HashMap作为我们最常用的数据类型，当然有必要了解一下他内部是实现细节。相比于 JDK7 在JDK8 中引入了红黑树以及hash计算等方面的优化，使得 JDK8 中的HashMap效率要高于以往的所有版本，本文会详细介绍相关的优化，但是主要还是写 JDK8 的源码。
在海晏等地区，都构建了全面的区域性战略布局，加强发展的系统性、市场前瞻性、产品创新能力，以专注、极致的服务理念，为客户提供做网站、成都做网站 网站设计制作按需设计网站,公司网站建设,企业网站建设,成都品牌网站建设,营销型网站建设,成都外贸网站建设,海晏网站建设费用合理。
一、整体结构
1. 类定义
public class HashMap extends AbstractMap implements Map, Cloneable, Serializable {}
可以看到HashMap是完全基于Map接口实现的，其中AbstractMap是Map接口的骨架实现，提供了Map接口的最小实现。
HashMap看名字也能猜到，他是基于哈希表实现的（数组+链表+红黑树）：
2. 构造函数和成员变量
public HashMap(int initialCapacity)public HashMap()public HashMap(Map m)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; this.threshold = tableSizeFor(initialCapacity);
}HashMap一共有四个构造函数，其主要作用就是初始化loadFactor和threshold两个参数：
threshold：扩容的阈值，当放入的键值对大于这个阈值的时候，就会发生扩容；
loadFactor：负载系数，用于控制阈值的大小，即threshold = table.length * loadFactor；默认情况下负载系数等于0.75，当它值越大时：哈希桶空余的位置越少，空间利用率越高，同时哈希冲突也就越严重，效率也就越低；相反它值越小时：空间利用率越低，效率越高；而0.75是对于空间和效率的一个平衡，通常情况下不建议修改；
但是对于上面构造函数当中this.threshold = tableSizeFor(initialCapacity);，这里的阈值并没有乘以负载系数，是因为在构造函数当中哈希桶table[]还没有初始化，在往里put数据的时候才会初始化，而tableSizeFor是为了得到大于等于initialCapacity的最小的2的幂；
transient Node[] table; // 哈希桶transient Set> entrySet; // 映射关系Set视图transient int size; // 键值对的数量transient int modCount; // 结构修改次数，用于实现fail-fast机制
哈希桶的结构如下：
static class Node implements Map.Entry { final int hash; // 用于寻址，避免重复计算
final K key;
V value;
Node next;
... public final int hashCode() { return Objects.hashCode(key) ^ Objects.hashCode(value);
}
}
其中Node next还有一个TreeNode子类用于实现红黑树，需要注意的是这里的hashCode()所计算的hash值只用于在遍历的时候获取hash值，并非寻址所用hash；
二、Hash表
既然是Hash表，那么最重要的肯定是寻址了，在HashMap中采用的是除留余数法，即table[hash % length]，但是在现代CPU中求余是最慢的操作，所以人们想到一种巧妙的方法来优化它，即length为2的指数幂时，hash % length = hash & (length-1)，所以在构造函数中需要使用tableSizeFor(int cap)来调整初始容量；
/**
* Returns a power of two size for the given target capacity.
*/static final int tableSizeFor(int cap) { int n = cap - 1;
n |= n >>> 1;
n |= n >>> 2;
n |= n >>> 4;
n |= n >>> 8;
n |= n >>> 16; return (n < 0) ? 1 : (n >= MAXIMUM_CAPACITY) ? MAXIMUM_CAPACITY : n + 1;
}首先这里要明确：
2的幂的二进制是，1后面全是0
有效位都是1的二进制加1，就可以得到2的幂
以33为例，如图：
因为int是4个字节32位，所以最多只需要将高位的16位与低位的16位做或运算就可以得到2的幂，而int n = cap - 1;是为了避免cap本身就是2的幂的情况；这个算是真是厉害，看了很久才看明白，实在汗颜。
计算 hash
static final int hash(Object key) { int h; return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}这里重新计算hash是因为在hash & (length-1)计算下标的时候，实际只有hash的低位参与的运算容易产生hash冲突，所以用异或是高位的16位也参与运算，以减小hash冲突，要理解这里首先要明白，
具体如图所示：
三、重要方法讲解
对于Map而言最重要的当然是Get和Put等操作了，所以下面将介绍与之相关的操作；
1. put方法
public V put(K key, V value) { return putVal(hash(key), key, value, false, true);
}/**
* 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[] tab; Node p; int n, i; // 如果没有初始化哈希桶，就使用resize初始化
if ((tab = table) == null || (n = tab.length) == 0)
n = (tab = resize()).length; // 如果hash对应的哈希槽是空的，就直接放入
if ((p = tab[i = (n - 1) & hash]) == null)
tab[i] = newNode(hash, key, value, null); else {
Node e; K k; // 如果已经存在key，就替换旧值
if (p.hash == hash && ((k = p.key) == key || (key != null && key.equals(k))))
e = p; // 如果已经是树节点，就用putTreeVal遍历树赋值
else if (p instanceof TreeNode)
e = ((TreeNode)p).putTreeVal(this, tab, hash, key, value); else { // 遍历链表
for (int binCount = 0; ; ++binCount) { // 遍历到最后一个节点也没有找到，就新增一个节点
if ((e = p.next) == null) {
p.next = newNode(hash, key, value, null); // 如果链表长度大于8，则转换为红黑树
if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st
treeifyBin(tab, hash); break;
} // 找到key对应的节点则跳出遍历
if (e.hash == hash && ((k = e.key) == key || (key != null && key.equals(k)))) break;
p = e;
}
} // e是最后指向的节点，如果不为空，说明已经存在key，则替换旧的value
if (e != null) { // existing mapping for key
V oldValue = e.value; if (!onlyIfAbsent || oldValue == null)
e.value = value;
afterNodeAccess(e); return oldValue;
}
} // 新增节点时结构改变modCount加1
++modCount; if (++size > threshold)
resize();
afterNodeInsertion(evict); return null;
}具体过程如图所示：
2. resize方法
final Node[] resize() {
Node[] oldTab = table; int oldCap = (oldTab == null) ? 0 : oldTab.length; int oldThr = threshold; int newCap, newThr = 0; if (oldCap > 0) { // 如果hash桶已经完成初始化，并且已达最大容量，则直接返回
if (oldCap >= MAXIMUM_CAPACITY) {
threshold = Integer.MAX_VALUE; return oldTab;
} // 如果扩大2倍没有超过最大容量，则扩大两倍
else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY && oldCap >= DEFAULT_INITIAL_CAPACITY)
newThr = oldThr << 1; // double threshold
} // 如果threshold已经初始化，则初始化容量为threshold
else if (oldThr > 0) // initial capacity was placed in threshold
newCap = oldThr; // 如果threshold和哈希桶都没有初始化，则使用默认值
else { // zero initial threshold signifies using defaults
newCap = DEFAULT_INITIAL_CAPACITY;
newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);
} // 重新计算threshold
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","unchecked"})
Node[] newTab = (Node[])new Node[newCap];
table = newTab; if (oldTab != null) { for (int j = 0; j < oldCap; ++j) {
Node e; if ((e = oldTab[j]) != null) {
oldTab[j] = null; // 如果只有一个节点，则直接重新放置节点
if (e.next == null)
newTab[e.hash & (newCap - 1)] = e; // 如果是树节点，则将红黑树拆分后，重新放置
else if (e instanceof TreeNode)
((TreeNode)e).split(this, newTab, j, oldCap); // 将链表拆分为原位置和高位置两条链表
else { // preserve order
Node loHead = null, loTail = null;
Node hiHead = null, hiTail = null;
Node next; do {
next = e.next; // 节点重新放置后在原位置
if ((e.hash & oldCap) == 0) { if (loTail == null)
loHead = e; else
loTail.next = e;
loTail = e;
} // 节点重新放置后位置+oldCap
else { if (hiTail == null)
hiHead = e; else
hiTail.next = e;
hiTail = e;
}
} while ((e = next) != null); // 放置低位置链表
if (loTail != null) {
loTail.next = null;
newTab[j] = loHead;
} // 放置高位置链表
if (hiTail != null) {
hiTail.next = null;
newTab[j + oldCap] = hiHead;
}
}
}
}
} return newTab
}
上面的扩容过程需要注意的是，因为哈希桶长度总是2的幂，所以在扩大两倍之后原来的节点只可能在原位置或者原位置+oldCap，具体判断是通过(e.hash & oldCap) == 0实现的；
如图所示：
3. get方法
public V get(Object key) {
Node e; return (e = getNode(hash(key), key)) == null ? null : e.value;
}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)))) return first; if ((e = first.next) != null) { if (first instanceof TreeNode) return ((TreeNode)first).getTreeNode(hash, key); do { if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k)))) return e;
} while ((e = e.next) != null);
}
} return null;
}相较于其他方法get方法就要简单很多了，只是用hash取到对应的hash槽，在依次遍历即可。
4. clone方法
public Object clone() {
HashMap result; try {
result = (HashMap)super.clone();
} catch (CloneNotSupportedException e) { // this shouldn't happen, since we are Cloneable
throw new InternalError(e);
}
result.reinitialize();
result.putMapEntries(this, false); return result;
}对于clone方法这里有一个需要注意的地方，result.putMapEntries(this, false)，这里在put节点的时候是用的this，所以这只是浅复制，会影响原map，所以在使用的时候需要注意一下；
至于其他方法还有很多，但大致思路都是一致的，大家可以在看一下源码。
四、HashMap不同版本对比
1. hash均匀的时候使用get
| 10,000 | 4 ms | 3 ms | 4 ms | 2 ms |
| 100,000 | 7 ms | 6 ms | 8 ms | 4 ms |
| 1,000,000 | 99 ms | 15 ms | 14 ms | 13 ms |
2. hash不均匀的时候使用get
| 10,000 | 197 ms | 154 ms | 132 ms | 15 ms |
| 100,000 | 30346 ms | 18967 ms | 19131 ms | 177 ms |
| 1,000,000 | 3716886 ms | 2518356 ms | 2902987 ms | 1226 ms |
| 10,000,000 | OOM | OOM | OOM | 5775 ms |
3. hash均匀的时候使用put
| 10,000 | 17 ms | 12 ms | 13 ms | 10 ms |
| 100,000 | 45 ms | 31 ms | 34 ms | 46 ms |
| 1,000,000 | 384 ms | 72 ms | 66 ms | 82 ms |
| 10,000,000 | 4731 ms | 944 ms | 1024 ms | 99 ms |
4. hash不均匀的时候使用put
| 10,000 | 211 ms | 153 ms | 162 ms | 10 ms |
| 100,000 | 29759 ms | 17981 ms | 17653 ms | 93 ms |
| 1,000,000 | 3527633 ms | 2509506 ms | 2902987 ms | 333 ms |
| 10,000,000 | OOM | OOM | OOM | 3970 ms |
从以上对比可以看到 JDK8 的 HashMap 无论 hash 是否均匀效率都要好得多，这里面hash算法的改良功不可没，并且因为红黑树的引入使得它在hash不均匀甚至在所有key的hash都相同的情况，任然表现良好。
总结
扩容需要重排所有节点特别损耗性能，所以估算map大小并给定一个合理的负载系数，就显得尤为重要了。
HashMap 是线程不安全的。
虽然 JDK8 中引入了红黑树，将极端hash的情况影响降到了最小，但是从上面的对比还是可以看到，一个好的hash对性能的影响仍然十分重大，所以写一个好的hashCode()也非常重要。
网页题目：JDK源码分析（5）之HashMap相关
文章起源：
http://bjjierui.cn/article/ppjhop.html
