Java8的HashMap原理
一、组成结构
1、数组Node<K,V>[] table
2、链表Node<K,V> next
3、红黑树TreeNode
二、put方法
整体流程图如下：
在执行put操作时，首先根据hash方法获取key.hashcode，之后根据hashcode通过取模运算（table[table.length-1 & hash]）获取索引，当发现当前索引没有值时，直接将put进来的k-v存储在当前位置；那么如果当前索引位置有值（也就是说将要push数据的k.hasdcode与数组中的某一个k.hashcode相同）此时需要通过equal比较key是否也相同，如果key相同，则说明是同一个key，那么需要将原来的oldvalue替换为新的value;
还有一种情况，就是当k.hashcode相同，但是key不相同时，这种情况就叫做hash碰撞，在这种情况下解决方案是在当前hashcode所指向的node链表下继续添加k-v，如果链表的长度超过8时，自动将当前链表转换为红黑树来存储，为什么要转为红黑树呢？因为红黑树的速度比链表更快，熟悉算法的朋友应该知道链表的时间复杂度为O(n)，红黑树的时间复杂度为O(logn)。
最后判断是否需要扩容
以上也说明了在使用map时，key为什么要必须覆写equals方法以及hashcode方法。
1、对key进行hash取值，目的是为了获取更好的散列性，具体可以参考https://blog.csdn.net/qq_32999113/article/details/102527859
public V put(K key, V value) {
return putVal(hash(key), key, value, false, true);
}
2、putVal
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null或者长度为0，则表示没有元素，调用resize()方法进行扩容，并进行长度赋值 if ((tab = table) == null || (n = tab.length) == 0) n = (tab = resize()).length; //对hash后的key进行取模操作，并判断数组上的key是否有值，如果没有值则构建一个node放上去 if ((p = tab[i = (n - 1) & hash]) == null) tab[i] = newNode(hash, key, value, null); //如果存在值 else { Node<K,V> e; K k; //如果位置上的key与新key相同，则直接进行值覆盖 if (p.hash == hash && ((k = p.key) == key || (key != null && key.equals(k)))) e = p; //如果值不相等，判断数组上的节点是否为红黑数结构 else if (p instanceof TreeNode) e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value); //不是数节点，则为链表结构 else { for (int binCount = 0; ; ++binCount) { //循环判断链表上的key是否为null，为空则创建新的node，并放入 if ((e = p.next) == null) { p.next = newNode(hash, key, value, null); if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st //判断链表的数量是否大于8个，大于则需要进行结构树化 treeifyBin(tab, hash); break; } //如果链表上的key不为null则判断与新的key是否相等，相等则直接赋值 if (e.hash == hash && ((k = e.key) == key || (key != null && key.equals(k)))) break; p = e; } } //赋值 if (e != null) { // existing mapping for key V oldValue = e.value; if (!onlyIfAbsent || oldValue == null) e.value = value; //空实现 afterNodeAccess(e); return oldValue; } } ++modCount; //判断容量是否大于阈值，大于则进行扩容操作 if (++size > threshold) resize(); afterNodeInsertion(evict); return null; }
3、先看看树化操作，treeifyBin(tab, hash);
final void treeifyBin(Node<K,V>[] tab, int hash) { int n, index; Node<K,V> e; //判断数组的长度是否小于64，小于的话，不会树化，是先进行数组的扩容 if (tab == null || (n = tab.length) < MIN_TREEIFY_CAPACITY) resize(); else if ((e = tab[index = (n - 1) & hash]) != null) { TreeNode<K,V> hd = null, tl = null; do { //将链表上的节点node转变为TreeNode，并且生成的是一个双向的链表 TreeNode<K,V> p = replacementTreeNode(e, null); if (tl == null) hd = p; else { p.prev = tl; tl.next = p; } tl = p; } while ((e = e.next) != null); if ((tab[index] = hd) != null) //将链表树化 hd.treeify(tab); } }
树化
final void treeify(Node<K,V>[] tab) { TreeNode<K,V> root = null; for (TreeNode<K,V> x = this, next; x != null; x = next) { next = (TreeNode<K,V>)x.next; x.left = x.right = null; //x就是当前链表遍历的节点，如果根节点为null，则把链表的第一个节点设为根节点 if (root == null) { x.parent = null; x.red = false; root = x; } else { K k = x.key; int h = x.hash; Class<?> kc = null; //先将根节点赋值给P进行循环 for (TreeNode<K,V> p = root;;) { int dir, ph; K pk = p.key; //新节点的hash值h与p节点的hash值做比对，小于往左放，大于往右放 if ((ph = p.hash) > h) dir = -1; else if (ph < h) dir = 1; //如果值是相等的，接下来这一段是根据更多的方法去判断当前节点是往左还是往右 else if ((kc == null && (kc = comparableClassFor(k)) == null) || (dir = compareComparables(kc, k, pk)) == 0) dir = tieBreakOrder(k, pk); TreeNode<K,V> xp = p; //根据dir的正负判断p节点的右还是左，假如是左，则把左节点赋值给P，再判断左节点是否为null，不为null则接着循环，不为null则将节点插入树中，退出循环 if ((p = (dir <= 0) ? p.left : p.right) == null) { //设置当前节点的父节点为p，以及左或是右节点的设置 x.parent = xp; if (dir <= 0) xp.left = x; else xp.right = x; //根据红黑树的特征，要进行节点的调整 root = balanceInsertion(root, x); break; } } } } //把数组相应位置的链表移除，将根节点放到数组中 moveRootToFront(tab, root); }
treeify()的方法需要注意下，两个循环：
第一个循环是对传进来的链表的循环，目的是取出节点
第二个循环是对已经构建好的红黑树的循环，目的是将取出的节点放入红黑数中
//根据新加入的节点，调整树结构 static <K,V> TreeNode<K,V> balanceInsertion(TreeNode<K,V> root, TreeNode<K,V> x) { // 新节点默认为红色 x.red = true; // xp表示x的父结点，xpp表示x的祖父结点，xppl表示xpp的左孩子结点，xppr表示xpp的右孩子结点 for (TreeNode<K,V> xp, xpp, xppl, xppr;;) { // 如果x没有父结点，则表示x是第一个结点，自动为根节点，根节点为黑色 if ((xp = x.parent) == null) { x.red = false; return x; } // 如果父结点不是红色（就是黑色），或者x没有祖父节点，那么就证明x是第二层节点，父节点为根节点 // 这种情况无需就行操作 else if (!xp.red || (xpp = xp.parent) == null) return root; // 进入到这里，表示x的父节点为红色 // 如果x的父节点是祖父结点的左孩子 if (xp == (xppl = xpp.left)) { // 祖父结点的右孩子，也就是x的叔叔节点不为空，且为红色 if ((xppr = xpp.right) != null && xppr.red) { // 父节点和叔叔节点都为红色，只需要变色，且将x替换为祖父节点然后进行递归 xppr.red = false; xp.red = false; xpp.red = true; x = xpp; } // 如果叔叔节点为空，或者为黑色 else { // 如果x节点为xp的右孩子 if (x == xp.right) { // 先进行左旋，并且把x替换为xp进行递归，在左旋的过程中产生了新的root节点 root = rotateLeft(root, x = xp); // x替换后，修改xp和xpp xpp = (xp = x.parent) == null ? null : xp.parent; } // 如果x本来是左孩子，或者已经经过了上面的左旋之后，进行变色加右旋 if (xp != null) { xp.red = false; if (xpp != null) { xpp.red = true; root = rotateRight(root, xpp); } } } } // 如果x的父节点是祖父结点的右孩子 else { if (xppl != null && xppl.red) { xppl.red = false; xp.red = false; xpp.red = true; x = xpp; } else { if (x == xp.left) { root = rotateRight(root, x = xp); xpp = (xp = x.parent) == null ? null : xp.parent; } if (xp != null) { xp.red = false; if (xpp != null) { xpp.red = true; root = rotateLeft(root, xpp); } } } } } }
左旋操作
static <K,V> TreeNode<K,V> rotateLeft(TreeNode<K,V> root, TreeNode<K,V> p) { // pp是祖父结点 // p是待旋转结点 // r是p的右孩子结点 // rl是r的左孩子结点 TreeNode<K,V> r, pp, rl; if (p != null && (r = p.right) != null) { // 如果rl不为空，则设置p.right=rl if ((rl = p.right = r.left) != null) rl.parent = p; // 如果祖父结点为null，那么r设置为黑色，r左旋之后即为root节点 if ((pp = r.parent = p.parent) == null) (root = r).red = false; // 如果待旋转结点是左孩子节点 else if (pp.left == p) pp.left = r; // 如果待旋转结点为右孩子 else pp.right = r; r.left = p; p.parent = r; } return root; }
右旋操作
static <K,V> TreeNode<K,V> rotateRight(TreeNode<K,V> root, TreeNode<K,V> p) { TreeNode<K,V> l, pp, lr; if (p != null && (l = p.left) != null) { if ((lr = p.left = l.right) != null) lr.parent = p; if ((pp = l.parent = p.parent) == null) (root = l).red = false; else if (pp.right == p) pp.right = l; else pp.left = l; l.right = p; p.parent = l; } return root; }
虽然有些复杂，但是如果你看过上一篇的红黑树介绍，慢慢研究应该看得懂的。
4、如果树化看懂了，往树上新增节点也就很简单了，e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
final TreeNode<K,V> putTreeVal(HashMap<K,V> map, Node<K,V>[] tab, int h, K k, V v) { Class<?> kc = null; boolean searched = false; TreeNode<K,V> root = (parent != null) ? root() : this; //循环找出新节点的位置 for (TreeNode<K,V> p = root;;) { int dir, ph; K pk; if ((ph = p.hash) > h) dir = -1; else if (ph < h) dir = 1; else if ((pk = p.key) == k || (k != null && k.equals(pk))) return p; else if ((kc == null && (kc = comparableClassFor(k)) == null) || (dir = compareComparables(kc, k, pk)) == 0) { if (!searched) { TreeNode<K,V> q, ch; searched = true; if (((ch = p.left) != null && (q = ch.find(h, k, kc)) != null) || ((ch = p.right) != null && (q = ch.find(h, k, kc)) != null)) return q; } dir = tieBreakOrder(k, pk); } TreeNode<K,V> xp = p; //如果需要放到节点左边，并且左边的节点为null时，说明此位置就是新节点的位置 if ((p = (dir <= 0) ? p.left : p.right) == null) { Node<K,V> xpn = xp.next; TreeNode<K,V> x = map.newTreeNode(h, k, v, xpn); if (dir <= 0) xp.left = x; else xp.right = x; xp.next = x; x.parent = x.prev = xp; if (xpn != null) ((TreeNode<K,V>)xpn).prev = x; //节点放入后，也是要进行树的调整，以及把新的根节点（可能会产生新的根节点，也可能不会），放到数组中去 moveRootToFront(tab, balanceInsertion(root, x)); return null; } } }
5、最后，resize()扩容
final Node<K,V>[] resize() { Node<K,V>[] oldTab = table; int oldCap = (oldTab == null) ? 0 : oldTab.length; int oldThr = threshold; int newCap, newThr = 0; //如果旧表长度不为0 if (oldCap > 0) { //如果长度大于最大长度了，则不会在扩容了 if (oldCap >= MAXIMUM_CAPACITY) { threshold = Integer.MAX_VALUE; return oldTab; } //翻倍扩容 else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY && oldCap >= DEFAULT_INITIAL_CAPACITY) newThr = oldThr << 1; // double threshold } //原数组长度不大于0，需要初始化数组，看是否有给默认值，没有则使用自己的默认长度16 else if (oldThr > 0) // initial capacity was placed in 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) { //负载因子 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) { 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; }
在Java7中，重哈希是要重新计算Hash值的，而在Java8中，通过高位运算的巧妙设计，避免了这种计算。下面我们举例说明：
我们要在初始大小为2的HashMap中存储3、5、7这3个值，Hash函数为取余法。
Step1：在开始的时候，3、5、7经过Hash过后 3%2=1、5%2=1、7%2=1，因而3、5、7存储在同一个箱子的链表中（地址为1）。
Step2：现在扩容了，扩容后的大小为2*2=4，现在经过Hash后3%4=3、5%4=1、7%4=3，因而3与7一起放在箱子的链表中（地址为3），5单独存放在一个箱子里（地址为1）。
整个过程如下图所示：
我们注意到，在扩容后3和7的位置变化了，由1—>3（=1+2）
再进行扩容，由4容为8，那么经过Hash后，3%8=3、5%8=5、7%8=7，分别存放于3、5（=1+4）、7（=3+4）这几个位置中。
我们发现，扩容后的元素要么在原位置，要么在原位置再移动2次幂的位置，整个过程只需要使用一个位运算符<<就可以了（在源码的resize方法中可以找到）
我们用计算机的地址来展示这个过程：
n为table的长度，图（a）表示扩容前的key1和key2两种key确定索引位置的示例，图（b）表示扩容后key1和key2两种key确定索引位置的示例，其中hash1是key1对应的哈希与高位运算结果。元素在重新计算hash之后，因为n变为2倍，那么n-1的mask范围在高位多1bit(红色)，因此新的index就会发生这样的变化：
因此，我们在扩充HashMap的时候，不需要像JDK1.7的实现那样重新计算hash，只需要看看原来的hash值新增的那个bit是1还是0就好了，是0的话索引没变，是1的话索引变成“原索引+oldCap”，
可以看看下图为16扩充为32的resize示意图：
这个设计确实非常的巧妙，既省去了重新计算hash值的时间，而且同时，由于新增的1bit是0还是1可以认为是随机的，因此resize的过程，均匀的把之前的冲突的节点分散到新的bucket了。这一块就是JDK1.8新增的优化点。
扩容元素转移过程如下：
1、扩容时如果原数组上是链表结构，则先根据位运算（可能）变成两个链表，然后一次性移到新数组上；
2、如果原数组上的数据结构为红黑树，则调用方法((TreeNode<K,V>)e).split(this, newTab, j, oldCap);
先将树拆成两个链表（实际上是分成了两棵树，因为元素的类型还是TreeNode），得到低位和高位链表元素的个数，如果低位的链表不为null并且元素个数少于6个，则会把低位的链表反树化（TreeNode->Node）,
如果低位的元素个数不少于6个并且高位的链表不存在，低位链表的数据则直接移到新的数组上。相反高位链表的判断也是如此
final void split(HashMap<K,V> map, Node<K,V>[] tab, int index, int bit) { TreeNode<K,V> b = this; // Relink into lo and hi lists, preserving order TreeNode<K,V> loHead = null, loTail = null; TreeNode<K,V> hiHead = null, hiTail = null; int lc = 0, hc = 0; for (TreeNode<K,V> e = b, next; e != null; e = next) { next = (TreeNode<K,V>)e.next; e.next = null; if ((e.hash & bit) == 0) { if ((e.prev = loTail) == null) loHead = e; else loTail.next = e; loTail = e; ++lc; } else { if ((e.prev = hiTail) == null) hiHead = e; else hiTail.next = e; hiTail = e; ++hc; } } //低位判断 if (loHead != null) { if (lc <= UNTREEIFY_THRESHOLD) tab[index] = loHead.untreeify(map); else { tab[index] = loHead; if (hiHead != null) // (else is already treeified) loHead.treeify(tab); } } //高位判断 if (hiHead != null) { if (hc <= UNTREEIFY_THRESHOLD) tab[index + bit] = hiHead.untreeify(map); else { tab[index + bit] = hiHead; if (loHead != null) hiHead.treeify(tab); } } }
注：以上内容借鉴了图灵学院-周瑜老师的课程，感谢阅读
