Java源码系列2——HashMap

HashMap 的源码很多也很复杂，本文只是摘取简单常用的部分代码进行分析。能力有限，欢迎指正。

HASH 值的计算

前置知识——位运算

按位异或操作符^：1^1=0, 0^0=0, 1^0=0, 值相同为0，值不同为1。按位异或就是对二进制中的每一位进行异或运算。

   1111 0000 1111 1110
^  1111 1111 0000 1111
______________________
   0000 1111 1111 0001

按位右移补零操作符>>> ：左操作数按右操作数指定的位数右移，移动得到的空位以零填充。

        1110 1101 1001 1111
>>> 4
___________________________
        0000 1110 1101 1001

扰动函数

为什么要做扰动？

理论上哈希值是一个int类型，如果直接拿哈希值做下标的话，考虑到2进制32位带符号的int表值范围从-2147483648到2147483648。前后加起来大概40亿的映射空间。这么大的数组，内存是存不下的，所以这个散列值是不能直接拿来用的。用之前还要先做对数组的长度取模运算，得到的余数才能用来访问数组下标。

因为只取最后几位，所以哈希碰撞的可能性大大增加，这时候扰动函数的价值就来了。

扰动计算

先调用hashCode()方法得出hash值，再进行扰动操作。

右位移16位，正好是32bit的一半（int 是32位的），自己的高半区和低半区做异或，就是为了混合原始哈希码的高位和低位，以此来加大低位的随机性。而且混合后的低位掺杂了高位的部分特征，这样高位的信息也变相保留下来。

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

取模，计算出下标

在计算下标的时候，让列表长度对哈希值做取模操作，让计算出来的哈希值在列表范围内，n 为list长度

i = (n - 1) & hash

为什么HashMap的数组长度要取2的整次幂

因为这样（数组长度 - 1）正好相当于一个“低位掩码”。&操作的结果就是散列值的高位全部归零，只保留低位值，用来做数组的下标访问。以初始长度16为例，16-1=15，2进制表示是0000 1111。和某散列值做&操作如下：

    1010 0011 0110 1111 0101
&   0000 0000 0000 0000 1111
____________________________
    0000 0000 0000 0000 0101

是什么存入了 table

HashMap存入table的值并不只有value，而是构造成一个 Node 对象实例存入 table。

Node对象里有：hash, key, value, next(哈希冲突时的链表)

理论最大容量

int MAXIMUM_CAPACITY = 1 << 30;

2的30次方

负载因子

负载因子是用来计算负载容量（所能容纳的最大Node个数）的，当前list长度 length，负载因子 loadFactor

负载容量计算公式为：

threshold = length * loadFactor

默认负载因子为 0.75。也就是说，当Node个数达到当前list长度的75%时，就要进行扩容，否则会增加哈希碰撞的可能性。负载因子的作用是在空间和时间效率上取得一个平衡。

float DEFAULT_LOAD_FACTOR = 0.75f

扩容做了哪些操作

1. 创建一个新的Entry空数组，长度是原数组的2倍。
   
   当Node个数超过负载容量时，进行扩容。

old << 1 左移一位相当于 old * 2。

1. 重新Hash

   遍历原Entry数组，把所有的Entry重新Hash到新数组中。

   为什么要重新hash？因为长度扩大以后，hash值也随之改变（数组下标的计算是数组长度对hashcode进行取模）。

   这样就可以把原先哈希冲突的链表拉平，使数组变得稀疏。

final Node<K,V>[] resize() {
    // 保存现有的数组
    Node<K,V>[] oldTab = table;
    // 保存现有的数组长度
    int oldCap = (oldTab == null) ? 0 : oldTab.length;
    // 保存现有的负载容量
    int oldThr = threshold;
    int newCap, newThr = 0;
    if (oldCap > 0) {
        // 如果现有容量已经超过最大值了，就没办扩容了，只好随你碰撞了
        if (oldCap >= MAXIMUM_CAPACITY) {
            threshold = Integer.MAX_VALUE;
            return oldTab;
        }
        // 原有容量左移一位，相当于 oldCap * 2
        else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&
                    oldCap >= DEFAULT_INITIAL_CAPACITY)
            // 负载容量也扩大一倍
            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);
    }
    // 负载容量为0，根据数组大小和负载因子计算出来
    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;
    // 遍历数组中所有元素，重新进行hash
    if (oldTab != null) {
        for (int j = 0; j < oldCap; ++j) {
            Node<K,V> e;
            if ((e = oldTab[j]) != null) {
                // 删除旧索引位置的值
                oldTab[j] = null;
                if (e.next == null)
                    // 给新的索引位置赋值
                    newTab[e.hash & (newCap - 1)] = e;
                else if (e instanceof TreeNode)
                    ((TreeNode<K,V>)e).split(this, newTab, j, oldCap);
                else { // 优化链表
                    // 把原有链表拆成两个链表
                    // 链表1存放在低位（原索引位置）
                    Node<K,V> loHead = null, loTail = null;
                    // 链表2存放在高位（原索引 + 旧数组长度）
                    Node<K,V> hiHead = null, hiTail = null;
                    Node<K,V> next;
                    do {
                        next = e.next;
                        // 链表1
                        // 这个位运算的原理可以参考第三篇参考资料
                        if ((e.hash & oldCap) == 0) {
                            if (loTail == null)
                                loHead = e;
                            else
                                loTail.next = e;
                            loTail = e;
                        }
                        // 链表2
                        else {
                            if (hiTail == null)
                                hiHead = e;
                            else
                                hiTail.next = e;
                            hiTail = e;
                        }
                    } while ((e = next) != null);
                    // 链表1存放于原索引位置
                    if (loTail != null) {
                        loTail.next = null;
                        newTab[j] = loHead;
                    }
                    // 链表2存放原索引加上旧数组长度的偏移量
                    if (hiTail != null) {
                        hiTail.next = null;
                        newTab[j + oldCap] = hiHead;
                    }
                }
            }
        }
    }
    return newTab;
}

树化改造

链表长度太长，会被改造成红黑树。

当链表的长度超过MIN_TREEIFY_CAPACITY 最大树化临界值，就会进行树化改造。

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)
    resize();
  else if ((e = tab[index = (n - 1) & hash]) != null) {
    ...
  }
}

为什么要树化？

本质上是个安全问题。因为链表查询影响性能，如果有人恶意造成哈希碰撞，就会构成哈希碰撞拒绝服务攻击，服务端CPU被大量占用用于链表查询，造成服务变慢或不可用。

源码系列文章

Java源码系列1——ArrayList

Java源码系列2——HashMap

Java源码系列3——LinkedHashMap

参考

Java 8系列之重新认识HashMap

JDK 源码中 HashMap 的 hash 方法原理是什么？胖君的回答

HashMap 源码详细分析(JDK1.8)

本文首发于我的个人博客 http://chaohang.top

作者张小超

转载请注明出处

欢迎关注我的微信公众号 【超超不会飞】，获取第一时间的更新。