【后端面经-Java】HashMap详解

1. HashMap的家族定位
2. HashMap的数据结构
3. HashMap的重要变量
4. HashMap重要方法和源码解析
参考文献

1. HashMap的家族定位

接口java.util.Map有四个常用的实现类，如图是它们之间的类继承关系。

下面我将一一介绍其性能特点。

HashMap：
- 最常用的Map实现类，通过使用Hash表结构，提高查找速度；
- 使用键值对作为存储节点，只允许一个key值为null，允许多个value值为null；
- 线程不安全，对于线程安全有要求的程序，可以考虑使用：sychronizedMap或者ConcurrentHashMap；
HashTable
- 同样使用Hash表结构，提高查找效率；
- 线程安全，但是安全层级低于ConcurrentHashMap，不常用。
LinkedHashMap
- 继承自HashMap，使用Hash表结构，提高查找效率；
- 链表插入维持插入顺序。
TreeMap
- sortedMap接口的实现类，可使用特定的排序规则对键值对进行排序；

对四种常见的实现类的性能比较如下图所示：

2. HashMap的数据结构

2.1 Hash表的基本概念

Hash表是数据结构和算法课程中学习到的一种重要的数据结构。主要设计思想是：

使用一个长度为n的数组存储相关数据。
使用hash函数实现内容和数组下标的对应，也就是hash函数的函数值为0~n之间。
- hash函数相同的输入参数一定会产生相同函数值，不同内容尽量做到函数值分散。
在hash函数值对应的下标写入该内容。
下次查找某元素的时候，先根据hash函数生成下标，然后再随机访问数组，这样查找效率大大提高了。

类似于一个叫贾斯汀·费尔兰德·亨利皮特潘（复杂内容）的人，在酒店前台（hash函数）入住酒店的房间编号是1004（hash函数值/数组下标）。需要找他的人，只需要去酒店前台查询他住在1004房间，直接去1004房间找人就可以了，不需要一个一个房间去找。

2.2 Hash冲突

在上面的流程说明中，我们可以发现Hash表的实现关键就在于Hash函数，一个好的hash函数应该保证不同的输入内容尽量分散其函数值。

当存入的数据过多，hash函数性能较差的时候，可能会出现hash冲突：

A和B是两个不同的存储内容，但是经过hash函数计算，得到的hash函数值相同，因此两个内容存储在数组的同一位置。
例如：贾斯汀·费尔兰德·亨利皮特潘和特朗普·懂王·建国同志两个人在酒店前台分配到的房间号都是1004，但是房间只有一张床，这时两个人就会发生冲突。

解决冲突主要有两种思路：

开放定址法：发生冲突的时候，后到来的元素放弃已被占用的位置，寻找新的插入位置。（再找）
链地址法：发生冲突的时候，后到来的元素在原有位置的基础上，使用链表的方式存储。（排队）
- HashMap使用的就是链地址法。

2.3 HashMap数据结构

节点Node

Node是HashMap的一个基本存储单元，从源码中可见Node实现了Map.Entry接口，存放的是键值对。在JDK1.8中的源码中，Node的定义如下所示：

static class Node<K,V> implements Map.Entry<K,V> {

    final int hash;    //用来定位数组索引位置

    final K key;

    V value;

    Node<K,V> next;   //链表的下一个node

    Node(int hash, K key, V value, Node<K,V> next) { ... }

    public final K getKey(){ ... }

    public final V getValue() { ... }

    public final String toString() { ... }

    public final int hashCode() { ... }

    public final V setValue(V newValue) { ... }

    public final boolean equals(Object o) { ... }

}

JDK1.7的HashMap数据结构

数组+链表
- 如图所示
- 使用链地址方式解决hash冲突。
JDK1.8的HashMap数据结构

数组+链表+红黑树
- 如图所示
- 对红黑树的学习可参考此博客。
- 链表和红黑树的转换根据链表长度阈值判断，阈值为8，即链表长度大于8时，由链表转换为红黑树，小于6时，由红黑树转换为链表。
- 红黑树的引入目的：在链表长度较长的情况下，优化查找效率。

3. HashMap的重要变量

3.1 常量

DEFAULT_INITIAL_CAPACITY
- 默认的数组初始容量，值为2^4=16。
- 如果没有指定初始数组的容量的话，就会使用这个默认值。
MAXIMUM_CAPACITY
- 最大的数组容量，值为2^30。
- 在扩容的时候，如果扩容后的容量大于这个值，就会使用这个值作为新的容量。
- 之后如果数据再增加，不再进行扩容，而是直接链表存储或者转为红黑树。
DEFAULT_LOAD_FACTOR
- 默认负载因子，值为0.75。
- 在HashMap中，扩容的临界值计算公式为：
  
  临界值（threshold） = 负载因子（loadFactor） * 容量（capacity）
- 负载因子可以设置为任意值，但是需要注意的是：
  - 负载因子变大，hash冲突的概率就会变大，查找效率就会降低。【牺牲时间】
  - 负载因子过小，会导致数组空间利用率低，浪费内存空间。【牺牲空间】
TREEIFY_THRESHOLD
- 链表转化为红黑树的阈值，值为8。
- 当一个数组节点所带着的链表长度大于8时，链表会转化为红黑树。
UNTREEIFY_THRESHOLD
- 红黑树转化为链表的阈值，值为6。
- 当一个数组节点的红黑树节点小于6时，红黑树会转化为链表。
MIN_TREEIFY_CAPACITY
- 转换为红黑树的最小容量，值为64。
- 这个变量的意思是，在HashMap不断增加新元素的过程中，如果此时数组中的元素个数小于64，那么就选择扩容。当数组元素个数大于64的时候才会考虑树化。

3.2 变量

size
- HashMap中存储的键值对个数。
modCount
- 对HashMap进行修改的次数记录，每次增删则加一。
threshold
- 扩容的临界值，计算公式为：threshold = loadFactor * capacity。其中capacity为数组总长度，通常为了提高阈值，会使用扩容增加capacity，而对于负载因子loadFactor，一般不会修改。
loadFactor
- 负载因子，用户可自行设置其值，否则等于默认值0.75。

3.3 辨析size、capacity、threshold

size:实际存储的键值对个数

capacity:数组的总长度

threshold:扩容的临界值

treeify_threshold/untreeify_threahold:链表和红黑树相互转化的阈值

4. HashMap重要方法和源码解析

4.1 构造方法

HashMap()

无参构造，使用默认的初始容量2^4和负载因子0.75，构造一个空的HashMap。

// 构造一个空的 HashMap，初始容量为 16，负载因子为默认值 0.75

public HashMap() {

    this.loadFactor = DEFAULT_LOAD_FACTOR;  // all other fields defaulted

}

HashMap(int initialCapacity)

指定初始容量，使用默认的负载因子0.75。

public HashMap(int initialCapacity) {

    this(initialCapacity, DEFAULT_LOAD_FACTOR);//一次性实现容量和负载因子的赋值

}

HashMap(int initialCapacity, float loadFactor)

指定初始容量和负载因子，构造一个空的HashMap。

public HashMap(int initialCapacity, float loadFactor) {

    // 如果初始容量为负数，抛出非负异常

    if (initialCapacity < 0)

        throw new IllegalArgumentException("Illegal initial capacity: " +  initialCapacity);

    // 初始容量大于最大值时1<<30，则取最大值

    if (initialCapacity > MAXIMUM_CAPACITY)

        initialCapacity = MAXIMUM_CAPACITY;

    // 负载因子不能小于 0，并且必须是数字，否则抛异常

    if (loadFactor <= 0 || Float.isNaN(loadFactor))

        throw new IllegalArgumentException("Illegal load factor: " + loadFactor);

    //数值判断合法之后，赋值

    this.loadFactor = loadFactor;

    this.threshold = tableSizeFor(initialCapacity);//tableSizeFor() 方法返回一个值，比initialCapacity大的最小2的幂。

}

HashMap(Map<? extends K, ? extends V> m)

构造一个非空的HashMap，将m中的键值对存入HashMap中，默认的负载因子 0.75，使用默认的初始容量2^4。

public HashMap(Map<? extends K, ? extends V> m) {

    this.loadFactor = DEFAULT_LOAD_FACTOR;

    // 将 Map 中的 key-value 赋值到新的 Map 中去

    putMapEntries(m, false);

}

4.2 resize方法

当HashMap中数组的使用量超过阈值的时候，就需要进行扩容。JDK1.8的源码如下所示：

final Node<K,V>[] resize() {

    Node<K,V>[] oldTab = table;// 当前 table

    int oldCap = (oldTab == null) ? 0 : oldTab.length;// 当前table的大小

    int oldThr = threshold;// 当前 table 的 threshold

    int newCap, newThr = 0;// 新的 table 的大小和阀值暂时初始化为 0

    // 下面就是开始计算新的 table 的大小和阀值

    // 第一种情况：当前 table 的大小大于 0，则意味着当前的 table 肯定是有数据的

    if (oldCap > 0) {//

        if (oldCap >= MAXIMUM_CAPACITY) {//原始容量大于最大容量，不再扩容，直接返回原始table

            threshold = Integer.MAX_VALUE;

            return oldTab;

        }

        else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&

                 oldCap >= DEFAULT_INITIAL_CAPACITY)//翻倍之后不超过最大容量，原始容量小于最大容量，且大于默认容量，那么容量翻倍，阈值也对应翻倍

            newThr = oldThr << 1;

    }

    // 第二种情况：当前的 table 中无数据，但是阀值不为零，说明初始化的时候指定过容量或者阀值，但是没有被 put 过数据，

    else if (oldThr > 0)

        newCap = oldThr;//此时的阀值就是数组的大小，所以直接把当前的阀值当做新 table 的数组大小即可。threshold = tableSizeFor(t);

    // 第三种情况，这种情况就代表当前的 table 是调用的空参构造来初始化的，所有的数据都是默认值。

    else {//初始阈值为0，表示使用默认值，新的 table 也只要使用默认值即可

        newCap = DEFAULT_INITIAL_CAPACITY;

        newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);

    }

    // 如果新的阀值是 0，那么就简单计算一遍就行了

    if (newThr == 0) {

        float ft = (float)newCap * loadFactor;

        newThr = (newCap < MAXIMUM_CAPACITY && ft < (float)MAXIMUM_CAPACITY ?

                  (int)ft : Integer.MAX_VALUE);

    }

    threshold = newThr;

    // 根据上文中计算的新表容量和阈值，初始化新的 table

    // 这个 newTab 就是新的 table，数组大小就是上面这一堆逻辑所计算出来的

    @SuppressWarnings({"rawtypes","unchecked"})

    Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap];

    table = newTab;

    if (oldTab != null) {

        // 遍历当前 table，处理每个下标处的 bucket，将其处理到新的 table 中去

        for (int j = 0; j < oldCap; ++j) {

            Node<K,V> e;

            if ((e = oldTab[j]) != null) {

                // 释放当前 table 数组的对象引用（for循环后，当前 table 数组不再引用任何对象）

                oldTab[j] = null;

                // a、只有一个 Node，则直接 rehash 赋值即可

                if (e.next == null)

                    newTab[e.hash & (newCap - 1)] = e;

                // b、当前的 bucket 是红黑树，直接进行红黑树的 rehash 即可

                else if (e instanceof TreeNode)

                    ((TreeNode<K,V>)e).split(this, newTab, j, oldCap);

                // c、当前的 bucket 是链表

                else { // preserve order

                    Node<K,V> loHead = null, loTail = null;

                    Node<K,V> hiHead = null, hiTail = null;

                    Node<K,V> next;

                    // 遍历链表中的每个 Node，分别判断是否需要进行 rehash 操作

                    // (e.hash & oldCap) == 0 算法是精髓，充分运用了上文提到的 table 大小为 2 的幂次方这一优势，下文会细讲

                    do {

                        next = e.next;

                        // 根据 e.hash & oldCap 算法来判断节点位置是否需要变更

                        // 索引不变

                        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);

                    // 原 bucket 位置的尾指针不为空(即还有 node )

                    if (loTail != null) {

                        // 链表末尾必须置为 null

                        loTail.next = null;

                        newTab[j] = loHead;

                    }

                    if (hiTail != null) {

                        // 链表末尾必须置为 null

                        hiTail.next = null;

                        newTab[j + oldCap] = hiHead;

                    }

                }

            }

        }

    }

    return newTab;

}

为什么要*2扩容？或者说，为什么HashMap的数组大小为2的幂

在理论学习中，Hash表的大小最好是素数，因为素数能够有效降低hash碰撞。但是HashMap并没有采用这种做法。

在上面的源码中，我们可以看到，HashMap在扩容的时候，数组的大小都是原来的两倍，这是因为在计算索引的时候，我们使用的是size-1的n个全1二进制串和hash值进行与运算，这样可以保证计算出来的索引值一定在0~size-1之间，不会越界。如图所示：

当HashMap值为2的幂的时候，size-1为全1二进制字符串，且扩容之后，原本有冲突的两个元素会找到各自的新索引位置。如图所示：

在代码中，这个步骤被进一步简化。如代码片段所示：

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;

}

因为hash值是一个整数，所以hash & oldCap的结果要么是0，要么是oldCap。所以，hashMap的扩容，实际上是将原来的数组分成两部分，一部分的索引不变，一部分的索引变为原索引+oldCap。这样就保证了原来的两个元素，扩容之后，一定不会在同一个索引位置上。具体解释如图所示：

4.3 hash方法

也就是之前在理论部分所说的hash函数部分，将关键字key的值转换为唯一hash值，JDK1.8源码如下:

static final int hash(Object key) {

    int h;

    // 高 16 位与低 16 位进行异或运算

    return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);

}

hashCode()函数通常和equals()函数进行比较，hashCode()函数是根据对象的内存地址生成一个特定的数，因此，hashCode值相同的对象不一定相同，hashCode值不同的对象一定不相同。

一般判断两个对象是否相等，先使用hashCode()函数判断内存地址，如果hashCode()函数值相同，再使用equals()函数判断内存中的内容，如果hashCode()函数值不同，就不需要再使用equals()函数判断了。

这里h先设置成key值的hashCode，然后右移16位，再和原来的h进行异或运算，这样做的目的是为了减少hash碰撞，提高查找效率。

之后如何从hash值映射到数组下标，在JDK1.7的源码如下所示:

static int indexFor(int h, int length) {

    return h & (length-1);

}

这里也解释了为什么HashMap的数组大小为2的幂，因为这样可以保证length-1为全1的二进制串，与操作之后计算出来的索引值一定在0~size-1之间，不会越界，具体操作如图所示：

4.4 put方法

put方法主要是在HashMap中存储键值对，JDK1.8源码如下所示：

public V put(K key, V value) {

    return putVal(hash(key), key, value, false, true);//重点在于putVal方法

}

// 参数 onlyIfAbsent,针对已经存在的value，值为true表示不修改；否则表示会替换原本的value值

final V putVal(int hash, K key, V value, boolean onlyIfAbsent, boolean evict) {

    Node<K,V>[] tab; Node<K,V> p; int n, i;

    // ① 如果当前 table 为空则进行初始化

    if ((tab = table) == null || (n = tab.length) == 0)

        n = (tab = resize()).length;

    // (n - 1) & hash 计算得到索引 i，算法在上文有提到，然后查看索引处是否有数据

    // ② 如果没有数据，则新建一个新的 Node

    if ((p = tab[i = (n - 1) & hash]) == null)

        tab[i] = newNode(hash, key, value, null);

    // 索引处有数据

    else {

        Node<K,V> e; K k;

        // ③ 索引处的第一个 Node 的  key 和参数 key 是一致的，所以直接修改 value 值即可（修改的动作放在下面）

        if (p.hash == hash &&

            ((k = p.key) == key || (key != null && key.equals(k))))

            e = p;

        // ④ 索引处的 bucket 是红黑树，按照红黑树的逻辑进行插入或修改

        else if (p instanceof TreeNode)

            e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);

        // ⑤ 索引处的 bucket 是链表

        else {

            // 遍历链表上面的所有 Node

            for (int binCount = 0; ; ++binCount) {

                // 索引处的 Node 为尾链

                if ((e = p.next) == null) {

                    // 直接新建一个 Node 插在尾链处

                    p.next = newNode(hash, key, value, null);

                    // 判断是否需要转换为红黑树

                    if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st

                        // 链表转换为红黑树，此方法在上文中也有介绍

                        treeifyBin(tab, hash);

                    break;

                }

                // 当前 Node 的 key 值和参数 key 是一致的，即直接修改 value 值即可（修改的动作放在下面）

                if (e.hash == hash &&

                    ((k = e.key) == key || (key != null && key.equals(k))))

                    break;

                p = e;

            }

        }

        // 找到了相同 key 的 Node，所以进行修改 vlaue 值即可

        if (e != null) { // existing mapping for key

            V oldValue = e.value;

            // 修改 value 值

            if (!onlyIfAbsent || oldValue == null)

                e.value = value;

            afterNodeAccess(e);

            // 修改操作，直接 return 结束掉代码逻辑

            return oldValue;

        }

    }

    // 记录结构发生变化的次数

    ++modCount;

    // ⑥ 判断是否需要扩容

    if (++size > threshold)

        resize();

    afterNodeInsertion(evict);

    // 新增的 Node，返回 null

    return null;

}

源代码所抽象出来的具体的put流程可如下图所示：

在JDK1.7中，链表插入使用头插法，而在JDK1.8中，链表插入使用尾插法，

JDK1.7 使用头插法的原因：考虑到热点数据，后面插入的元素更有可能被最近使用，因此使用头插法。
头插法会使链表上 Node 的顺序调转，而尾插法则不会，另外，头插法也会造成环形链死循环等问题，

参考文献