HashMap 底层实现原理

概述

以下基于 JDK 1.8

数据结构

HashMap 实际是一种“数组+链表”数据结构。

在put操作中，通过内部定义算法寻止找到数组下标，将数据直接放入此数组元素中，若通过算法得到的该数组元素已经有了元素（俗称hash冲突，链表结构出现的实际意义也就是为了解决hash冲突的问题）。将会把这个数组元素上的链表进行遍历，将新的数据放到链表末尾。

存储数据的对象

在数组或链表中存储的节点的 Node 对象，以下是源码

    static class Node<K,V> implements Map.Entry<K,V> {
        final int hash;
        final K key;
        V value;
        Node<K,V> next;

        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;
        }

存储对象Node实际是实现Map.Entry对象接口。

有 4 个属性

• final int hash;
  此属性存放的是对象的 key 的hash值，以下是实现：

  static final int hash(Object key) {
      int h;
      return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
  }
  

  这里还是要根据传入的不同 key 的数据类型有不同的实现 hashCode() 的方式，在此不表。
• final K key;
  数据的 key
• V value;
  数据的 value
• Node<K,V> next;
  指向下一个对象，当出现哈希冲突时，该数组元素会出现链表结构使用 next 指向下一个元素对象

使用链表结构导致的问题

通过哈希算法从寻止上能够高效的找到对应的下标，但是随着数据的增长，哈希冲突碰撞过多。在寻找数据时，找到该链表，会通过遍历再寻找对应数据，如此将会使得 get 数据效率越来越低。在 jdk1.8 中，链表元素数量大于等于 8 将会重组该链表结构形成为“红黑树结构”，这种结构使得在 hash 冲突碰撞过多情况下，get 效率比链表的效率高很多。

数据插入，put（）

几个重要的变量

• transient Node<K,V>[] table;
  • 存数据的数组，随着数据增多，不断变大，厨师长度是 16：

    static final int DEFAULT_INITIAL_CAPACITY = 1 << 4; // aka 16
    

• final float loadFactor;
  • 负载因子，每当扩容时会和数组原长度相乘，默认是 0.75：

    static final float DEFAULT_LOAD_FACTOR = 0.75f;
    

• int threshold;
  • 允许存储的最大数据量，超过此阈值，便会触发扩容 resize()
• transient int modCount;
  • 记录内部结构发生变化的次数，put操作（覆盖值不计算）以及其他…
• transient int size;
  • 实际存储的元素数量

插入操作 put()

    public V put(K key, V value) {
        // 传入 key 的哈希值，key，value，
        return putVal(hash(key), key, value, false, true);
    }
    // 真正执行的插入方法
    final V putVal(int hash, K key, V value, boolean onlyIfAbsent,
                   boolean evict) {
        // 构造元素节点           
        Node<K,V>[] tab; Node<K,V> p; int n, i;
        // 检查数组是否为空或数组长度是否为 0，是则进行扩容
        // 数组长度为空会进行初始化，因为在实例化 HashMap 时，并不会进行初始化
        if ((tab = table) == null || (n = tab.length) == 0)
            n = (tab = resize()).length;
        
        // 根据计算得到的 key 的哈希值，得到应该插入的数组索引点，    
        // 为空则新建元素再插入
        if ((p = tab[i = (n - 1) & hash]) == null)
            tab[i] = newNode(hash, key, value, null);
        // 应该插入的位置不为空，已存在数据了
        else {
            Node<K,V> e; K k;
            // 找到已存在的数组元素，若 hash 相等且 key 相等，则直接覆盖
            if (p.hash == hash &&
                ((k = p.key) == key || (key != null && key.equals(k))))
                e = p;
            // 该节点是否为 TreeNode（红黑树结构），是则红黑树根据键值对直插
            else if (p instanceof TreeNode)
                e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
            // 这个已找到的元素既不和待插元素相同，也不是红黑树结构，说明在链表里，接下来遍历链表插入
            else {
                // 遍历链表
                for (int binCount = 0; ; ++binCount) {
                    // 链表插入，循环直到链表最后一个节点还没发现 key，那么插入到最后一个节点后面
                    if ((e = p.next) == null) {
                        p.next = newNode(hash, key, value, null);
                        // 链表长度大于 8，则转换成红黑树结构
                        if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st
                            treeifyBin(tab, hash);
                        break;
                    }
                    // 链表插入，若 key 存在直接覆盖 value
                    if (e.hash == hash &&
                        ((k = e.key) == key || (key != null && key.equals(k))))
                        break;
                    p = e;
                }
            }
            if (e != null) { // existing mapping for key
                V oldValue = e.value;
                if (!onlyIfAbsent || oldValue == null)
                    e.value = value;
                afterNodeAccess(e);
                return oldValue;
            }
        }
        // 结构发生改变次数++
        ++modCount;
        // 实际存储的元素大于临界值，则扩容（该临界值通过数组长度 * 负载因子得出）
        if (++size > threshold)
            resize();
        afterNodeInsertion(evict);
        return null;
    }

主要操作是：

1. 初始化
   • 首选判断table是否为空，数组长度为空，将会进行第一次初始化。（在实例化HashMap是，并不会进行初始化数组）
2. 插入
   • 不存在该值，新建节点直接插入到数组中
   • 数组中已存在该值：
     • 新值和数组中已存在的值，key 和 hash 都相等，直接覆盖
     • 该节点是红黑树结构，调用红黑树函数插入
     • 这个待插值和原有元素不同，且不是红黑树结构，那么就在链表中找
       • 遍历链表，发现存在该元素则覆盖
       • 遍历链表，最终发现不存在该元素，插入到链表尾。并检查是否长度大于 8，是则把链表转为红黑树
3. 判断是否扩容：
   • 如果条件满足元素大小size>允许的最大元素数量threshold，则再一次进行扩容操作。每次扩容操作，新的数组大小将是原始的数组长度的两倍。

扩容操作 resize()

静态语言在初始化时必须给个数组长度，但 put 操作会让数组装不下，所以要扩容。
触发扩容的条件是，当前实际元素数 > 数组长度 * 负载因子，即 size > threshold，threshold 是阈值

resize() 源码

    final Node<K,V>[] resize() {
        Node<K,V>[] oldTab = table;
        int oldCap = (oldTab == null) ? 0 : oldTab.length;
        // 初始容量，是所能允许的最大数量
        int oldThr = threshold;
        int newCap, newThr = 0;
        if (oldCap > 0) {
            // 旧的 capacity 大于了所能允许的最大限制，不扩容
            if (oldCap >= MAXIMUM_CAPACITY) {
                threshold = Integer.MAX_VALUE;
                return oldTab;
            }
            // 对原始长度进行 2 倍扩容
            else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&
                     oldCap >= DEFAULT_INITIAL_CAPACITY)
                newThr = oldThr << 1; // double threshold
        }
        // 第一次初始化，把旧的阈值 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);
        }
        
        // 第一次初始化
        if (newThr == 0) {
            float ft = (float)newCap * loadFactor;
            newThr = (newCap < MAXIMUM_CAPACITY && ft < (float)MAXIMUM_CAPACITY ?
                      (int)ft : Integer.MAX_VALUE);
        }
        
        // 新的最大允许元素数量值
        threshold = newThr;
        @SuppressWarnings({"rawtypes","unchecked"})
        // 新的数组
        Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap];
        table = newTab;
        if (oldTab != null) {
            // 遍历旧数组
            for (int j = 0; j < oldCap; ++j) {
                Node<K,V> e;
                if ((e = oldTab[j]) != null) {
                    oldTab[j] = null;
                    // 直接按照原始索引放入新数组中
                    if (e.next == null)
                        newTab[e.hash & (newCap - 1)] = e;
                    else if (e instanceof TreeNode)
                        ((TreeNode<K,V>)e).split(this, newTab, j, oldCap);
                    // 遍历链表
                    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;
                            // 放入索引
                            if ((e.hash & oldCap) == 0) {
                                if (loTail == null)
                                    loHead = e;
                                else
                                    loTail.next = e;
                                loTail = e;
                            }
                            // 原索引 + oldCap
                            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;
    }

取出数据 get()

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;
        // 通过key的hashCode和寻址算法得到数组下标
        if ((tab = table) != null && (n = tab.length) > 0 &&
            (first = tab[(n - 1) & hash]) != null) {
            // 若数组元素中的key和hash相等，则直接返回
            if (first.hash == hash && // always check first node
                ((k = first.key) == key || (key != null && key.equals(k))))
                return first;
            // 若不相等
            if ((e = first.next) != null) {
                // 是红黑树结构，就在红黑树中找
                if (first instanceof TreeNode)
                    return ((TreeNode<K,V>)first).getTreeNode(hash, key);
                // 遍历链表元素
                do {
                    if (e.hash == hash &&
                        ((k = e.key) == key || (key != null && key.equals(k))))
                        return e;
                } while ((e = e.next) != null);
            }
        }
        return null;
    }