工作三年，小胖连 HashMap 源码都没读过？真的菜！

素颜马尾好姑娘i 2023-01-15 03:46 106阅读 0赞

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3R1cm9kb2c_size_16_color_FFFFFF_t_70_pic_center]

# 00 HashMap 的底层数据结构 #

在 JDK 1.7 中 HashMap 是以**数组加链表**的形式组成的，JDK 1.8 之后新增了**红黑树**的组成结构，**当链表长度大于 8 并且 hash 桶的容量大于 64 时，链表结构会转换成红黑树结构**。所以，它的组成结构如下图所示：

![底层数据结构][8f9d608f2e1f6de7c465ad09a794deb2.png]

HashMap 中数组的每一个元素又称为哈希桶，也就是 key-value 这样的实例。在 Java7 中叫 Entry，Java8 中叫 Node。

因为它本身所有的位置都为 null，在 put 插入的时候会根据 key 的 hash 去计算一个 index 值。比如，我 put （"狗哥 "，666），在 HashMap 中插入 “狗哥” 这个元素，通过 hash 算法算出 index 位置是 3。这时的结构如下所示，还是个数组。

![初次 put][put]

以上没 hash 冲突时，若发生 hash 冲突就得引入链表啦。假设我再次 put （"阿狗 "，666），在 HashMap 中插入 “阿狗” 这个元素，通过 hash 算法算出 index 位置也是 3。这时的结构如下所示：形成了链表。

![再次 put，发生 hash 冲突][put_ hash]

它的源码如下所示：**可以看出每个哈希桶中包含了四个字段：hash、key、value、next，其中 next 表示链表的下一个节点**。

static class Node < K, V > implements Map.Entry < K, V > { 
        final int hash;
        final K key;
        V value;
        Node < K,
        V > next;
        
        ...
    }

> JDK 1.8 之所以添加红黑树是因为一旦链表过长，会严重影响 HashMap 的性能，而红黑树具有快速增删改查的特点，这样就可以有效的解决链表过长时操作比较慢的问题。

# 01 HashMap 的重要方法 #

PS：以下源码分析全部基于 JDK1.8 版本。

## 1.0 查询（get 方法） ##

源码如下：

public V get(Object key) { 
        Node < K, V > e;
        // 对 key 进行哈希操作
        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;
        // 非空判断
        if ((tab = table) != null && (n = tab.length) > 0 &&
            (first = tab[(n - 1) & hash]) != null) { 
            // 判断第一个元素是否是要查询的元素
            // always check first node
            if (first.hash == hash && 
                ((k = first.key) == key || (key != null && key.equals(k))))
                return first;
            // 下一个节点非空判断
            if ((e = first.next) != null) { 
                // 如果第一节点是树结构，则使用 getTreeNode 直接获取相应的数据
                if (first instanceof TreeNode)
                    return ((TreeNode < K, V > ) first).getTreeNode(hash, key);
                do {  // 非树结构，循环节点判断
                    // hash 相等并且 key 相同，则返回此节点
                    if (e.hash == hash &&
                        ((k = e.key) == key || (key != null && key.equals(k))))
                        return e;
                } while ((e = e.next) != null);
            }
        }
        return null;
    }

代码注释已经很详细，强调一点：当哈希冲突时我们不仅需要判断 hash 值，还需要通过判断 key 值是否相等，才能确认此元素是不是我们想要的元素。

## 1.1 新增（put 方法） ##

源码如下：

public V put(K key, V value) { 
        // 对 key 进行哈希操作
        return putVal(hash(key), key, value, false, true);
    }
    
    final V putVal(int hash, K key, V value, boolean onlyIfAbsent,
        boolean evict) { 
        Node < K, V > [] tab;
        Node < K, V > p;
        int n, i;
        // 哈希表为空则创建表
        if ((tab = table) == null || (n = tab.length) == 0)
            n = (tab = resize()).length;
        // 根据 key 的哈希值计算出要插入的数组索引 i
        if ((p = tab[i = (n - 1) & hash]) == null)
            // 如果 table[i] 等于 null，则直接插入
            tab[i] = newNode(hash, key, value, null);
        else { 
            Node < K, V > e;
            K k;
            // 如果 key 已经存在了，直接覆盖 value
            if (p.hash == hash &&
                ((k = p.key) == key || (key != null && key.equals(k))))
                e = p;
            // 如果 key 不存在，判断是否为红黑树
            else if (p instanceof TreeNode)
                // 红黑树直接插入键值对
                e = ((TreeNode < K, V > ) p).putTreeVal(this, tab, hash, key, value);
            else { 
                // 为链表结构，循环准备插入
                for (int binCount = 0;; ++binCount) { 
                    // 下一个元素为空时
                    if ((e = p.next) == null) { 
                        p.next = newNode(hash, key, value, null);
                        // 转换为红黑树进行处理
                        if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st
                            treeifyBin(tab, hash);
                        break;
                    }
                    // key 已经存在直接覆盖 value
                    if (e.hash == hash &&
                        ((k = e.key) == key || (key != null && key.equals(k))))
                        break;
                    p = e;
                }
            }
            // existing mapping for key
            if (e != null) {  
                V oldValue = e.value;
                if (!onlyIfAbsent || oldValue == null)
                    e.value = value;
                afterNodeAccess(e);
                return oldValue;
            }
        }
        ++modCount;
        // 超过最大容量，扩容
        if (++size > threshold)
            resize();
        afterNodeInsertion(evict);
        return null;
    }

注释已经很详细了。但新增的方法比较复杂，画个流程图方便方便各位理解：

![put 流程][put 1]

## 1.2 扩容（resize 方法） ##

源码如下：

final Node < K, V > [] resize() { 
        // 扩容前的数组
        Node < K, V > [] oldTab = table;
        // 扩容前的数组的大小和阈值
        int oldCap = (oldTab == null) ? 0 : oldTab.length;
        int oldThr = threshold;
        // 预定义新数组的大小和阈值
        int newCap, newThr = 0;
        if (oldCap > 0) { 
            // 超过最大值就不再扩容了
            if (oldCap >= MAXIMUM_CAPACITY) { 
                threshold = Integer.MAX_VALUE;
                return oldTab;
            }
            // 扩大容量为当前容量的两倍，但不能超过 MAXIMUM_CAPACITY
            else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&
                oldCap >= DEFAULT_INITIAL_CAPACITY)
                newThr = oldThr << 1; // double threshold
        }
        // 当前数组没有数据，使用初始化的值
        else if (oldThr > 0) // initial capacity was placed in threshold
            newCap = oldThr;
        else {  // zero initial threshold signifies using defaults
            // 如果初始化的值为 0，则使用默认的初始化容量
            newCap = DEFAULT_INITIAL_CAPACITY;
            newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);
        }
        // 如果新的容量等于 0
        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];
        // 开始扩容，将新的容量赋值给 table
        table = newTab;
        // 原数据不为空，将原数据复制到新 table 中
        if (oldTab != null) { 
            // 根据容量循环数组，复制非空元素到新 table
            for (int j = 0; j < oldCap; ++j) { 
                Node < K, V > e;
                if ((e = oldTab[j]) != null) { 
                    oldTab[j] = null;
                    // 如果链表只有一个，则进行直接赋值
                    if (e.next == null)
                        newTab[e.hash & (newCap - 1)] = e;
                    else if (e instanceof TreeNode)
                        // 红黑树相关的操作
                        ((TreeNode < K, V > ) e).split(this, newTab, j, oldCap);
                    else {  // preserve order
                        // 链表复制，JDK 1.8 扩容优化部分
                        // 如果节点不为空，且为单链表，则将原数组中单链表元素进行拆分
                        Node < K, V > loHead = null, loTail = null;//保存在原有索引的链表
                        Node < K, V > hiHead = null, hiTail = null;//保存在新索引的链表
                        Node < K, V > next;
                        do { 
                            next = e.next;
                            // 哈希值和原数组长度进行 & 操作，为 0 则在原数组的索引位置
                            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);
                        // 将原索引放到哈希桶中
                        if (loTail != null) { 
                            loTail.next = null;
                            newTab[j] = loHead;
                        }
                        // 将原索引 + oldCap 放到哈希桶中
                        if (hiTail != null) { 
                            hiTail.next = null;
                            newTab[j + oldCap] = hiHead;
                        }
                    }
                }
            }
        }
        return newTab;
    }

从以上源码可以看出，扩容主要分两步：

*  扩容：创建一个新的 Entry 空数组，长度是原数组的 2 倍。
 *  位运算：原来的元素哈希值和原数组长度进行 & 运算。

JDK 1.8 在扩容时并没有像 JDK 1.7 那样，重新计算每个元素的哈希值，而是通过高位运算（e.hash & oldCap）来确定元素是否需要移动，假设 key1 的信息如下：

*  key1.hash = 10；二进制： 0000 1010
 *  oldCap = 16；二进制： 0001 0000

**使用 e.hash & oldCap 得到的结果，高一位为 0，当结果为 0 时表示元素在扩容时位置不会发生任何变化**，而假设 key 2 信息如下：

*  key2.hash = 17； 二进制：0001 0001
 *  oldCap = 16； 二进制：0001 0000

**这时候得到的结果，高一位为 1，当结果为 1 时，表示元素在扩容时位置发生了变化，新的下标位置等于原下标位置 + 原数组长度**，如下图所示：key2、kry4 虚线为移动的位置。

![扩容][8894d86b988722b70e46e569b62b77cd.png]

# 02 HashMap有哪些属性？ #

如下，看代码注释，写的很清楚了。

// HashMap 初始化长度
    static final int DEFAULT_INITIAL_CAPACITY = 1 << 4; // aka 16
    
    // HashMap 最大长度
    static final int MAXIMUM_CAPACITY = 1 << 30; // 1073741824
    
    // 默认的加载因子 (扩容因子)
    static final float DEFAULT_LOAD_FACTOR = 0.75f;
    
    // 当链表长度大于此值且数组长度大于 64 时，会从链表转成红黑树
    static final int TREEIFY_THRESHOLD = 8;
    
    // 转换链表的临界值，当元素小于此值时，会将红黑树结构转换成链表结构
    static final int UNTREEIFY_THRESHOLD = 6;
    
    // 最小树容量
    static final int MIN_TREEIFY_CAPACITY = 64;

# 03 为什么 HashMap 的初始化长度是 16 ？ #

前面说过，从 Key 映射到 HashMap 数组的对应位置，会用到一个 Hash 函数，比如：index = Hash(“狗哥”)

注意到 HashMap 初始化长度用的是 1<<4，而不是直接写 16。这是为啥呢？其实这样是为了位运算的方便，**位与运算比算数计算的效率高太多了，之所以选择 16，是为了服务将 Key 映射到 index 的算法**。

那如何实现一个尽量均匀分布的 Hash 函数呢？从而减少 HashMap 碰撞呢？没错，就是通过 Key 的 HashCode 值来做位运算。

有公式（Length 是 HashMap 的长度）：**HashCode（Key） & （Length- 1）**

我举个例子，key 为 “book” 的十进制为 3029737 那二进制就是 101110001110101110 1001  
HashMap 长度是默认的 16，length - 1 的结果。十进制 : 15；二进制 : 1111

把以上两个结果做与运算：101110001110101110 1001 & 1111 = 1001；1001 的十进制 = 9, 所以 index=9。

> 也就是说：**hash 算法最终得到的 index 结果，取决于 hashcode 值的最后几位**

> 你可以试试把长度指定为 10 以及其他非 2 次幂的数字，做位运算。发现 index 出现相同的概率大大升高。而长度 16 或者其他 2 的幂，length - 1 的值是所有二进制位全为 1, 这种情况下，index 的结果等同于 hashcode 后几位的值，只要输入的 hashcode 本身分布均匀，hash 算法的结果就是均匀的

**所以，HashMap 的默认长度为 16，是为了降低 hash 碰撞的几率**。

# 04 为什么树化是 8，退树化是 6？ #

红黑树平均查找长度为 log(n)，长度为 8 时，查找长度为 3，而链表平均查找长度为 n/2；也就是 8 除以 2；查找长度链表大于树，转化为树，效率更高。

当为 6 时，树：2.6；链表：3。链表 > 树。这时理应也还是树化，但是树化需要时间，为了这点效率牺牲时间是不划算的。

# 05 什么是加载因子？加载因子为什么是 0.75 ？ #

前面说了扩容机制。那什么时候扩容呢？这就取决于原数组长度和加载因子两个因素了。

> 加载因子也叫扩容因子或负载因子，用来判断什么时候进行扩容的，假如加载因子是 0.5，HashMap 的初始化容量是 16，那么当 HashMap 中有 16\*0.5=8 个元素时，HashMap 就会进行扩容。

那加载因子为什么是 0.75 而不是 0.5 或者 1.0 呢？这其实是出于容量和性能之间平衡的结果：

*  上面说到，为了提升扩容效率，HashMap 的容量（capacity）有一个固定的要求，那就是一定是 2 的幂。所以，如果负载因子是 3/4 的话，那么和 capacity 的乘积结果就可以是一个整数
 *  当加载因子设置较大时，扩容门槛提高，扩容发生频率低，占用的空间小，但此时发生 Hash 冲突的几率就会提升，因此需要更复杂的数据结构来存储元素，这样对元素的操作时间就会增加，运行效率也会降低；
 *  当加载因子设置较小时，扩容门槛降低，会占用更多的空间，此时元素的存储就比较稀疏，发生哈希冲突的可能性就比较小，因此操作性能会比较高。

**所以综合了以上情况就取了一个 0.5 到 1.0 的平均数 0.75 作为加载因子**。

# 06 HashMap 是线程安全的么？ #

不是，因为 get 和 put 方法都没有上锁。**多线程操作无法保证：此刻 put 的值，片刻后 get 还是相同的值，会造成线程安全问题**。

还有个 HashTable 是线程安全的，但是加锁的粒度太大。并发度很低，最多同时允许一个线程访问，性能不高。一般我们使用 currentHashMap，当然啦，后面会聊到它的。

# 07 为什么重写 equals 方法的时，需要重写 hashCode 方法呢？ #

> Java 中，所有的对象都是继承于 Object 类。Ojbect 类中有两个方法 equals、hashCode，这两个方法都是用来比较两个对象是否相等的。

先来看看 equals 方法：

public boolean equals(Object obj) { 
        return (this == obj);
    }

在未重写 equals 方法，他其实就是 == 。有以下两个特点：

*  对于值对象，== 比较的是两个对象的值
 *  对于引用对象，== 比较的是两个对象的地址

看回 put 方法的源码：**HashMap 是通过 key 的 hashcode 去寻找地址 index 的。如果 index 一样就会形成链表**，也即是"狗哥"和"阿狗"是有可能在同一个位置上。

前面的 get 方法说过：**当哈希冲突时我们不仅需要判断 hash 值，还需要通过判断 key 值是否相等，才能确认此元素是不是我们想要的元素**。我们去 get 首先是找到 hash 值一样的，那怎么知道你想要的是那个对象呢？**没错，就是利用 equals 方法**，如果重写 hashCode 方法，不写 equals 方法，当发生 hash 冲突，hashcode 一样时，就不知道取哪个对象了。

# 08 HashMap 死循环分析 #

以下代码基于 JDK1.7 分析。这个问题，主要是 JDK1.7 的链表尾插法造成的。假设 HashMap 默认大小为 2，原本 HashMap 中没有一个元素。使用三个线程：t1、t2、t3 添加元素 key1，key2，key3。我在扩容之前打了个断点，让三个线程都停在这里。源码如下：

void transfer(Entry[] newTable, boolean rehash) { 
        int newCapacity = newTable.length;
        for (Entry < K, V > e: table) { 
            while (null != e) { 
                Entry < K, V > next = e.next; // 此处加断点
                if (rehash) { 
                    e.hash = null == e.key ? 0 : hash(e.key);
                }
                int i = indexFor(e.hash, newCapacity);
                e.next = newTable[i];
                newTable[i] = e;
                e = next;
            }
        }
    }

假设 3 个元素 hash 冲突，放到同一个链表上。其中 key1→key2→key3 这样的顺序。没毛病，一切很正常。

![尾插法][da934dc2ad03cc16ce2c8eadc3691ce3.png]

此时放开断点，HashMap 扩容。就有可能变成这样：原来是 key1→key2→key3。很不幸扩容之后，key1 和 key2 还是在同一个位置，这时形成链表，如果 key2 比 key1 后面插入，根据头插法。此时就变成 key2→key1

![链表反转][05946126aa546672be1eaa59df3aea45.png]

最终 3 个线程都调整完毕，就会出现下图所示的死循环：这个时候 get(key1) 就会出现 Infinite Loop 异常。

![循环引用][d9d247992b786c0ae7694957979b542c.png]

当然发生死循环的原因是 JDK 1.7 链表插入方式为首部倒序插入，这种方式在扩容时会改变链表节点之间的顺序。**这个问题在 JDK 1.8 得到了改善，变成了尾部正序插入**，在扩容时会保持链表元素原本的顺序，就不会出现链表成环的问题。

# 09 总结 #

HashMap 是 Java 基础中的重点。可以说无论是在工作中还是面试中都很常用，小伙伴们必须做到熟练运用、信手拈来才算是过关的。本篇文章基本说到了 HashMap 的所有重点，红黑树没有展开说，主要是因为篇幅原因，后面会单独聊。另外，如果发现本文有啥错误，欢迎友善指正。

好啦，以上就是狗哥关于 HashMap 源码的解读。感谢各技术社区大佬们的付出，尤其是极客时间，真的牛逼。如果说我看得更远，那是因为我站在你们的肩膀上。希望这篇文章对你有帮助，我们下篇文章见~

# 10 巨人的肩膀 #

*  https://kaiwu.lagou.com/course/courseInfo.htm?courseId=59\#/detail/pc?id=1762

# 11 送点面试题 & 电子书 #

如果看到这里，喜欢这篇文章的话，请帮点个**好看**。

初次见面，也不知道送你们啥。干脆就送**几百本电子书**和**2021最新面试资料**吧。微信搜索**一个优秀的废人**回复**电子书**送你 1000+ 本编程电子书；回复**面试**送点面试题；回复**1024**送你一套完整的 java 视频教程。

面试题都是有答案的，如下所示：有需要的就来拿吧，**绝对免费，无套路获取**。

![f7fb80ac3cce1e9520824533308f57b3.png][]

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3R1cm9kb2c_size_16_color_FFFFFF_t_70_pic_center]: /images/20221022/3f7d2d0e5ebd4434aede6b31b7592b55.png
[8f9d608f2e1f6de7c465ad09a794deb2.png]: /images/20221022/f9bab8c22dea41588cdf1d847b93e0ee.png
[put]: /images/20221022/83f73d0761aa4968a0ba6885f8447816.png
[put_ hash]: /images/20221022/62a9cccc96c04a4dbc96a1afc4fea3b4.png
[put 1]: /images/20221022/56289e05526d4aaa9eb6aefd55dfe09a.png
[8894d86b988722b70e46e569b62b77cd.png]: /images/20221022/ca3092832a7a43a0843367069dc9d67e.png
[da934dc2ad03cc16ce2c8eadc3691ce3.png]: /images/20221022/fbe3b662c56a48469055f14932db1d33.png
[05946126aa546672be1eaa59df3aea45.png]: /images/20221022/488b0c2ecb30438097dd18179e786ac6.png
[d9d247992b786c0ae7694957979b542c.png]: /images/20221022/335da0205bea4ec7bab6506357b67109.png
[f7fb80ac3cce1e9520824533308f57b3.png]: /images/20221022/5905b18c65f645d0bff00eb05ff8ee6d.png