HashMap源码解析
jdk1.7版本（各种小版本的源码存在一些小的差别，主要在于对key的hash计算上），对jdk1.6中的HashMap做了一些优化
HashMap概述
HashMap是基于哈希表的Map接口实现，提供了所有可选的映射操作，并允许使用null作为键值对。但是不保证映射的顺序，特别是它不保证顺序的恒久不变。
HashMap不是线程安全的，这是它跟HashTable的主要区别，其次HashTable在进行Key的hash计算和index索引计算的实现也是不一样的。
Hashtable是HashMap的线程安全版本，它的实现和HashMap实现基本一致，除了它不能包含null值的key和value，并且它在计算hash值和数组索引值的方式要稍微简单一些。对于线程安全的实现，Hashtable简单的将所有操作都标记成synchronized，即对当前实例的锁，这样容易引起一些性能问题，所以目前一般使用性能更好的ConcurrentHashMap
HashMap主要的源码解析
public class HashMap<K,V> extends AbstractMap<K,V> implements Map<K,V>, Cloneable, Serializable { /** * 默认初始化容量大小16，必须是2的幂 */ static final int DEFAULT_INITIAL_CAPACITY = 1 << 4; // aka 16 /** * 最大容量，必须是2的幂，且幂<=30 */ static final int MAXIMUM_CAPACITY = 1 << 30; /** * 默认加载系数，可在构造函数中设置 */ static final float DEFAULT_LOAD_FACTOR = 0.75f; /** * 空Entry数组实例，用于table未扩展时 */ static final Entry<?,?>[] EMPTY_TABLE = {}; /** * 哈希数组，根据需要调整数组大小，长度一样必须是2的幂 */ transient Entry<K,V>[] table = (Entry<K,V>[]) EMPTY_TABLE; /** * 当前map中包含的映射键值对数量 */ transient int size; /** * @serial * 阈值，当下一个值的size到达容量*加载系数时重新调整数组大小和阈值 * * 如果元素数组table是一个EMPTY_TABLE空数组，那么阈值为初始化容量大小，直到table数组创建并扩展容量时 * */ int threshold; /** * hash数组的加载系数 * @serial */ final float loadFactor; /** * 当map结构修改时记录此值，累加 */ transient int modCount; /** * The default threshold of map capacity above which alternative hashing is * used for String keys. Alternative hashing reduces the incidence of * collisions due to weak hash code calculation for String keys. * <p/> * This value may be overridden by defining the system property * {@code jdk.map.althashing.threshold}. A property value of {@code 1} * forces alternative hashing to be used at all times whereas * {@code -1} value ensures that alternative hashing is never used. * 当map容量超过默认阈值时使用替换哈希阈值（只能用于String类型的key上） * 替换哈希降低了字符串keys进行哈希码计算时碰撞的发生率 * 默认替换哈希阈值为Integer.MAX_VALUE */ static final int ALTERNATIVE_HASHING_THRESHOLD_DEFAULT = Integer.MAX_VALUE; /** * holds values which can't be initialized until after VM is booted. */ private static class Holder { /** * table容量超出默认阈值时使用替换哈希 */ static final int ALTERNATIVE_HASHING_THRESHOLD; static { // 使用“jdk.map.althashing.threshold”设置替换哈希阈值 String altThreshold = java.security.AccessController.doPrivileged( new sun.security.action.GetPropertyAction( "jdk.map.althashing.threshold")); int threshold; try { threshold = (null != altThreshold) ? Integer.parseInt(altThreshold) : ALTERNATIVE_HASHING_THRESHOLD_DEFAULT; // disable alternative hashing if -1 if (threshold == -1) { threshold = Integer.MAX_VALUE; } if (threshold < 0) { throw new IllegalArgumentException("value must be positive integer."); } } catch(IllegalArgumentException failed) { throw new Error("Illegal value for 'jdk.map.althashing.threshold'", failed); } ALTERNATIVE_HASHING_THRESHOLD = threshold; } } /** * 上面的替换哈希阈值用于计算此值 * 哈希子，一个随机数关联当前实例用于计算key的哈希时避免哈希碰撞，如果为0则禁用替换哈希 */ transient int hashSeed = 0; /** * 构建一个空的hashmap并指定容量和加载系数 */ 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; // 初始化阈值等于容量大小，当元素数组table扩展时从新计算 threshold = initialCapacity; init(); } /** * 构造一个空hashmap并指定容量，加载系数为默认值 */ public HashMap(int initialCapacity) { this(initialCapacity, DEFAULT_LOAD_FACTOR); } /** * 默认构造函数，容量16，加载系数为0.75 */ public HashMap() { this(DEFAULT_INITIAL_CAPACITY, DEFAULT_LOAD_FACTOR); } /** * 构造一个新的hashmap并指定与参数map中一样的映射键值对 */ public HashMap(Map<? extends K, ? extends V> m) { this(Math.max((int) (m.size() / DEFAULT_LOAD_FACTOR) + 1, DEFAULT_INITIAL_CAPACITY), DEFAULT_LOAD_FACTOR); inflateTable(threshold); putAllForCreate(m); } /** * 其实这个方法即返回一个准确的容量大小值，因为很可能number不是2的幂 * 所以返回一个>=number值的且是2的幂的数值 */ private static int roundUpToPowerOf2(int number) { // assert number >= 0 : "number must be non-negative"; return number >= MAXIMUM_CAPACITY ? MAXIMUM_CAPACITY : (number > 1) ? Integer.highestOneBit((number - 1) << 1) : 1; } /** * 元素数组table进行扩容达到toSize */ private void inflateTable(int toSize) { // Find a power of 2 >= toSize int capacity = roundUpToPowerOf2(toSize); threshold = (int) Math.min(capacity * loadFactor, MAXIMUM_CAPACITY + 1); table = new Entry[capacity]; initHashSeedAsNeeded(capacity); } void init() { } /** * 初始化hashSeed的值，延迟初始化知道需要使用它时 */ final boolean initHashSeedAsNeeded(int capacity) { boolean currentAltHashing = hashSeed != 0; boolean useAltHashing = sun.misc.VM.isBooted() && (capacity >= Holder.ALTERNATIVE_HASHING_THRESHOLD); boolean switching = currentAltHashing ^ useAltHashing; if (switching) { hashSeed = useAltHashing ? sun.misc.Hashing.randomHashSeed(this) : 0; } return switching; } /** * 返回对象哈希码 * null对象永远将返回0 */ final int hash(Object k) { int h = hashSeed; // 替换哈希算法 if (0 != h && k instanceof String) { return sun.misc.Hashing.stringHash32((String) k); } h ^= k.hashCode(); h ^= (h >>> 20) ^ (h >>> 12); return h ^ (h >>> 7) ^ (h >>> 4); } /** * 返回哈希码h在table中的索引位置 */ static int indexFor(int h, int length) { return h & (length-1); } /** * 返回map键值对的数量大小 */ public int size() { return size; } /** * @return <tt>true</tt> if this map contains no key-value mappings */ public boolean isEmpty() { return size == 0; } /** * 返回键对应的值 * @see #put(Object, Object) */ public V get(Object key) { if (key == null) return getForNullKey(); Entry<K,V> entry = getEntry(key); return null == entry ? null : entry.getValue(); } /** * 返回key为null的值 */ private V getForNullKey() { if (size == 0) { return null; } for (Entry<K,V> e = table[0]; e != null; e = e.next) { if (e.key == null) return e.value; } return null; } /** * 如果map包含此映射键则返回true */ public boolean containsKey(Object key) { return getEntry(key) != null; } /** * 返回指定键映射的entry对象，如果不包含则返回null */ final Entry<K,V> getEntry(Object key) { if (size == 0) { return null; } //计算出key对应hash值 int hash = (key == null) ? 0 : hash(key); //根据hash定位到value在表中的索引位置，然后遍历该位置上的链表的键值对 for (Entry<K,V> e = table[indexFor(hash, table.length)]; e != null; e = e.next) { Object k; //判断hash值相等且（key引用相等或key不为空时值也相等） if (e.hash == hash && ((k = e.key) == key || (key != null && key.equals(k)))) return e; } return null; } /** * 在map中增加指定key映射指定的值 * 如果map中已经包含此键，则修改键映射为指定值，并返回原映射的值 */ public V put(K key, V value) { if (table == EMPTY_TABLE) { //判断如果当前是空则进行扩容 inflateTable(threshold); } //如果key为null则调用单独的putForNullKey方法，将value放到数组的第一位（因为null总是指向第一位） if (key == null) return putForNullKey(value); //重新计算key的哈希值 int hash = hash(key); //通过哈希计算出在table中锁对应的索引位置 int i = indexFor(hash, table.length); //遍历指定位置的链表中是否已经存在key对应的Entry，如果有则直接修改value值并返回旧的value值 for (Entry<K,V> e = table[i]; e != null; e = e.next) { Object k; if (e.hash == hash && ((k = e.key) == key || key.equals(k))) { V oldValue = e.value; e.value = value; e.recordAccess(this); return oldValue; } } //记录map中修改结构的次数 modCount++; //添加对象到map中 addEntry(hash, key, value, i); return null; } /** * 增加key为null的映射 */ private V putForNullKey(V value) { for (Entry<K,V> e = table[0]; e != null; e = e.next) { if (e.key == null) { V oldValue = e.value; e.value = value; e.recordAccess(this); return oldValue; } } modCount++; addEntry(0, null, value, 0); return null; } /** * 此方法在构造函数、克隆以及反序列化时被用来替换put方法，方法中不会调整元素数组table的大小 * 方法调用的createEntry函数相当于addEntry函数 */ private void putForCreate(K key, V value) { int hash = null == key ? 0 : hash(key); int i = indexFor(hash, table.length); /** * Look for preexisting entry for key. This will never happen for * clone or deserialize. It will only happen for construction if the * input Map is a sorted map whose ordering is inconsistent w/ equals. */ for (Entry<K,V> e = table[i]; e != null; e = e.next) { Object k; if (e.hash == hash && ((k = e.key) == key || (key != null && key.equals(k)))) { e.value = value; return; } } createEntry(hash, key, value, i); } private void putAllForCreate(Map<? extends K, ? extends V> m) { for (Map.Entry<? extends K, ? extends V> e : m.entrySet()) putForCreate(e.getKey(), e.getValue()); } /** * 按照指定容量调整table大小，参数newCapacity必须是2的幂，且大于当前容量小于最大容量MAXIMUM_CAPACITY * 扩容将导致所有映射键值对的重新存放（rehash计算） */ void resize(int newCapacity) { Entry[] oldTable = table; int oldCapacity = oldTable.length; if (oldCapacity == MAXIMUM_CAPACITY) { threshold = Integer.MAX_VALUE; return; } Entry[] newTable = new Entry[newCapacity]; // 重新计算hashSeed的值，并转移table元素到新的数组中（注意这里不是复制） transfer(newTable, initHashSeedAsNeeded(newCapacity)); table = newTable; threshold = (int)Math.min(newCapacity * loadFactor, MAXIMUM_CAPACITY + 1); } /** * Transfers all entries from current table to newTable. */ void transfer(Entry[] newTable, boolean rehash) { int newCapacity = newTable.length; for (Entry<K,V> e : table) { while(null != e) { Entry<K,V> next = e.next; if (rehash) { e.hash = null == e.key ? 0 : hash(e.key); } int i = indexFor(e.hash, newCapacity); e.next = newTable[i]; newTable[i] = e; e = next; } } } /** * 把指定参数map的映射键值对复制到当前map中 * 参数map将替换调所有与当前map键相同的映射 */ public void putAll(Map<? extends K, ? extends V> m) { int numKeysToBeAdded = m.size(); if (numKeysToBeAdded == 0) return; if (table == EMPTY_TABLE) { inflateTable((int) Math.max(numKeysToBeAdded * loadFactor, threshold)); } /* * Expand the map if the map if the number of mappings to be added * is greater than or equal to threshold. This is conservative; the * obvious condition is (m.size() + size) >= threshold, but this * condition could result in a map with twice the appropriate capacity, * if the keys to be added overlap with the keys already in this map. * By using the conservative calculation, we subject ourself * to at most one extra resize. * 计算是否需要扩容 */ if (numKeysToBeAdded > threshold) { int targetCapacity = (int)(numKeysToBeAdded / loadFactor + 1); if (targetCapacity > MAXIMUM_CAPACITY) targetCapacity = MAXIMUM_CAPACITY; int newCapacity = table.length; while (newCapacity < targetCapacity) newCapacity <<= 1; if (newCapacity > table.length) resize(newCapacity); } for (Map.Entry<? extends K, ? extends V> e : m.entrySet()) put(e.getKey(), e.getValue()); } /** * 删除指定键的map映射并返回映射的值 */ public V remove(Object key) { Entry<K,V> e = removeEntryForKey(key); return (e == null ? null : e.value); } /** * 删除并返回map中指定键映射的entry，如果不存在则返回null */ final Entry<K,V> removeEntryForKey(Object key) { if (size == 0) { return null; } int hash = (key == null) ? 0 : hash(key); int i = indexFor(hash, table.length); Entry<K,V> prev = table[i]; Entry<K,V> e = prev; while (e != null) { Entry<K,V> next = e.next; Object k; if (e.hash == hash && ((k = e.key) == key || (key != null && key.equals(k)))) { modCount++; size--; if (prev == e) table[i] = next; else prev.next = next; e.recordRemoval(this); return e; } prev = e; e = next; } return e; } /** * 删除指定键值对Entry对象 */ final Entry<K,V> removeMapping(Object o) { if (size == 0 || !(o instanceof Map.Entry)) return null; Map.Entry<K,V> entry = (Map.Entry<K,V>) o; Object key = entry.getKey(); int hash = (key == null) ? 0 : hash(key); int i = indexFor(hash, table.length); Entry<K,V> prev = table[i]; Entry<K,V> e = prev; while (e != null) { Entry<K,V> next = e.next; if (e.hash == hash && e.equals(entry)) { modCount++; size--; if (prev == e) table[i] = next; else prev.next = next; e.recordRemoval(this); return e; } prev = e; e = next; } return e; } /** * 清空map */ public void clear() { modCount++; // 设置table所有值为null Arrays.fill(table, null); size = 0; } /** * 如果map中存在与指定value对应的key则返回true */ public boolean containsValue(Object value) { if (value == null) return containsNullValue(); Entry[] tab = table; for (int i = 0; i < tab.length ; i++) for (Entry e = tab[i] ; e != null ; e = e.next) if (value.equals(e.value)) return true; return false; } /** * 顾名思义 */ private boolean containsNullValue() { Entry[] tab = table; for (int i = 0; i < tab.length ; i++) for (Entry e = tab[i] ; e != null ; e = e.next) if (e.value == null) return true; return false; } /** * 返回一个浅克隆对象，并设置对应的属性值，调用对应方法以完成完整克隆 */ public Object clone() { HashMap<K,V> result = null; try { result = (HashMap<K,V>)super.clone(); } catch (CloneNotSupportedException e) { // assert false; } if (result.table != EMPTY_TABLE) { result.inflateTable(Math.min( (int) Math.min( size * Math.min(1 / loadFactor, 4.0f), // we have limits... HashMap.MAXIMUM_CAPACITY), table.length)); } result.entrySet = null; result.modCount = 0; result.size = 0; result.init(); result.putAllForCreate(this); return result; } /** * Entry是一个单向链表，用来解决冲突的，如果不同的key映射到哈希数组的同一个位置，就将其存放到单向链表中（插入表头） */ static class Entry<K,V> implements Map.Entry<K,V> { final K key; V value; Entry<K,V> next; int hash; /** * Creates new entry. */ Entry(int h, K k, V v, Entry<K,V> n) { value = v; next = n; key = k; hash = h; } public final K getKey() { return key; } public final V getValue() { return value; } public final V setValue(V newValue) { V oldValue = value; value = newValue; return oldValue; } public final boolean equals(Object o) { if (!(o instanceof Map.Entry)) return false; Map.Entry e = (Map.Entry)o; Object k1 = getKey(); Object k2 = e.getKey(); if (k1 == k2 || (k1 != null && k1.equals(k2))) { Object v1 = getValue(); Object v2 = e.getValue(); if (v1 == v2 || (v1 != null && v1.equals(v2))) return true; } return false; } public final int hashCode() { return Objects.hashCode(getKey()) ^ Objects.hashCode(getValue()); } public final String toString() { return getKey() + "=" + getValue(); } void recordAccess(HashMap<K,V> m) { } void recordRemoval(HashMap<K,V> m) { } } void addEntry(int hash, K key, V value, int bucketIndex) { //如果当前size>=阈值且对应的索引位置上的值不为空，则进行扩容（扩容大小为当前容量的1倍） if ((size >= threshold) && (null != table[bucketIndex])) { //扩容 resize(2 * table.length); //重新计算hash和该hash在新数组中的索引位置 hash = (null != key) ? hash(key) : 0; bucketIndex = indexFor(hash, table.length); } //创建并存储最终的键值对 createEntry(hash, key, value, bucketIndex); } void createEntry(int hash, K key, V value, int bucketIndex) { //取出索引位置上的键值对 Entry<K,V> e = table[bucketIndex]; //在索引位置上存储新的键值对，且新键值对的next元素为原键值对e table[bucketIndex] = new Entry<>(hash, key, value, e); //map大小加1 size++; }
HashMap数据结构
在java编程语言中，最基本的结构就是数组和链表。HashMap就是一个“链表散列”的数据结构（数组与链表结合）
从上面的源码中可以看出HashMap的底层就是一个数组，数组中的每一个元素又是一个链表。当新建HashMap的时候就会创建一个数组。
源码：
/** * 哈希数组，根据需要调整数组大小，长度一样必须是2的幂 */ transient Entry<K,V>[] table = (Entry<K,V>[]) EMPTY_TABLE; /** * Entry是一个单向链表，用来解决冲突的，如果不同的key映射到哈希数 组的同一个位置，就将其存放到单向链表中（插入表头） */ static class Entry<K,V> implements Map.Entry<K,V> { final K key; V value; Entry<K,V> next; int hash; ....
可以看出来数组的元素就是Entry，而Entry对象就是一个单向链表结构。
HashMap存取实现
存储：
/** * 在map中增加指定key映射指定的值 * 如果map中已经包含此键，则修改键映射为指定值，并返回原映射的值 */ public V put(K key, V value) { if (table == EMPTY_TABLE) { //判断如果当前是空则进行扩容 inflateTable(threshold); } //如果key为null则调用单独的putForNullKey方法，将value放到数组的第一位（因为null总是指向第一位） if (key == null) return putForNullKey(value); //重新计算key的哈希值 int hash = hash(key); //通过哈希计算出在table中锁对应的索引位置 int i = indexFor(hash, table.length); //遍历指定位置的链表中是否已经存在key对应的Entry，如果有则直接修改value值并返回旧的value值 for (Entry<K,V> e = table[i]; e != null; e = e.next) { Object k; if (e.hash == hash && ((k = e.key) == key || key.equals(k))) { V oldValue = e.value; e.value = value; e.recordAccess(this); return oldValue; } } //记录map中修改结构的次数 modCount++; //添加对象到map中 addEntry(hash, key, value, i); return null; }
其中addEntry(hash, key, value, i)是根据计算出的hash值，将key-value对放到数组的索引i的位置
void addEntry(int hash, K key, V value, int bucketIndex) { //如果当前size>=阈值且对应的索引位置上的值不为空，则进行扩容（扩容大小为当前容量的1倍） if ((size >= threshold) && (null != table[bucketIndex])) { //扩容 resize(2 * table.length); //重新计算hash和该hash在新数组中的索引位置 hash = (null != key) ? hash(key) : 0; bucketIndex = indexFor(hash, table.length); } //创建并存储最终的键值对 createEntry(hash, key, value, bucketIndex); } void createEntry(int hash, K key, V value, int bucketIndex) { //取出索引位置上的键值对 Entry<K,V> e = table[bucketIndex]; //在索引位置上存储新的键值对，且新键值对的next元素为原键值对e table[bucketIndex] = new Entry<>(hash, key, value, e); //map大小加1 size++; }
读取：
/** * 返回键对应的值 * @see #put(Object, Object) */ public V get(Object key) { if (key == null) return getForNullKey(); Entry<K,V> entry = getEntry(key); return null == entry ? null : entry.getValue(); } /** * 返回key为null的值 */ private V getForNullKey() { if (size == 0) { return null; } for (Entry<K,V> e = table[0]; e != null; e = e.next) { if (e.key == null) return e.value; } return null; } /** * 返回指定键映射的entry对象，如果不包含则返回null */ final Entry<K,V> getEntry(Object key) { if (size == 0) { return null; } //计算出key对应hash值 int hash = (key == null) ? 0 : hash(key); //根据hash定位到value在表中的索引位置，然后遍历该位置上的链表的键值对 for (Entry<K,V> e = table[indexFor(hash, table.length)]; e != null; e = e.next) { Object k; //判断hash值相等且（key引用相等或key不为空时值也相等） if (e.hash == hash && ((k = e.key) == key || (key != null && key.equals(k)))) return e; } return null; }
从上面可以看出来读取数据也分为null和非null的处理，存储和读取数据的主要逻辑包括了key的hash计算和对应索引位置的计算
hash和index计算：
- hash（key）方法是根据key的hashcode重新计算一次散列，具体的算法就不说了，主要的作用在于解决hash碰撞的问题（包括变量hashSeed也是用于计算String类型的hash时避免产生哈希碰撞的）
/** * 返回对象哈希码 * null对象永远将返回0 */ final int hash(Object k) { int h = hashSeed; // 替换哈希算法 if (0 != h && k instanceof String) { return sun.misc.Hashing.stringHash32((String) k); } h ^= k.hashCode(); h ^= (h >>> 20) ^ (h >>> 12); return h ^ (h >>> 7) ^ (h >>> 4); }
前面说到过HashMap的数据结构是数组与链表的结合，所以当然希望这个HashMap里的元素位置尽量的分布均匀一些，尽量使得每个索引位置上只用一个元素。那么当使用hash计算得到索引位置时马上就能知道对应位置的元素就是我们需要的，而不需要再去遍历链表，这就大大的优化了查询速率。
- indexFor(int h, int length)方法则是用于计算hash在table中的索引位置
对于给定的对象，只要它的hashcode相同，那么hash()进行重计算得到的值总是相同的。为了使元素分布得相对均匀，一般都是把hash值对数组长度进行取模运算。
HashMap索引位置计算：
/** * 返回哈希码h在table中的索引位置 */ static int indexFor(int h, int length) { return h & (length-1); }
HashTable索引位置计算：
int index = (hash & 0x7FFFFFFF) % tab.length;
对比两者的索引位置计算，HashTable使用的是hash对长度取模计算，而HashMap则是hash对长度的位与计算，要知道计算机中位运算的速度远远高于其他运算（因为转换到底层就是二进制的运算）。
现在来看看h & (length-1)的巧妙之处，当length总是 2 的n次方时，h& (length-1)运算等价于对length取模，也就是h%length，但是&比%具有更高的效率。这就是为何在定义table时指定长度必须是2的幂了。
这看上去很简单，其实比较有玄机的，我们举个例子来说明：
假设数组长度分别为15和16，优化后的hash码分别为8和9，那么&运算后的结果如下：
h & (table.length-1) hash table.length-1
8 & (15-1)： 1000 & 1110 = 1000
9 & (15-1)： 1001 & 1110 = 1000
-----------------------------------------------------------------------------------------------------------------------
8 & (16-1)： 1000 & 1111 = 1000
9 & (16-1)： 1001 & 1111 = 1001
从上面的例子中可以看出：当它们和15-1（1110）“与”的时候，产生了相同的结果，也就是说它们会定位到数组中的同一个位置上去，这就产生了碰撞，8和9会被放到数组中的同一个位置上形成链表，那么查询的时候就需要遍历这个链 表，得到8或者9，这样就降低了查询的效率。同时，我们也可以发现，当数组长度为15的时候，hash值会与15-1（1110）进行“与”，那么 最后一位永远是0，而0001，0011，0101，1001，1011，0111，1101这几个位置永远都不能存放元素了，空间浪费相当大，更糟的是这种情况中，数组可以使用的位置比数组长度小了很多，这意味着进一步增加了碰撞的几率，减慢了查询的效率！而当数组长度为16时，即为2的n次方时，2n-1得到的二进制数的每个位上的值都为1，这使得在低位上&时，得到的和原hash的低位相同，加之hash(int h)方法对key的hashCode的进一步优化，加入了高位计算，就使得只有相同的hash值的两个值才会被放到数组中的同一个位置上形成链表。
所以说，当数组长度为2的n次幂的时候，不同的key算得得index相同的几率较小，那么数据在数组上分布就比较均匀，也就是说碰撞的几率小，相对的，查询的时候就不用遍历某个位置上的链表，这样查询效率也就较高了。
根据上面 put 方法的源代码可以看出，当程序试图将一个key-value对放入HashMap中时，程序首先根据该 key的 hashCode() 返回值决定该 Entry 的存储位置：如果两个 Entry 的 key 的 hashCode() 返回值相同，那它们的存储位置相同。如果这两个 Entry 的 key 通过 equals 比较返回 true，新添加 Entry 的 value 将覆盖集合中原有Entry 的 value，但key不会覆盖。如果这两个 Entry 的 key 通过 equals 比较返回 false，新添加的 Entry 将与集合中原有 Entry 形成 Entry 链，而且新添加的 Entry 位于 Entry 链的头部——具体说明继续看 addEntry() 方法的说明。
HashMap的resize（rehash）
当HashMap中的元素越来越多的时候，hash冲突的几率也就越来越高，因为数组的长度是固定的。所以为了提高查询的效率，就要对HashMap的数组进行扩容，数组扩容这个操作也会出现在ArrayList中，这是一个常用的操作，而在HashMap数组扩容之后，最消耗性能的点就出现了：原数组中的数据必须重新计算其在新数组中的位置，并放进去，这就是resize。
那么HashMap什么时候进行扩容呢？当HashMap中的元素个数超过数组大小*loadFactor时，就会进行数组扩容，loadFactor的默认值为0.75，这是一个折中的取值。也就是说，默认情况下，数组大小为16，那么当HashMap中元素个数超过16*0.75=12的时候，就把数组的大小扩展为 2*16=32，即扩大一倍，然后重新计算每个元素在数组中的位置，而这是一个非常消耗性能的操作，所以如果我们已经预知HashMap中元素的个数，那么预设元素的个数能够有效的提高HashMap的性能。
HashMap的性能参数
HashMap 包含如下几个构造器：
HashMap()：构建一个初始容量为 16，负载因子为 0.75 的 HashMap。
HashMap(int initialCapacity)：构建一个初始容量为 initialCapacity，负载因子为 0.75 的 HashMap。
HashMap(int initialCapacity, float loadFactor)：以指定初始容量、指定的负载因子创建一个 HashMap。
HashMap的基础构造器HashMap(int initialCapacity, float loadFactor)带有两个参数，它们是初始容量initialCapacity和加载因子loadFactor。
initialCapacity：HashMap的最大容量，即为底层数组的长度。
loadFactor：负载因子loadFactor定义为：散列表的实际元素数目(n)/ 散列表的容量(m)。
负载因子衡量的是一个散列表的空间的使用程度，负载因子越大表示散列表的装填程度越高，反之愈小。对于使用链表法的散列表来说，查找一个元素的平均时间是O(1+a)，因此如果负载因子越大，对空间的利用更充分，然而后果是查找效率的降低；如果负载因子太小，那么散列表的数据将过于稀疏，对空间造成严重浪费。
HashMap的实现中，通过threshold字段来判断HashMap的最大容量：
if ((size >= threshold) && (null != table[bucketIndex])) { resize(2 * table.length); hash = (null != key) ? hash(key) : 0; bucketIndex = indexFor(hash, table.length); }
Fail-Fast机制
我们知道java.util.HashMap不是线程安全的，因此如果在使用迭代器的过程中有其他线程修改了map，那么将抛出ConcurrentModificationException，这就是所谓fail-fast策略。
这一策略在源码中的实现是通过modCount域，modCount顾名思义就是修改次数，对HashMap内容的修改都将增加这个值，那么在迭代器初始化过程中会将这个值赋给迭代器的expectedModCount。
HashIterator() { expectedModCount = modCount; if (size > 0) { // advance to first entry Entry[] t = table; while (index < t.length && (next = t[index++]) == null) ; } }
在迭代过程中，判断modCount跟expectedModCount是否相等，如果不相等就表示已经有其他线程修改了Map：
注意到modCount声明为volatile，保证线程之间修改的可见性。
final Entry<K,V> nextEntry() { if (modCount != expectedModCount) throw new ConcurrentModificationException(); Entry<K,V> e = next; if (e == null) throw new NoSuchElementException(); if ((next = e.next) == null) { Entry[] t = table; while (index < t.length && (next = t[index++]) == null) ; } current = e; return e; }
在HashMap的API中指出：
由所有HashMap类的“collection 视图方法”所返回的迭代器都是快速失败的：在迭代器创建之后，如果从结构上对映射进行修改，除非通过迭代器本身的 remove 方法，其他任何时间任何方式的修改，迭代器都将抛出ConcurrentModificationException。因此，面对并发的修改，迭代器很快就会完全失败，而不冒在将来不确定的时间发生任意不确定行为的风险。
注意，迭代器的快速失败行为不能得到保证，一般来说，存在非同步的并发修改时，不可能作出任何坚决的保证。快速失败迭代器尽最大努力抛出 ConcurrentModificationException。因此，编写依赖于此异常的程序的做法是错误的，正确做法是：迭代器的快速失败行为应该仅用于检测程序错误。
参考：
http://zhangshixi.iteye.com/blog/672697
http://www.blogjava.net/DLevin/archive/2013/10/15/404984.html
