轉載：https://tech.meituan.com/java-hashmap.html

Java為數(shù)據(jù)結構中的映射定義了一個接口java.util.Map守伸，此接口主要有四個常用的實現(xiàn)類施绎，分別是HashMap、Hashtable澎灸、LinkedHashMap和TreeMap，類繼承關系如下圖所示：

java.util.map類圖.png

簡介

HashMap：

它根據(jù)鍵的hashCode值存儲數(shù)據(jù)爽撒，大多數(shù)情況下可以直接定位到它的值蕊唐，因而具有很快的訪問速度，但遍歷順序卻是不確定的简十。

HashMap最多只允許一條記錄的鍵為null檬某，允許多條記錄的值為null。

HashMap非線程安全螟蝙，即任一時刻可以有多個線程同時寫HashMap恢恼，可能會導致數(shù)據(jù)的不一致。如果需要滿足線程安全胰默，可以用 Collections的synchronizedMap方法使HashMap具有線程安全的能力场斑，或者使用ConcurrentHashMap漓踢。

Hashtable：

Hashtable是遺留類，很多映射的常用功能與HashMap類似漏隐，不同的是它承自Dictionary類喧半，并且是線程安全的，任一時間只有一個線程能寫Hashtable青责，并發(fā)性不如ConcurrentHashMap挺据，因為ConcurrentHashMap引入了分段鎖。Hashtable不建議在新代碼中使用脖隶，不需要線程安全的場合可以用HashMap替換扁耐，需要線程安全的場合可以用ConcurrentHashMap替換。

LinkedHashMap：

LinkedHashMap是HashMap的一個子類产阱，保存了記錄的插入順序做葵，在用Iterator遍歷LinkedHashMap時，先得到的記錄肯定是先插入的心墅，也可以在構造時帶參數(shù)酿矢，按照訪問次序排序。

LinkedHashMap和HashMap一樣也是非線程安全的怎燥。

TreeMap：

TreeMap實現(xiàn)SortedMap接口瘫筐，能夠把它保存的記錄根據(jù)鍵排序，默認是按鍵值的升序排序铐姚，也可以指定排序的比較器策肝，當用Iterator遍歷TreeMap時，得到的記錄是排過序的隐绵。如果使用排序的映射之众，建議使用TreeMap。在使用TreeMap時依许，key必須實現(xiàn)Comparable接口或者在構造TreeMap傳入自定義的Comparator棺禾，否則會在運行時拋出java.lang.ClassCastException類型的異常。

TreeMap非線程安全峭跳。

對于上述四種Map類型的類膘婶，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蛀醉。如果對象的哈希值發(fā)生變化悬襟，Map對象很可能就定位不到映射的位置了。

通過上面的比較拯刁，我們知道了HashMap是Java的Map家族中一個普通成員脊岳，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。下文我們主要結合源碼割捅，從存儲結構奶躯、常用方法分析、擴容以及安全性等方面深入講解HashMap的工作原理棺牧。

HashMap的內部實現(xiàn)

從結構實現(xiàn)來講巫糙，HashMap是數(shù)組+鏈表+紅黑樹（JDK1.8增加了紅黑樹部分）實現(xiàn)的朗儒，如下如所示：

hashMap內存結構圖.png

• HashMap內部維護著一個非常重要的字段——table數(shù)組：

/**
 * The table, initialized on first use, and resized as
 * necessary. When allocated, length is always a power of two.
 * (We also tolerate length zero in some operations to allow
 * bootstrapping mechanics that are currently not needed.)
 */
transient Node<K,V>[] table;

明顯它是一個Node的數(shù)組颊乘。

我們來看Node[JDK1.8]是何物。

/**
 * Basic hash bin node, used for most entries.  (See below for
 * TreeNode subclass, and in LinkedHashMap for its Entry subclass.)
 */
static class Node<K,V> implements Map.Entry<K,V> {
    final int hash;
    final K key;
    V value;
    Node<K,V> next;

    Node(int hash, K key, V value, Node<K,V> next) {
        this.hash = hash;
        this.key = key;
        this.value = value;
        this.next = next;
    }

    public final K getKey()        { return key; }
    public final V getValue()      { return value; }
    public final String toString() { return key + "=" + value; }

    public final int hashCode() {
        return Objects.hashCode(key) ^ Objects.hashCode(value);
    }

    public final V setValue(V newValue) {
        V oldValue = value;
        value = newValue;
        return oldValue;
    }

    public final boolean equals(Object o) {
        if (o == this)
            return true;
        if (o instanceof Map.Entry) {
            Map.Entry<?,?> e = (Map.Entry<?,?>)o;
            if (Objects.equals(key, e.getKey()) &&
                Objects.equals(value, e.getValue()))
                return true;
        }
        return false;
    }
}

Node是HashMap的一個內部類醉锄，實現(xiàn)了Map.Entry接口乏悄，本質是就是一個映射(鍵值對)。上圖中的每個黑色圓點就是一個Node對象恳不。

• HashMap就是使用哈希表來存儲的

哈希表為解決沖突檩小，可以采用開放地址法和鏈地址法等來解決問題煤率，Java中HashMap采用了鏈地址法壳嚎。鏈地址法，簡單來說佑女，就是數(shù)組加鏈表的結合卵惦。在每個數(shù)組元素上都一個鏈表結構阻肿，當數(shù)據(jù)被Hash后，得到數(shù)組下標沮尿，把數(shù)據(jù)放在對應下標元素的鏈表上丛塌。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），然后再通過Hash算法的后兩步運算（高位運算和取模運算畜疾，下文有介紹）來定位該鍵值對的存儲位置赴邻，有時兩個key會定位到相同的位置，表示發(fā)生了Hash碰撞啡捶。當然Hash算法計算結果越分散均勻姥敛，Hash碰撞的概率就越小，map的存取效率就會越高瞎暑。

如果哈希桶數(shù)組很大徒溪，即使較差的Hash算法也會比較分散，如果哈希桶數(shù)組數(shù)組很小金顿，即使好的Hash算法也會出現(xiàn)較多碰撞臊泌，所以就需要在空間成本和時間成本之間權衡，其實就是在根據(jù)實際情況確定哈希桶數(shù)組的大小揍拆，并在此基礎上設計好的hash算法減少Hash碰撞渠概。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？答案就是好的Hash算法和擴容機制播揪。

在理解Hash和擴容流程之前贮喧，我們得先了解下HashMap的幾個字段。從HashMap的默認構造函數(shù)源碼可知猪狈，構造函數(shù)就是對下面幾個字段進行初始化箱沦，源碼如下：

/**
     * The number of key-value mappings contained in this map.
     */
    transient int size;

    /**
     * The number of times this HashMap has been structurally modified
     * Structural modifications are those that change the number of mappings in
     * the HashMap or otherwise modify its internal structure (e.g.,
     * rehash).  This field is used to make iterators on Collection-views of
     * the HashMap fail-fast.  (See ConcurrentModificationException).
     */
    transient int modCount;

    /**
     * The next size value at which to resize (capacity * load factor).
     *
     * @serial
     */
    // (The javadoc description is true upon serialization.
    // Additionally, if the table array has not been allocated, this
    // field holds the initial array capacity, or zero signifying
    // DEFAULT_INITIAL_CAPACITY.)
    int threshold;  //capacity * load factor（容量×負載因子），當table數(shù)組被占用的個數(shù)超過該值是時雇庙，將調用resize函數(shù)

    /**
     * The load factor for the hash table.
     *
     * @serial
     */
    final float loadFactor; //默認為0.75

首先谓形，Node[] table的初始化長度length(默認值是16)，Load factor為負載因子(默認值是0.75)疆前，threshold是HashMap所能容納的最大數(shù)據(jù)量的Node(鍵值對)個數(shù)寒跳。threshold = length * Load factor。也就是說竹椒，在數(shù)組定義好長度之后童太，負載因子越大，所能容納的鍵值對個數(shù)越多胸完。

結合負載因子的定義公式可知书释，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，超過這個數(shù)目就重新resize(擴容)赊窥，擴容后的HashMap容量是之前容量的兩倍爆惧。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，建議大家不要修改誓琼，除非在時間和空間比較特殊的情況下检激，如果內存空間很多而又對時間效率要求很高，可以降低負載因子Load factor的值腹侣；相反叔收，如果內存空間緊張而對時間效率要求不高，可以增加負載因子loadFactor的值傲隶，這個值可以大于1饺律。

size這個字段其實很好理解，就是HashMap中實際存在的鍵值對數(shù)量跺株。注意和table的長度length复濒、容納最大鍵值對數(shù)量threshold的區(qū)別。而modCount字段主要用來記錄HashMap內部結構發(fā)生變化的次數(shù)乒省，主要用于迭代的快速失敗巧颈。強調一點，內部結構發(fā)生變化指的是結構發(fā)生變化袖扛，例如put新鍵值對砸泛，但是某個key對應的value值被覆蓋不屬于結構變化十籍。

在HashMap中，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))唇礁，這是一種非常規(guī)的設計勾栗，常規(guī)的設計是把桶的大小設計為素數(shù)。相對來說素數(shù)導致沖突的概率要小于合數(shù)盏筐，具體證明可以參考http://blog.csdn.net/liuqiyao_01/article/details/14475159围俘，
Hashtable初始化桶大小為11，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)）琢融。HashMap采用這種非常規(guī)設計界牡，主要是為了在取模和擴容時做優(yōu)化，同時為了減少沖突吏奸，HashMap定位哈希桶索引位置時欢揖，也加入了高位參與運算的過程陶耍。

這里存在一個問題奋蔚，即使負載因子和Hash算法設計的再合理，也免不了會出現(xiàn)拉鏈過長的情況烈钞，一旦出現(xiàn)拉鏈過長泊碑，則會嚴重影響HashMap的性能。于是毯欣，在JDK1.8版本中馒过，對數(shù)據(jù)結構做了進一步的優(yōu)化，引入了紅黑樹酗钞。而當鏈表長度太長（默認超過8）時腹忽，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的性能砚作，其中會用到紅黑樹的插入窘奏、刪除、查找等算法葫录。本文不再對紅黑樹展開討論着裹，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)很多米同，本文主要從根據(jù)key獲取哈希桶數(shù)組索引位置骇扇、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面粮。

確定哈希桶數(shù)組索引位置

不管增加少孝、刪除、查找鍵值對熬苍，定位到哈希桶數(shù)組的位置都是很關鍵的第一步稍走。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，盡量使得每個位置上的元素數(shù)量只有一個钱磅，那么當我們用hash算法求得這個位置的時候梦裂，馬上就可以知道對應位置的元素就是我們要的，不用遍歷鏈表盖淡，大大優(yōu)化了查詢的效率年柠。HashMap定位數(shù)組索引位置，直接決定了hash方法的離散性能褪迟。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的源碼冗恨，jdk1.8沒有這個方法，但是實現(xiàn)原理一樣的
     return h & (length-1);  //第三步 取模運算
}

這里的Hash算法本質上就是三步：取key的hashCode值味赃、高位運算掀抹、取模運算。

對于任意給定的對象心俗，只要它的hashCode()返回值相同傲武，那么程序調用方法一所計算得到的Hash碼值總是相同的。

我們首先想到的就是把hash值對數(shù)組長度取模運算城榛，這樣一來揪利，元素的分布相對來說是比較均勻的。但是狠持，模運算的消耗還是比較大的疟位，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。

這個方法非常巧妙喘垂，它通過h & (table.length -1)來得到該對象的保存位甜刻，而HashMap底層數(shù)組的長度總是2的n次方，這是HashMap在速度上的優(yōu)化正勒。當length總是2的n次方時得院，h& (length-1)運算等價于對length取模，也就是h%length昭齐，但是 & 比 % 具有更高的效率尿招。

在JDK1.8的實現(xiàn)中，優(yōu)化了高位運算的算法阱驾，通過hashCode()的高16位異或低16位實現(xiàn)的：(h = k.hashCode()) ^ (h >>> 16)就谜，主要是從速度、功效里覆、質量來考慮的丧荐，這么做可以在數(shù)組table的length比較小的時候，也能保證考慮到高低Bit都參與到Hash的計算中喧枷，同時不會有太大的開銷虹统。

下面舉例說明下弓坞，n為table的長度:

hashMap哈希算法例圖.png

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车荔。

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渡冻，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忧便，如果table[i]==null族吻，直接新建節(jié)點添加，轉向⑥珠增，如果table[i]不為空超歌，轉向③；

③.判斷table[i]的首個元素是否和key一樣蒂教，如果相同直接覆蓋value巍举，否則轉向④，這里的相同指的是hashCode以及equals凝垛；

④.判斷table[i] 是否為treeNode懊悯，即table[i] 是否是紅黑樹，如果是紅黑樹苔严，則直接在樹中插入鍵值對定枷，否則轉向⑤孤澎；

⑤.遍歷table[i]届氢，判斷鏈表長度是否大于8，大于8的話把鏈表轉換為紅黑樹覆旭，在紅黑樹中執(zhí)行插入操作退子，否則進行鏈表的插入操作；遍歷過程中若發(fā)現(xiàn)key已經存在直接覆蓋value即可型将；

⑥.插入成功后寂祥，判斷實際存在的鍵值對數(shù)量size是否超多了最大容量threshold，如果超過七兜，進行擴容丸凭。

map對象調用put成員函數(shù)，put函數(shù)的實現(xiàn)如下：

/**
 * Associates the specified value with the specified key in this map.
 * If the map previously contained a mapping for the key, the old
 * value is replaced.
 *
 * @param key key with which the specified value is to be associated
 * @param value value to be associated with the specified key
 * @return the previous value associated with <tt>key</tt>, or
 *         <tt>null</tt> if there was no mapping for <tt>key</tt>.
 *         (A <tt>null</tt> return can also indicate that the map
 *         previously associated <tt>null</tt> with <tt>key</tt>.)
 */
public V put(K key, V value) {
    return putVal(hash(key), key, value, false, true);
}

根據(jù)源碼得知：put函數(shù)調用了putVal函數(shù)腕铸，并返回了putVal函數(shù)的返回值惜犀，而putVal函數(shù)的具體實現(xiàn)如下：

/**
 * Implements Map.put and related methods
 *
 * @param hash hash for key
 * @param key the key
 * @param value the value to put
 * @param onlyIfAbsent if true, don't change existing value
 * @param evict if false, the table is in creation mode.
 * @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;
  // 步驟①：tab為空則創(chuàng)建
    if ((tab = table) == null || (n = tab.length) == 0)
        n = (tab = resize()).length;
    // 步驟②：計算index，并對null做處理
    if ((p = tab[i = (n - 1) & hash]) == null)
        tab[i] = newNode(hash, key, value, null);
    else {
        Node<K,V> e; K k;
        // 步驟③：節(jié)點key存在狠裹，直接覆蓋value
        if (p.hash == hash &&
            ((k = p.key) == key || (key != null && key.equals(k))))
            e = p;
        // 步驟④：判斷該鏈為紅黑樹
        else if (p instanceof TreeNode)
            e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
        // 步驟⑤：該鏈為鏈表
        else {
            for (int binCount = 0; ; ++binCount) {
                if ((e = p.next) == null) {
                    p.next = newNode(hash, key,value,null);
                  //鏈表長度大于8轉換為紅黑樹進行處理
                    if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st
                        treeifyBin(tab, hash);
                    break;
                }
              // key已經存在直接覆蓋value
                if (e.hash == hash &&
                    ((k = e.key) == key || (key != null && key.equals(k))))
                          break;
                p = e;
            }
        }

        if (e != null) { // existing mapping for key
            V oldValue = e.value;
            if (!onlyIfAbsent || oldValue == null)
                e.value = value;
            afterNodeAccess(e);
            return oldValue;
        }
    }

    ++modCount;
    // 步驟⑥：超過最大容量 就擴容
    if (++size > threshold)
        resize();
    afterNodeInsertion(evict);
    return null;
}

擴容機制

擴容(resize)就是重新計算容量虽界，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涛菠，對象就需要擴大數(shù)組的長度莉御，以便能裝入更多的元素撇吞。當然Java里的數(shù)組是無法自動擴容的，方法是使用一個新的數(shù)組代替已有的容量小的數(shù)組礁叔，就像我們用一個小桶裝水牍颈，如果想裝更多的水，就得換大水桶琅关。

我們分析下resize的源碼颂砸，鑒于JDK1.8融入了紅黑樹，較復雜死姚，為了便于理解我們仍然使用JDK1.7的代碼人乓，好理解一些，本質上區(qū)別不大都毒，具體區(qū)別后文再說色罚。

JDK1.7中HashMap的resize()源碼：

void resize(int newCapacity) {   //傳入新的容量
  Entry[] oldTable = table;    //引用擴容前的Entry數(shù)組
  int oldCapacity = oldTable.length;
  if (oldCapacity == MAXIMUM_CAPACITY) {  //擴容前的數(shù)組大小如果已經達到最大(2^30)了
      threshold = Integer.MAX_VALUE; //修改閾值為int的最大值(2^31-1)，這樣以后就不會擴容了
      return;
  }

  Entry[] newTable = new Entry[newCapacity];  //初始化一個新的Entry數(shù)組
  transfer(newTable);                         //Ｕ司ⅰ戳护！將數(shù)據(jù)轉移到新的Entry數(shù)組里
  table = newTable;                           //HashMap的table屬性引用新的Entry數(shù)組
  threshold = (int)(newCapacity * loadFactor);//修改閾值
}

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，transfer()方法將原有Entry數(shù)組的元素拷貝到新的Entry數(shù)組里瀑焦。

void transfer(Entry[] newTable) {
    Entry[] src = table;                   //src引用了舊的Entry數(shù)組
    int newCapacity = newTable.length;
    for (int j = 0; j < src.length; j++) { //遍歷舊的Entry數(shù)組
        Entry<K,V> e = src[j];             //取得舊Entry數(shù)組的每個元素
        if (e != null) {
            src[j] = null;//釋放舊Entry數(shù)組的對象引用（for循環(huán)后腌且，舊的Entry數(shù)組不再引用任何對象）
            do {
               Entry<K,V> next = e.next;
               int i = indexFor(e.hash, newCapacity); //！榛瓮！重新計算每個元素在數(shù)組中的位置
               e.next = newTable[i]; //標記[1]
               newTable[i] = e;      //將元素放在數(shù)組上
               e = next;             //訪問下一個Entry鏈上的元素
           } while (e != null);
       }
   }
 }

newTable[i]的引用賦給了e.next铺董，也就是使用了單鏈表的頭插入方式，同一位置上新元素總會被放在鏈表的頭部位置禀晓；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）精续，這一點和Jdk1.8有區(qū)別，下文詳解粹懒。在舊數(shù)組中同一條Entry鏈上的元素重付，通過重新計算索引位置后，有可能被放到了新數(shù)組的不同位置上凫乖。

下面舉個例子說明下擴容過程确垫。假設了我們的hash算法就是簡單的用key mod 一下表的大小（也就是數(shù)組的長度）帽芽。其中的哈希桶數(shù)組table的size=2删掀， 所以key = 3、7嚣镜、5爬迟，put順序依次為 5、7菊匿、3付呕。在mod 2以后都沖突在table[1]這里了计福。這里假設負載因子 loadFactor=1，即當鍵值對的實際大小size 大于 table的實際大小時進行擴容徽职。接下來的三個步驟是哈希桶數(shù)組 resize成4象颖，然后所有的Node重新rehash的過程。

jdk1.7擴容例圖.png

下面我們講解下JDK1.8做了哪些優(yōu)化姆钉。經過觀測可以發(fā)現(xiàn)说订，我們使用的是2次冪的擴展(指長度擴為原來2倍)，所以潮瓶，元素的位置要么是在原位置陶冷，要么是在原位置再移動2次冪的位置√焊ǎ看下圖可以明白這句話的意思埂伦，n為table的長度，圖（a）表示擴容前的key1和key2兩種key確定索引位置的示例思恐，圖（b）表示擴容后key1和key2兩種key確定索引位置的示例沾谜，其中hash1是key1對應的哈希與高位運算結果。

hashMap 1.8 哈希算法例圖1.png

元素在重新計算hash之后胀莹，因為n變?yōu)?倍基跑，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

因此描焰，我們在擴充HashMap的時候媳否，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就好了栈顷，是0的話索引沒變逆日，是1的話索引變成“原索引+oldCap”，可以看看下圖為16擴充為32的resize示意圖：

jdk1.8 hashMap擴容例圖.png

這個設計確實非常的巧妙萄凤，既省去了重新計算hash值的時間，而且同時搪哪，由于新增的1bit是0還是1可以認為是隨機的靡努，因此resize的過程，均勻的把之前的沖突的節(jié)點分散到新的bucket了晓折。這一塊就是JDK1.8新增的優(yōu)化點惑朦。有一點注意區(qū)別，JDK1.7中rehash的時候漓概，舊鏈表遷移新鏈表的時候漾月，如果在新表的數(shù)組索引位置相同，則鏈表元素會倒置胃珍，但是從上圖可以看出梁肿，JDK1.8不會倒置蜓陌。有興趣的同學可以研究下JDK1.8的resize源碼，寫的很贊吩蔑，如下:

/**
    * 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;
     int oldCap = (oldTab == null) ? 0 : oldTab.length;
     int oldThr = threshold;
     int newCap, newThr = 0;
     if (oldCap > 0) {
         // 超過最大值就不再擴充了钮热，就只好隨你碰撞去吧
         if (oldCap >= MAXIMUM_CAPACITY) {
             threshold = Integer.MAX_VALUE;
            return oldTab;
        }
        // 沒超過最大值，就擴充為原來的2倍
        else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&
                 oldCap >= DEFAULT_INITIAL_CAPACITY)
            newThr = oldThr << 1; // double threshold
    }
    else if (oldThr > 0) // initial capacity was placed in threshold
        newCap = oldThr;
    else {               // zero initial threshold signifies using defaults
        newCap = DEFAULT_INITIAL_CAPACITY;
        newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);
    }
    // 計算新的resize上限
    if (newThr == 0) {

        float ft = (float)newCap * loadFactor;
        newThr = (newCap < MAXIMUM_CAPACITY && ft < (float)MAXIMUM_CAPACITY ?
                  (int)ft : Integer.MAX_VALUE);
    }
    threshold = newThr;
    @SuppressWarnings({"rawtypes"烛芬，"unchecked"})
        Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap];
    table = newTab;
    if (oldTab != null) {
        // 把每個bucket都移動到新的buckets中
        for (int j = 0; j < oldCap; ++j) {
            Node<K,V> e;
            if ((e = oldTab[j]) != null) {
                oldTab[j] = null;
                if (e.next == null)
                    newTab[e.hash & (newCap - 1)] = e;
                else if (e instanceof TreeNode)
                    ((TreeNode<K,V>)e).split(this, newTab, j, oldCap);
                else { // 鏈表優(yōu)化重hash的代碼塊
                    Node<K,V> loHead = null, loTail = null;
                    Node<K,V> hiHead = null, hiTail = null;
                    Node<K,V> next;
                    do {
                        next = e.next;
                        // 原索引
                        if ((e.hash & oldCap) == 0) {
                            if (loTail == null)
                                loHead = e;
                            else
                                loTail.next = e;
                            loTail = e;
                        }
                        // 原索引+oldCap
                        else {
                            if (hiTail == null)
                                hiHead = e;
                            else
                                hiTail.next = e;
                            hiTail = e;
                        }
                    } while ((e = next) != null);
                    // 原索引放到bucket里
                    if (loTail != null) {
                        loTail.next = null;
                        newTab[j] = loHead;
                    }
                    // 原索引+oldCap放到bucket里
                    if (hiTail != null) {
                        hiTail.next = null;
                        newTab[j + oldCap] = hiHead;
                    }
                }
            }
        }
    }
    return newTab;
}

線程安全性

在多線程使用場景中隧期，應該盡量避免使用線程不安全的HashMap，而使用線程安全的ConcurrentHashMap赘娄。那么為什么說HashMap是線程不安全的仆潮，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)。代碼例子如下(便于理解遣臼，仍然使用JDK1.7的環(huán)境)：

public class HashMapInfiniteLoop {

    private static HashMap<Integer,String> map = new HashMap<Integer,String>(2鸵闪，0.75f);
    public static void main(String[] args) {
        map.put(5， "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();
    }
}

其中暑诸，map初始化為一個長度為2的數(shù)組蚌讼，loadFactor=0.75，threshold=2*0.75=1个榕，也就是說當put第二個key的時候篡石，map就需要進行resize。

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)的首行西采。注意此時兩個線程已經成功添加數(shù)據(jù)凰萨。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的的斷點械馆，讓線程2進行resize胖眷。結果如下圖。

jdk1.7 hashMap死循環(huán)例圖1.png

注意霹崎，Thread1的 e 指向了key(3)珊搀，而next指向了key(7)，其在線程二rehash后尾菇，指向了線程二重組后的鏈表境析。

線程一被調度回來執(zhí)行，先是執(zhí)行 newTalbe[i] = e派诬， 然后是e = next劳淆，導致了e指向了key(7)，而下一次循環(huán)的next = e.next導致了next指向了key(3)默赂。

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] 導致 key(3).next 指向了 key(7)沛鸵。注意：此時的key(7).next 已經指向了key(3)， 環(huán)形鏈表就這樣出現(xiàn)了缆八。

jdk1.7 hashMap死循環(huán)例圖4.png

于是曲掰，當我們用線程一調用map.get(11)時疾捍，悲劇就出現(xiàn)了——Infinite Loop。

JDK1.8與JDK1.7的性能對比

HashMap中蜈缤，如果key經過hash算法得出的數(shù)組索引位置全部不相同拾氓，即Hash算法非常好，那樣的話底哥，getKey方法的時間復雜度就是O(1)咙鞍，如果Hash算法技術的結果碰撞非常多，假如Hash算極其差趾徽，所有的Hash算法結果得出的索引位置一樣续滋，那樣所有的鍵值對都集中到一個桶中，或者在一個鏈表中孵奶，或者在一個紅黑樹中疲酌，時間復雜度分別為O(n)和O(lgn)。 鑒于JDK1.8做了多方面的優(yōu)化了袁，總體性能優(yōu)于JDK1.7朗恳，下面我們從兩個方面用例子證明這一點。

Hash較均勻的情況

為了便于測試载绿，我們先寫一個類Key粥诫，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;
    }
}

這個類復寫了equals方法，并且提供了相當好的hashCode函數(shù)怀浆，任何一個值的hashCode都不會相同，因為直接使用value當做hashcode怕享。為了避免頻繁的GC执赡，我將不變的Key實例緩存了起來，而不是一遍一遍的創(chuàng)建它們函筋。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)在開始我們的試驗沙合，測試需要做的僅僅是，創(chuàng)建不同size的HashMap（1驻呐、10灌诅、100、……10000000）含末，屏蔽了擴容的情況，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即舌，然后度量花費的時間佣盒，為了計算getKey的平均時間，我們遍歷所有的get方法顽聂，計算總的時間肥惭，除以key的數(shù)量盯仪，計算一個平均值，主要用來比較蜜葱，絕對值可能會受很多環(huán)境因素的影響全景。結果如下：

性能比較表1.png

通過觀測測試結果可知，JDK1.8的性能要高于JDK1.7 15%以上牵囤，在某些size的區(qū)域上爸黄，甚至高于100%。由于Hash算法較均勻揭鳞，JDK1.8引入的紅黑樹效果不明顯炕贵，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野崇，它們所有的實例都返回相同的hashCode值称开。這是使用HashMap最壞的情況。代碼修改如下：

class Key implements Comparable<Key> {
 
    //...
 
    @Override
    public int hashCode() {
        return 1;
    }
}

仍然執(zhí)行main方法乓梨，得出的結果如下表所示：

性能比較表2.png

從表中結果中可知鳖轰，隨著size的變大，JDK1.7的花費時間是增長的趨勢扶镀，而JDK1.8是明顯的降低趨勢蕴侣，并且呈現(xiàn)對數(shù)增長穩(wěn)定。當一個鏈表太長的時候狈惫，HashMap會動態(tài)的將它替換成一個紅黑樹睛蛛，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胧谈，這兩種情況的相對比較忆肾，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菱肖，內存為16 GB 1600 MHz DDR3客冈，SSD硬盤，使用默認的JVM參數(shù)稳强，運行在64位的OS X 10.10.1上场仲。

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的時候退疫，估算map的大小渠缕，初始化的時候給一個大致的數(shù)值，避免map進行頻繁的擴容褒繁。

(2) 負載因子是可以修改的亦鳞，也可以大于1，但是建議不要輕易修改，除非情況非常特殊燕差。

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

(4) JDK1.8引入紅黑樹大程度優(yōu)化了HashMap的性能瓦呼。

(5) 還沒升級JDK1.8的，現(xiàn)在開始升級吧测暗。HashMap的性能提升僅僅是JDK1.8的冰山一角央串。

參考

• JDK1.7&JDK1.8 源碼。
• CSDN博客頻道偷溺，HashMap多線程死循環(huán)問題蹋辅，2014。
• 紅黑聯(lián)盟挫掏，Java類集框架之HashMap(JDK1.8)源碼剖析侦另，2015。
• CSDN博客頻道尉共，教你初步了解紅黑樹褒傅，2010。
• Java Code Geeks袄友，HashMap performance improvements in Java 8殿托，2014。
• Importnew剧蚣，危險支竹！在HashMap中將可變對象用作Key，2014鸠按。
• CSDN博客頻道礼搁，為什么一般hashtable的桶數(shù)會取一個素數(shù)，2013。