HashMap--JDK8系列

摘要
HashMap是JAVA程序员使用频率最高的用于映射（键值对）处理的数据类型。随着jdk(java development kit)版本的更新，jdk1.8对HashMap底层的实现进行了优化，例如引用红黑树的数据结构和扩容的优化等。本文结合了jdk1.7和jdk1.8的区别，深入探讨HaspMap的实现结构和功能原理。
简介
Java为数据结构中的映射定义了一个接口java.util.Map,此接口最近有四个实现类，分别是HashMap,HashTable,LinkedHashMap和TreeMap.类的继承关系如下图：

下面根据实现类的特点：
1.HashMap:他根据键的hashcode值存储数据，大多数情况下可以直接定位到它的值，因而具有很快的访问速度，但是遍历顺序确是不确定的。HashMap最多只允许一个记录的值为null,允许多条记录的值为null。HashMap非线程安全，即任一时刻允许有多个线程同时写HashMap,可能会导致数据的不一致。如果需要满足线程安全，可以用Collections的synchronizedMap方法使HashMap具有线程安全的能力，或者使用ConcurrentHashMap。
2.HashTable:HashTable是遗留类，很多映射的常用功能与HashMap类似，不同的是他继承自Dictionary类，并且是线程安全的，任一时间只有一个线程可以写HashTable,并发性不如ConcurrentHashMap,因为ConcurrentHashMap引入了分段锁。HashTable不建议在新代码中使用，不需要线程安全的场合可以用HashMap替换，需要线程安全的场合可以使用ConcuurentHashMap替换。
3.LinkedHashMap:LinkedHashMap是HashMap的一个子类，保存了记录的插入顺序，在用Iterator遍历LinkedHashMap时，先得到的记录肯定是先插入的，也可以在构造时带参数，按照访问次序排序。
4.TreeMap:TreeMap实现了SortedMap的接口，能够将它保存的记录按照键排序，默认是按照键值的升序排序，也可以指定排序的比较器，当用Iterator遍历TreeMap时，得到的记录是排过序的。如果使用排序的映射，建议使用TreeMap。在使用treeMap时，key必须实现Comparable接口或者在构造器TreeMap传入自定义的Comparator，否则在运行时抛出java.lang.ClassCastException类型的异常。

对于上述四种类型的类，要求对象中的key是不可变对象。不可变对象是该对象在创建后它的哈希值不会被改变。如果对象的哈希值发生了变化，Map对象很可能就定位不到映射的位置了。

通过上面的比较，我们知道HaahMap是Java的Map家族中一个普通成员，鉴于它可以满足大多数场景的使用条件，所以是使用频度最高的一个。下文，我们主要结合源码，从存储结构、常用方法分析、扩容以及安全性等方面等方面深入讲解HashMap的工作原理。

内部实现
搞清楚HashMap，首先需要知道HashMap是什么，即它的存储结构－字段；其次弄明白他能干什么，即它的功能实现－方法。下面我们针对两个方法详细展开讲解。

存储结构－字段
从结构实现来讲，HashMap是数组＋链表＋红黑树（JDK1.8增加了红黑树部分）实现的，如下图表示：
此处应该有图片
这里需要讲明白两个问题：数据结构底层具体存储的是什么？这样的存储方式有什么优点？

1.从源码可知，HashMap类中有一个非常重要的字段，就是Node[] table,即哈西桶数组，明显它是一个Node的数组。我们来看Node[JDK1.8]是何物。

static class Node implements Map Entry{
  final int hash;//用来定位数组索引位置
  final K key;
  V value;
  Node next;  //链表的下一个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 K setKey(K newKey){...}
}

Node是HashMap的一个内部类，实现了Map Entry接口，本质就是一个映射（键值对）。上图中的每个黑色圆点就是一个Node对象。

2.HashMap就是使用哈希表来存储的。哈希表为解决冲突，可以采用开放地址法和链地址法等来解决问题，Java中的HashMap采用了链地址法。链地址法，简单来说，就是数组加链表的结合。在每个数组元素上都是一个链表结构，当数据被Hash后，得到数组下标，把数据放在对应下标元素的链表上，例如程序执行下面代码：

map.put("美团","小美");

系统将调用”美团”这个key的hashCode()方法得到其hashCode 值（该方法适用于每个Java对象），然后再通过Hash算法的后两步运算（高位运算和取模运算，下文有介绍）来定位该键值对的存储位置，有时两个key会定位到相同的位置，表示发生了Hash碰撞。当然Hash算法计算结果越分散均匀，Hash碰撞的概率就越小，map的存取效率就会越高。

如果哈希桶数组很大，即使较差的Hash算法也会比较分散，如果哈希桶数组数组很小，即使好的Hash算法也会出现较多碰撞，所以就需要在空间成本和时间成本之间权衡，其实就是在根据实际情况确定哈希桶数组的大小，并在此基础上设计好的hash算法减少Hash碰撞。那么通过什么方式来控制map使得Hash碰撞的概率又小，哈希桶数组（Node[] table）占用空间又少呢？答案就是好的Hash算法和扩容机制。

在理解Hash和扩容流程之前，我们得先了解下HashMap的几个字段。从HashMap的默认构造函数源码可知，构造函数就是对下面几个字段进行初始化，源码如下：

int threshold;//所能容纳的key-value对极限
final float loadFactor;//负载因子
int modCount;
int size;

首先，Node[] table的初始化长度length(默认值是16)，Load factor为负载因子(默认值是0.75)，threshold是HashMap所能容纳的最大数据量的Node(键值对)个数。threshold = length * Load factor。也就是说，在数组定义好长度之后，负载因子越大，所能容纳的键值对个数越多。

结合负载因子的定义公式可知，threshold就是在此Load factor和length(数组长度)对应下允许的最大元素数目，超过这个数目就重新resize(扩容)，扩容后的HashMap容量是之前容量的两倍。默认的负载因子0.75是对空间和时间效率的一个平衡选择，建议大家不要修改，除非在时间和空间比较特殊的情况下，如果内存空间很多而又对时间效率要求很高，可以降低负载因子Load factor的值；相反，如果内存空间紧张而对时间效率要求不高，可以增加负载因子loadFactor的值，这个值可以大于1。

size这个字段其实很好理解，就是HashMap中实际存在的键值对数量。注意和table的长度length、容纳最大键值对数量threshold的区别。而modCount字段主要用来记录HashMap内部结构发生变化的次数，主要用于迭代的快速失败。强调一点，内部结构发生变化指的是结构发生变化，例如put新键值对，但是某个key对应的value值被覆盖不属于结构变化。

在HashMap中，哈希桶数组table的长度length大小必须为2的n次方(一定是合数)，这是一种非常规的设计，常规的设计是把桶的大小设计为素数。相对来说素数导致冲突的概率要小于合数，具体证明可以参考http://blog.csdn.net/liuqiyao_01/article/details/14475159，Hashtable初始化桶大小为11，就是桶大小设计为素数的应用（Hashtable扩容后不能保证还是素数）。HashMap采用这种非常规设计，主要是为了在取模和扩容时做优化，同时为了减少冲突，HashMap定位哈希桶索引位置时，也加入了高位参与运算的过程。

这里存在一个问题，即使负载因子和Hash算法设计的再合理，也免不了会出现拉链过长的情况，一旦出现拉链过长，则会严重影响HashMap的性能。于是，在JDK1.8版本中，对数据结构做了进一步的优化，引入了红黑树。而当链表长度太长（默认超过8）时，链表就转换为红黑树，利用红黑树快速增删改查的特点提高HashMap的性能，其中会用到红黑树的插入、删除、查找等算法。

功能实现-方法

HashMap的内部功能实现很多，本文主要从根据key获取哈希桶数组索引位置、put方法的详细执行、扩容过程三个具有代表性的点深入展开讲解。

1、确定哈希桶数组索引位置

不管增加、删除、查找键值对，定位到哈希桶数组的位置都是很关键的第一步。前面说过HashMap的数据结构是数组和链表的结合，所以我们当然希望这个HashMap里面的元素位置尽量分布均匀些，尽量使得每个位置上的元素数量只有一个，那么当我们用hash算法求得这个位置的时候，马上就可以知道对应位置的元素就是我们要的，不用遍历链表，大大优化了查询的效率。HashMap定位数组索引位置，直接决定了hash方法的离散性能。先看看源码的实现(方法一+方法二):

//方法一：
static final int hash(Object key){//jdk1.8&jdk1.7
  int h;
  //h = key.hashCode();为第一步 取hashCode值
  //h ^ (h >>> 16); 为第二步 与高位运算
  return (key == null) ? 0 : h = key.hashCode() ^ (h >>> 16);
}
//方法二：
static int indexFor(int h,int length){//jdk1.7的源码，jdk1.8没有，但是实现原理是一样的
  return h & (length - 1);//第三步，取模运算
}

这里的Hash算法本质上就是三步：取key的hashCode值、高位运算、取模运算。

对于任意给定的对象，只要它的hashCode()返回值相同，那么程序调用方法一所计算得到的Hash码值总是相同的。我们首先想到的就是把hash值对数组长度取模运算，这样一来，元素的分布相对来说是比较均匀的。但是，模运算的消耗还是比较大的，在HashMap中是这样做的：调用方法二来计算该对象应该保存在table数组的哪个索引处。

这个方法非常巧妙，它通过h & (table.length -1)来得到该对象的保存位，而HashMap底层数组的长度总是2的n次方，这是HashMap在速度上的优化。当length总是2的n次方时，h& (length-1)运算等价于对length取模，也就是h%length，但是&比%具有更高的效率。

在JDK1.8的实现中，优化了高位运算的算法，通过hashCode()的高16位异或低16位实现的：(h = k.hashCode()) ^ (h >>> 16)，主要是从速度、功效、质量来考虑的，这么做可以在数组table的length比较小的时候，也能保证考虑到高低Bit都参与到Hash的计算中，同时不会有太大的开销。

下面举例说明下，n为table的长度。

2、分析HashMap的put方法

HashMap的put方法执行过程可以通过下图来理解，自己有兴趣可以去对比源码更清楚地研究学习。

①.判断键值对数组table[i]是否为空或为null，否则执行resize()进行扩容；

②.根据键值key计算hash值得到插入的数组索引i，如果table[i]==null，直接新建节点添加，转向⑥，如果table[i]不为空，转向③；

③.判断table[i]的首个元素是否和key一样，如果相同直接覆盖value，否则转向

④，这里的相同指的是hashCode以及equals；

④.判断table[i] 是否为treeNode，即table[i] 是否是红黑树，如果是红黑树，则直接在树中插入键值对，否则转向⑤；

⑤.遍历table[i]，判断链表长度是否大于8，大于8的话把链表转换为红黑树，在红黑树中执行插入操作，否则进行链表的插入操作；遍历过程中若发现key已经存在直接覆盖value即可；

⑥.插入成功后，判断实际存在的键值对数量size是否超多了最大容量

threshold，如果超过，进行扩容。

JDK1.8HashMap的put方法源码如下:

 public V put(K key, V value){
          //对key的hashCode()做hash
    return putVal(hash(key), key, value, false, true);
}

final V putVal(int hash, K key, V value, boolean onlyIfAbsent, boolean evict){
    Node[] tab;
    Node p;
    int n,i;
    // 步骤一：tab为空则创建
    if((tab = table) == null || (n = tab.length) == 0)
        tab[i] = newNode(hash, key, value, null);
    else{
        Node e;
        K k;
        // 步骤二：节点key存在，直接覆盖value
        if(p.hash == hash && ((k = p.key) == key) || (key != null && key.equals(k)))
            e = p;
        //步骤四：判断该链为红黑树
        else if(p instance TreeNode)
            e = ((TreeNode) p ).putTreeVal(this, tab, hash, key, value);
        //步骤五：该链为链表
        else{
            for(int binCount = 0; ; ++binCount){
                if((e = p.next) == null){
                    p.next = newNode(hash, key, value, null);
                    //链表长度大于8转换为红黑树进行处理
                    if(binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st
                        treeifyBin(tab, hash);
                    break;
                }
                //key已经存在直接覆盖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;
    //步骤六：超过最大容量 就扩容
    if(++size > threshold){
        resize();
    }
    afterNodeInsertion(evict);
    return null;
}

3、扩容机制

扩容(resize)就是重新计算容量，向HashMap对象里不停的添加元素，而HashMap对象内部的数组无法装载更多的元素时，对象就需要扩大数组的长度，以便能装入更多的元素。当然Java里的数组是无法自动扩容的，方法是使用一个新的数组代替已有的容量小的数组，就像我们用一个小桶装水，如果想装更多的水，就得换大水桶。

我们分析下resize的源码，鉴于JDK1.8融入了红黑树，较复杂，为了便于理解我们仍然使用JDK1.7的代码，好理解一些，本质上区别不大，具体区别后文再说。

void resize(){  //传入新的容器
    Entry[] oldTable = table; //引用扩容前的Entry数组
    int oldCapacity = oldTable.length;
    if(oldCapacity == MAXIMUM_CAPACITY){  //扩容前的数组大小如果已经达到最大(2^30)了
        threshold = Integer.MAX_VALUE;  //修改阀值为int的最大值(2^31-1)，这样以后就不会扩容了
        return;
    }

    Entry[] newTable = new Entry[newCapacity];  // 初始化一个新的Entry数组
    transfer(newTable);                                         // 将数据转移到新的Entry数组中
    table  = newTable;                                           //HashMap的table属性引用新的Entry数组
    threshold = (int)(newCapacity * loadFactor);   //修改阀值
}

这里就是使用一个容量更大的数组来代替已有的容量小的数组，transfer()方法将原有Entry数组的元素拷贝到新的Entry数组里。

void transfer(Entry[] newTable){
    Entry[] src = table;                    //src引用了旧的Entry数组
    int newCapacity = newTable.length;
    for(int j=0;j//遍历旧的Entry数组
        Entry e = src[j];       //取得旧Entry数组的每个元素
        if(e != null){
            src[j] = null;              //释放旧Entry数组的对象引用（for循环后，旧的Entry数组不再引用任何对象）
            do{
                Entry next = e.next;
                int i = indexFor(e.hash, newCapacity);     //重新计算每个元素在数组中的位置
                e.next = newTable[i];      // 标记[1]
                newTable[i] = e;             //将元素放在数组上
                e = next;                         //访问下一个Entry链上的元素
            }while(e!=null);
        }
    }
}

newTable[i]的引用赋给了e.next，也就是使用了单链表的头插入方式，同一位置上新元素总会被放在链表的头部位置；这样先放在一个索引上的元素终会被放到Entry链的尾部(如果发生了hash冲突的话），这一点和Jdk1.8有区别，下文详解。在旧数组中同一条Entry链上的元素，通过重新计算索引位置后，有可能被放到了新数组的不同位置上。

下面举个例子说明下扩容过程。假设了我们的hash算法就是简单的用key mod 一下表的大小（也就是数组的长度）。其中的哈希桶数组table的size=2， 所以key = 3、7、5，put顺序依次为 5、7、3。在mod 2以后都冲突在table[1]这里了。这里假设负载因子 loadFactor=1，即当键值对的实际大小size 大于 table的实际大小时进行扩容。接下来的三个步骤是哈希桶数组 resize成4，然后所有的Node重新rehash的过程。

下面我们讲解下JDK1.8做了哪些优化。经过观测可以发现，我们使用的是2次幂的扩展(指长度扩为原来2倍)，所以，元素的位置要么是在原位置，要么是在原位置再移动2次幂的位置。看下图可以明白这句话的意思，n为table的长度，图（a）表示扩容前的key1和key2两种key确定索引位置的示例，图（b）表示扩容后key1和key2两种key确定索引位置的示例，其中hash1是key1对应的哈希与高位运算结果。

元素在重新计算hash之后，因为n变为2倍，那么n-1的mask范围在高位多1bit(红色)，因此新的index就会发生这样的变化：

因此，我们在扩充HashMap的时候，不需要像JDK1.7的实现那样重新计算hash，只需要看看原来的hash值新增的那个bit是1还是0就好了，是0的话索引没变，是1的话索引变成“原索引+oldCap”，可以看看下图为16扩充为32的resize示意图：

这个设计确实非常的巧妙，既省去了重新计算hash值的时间，而且同时，由于新增的1bit是0还是1可以认为是随机的，因此resize的过程，均匀的把之前的冲突的节点分散到新的bucket了。这一块就是JDK1.8新增的优化点。有一点注意区别，JDK1.7中rehash的时候，旧链表迁移新链表的时候，如果在新表的数组索引位置相同，则链表元素会倒置，但是从上图可以看出，JDK1.8不会倒置。有兴趣的同学可以研究下JDK1.8的resize源码，写的很赞，如下:

final Node[] resize(){
    Node[] oldTab = table;
    int oldCap = (oldTab == null) ? 0 : oldTab.length;
    int oldThr = threshold;
    int newCap,newThr = 0;
    if(oldCap > 0){
        //超过最大值就不再扩充了，就只好随你碰撞去吧
        if(oldCap >= MAXINUM_CAPACITY){
            threshold = Integer.MAX_VALUE;
            return oldTab;
        }
        //没超过最大值，就扩充为原来的2倍
        else if((newCap = oldCap << 1) < MAXINUM_CAPACITY && oldCap >= DEFAULT_INTTIAL_CAPACITY)
            newThr = oldThr << 1;   // double threshold
    }
    else if(oldThr > 0)            //inital capacity was placed
    newCap = oldThr;
    else{
        newCap = DEFAULT_INITIAL_CAPACITY;
        newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);
    }
    //计算新的resize上限
    if(newThr == 0){
        float ft = (float) newCap * loadFactor;
        newThr = (newCap < MAXINUM_CAPACITY && ft < (float) MAXINUM_CAPACITY ? 
                (int) ft : Integer.MAX_VALUE);
    }
    threshold = newThr;
    @SuppressWarnings({“rawtypes”,”uncheck”})
        Node[] newTab = (Node) new Node[newCap];
    table = newTab;
    if(oldTab != null){
    //把每个bucket都移动到新的buckets中
        for(int j=0;j e;
            if(e.next == null){
                newTab[e.hash & (newCap - 1)] = e;
            }
            else if(e instance TreeNode){
                ((TreeNode) e ).split(this, newTab, j, oldCap);
            }
            else{               //链表优化重hash的代码块
                Node loHead = null,loTail = null;
                Node hiHead = null,hiTail = null;
                Node 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
                            hiHead.next = e;
                        hiTail = e;
                    }
                }while((e = next) != null);
                //原索引放在bucket里
                if(loTail != null){
                    loTail.next = null;
                    newTab[j] = loHead;
                }
                //原索引＋oldCap 放在bucket里
                if(hiTail != null){
                    hiTail.next = null;
                    newTab[j + oldCap] = hiHead;
                }
            }
        }
    }
    return newTab;
}

线程安全性

在多线程使用场景中，应该尽量避免使用线程不安全的HashMap，而使用线程安全的ConcurrentHashMap。那么为什么说HashMap是线程不安全的，下面举例子说明在并发的多线程使用场景中使用HashMap可能造成死循环。代码例子如下(便于理解，仍然使用JDK1.7的环境)：

public class HashMapInfiniteLoop{
    private static HashMap map = new HashMap(2,0.75f);
    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(“Thead2”){
            public void run(){
                map.put(3,”A”);
                System.out.println(map);
            };
        }.start();
    }
}

其中，map初始化为一个长度为2的数组，loadFactor=0.75，threshold=2*0.75=1，也就是说当put第二个key的时候，map就需要进行resize。

通过设置断点让线程1和线程2同时debug到transfer方法(3.3小节代码块)的首行。注意此时两个线程已经成功添加数据。放开thread1的断点至transfer方法的“Entry next = e.next;” 这一行；然后放开线程2的的断点，让线程2进行resize。结果如下图。

注意，Thread1的 e 指向了key(3)，而next指向了key(7)，其在线程二rehash后，指向了线程二重组后的链表。

线程一被调度回来执行，先是执行 newTalbe[i] = e， 然后是e = next，导致了e指向了key(7)，而下一次循环的next = e.next导致了next指向了key(3)。

e.next = newTable[i] 导致 key(3).next 指向了 key(7)。注意：此时的key(7).next 已经指向了key(3)， 环形链表就这样出现了。

于是，当我们用线程一调用map.get(11)时，悲剧就出现了——Infinite Loop。

JDK1.8与JDK1.7的性能对比

HashMap中，如果key经过hash算法得出的数组索引位置全部不相同，即Hash算法非常好，那样的话，getKey方法的时间复杂度就是O(1)，如果Hash算法技术的结果碰撞非常多，假如Hash算极其差，所有的Hash算法结果得出的索引位置一样，那样所有的键值对都集中到一个桶中，或者在一个链表中，或者在一个红黑树中，时间复杂度分别为O(n)和O(lgn)。 鉴于JDK1.8做了多方面的优化，总体性能优于JDK1.7，下面我们从两个方面用例子证明这一点。

Hash较均匀的情况

为了便于测试，我们先写一个类Key，如下：

class Key implements Comparable{
    private final int value;

    Key(int value){
        this.value = value;
    }

    @Override
    public int comparaTo(Key o){
        return Integer.compara(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;
    }
}

这个类复写了equals方法，并且提供了相当好的hashCode函数，任何一个值的hashCode都不会相同，因为直接使用value当做hashcode。为了避免频繁的GC，我将不变的Key实例缓存了起来，而不是一遍一遍的创建它们。代码如下：