本文已收录于：https://github.com/danmuking/all-in-one（持续更新）
数据结构
JDK1.8 之前
JDK1.8 之前 HashMap 采用 数组和链表 结合的数据结构。如下图：
HashMap 将 key 的 hashCode 经过扰动函数处理过后得到 hash 值，然后通过(n - 1) & hash判断当前元素存放的位置（n 指的是数组的长度），如果当前位置存在元素的话，就判断该元素与要存入的元素的 hash 值以及 key 是否相同，如果相同的话，直接覆盖，不相同就通过拉链法解决冲突。
什么是拉链法？
拉链法就是将链表和数组相结合。也就是说创建一个链表数组，数组中每一格就是一个链表。若遇到哈希冲突，则将冲突的值加到链表中即可。
JDK1.8 之后
在JDK1.8之中，由于考虑到搜索链表的时间复杂度为 O(n)，链表过长的话，遍历链表将会花费过长的时间，因此，JDK1.8中，对 HashMap 的数据结构进行了一定的优化。
当满足一定条件时，会将链表转换为红黑树结构（具体细节见下文），搜索红黑树的时间复杂度为 O(logn)，这可以为 HashMap 带来一定的性能提升
在 JDK1.8 中，还对 HashMap 中计算 hashcode 的函数进行了优化
JDK 1.8 的 hash 方法 相比于 JDK 1.7 hash 方法更加简化。
static final int hash(Object key) {
int h;
// key.hashCode()：返回散列值也就是hashcode
// ^：按位异或
// >>>:无符号右移，忽略符号位，空位都以0补齐
return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}
对比一下 JDK1.7 的 HashMap 的 hash 方法源码.
static int hash(int h) {
// This function ensures that hashCodes that differ only by
// constant multiples at each bit position have a bounded
// number of collisions (approximately 8 at default load factor).
h ^= (h >>> 20) ^ (h >>> 12);
return h ^ (h >>> 7) ^ (h >>> 4);
}
JDK1.8 的 hash 扰动次数更少，性能更好。
类图
HashMap 的继承关系很简单，继承于 AbstractMap 并且是实现了 Cloneable 和 Serializable 接口
public class HashMap<K,V> extends AbstractMap<K,V>
implements Map<K,V>, Cloneable, Serializable
- AbstractMap : 表明它是一个 Map，支持实现 k-v 形式的查询操作
- Cloneable ：表明它具有拷贝能力，可以进行深拷贝或浅拷贝操作。
- Serializable : 表明它可以进行序列化操作，也就是可以将对象转换为字节流进行持久化存储或网络传输
核心源码解读
重要变量：
// 默认的初始容量是16
static final int DEFAULT_INITIAL_CAPACITY = 1 << 4;
// 最大容量
static final int MAXIMUM_CAPACITY = 1 << 30;
// 默认的负载因子
static final float DEFAULT_LOAD_FACTOR = 0.75f;
// 当桶上的结点数大于等于这个值时会转成红黑树
static final int TREEIFY_THRESHOLD = 8;
// 当桶上的结点数小于等于这个值时树转链表
static final int UNTREEIFY_THRESHOLD = 6;
// 链表转化为红黑树所需的最小数组容量
// 链表转换为红黑树需要MIN_TREEIFY_CAPACITY和TREEIFY_THRESHOLD两个条件同时满足
static final int MIN_TREEIFY_CAPACITY = 64;
// 存储元素的数组，总是2的幂次倍
transient Node<k,v>[] table;
// 存放元素的个数，注意这个不等于数组的长度。
transient int size;
// 阈值(容量*负载因子) 当size超过阈值时，会进行扩容
int threshold;
// 负载因子
final float loadFactor;
loadFactor 负载因子
loadFactor 负载因子是控制 HashMap 中数组存放数据的疏密程度，loadFactor 影响的是单位长度的数组中存放的数据数量，loadFactor 越大，单位长度的数组中存放的元素就越多，反之，loadFactor 越小，单位长度的数组中存放的元素就越少
loadFactor 太大会导致导致查找元素效率低，因为数据密集，平均链表长度更长。
loadFactor 太小导致数组的利用率低，存放的数据会很分散，很多数组位置空闲
loadFactor 的默认值为 0.75f 是官方给出的一个比较好的临界值。
threshold 阈值
threshold = capacity * loadFactor，当size > threshold的时候，就会进行数组扩容。
Node 节点
// 继承自 Map.Entry<K,V>
static class Node<K,V> implements Map.Entry<K,V> {
final int hash;// 哈希值，存放元素到hashmap中时用来与其他元素hash值比较
final K key;//键
V value;//值
// 指向下一个节点
Node<K,V> next;
Node(int hash, K key, V value, Node<K,V> 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; }
// 重写hashCode()方法
public final int hashCode() {
return Objects.hashCode(key) ^ Objects.hashCode(value);
}
public final V setValue(V newValue) {
V oldValue = value;
value = newValue;
return oldValue;
}
// 重写 equals() 方法
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;
}
}
初始化
HashMap 中有四个构造方法，其中常用的有三个：
// 默认构造函数。
public HashMap() {
// 懒加载，初始化的时候不分配空间。
this.loadFactor = DEFAULT_LOAD_FACTOR; // all other fields defaulted
}
// 指定初始化容量的构造函数
public HashMap(int initialCapacity) {
this(initialCapacity, DEFAULT_LOAD_FACTOR);
}
// 指定“容量大小”和“负载因子”的构造函数
public HashMap(int initialCapacity, float loadFactor) {
if (initialCapacity < 0)
throw new IllegalArgumentException("Illegal initial capacity: " + initialCapacity);
// 边界条件处理
if (initialCapacity > MAXIMUM_CAPACITY)
initialCapacity = MAXIMUM_CAPACITY;
if (loadFactor <= 0 || Float.isNaN(loadFactor))
throw new IllegalArgumentException("Illegal load factor: " + loadFactor);
this.loadFactor = loadFactor;
// 初始容量暂时存放到 threshold ，在resize中再赋值给 newCap 进行table初始化
// tableSizeFor的作用是找到和initialCapacity最接近的2的次幂，
// 因为 HashMap 的容量一定是2的次幂
this.threshold = tableSizeFor(initialCapacity);
}
static final int tableSizeFor(int cap) {
int n = -1 >>> Integer.numberOfLeadingZeros(cap - 1);
return (n < 0) ? 1 : (n >= MAXIMUM_CAPACITY) ? MAXIMUM_CAPACITY : n + 1;
}
HashMap 同样使用懒加载，第一次初始化的时候不分配数组空间，第一次空间分配发生在以第一次调用 put 方法时
put 方法
步骤
向 HashMap 中添加元素需要经过一下步骤：
- 计算 key 的 hash 值，并定位到对应的数组位置
- 如果定位到的数组位置没有元素 就直接插入。
- 如果定位到的数组位置有元素，就和要插入的 key 比较。如果 key 相同就直接覆盖，如果 key 不相同，就需要遍历所有元素，如果找到相同的 key 就覆盖，否则插入到末尾。
public V put(K key, V value) {
// 实际调用 putVal 方法
return putVal(hash(key), key, value, false, true);
}
final V putVal(int hash, K key, V value, boolean onlyIfAbsent,
boolean evict) {
Node<K,V>[] tab; Node<K,V> p; int n, i;
// table未初始化或者长度为0，进行扩容
// 这里会将 table 赋值给 tab，tab.length 赋值给 n，接下来经常有这种写法
if ((tab = table) == null || (n = tab.length) == 0)
n = (tab = resize()).length;
// (n - 1) & hash 确定元素存放在哪个桶中，桶为空，新生成结点放入桶中(此时，这个结点是放在数组中)
if ((p = tab[i = (n - 1) & hash]) == null)
tab[i] = newNode(hash, key, value, null);
// 桶中已经存在元素（处理hash冲突）
else {
Node<K,V> e; K k;
//快速判断第一个节点table[i]的key是否与插入的key一样，若相同就直接使用插入的值p替换掉旧的值e。
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
e = p;
// 判断插入的是否是红黑树节点
else if (p instanceof TreeNode)
// 放入树中
e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
// 不是红黑树节点则说明为链表结点
else {
// 遍历链表，如果在链表中找到相同的key就覆盖，否则添加到尾部
for (int binCount = 0; ; ++binCount) {
// 已经到达链表的尾部
if ((e = p.next) == null) {
// 在尾部插入新结点
p.next = newNode(hash, key, value, null);
// 结点数量达到阈值(默认为 8 )，执行 treeifyBin 方法
// 这个方法会根据 HashMap 数组来决定是否转换为红黑树。
// 只有当数组长度大于或者等于 64 的情况下，才会执行转换红黑树操作，以减少搜索时间。
// 否则，就是只是对数组扩容。
if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st
treeifyBin(tab, hash);
// 跳出循环
break;
}
// 如果找到key相同的节点，结束遍历，接下来将会覆盖旧值
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
// 相等，跳出循环
break;
// 用于遍历桶中的链表，与前面的e = p.next组合，可以遍历链表
p = e;
}
}
// 表示在桶中找到key值、hash值与插入元素相等的结点
if (e != null) {
// 记录e的value
V oldValue = e.value;
// onlyIfAbsent为false或者旧值为null
if (!onlyIfAbsent || oldValue == null)
//用新值替换旧值
e.value = value;
// 访问后回调
afterNodeAccess(e);
// 返回旧值
return oldValue;
}
}
// 结构性修改
++modCount;
// 实际大小大于阈值则扩容
if (++size > threshold)
resize();
// 插入后回调
afterNodeInsertion(evict);
return null;
}
get 方法
步骤
从 HashMap 中获取元素的步骤与插入元素的步骤差不多：
- 计算 key 对应的 hash 值，计算对应的数组位置
- 快速比较对应数组位置的元素是不是要获取的元素，是则返回，不是则遍历对应位置的链表
- 遍历链表，如果找到相同的key则返回，否则遍历到最后一个节点返回 null
public V get(Object key) {
Node<K,V> e;
return (e = getNode(hash(key), key)) == null ? null : e.value;
}
final Node<K,V> getNode(int hash, Object key) {
Node<K,V>[] tab; Node<K,V> first, e; int n; K k;
if ((tab = table) != null && (n = tab.length) > 0 &&
(first = tab[(n - 1) & hash]) != null) {
// 比较第一个元素是否相等，相等则快速返回
if (first.hash == hash && // always check first node
((k = first.key) == key || (key != null && key.equals(k))))
return first;
// 遍历链表
if ((e = first.next) != null) {
// 在树中get
if (first instanceof TreeNode)
return ((TreeNode<K,V>)first).getTreeNode(hash, key);
// 在链表中get
do {
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
return e;
} while ((e = e.next) != null);
}
}
return null;
}
resize 方法
扩容也是 HashMap 中一个重要的知识点。进行扩容，将会遍历原数组中的所有数据，并重新计算其在新数组中的对应位置，将其转移到新数组中。因此 resize 相当耗时，在程序中需要尽量避免。
很多文章会说在resize的过程中会**重新计算hash的值，这是错误的。**在扩容时将会沿用之前的hash，仅仅重新计算在新数组中的位置。
步骤
resize 的流程很简单，大体来说只有两步：
- 创建原数组2倍大小的数组
- 将原数组元素移动到新数组
final Node<K,V>[] resize() {
Node<K,V>[] 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 >= MAXIMUM_CAPACITY) {
// 同时将阈值设为最大值，之后就不会再扩容了
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) < MAXIMUM_CAPACITY && oldCap >= DEFAULT_INITIAL_CAPACITY)
newThr = oldThr << 1; // double threshold
}
// 下面两个条件是初始化 HashMap 时触发
else if (oldThr > 0) // initial capacity was placed in threshold
// 创建对象时初始化容量大小放在threshold中，此时只需要将其作为新的数组容量
newCap = oldThr;
else {
// signifies using defaults 无参构造函数创建的对象在这里计算容量和阈值
newCap = DEFAULT_INITIAL_CAPACITY;
newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);
}
if (newThr == 0) {
// 创建时指定了初始化容量或者负载因子，在这里进行阈值初始化，
// 或者扩容前的旧容量小于16，在这里计算新的resize上限
float ft = (float)newCap * loadFactor;
newThr = (newCap < MAXIMUM_CAPACITY && ft < (float)MAXIMUM_CAPACITY ? (int)ft : Integer.MAX_VALUE);
}
threshold = newThr;
@SuppressWarnings({"rawtypes","unchecked"})
Node<K,V>[] newTab = (Node<K,V>[])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 < oldCap; ++j) {
Node<K,V> e;
if ((e = oldTab[j]) != null) {
oldTab[j] = null;
if (e.next == null)
// 只有一个节点，直接计算元素新的位置即可
newTab[e.hash & (newCap - 1)] = e;
else if (e instanceof TreeNode)
// 将红黑树拆分成2棵子树，如果子树节点数小于等于 UNTREEIFY_THRESHOLD（默认为 6），则将子树转换为链表。
// 如果子树节点数大于 UNTREEIFY_THRESHOLD，则保持子树的树结构。
((TreeNode<K,V>)e).split(this, newTab, j, oldCap);
else {
Node<K,V> loHead = null, loTail = null;
Node<K,V> hiHead = null, hiTail = null;
Node<K,V> 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
hiTail.next = e;
hiTail = e;
}
} while ((e = next) != null);
// 原索引放到bucket里
if (loTail != null) {
loTail.next = null;
newTab[j] = loHead;
}
// 原索引+oldCap放到bucket里
if (hiTail != null) {
hiTail.next = null;
newTab[j + oldCap] = hiHead;
}
}
}
}
}
return newTab;
}
resize 如何计算数据在新数组中位置？
if ((e.hash & oldCap) == 0) {
// 。。。
// 原索引+oldCap
else {
// 。。。
}
为什么可以使用(e.hash & oldCap) == 0来计算数据在新数组中的位置呢？因为在 HashMap 中数组的长度一定是2的次幂（不知道的话请重新阅读上面的内容），并且扩容时新数组大小是旧数组的 2 倍。因此可以通过 hash 是否可以被2整除来决定元素应该放在原下标还是原下标+旧数组长度。代码中使用e.hash & oldCap位运算来加快计算速度，举个简单的例子来理解一下这个运算：
hash 实际上是一个int类型，转换为二进制就是32个bit。假设现在有一个大小为16的HashMap，数组下标范围就是0~15，因此可以使用hash的最后4个bit进行表示：
在扩容后大小变为16*2=32，数组下标范围为0~31，可以使用hash的最后5个bit进行表示：
可以发现，每扩容一次就需要多使用一个bit，而根据多使用的这个bit是0还是1就可以将元素分布到原下标和原下标+旧数组长度。
点关注，不迷路
好了，以上就是这篇文章的全部内容了，如果你能看到这里，非常感谢你的支持！
如果你觉得这篇文章写的还不错， 求点赞👍 求关注❤️ 求分享👥 对暖男我来说真的 非常有用！！！
白嫖不好，创作不易，各位的支持和认可，就是我创作的最大动力，我们下篇文章见！
如果本篇博客有任何错误，请批评指教，不胜感激 ！
最后推荐我的IM项目DiTing（https://github.com/danmuking/DiTing-Go），致力于成为一个初学者友好、易于上手的 IM 解决方案，希望能给你的学习、面试带来一点帮助，如果人才你喜欢，给个Star⭐叭！