JDK8 HashMap的实现原理

灰太狼 2022-01-14 15:15 250阅读 0赞

[2019独角兽企业重金招聘Python工程师标准>>> ][2019_Python_] ![hot3.png][]

## **一、HashMap结构图** ##

1、JDK7及之前

![4037b7ebed44421e46078365daff1b55f5e.jpg][]

2、JKD8及之后

![809505f33e62d97557a7b479320a3fe3eed.jpg][]

由上面结构图可知，在JDK7及之前，HashMap采用位桶+链表实现，即使用链表处理冲突，同一hash值的链表都存储在一个链表里。但是当位于一个桶中的元素较多，即hash值相等的元素较多时，通过key值依次查找的效率较低。而JDK8对HashMap做了优化，采用位桶+链表+红黑树实现，当链表长度超过阈值（8）时，将链表转换为红黑树，使得HashMap存取速度更快。

## **二、HashMap重要参数** ##

不同JDK版本中HashMap重要参数对比

<table> 
 <tbody> 
  <tr> 
   <td><strong>属性名</strong></td> 
   <td><strong>属性说明</strong></td> 
   <td><strong>JDK7</strong></td> 
   <td><strong>JDK8</strong></td> 
  </tr> 
  <tr> 
   <td>loadFactor</td> 
   <td>加载因子，初始值=0.75，与扩容有关</td> 
   <td>√</td> 
   <td>√</td> 
  </tr> 
  <tr> 
   <td>threshold</td> 
   <td>临界值，与HashMap扩容相关</td> 
   <td>√</td> 
   <td>√</td> 
  </tr> 
  <tr> 
   <td>modCount</td> 
   <td>map中数据改变次数的统计</td> 
   <td>√</td> 
   <td>√</td> 
  </tr> 
  <tr> 
   <td>DEFAULT_INITIAL_CAPACITY</td> 
   <td>默认的初始容量 ，=1&lt;&lt;4=16</td> 
   <td>√</td> 
   <td>√</td> 
  </tr> 
  <tr> 
   <td>MAXIMUM_CAPACITY</td> 
   <td>最大容量，=1&lt;&lt;30</td> 
   <td>√</td> 
   <td>√</td> 
  </tr> 
  <tr> 
   <td>DEFAULT_LOAD_FACTOR</td> 
   <td>默认加载因子，=0.75</td> 
   <td>√</td> 
   <td>√</td> 
  </tr> 
  <tr> 
   <td>TREEIFY_THRESHOLD</td> 
   <td>使用TreeNode的临界值，默认=8</td> 
   <td>×</td> 
   <td>√</td> 
  </tr> 
  <tr> 
   <td>UNTREEIFY_THRESHOLD</td> 
   <td>与split方法有关</td> 
   <td>×</td> 
   <td>√</td> 
  </tr> 
  <tr> 
   <td>MIN_TREEIFY_CAPACITY</td> 
   <td>最小TreeNode的容量为64</td> 
   <td>×</td> 
   <td>√</td> 
  </tr> 
 </tbody> 
</table>

## **三、HashMap构造函数** ##

JDK8

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);
        }
    
        public HashMap(int initialCapacity) {
            this(initialCapacity, DEFAULT_LOAD_FACTOR);
        }
    
        public HashMap() {
            this.loadFactor = DEFAULT_LOAD_FACTOR; // all other fields defaulted
        }

JDK7

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;
            threshold = initialCapacity;
            init();
        }
     
        public HashMap(int initialCapacity) {
            this(initialCapacity, DEFAULT_LOAD_FACTOR);
        }
     
        public HashMap() {
            this(DEFAULT_INITIAL_CAPACITY, DEFAULT_LOAD_FACTOR);
    
        }

比较发现最大的改变就是在无参构造函数时，JDK8仅仅是初始化loadFactor让其等于默认值。而JDK7是调用了一个有参的构造函数，参数使用了默认值。

Map通过构造函数new一个HashMap时，其内部存储数据的数组并没有实例化，而是在PUT方法中去做了一件判断table是否为空的事，若为空就会调用resize()方法，resize()第一次调用就会实例化一个长度为DEFAULT\_INITIAL\_CAPACITY的Node\[\]。

## **四、HashMap的存取机制** ##

### 1、put(K key,V value) ###

先来看一张流程图：

![b15cb31948a45e8fc231485f60a99567e9b.jpg][]

该流程图阐述了putVal()方法的整个执行过程。现在我们来看putVal()的源码：

//对外开发使用
    public V put(K key, V value) {
        return putVal(hash(key), key, value, false, true);
    }
    //存值的真正执行者
    final V putVal(int hash, K key, V value, boolean onlyIfAbsent, boolean evict) {
        
        //定义一个数组，一个链表，n永远存放数组长度，i用于存放key的hash计算后的值，即key在数组中的索引        
        Node<K,V>[] tab; Node<K,V> p; int n, i;
        
        //判断table是否为空或数组长度为0，如果为空则通过resize()实例化一个数组并让tab作为其引用，并且让n等于实例化tab后的长度        
        if ((tab = table) == null || (n = tab.length) == 0)
            n = (tab = resize()).length;
        
        //根据key经过hash()方法得到的hash值与数组最大索引做与运算得到当前key所在的索引值，并且将当前索引上的Node赋予给p并判断是否该Node是否存在
        if ((p = tab[i = (n - 1) & hash]) == null)
            tab[i] = newNode(hash, key, value, null);//若tab[i]不存在，则直接将key-value插入该位置上。
        
            //该位置存在数据的情况  
        else {
            Node<K,V> e; K k; //重新定义一个Node，和一个k
            
    	    // 该位置上数据Key计算后的hash等于要存放的Key计算后的hash并且该位置上的Key等于要存放的Key     
            if (p.hash == hash &&((k = p.key) == key || (key != null && key.equals(k))))
                e = p;	//true，将该位置的Node赋予给e
    	else if (p instanceof TreeNode)  //判断当前桶类型是否是TreeNode
    	    //ture，进行红黑树插值法,写入数据
                e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value); 	
            else {	
    	    //false, 遍历当前位置链表
                for (int binCount = 0; ; ++binCount) {
                    //查找当前位置链表上的表尾，表尾的next节点必然为null,找到表尾将数据赋给下一个节点
                    if ((e = p.next) == null) {
                         p.next = newNode(hash, key, value, null);	//是，直接将数据写到下个节点
                        // 如果此时已经到第八个了，还没找个表尾，那么从第八个开始就要进行红黑树操作
    		    if (binCount >= TREEIFY_THRESHOLD - 1)
                            treeifyBin(tab, hash);	//红黑树插值具体操作
                            break;
                    }
                    //如果当前位置的key与要存放的key的相同，直接跳出，不做任何操作   
                    if (e.hash == hash && ((k = e.key) == key || (key != null && key.equals(k))))
                        break;
                    //将下一个给到p进行逐个查找节点为空的Node
    		p = e;
                }
            }
            //如果e不为空，即找到了一个去存储Key-value的Node 
    	if (e != null) { // existing mapping for key
                V oldValue = e.value;    
    	    if (!onlyIfAbsent || oldValue == null)
                    e.value = value;
                afterNodeAccess(e);
                return oldValue;
            }
        }
        ++modCount;
        //当最后一次调整之后Size大于了临界值，需要调整数组的容量
        if (++size > threshold)
            resize();
        afterNodeInsertion(evict);
        return null;
    }

### 2、get(Object key) ###

源码如下：

//对外公开方法
    public V get(Object key) {
            Node<K,V> e;
            return (e = getNode(hash(key), key)) == null ? null : e.value;
        }
     
    //实际逻辑控制方法
    final Node<K,V> getNode(int hash, Object key) {
    	//定义相关变量
        Node<K,V>[] tab; Node<K,V> first, e; int n; K k;
    	//保证Map中的数组不为空，并且存储的有值，并且查找的key对应的索引位置上有值
        if ((tab = table) != null && (n = tab.length) > 0 && (first = tab[(n - 1) & hash]) != null) {
            // always check first node 第一次就找到了对应的值
    	if (first.hash == hash && ((k = first.key) == key || (key != null && key.equals(k))))
                return first;
    	//判断下一个节点是否存在
    	if ((e = first.next) != null) {
                //true,检测是否是TreeNode
                if (first instanceof TreeNode)
                    return ((TreeNode<K,V>)first).getTreeNode(hash, key); //通过TreeNode的get方法获取值
                //否，遍历链表
    	    do {
    		//判断下一个节点是否是要查找的对象
                    if (e.hash == hash && ((k = e.key) == key || (key != null && key.equals(k))))
                        return e;
                }while ((e = e.next) != null);
            }
        }//未找到，返回null
        return null;
    }

### 3、扩容机制resize() ###

构造hash表时，如果不指明初始大小，默认大小为16（即Node数组大小16），如果Node\[\]数组中的元素达到（填充比\*Node.length）重新调整HashMap大小变为原来2倍大小，扩容很耗时。

resize()源码如下：

final Node<K,V>[] resize() {
        Node<K,V>[] oldTab = table;
        int oldCap = (oldTab == null) ? 0 : oldTab.length;	//未扩容时数组的容量
        int oldThr = threshold;
        int newCap, newThr = 0;//定义新的容量和临界值
        //当前Map容量大于零，非第一次put值
        if (oldCap > 0) {
            if (oldCap >= MAXIMUM_CAPACITY) {	//超过最大容量:2^30
    			//临界值等于Integer类型的最大值 0x7fffffff=2^31-1
                threshold = Integer.MAX_VALUE;	
                return oldTab;
            }
    		//当前容量在默认值和最大值的一半之间
            else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY && oldCap >= DEFAULT_INITIAL_CAPACITY)
                newThr = oldThr << 1;	//新临界值为当前临界值的两倍
        }
    	//当前容量为0，但是当前临界值不为0，让新的容量等于当前临界值
        else if (oldThr > 0) 
            newCap = oldThr;
        //当前容量和临界值都为0,让新的容量为默认值，临界值=初始容量*默认加载因子
    	else {
            newCap = DEFAULT_INITIAL_CAPACITY;
            newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);
        }
    	//如果新的临界值为0
        if (newThr == 0) {
            float ft = (float)newCap * loadFactor;
            newThr = (newCap < MAXIMUM_CAPACITY && ft < (float)MAXIMUM_CAPACITY ? (int)ft : Integer.MAX_VALUE);
        }
    	//临界值赋值
        threshold = newThr;
        //扩容table
        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;//此时newCap = oldCap*2
                    else if (e instanceof TreeNode) //节点为红黑树，进行切割操作
                        ((TreeNode<K,V>)e).split(this, newTab, j, oldCap);
                    else { //链表的下一个节点还有值，但节点位置又没有超过8
                        //lo就是扩容后仍然在原地的元素链表
    					//hi就是扩容后下标为  原位置+原容量  的元素链表，从而不需要重新计算hash。
    					Node<K,V> loHead = null, loTail = null;
                        Node<K,V> hiHead = null, hiTail = null;
                        Node<K,V> next;
                        //循环链表直到链表末再无节点
    					do {
                            next = e.next;
    						//e.hash&oldCap == 0 判断元素位置是否还在原位置
                            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);
    					//循环链表结束，通过判断loTail是否为空来拷贝整个链表到扩容后table
                        if (loTail != null) {
                           loTail.next = null;
                            newTab[j] = loHead;
                        }
                        if (hiTail != null) {
                            hiTail.next = null;
                            newTab[j + oldCap] = hiHead;
                        }
                    }
                }
            }
        }
        return newTab;
    }

### 4、HashMap中各个元素位置的确定 ###

String类型和Integer类型的hashCode值，Map中hash方法

//String类型 HashCode
    public int hashCode() {
        int h = hash;
        if (h == 0 && value.length > 0) {
            char val[] = value;
            for (int i = 0; i < value.length; i++) {
                h = 31 * h + val[i];
            }
            hash = h;
        }
        return h;
    }
     
    //Integer类型的 HashCode ,就是value本身
    public static int hashCode(int value) {
        return value;
    }
     
    //HashMap中的hash(), 小于2^16的值的hashCode都是其本身
    static final int hash(Object key) {
        int h;
        return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
    }

HashMap put与resize的实例图

![4539861304fc3ea453f13bef93d26cab664.jpg][]

> 关于红黑树，可以查看[《为什么MySQL数据库要用B+树存储索引？》][MySQL_B]

参考

[HashMap Jdk8的实现原理][HashMap Jdk8]

[最新JDK8HashMap实现过程源码分析][JDK8HashMap]

https://blog.csdn.net/weixin\_37356262/article/details/80543218

转载于:https://my.oschina.net/lienson/blog/3028550

[2019_Python_]: https://my.oschina.net/u/2663968/blog/3061697
[hot3.png]: /images/20220114/e12077d009454e8cb7be89211241efe8.png
[4037b7ebed44421e46078365daff1b55f5e.jpg]: /images/20220114/6a94be09d45e4eb485b1c9112322e516.png
[809505f33e62d97557a7b479320a3fe3eed.jpg]: /images/20220114/cdacbcf73841444b97092615598e2471.png
[b15cb31948a45e8fc231485f60a99567e9b.jpg]: /images/20220114/23cbe64f356d474c9a5016d9f48abbce.png
[4539861304fc3ea453f13bef93d26cab664.jpg]: /images/20220114/445d177d503d4e11a44b37494c075904.png
[MySQL_B]: https://my.oschina.net/lienson/blog/2987474
[HashMap Jdk8]: https://blog.csdn.net/goosson/article/details/81029729
[JDK8HashMap]: https://blog.csdn.net/youngogo/article/details/81267773