HashMap底层原理
HashMap是最罕用的存储键值对的汇合，继承了AbstractMap类，实现了Map等接口，外部原理是基于散列函数计算出元素存储的地位，查问的时候也是依据散列函数持续计算出存储的地位去获取该地位上存储的元素，非并发平安。
底层数据结构
值得注意的是1.8版本的HashMap对底层构造做了优化，所以这里以1.7版本和1.8版本作为对照版本。
1.7版本
在1.7版本中，底层数据结构是数组和链表，也就是一个数组用来存储value，那为啥还有链表呢？因为散列函数是很有可能呈现哈希碰撞的，也就是两个不同的key计算得出同一个哈希值，后果就存到同一个数组索引上了，那不能笼罩掉后面的值呀，所以数组中存的是链表，如果有抵触了，同一个索引上就应用链表来存储多个值。
实现链表的外部类
static class Node<K,V> implements Map.Entry<K,V> {...}
1.8版本
因为链表的查问工夫是O(n)，所以抵触很重大，一个索引上的链表十分长，效率就很低了，所以在1.8版本的时候做了优化，当一个链表的长度超过8的时候就转换数据结构，不再应用链表存储，而是应用红黑树，红黑树是一个保障大抵均衡的均衡树，所以性能相较AVL树这样的高度均衡树来将性能会更好。
实现红黑树的外部类
static final class TreeNode<K,V> extends LinkedHashMap.Entry<K,V> {...}
构造方法
总共有四个构造方法，第一个默认无参的，第二个是能够设置map大小，第三个是既能够设置大小又能够设置装填因子，装填因子和大小是计算map是否须要扩容的两个必要因素，前面会介绍，第四个是接管另一个map作为参数，创立进去的新map里会蕴含这个map中所有的值。
HashMap(){};
HashMap(int initialCapacity){};
HashMap(int initialCapacity, float loadFactor){};
HashMap(Map<? extends K, ? extends V> m){};
put()办法
1.7版本
能够看到1.7版本的put()办法相对来说比较简单，毕竟固定就是数组加链表的构造，先计算下哈希值，再依据哈希值计算索引，再判断索引上有没有值，有的话就是链表尾部减少节点，留神的是key为null的话间接存到了数组索引为0的地位上，因为会遍历链表笼罩雷同key的缘故，所以HashMap中只能有一个key为null，还有就是addEntry()办法外面调用会进行容量判断是否调用扩容办法resize()。
public V put(K key, V value) {
if (key == null)
// 寄存null值 return putForNullKey(value);// 计算哈希值
int hash = hash(key);
// 依据哈希值计算索引
int i = indexFor(hash, table.length);
// 如果索引上曾经有值就在链表上增加节点
for (Entry<K,V> e = table[i]; e != null; e = e.next) {
Object k; if (e.hash == hash && ((k = e.key) == key || key.equals(k))) { V oldValue = e.value; e.value = value; e.recordAccess(this); return oldValue; }}
modCount++;
// 索引上没值，间接增加value
addEntry(hash, key, value, i);
return null;
}
private V putForNullKey(V value) {
for (Entry<K,V> e = table[0]; e != null; e = e.next) {
if (e.key == null) { V oldValue = e.value; e.value = value; e.recordAccess(this); return oldValue; }}
modCount++;
addEntry(0, null, value, 0);
return null;
}
1.8版本
1.8版本的put()办法就要简单的多了，间接新写了一个putVal()办法来调用，在1.7的步骤上还加多了一步，判断是插入链表还是插入红黑树，如果是插入链表则还要判断是否须要转换为红黑树。
public V put(K key, V value) {
return putVal(hash(key), key, value, false, true);
}
// 计算哈希值
static final int hash(Object key) {
int h; return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);}
final V putVal(int hash, K key, V value, boolean onlyIfAbsent,
boolean evict) {Node<K,V>[] tab; Node<K,V> p; int n, i;
// map还没初始化或者数组长度为0时调用扩容办法来初始化
if ((tab = table) == null || (n = tab.length) == 0)
n = (tab = resize()).length;// 计算哈希值，存储数据，如果该索引上没有数据，数据是节点模式插入
if ((p = tab[i = (n - 1) & hash]) == null)
tab[i] = newNode(hash, key, value, null);// 索引上曾经有数据
else {
Node<K,V> e; K k; // 比照寻找索引上第一个元素hash值相等，key相等，新插入的值会笼罩旧值 if (p.hash == hash && ((k = p.key) == key || (key != null && key.equals(k)))) e = p; // 如果节点是红黑树节点，插入红黑树 else if (p instanceof TreeNode) e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value); // 插入链表 else { // 循环到尾部，插入 for (int binCount = 0; ; ++binCount) { if ((e = p.next) == null) { p.next = newNode(hash, key, value, null); // 链表长度大于等于8了，转换为红黑树 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; } } // 如果插入的数据是雷同key间接笼罩 if (e != null) { // existing mapping for key V oldValue = e.value; if (!onlyIfAbsent || oldValue == null) e.value = value; afterNodeAccess(e); return oldValue; }}
++modCount;
// 判断是否扩容
if (++size > threshold)
resize();afterNodeInsertion(evict);
return null;
}
get()办法
1.7版本
1.7版本的get()办法就很简略了，key是null值间接取数组的第一个元素，否则就计算哈希值找到对应索引，遍历链表查找。
public V get(Object key) {
if (key == null)
return getForNullKey();Entry<K,V> entry = getEntry(key);
return null == entry ? null : entry.getValue();
}
private V getForNullKey() {
for (Entry<K,V> e = table[0]; e != null; e = e.next) {
if (e.key == null) return e.value;}
return null;
}
final Entry<K,V> getEntry(Object key) {
int hash = (key == null) ? 0 : hash(key);
// 遍历链表
for (Entry<K,V> e = table[indexFor(hash, table.length)];
e != null; e = e.next) { Object k; // 查找链表中哪一个节点key和哈希值都对的上 if (e.hash == hash && ((k = e.key) == key || (key != null && key.equals(k)))) return e;}
return null;
}
1.8版本
1.8版本的get()办法也要简单一点，还须要判断以后索引上是链表还是红黑树，不同的构造须要调用不同的办法。
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) { // 查看索引上第一个节点来判断 if (first.hash == hash && // always check first node ((k = first.key) == key || (key != null && // key匹配就返回value key.equals(k)))) return first; if ((e = first.next) != null) { // 红黑树节点类型，查找红黑树 if (first instanceof TreeNode) return ((TreeNode<K,V>)first).getTreeNode(hash, key); // 遍历链表 do { if (e.hash == hash && ((k = e.key) == key || (key != null && key.equals(k)))) return e; } while ((e = e.next) != null); }}
return null;
}
扩容办法
HashMap中最外围的办法，当依照计算规定发现存储的元素超过阀值的时候就须要调用该办法扩容，所有的元素都会从新计算哈希值来从新存储到不同的地位，十分消耗工夫。
// 默认的初始容量是16
static final int DEFAULT_INITIAL_CAPACITY = 1 << 4;
// 默认的填充因子
static final float DEFAULT_LOAD_FACTOR = 0.75f;
// 最大容量
static final int MAXIMUM_CAPACITY = 1 << 30;
// 阀值，超过这个数就要扩容
int threshold;
final Node<K,V>[] resize() {
Node<K,V>[] oldTab = table; // 以后元素个数 int oldCap = (oldTab == null) ? 0 : oldTab.length; // 以后阀值 int oldThr = threshold; int newCap, newThr = 0; if (oldCap > 0) { // 以后容量超过最大值就间接把容量设置为Integer.MAX_VALUE if (oldCap >= MAXIMUM_CAPACITY) { threshold = Integer.MAX_VALUE; return oldTab; } // 没超过就把阀值裁减到原来的两倍 else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY && oldCap >= DEFAULT_INITIAL_CAPACITY) newThr = oldThr << 1; // double threshold } // 设置了容量的构造方法，设置了阀值，元素个数为0 else if (oldThr > 0) // initial capacity was placed in threshold newCap = oldThr; // 无参构造方法默认初始化 else { // zero initial threshold signifies using defaults newCap = DEFAULT_INITIAL_CAPACITY; newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY); } // 计算新的阀值 if (newThr == 0) { // 以后新容量乘以装填因子，比方100*0.75=75 float ft = (float)newCap * loadFactor; // 计算新的阀值 newThr = (newCap < MAXIMUM_CAPACITY && ft < (float)MAXIMUM_CAPACITY ? (int)ft : Integer.MAX_VALUE); } threshold = newThr; // 将旧数组中的值全副从新计算哈希值和索引地位调配到新数组中 @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;}
初始化的容量
后面讲到能够初始化的是有指定容量，然而要留神的是并不是说指定多少就肯定是多少，能够看到构造方法中调用了一个tableSizeFor()办法，进行了一系列的位运算，20会计算成32，10000则会计算成16384，而后阀值则是在这个数字的根底上乘以装填因子，这才是真正的容量和阀值。
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);}
static final int tableSizeFor(int cap) {
int n = cap - 1; n |= n >>> 1; n |= n >>> 2; n |= n >>> 4; n |= n >>> 8; n |= n >>> 16; return (n < 0) ? 1 : (n >= MAXIMUM_CAPACITY) ? MAXIMUM_CAPACITY : n + 1;}
并发问题
尽管说HashMap原本就不是线程平安的不应该应用，然而在1.8版本以前的HashMap在并发状况下应用并不仅仅是可能会造成数据不精确，还有可能造成外部链表死循环，大抵起因是在并发状况下进行扩扩容，从新计算链表上的元素的哈希值，因为是循环操作，所以并发状况下有概率造成循环链表，不过1.8版本曾经修复了循环链表的问题，但还是会有数据失落问题，所以切记并发状况下应用ConcurrentHashMap。
总结
HashMap在1.8版本以前底层是数组加链表，从1.8开始是数组加链表加红黑树，链表长度超过8就转化为红黑树。
HashMap的构造方法尽管能够指定容量，然而容量还会再通过以便运算，目标是为了保障容量肯定是2的幂次方，因为代码中有很多中央是应用位运算符计算，2的幂次方计算效率会更高。
因为是散列表的数据结构，所以无论是插入、批改和查问工夫复杂度都是O(1)。