前言
HashMap是面试中比较常见的问题，这一篇，我们将通过阅读源码，了解其设计原理以及以下问题
- HashMap的实现原理
- 初始容量为什么是2的倍数
- 如何
resize - 是否线程安全
常用参数
//最大容量 2的30次方
static final int MAXIMUM_CAPACITY = 1 << 30;
//初始容量为16 扩容时才会触发
static final int DEFAULT_INITIAL_CAPACITY = 1 << 4; // aka 16
//默认的加载因子
static final float DEFAULT_LOAD_FACTOR = 0.75f;
//哈希表，存放链表。 长度是2的N次方，或者初始化时为0.
transient Node[] table;
//加载因子，用于计算哈希表元素数量的阈值。 threshold = 哈希表.length * loadFactor;
final float loadFactor;
//哈希表内元素数量的阈值，当哈希表内元素数量超过阈值时，会发生扩容resize()。
int threshold;
其中，table称之为哈希表，用于存放 链表Node
Node 链表
static class Node implements Map.Entry {
final int hash;
final K key;
V value;
Node next;
Node(int hash, K key, V value, Node 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;
}
}
可以看到，Node的数据结构是Node嵌套Node，故称之为链表；
整个链表中的某个Node称之为节点。
构造方法
public HashMap() {
this.loadFactor = DEFAULT_LOAD_FACTOR; // all other fields defaulted
}
public HashMap(int initialCapacity) {
//指定初始化容量的构造函数
this(initialCapacity, DEFAULT_LOAD_FACTOR);
}
public HashMap(int initialCapacity, float loadFactor) {
if (initialCapacity < 0)
throw new IllegalArgumentException("Illegal initial capacity: " +
initialCapacity);
if (initialCapacity > MAXIMUM_CAPACITY)
initialCapacity = MAXIMUM_CAPACITY;
if (loadFactor <= 0 || Float.isNaN(loadFactor))
throw new IllegalArgumentException("Illegal load factor: " +
loadFactor);
this.loadFactor = loadFactor;
//设置阈值 初始化容量的 2的n次方
this.threshold = tableSizeFor(initialCapacity);
}
public HashMap(Map m) {
this.loadFactor = DEFAULT_LOAD_FACTOR;
//将m中元素加入新的哈希表中，同增、改逻辑
putMapEntries(m, false);
}
扩容
final Node[] resize() {
Node[] oldTab = table;
int oldCap = (oldTab == null) ? 0 : oldTab.length;
int oldThr = threshold;
int newCap, newThr = 0;
if (oldCap > 0) {
//已经达到上限，不在扩容
if (oldCap >= MAXIMUM_CAPACITY) {
threshold = Integer.MAX_VALUE;
return oldTab;
}
else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&
oldCap >= DEFAULT_INITIAL_CAPACITY)
//如果旧的容量大于等于默认初始容量16
//新的容量将变为旧的2倍
newThr = oldThr << 1; // double threshold
}
else if (oldThr > 0) // initial capacity was placed in threshold
newCap = oldThr;
else { // zero initial threshold signifies using defaults
//旧哈希表为0，则新表为默认值
newCap = DEFAULT_INITIAL_CAPACITY;
newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);
}
if (newThr == 0) {
//新的阈值是0 重新计算
float ft = (float)newCap * loadFactor;
newThr = (newCap < MAXIMUM_CAPACITY && ft < (float)MAXIMUM_CAPACITY ?
(int)ft : Integer.MAX_VALUE);
}
threshold = newThr;
@SuppressWarnings({"rawtypes","unchecked"})
Node[] newTab = (Node[])new Node[newCap];
table = newTab;
if (oldTab != null) {
//遍历旧的哈希表
for (int j = 0; j < oldCap; ++j) {
Node e;
if ((e = oldTab[j]) != null) {
oldTab[j] = null;
if (e.next == null)
//就一个元素，将其放入新哈希表的e.hash & (newCap - 1)位置
newTab[e.hash & (newCap - 1)] = e;
else if (e instanceof TreeNode)
((TreeNode)e).split(this, newTab, j, oldCap);
else { // preserve order
//因为扩容是容量翻倍，所以原哈希表上的每个链表，现在可能存放在原来的下标，即low位，
// 或者扩容后的下标，即high位。 high位= low位+原哈希桶容量
Node loHead = null, loTail = null;
Node hiHead = null, hiTail = null;
Node next;
do {
next = e.next;
if ((e.hash & oldCap) == 0) {
if (loTail == null)
loHead = e;
else
loTail.next = e;
loTail = e;
}
else {
if (hiTail == null)
hiHead = e;
else
hiTail.next = e;
hiTail = e;
}
} while ((e = next) != null);
if (loTail != null) {
loTail.next = null;
newTab[j] = loHead;
}
if (hiTail != null) {
hiTail.next = null;
newTab[j + oldCap] = hiHead;
}
}
}
}
}
return newTab;
}
简单来说，如果哈希表为空，则分配为初始容量，否则扩容为原来的2倍，原哈希表的元素可能会在新哈希表的相同位置，也可能会在index+oldCap位置
增、改 public V put(K key, V value)
public V put(K key, V value) {
return putVal(hash(key), key, value, false, true);
}
- 1.计算哈希值
static final int hash(Object key) {
int h;
return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}
哈希值的算法，不是本文的重点，在此先略过
- 2.插入或覆盖值
如果table的第(n - 1) & hash个位置为空，则在该位置插入新的链表；如不为空，先判断键值是否相等，如相等则直接覆盖值；如为红黑树，则插入；否则，在链表的尾部追加新的节点。
final V putVal(int hash, K key, V value, boolean onlyIfAbsent,
boolean evict) {
Node[] tab; Node p; int n, i;
//如果当前table为null 代表是初始化，直接扩容
if ((tab = table) == null || (n = tab.length) == 0)
n = (tab = resize()).length;
//如果第i（(n - 1) & hash）个为null 直接放入新的节点
if ((p = tab[i = (n - 1) & hash]) == null)
tab[i] = newNode(hash, key, value, null);
else {
Node e; K k;
//如果哈希值相等，key也相等，则返回的是需要覆盖的节点
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
e = p;
else if (p instanceof TreeNode)
//红黑树
e = ((TreeNode)p).putTreeVal(this, tab, hash, key, value);
else {
for (int binCount = 0; ; ++binCount) {
if ((e = p.next) == null) {
//遍历到尾部，追加新节点到尾部
p.next = newNode(hash, key, value, null);
//如果追加节点后，链表数量大于等于8，则转化为红黑树
if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st
treeifyBin(tab, hash);
break;
}
//如果找到了要覆盖的节点
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
break;
p = e;
}
}
//有需要覆盖的节点
if (e != null) { // existing mapping for key
V oldValue = e.value;
if (!onlyIfAbsent || oldValue == null)
e.value = value;
//空的
afterNodeAccess(e);
//返回旧的值
return oldValue;
}
}
++modCount;
//更新size，并判断是否需要扩容。此处的size即为map的size
if (++size > threshold)
resize();
//空的
afterNodeInsertion(evict);
return null;
}
流程图如下
image.png
查 public V get(Object key)
public V get(Object key) {
Node e;
return (e = getNode(hash(key), key)) == null ? null : e.value;
}
1.计算哈希值
2.判断
table的第(n - 1) & hash位置值的情况
如key相等，则返回该节点；如为红黑树，则返回该节点；否则，从该节点往后循环查找，直到找到相等的key或者空节点。
final Node getNode(int hash, Object key) {
Node[] tab; Node first, e; int n; K k;
if ((tab = table) != null && (n = tab.length) > 0 &&
(first = tab[(n - 1) & hash]) != null) {
if (first.hash == hash && // always check first node
((k = first.key) == key || (key != null && key.equals(k))))
//key相等 则返回该节点
return first;
if ((e = first.next) != null) {
//红黑树
if (first instanceof TreeNode)
return ((TreeNode)first).getTreeNode(hash, key);
//从该节点往后循环查找，直到找到相等的key或者空节点
do {
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
return e;
} while ((e = e.next) != null);
}
}
return null;
}
删除 public V remove(Object key)
- 1.计算哈希值
final Node - 2.判断
table的第(n - 1) & hash位置节点的情况
matchValue是true，则必须key 、value都相等才删除
movable参数是false，在删除节点时，不移动其他节点
final Node removeNode(int hash, Object key, Object value,
boolean matchValue, boolean movable) {
Node[] tab; Node p; int n, index;
if ((tab = table) != null && (n = tab.length) > 0 &&
(p = tab[index = (n - 1) & hash]) != null) {
Node node = null, e; K k; V v;
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
//key相等 则返回该节点
node = p;
else if ((e = p.next) != null) {
if (p instanceof TreeNode)
//红黑树
node = ((TreeNode)p).getTreeNode(hash, key);
else {
//从该节点往后循环查找，直到找到相等的key或者空节点
do {
if (e.hash == hash &&
((k = e.key) == key ||
(key != null && key.equals(k)))) {
node = e;
break;
}
p = e;
} while ((e = e.next) != null);
}
}
//有待删的节点且 matchValue为false，或者值也相等
if (node != null && (!matchValue || (v = node.value) == value ||
(value != null && value.equals(v)))) {
if (node instanceof TreeNode)
((TreeNode)node).removeTreeNode(this, tab, movable);
else if (node == p)
//链表头是待删除链表
tab[index] = node.next;
else
//待删除节点在表中间
p.next = node.next;
++modCount;
//修正size
--size;
afterNodeRemoval(node);
return node;
}
}
return null;
}
如key相等，则返回该节点；如为红黑树，则返回该链表；否则，从该节点往后循环查找，直到找到节点，然后删除它。
总结
HashMap内部是一个Node数组即Node，称之为哈希表，其中存放的Node即链表，链表中的每个节点则是我们放入HashMap中的元素。
- 是否线程安全
线程不安全，存取过程没有任何锁。 - 为何要扩容
因其数据结构是数组，所以会涉及到扩容。 - 如何扩容
当HashMap的容量大于threshold(length*扩容因子)值时，就会触发扩容；如果链表为空，则分配为初始容量，否则扩容为原来的2倍，原链表的节点可能会在新链表的相同位置，也可能会在index+oldCap位置，扩容前后，哈希表的长度一定会是2的倍数。 - 为什么哈希表(
table)容量是2的倍数
HashMap存取时，计算index即(length- 1) & hash，使用&运算符（相比%效率更高），如果length为2的倍数，可以最大程度的确保index的均分，简单来说：如果是2的倍数，就可以用位运算替代取余操作，更加高效 - 为什么需要需要
&位运算（取余%）
hashCode()是int类型，取值范围是40多亿，只要哈希函数映射的比较均匀松散，碰撞几率是很小的。
但是由于HashMap的哈希表的长度远比hash取值范围小，默认是16，所以当对hash值以表的的长度length取余，以找到存放该key的下标时，由于取余是通过与操作(&)完成的，会忽略hash值的高位。因此只有hashCode()的低位参加运算，发生不同的hash值，但是得到的index相同的情况的几率会大大增加，这种情况称之为hash碰撞。 - 怎么解决hash碰撞
扰动函数（hash(Object key)）就是为了解决hash碰撞的。它会综合hash值高位和低位的特征，并存放在低位，因此在与运算时，相当于高低位一起参与了运算，以减少hash碰撞的概率。
static final int hash(Object key) {
int h;
return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}
-
HashMap优化
1.使用合适的初始容量，减少resize带来的损失
2.使用合适的key，比如String、Integer，来减少hash碰撞，这样的话，存、取效率最高。
参考资料：面试必备：HashMap源码解析（JDK8）