共计 14652 个字符，预计需要花费 37 分钟才能阅读完成。
《Java 集合详解系列》是我在完成夯实 Java 基础篇的系列博客后准备开始写的新系列。
这些文章将整理到我在 GitHub 上的《Java 面试指南》仓库，更多精彩内容请到我的仓库里查看
https://github.com/h2pl/Java-…
喜欢的话麻烦点下 Star、fork 哈
文章首发于我的个人博客：
www.how2playlife.com
今天我们来探索一下 HashMap 和 HashTable 机制与比较器的源码。
本文参考 http://cmsblogs.com/?p=176
HashMap
HashMap 也是我们使用非常多的 Collection，它是基于哈希表的 Map 接口的实现，以 key-value 的形式存在。在 HashMap 中，key-value 总是会当做一个整体来处理，系统会根据 hash 算法来来计算 key-value 的存储位置，我们总是可以通过 key 快速地存、取 value。下面就来分析 HashMap 的存取。
定义
HashMap 实现了 Map 接口，继承 AbstractMap。其中 Map 接口定义了键映射到值的规则，而 AbstractMap 类提供 Map 接口的骨干实现，以最大限度地减少实现此接口所需的工作，其实 AbstractMap 类已经实现了 Map，这里标注 Map LZ 觉得应该是更加清晰吧！
public class HashMap<K,V>
extends AbstractMap<K,V>
implements Map<K,V>, Cloneable, Serializable
构造函数
HashMap 提供了三个构造函数：HashMap()：构造一个具有默认初始容量 (16) 和默认加载因子 (0.75) 的空 HashMap。HashMap(int initialCapacity)：构造一个带指定初始容量和默认加载因子 (0.75) 的空 HashMap。HashMap(int initialCapacity, float loadFactor)：构造一个带指定初始容量和加载因子的空 HashMap。在这里提到了两个参数：初始容量，加载因子。
这两个参数是影响 HashMap 性能的重要参数，其中容量表示哈希表中桶的数量，初始容量是创建哈希表时的容量，加载因子是哈希表在其容量自动增加之前可以达到多满的一种尺度，它衡量的是一个散列表的空间的使用程度，负载因子越大表示散列表的装填程度越高，反之愈小。
对于使用链表法的散列表来说，查找一个元素的平均时间是 O(1+a)，因此如果负载因子越大，对空间的利用更充分，然而后果是查找效率的降低；如果负载因子太小，那么散列表的数据将过于稀疏，对空间造成严重浪费。系统默认负载因子为 0.75，一般情况下我们是无需修改的。
HashMap 是一种支持快速存取的数据结构，要了解它的性能必须要了解它的数据结构。
数据结构
我们知道在 Java 中最常用的两种结构是数组和模拟指针 (引用)，几乎所有的数据结构都可以利用这两种来组合实现，HashMap 也是如此。实际上 HashMap 是一个“链表散列”，如下是它的数据结构：
HashMap 数据结构图
下图的 table 数组的每个格子都是一个桶。负载因子就是 map 中的元素占用的容量百分比。比如负载因子是 0.75，初始容量（桶数量）为 16 时，那么允许装填的元素最大个数就是 16*0.75 = 12，这个最大个数也被成为阈值，就是 map 中定义的 threshold。超过这个阈值时，map 就会自动扩容。
存储实现：put(key,vlaue)
首先我们先看源码
public V put(K key, V value) {
// 当 key 为 null，调用 putForNullKey 方法，保存 null 与 table 第一个位置中，这是 HashMap 允许为 null 的原因
if (key == null)
return putForNullKey(value);
// 计算 key 的 hash 值，此处对原来元素的 hashcode 进行了再次 hash
int hash = hash(key.hashCode()); ------(1)
// 计算 key hash 值在 table 数组中的位置
int i = indexFor(hash, table.length); ------(2)
// 从 i 出开始迭代 e, 找到 key 保存的位置
for (Entry<K, V> e = table[i]; e != null; e = e.next) {
Object k;
// 判断该条链上是否有 hash 值相同的 (key 相同)
// 若存在相同，则直接覆盖 value，返回旧 value
if (e.hash == hash && ((k = e.key) == key || key.equals(k))) {
V oldValue = e.value; // 旧值 = 新值
e.value = value;
e.recordAccess(this);
return oldValue; // 返回旧值
}
}
// 修改次数增加 1
modCount++;
// 将 key、value 添加至 i 位置处
addEntry(hash, key, value, i);
return null;
}
通过源码我们可以清晰看到 HashMap 保存数据的过程为：首先判断 key 是否为 null，若为 null，则直接调用 putForNullKey 方法。
若不为空则先计算 key 的 hash 值，然后根据 hash 值搜索在 table 数组中的索引位置，如果 table 数组在该位置处有元素，则通过比较是否存在相同的 key，若存在则覆盖原来 key 的 value，== 否则将该元素保存在链头（最先保存的元素放在链尾）==。
若 table 在该处没有元素，则直接保存。这个过程看似比较简单，其实深有内幕。有如下几点：
1、先看迭代处。此处迭代原因就是为了防止存在相同的 key 值，若发现两个 hash 值（key）相同时，HashMap 的处理方式是用新 value 替换旧 value，这里并没有处理 key，这就解释了 HashMap 中没有两个相同的 key。
2、在看（1）、（2）处。这里是 HashMap 的精华所在。首先是 hash 方法，该方法为一个纯粹的数学计算，就是计算 h 的 hash 值。
static int hash(int h) {h ^= (h >>> 20) ^ (h >>> 12);
return h ^ (h >>> 7) ^ (h >>> 4);
}
我们知道对于 HashMap 的 table 而言，数据分布需要均匀（最好每项都只有一个元素，这样就可以直接找到），不能太紧也不能太松，太紧会导致查询速度慢，太松则浪费空间。计算 hash 值后，怎么才能保证 table 元素分布均与呢？我们会想到取模，但是由于取模的消耗较大，HashMap 是这样处理的：调用 indexFor 方法。
static int indexFor(int h, int length) {return h & (length-1);
}
HashMap 的底层数组长度总是 2 的 n 次方，在构造函数中存在：capacity <<= 1; 这样做总是能够保证 HashMap 的底层数组长度为 2 的 n 次方。当 length 为 2 的 n 次方时，h&(length – 1) 就相当于对 length 取模，而且速度比直接取模快得多，这是 HashMap 在速度上的一个优化。至于为什么是 2 的 n 次方下面解释。
== 对 length 取模来得到 hash 是常用的 hash 索引方法，这里采用位运算的话效率更高。==
我们回到 indexFor 方法，该方法仅有一条语句：h&(length – 1)，这句话除了上面的取模运算外还有一个非常重要的责任：均匀分布 table 数据和充分利用空间。
这里我们假设 length 为 16(2^n) 和 15，h 为 5、6、7。
当 n =15 时，6 和 7 的结果一样，这样表示他们在 table 存储的位置是相同的，也就是产生了碰撞，6、7 就会在一个位置形成链表，这样就会导致查询速度降低。诚然这里只分析三个数字不是很多，那么我们就看 0 -15。
而当 length = 16 时，length – 1 = 15 即 1111，那么进行低位 & 运算时，值总是与原来 hash 值相同，而进行高位运算时，其值等于其低位值。所以说当 length = 2^n 时，不同的 hash 值发生碰撞的概率比较小，这样就会使得数据在 table 数组中分布较均匀，查询速度也较快。
这里我们再来复习 put 的流程：当我们想一个 HashMap 中添加一对 key-value 时，系统首先会计算 key 的 hash 值，然后根据 hash 值确认在 table 中存储的位置。若该位置没有元素，则直接插入。否则迭代该处元素链表并依此比较其 key 的 hash 值。
如果两个 hash 值相等且 key 值相等 (e.hash == hash && ((k = e.key) == key || key.equals(k))), 则用新的 Entry 的 value 覆盖原来节点的 value。如果两个 hash 值相等但 key 值不等，则将该节点插入该链表的链头。具体的实现过程见 addEntry 方法，如下：
void addEntry(int hash, K key, V value, int bucketIndex) {
// 获取 bucketIndex 处的 Entry
Entry<K, V> e = table[bucketIndex];
// 将新创建的 Entry 放入 bucketIndex 索引处，并让新的 Entry 指向原来的 Entry
table[bucketIndex] = new Entry<K, V>(hash, key, value, e);
// 若 HashMap 中元素的个数超过极限了，则容量扩大两倍
if (size++ >= threshold)
resize(2 * table.length);
}
这个方法中有两点需要注意：
后面添加的 entry 反而会接到前面。一、是链的产生。
这是一个非常优雅的设计。系统总是将新的 Entry 对象添加到 bucketIndex 处。如果 bucketIndex 处已经有了对象，那么新添加的 Entry 对象将指向原有的 Entry 对象，形成一条 Entry 链，但是若 bucketIndex 处没有 Entry 对象，也就是 e ==null, 那么新添加的 Entry 对象指向 null，也就不会产生 Entry 链了。
二、扩容问题。
随着 HashMap 中元素的数量越来越多，发生碰撞的概率就越来越大，所产生的链表长度就会越来越长，这样势必会影响 HashMap 的速度，为了保证 HashMap 的效率，系统必须要在某个临界点进行扩容处理。
该临界点在当 HashMap 中元素的数量等于 table 数组长度 * 加载因子。但是扩容是一个非常耗时的过程，因为它需要重新计算这些数据在新 table 数组中的位置并进行复制处理。所以如果我们已经预知 HashMap 中元素的个数，那么预设元素的个数能够有效的提高 HashMap 的性能。
JDK1.8 的 hashmap：put 方法
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;
if ((p = tab[i = (n - 1) & hash]) == null)
tab[i] = newNode(hash, key, value, null);
else {
Node<K,V> e; K k;
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
e = p;
// 如果 p 是红黑树节点，则用另外的处理方法
else if (p instanceof TreeNode)
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
// 当链表节点数超过 8 个，则直接进行红黑树化。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
V oldValue = e.value;
if (!onlyIfAbsent || oldValue == null)
e.value = value;
afterNodeAccess(e);
return oldValue;
}
}
++modCount;
if (++size > threshold)
resize();
afterNodeInsertion(evict);
return null;
}
JDK1.8 在链表长度超过 8 时会转换为红黑树。
转换方法如下：
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)
// 如果节点数变小小于红黑树的节点数阈值时，调整空间
resize();
else if ((e = tab[index = (n - 1) & hash]) != null) {
TreeNode<K,V> hd = null, tl = null;
do {
// 该方法直接返回一个红黑树结点。TreeNode<K,V> p = replacementTreeNode(e, null);
if (tl == null)
hd = p;
else {
// 从链表头开始依次插入红黑树
p.prev = tl;
tl.next = p;
}
tl = p;
} while ((e = e.next) != null);
if ((tab[index] = hd) != null)
hd.treeify(tab);
}
}
// For treeifyBin
TreeNode<K,V> replacementTreeNode(Node<K,V> p, Node<K,V> next) {return new TreeNode<>(p.hash, p.key, p.value, next);
}
扩容
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) {
// 如果原容量大于最大空间，则让阈值为最大值。因为不能再扩容了，最大容量就是整数最大值。if (oldCap >= MAXIMUM_CAPACITY) {
threshold = Integer.MAX_VALUE;
return oldTab;
}
// 两倍扩容，阈值也跟着变为两倍
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)
// 当后面没有节点时，直接插入即可 // 每个元素重新计算索引位置，此处的 hash 值并没有变，只是改变索引值
newTab[e.hash & (newCap - 1)] = e;
else if (e instanceof TreeNode)
((TreeNode<K,V>)e).split(this, newTab, j, oldCap);
else { // preserve order
// 否则，就从头到尾依次将节点进行索引然后插入新数组，这样插入后的链表顺序会和原来的顺序相反。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;
}
读取实现：get(key)
相对于 HashMap 的存而言，取就显得比较简单了。通过 key 的 hash 值找到在 table 数组中的索引处的 Entry，然后返回该 key 对应的 value 即可。public V get(Object key) {
// 若为 null，调用 getForNullKey 方法返回相对应的 value
if (key == null)
return getForNullKey();
// 根据该 key 的 hashCode 值计算它的 hash 码
int hash = hash(key.hashCode());
// 取出 table 数组中指定索引处的值
for (Entry<K, V> e = table[indexFor(hash, table.length)]; e != null; e = e.next) {
Object k;
// 若搜索的 key 与查找的 key 相同，则返回相对应的 value
if (e.hash == hash && ((k = e.key) == key || key.equals(k)))
return e.value;
}
return null;
}
在这里能够根据 key 快速的取到 value 除了和 HashMap 的数据结构密不可分外，还和 Entry 有莫大的关系，在前面就提到过，HashMap 在存储过程中并没有将 key，value 分开来存储，而是当做一个整体 key-value 来处理的，这个整体就是 Entry 对象。
同时 value 也只相当于 key 的附属而已。在存储的过程中，系统根据 key 的 hashcode 来决定 Entry 在 table 数组中的存储位置，在取的过程中同样根据 key 的 hashcode 取出相对应的 Entry 对象。
在 java 中与有两个类都提供了一个多种用途的 hashTable 机制，他们都可以将可以 key 和 value 结合起来构成键值对通过 put(key,value) 方法保存起来，然后通过 get(key) 方法获取相对应的 value 值。
HashTable
一个是前面提到的 HashMap，还有一个就是马上要讲解的 HashTable。对于 HashTable 而言，它在很大程度上和 HashMap 的实现差不多，如果我们对 HashMap 比较了解的话，对 HashTable 的认知会提高很大的帮助。他们两者之间只存在几点的不同，这个后面会阐述。
定义
HashTable 在 Java 中的定义如下：public class Hashtable<K,V>
extends Dictionary<K,V>
implements Map<K,V>, Cloneable, java.io.Serializable
从中可以看出 HashTable 继承 Dictionary 类，实现 Map 接口。其中 Dictionary 类是任何可将键映射到相应值的类（如 Hashtable）的抽象父类。每个键和每个值都是一个对象。在任何一个 Dictionary 对象中，每个键至多与一个值相关联。Map 是 "key-value 键值对" 接口。HashTable 采用 "拉链法" 实现哈希表，它定义了几个重要的参数：table、count、threshold、loadFactor、modCount。table：为一个 Entry[] 数组类型，Entry 代表了“拉链”的节点，每一个 Entry 代表了一个键值对，哈希表的 "key-value 键值对" 都是存储在 Entry 数组中的。count：HashTable 的大小，注意这个大小并不是 HashTable 的容器大小，而是他所包含 Entry 键值对的数量。threshold：Hashtable 的阈值，用于判断是否需要调整 Hashtable 的容量。threshold 的值 ="容量 * 加载因子"。loadFactor：加载因子。modCount：用来实现“fail-fast”机制的（也就是快速失败）。所谓快速失败就是在并发集合中，其进行迭代操作时，若有其他线程对其进行结构性的修改，这时迭代器会立马感知到，并且立即抛出 ConcurrentModificationException 异常，而不是等到迭代完成之后才告诉你（你已经出错了）。构造方法
在 HashTabel 中存在 5 个构造函数。通过这 5 个构造函数我们构建出一个我想要的 HashTable。public Hashtable() {this(11, 0.75f);
}
默认构造函数，容量为 11，加载因子为 0.75。public Hashtable(int initialCapacity) {this(initialCapacity, 0.75f);
}
用指定初始容量和默认的加载因子 (0.75) 构造一个新的空哈希表。public Hashtable(int initialCapacity, float loadFactor) {
// 验证初始容量
if (initialCapacity < 0)
throw new IllegalArgumentException("Illegal Capacity:"+
initialCapacity);
// 验证加载因子
if (loadFactor <= 0 || Float.isNaN(loadFactor))
throw new IllegalArgumentException("Illegal Load:"+loadFactor);
if (initialCapacity==0)
initialCapacity = 1;
this.loadFactor = loadFactor;
// 初始化 table，获得大小为 initialCapacity 的 table 数组
table = new Entry[initialCapacity];
// 计算阀值
threshold = (int)Math.min(initialCapacity * loadFactor, MAX_ARRAY_SIZE + 1);
// 初始化 HashSeed 值
initHashSeedAsNeeded(initialCapacity);
}
用指定初始容量和指定加载因子构造一个新的空哈希表。其中 initHashSeedAsNeeded 方法用于初始化 hashSeed 参数，其中 hashSeed 用于计算 key 的 hash 值，它与 key 的 hashCode 进行按位异或运算。这个 hashSeed 是一个与实例相关的随机值，主要用于解决 hash 冲突。
private int hash(Object k) {return hashSeed ^ k.hashCode();
}
构造一个与给定的 Map 具有相同映射关系的新哈希表。
public Hashtable(Map<? extends K, ? extends V> t) {
// 设置 table 容器大小，其值 ==t.size * 2 + 1
this(Math.max(2*t.size(), 11), 0.75f);
putAll(t);
}
主要方法
HashTable 的 API 对外提供了许多方法，这些方法能够很好帮助我们操作 HashTable，但是这里我只介绍两个最根本的方法：put、get。
首先我们先看 put 方法：将指定 key 映射到此哈希表中的指定 value。注意这里键 key 和值 value 都不可为空。public synchronized V put(K key, V value) {
// 确保 value 不为 null
if (value == null) {throw new NullPointerException();
}
/*
* 确保 key 在 table[] 是不重复的
* 处理过程：* 1、计算 key 的 hash 值，确认在 table[] 中的索引位置
* 2、迭代 index 索引位置，如果该位置处的链表中存在一个一样的 key，则替换其 value，返回旧值
*/
Entry tab[] = table;
int hash = hash(key); // 计算 key 的 hash 值
int index = (hash & 0x7FFFFFFF) % tab.length; // 确认该 key 的索引位置
// 迭代，寻找该 key，替换
for (Entry<K,V> e = tab[index] ; e != null ; e = e.next) {if ((e.hash == hash) && e.key.equals(key)) {
V old = e.value;
e.value = value;
return old;
}
}
modCount++;
if (count >= threshold) { // 如果容器中的元素数量已经达到阀值，则进行扩容操作
rehash();
tab = table;
hash = hash(key);
index = (hash & 0x7FFFFFFF) % tab.length;
}
// 在索引位置处插入一个新的节点
Entry<K,V> e = tab[index];
tab[index] = new Entry<>(hash, key, value, e);
// 容器中元素 +1
count++;
return null;
}
put 方法的整个处理流程是：计算 key 的 hash 值，根据 hash 值获得 key 在 table 数组中的索引位置，然后迭代该 key 处的 Entry 链表（我们暂且理解为链表），若该链表中存在一个这个的 key 对象，那么就直接替换其 value 值即可，否则在将改 key-value 节点插入该 index 索引位置处
在 HashTabled 的 put 方法中有两个地方需要注意：
1、HashTable 的扩容操作，在 put 方法中，如果需要向 table[] 中添加 Entry 元素，会首先进行容量校验，如果容量已经达到了阀值，HashTable 就会进行扩容处理 rehash()，如下:
protected void rehash() {
int oldCapacity = table.length;
// 元素
Entry<K,V>[] oldMap = table;
// 新容量 = 旧容量 * 2 + 1
int newCapacity = (oldCapacity << 1) + 1;
if (newCapacity - MAX_ARRAY_SIZE > 0) {if (oldCapacity == MAX_ARRAY_SIZE)
return;
newCapacity = MAX_ARRAY_SIZE;
}
// 新建一个 size = newCapacity 的 HashTable
Entry<K,V>[] newMap = new Entry[];
modCount++;
// 重新计算阀值
threshold = (int)Math.min(newCapacity * loadFactor, MAX_ARRAY_SIZE + 1);
// 重新计算 hashSeed
boolean rehash = initHashSeedAsNeeded(newCapacity);
table = newMap;
// 将原来的元素拷贝到新的 HashTable 中
for (int i = oldCapacity ; i-- > 0 ;) {for (Entry<K,V> old = oldMap[i] ; old != null ; ) {
Entry<K,V> e = old;
old = old.next;
if (rehash) {e.hash = hash(e.key);
}
int index = (e.hash & 0x7FFFFFFF) % newCapacity;
e.next = newMap[index];
newMap[index] = e;
}
}
}
在这个 rehash() 方法中我们可以看到容量扩大两倍 +1，同时需要将原来 HashTable 中的元素一一复制到新的 HashTable 中，这个过程是比较消耗时间的，同时还需要重新计算 hashSeed 的，毕竟容量已经变了。
这里对阀值啰嗦一下：比如初始值 11、加载因子默认 0.75，那么这个时候阀值 threshold=8，当容器中的元素达到 8 时，HashTable 进行一次扩容操作，容量 = 8 2 + 1 =17，而阀值 threshold=170.75 = 13，当容器元素再一次达到阀值时，HashTable 还会进行扩容操作，依次类推。
下面是计算 key 的 hash 值，这里 hashSeed 发挥了作用。
private int hash(Object k) {return hashSeed ^ k.hashCode();
}
相对于 put 方法，get 方法就会比较简单，处理过程就是计算 key 的 hash 值，判断在 table 数组中的索引位置，然后迭代链表，匹配直到找到相对应 key 的 value, 若没有找到返回 null。
public synchronized V get(Object key) {Entry tab[] = table;
int hash = hash(key);
int index = (hash & 0x7FFFFFFF) % tab.length;
for (Entry<K,V> e = tab[index] ; e != null ; e = e.next) {if ((e.hash == hash) && e.key.equals(key)) {return e.value;}
}
return null;
}
HashTable 与 HashMap 的异同点
HashTable 和 HashMap 存在很多的相同点，但是他们还是有几个比较重要的不同点。
第一：我们从他们的定义就可以看出他们的不同，HashTable 基于 Dictionary 类，而 HashMap 是基于 AbstractMap。Dictionary 是什么？它是任何可将键映射到相应值的类的抽象父类，而 AbstractMap 是基于 Map 接口的骨干实现，它以最大限度地减少实现此接口所需的工作。
第二：HashMap 可以允许存在一个为 null 的 key 和任意个为 null 的 value，但是 HashTable 中的 key 和 value 都不允许为 null。如下：
当 HashMap 遇到为 null 的 key 时，它会调用 putForNullKey 方法来进行处理。对于 value 没有进行任何处理，只要是对象都可以。
if (key == null) return putForNullKey(value); 而当 HashTable 遇到 null 时，他会直接抛出 NullPointerException 异常信息。
if (value == null) {throw new NullPointerException();
}
第三：Hashtable 的方法是同步的，而 HashMap 的方法不是。所以有人一般都建议如果是涉及到多线程同步时采用 HashTable，没有涉及就采用 HashMap，但是在 Collections 类中存在一个静态方法：synchronizedMap()，该方法创建了一个线程安全的 Map 对象，并把它作为一个封装的对象来返回，所以通过 Collections 类的 synchronizedMap 方法是可以我们你同步访问潜在的 HashMap。这样君该如何选择呢？？？
面试题：HashMap 和 HashTable 的区别
HashMap 线程不安全，HashTable 是线程安全的。HashMap 内部实现没有任何线程同步相关的代码，所以相对而言性能要好一点。如果在多线程中使用 HashMap 需要自己管理线程同步。HashTable 大部分对外接口都使用 synchronized 包裹，所以是线程安全的，但是性能会相对差一些。
二者的基类不一样。HashMap 派生于 AbstractMap，HashTable 派生于 Dictionary。它们都实现 Map, Cloneable, Serializable 这些接口。AbstractMap 中提供的基础方法更多，并且实现了多个通用的方法，而在 Dictionary 中只有少量的接口，并且都是 abstract 类型。
key 和 value 的取值范围不同。HashMap 的 key 和 value 都可以为 null，但是 HashTablekey 和 value 都不能为 null。对于 HashMap 如果 get 返回 null，并不能表明 HashMap 不存在这个 key，如果需要判断 HashMap 中是否包含某个 key，就需要使用 containsKey 这个方法来判断。
算法不一样。HashMap 的 initialCapacity 为 16，而 HashTable 的 initialCapacity 为 11。HashMap 中初始容量必须是 2 的幂, 如果初始化传入的 initialCapacity 不是 2 的幂，将会自动调整为大于出入的 initialCapacity 最小的 2 的幂。HashMap 使用自己的计算 hash 的方法 (会依赖 key 的 hashCode 方法)，HashTable 则使用 key 的 hashCode 方法得到。
参考文章
http://cmsblogs.com/?p=176
http://mini.eastday.com/mobil…
https://blog.csdn.net/lihua54…
https://www.cnblogs.com/aeoli…
微信公众号
Java 技术江湖
如果大家想要实时关注我更新的文章以及分享的干货的话，可以关注我的公众号【Java 技术江湖】一位阿里 Java 工程师的技术小站，作者黄小斜，专注 Java 相关技术：SSM、SpringBoot、MySQL、分布式、中间件、集群、Linux、网络、多线程，偶尔讲点 Docker、ELK，同时也分享技术干货和学习经验，致力于 Java 全栈开发！
Java 工程师必备学习资源: 一些 Java 工程师常用学习资源，关注公众号后，后台回复关键字 “Java” 即可免费无套路获取。
个人公众号：黄小斜
黄小斜是跨考软件工程的 985 硕士，自学 Java 两年，拿到了 BAT 等近十家大厂 offer，从技术小白成长为阿里工程师。
作者专注于 JAVA 后端技术栈，热衷于分享程序员干货、学习经验、求职心得和程序人生，目前黄小斜的 CSDN 博客有百万 + 访问量，知乎粉丝 2W+，全网已有 10W+ 读者。
黄小斜是一个斜杠青年，坚持学习和写作，相信终身学习的力量，希望和更多的程序员交朋友，一起进步和成长！关注公众号【黄小斜】后回复【原创电子书】即可领取我原创的电子书《菜鸟程序员修炼手册：从技术小白到阿里巴巴 Java 工程师》
程序员 3T 技术学习资源： 一些程序员学习技术的资源大礼包，关注公众号后，后台回复关键字 “资料” 即可免费无套路获取。
本文由博客一文多发平台 OpenWrite 发布！
