為n變?yōu)?倍飘千，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：
因此霉旗，我們在擴充HashMap的時候，不需要像JDK1.7的實現(xiàn)那樣重新計算hash鸵闪，只需要看看原來的hash值新增的那個bit是1還是0就好了，是0的話索引沒變个榕，是1的話索引變成“原索引+oldCap”凰萨，可以看看下圖為16擴充為32的resize示意圖：
這個設計確實非常的巧妙，既省去了重新計算hash值的時間，而且同時食棕，由于新增的1bit是0還是1可以認為是隨機的，因此resize的過程憔儿，均勻的把之前的沖突的節(jié)點分散到新的bucket了朝刊。這一塊就是JDK1.8新增的優(yōu)化點拾氓。有一點注意區(qū)別，JDK1.7中rehash的時候，舊鏈表遷移新鏈表的時候疲酌，如果在新表的數(shù)組索引位置相同，則鏈表元素會倒置，但是從上圖可以看出，JDK1.8不會倒置冀自。有興趣的同學可以研究下JDK1.8的resize源碼，寫的很贊驻呐，如下:
線程安全性
在多線程使用場景中佣盒，應該盡量避免使用線程不安全的HashMap盯仪，而使用線程安全的ConcurrentHashMap。那么為什么說HashMap是線程不安全的，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)奔浅。代碼例子如下(便于理解馆纳，仍然使用JDK1.7的環(huán)境)：
其中，map初始化為一個長度為2的數(shù)組鲁驶，loadFactor=0.75舞骆，threshold=2*0.75=1督禽，也就是說當put第二個key的時候胧谈，map就需要進行resize稳强。
通過設置斷點讓線程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)。放開thread1的斷點至transfer方法的“Entry next = e.next;” 這一行；然后放開線程2的的斷點刹帕，讓線程2進行resize。結果如下圖挫掏。
注意侦另，Thread1的 e 指向了key(3)，而next指向了key(7)袄友，其在線程二rehash后殿托，指向了線程二重組后的鏈表。
線程一被調度回來執(zhí)行剧蚣，先是執(zhí)行 newTalbe[i] = e碌尔， 然后是e = next，導致了e指向了key(7)券敌，而下一次循環(huán)的next = e.next導致了next指向了key(3)。
e.next = newTable[i] 導致 key(3).next 指向了 key(7)柳洋。注意：此時的key(7).next 已經(jīng)指向了key(3)待诅， 環(huán)形鏈表就這樣出現(xiàn)了。
于是熊镣，當我們用線程一調用map.get(11)時卑雁，悲劇就出現(xiàn)了——Infinite Loop。
JDK1.8與JDK1.7的性能對比
HashMap中绪囱，如果key經(jīng)過hash算法得出的數(shù)組索引位置全部不相同测蹲，即Hash算法非常好，那樣的話鬼吵，getKey方法的時間復雜度就是O(1)扣甲，如果Hash算法技術的結果碰撞非常多，假如Hash算極其差，所有的Hash算法結果得出的索引位置一樣琉挖，那樣所有的鍵值對都集中到一個桶中启泣，或者在一個鏈表中，或者在一個紅黑樹中示辈，時間復雜度分別為O(n)和O(lgn)寥茫。 鑒于JDK1.8做了多方面的優(yōu)化，總體性能優(yōu)于JDK1.7矾麻，下面我們從兩個方面用例子證明這一點纱耻。
Hash比較均勻的情況
為了便于測試，我們先寫一個類Key险耀，如下：
這個類復寫了equals方法弄喘，并且提供了相當好的hashCode函數(shù)，任何一個值的hashCode都不會相同胰耗，因為直接使用value當做hashcode限次。為了避免頻繁的GC，我將不變的Key實例緩存了起來柴灯，而不是一遍一遍的創(chuàng)建它們卖漫。代碼如下：
現(xiàn)在開始我們的試驗，測試需要做的僅僅是赠群，創(chuàng)建不同size的HashMap（1羊始、10、100查描、......10000000）突委，屏蔽了擴容的情況，代碼如下：
在測試中會查找不同的值冬三，然后度量花費的時間匀油，為了計算getKey的平均時間，我們遍歷所有的get方法勾笆，計算總的時間敌蚜，除以key的數(shù)量，計算一個平均值窝爪，主要用來比較弛车，絕對值可能會受很多環(huán)境因素的影響。結果如下：
通過觀測測試結果可知蒲每，JDK1.8的性能要高于JDK1.7 15%以上纷跛，在某些size的區(qū)域上，甚至高于100%邀杏。由于Hash算法較均勻贫奠，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。
Hash極不均勻的情況
假設我們又一個非常差的Key叮阅，它們所有的實例都返回相同的hashCode值刁品。這是使用HashMap最壞的情況。代碼修改如下：
仍然執(zhí)行main方法浩姥，得出的結果如下表所示：
從表中結果中可知挑随，隨著size的變大，JDK1.7的花費時間是增長的趨勢勒叠，而JDK1.8是明顯的降低趨勢兜挨，并且呈現(xiàn)對數(shù)增長穩(wěn)定。當一個鏈表太長的時候眯分，HashMap會動態(tài)的將它替換成一個紅黑樹拌汇，這話的話會將時間復雜度從O(n)降為O(logn)。hash算法均勻和不均勻所花費的時間明顯也不相同弊决，這兩種情況的相對比較噪舀，可以說明一個好的hash算法的重要性。
測試環(huán)境：處理器為2.2 GHz Intel Core i7飘诗，內存為16 GB 1600 MHz DDR3与倡，SSD硬盤，使用默認的JVM參數(shù)昆稿，運行在64位的OS X 10.10.1上纺座。
小結
(1) 擴容是一個特別耗性能的操作，所以當程序員在使用HashMap的時候溉潭，估算map的大小净响，初始化的時候給一個大致的數(shù)值，避免map進行頻繁的擴容喳瓣。
(2) 負載因子是可以修改的馋贤，也可以大于1，但是建議不要輕易修改畏陕，除非情況非常特殊掸掸。
(3) HashMap是線程不安全的，不要在并發(fā)的環(huán)境中同時操作HashMap蹭秋，建議使用ConcurrentHashMap。
(4) JDK1.8引入紅黑樹大程度優(yōu)化了HashMap的性能堤撵。
(5) 還沒升級JDK1.8的仁讨，現(xiàn)在開始升級吧。HashMap的性能提升僅僅是JDK1.8的冰山一角实昨。
參考
- JDK1.7&JDK1.8 源碼洞豁。
- CSDN博客頻道，HashMap多線程死循環(huán)問題，2014丈挟。
- 紅黑聯(lián)盟刁卜，Java類集框架之HashMap(JDK1.8)源碼剖析，2015曙咽。
- CSDN博客頻道蛔趴， 教你初步了解紅黑樹，2010例朱。
- Java Code Geeks孝情，HashMap performance improvements in Java 8，2014洒嗤。
- Importnew箫荡，危險！在HashMap中將可變對象用作Key渔隶，2014羔挡。
- CSDN博客頻道，為什么一般hashtable的桶數(shù)會取一個素數(shù)间唉，2013绞灼。
