JDK源码分析（5）之 HashMap 相关

HashMap作为我们最常用的数据类型，当然有必要了解一下他内部是实现细节。相比于 JDK7 在JDK8 中引入了红黑树以及hash计算等方面的优化，使得 JDK8 中的HashMap效率要高于以往的所有版本，本文会详细介绍相关的优化，但是主要还是写 JDK8 的源码。

一、整体结构

1. 类定义

public class HashMap<K,V> extends AbstractMap<K,V>  implements Map<K,V>, Cloneable, Serializable {}

可以看到HashMap是完全基于Map接口实现的，其中AbstractMap是Map接口的骨架实现，提供了Map接口的最小实现。
HashMap看名字也能猜到，他是基于哈希表实现的（数组+链表+红黑树）：

2. 构造函数和成员变量

public HashMap(int initialCapacity)public HashMap()public HashMap(Map<? extends K, ? extends V> m)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);
}

HashMap一共有四个构造函数，其主要作用就是初始化loadFactor和threshold两个参数：

• threshold：扩容的阈值，当放入的键值对大于这个阈值的时候，就会发生扩容；

• loadFactor：负载系数，用于控制阈值的大小，即threshold = table.length * loadFactor；默认情况下负载系数等于0.75，当它值越大时：哈希桶空余的位置越少，空间利用率越高，同时哈希冲突也就越严重，效率也就越低；相反它值越小时：空间利用率越低，效率越高；而0.75是对于空间和效率的一个平衡，通常情况下不建议修改；

但是对于上面构造函数当中this.threshold = tableSizeFor(initialCapacity);，这里的阈值并没有乘以负载系数，是因为在构造函数当中哈希桶table[]还没有初始化，在往里put数据的时候才会初始化，而tableSizeFor是为了得到大于等于initialCapacity的最小的2的幂；

transient Node<K,V>[] table;            // 哈希桶transient Set<Map.Entry<K,V>> entrySet; // 映射关系Set视图transient int size;                     // 键值对的数量transient int modCount;                 // 结构修改次数，用于实现fail-fast机制

哈希桶的结构如下：

static class Node<K,V> implements Map.Entry<K,V> {  final int hash;       // 用于寻址，避免重复计算
  final K key;
  V value;
  Node<K,V> next;
  ...  public final int hashCode() {    return Objects.hashCode(key) ^ Objects.hashCode(value);
  }
}

其中Node<K,V> next还有一个TreeNode子类用于实现红黑树，需要注意的是这里的hashCode()所计算的hash值只用于在遍历的时候获取hash值，并非寻址所用hash；

二、Hash表

既然是Hash表，那么最重要的肯定是寻址了，在HashMap中采用的是除留余数法，即table[hash % length]，但是在现代CPU中求余是最慢的操作，所以人们想到一种巧妙的方法来优化它，即length为2的指数幂时，hash % length = hash & (length-1)，所以在构造函数中需要使用tableSizeFor(int cap)来调整初始容量；

/**
 * Returns a power of two size for the given target capacity.
 */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;
}

首先这里要明确：

• 2的幂的二进制是，1后面全是0

• 有效位都是1的二进制加1，就可以得到2的幂

以33为例，如图：

因为int是4个字节32位，所以最多只需要将高位的16位与低位的16位做或运算就可以得到2的幂，而int n = cap - 1;是为了避免cap本身就是2的幂的情况；这个算是真是厉害，看了很久才看明白，实在汗颜。

计算 hash

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

这里重新计算hash是因为在hash & (length-1)计算下标的时候，实际只有hash的低位参与的运算容易产生hash冲突，所以用异或是高位的16位也参与运算，以减小hash冲突，要理解这里首先要明白，

• ＆ 操作之后只会保留下都是1的有效位

• length-1（2的n次方-1）实际上就是n和1

• ＆ 操作之后hash所保留下来的也只有低位的n个有效位，所以实际只有hash的低位参与了运算

具体如图所示：

三、重要方法讲解

对于Map而言最重要的当然是Get和Put等操作了，所以下面将介绍与之相关的操作；

1. put方法

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;  // 如果没有初始化哈希桶，就使用resize初始化
  if ((tab = table) == null || (n = tab.length) == 0)
    n = (tab = resize()).length;  // 如果hash对应的哈希槽是空的，就直接放入
  if ((p = tab[i = (n - 1) & hash]) == null)
    tab[i] = newNode(hash, key, value, null);  else {
    Node<K,V> e; K k;    // 如果已经存在key，就替换旧值
    if (p.hash == hash && ((k = p.key) == key || (key != null && key.equals(k))))
      e = p;    // 如果已经是树节点，就用putTreeVal遍历树赋值
    else if (p instanceof TreeNode)
      e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);    else {      // 遍历链表
      for (int binCount = 0; ; ++binCount) {        // 遍历到最后一个节点也没有找到，就新增一个节点
        if ((e = p.next) == null) {
          p.next = newNode(hash, key, value, null);          // 如果链表长度大于8，则转换为红黑树
          if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st
            treeifyBin(tab, hash);          break;
        }        // 找到key对应的节点则跳出遍历
        if (e.hash == hash && ((k = e.key) == key || (key != null && key.equals(k))))          break;
        p = e;
      }
    }    // e是最后指向的节点，如果不为空，说明已经存在key，则替换旧的value
    if (e != null) { // existing mapping for key
      V oldValue = e.value;      if (!onlyIfAbsent || oldValue == null)
        e.value = value;
      afterNodeAccess(e);      return oldValue;
    }
  }  // 新增节点时结构改变modCount加1
  ++modCount;  if (++size > threshold)
    resize();
  afterNodeInsertion(evict);  return null;
}

具体过程如图所示：

2. resize方法

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hash桶已经完成初始化，并且已达最大容量，则直接返回
    if (oldCap >= MAXIMUM_CAPACITY) {
      threshold = Integer.MAX_VALUE;      return oldTab;
    }    // 如果扩大2倍没有超过最大容量，则扩大两倍
    else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY && oldCap >= DEFAULT_INITIAL_CAPACITY)
      newThr = oldThr << 1; // double threshold
  }  // 如果threshold已经初始化，则初始化容量为threshold
  else if (oldThr > 0)      // initial capacity was placed in threshold
    newCap = oldThr;  // 如果threshold和哈希桶都没有初始化，则使用默认值
  else {                    // zero initial threshold signifies using defaults
    newCap = DEFAULT_INITIAL_CAPACITY;
    newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);
  }  // 重新计算threshold
  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;        // 如果只有一个节点，则直接重新放置节点
        if (e.next == null)
          newTab[e.hash & (newCap - 1)] = e;        // 如果是树节点，则将红黑树拆分后，重新放置
        else if (e instanceof TreeNode)
          ((TreeNode<K,V>)e).split(this, newTab, j, oldCap);        // 将链表拆分为原位置和高位置两条链表
        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;            // 节点重新放置后在原位置
            if ((e.hash & oldCap) == 0) {              if (loTail == null)
                loHead = e;              else
                loTail.next = e;
              loTail = e;
            }            // 节点重新放置后位置+oldCap
            else {              if (hiTail == null)
                hiHead = e;              else
                hiTail.next = e;
              hiTail = e;
            }
          } while ((e = next) != null);          // 放置低位置链表
          if (loTail != null) {
            loTail.next = null;
            newTab[j] = loHead;
          }          // 放置高位置链表
          if (hiTail != null) {
            hiTail.next = null;
            newTab[j + oldCap] = hiHead;
          }
        }
      }
    }
  }  return newTab
}

上面的扩容过程需要注意的是，因为哈希桶长度总是2的幂，所以在扩大两倍之后原来的节点只可能在原位置或者原位置+oldCap，具体判断是通过(e.hash & oldCap) == 0实现的；

• 之前将了 ＆ 操作只保留了都是1的有效位

• oldCap 是2的n次方，实际也就是在n+1的位置为1，其余地方为0

• 因为扩容是扩大2倍，实际上也就是在hash上取了 n+1位，那么就只需要判断多取的第n+1位是否为0

如图所示：

3. get方法

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) {    if (first.hash == hash && // always check first node
      ((k = first.key) == key || (key != null && key.equals(k))))      return first;    if ((e = first.next) != null) {      if (first instanceof TreeNode)        return ((TreeNode<K,V>)first).getTreeNode(hash, key);      do {        if (e.hash == hash &&
          ((k = e.key) == key || (key != null && key.equals(k))))          return e;
      } while ((e = e.next) != null);
    }
  }  return null;
}

相较于其他方法get方法就要简单很多了，只是用hash取到对应的hash槽，在依次遍历即可。

4. clone方法

public Object clone() {
  HashMap<K,V> result;  try {
    result = (HashMap<K,V>)super.clone();
  } catch (CloneNotSupportedException e) {    // this shouldn't happen, since we are Cloneable
    throw new InternalError(e);
  }
  result.reinitialize();
  result.putMapEntries(this, false);  return result;
}

对于clone方法这里有一个需要注意的地方，result.putMapEntries(this, false)，这里在put节点的时候是用的this，所以这只是浅复制，会影响原map，所以在使用的时候需要注意一下；

至于其他方法还有很多，但大致思路都是一致的，大家可以在看一下源码。

四、HashMap不同版本对比

1. hash均匀的时候使用get

2. hash不均匀的时候使用get

3. hash均匀的时候使用put

4. hash不均匀的时候使用put

从以上对比可以看到 JDK8 的 HashMap 无论 hash 是否均匀效率都要好得多，这里面hash算法的改良功不可没，并且因为红黑树的引入使得它在hash不均匀甚至在所有key的hash都相同的情况，任然表现良好。

总结

1. 扩容需要重排所有节点特别损耗性能，所以估算map大小并给定一个合理的负载系数，就显得尤为重要了。

2. HashMap 是线程不安全的。

3. 虽然 JDK8 中引入了红黑树，将极端hash的情况影响降到了最小，但是从上面的对比还是可以看到，一个好的hash对性能的影响仍然十分重大，所以写一个好的hashCode()也非常重要。