認識Java8中HashMap原理
阿新 • • 發佈：2019-02-18
HashMap繼承和實現
由原始碼可以看出來HashMap繼承AbstractMap抽象類，並實現了Map、Cloneable、Serializable介面，而AbstractMap抽象類實現了Map介面。
結構組成
在JDK7版本中HashMap是由陣列+連結串列組成的，而在JDK8中HashMap是由陣列+連結串列+紅黑樹實現的，對於原因在後面會講到，如圖所示；
HashMap類的屬性
Node[] table陣列：通俗講就是雜湊桶，table的大小必須是2的n次方，預設長度時16。
size：實際存在的鍵值對的數量；
modCount：主要用來記錄HashMap內部結構發生變化的次數，主要用於迭代的快速失敗。
threshold：鍵值對閾值，也就是容納鍵值對的最大數量；
loadFactor：負載因子，預設值時0.75，建議不要隨便修改。
這其中的關係是：threshold = table.length * loadFactor。
儲存原理
通過原始碼可以看到Node[] table陣列是個很重要的屬性，看原始碼:
static class Node<K,V> implements Map.Entry<K,V> { final int hash;//key的雜湊值，資料儲存的位置 final K key; V value; Node<K,V> next;//下一個節點 Node(int hash, K key, V value, Node<K,V> next) { this.hash = hash; this.key = key; this.value = value; this.next = next; } public final K getKey() { return key; } public final V getValue() { return value; } public final String toString() { return key + "=" + value; } public final int hashCode() { return Objects.hashCode(key) ^ Objects.hashCode(value); } public final V setValue(V newValue) { V oldValue = value; value = newValue; return oldValue; } public final boolean equals(Object o) { if (o == this) return true; if (o instanceof Map.Entry) { Map.Entry<?,?> e = (Map.Entry<?,?>)o; if (Objects.equals(key, e.getKey()) && Objects.equals(value, e.getValue())) return true; } return false; } }
Node 是一個內部類，本質就是一個鍵值對。
資料是如何儲存的？
當存入這樣的資料時，map.put("東牆","我是東牆")時，系統會呼叫“東牆”這個key的hashCode()方法來計算這個key的hash值，然後在通過hash演算法的後兩步運算來獲得儲存的位置，有時不同的key會計算出相同的索引值，也就是會定位到相同的位置，這時候會發生雜湊碰撞。所以當table的長度越大時，碰撞的機率就越小，但要考慮效能的問題，所以就需要好的雜湊演算法和擴容機制。在這裡使用鏈地址法來解決雜湊碰撞的問題。當索引值相同時，後來的資料會鏈在之前的資料之後。
索引的位置的計算方式
在原始碼中，有這幾行程式碼可以看到怎麼計算的索引值的：
static final int hash(Object key) {
int h;
// h = key.hashCode() 為第一步 取hashCode值
// h ^ (h >>> 16) 為第二步 高位參與運算
return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}
總結下來就是，取key值hasCode值、高位運算、取模運算。在這裡使用（n-1）& h來計算模值（h%length）是非常好的，提高了速度，因為&的效能比%的要快，演算法舉例說明：
HashMap的put()方法是如何工作的？
這裡借鑑其他人的圖解：
我們可以看原始碼來進行解讀：
public V put(K key, V value) {
return putVal(hash(key), key, value, false, true);//對key進行計算雜湊值
}
final V putVal(int hash, K key, V value, boolean onlyIfAbsent,
boolean evict) {
Node<K,V>[] tab; Node<K,V> p; int n, i;
if ((tab = table) == null || (n = tab.length) == 0)//1.table為空時，呼叫resize()方法進行擴容
n = (tab = resize()).length;
if ((p = tab[i = (n - 1) & hash]) == null)//2.計算索引值，並判斷此位置上是否有資料
tab[i] = newNode(hash, key, value, null);//3.沒有則新增此資料
else {//4.此位置上有資料
Node<K,V> e; K k;
if (p.hash == hash &&//5.判斷key是否存在，存在則直接覆蓋
((k = p.key) == key || (key != null && key.equals(k))))
e = p;
else if (p instanceof TreeNode)//6.判斷鏈是否時紅黑樹
e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
else {//7.鏈為連結串列
for (int binCount = 0; ; ++binCount) {
if ((e = p.next) == null) {
p.next = newNode(hash, key, value, null);//8.將此資料鏈接在前一個數據之後
if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st
treeifyBin(tab, hash);//連結串列長度大於8則轉換為紅黑樹
break;
}
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
break;
p = e;//key已經存在，則直接覆蓋
}
}
if (e != null) { // existing mapping for key
V oldValue = e.value;
if (!onlyIfAbsent || oldValue == null)
e.value = value;
afterNodeAccess(e);
return oldValue;
}
}
++modCount;
if (++size > threshold)//儲存的資料快要達到飽和時進行擴容
resize();
afterNodeInsertion(evict);
return null;
}為什麼要加入紅黑樹？
即使負載因子和Hash演算法設計的再合理，也會出現連結串列過於長，會影響效能，所以當鏈長度大於8時，會轉換為紅黑樹，紅黑樹結合了陣列和連結串列的有點，易查詢和易修改。
HashMap的擴容機制
我們還是結合原始碼來進行分析
final Node<K,V>[] resize() {
Node<K,V>[] oldTab = table;
int oldCap = (oldTab == null) ? 0 : oldTab.length;
int oldThr = threshold;
int newCap, newThr = 0;
if (oldCap > 0) {
if (oldCap >= MAXIMUM_CAPACITY) {//最大容量為2^30
threshold = Integer.MAX_VALUE;//當為最大容量時，不再擴容，為int的最大值2^31-1
return oldTab;
}
else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&
oldCap >= DEFAULT_INITIAL_CAPACITY)//容量大於16小於最大值時容量擴大2倍
newThr = oldThr << 1; // double threshold//閾值也擴大2倍
}
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) {
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;
}