HashMap1.8源码解读及相关面试题解读

热爱技术、热爱开源、热爱编程。技术是开源的、知识是共享的。
Stay hungry, stay foolish.

如果您也对Java感兴趣，恰巧我的文章能帮助到您，加入【CAFEBABE】一起学习。群号：243108249

文章目录

往期文章
前言
一、HashMap的数据结构
二、HashMap源码解读
三、HashMap使用优化
四、相关面试题
总结

往期文章

HashMap1.7源码解读

前言

随着工作年限的增加，面试的时候对Map集合问的越来越细，本章针对jdk1.8的HashMap做详细解读，从源码层面去分析元素的添加、底层数组的扩容

提示：以下是本篇文章正文内容，下面案例可供参考

一、HashMap的数据结构

在jdk1.7中，HashMap由数组+链表实现，基于这种结构实现的HashMap在Hash碰撞较多的情况下，会导致链表长度过长，时间复杂度为O(n);效率较低。

在jdk1.8中，HashMap由数组+链表+红黑树共同构成，1.8中主要解决当链表长度过长导致查询效率降低的问题。当链表的长度达到8时，当前链表结构会转化为红黑树，当红黑树的节点数量小于6时，会从红黑树转化为链表（后面会详细分析）

二、HashMap源码解读

首先从属性出发，查看一些基本属性
代码如下（示例）：

	
    static final int DEFAULT_INITIAL_CAPACITY = 1 << 4; // aka 16

    
    static final int MAXIMUM_CAPACITY = 1 << 30;

    
    static final float DEFAULT_LOAD_FACTOR = 0.75f;

    
    static final int TREEIFY_THRESHOLD = 8;

    
    static final int UNTREEIFY_THRESHOLD = 6;

    
    static final int MIN_TREEIFY_CAPACITY = 64;
	
    transient Node[] table;

    
    transient Set> entrySet;

    
    transient int size;

    
    transient int modCount;

    
    int threshold;

    
    final float loadFactor;

看了基本属性以后，查看基本的构造方法

    
    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;
        this.threshold = tableSizeFor(initialCapacity);
    }

    
    public HashMap(int initialCapacity) {
        this(initialCapacity, DEFAULT_LOAD_FACTOR);
    }

    
    public HashMap() {
        this.loadFactor = DEFAULT_LOAD_FACTOR; // all other fields defaulted
    }

在了解基本的属性和构造方法后，再查看核心方法 put(K key, V value);

	
    public V put(K key, V value) {
        return putVal(hash(key), key, value, false, true);
    }

调用putVal方法时，第一个参数为根据key计算hash值，具体的计算规则如下：
代码如下（示例）：

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

以案例说明HashMap中index下标的计算方法，以及hash方法的计算。

HashMap中下标位置计算
计算hash值，当key == null时，hash值为0，否则采用(h = key.hashCode()) ^ (h >>> 16)计算hash值
static final int hash(Object key) {
    int h;
    return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}
通过案例分析(h = key.hashCode()) ^ (h >>> 16);是怎么计算的
String name = "万泉"；
name.hashCode() == 647074;
将hashCode值647074转化为二进制为
0000 0000 0000 1001 1101 1111 1010 0010
将值无符号右移16位，结果为：
0000 0000 0000 0000 0000 0000 0000 1001 
再将hashCode值647074与右移后的结果做异或运算（异或运算的法则为：相同为0，不同为1）
0000 0000 0000 1001 1101 1111 1010 0010 ^
0000 0000 0000 0000 0000 0000 0000 1001 =
0000 0000 0000 1001 1101 1111 1010 1011
再将这个值转化为10进制，即最后的结果 647083
下标计算为：(n - 1) & hash
n为hashmap中数组的长度，默认情况下为16
则带入我们计算的值：
（16 - 1）& 647083 = 15 & 647083
&运算的规则为：都为1才为1，否则为0
0000 0000 0000 0000 0000 0000 0000 1111   &
0000 0000 0000 1001 1101 1111 1010 1011   =
0000 0000 0000 0000 0000 0000 0000 1011
最终的计算结果为0000 0000 0000 0000 0000 0000 0000 1011
，转化为十进制为：11。
由此可得出，万泉这个字符串应该放在hashMap中下标为11的位置上。

看了hash方法的计算方式以后，继续往下观察putVal()；方法的实现。

    final V putVal(int hash, K key, V value, boolean onlyIfAbsent,
                   boolean evict) {
        // 临时数组tab
        Node[] tab;
        // index下标处的元素
        Node p;
        // n:数组的长度，i:数组的下标
        int n, i;
        // 判断数组是否初始化(判断方式为：全局数组 == null 或者 全局数组的长度为0)
        if ((tab = table) == null || (n = tab.length) == 0)
        	// 第一次往HashMap中存值时执行，属于懒加载方法。
            // resize()初始化数组，并返回初始化数组的长度。resize()方法也可用于扩容，后面会对该方法进行详细解析
            n = (tab = resize()).length;
        // 判断index下标是否存在元素，该index下标的计算方式在上面有描述，如果，不理解，可以按照测试案例执行
        if ((p = tab[i = (n - 1) & hash]) == null)
        	 // 数组（hash表）在index下标处没有元素时新建链表节点
            tab[i] = newNode(hash, key, value, null);
        else {
            // 数组已经初始化，并且产生了hash冲突
            // e：更新的目标值，k：p.key
            Node e; K k;
            // 此处的p为第二个if判断时进行赋值，内容为数组（hash表）index下标处的元素
            // 产生hash冲突，并且key值相同
            if (p.hash == hash &&
                    ((k = p.key) == key || (key != null && key.equals(k))))
                // key相等，将查询到的节点赋值给e
                e = p;
                // 判断当前p节点是否为红黑树
            else if (p instanceof TreeNode)
                // 往红黑树中放值(此处方法为红黑树的添加值的方法，由于研究hashMap的实现，就先不深入进行解析)
                e = ((TreeNode)p).putTreeval(this, tab, hash, key, value);
            else {
                // 当前节点为链表
                // 遍历数组（hash表）index下标处链表
                for (int binCount = 0; ; ++binCount) {
                    // （前面已经判断了key相等的情况）
                    if ((e = p.next) == null) {
                        // 追加到链表尾部
                        p.next = newNode(hash, key, value, null);
                        // 如果节点个数（每次遍历一个节点）超过8
                        // static final int TREEIFY_THRESHOLD = 8;
                        if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st
                            // 进行链表到红黑树的转化
                            treeifyBin(tab, hash);
                        break;
                    }
                    // 下一个节点的hash值相等 && key相同就结束循环
                    if (e.hash == hash &&
                            ((k = e.key) == key || (key != null && key.equals(k))))
                        break;
                    // 遍历下一个节点
                    p = e;
                }
            }
            // 对于已存在的节点，执行覆盖操作
            if (e != null) { // existing mapping for key
                // 获取旧的value值
                V oldValue = e.value;
                // 更新value值
                if (!onlyIfAbsent || oldValue == null)
                    e.value = value;
                afterNodeAccess(e);
                // 返回旧值
                return oldValue;
            }
        }
        // 添加值的时候，modCount才会增加，覆盖的时候不会
        ++modCount;
        // 阈值检测
        if (++size > threshold)
            // 进行扩容
            resize();
        afterNodeInsertion(evict);
        return null;
    }

resize()；方法解读，该方法用于初始化hash表，或者对hash表进行扩容。

    final Node[] resize() {
        // 获取原数组
        Node[] oldTab = table;
        // 获取原容量
        int oldCap = (oldTab == null) ? 0 : oldTab.length;
        // 获取旧的阈值，第一次为0
        int oldThr = threshold;
        // 新的容量以及新的阈值
        int newCap, newThr = 0;
        // 旧的容量不为0的情况下，走扩容
        if (oldCap > 0) {
            // 如果旧的容量大于最大容量
            if (oldCap >= MAXIMUM_CAPACITY) {
                // 阈值设置为Integer的最大值
                threshold = Integer.MAX_VALUE;
                // 返回旧tab并不做改变
                return oldTab;
            }
            // 将旧的容量翻倍并赋值给新的容量，并且小于最大容量 && 旧的容量要大于等于默认容量
            else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&
                    oldCap >= DEFAULT_INITIAL_CAPACITY)
                // 将阈值翻倍
                newThr = oldThr << 1; // double threshold
        }
        // 旧的阈值>0,初始容量设置为阈值
        else if (oldThr > 0) // initial capacity was placed in threshold
            newCap = oldThr;
        else {// zero initial threshold signifies using defaults
            // 第一次创建的时候从这初始化容量为16，初始化阈值为12
            newCap = DEFAULT_INITIAL_CAPACITY;
            newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);
        }
        // 如果在上述过程中，没有初始化阈值，则这里重新计算
        if (newThr == 0) {
            // 计算方式为新的容量*加载因子
            float ft = (float)newCap * loadFactor;
            // 重新计算扩容阈值
            newThr = (newCap < MAXIMUM_CAPACITY && ft < (float)MAXIMUM_CAPACITY ?
                    (int)ft : Integer.MAX_VALUE);
        }
        // 更新全局阈值
        threshold = newThr;
        // 初始化底层数组
        @SuppressWarnings({"rawtypes","unchecked"})
        Node[] newTab = (Node[])new Node[newCap];
        // 更新全局table
        table = newTab;
        // 历史tab中含有数据
        if (oldTab != null) {
            // 遍历旧tab
            for (int j = 0; j < oldCap; ++j) {
                // 声明临时变量e
                Node e;
                // 找寻旧tab中不为null的元素，并赋值给e
                if ((e = oldTab[j]) != null) {
                    // 将旧tab[j]处的元素重置
                    oldTab[j] = null;
                    // 如果e没有下一个元素
                    if (e.next == null)
                        // 在newTab中重新计算index下标放置元素e
                        newTab[e.hash & (newCap - 1)] = e;
                    // 如果当前e元素为红黑树类型
                    else if (e instanceof TreeNode)
                        // 将当前红黑树拆分
                        ((TreeNode)e).split(this, newTab, j, oldCap);
                    else { // preserve order当前节点为链表类型，且具有多个节点
                        // 低位链表
                        Node loHead = null, loTail = null;
                        // 高位链表
                        Node hiHead = null, hiTail = null;
                        Node next;
                        do {
                            // 保留下一个元素
                            next = e.next;
                            // 因为oldCap的数值为2的幂次方，所以，e.hash & oldCap的结果只可能为0或另外一个固定值
                            // 当计算结果为0时，将当前链表放入到低位链表中
                            if ((e.hash & oldCap) == 0) {
                                // 低位链表的为节点为空，证明当前低位链表没有元素
                                if (loTail == null)
                                    // 低位链表头节点为当前元素e
                                    loHead = e;
                                else
                                    // 将元素e追加到低位链表尾部
                                    loTail.next = e;
                                // 坐标后移
                                loTail = e;
                            }
                            else {
                                // 当计算结果不为0时，放入到高位链表中
                                if (hiTail == null)
                                    hiHead = e;
                                else
                                    hiTail.next = e;
                                hiTail = e;
                            }
                            // 从e开始，向后遍历
                        } while ((e = next) != null);
                        if (loTail != null) {
                            loTail.next = null;
                            // 将低位链表放置到新tab中
                            newTab[j] = loHead;
                        }
                        if (hiTail != null) {
                            hiTail.next = null;
                            // 将高位链表放入j+oldCap位置处
                            newTab[j + oldCap] = hiHead;
                        }
                    }
                }
            }
        }
        // 返回新创建的table
        return newTab;
    }

三、HashMap使用优化

优化一：指定泛型

集合泛型定义时，在 JDK7 及以上，使用 diamond 语法或全省略。
说明：菱形泛型，即 diamond，直接使用<>来指代前边已经指定的类型。
Java 开发手册
正例：
// diamond 方式，即<>
HashMap userCache = new HashMap<>(16);
// 全省略方式
ArrayList users = new ArrayList(10);

优化二：指定初始化容量（(需要存储的元素个数 / 负载因子) + 1），避免后期容量不足，导致频繁扩容

集合初始化时，指定集合初始值大小。
说明：HashMap 使用 HashMap(int initialCapacity) 初始化，如果暂时无法确定集合大小，那么指定默
认值（16）即可。
正例：initialCapacity = (需要存储的元素个数 / 负载因子) + 1。注意负载因子（即 loader factor）默认
为 0.75，如果暂时无法确定初始值大小，请设置为 16（即默认值）。
反例：HashMap 需要放置 1024 个元素，由于没有设置容量初始大小，随着元素不断增加，容量 7 次被迫
扩大，resize 需要重建 hash 表。当放置的集合元素个数达千万级别时，不断扩容会严重影响性能。

四、相关面试题

1. 为什么重写Equals还要重写HashCode方法

为了使诸如HashMap这样的哈希表正常使用。具体规定如下：
equals相等，hashcode一定相等。
equals不等，hashcode不一定不等。
hashcode不等，equals一定不等。
hashcode相等，equals不一定相等。

Object 的 hashcode 方法是本地方法，也就是用 c 或 c++ 实现的，该方法直接返回对象的内存地址，让后再转换整数。
== 比较两个对象的内存地址是否相同
Equals默认的情况下比较两个对象的内存地址

当 Equals比较对象相等以后，根据规定，hashCode值也需要相等，相应的，也需要重写HashCode方法。

2. HashMap如何避免内存泄漏问题
当以自定义对象作为HashMap的key时，如果没有重写Equals方法和HashCode方法，会导致对象一直往HashMap里面存储，并且，无法被GC垃圾回收掉，最终造成内存泄露问题。
解决方案：
在以自定义对象作为key时，需要重写Equals方法和HashCode方法。

3. HashMap1.7底层是如何实现的
采用数组+链表的形式实现，查询效率为O(n);

4. HashMapKey为null存放在什么位置
放在数组（Hash表）下标为0的位置

5. HashMap底层采用单链表还是双链表
HashMap底层为单向链表

6. 时间复杂度O(1)、O(N)、O(Logn)区别

O(1) 查询时间不会随着数据量的增大而增大，简单理解为一次查询即可得到结果
O(n) 查询时间跟数据量的增大成正比
O(logn) 数组增大n倍时，查询耗时增加logn,比如，数据量增大256倍时，查询时间只增加8倍

7. HashMap根据key查询的时间复杂度
首先根据key映射的对象存储在什么结构上面

存储在数组上（即链表或者红黑树的头节点），时间复杂度为O(1)
存储在链表上，时间复杂度为O(n);
存储在红黑树上，时间复杂度为O(logn);

8. HashMap如何实现数组扩容问题
在jdk1.8中，数组扩容是以两倍容量和两倍阈值进行扩容。

9. HashMap底层是有序存放的吗？
无序、散列存放

10. 为什么不直接将key作为哈希值而是与高16位做异或运算？
降低hash冲突的概率

11. HashMap如何存放1万条key效率最高
初始化hashMap时指定容量大小为：(10000需要存储的元素个数 / 负载因子) + 1

12. HashMap1.8如何避免多线程扩容死循环问题
1.8中将原来的链表拆分为高位链表和低位链表，在重新装到扩容后的数组中，所以，不会造成多线程情况下扩容死循环的问题。

13. 为什么HashMap1.8需要引入红黑树
因为链表的查询效率过低，引入红黑树可以提高查询的效率，时间复杂度从O(n)降低至O(logn)

14. 为什么链表长度>8需要转红黑树？小于6转为链表，而不是都是8
在hashMap实现中可知，默认的转红黑树阈值为8，转链表的阈值为6，根据个人猜想，在节点个数过少的情况下，采用链表比红黑树的效率更高。但是为什么转红黑树的阈值和转链表的阈值不一致，是因为避免当链表长度在8左右频繁增删时，造成频繁的链表转红黑树，和红黑树转链表，消耗大量的资源，所以阈值不一致。

15. 什么情况下，需要从红黑树转换成链表存放？
当红黑树的节点数量< 6

16. HashMap底层如何降低Hash冲突概率
采用散列更加均匀的高位hash算法，取key的hashCode值，并于当前HashCode值做异或运算。

总结

HashMap是日常开发中很常用的一种集合框架，合理的使用，会提升程序的效率。

HashMap1.8源码解读及相关面试题解读

Java相关栏目本月热门文章