HashMap的底层原理（jdk1.7.0_79）

前言

在Java中我们最常用的集合类毫无疑问就是Map，其中HashMap作为Map最重要的实现类在我们代码中出现的评率也是很高的。
我们对HashMap最常用的操作就是put和get了，那么你知道它是怎么实现的吗？知道HashMap的底层原理吗？你知道从jdk7到jdk8，HashMap发生了什么变化吗？
那么我们就带着这些疑问，一起来探秘HashMap。
首先声明本文这次讲的HashMap基于Jdk1.7.0_79，不同版本略有差异。Jdk1.8版本的日后讨论。

HashMap的数据结构

我们先从HashMap的数据结构谈起，先了解它的数据结构存储结构，后面看它的代码实现就容易多了。
HashMap底层数据结构是由数组和链表来实现对数据的存储，但数组和链表基本上是两个极端。为什么这么说咱们继续往下看。

数组

数组的存储空间是连续的，占用内存严重，即使是空的也要分配内存，故空间复杂度很大。但数组的二分查找时间复杂度小，为O(1)；
数组的特点是：寻址容易，插入和删除困难；

链表

链表的存储空间是可以离散的，占用内存比较宽松，可以动态增加链表长度，故空间复杂度很小，但由于它是不连续的，查找插入删除操作会很麻烦，故时间复杂度很大，为O(N);
链表的特点是：寻址困难，插入和删除容易。

哈希表

那么我们能不能综合两者的优点，设计出一种寻址容易，插入删除也容易的数据结构？答案是肯定的，这就是我们要讲的哈希表。
哈希表（(Hash table）既满足了数据的查找方便，同时不占用太多的内容空间，使用也十分方便。

哈希表有多种不同的实现方式，接下来我们探讨的是最常用的一种实现方式–拉链法，我们可以理解为“链表的数组” ，如图：

从上图我们可以发现哈希表是由数组+链表组成的，在一个长度为16的数组中，每个元素存储的是一个链表的头结点。
那么这些元素是按照什么样的规则存储到数组中呢？
一般情况是通过hash(key)%len获得，也就是计算出元素的key的哈希值，然后用哈希值对数组长度取模得到的即为该元素存储到数组中的index。

比如上述哈希表中，85%16=5,149%16=5,197%16=5。
所以hash值为85、149、197的k-v对都存储在数组下标为5的位置。

HashMap底层数据结构的原理就是使用的上述的哈希表，HashMap其实也是一个线性的数组实现的，所以可以理解为其存储数据的容器就是一个线性数组。
这可能让我们很不解，一个线性的数组怎么实现按键值对来存取数据呢？
如上图所示，HashMap做了一些处理。

首先HashMap里面实现了一个静态内部类Entry，其重要的属性有 key , value, next，从属性key,value我们就能很明显的看出来Entry就是HashMap键值对实现的一个基础bean。
我们上面说到HashMap的基础就是一个线性数组，这个数组就是Entry[]，Map里面的内容都保存在Entry[]里面。
这数组里存的其实是每一个链表的head节点，然后根据Entry的next属性关联链表的每个节点。

/**
 * The table, resized as necessary. Length MUST Always be a power of two.
 */
transient Entry[] table;

HashMap的存取实现

既然是线性数组，为什么能随机存取？这里HashMap用了一个小算法，利用hash算法散列，大致是这样实现的：

// 存储时:
// 这个hashCode方法这里不详述,只要理解每个key的hash是一个固定的int值
int hash = key.hashCode();
int index = hash % Entry[].length;
Entry[index] = value;

// 取值时:
int hash = key.hashCode();
int index = hash % Entry[].length;
return Entry[index];

1）put

疑问：如果两个key通过hash%Entry[].length得到的index相同，会不会有覆盖的危险？

答案是不会，因为这里HashMap里面也用到了链式数据结构的一个概念。形如上面我们提到过Entry类里面有一个next属性，作用是指向下一个Entry。

举个例子， 第一个键值对A进来，通过计算其key的hash得到的index=0，记做:Entry[0] = A。
一会后又进来一个键值对B，通过计算其index也等于0，现在怎么办？
HashMap会这样做:B.next = A,Entry[0] = B,如果又进来C,index也等于0,那么C.next = B,Entry[0] = C；
这样我们发现index=0的地方其实存了A,B,C三个键值对,他们通过next这个属性链接在一起。所以疑问不用担心。

也就是说数组中存储的是最后插入的元素，相同位置的其他元素用next属性关联。即，通过散列后计算得到相同index的元素会在一条链上，并通过next属性连接。

到这里为止，HashMap的大致实现，我们应该已经清楚了。具体代码如下：

 public V put(K key, V value) {
    if(table == EMPTY_TABLE){
        inflateTable(threshold);
    }
    if (key == null)
        return putForNullKey(value); //null总是放在数组的第一个链表中
    int hash = hash(key.hashCode());
    int i = indexFor(hash, table.length);
    //确定当前元素所在的链表，遍历链表
    for (Entry<K,V> e = table[i]; e != null; e = e.next) {
        Object k;
        //如果key在链表中已存在，则替换为新value
        if (e.hash == hash && ((k = e.key) == key || key.equals(k))) {
            V oldValue = e.value;
            e.value = value;
            e.recordAccess(this);
            return oldValue;
        }
    }
 
    modCount++;
    addEntry(hash, key, value, i);
    return null;
}
 
void addEntry(int hash, K key, V value, int bucketIndex) {
    //如果size超过threshold，则扩充table大小。hash(key)%new length再散列
    if((size >= threshold) && (null != table[bucketIndex])){
        resize(2*table.length);
        hash = (null != key) ? hash(key)  : 0;
        bucketIndex = indexFor(hash,table.length);
    }
    createEntry(hash, key, value, bunketIndex);
}
void createEntry(int hash, K key, V value, int bunketIndex){
    Entry<K,V> e = table[bucketIndex];
    table[bucketIndex] = new Entry<K,V>(hash, key, value, e); //参数e, 是Entry.next
    size++;
}

当然HashMap里面也包含一些优化方面的实现，这里也说一下。
比如：Entry[]的长度一定后，随着map里面数据的越来越长，这样同一个index的链就会很长，肯定会影响性能。

所以HashMap里面设置了一个增长因子，随着map的size越来越大，Entry[]会以一定的规则加长长度。

这个就是上面代码注释里提到的如果size超过threshold，则扩充table大小。hash(key)%new length再散列，这个一会儿在下面详细说明。

2）get

 public V get(Object key) {
    if (key == null)
        return getForNullKey();
    Entry<K,V> entry = getEntry(key);

    return null == entry ? null : entry.getValue();
}
/**
 * Returns the entry associated with the specified key in the
 * HashMap.  Returns null if the HashMap contains no mapping
 * for the key.
 */
final Entry<K,V> getEntry(Object key) {
    if (size == 0) {
        return null;
    }

    int hash = (key == null) ? 0 : hash(key);
    for (Entry<K,V> e = table[indexFor(hash, table.length)];
         e != null;
         e = e.next) {
        Object k;
        if (e.hash == hash &&
            ((k = e.key) == key || (key != null && key.equals(k))))
            return e;
    }
    return null;
}

3）null key的存取

null key总是存放在Entry[]数组的第一个元素。

private V putForNullKey(V value) {
     for (Entry<K,V> e = table[0]; e != null; e = e.next) {
         if (e.key == null) {
             V oldValue = e.value;
             e.value = value;
             e.recordAccess(this);
             return oldValue;
         }
     }
     modCount++;
     addEntry(0, null, value, 0);
     return null;
 }
 
 private V getForNullKey() {
     if (size == 0) {
         return null;
     }
     for (Entry<K,V> e = table[0]; e != null; e = e.next) {
         if (e.key == null)
             return e.value;
     }
     return null;
 }

4）确定数组index：hashcode % table.length取模

HashMap存取时，都需要计算当前key应该对应Entry[]数组哪个元素，即计算数组下标；算法如下：

/**
  * Returns index for hash code h.
  */
 static int indexFor(int h, int length) {
     return h & (length-1);
 }

按位取并，作用上相当于取模mod或者取余%。

这意味着数组下标相同，并不表示hashCode相同。

5）table初始大小

 /**
 * Constructs an empty <tt>HashMap</tt> with the specified initial
 * capacity and load factor.
 *
 * @param  initialCapacity the initial capacity
 * @param  loadFactor      the load factor
 * @throws IllegalArgumentException if the initial capacity is negative
 *         or the load factor is nonpositive
 */
  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();
}

/**
 * Inflates the table.
 */
private void inflateTable(int toSize) {
    // Find a power of 2 >= toSize
    int capacity = roundUpToPowerOf2(toSize);

    threshold = (int) Math.min(capacity * loadFactor, MAXIMUM_CAPACITY + 1);
    table = new Entry[capacity];
    initHashSeedAsNeeded(capacity);
}

Jdk1.7和之前的版本不同的是我们推迟初始化直到我们确实需要它。即并没有在new的时候就初始化数组，在put的时候判断数组为空时再调用inflateTable初始化HashMap。

另外需要注意的是table初始大小并不是构造函数中的initialCapacity！！
而是 >= initialCapacity的2的n次幂！！！——为什么这么设计呢？——
另外，调用无参构造时的初始化大小是16，增长因子是0.75

解决hash冲突的办法

• 开放定址法（线性探测再散列，二次探测再散列，伪随机探测再散列）
• 再哈希法
• 链地址法
• 建立一个公共溢出区

Java中HashMap的解决办法就是采用的链地址法。

再散列rehash过程

从上面的代码addEntry方法可以看出，每次都会判断size是不是已经超过threshold，即当哈希表的容量超过默认容量时，必须调整table的大小，对数组进行扩容。

当容量已经达到最大可能值时，那么该方法就将容量调整到Integer.MAX_VALUE返回。

扩容时，需要创建一张新表，将原表的映射到新表中。具体代码如下：

void resize(int newCapacity) {
    Entry[] oldTable = table;
    int oldCapacity = oldTable.length;
    if (oldCapacity == MAXIMUM_CAPACITY) {
        threshold = Integer.MAX_VALUE;
        return;
    }

    Entry[] newTable = new Entry[newCapacity];
    transfer(newTable, initHashSeedAsNeeded(newCapacity));//把原来的数组放到新数组里
    table = newTable;
    threshold = (int)Math.min(newCapacity * loadFactor, MAXIMUM_CAPACITY + 1);//新的阈值
}
 
/**
 * Transfers all entries from current table to newTable.
 */
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;
            if (rehash) {
                e.hash = null == e.key ? 0 : hash(e.key);
            }
            //根据新的数组长度重新计算index
            int i = indexFor(e.hash, newCapacity);
            e.next = newTable[i];
            newTable[i] = e;
            e = next;
        }
    }
}

由于篇幅原因，将在下一篇探秘jdk1.8的HashMap。

参考：

jdk1.7.0_79源码

https://zhuanlan.zhihu.com/p/44478231