HashMap底层源码剖析
数组+单向链表+红黑树
数组：
数组每一项都是一个链表，其实就是数组和链表的结合体
单向链表：
当法神hash碰撞时，首先会找到数组对应位置，然后1.8采用尾插入法（1.7采用头插入法），形成一个单项链表结构
红黑树：
当数组中每项的链表长度大于8时，会转换为红黑树
什么是hash碰撞？解决方案
hash碰撞：
不同的key可能会产生相同的hash值；
方案：
链表发，再哈希法；
hashMap中采用链表发，在ConcurrentHashMap中采用哈希法；
为什么采用红黑树，比如二叉查找树，并且为什么临界值为8
二叉查找树在特殊情况下也会变为线性结构，和原来链表有共同的问题，节点太深，查找性能慢
使用红黑树主要用于提升查询速度，红黑树是平衡二叉树的一种，插入新的数据都会通过左旋，右旋，变色等操作来保持平衡，解决节点的深度问题
当数据较少时，采用链表要比红黑树效率高，因为平衡二叉树保持平衡需要耗费资源，那么前期数据较少时采用链表，当数据到达一定的界限后，再采用
红黑树，可以加快数据查询速度，官方测试8为性能最优
put()底层源码剖析
public V put(K key, V value) { return putVal(hash(key), key, value, false, true); } /** * Implements Map.put and related methods * * @param hash hash for key * @param key the key * @param value the value to put * @param onlyIfAbsent if true, don't change existing value * @param evict if false, the table is in creation mode. * @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; //判断如果table为空，或者还没有元素时，就进行扩容 if ((tab = table) == null || (n = tab.length) == 0) //扩容后将扩容大小交给n n = (tab = resize()).length; //判断获取当前数组位置是否存在数据，如果为空则直接插入，如果不为空，就进行下面的判断 //（n-1） & hash才是真正的hash值，也就是存储在table位置的index； if ((p = tab[i = (n - 1) & hash]) == null) tab[i] = newNode(hash, key, value, null); else { //到这里，就说明发生碰撞了，就要开始处理碰撞问题 Node<K,V> e; K k; //判断hash值和key值是否相同，如果相同则需要value覆盖 if (p.hash == hash && ((k = p.key) == key || (key != null && key.equals(k)))) e = p; //判断当前数组中存放的节点是否是树节点 else if (p instanceof TreeNode) e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value); else { //到这一步，说明首节点为链表类型 //循环遍历链表 for (int binCount = 0; ; ++binCount) { //判断当前数组该位置的值的下一个元素是佛为空，如果为空则追加到当前元素后边 if ((e = p.next) == null) { p.next = newNode(hash, key, value, null); //添加完毕后判断当前链表节点有多少个，如果节点大于等于8则转换为红黑树 if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st //treeifyBin判断当前数组是否为空，或者长度是否小于64，如果为空或者小于64，则扩容 treeifyBin(tab, hash); break; } //再次进行key的重复判断 if (e.hash == hash && ((k = e.key) == key || (key != null && key.equals(k)))) break; p = e; } } //表明，记录到具有相同元素的节点 if (e != null) { // existing mapping for key V oldValue = e.value; if (!onlyIfAbsent || oldValue == null) e.value = value; //这个是空函数，可以有用户根据需要覆盖 afterNodeAccess(e); return oldValue; } } ++modCount; //判断当前数组元素的个数和阈值进行比较，如果数量大于阈值则需要扩容 if (++size > threshold) //默认情况下，第一次添加数据的时候，先会进行一次扩容后再添加数据，后续都是先添加数据在进行扩容 resize(); //这个是空函数，可以有用户根据需要覆盖 afterNodeInsertion(evict); return null; }
在上述的方法中，设计三种情况：
第一种情况，数组索引位置没有键值对，处理方式就是直接把待添加键值对封装成Node添加到索引位置即可；
第二种情况，如果数组索引位置有键值对，而且封装的TreeNode节点，处理方式是调用红黑树的插入方法，把带添加键值对添加到红黑树中；
第三种情况，同样数组索引位置有键值对，但是封装的是Node节点，处理方法就比较复杂，首先把待添加键值对封装成Node节点添加到链表尾部，然后判断当前链表长度，如果达到阈值，就判断是扩容还是转换为红黑树；
get()底层源码剖析
public V get(Object key) { Node<K,V> e; return (e = getNode(hash(key), key)) == null ? null : e.value; } /** * Implements Map.get and related methods * * @param hash hash for key * @param key the key * @return the node, or null if none */ final Node<K,V> getNode(int hash, Object key) { Node<K,V>[] tab; Node<K,V> first, e; int n; K k; //判断数组以及数组对应位置数组元素是否为空 if ((tab = table) != null && (n = tab.length) > 0 && (first = tab[(n - 1) & hash]) != null) { /用get传递过来的key值对应位置第一个元素进行比较，如果相等就直接返回，如果不相等则进行查找 if (first.hash == hash && // always check first node ((k = first.key) == key || (key != null && key.equals(k)))) return first; //判断第一个元素的下一个元素是否为空 if ((e = first.next) != null) { //如果不为空就判断当前节点是否为树节点 if (first instanceof TreeNode) //如果是树节点，直接通过getTreeNode拿到该节点返回 return ((TreeNode<K,V>)first).getTreeNode(hash, key); do { //否则循环意义对比 if (e.hash == hash && ((k = e.key) == key || (key != null && key.equals(k)))) return e; } while ((e = e.next) != null); } } return null; }
扩容机制
在HashMap中，桶数组的长度均是2的幂，阈值大小为桶数组长度与负载因子的乘积。当HashMap中的键值对数量超过阈值时，就进行扩容；
扩容之后，要重新计算键值对的位置，并把它们移到合适的位置上去；
final Node<K,V>[] resize() { Node<K,V>[] oldTab = table; int oldCap = (oldTab == null) ? 0 : oldTab.length; int oldThr = threshold; int newCap, newThr = 0; //如果table不为空，表明已经初始化过了 if (oldCap > 0) { //当table容量超过容量最大值，则不再扩容 if (oldCap >= MAXIMUM_CAPACITY) { threshold = Integer.MAX_VALUE; return oldTab; } //按旧容量或阈值的2倍计算新容量和阈值大小 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 //初始化时，将threshold的值赋值给newCap; //HashMap使用threshold变量暂时保存initialCapacity参数的值 newCap = oldThr; else { // zero initial threshold signifies using defaults //调用无参构造方法时，桶数组容量为默认容量；阈值为默认容量与默认负载因子 newCap = DEFAULT_INITIAL_CAPACITY; newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY); } //newThr为0时，按阈值计算公式进行计算 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"}) //创建新的桶数组，桶数组的初始化也是这里完成的 Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap]; table = newTab; if (oldTab != null) { //如果旧的桶数组不为空，则遍历桶数组，并将键值对映射到新的桶数组中 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) //重新映射时，需要对红黑树进行拆分 ((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; //遍历链表，并将链表节点按原顺序进行分组 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); //将分组后的链表映射到新桶中 if (loTail != null) { loTail.next = null; newTab[j] = loHead; } if (hiTail != null) { hiTail.next = null; newTab[j + oldCap] = hiHead; } } } } } return newTab; }
扩容的源码总共做了三件事：
1.计算新桶数组的容量newCap和新阈值newThr
2.根据计算出的newCap创建新的桶数组，桶数组table也是这里进行初始化的
3.将键值对节点重新映射到新桶数组中，如果节点是TreeNode类型，则需要拆分红黑树；如果是普通节点，则节点按原顺序进行分组