HashMap的底层实现原理

1,HashMap 的数据结构

JDK 1.7 的数据结构

 

JDK 1.8的数据结构

 

 

2，Hashmap 的数据结构最小的单位是Node<k,V>, 是一个个键值对，从HashMap 遍历就可以看出来

  static class Node<K,V> implements Map.Entry<K,V> 

for (Map.Entry<String, String> entry : map.entrySet()) {
        System.out.println("key= " + entry.getKey() + " and value= " + entry.getValue());
}
            

  Node<K,V>(单向链表) 或者 TreeNode<K,V> (红黑树)

  链表的头节点，或者红黑树的根节点是存储在数组上

 

3，HashMap hash冲突

   当你往HashMap 增加一个值的时候，首先会调用下面这个方法：

   也就是通过hashcode 和 高位算法，得出一个hash 值

 static final int hash(Object key) {
        int h;
        return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
    }

再通过(n - 1) & hash 查看有没有hash 冲突，其实功能等同于取模算法

就是说，
比如你插入一个key="A",value="A"算出hash 值为11233，再通过取模算法，算出在数组table上下标是2，于是你就新建一个节点 newNode(hash, “A”, "A", null).
在插入一个key="CH",value="CH",算出hash 值未11298，再通过取模算法，算出在table上下标是也是2，判断key又和之前的不一样，于是hash冲突了，这时候，我要新建一个节点，连接之前的节点。

因为，如果相同的hash 值的key,放在同一个数组位置，链表越长，查询效率就越低，其实最后能够让key 的元素均匀分布在数组上，所以数据的长度一般都是2的幂次，hash 发生碰撞的概率就比较小

 

所以在JDK 1.7 的时候，可能table 上的一个索引，绑定的链表就会很长很长，导致查询的效率很低，于是JDK 1.8 换成了数组+ 链表 + 红黑树，当链表的长度大于8 的时候会转换成红黑树

4，Hashmap 扩容 以及 Hashmap 死循环

Hashmap 因为是一个数组，当达到一定的使用率的时候，就会扩容。

DEFAULT_LOAD_FACTOR：负载因子

DEFAULT_INITIAL_CAPACITY：初始化的数组的大小

threshold：阀值

hashmap 里面的元素的个数超过 threshold 的时候（DEFAULT_LOAD_FACTOR * CAPACITY ）就需要扩容了，也就是站在数组的每个位置只存一个node,当数组使用率达到0.75时候，就需要扩容，扩大2倍

 final Node<K,V>[] resize() {
        Node<K,V>[] oldTab = table;
        int oldCap = (oldTab == null) ? 0 : oldTab.length;//初始化的时候容量为0
        int oldThr = threshold;
        int newCap, newThr = 0;
        if (oldCap > 0) {
            if (oldCap >= MAXIMUM_CAPACITY) {
                threshold = Integer.MAX_VALUE;
                return oldTab;
            }
            else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&
                     oldCap >= DEFAULT_INITIAL_CAPACITY)
                newThr = oldThr << 1; // double threshold
        }
        else if (oldThr > 0) //初始化的不为空的map集合的时候，已经确定了threshold
            newCap = oldThr;
        else {               // zero initial threshold signifies using defaults
            newCap = DEFAULT_INITIAL_CAPACITY;
            newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);
        }
        if (newThr == 0) {
            float ft = (float)newCap * loadFactor;
            newThr = (newCap < MAXIMUM_CAPACITY && ft < (float)MAXIMUM_CAPACITY ?
                      (int)ft : Integer.MAX_VALUE);
        }
        threshold = newThr;//重新赋值threshold,链表里面的要添加的元素超过这个参数，意味着要扩容
        @SuppressWarnings({"rawtypes","unchecked"})
            Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap];
        table = newTab;
        if (oldTab != null) {
            for (int j = 0; j < oldCap; ++j) {
                Node<K,V> e;
                if ((e = oldTab[j]) != null) {
                    oldTab[j] = null;
                    if (e.next == null)
                        newTab[e.hash & (newCap - 1)] = e;
                    else if (e instanceof TreeNode)
                        ((TreeNode<K,V>)e).split(this, newTab, j, oldCap);
                    else { // preserve order
                        Node<K,V> loHead = null, loTail = null;
                        Node<K,V> hiHead = null, hiTail = null;
                        Node<K,V> next;
                        do {
                            next = e.next;
                            if ((e.hash & oldCap) == 0) {
                                if (loTail == null)
                                    loHead = e;
                                else
                                    loTail.next = e;
                                loTail = e;
                            }
                            else {
                                if (hiTail == null)
                                    hiHead = e;
                                else
                                    hiTail.next = e;
                                hiTail = e;
                            }
                        } while ((e = next) != null);
                        if (loTail != null) {
                            loTail.next = null;
                            newTab[j] = loHead;
                        }
                        if (hiTail != null) {
                            hiTail.next = null;
                            newTab[j + oldCap] = hiHead;
                        }
                    }
                }
            }
        }
        return newTab;
    }

扩容之后，需要将old table 写入到 new table 里面，JDK 1.7 参考：

遍历旧的数组，每个数组上还有链表，也一致遍历，重新计算hash,重新获取新的数组下标位置

  void transfer(Entry[] newTable) {
      Entry[] src = table;                   //src引用了旧的Entry数组
      int newCapacity = newTable.length;
      for (int j = 0; j < src.length; j++) { //遍历旧的Entry数组
          Entry<K,V> e = src[j];             //取得旧Entry数组的每个元素
          if (e != null) {
              src[j] = null;//释放旧Entry数组的对象引用（for循环后，旧的Entry数组不再引用任何对象）
              do {
                  Entry<K,V> next = e.next;
                 int i = indexFor(e.hash, newCapacity); //！！重新计算每个元素在数组中的位置
                 e.next = newTable[i]; //标记[1]
                 newTable[i] = e;      //将元素放在数组上
                 e = next;             //访问下一个Entry链上的元素
             } while (e != null);
         }
     }
 }

在JDK 1.7 因为是数组 + 链表的结构 ，所以在并发环境下可能出现死循环的情况

大致意思就是两个线程同时扩容，一个已经扩容完毕，已经更改了链表的结构，另一个没有扩容完毕，导致A线程的在节点Node<3,"A"> 还指向Node<7,"B"> ,但是线程B 已经将Node<7,"B"> 指向了node<3,"A"> 出现了循环指向，死循环出现

 

//这个算法的目的是找到大于等于cap的最小2的幂的值,n >>> 1,高位补0，不带符号位,(将二进制中高位的1向低位移)，n |= n >>> 1 等同 n = n | n >>> 1, |:位移中的或，有真则真（有1 则 1），所以
n | n >>> 1 的值是增大的，同理 n | n >>> 2 也是增大的，直到n | n >>> 16, 因为MAXIMUM_CAPACITY 的值1 << 30 ,01000000000000000000000000000000,所以，最多有效位移是31位,(1 + 2 + 4 +8 +16)
因此到16 位之后，便可以找最小的2的幂的值。

//为什么要cap -1,因为如果cap 正好是2的幂，如果不减1，得到的结果就是cap 的2倍，例如，cap = 8,如果不减1，得到的结果是16，但是想得到的结果就是8.所以需要先减去1，最后再加上1.
  如果cap 的结果为9，减去1 之后为8，最后得到的结果是15，在加上1，结果为16，满足大于等于9的最小幂。所以需要先减去1.

static final int tableSizeFor(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) ? MAXMUM_CAPACITY ： n +1 ；
}