1. 介绍
HashMap：作为Map的主要实现类，线程不安全，因此在多线程的环境下可能会有问题，效率高，key\value可以为null，底层基于散列算法实现
本文基于JDK1.8来分析HashMap的源码，我们知道，JDK1.7的HashMap底层使用的是数组+链表，相比于JDk1.7，JDK1.8引入了红黑树来优化链表解决过长链表效率低的问题，以及重写 resize 方法，移除了 alternative hashing 相关方法，避免重新计算键的 hash 等。
2. 原理
HashMap底层是基于拉链式的散列算法来实现的，由数组+链表组成，1.8后又增加了红黑树，HashMap在进行增删查操作时，首先会通过元素的hash值%HashMap长度，得到桶的下标，定位到元素所在的桶位置，然后再从链表中定位到元素。
当HashMap数组的某一个索引位置上的链表形式的数据个数 > 8 且当前数组的长度 > 64，此时该索引位置上的所有数据会改为红黑树存储
在new HashMap()实例化后，底层创建了一个 transient Node<K,V>[] table 数组，在JDk1.8中HashMap实例化的时候并不会初始化长度，而是首次调用put方法时底层才创建长度为16的数组。
3. 源码分析
首先介绍一下HashMap源码中的一些常见变量
- DEFAULT_INITIAL_CAPACITY:HashMap的默认容量，16
- MAXIMUM_CAPCITY:HashMap的最大支持容量，2^30
- TREEIFY_THRESHOLD：BUcket桶中链表长度大于该默认值，转化为红黑树
- UNTREEIFY——THRESHOLD：BUCKET中红黑树存储的NODE小于该默认值，转化为链表
- MIN_TREEIFY_CAPACITY:桶中NODE被书画时最小的hash表容量
- table：存储元素的数组，总是2的n次幂
- entrySet：存储具体元素的集
- size：hashMap中存储的键值对的数量
- modCount：HashMap扩容和结构改变的次数。
- threshold：扩容的临界值，=容量*填充因子 当HashMap的size超过这个值是会进行扩容操作
- loadFactor:填充因子（负载因子）
3.1 构造方法
首先我们来看一下HashMap的构造方法
/**
将填充因子变量设置为默认的0.75，我们比较常用的
**/
public HashMap() {
this.loadFactor = DEFAULT_LOAD_FACTOR; // all other fields defaulted
}
/**
会调用构造3
**/
public HashMap(int initialCapacity) {
this(initialCapacity, DEFAULT_LOAD_FACTOR);
}
/**
会将另一个 Map 中的映射拷贝一份到自己的存储结构中来
**/
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(Map<? extends K, ? extends V> m) {
this.loadFactor = DEFAULT_LOAD_FACTOR;
putMapEntries(m, false);
}
3.2 put插入方法
首先我们把源码拿过来看一下
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;
//判断是否为第一次put，初始化桶数组table
if ((tab = table) == null || (n = tab.length) == 0)
n = (tab = resize()).length;
//如果桶中不包含键值对节点引用，则将新键值对节点的引用存入桶中即可，(n - 1) & hash等价于对length 取余，定位到key在桶数组的位置。
if ((p = tab[i = (n - 1) & hash]) == null)
tab[i] = newNode(hash, key, value, null);
else {
Node<K,V> e; K k;
//如果key的值以及节点的hash值与链表中的第一个键值对节点相等时，则将e指向该键值对
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
e = p;
//如果桶中的引用类型为树，则直接调用红黑树的put方法插入
else if (p instanceof TreeNode)
e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
else {
//对链表进行遍历，并统计到链表的长度
for (int binCount = 0; ; ++binCount) {
//如果链表中不包含要插入的key-value时，则将该Node节点接在链表的最后面
if ((e = p.next) == null) {
p.next = newNode(hash, key, value, null);
//如果链表的长度大于或者等于树化的阈值，则该链表会转换为红黑树
if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st
treeifyBin(tab, hash);
break;
}
//判断链表是否包含要插入的key/value，true则直接break
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
break;
p = e;
}
}
//判断要插入的键值对是否存在hashmap中
if (e != null) { // existing mapping for key
V oldValue = e.value;
if (!onlyIfAbsent || oldValue == null)
e.value = value;
afterNodeAccess(e);
return oldValue;
}
}
++modCount;
//如果hashMap存储的键值对的数量大于扩容的临界值，则会进行扩容操作
if (++size > threshold)
resize();
afterNodeInsertion(evict);
return null;
}
当桶数组的table为空的时候，会先调用resize()扩容方法进行初始化，如果桶中该键值对引用的节点为空时，则直接将该键值对存入桶中。
如果该节点上有数据，则会接着进行判断，当该节点的hash值和添加的key的hash值相同，并且该节点的第一个key与添加的key相等时则直接指向该键值对。
如果桶的引用类型为Tree树时，则会直接调用红黑树的put方法进行插入操作，如果都不成立的话，则会对链表进行遍历，来查找链表中是否包含插入的key-value，不包含的话直接插入在该链表的最后面，如果插入后链表的长度大于TREEIFY_THRESHOLD的话，则会将该链表转换为红黑树，最后，如果更新后的hashMap的size大于扩容的临界值时，则会进行扩容操作
3.3 get查找方法
源码：
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 &&
//定位到键值对所在的桶的位置，且该位置不等于空
(first = tab[(n - 1) & hash]) != null) {
//如果该节点位置的hash值和key的hash值相同且key值相同则直接返回该节点的第一个键值对
if (first.hash == hash && // always check first node
((k = first.key) == key || (key != null && key.equals(k))))
return first;
if ((e = first.next) != null) {
//如果该节点是TreeNode，则调用红黑树的查找方法
if (first instanceof TreeNode)
return ((TreeNode<K,V>)first).getTreeNode(hash, key);
//遍历链表查找
do {
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
return e;
} while ((e = e.next) != null);
}
}
return null;
}
首先定位到键值对所在桶的位置，首先比较该位置上链表的第一个值的key的hash值和内容是否与我们查找的key的hash值、equals比较内容相等，如果相等则直接返回，如果该节点是TreeNode则调用红黑树的查找方法，否则则遍历该节点的链表查找。
3.4 删除remove()
源码：
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) {
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;
else if ((e = p.next) != null) {
if (p instanceof TreeNode)
node = ((TreeNode<K,V>)p).getTreeNode(hash, key);
else {
do {
if (e.hash == hash &&
((k = e.key) == key ||
(key != null && key.equals(k)))) {
node = e;
break;
}
p = e;
} while ((e = e.next) != null);
}
}
//删除节点，并修复链表和红黑树
if (node != null && (!matchValue || (v = node.value) == value ||
(value != null && value.equals(v)))) {
if (node instanceof TreeNode)
((TreeNode<K,V>)node).removeTreeNode(this, tab, movable);
//链表元素重新指向
else if (node == p)
tab[index] = node.next;
else
p.next = node.next;
++modCount;
--size;
afterNodeRemoval(node);
return node;
}
}
return null;
}
删除的方法和查找的方法大致相同，多了一步删除节点和修复的操作，这里就不过多介绍了
3.5 HashMap扩容机制
HashMap的长度是动态的，这正是因为HashMap的扩容机制，在HashMap中，桶数组的长度为2的n次幂，阈值大小为HashMap桶数组长度*负载因子，当HashMap的长度超过阈值时，则会进行扩容，且按照当前桶数组的长度扩容2倍，同时，阈值也会变为原来的两倍，扩容之后，要重新计算键值对的位置，并且把他们移动到合适的位置上去
注：为什么负载因子默认为0.75？
当负载因子时1时，会出现大量的hash冲突，底层的红黑树会变的复杂。会降低查询的效率。牺牲了时间来保证空间的利用率。当如果负载因子是0.5时，虽然减少了hash冲突，但是浪费了大量的空间，所以折中为0.75，当负载因子是0.75的时，空间利用率比较高，而且避免了相当多的Hash冲突，使得底层的链表或者是红黑树的高度比较低，提升了空间效率。
源码：
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];
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;
}
3.5 链表树化
红黑树是一种自平衡的二叉查找树
树化源码：
static final int TREEIFY_THRESHOLD = 8;
/**
* 当桶数组容量小于该值时，优先进行扩容，而不是树化
*/
static final int MIN_TREEIFY_CAPACITY = 64;
static final class TreeNode<K,V> extends LinkedHashMap.Entry<K,V> {
TreeNode<K,V> parent; // red-black tree links
TreeNode<K,V> left;
TreeNode<K,V> right;
TreeNode<K,V> prev; // needed to unlink next upon deletion
boolean red;
TreeNode(int hash, K key, V val, Node<K,V> next) {
super(hash, key, val, next);
}
}
/**
* 将普通节点链表转换成树形节点链表
*/
final void treeifyBin(Node<K,V>[] tab, int hash) {
int n, index; Node<K,V> e;
// 桶数组容量小于 MIN_TREEIFY_CAPACITY，优先进行扩容而不是树化
if (tab == null || (n = tab.length) < MIN_TREEIFY_CAPACITY)
resize();
else if ((e = tab[index = (n - 1) & hash]) != null) {
// hd 为头节点（head），tl 为尾节点（tail）
TreeNode<K,V> hd = null, tl = null;
do {
// 将普通节点替换成树形节点
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); // 将普通链表转成由树形节点链表
if ((tab[index] = hd) != null)
// 将树形链表转换成红黑树
hd.treeify(tab);
}
}
TreeNode<K,V> replacementTreeNode(Node<K,V> p, Node<K,V> next) {
return new TreeNode<>(p.hash, p.key, p.value, next);
}
当链表长度大于等于8，桶数组容量大于等于64时，会进行链表树化，由于桶数组容量较小的时候会提高hash碰撞的概率，进而会导致链表的长度过长，所以当容量小的时候，优先对桶数组进行扩容，避免不必要的树化。
同时，桶容量较小时，扩容会比较频繁，扩容时需要拆分红黑树并重新映射。所以在桶容量比较小的情况下，将长链表转成红黑树是一件吃力不讨好的事。
