HashMap是基于哈希表的Map实现
哈希表的特点：关键字 key 和它在表中的存放位置 bucketIndex 之间存在一种确定的关系。即bucketIndex = hash(key)
哈希函数：一般情况下，需要在关键字与它在表中的存储位置之间建立一个函数关系，以f(key)作为关键字为key的记录在表中的位置，通常称这个函数f(key)为哈希函数。
hash : 翻译为“散列”，就是把任意长度的输入，通过散列算法，变成固定长度的输出，该输出就是散列值。这种转换是一种压缩映射，散列值的空间通常远小于输入的空间，不同的输入可能会散列成相同的输出，所以不可能从散列值来唯一的确定输入值。
hash冲突：关键字 key 和它在表中的存放位置 bucketIndex之间存在一种确定的关系。多个key计算出来的bucketIndex是一样的，即产生哈希冲突，需要存放在一个位置。
源码分析：
JDK 1.7及以前版本链表是头插法，JDK1.8链表是尾插法
JDK 1.7的分析：www.cnblogs.com/chengxiao/p…
以下是JDK1.8的源码分析：
构造函数HashMap()
只是指定了加载因子loadFactor 或者初始容量，并没有进行new的操作。
//设置初始容量和加载因子（加载因子默认为0.75）
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);
}
//设置初始容量，回调 HashMap(int initialCapacity, float loadFactor)
public HashMap(int initialCapacity) {
this(initialCapacity, DEFAULT_LOAD_FACTOR);
}
//默认加载因子为0.75
public HashMap() {
this.loadFactor = DEFAULT_LOAD_FACTOR; // all other fields defaulted
}
public HashMap(Map<? extends K, ? extends V> m) {
this.loadFactor = DEFAULT_LOAD_FACTOR;
putMapEntries(m, false);
}
//是否需要扩容，赋值
final void putMapEntries(Map<? extends K, ? extends V> m, boolean evict) {
int s = m.size();
if (s > 0) {
if (table == null) { // pre-size
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)
resize();
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);
}
}
}
get(key) 取操作
如果没有找到匹配key的value，返回null;否则返回value
tab[(n - 1) & hash] 相当于hash % (n - 1)， n是2的整数幂，例如：8(2的三次幂) -> 0111。注释里简写为table[hash]
public V get(Object key) {
Node<K,V> e;
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;
if ((tab = table) != null && (n = tab.length) > 0 &&
(first = tab[(n - 1) & hash]) != null) { //如果table不为空，且table[hash]不为空，否则返回null
if (first.hash == hash && // always check first node
((k = first.key) == key || (key != null && key.equals(k))))
return first; //如果存在table[hash]且table[hash]就是那个匹配的key，则return value
if ((e = first.next) != null) {
if (first instanceof TreeNode)
return ((TreeNode<K,V>)first).getTreeNode(hash, key);
do {
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
return e;
} while ((e = e.next) != null); //如果table[hash]即first存在next，则遍历去匹配key
}
}
return null;
}
put(K key, V value) 插入操作
1、如果table == null, resize() 里面进行new 并给table赋值
2、如果table[(n - 1) & hash] 为空，空链表则直接插入
3、如果table[(n - 1) & hash] 的刚好匹配上key，执行步骤5
4、通过p.next不断遍历，如果匹配上key，则break, 执行步骤5, 返回oldValue; 否则一直遍历到链表的尾部，p.next为空的状态，则将p.next指向新的Node节点。
5、如果有匹配的key，则用value替代oldValue, 返回oldValue
public V put(K key, V value) {
return putVal(hash(key), key, value, false, true);
}
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)
n = (tab = resize()).length; //见解释1
if ((p = tab[i = (n - 1) & hash]) == null)
tab[i] = newNode(hash, key, value, null); //见解释2
else {
Node<K,V> e; K k;
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
e = p; //见解释3
else if (p instanceof TreeNode)
e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
else {
for (int binCount = 0; ; ++binCount) { //见解释4
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;
}
}
if (e != null) { // existing mapping for key，见解释5
V oldValue = e.value;
if (!onlyIfAbsent || oldValue == null)
e.value = value;
afterNodeAccess(e);
return oldValue;
}
}
++modCount;
if (++size > threshold)
resize();
afterNodeInsertion(evict);
return null;
}
Jdk1.7之前是头插法
Entry<K,V> e = table[bucketIndex];
table[bucketIndex] = new Entry<K,V>(hash, key, value, e);
JDK1.8 是尾插法
if ((e = p.next) == null) {
p.next = newNode(hash, key, value, null);
}
resize() 扩容
包括第一次的初始化操作和扩容（2倍操作）。如果table为null，根据初始容量分配内存；不为空需要扩容时，因为我们使用的是2的整数次幂扩容，以前的Node要么存放在相同的bucketIndex位置，要么存放在bucketIndex * 2^n位置。
/**
* Initializes or doubles table size. If null, allocates in
* accord with initial capacity target held in field threshold.
* Otherwise, because we are using power-of-two expansion, the
* elements from each bin must either stay at same index, or move
* with a power of two offset in the new table.
*
* @return the table
*/
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) {
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) // 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]; //真正分配存储空间
table = newTab;
if (oldTab != null) {
for (int j = 0; j < oldCap; ++j) {
Node<K,V> e;
if ((e = oldTab[j]) != null) {c
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;
}
remove(Object k) 删除操作
1、如果table不为null且table[(n - 1) & hash]不为空，取出table[(n - 1) & hash] 为p，p为表头；
2.1、如果p刚好能够匹配key,将p赋给node, 执行步骤3；
2.2、否则遍历，此时p会更新为e的上一个节点，如果找到能匹配上的key，e赋值给node，break，执行步骤3(也许不存在匹配的key，则直接返回null)
3、存在node(可匹配上key的这么一个节点)，如果node是表头，则table[index] = node.next；否则p.next = node.next，返回node
4、返回 null
public V remove(Object key) {
Node<K,V> e;
return (e = removeNode(hash(key), key, null, false, true)) == null ?
null : e.value;
}
final Node<K,V> removeNode(int hash, Object key, Object value,
boolean matchValue, boolean movable) {
Node<K,V>[] tab; Node<K,V> p; int n, index;
if ((tab = table) != null && (n = tab.length) > 0 &&
(p = tab[index = (n - 1) & hash]) != null) { //步骤1
Node<K,V> node = null, e; K k; V v;
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
node = p; //步骤2.1
else if ((e = p.next) != null) {
if (p instanceof TreeNode)
node = ((TreeNode<K,V>)p).getTreeNode(hash, key);
else {
do { //步骤2.2
if (e.hash == hash &&
((k = e.key) == key ||
(key != null && key.equals(k)))) {
node = e;
break;
}
p = e;
} while ((e = e.next) != null);
}
}
if (node != null && (!matchValue || (v = node.value) == value ||
(value != null && value.equals(v)))) { //步骤3
if (node instanceof TreeNode)
((TreeNode<K,V>)node).removeTreeNode(this, tab, movable);
else if (node == p)
tab[index] = node.next;
else
p.next = node.next;
++modCount;
--size;
afterNodeRemoval(node);
return node;
}
}
return null; //步骤4
}
hash(Object key) 二次哈希
如果key为null，则经过hash计算的bucketIndex为0；二次哈希让键值对均匀分布在数组的N个位置之中。
static final int hash(Object key) {
int h;
return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}
HashMap总结：
可接受空值和空键，空键会默认存储在bucketIndex为0的地方，
key值重复会覆盖，put(K key, V value) 返回oldValue；
没有实现同步，是线程不安全的，相对也就效率更快
结构：一个数组Node<K, V>[] table， 每一个Node节点是一个单链表 （数组存储空间连续，寻址快，插入删除慢；链表存储空间离散，寻址慢，插入删除快）
存储对象 put(K key, V value)：根据key的HashCode()值得到数组中的bucket位置，用来存储键值对，当这个bucket位置没有存储过任何内容时，则直接存放；若已经有人占了位置，即两个key的HashCode()值相同，即产生了哈希冲突（碰撞），具有同样hashCode()的键值对会存放在同一个bucket位置；假如存在 key 的 quals() 也相同的情况下，则标记为重复键，用新的value 值替代旧的 value值，并返回旧的value值； 否则的话，每个新进来的node对象放在链表的尾部，形成单链表，返回null 。。。。 ，
取值 get(v key) : 根据key的HashCode()找到bucket位置，如果存在多个，遍历链表，对key的equals() 进行匹配，匹配成功的则返回value。
String 源码实现了hashCode() 和 equals方法，所以用的多
扩容：对数组进行扩容，当存储容量大于 loadFactor（负载因子）* 当前容量capacity时，会创建一个两倍大小容量的bucket位置，将旧的数组 移动到 新的数组中去。（多线程的情况下会产生条件竞争，同时扩容，不适用多线程情况）
