一.HashMap的内部属性
1.1 成员变量
1.1.1 size：
HashMap包含的KV键值对的数量，也就是我们通常调用Map.size()方法的返回值
public int size() {
return size;
}
1.1.2 modCount
HashMap的结构被修改的次数（包括KV映射数量和内部结构rehash次数），用于判断迭代器梳理中不一致的快速失败。
abstract class HashIterator {
...
final Node<K,V> nextNode() {
Node<K,V>[] t;
Node<K,V> e = next;
if (modCount != expectedModCount)
throw new ConcurrentModificationException();
if (e == null)
throw new NoSuchElementException();
if ((next = (current = e).next) == null && (t = table) != null) {
do {} while (index < t.length && (next = t[index++]) == null);
}
return e;
}
...
}
1.1.3 threshold
下一次扩容时的阈值，达到阈值便会触发扩容机制resize（阈值 threshold = 容器容量 capacity * 负载因子 load factor）。也就是说，在容器定义好容量之后，负载因子越大，所能容纳的键值对元素个数就越多。计算方法如下：
static final int tableSizeFor(int 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) ? MAXIMUM_CAPACITY : n + 1;
}
1.1.4 loadFactor
负载因子，默认是0.75
1.1.5 Node<K,V>[] table
底层数组，充当哈希表的作用，用于存储对应hash位置的元素，数组长度总是2的N次幂
1.2 内部类
1.2.1 Node<K,V>
/**
* 定义HashMap存储元素结点的底层实现
*/
static class Node<K,V> implements Map.Entry<K,V> {
final int hash;//元素的哈希值 由final修饰可知，当hash的值确定后，就不能再修改
final K key;// 键，由final修饰可知，当key的值确定后，就不能再修改
V value; // 值
Node<K,V> next; // 记录下一个元素结点(单链表结构，用于解决hash冲突)
/**
* Node结点构造方法
*/
Node(int hash, K key, V value, Node<K,V> next) {
this.hash = hash;//元素的哈希值
this.key = key;// 键
this.value = value; // 值
this.next = next;// 记录下一个元素结点
}
public final K getKey() { return key; }
public final V getValue() { return value; }
public final String toString() { return key + "=" + value; }
/**
* 为Node重写hashCode方法，值为：key的hashCode 异或 value的hashCode
* 运算作用就是将2个hashCode的二进制中，同一位置相同的值为0，不同的为1。
*/
public final int hashCode() {
return Objects.hashCode(key) ^ Objects.hashCode(value);
}
/**
* 修改某一元素的值
*/
public final V setValue(V newValue) {
V oldValue = value;
value = newValue;
return oldValue;
}
/**
* 为Node重写equals方法
*/
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;
}
}
1.2.2 TreeNode<K,V>
static final class TreeNode<K,V> extends LinkedHashMap.Entry<K,V> {
//与left、right联合使用实现树结构
TreeNode<K,V> parent;
TreeNode<K,V> left;
TreeNode<K,V> right;
// needed to unlink next upon deletion
TreeNode<K,V> prev;
//记录树节点颜色
boolean red;
/**
* 操作方法
* 包括：树化、链栈化、增删查节点、根节点变更、树旋转、插入/删除节点后平衡红黑树
*/
...
}
1.3 Key的hash算法
Key的hash算法源码如下：
static final int hash(Object key) {
int h;
///key.hashCode()为哈希算法，返回初始哈希值
return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}
因为HashMap中是允许key 为null的键值对，所以先判断了key == null。当key 不为null的时候，hash算法是先通过key.hashCode()计算出一个hash值再与改hash值的高16位做异或运算（有关异或运算请移步：java运算符 与（&）、非（~）、或（|）、异或（^）） 上面的key.hashCode()已经计算出来了一个hash散列值，可以直接拿来用了，为何还要做一个异或运算？ 是为了对key的hashCode进行扰动计算（），防止不同hashCode的高位不同但低位相同导致的hash冲突。简单点说，就是为了把高位的特征和低位的特征组合起来，降低哈希冲突的概率，也就是说，尽量做到任何一位的变化都能对最终得到的结果产生影响
二. HashMap的初始化
HashMap的初始化有以下四种方法：
- HashMap()
- HashMap(int initialCapacity)
- HashMap(int initialCapacity, float loadFactor)
- HashMap(Map<? extends K, ? extends V> m)
方法1的源码如下：
public HashMap() {
//使用默认的DEFAULT_LOAD_FACTOR = 0.75f
this.loadFactor = DEFAULT_LOAD_FACTOR; // all other fields defaulted
}
其中的方法2本质上都是调用了方法3。initialCapacity是初始化HashMap的容量，loadFactor是在1.1.4中提到的负载因子。 方法3的源码注释如下：
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);
}
方法4源码注释如下：
public HashMap(Map<? extends K, ? extends V> m) {
this.loadFactor = DEFAULT_LOAD_FACTOR;
putMapEntries(m, false);
}
/**
* Implements Map.putAll and Map constructor
*
* @param m 要初始化的map
* @param evict 初始化构造map时为false，其他情况为true
*/
final void putMapEntries(Map<? extends K, ? extends V> m, boolean evict) {
int s = m.size();
//判断当前m容量
if (s > 0) {
// 初始化
if (table == null) {
//ft按照默认加载因子计算ft=s/0.75 +1计算出来
float ft = ((float)s / loadFactor) + 1.0F;
int t = ((ft < (float)MAXIMUM_CAPACITY) ?
(int)ft : MAXIMUM_CAPACITY);
if (t > threshold)
threshold = tableSizeFor(t);
}
else if (s > threshold)
//s大于threshlod，需要扩容
resize();
//遍历m，并通过putVal初始化数据
for (Map.Entry<? extends K, ? extends V> e : m.entrySet()) {
K key = e.getKey();
V value = e.getValue();
putVal(hash(key), key, value, false, evict);
}
}
}
三. put过程
3.1 put的正常调用过程
put方法是HashMap的增加KV对的入口，putVal方法是具体实现，整个过程的大致流程如下：
- 对key的hashCode()做hash，然后再计算index;
- 如果没碰撞直接放到bucket里；
- 如果碰撞了，以链表的形式存在buckets后；
- 如果碰撞导致链表过长(大于等于TREEIFY_THRESHOLD)，就把链表转换成红黑树；
- 如果节点已经存在就替换old value(保证key的唯一性)
- 如果bucket满了(超过load factor*current capacity)，就要resize
public V put(K key, V value) {
return putVal(hash(key), key, value, false, true);
}
3.2 put过程剖析
putVal方法的源码解析如下：
/**
* Implements Map.put and related methods
*
* @param hash key的hash值
* @param key the key
* @param value the value to put
* @param onlyIfAbsent 为true不修改已经存在的值
* @param evict 为false表示创建
* @return previous value, or null if none
*/
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为空则创建
if ((tab = table) == null || (n = tab.length) == 0)
n = (tab = resize()).length;
//根据hash值计算出index,并校验当前tab中index的值是否存在
if ((p = tab[i = (n - 1) & hash]) == null)
//当前tab中index的值为空，则直接插入到tab中
tab[i] = newNode(hash, key, value, null);
else {
//当前tab节点已经存在hash相同的值
Node<K,V> e; K k;
//分别比较hash值和key值相等，就直接替换现有的节点
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
e = p;
else if (p instanceof TreeNode)
//当前节点已经树化
e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
else {
for (int binCount = 0; ; ++binCount) {
if ((e = p.next) == null) {
p.next = newNode(hash, key, value, null);
if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st
treeifyBin(tab, hash);
break;
}
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
break;
p = e;
}
}
//把初始化的节点写入
if (e != null) { // existing mapping for key
V oldValue = e.value;
if (!onlyIfAbsent || oldValue == null)
e.value = value;
afterNodeAccess(e);
return oldValue;
}
}
++modCount;
//判断是否需要resize扩容
if (++size > threshold)
resize();
afterNodeInsertion(evict);
return null;
}
四. 扩容
4.1 什么条件下会扩容
当向容器添加元素的时候，会判断当前容器的元素个数，如果大于等于threshold阈值（即当前数组的长度乘以加载因子的值的时候），就要自动扩容了。
4.2 如何扩容
HashMap的扩容是调用了resize方法（初始化的时候也会调用），扩容是按照两倍的大小进行的，源码如下：
final Node<K,V>[] resize() {
Node<K,V>[] oldTab = table;
//取出tabble的大小
int oldCap = (oldTab == null) ? 0 : oldTab.length;
int oldThr = threshold;
int newCap, newThr = 0;
//当map不为空的时候
if (oldCap > 0) {
//map已经大于最大MAXIMUM_CAPACITY = 1 << 30
if (oldCap >= MAXIMUM_CAPACITY) {
threshold = Integer.MAX_VALUE;
return oldTab;
}
else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&
oldCap >= DEFAULT_INITIAL_CAPACITY)
//向左位移1，扩大两倍
newThr = oldThr << 1; // double threshold
}
//也就是HashMap初始化是调用了HashMap(initialCapacity)或者HashMap(initialCapacity,loadFactor)构造方法
else if (oldThr > 0) // initial capacity was placed in threshold
newCap = oldThr;
//使用的是HashMap()构造方法
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) {
//当map不为空，需要赋值原有map中的数据到新table中
...
}
return newTab;
}
从源码中可以看出，resize扩容是一个非常消耗性能的操作，所以在我们可以预知HashMap大小的情况下，预设的大小能够避免resize，也就能有效的提高HashMap的性能。
五. 树化与链表化
5.1 什么条件下会树化
当binCount达到阈值TREEIFY_THRESHOLD - 1的时候就会发生树化（TREEIFY_THRESHOLD = 8），也就是binCount>=7的时候就会进入到treeifyBin方法，但只有当大于MIN_TREEIFY_CAPACITY（= 64）才会触发treeify树化
if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st
treeifyBin(tab, hash);
5.2 树化算法
算法
final void treeifyBin(Node<K,V>[] tab, int hash) {
int n, index; Node<K,V> e;
if (tab == null || (n = tab.length) < MIN_TREEIFY_CAPACITY)
resize();
// 通过hash求出bucket的位置
else if ((e = tab[index = (n - 1) & hash]) != null) {
TreeNode<K,V> hd = null, tl = null;
do {
// 将Node节点包装成TreeNode
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)
// 对TreeNode链表进行树化
hd.treeify(tab);
}
}
final void treeify(Node<K,V>[] tab) {
TreeNode<K,V> root = null;
//遍历TreeNode
for (TreeNode<K,V> x = this, next; x != null; x = next) {
//next向前
next = (TreeNode<K,V>)x.next;
x.left = x.right = null;
//当根节点为空，就赋值
if (root == null) {
x.parent = null;
x.red = false;
root = x;
}
else {
//root存在，就自顶向下遍历
...
}
moveRootToFront(tab, root);
}
六. get过程
get方法相对于put要简单一些，源码如下：
public V get(Object key) {
Node<K,V> e;
//根据key取hash，算法与put中一样
return (e = getNode(hash(key), key)) == null ? null : e.value;
}
final Node<K,V> getNode(int hash, Object key) {
Node<K,V>[] tab; Node<K,V> first, e; int n; K k;
//1. 判断table不为空
//2. table长度大于0
//3. 与put方法一样计算tab的索引，并判断是否为空
if ((tab = table) != null && (n = tab.length) > 0 && (first = tab[(n - 1) & hash]) != null) {
//比较第一个节点的hash和key是都都相等
if (first.hash == hash && // always check first node
((k = first.key) == key || (key != null && key.equals(k))))
return first;
if ((e = first.next) != null) {
//红黑树：直接调用getTreeNode()
if (first instanceof TreeNode)
return ((TreeNode<K,V>)first).getTreeNode(hash, key);
do {
//链表：通过.next() 循环获取
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
return e;
} while ((e = e.next) != null);
}
}
return null;
}
六. 常见问题
5.1 并发常见下CPU100%问题
Hash并非是线程安全的，在并发场景下，错误的使用HashMap可能会出现CPU100%的问题 曾今有人在JDK1.4版本中的HashMap中提出过这样一个bug，官方也给出了答复“并非java或jvm的bug，而是使用不当”，当时所提出的地址是：JDK-6423457 : (coll) High cpu usage in HashMap.get() 左耳朵耗子前辈也做过分享：疫苗：JAVA HASHMAP的死循环
5.2 ConcurrentModificationException
https://blog.csdn.net/u010527630/articlehttps://img.qb5200.com/download-x/details/69917063
