用最简单的白话谈谈面试必问的HashMap原理和部分源码解析

image.png

HashMap在面试中经常会被问到，一定会问到它的存储结构和实现原理，甚至可能还会问到一些源码

今天就来看一下HashMap

首先得看一下HashMap的存储结构和底层实现原理

image

如上图所示，HashMap底层是用数组+链表+红黑树实现的，其中红黑树是JDK1.8对HashMap优化之后加入的，当链表的长度大于8的时候会由链表结构转为红黑树，这些等下在看源码分析的时候都可以看到具体的实现。

那为什么用这几种数据结构来实现？

这种结构在数据结构上称为散列链表，其中的数组就相当于一个一个的桶(Bucket)，当有数据准备存进去的时候，它会通过一定的散列算法去计算，尽可能的让数据平均的命中到各个桶上面去，尽可能的避免哈希碰撞。如果发生哈希碰撞，就是不同的数据最后落到了同一个桶上的时候，就采用链表的方式来存储，但是链表长度比较长了的时候，去存储数据，读取数据都需要不停的去遍历循环，所以此时再采用链表结构的话效率会明显下降，所以JDK1.8之后做了优化，当链表的长度大于8的时候就由链表转为红黑树来存储。红黑树是平衡二叉树的其中一种实现，它比普通的二叉树表现更优异，因为普通的查询二叉树在一定条件下也可能会变成链表结构，而红黑树它是平衡二叉树的一种，它是通过左旋右旋变色等保持树的平衡。

简单的了解了HashMap的存储结构后，下面来讲下HashMap其中三个方法的源码

一、hash()方法

image.png

这个方法里看似简单，却暗藏玄机。

它是拿到了key本身的hashCode后，又做了一次运算，先将原来的hashCode无符号右位移16位，然后再将原来的hashCode异或(^)上这个位移后的值，最后得到一个值。

补充知识：

表示右移，如果该数为正，则高位补0，若为负数，则高位补1。

表示无符号右移，也叫逻辑右移，即若该数为正，则高位补0，而若该数为负数，则右移后高位同样补0。

^ 表示异或运算，每个位相同为0，不同为1

比如：

0 ^ 1 得 1
1 ^ 1 得 0
0 ^ 0 得 0
1 ^ 0 得 1

那为什么要无符号右移16位后做异或运算？key本身的hashCode直接拿来用不好吗？

我们做一个简单演练

image

将h无符号右移16为相当于将高区16位移动到了低区的16位，再与原hashcode做异或运算，可以将高低位二进制特征混合起来

从上文可知高区的16位与原hashcode相比没有发生变化，低区的16位发生了变化

我们可知通过上面(h = key.hashCode()) ^ (h >>> 16)进行运算可以把高区与低区的二进制特征混合到低区，那么为什么要这么做呢？

我们都知道重新计算出的新哈希值在后面将会参与hashmap中数组槽位的计算，计算公式：(n - 1) & hash，假如这时数组槽位有16个，则槽位计算如下：

image

仔细观察上文不难发现，高区的16位很有可能会被数组槽位数的二进制码锁屏蔽，如果我们不做刚才移位异或运算，那么在计算槽位时将丢失高区特征

也许你可能会说，即使丢失了高区特征不同hashcode也可以计算出不同的槽位来，但是细想当两个哈希码很接近时，那么这高区的一点点差异就可能导致一次哈希碰撞，所以这也是将性能做到极致的一种体现

使用异或运算的原因

异或运算能更好的保留各部分的特征，如果采用&运算计算出来的值会向1靠拢，采用|运算计算出来的值会向0靠拢

为什么槽位数必须使用2^n

1、为了让哈希后的结果更加均匀

这个原因我们继续用上面的例子来说明

假如槽位数不是16，而是17，则槽位计算公式变成：(17 - 1) & hash

image

从上文可以看出，计算结果将会大大趋同，hashcode参加&运算后被更多位的0屏蔽，计算结果只剩下两种0和16，这对于hashmap来说是一种灾难

2、可以通过位运算e.hash & (newCap - 1)来计算，a % (2^n) 等价于 a & (2^n - 1) ，位运算的运算效率高于算术运算，原因是算术运算还是会被转化为位运算

说了这么多点，上面提到的所有问题，最终目的还是为了让哈希后的结果更均匀的分部，减少哈希碰撞，提升hashmap的运行效率

二、put()方法

image.png

这个没什么好讲的，调用了下边的putVal()方法
三、putVal()方法
这个方法很重要，是往hashMap里put值的核心逻辑，下边源码里的每一行我都进行了注释
/Implements Map.put and related methods * * @param hash hash for keyput * @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[] tab; Node p; int n, i; /** * 判断tab是不是为空,如果为空,则将容量进行初始化,也就是说,初始换操作不是在new HashMap()的时候进行的,而是在第一次put的时候进行的 */ if ((tab = table) == null || (n = tab.length) == 0) n = (tab = resize()).length; /** * 初始化操作以后,根据当前key的哈希值算出最终命中到哪个桶上去，并且这个桶上如果没有元素的话,则直接new一个新节点放进去 */ if ((p = tab[i = (n - 1) & hash]) == null) tab[i] = newNode(hash, key, value, null); /** * 如果对应的桶上已经有元素 */ else { Node e; K k; /** 先判断一下这个桶里的第一个Node元素的key是不是和即将要存的key值相同，如果相同,则 *把当前桶里第一个Node元素赋值给e,这个else的最下边进行了判断，如果e!=null就执行把 * 新value进行替换的操作 */ if (p.hash == hash && ((k = p.key) == key || (key != null && key.equals(k)))) e = p; //如果和桶里第一个Node的key不相同,则判断当前节点是不是TreeNode(红黑树),如果是,则进 //行红黑树的插入 else if (p instanceof TreeNode) e = ((TreeNode)p).putTreeVal(this, tab, hash, key, value); //如果不是红黑树,则循环链表，把数据插入链表的最后边 else { for (int binCount = 0; ; ++binCount) { if ((e = p.next) == null) { p.next = newNode(hash, key, value, null); //判断元素个数是不是大于等于8 if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st //转换成红黑树 treeifyBin(tab, hash); break; } /** * 如果在遍历的时候，发现key值相同（就是key已经存在了）就什么都不做跳出循环。因为在上边e = p.next的时候，已经记录e的Node值了，而下边进行了判断，如果e!=null就执行把新value进行替换的操作 */ if (e.hash == hash && ((k = e.key) == key || (key != null && key.equals(k)))) break; //把当前下标赋值给p并进行下一次循环 p = e; } } /** 只要e不为空,说明要插入的key已经存在了,覆盖旧的value值,然后返回原来oldValue 因为只是替换了旧的value值，并没有插入新的元素，所以不需要下边的扩容判断，直接 return掉 */ if (e != null) { // existing mapping for key V oldValue = e.value; if (!onlyIfAbsent || oldValue == null) e.value = value; afterNodeAccess(e); return oldValue; } } ++modCount; /** * 判断容量是否已经到了需要扩充的阈值了,如果到了,则进行扩充 * 如果上一步已经判断key是存在的，只是替换了value值，并没有插入新的元素，所以不需要判断 * 扩容，不会走这一步的 */ if (++size > threshold) resize(); afterNodeInsertion(evict); return null; }
hashMap中还有其他的一些方法在此就不挨个来说了
可以在下方进行评论，一起学习进步~