Java集合之HashMap
前面讲过ArrayList和LinkedList，它们都是List类型，对于List集合来说，它存储的元素除了有先后顺序关系外，不会在这个集合中表示出其他的联系。本文要讲的HashMap是Map类型，它同时存储key和value两个元素，并且key和value之间是一一对应的。换句话说，Map不光存储数据，并且存储数据的映射关系。
对于HashMap来说，其基本特性如下：
| 基本特性 | 结论 |
|---|---|
| 元素是否允许为null | key和value可以为null |
| 元素是否允许重复 | key重复会覆盖，value可以重复 |
| 是否有序 | 否 |
| 是否线程安全 | 否 |
源码分析
本文使用的是JDK 1.8.0_201的源码。
成员变量
HashMap在JDK 1.7时基于数组+链表实现，在JDK 1.8时作了优化，变成了数组+链表+红黑树实现。我们来看下JDK 1.8下HashMap的成员变量：
| 成员变量 | 作用 |
|---|---|
| static final int DEFAULT_INITIAL_CAPACITY = 1 << 4; | 底层数组的默认大小为16，这个数字必须为2的次方 |
| static final int MAXIMUM_CAPACITY = 1 << 30 | 底层数组最大长度 |
| static final float DEFAULT_LOAD_FACTOR = 0.75f; | 默认的负载因子 |
| static final int TREEIFY_THRESHOLD = 8; | 桶的实现由链表转为红黑树的阈值 |
| static final int UNTREEIFY_THRESHOLD = 6; | 桶的实现由红黑树转为链表的阈值 |
| static final int MIN_TREEIFY_CAPACITY = 64; | 由链表转为红黑树，底层数组的最小长度 |
| transient Node<K,V>[] table; | 底层数组 |
| transient Set<Map.Entry<K,V>> entrySet; | entrySet缓存 |
| transient int size; | 实际存储的元素个数 |
| int threshold; | 需要进行resiz时size的大小，即capacity * load factor |
| final float loadFactor; | 负载因子，默认为0.75 |
HashMap的源码明显比ArrayList和LinkedList要复杂。
put()操作
put操作的大致思路为：
- 对key的hashCode()做hash处理，然后再通过求模计算bucket的下标；
- 如果没有产生hash碰撞，直接放入bucket中；
- 如果产生碰撞，以链表的形式追加到桶后面；
- 如果链表的长度过长（即大于等于TREEIFY_THRESHOLD），就把链表转为红黑树；
- 如果节点已经存在就替换old value（保证key的唯一性）；
- 如果该map中的元素个数超过阈值threshold（即capacity * load factor），就resize
public V put(K key, V value) {
// 对key的hashCode()做hash处理
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为空则创建
if ((tab = table) == null || (n = tab.length) == 0)
n = (tab = resize()).length;
// 计算桶的下标（等同于%求模运算），并判断该桶是否为null，即判断是否产生hash碰撞，如果该桶为null则创建一个桶
if ((p = tab[i = (n - 1) & hash]) == null)
tab[i] = newNode(hash, key, value, null);
// 如果该桶不为null，即hash碰撞，则需要根据情况进行处理
else {
Node<K,V> e; K k;
// 第一种情况，该桶的第一个节点与添加的元素相同
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
e = p;
// 第二种情况，桶的实现为树
else if (p instanceof TreeNode)
e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
// 第三种情况，需要往桶中添加一个链表节点
else {
// 遍历桶中的元素，为添加的元素寻找位置，注意这里的时间复杂度为O(n)
for (int binCount = 0; ; ++binCount) {
if ((e = p.next) == null) {
p.next = newNode(hash, key, value, null);
if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st
treeifyBin(tab, hash);
break;
}
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
break;
p = e;
}
}
// 写入操作
if (e != null) { // existing mapping for key
V oldValue = e.value;
if (!onlyIfAbsent || oldValue == null)
e.value = value;
afterNodeAccess(e);
return oldValue;
}
}
++modCount;
// 超过负载阈值，resize
if (++size > threshold)
resize();
afterNodeInsertion(evict);
return null;
}
get()操作
有了前面put操作的基础，再看get操作就容易多了。大致思路如下：
- 先检查map以及根据hash求模的桶是否有数据，如果没有数据，直接返回null；
- 判断是否命中该桶第一个元素，是则直接返回第一个元素value；
- 判断该桶的元素是否为红黑树，如果是则调用红黑树的方法获取value；
- 如果是普通节点，遍历节点元素，匹配就返回value，否则返回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;
// 先检查该map是否有数据，以及根据hash求模的桶是否有数据，如果没有数据则直接返回null
if ((tab = table) != null && (n = tab.length) > 0 &&
(first = tab[(n - 1) & hash]) != null) {
// 若命中桶的第一个元素，直接返回第一个元素value
if (first.hash == hash && // always check first node
((k = first.key) == key || (key != null && key.equals(k))))
return first;
if ((e = first.next) != null) {
// 如果是红黑树，调用红黑树节点的
if (first instanceof TreeNode)
return ((TreeNode<K,V>)first).getTreeNode(hash, key);
// 如果是普通节点，遍历该桶的节点
do {
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
return e;
} while ((e = e.next) != null);
}
}
return null;
}
hash()方法的实现
在put()和get()操作时，都对key做了hash操作。先看下源码：
static final int hash(Object key) {
int h;
return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}
这个方法的作用是：对key的hashCode值做计算，让其高16位不变，低16位与高16位进行异或计算。代码非常简单，但是其背后的设计思想并不是那么简单。
HashMap其底层数组table[]的长度一定是2的幂次方，在根据hash值计算table下标时，可以用 （n - 1） & hash 的方式代替求模 % 运算。这么做提高了计算table下标的效率，却容易导致hash碰撞。比如，n - 1为15(0x1111)时，hash真正有效的只是低4位，当然容易发生碰撞。
为了解决上面的碰撞，设计者将hashCode的低16位异或高16位。那么为什么不多异或几次呢？这里考虑到了综合性能，因为现在很多类的hashCode实现得很好，原本就很分散，多几次异或操作作用不大。另一方面，对于冲突较多的情形，使用树来解决频繁的碰撞。仅异或一次，既减少了系统的开销，也不会造成的因为高位没有参与下标的计算(table长度比较小时)，从而引起的碰撞。
在JDK 1.8 之前，HashMap是用链表实现的，在产生碰撞的情况下，get操作的时间复杂度为O(n)，因此当碰撞很厉害，n非常大的时候，O(n)的效率是不够好的。
因此JDK 1.8 采用红黑树代替链表，这样get操作的时间复杂度变为了O(log n) ，在n非常大的时候，能够明显的提高效率。在 《Java 8：HashMap的性能提升》 一文中有相关的性能测试结果。
resize()操作
当添加元素时，比如put操作，如果map的元素个数大于阈值（即size > threshold），就会触发resize。resize操作会将map的容量扩大为原先的2倍，而每个元素的桶下标要是不变，要么移动2的幂次方。
原理在于，计算桶下标的方法是：
（n - 1） & hash
现在n为原先的2倍，比如原先n为16，那么(n - 1)即15(0x1111)，现在n为32，(n - 1)即为31(0x11111)。原先有效的hash位是4位，现在变成了5位。所以，hash位第5位是0的元素，仍然在原先的桶中，而hash位第5位是1的元素，将移动2的幂次方。
总结
为了加深对HashMap的理解，总结了以下几个问题：
1. 什么时候会使用HashMap？他有什么特点？
HashMap是基于Map接口的实现，存储键值对时，它可以接收null的键值，是非同步的，HashMap存储着Entry(hash, key, value, next)对象。
2. 你知道HashMap的工作原理吗？
HashMap通过put和get存储和获取对象。存储对象时，我们将K/V传给put方法时，它调用hashCode计算hash从而得到bucket位置，进一步存储，HashMap会根据当前size的大小自动调整容量(超过Load Facotr则resize为原来的2倍)。获取对象时，我们将K传给get，它调用hashCode计算hash从而得到bucket位置，并进一步调用equals()方法确定键值对。如果发生碰撞的时候，Hashmap通过链表将产生碰撞冲突的元素组织起来，在Java 8中，如果一个bucket中碰撞冲突的元素超过某个限制(默认是8)，则使用红黑树来替换链表，从而提高速度。
3. 你知道get和put的原理吗？equals()和hashCode()的都有什么作用？
通过对key的hashCode()进行hashing，并通过( n-1 & hash)求模的方式计算下标，从而获得buckets的位置。如果产生碰撞，则利用key.equals()方法去链表或树中去查找对应的节点。
4. 你知道hash的实现吗？为什么要这样实现？
在Java 1.8的实现中，是通过hashCode()的高16位异或低16位实现的：(h = k.hashCode()) ^ (h >>> 16)，主要是从速度、功效、质量来考虑的，这么做可以在bucket的n比较小的时候，也能保证考虑到高低bit都参与到hash的计算中，同时不会有太大的开销。
5. 如果HashMap的大小超过了负载因子(load factor)定义的容量，怎么办？
如果超过了负载因子(默认0.75)，则会重新resize一个原来长度两倍的HashMap。元素要么仍然在之前的bucket中，要么移动2的幂次方。
