HashMap实现原理

HashMap在实际开发中用到的频率非常高，面试中也是热点。所以决定写一篇文章进行分析，希望对想看源码的人起到一些帮助，看之前需要对链表比较熟悉。
以下都是我自己的理解，欢迎讨论，写的不好轻喷。

---

一、为什么需要散列表

HashMap中的数据结构为散列表，又名哈希表。在这里我会对散列表进行一个简单的介绍，在此之前我们需要先回顾一下 数组、链表 的优缺点。

• 数组：数组删除、插入性能不佳，寻址性能极优
• 链表：链表查询性能不佳，删除、插入性能极优

数组和链表的优缺点取决于他们各自在内存中存储的模式，也就是直接使用顺序存储或链式存储导致的。无论是数组还是链表，都有明显的缺点。而在实际业务中，我们想要的往往是寻址、删除、插入性能都很好的数据结构，散列表就是这样一种结构，它巧妙的结合了数组与链表的优点，并将其缺点弱化（并不是完全消除）

---

二、散列表原理

• 散列表：散列表是一个根据key来访问value的存储结构，HashMap中实现的散列表是一个链表类型的数组，即数组+链表，用来存储key-value数据对。Ps：在1.8及以后版本的jdk中，HashMap中还加入了红黑树，关于这点后文会细说。

哈希函数与下标的计算

散列表的做法是将key映射到数组的某个下标，存取的时候通过key获取到下标（index）然后通过下标直接存取。速度极快，而将key映射到下标需要使用散列函数，又名哈希函数。说到哈希函数可能有人已经想到了，如何将key映射到数组的下标。

key-index映射过程

图中计算下标使用到了以下两个函数：

• hash(key)：对key进行hash计算，获得一个int类型的hash值 效果参考Object.hashCode()
• index(hash, N+1)：对上面得到的hash值进行计算，获得一个不超过数组大小的下标 效果参考 hash%(N+1)

值得注意的是，下标并不是通过hash函数直接得到的，计算下标还要对hash值做index()处理。
Ps：在散列表中，数组的格子叫做桶，下标叫做桶号，桶可以包含一个key-value对，为了方便理解，后文不会使用这两个名词。

哈希碰撞与下标冲突

以下是哈希碰撞相关的说明：

• 哈希碰撞的定义：有a，b两条数据，且a != b，对于这组数据，如果有hash(a) == hash(b)，则哈希发生碰撞
• 原因：hash函数的返回值是一个int类型的数据，int的取值是有范围的，而散列表的key是没有范围的，可以是任何值。将多数key映射到少数hashCode，必然会有多个key对应同一个hashCode的情况。
• 可能性：许多人认为int的取值范围够大，在实际使用中很少会发生碰撞。其实不然，可以参见生日悖论，简单解释一下生日悖论：23人里有两人同一天生日的概率超过50%。（更加具体的说明请自行搜索“生日悖论”）同理，哈希碰撞的可能性是很大的。

哈希碰撞示意图

以下是下标冲突相关的说明：

• 下标冲突：与哈希的碰撞类似，在将hashCode映射到数组下标时也是有可能重复的。在往数组的某个下标插入节点的时候发现该下标已经有其他节点，即为下标冲突。

下标冲突示意图

很多人认为哈希值的碰撞和下标冲突是同一个东西，其实不是的，它们的正确关系是这样的，hashCode发生碰撞，则下标一定冲突；而下标冲突，hashCode并不一定碰撞

如何解决碰撞和冲突

上文提到，在jdk1.8以前HashMap的实现是散列表 = 数组 + 链表 ，但是到目前为止我们还没有看到链表起到的作用。事实上，HashMap引入链表的用意就是解决下标冲突。

下图是引入链表后的散列表：

图片来源于百度百科-哈希表词条

如上图所示，左边的竖条，是一个大小为16的数组，其中存储的是链表的头结点，我们知道，拥有链表的头结点即可访问整个链表，所以认为这个数组中的每个下标都存储着一个链表。其具体做法是，如果发现下标冲突，则后插入的节点以链表的形式追加到前一个节点的后面。

• 举个例子，现在假设有节点B要添加到表中，那么遇到冲突后的整个流程是这样的：
  1、计算得到B.key对应的下标为 n
  2、判断 n 下标下是否有值
  3、发现有值，下标冲突，获取到该下标已有的节点A
  4、判断(B.key).equals(A.key)
  5、如果key相等，根据key唯一的特性，B节点覆盖A节点
  6、如果key不等，判断A.next是否有值
  7、如果A.next也有值，回到步骤4对A.next节点进行对比
  8、重复步骤4-7，直到发现key相等的节点，或遍历到链表的最后一个节点X，执行操作X.next = B
  Ps：读取节点的流程与添加类似，先计算下标，然后遍历链表，直到找到对应的key

这种使用链表解决冲突的方法叫做：拉链法（又叫链地址法）。HashMap使用的就是拉链法，拉链法是冲突发生以后的解决方案。

Q：有了拉链法，就不用担心发生冲突吗？
A：并不是！由于冲突的节点会不停的在链表上追加，大量的冲突会导致单个链表过长，使查询性能降低。所以一个好的散列表的实现应该从源头上减少冲突发生的可能性，冲突发生的概率和哈希函数返回值的均匀程度有直接关系，得到的哈希值越均匀，冲突发生的可能性越小。为了使哈希值更均匀，HashMap内部单独实现了hash()方法。

---

三、HashMap中散列表的实际运用

以上是散列表的存储结构，但是在被运用到HashMap中时还有其他需要注意的地方，这里会详细说明。

扩容与负载因子

现在我们清楚了散列表的存储结构，细心的人应该已经发现了一个问题：Java中数组的长度是固定的，无论哈希函数是否均匀，随着插入到散列表中数据的增多，在数组长度不变的情况下，链表的长度会不断增加。这会导致链表查询性能不佳的缺点出现在散列表上，从而使散列表失去原本的意义。为了解决这个问题，HashMap引入了扩容与负载因子。

以下是和扩容相关的一些概念和解释：

• 默认容量：HashMap中数组的长度如果不指定，则默认为16
• 2的n次幂：HashMap在new的时候可以指定数组长度，但不管如何指定，实际长度一定是2的n次幂（16、32、64、128等），举几个例子，指定长度为17或29，实际长度为32，指定为35、57或63，实际长度为64，以此类推。
• 扩容：随着散列表存储节点的不断增加，散列表中数组的长度也应该增加，为了保证2的n次幂特性，每次扩容都是当前长度*2， 扩容的方法是，新建一个两倍的数组，然后遍历散列表中的所有节点，重新计算下标放入新数组。
• 负载因子：由于散列存储下标具有不确定性，在数组即将被占满的时候，后续添加会发生大量冲突，为了避免，需要使数组在即将被占满前就扩容，而不是等待数组被占满。负载因子决定具体何时扩容。其默认值是0.75，可以在调用构造器的时候指定。0.75的意思是，在调用put方法时，算上被put的节点，如果当前数组被占用达到75%则进行扩容。

Ps：扩容要重新计算下标，扩容要重新计算下标，扩容要重新计算下标，因为下标的计算和数组长度有关，长度改变，下标也应当重新计算。

引入红黑树

在1.8及其以上的jdk版本中，HashMap又引入了红黑树。

• 红黑树：红黑树是一个相对平衡的二叉查找树。平衡二叉树的查找原理和二分查找类似，时间复杂度也一样，都是从有序序列的中间开始查找。此处不做更详细的解释，只需要知道是一个查询效率很高的数据结构即可。

红黑树的引入被用于替换链表，上文说到，如果冲突过多，会导致链表过长，降低查询性能，均匀的hash函数能有效的缓解冲突过多，但是并不能完全避免。所以HashMap加入了另一种解决方案，在往链表后追加节点时，如果发现链表长度达到8，就会将链表转为红黑树，以此提升查询的性能。