探索JDK（集合框架）——HashMap
<*本文描述内容基于JAVA8*> Collection API位于 java.util 包中。包中的 Collection接口是 JAVA 对于集合这一概念的抽象，存储一组类型相同的对象。 还有一个很重要的接口：Iterable，Collection 接口以继承的方式对Iterable做了扩展。实现 Collection 接口的类可以获得增强for 循环（forEach）。 数据结构（数组+链表） HashMap 是 JAVA集合框架的成员。基于 [ 数组 + 链表 ] 的数据结构存储 key-value 形式的数据。key 是每条数据的唯一标识，HashMap通过一个hash算法（也称散列算法）根据 key值计算出这条数据在数组中的位置，即数组下标，然后把数据装载到一个链表元素 Node<K, V>中，最后根据数组下标进行落桶（bucket）操作。 hash碰撞（冲突）： 果两个输入的 hash 结果相同，则称这两个输入是一个碰撞(Collision)。 在JAVA中，采用“链地址法”解决 hash碰撞。HashMap 在数组中存放第一个落桶的节点，这个节点也是链表的 head节点，拥有一个 next 属性指向 null，当下一个相同 hash 值的元素落桶，则使此 head节点的 next 指向新的元素，即后来的节点作为链表的 tail节点。 由上图可知，数组在 0 和 2 的位置存放了节点k1/k2，当节点 k3 与 k2 发生了 hash碰撞，则使节点 k2 的 next 指向节点 k3。值得注意的是，在 JAVA8 中，为了提高检索效率，当链表的节点数量超过8个，并且整个数组容量超过 64 个，则把这个链表重载成红黑树（树化），否则进行 2 倍扩容并且重新散列（rehash）所有节点。树化操作是因为链表的检索是线性时间O(n)，而红黑树是对数时间O(lgn)。这么处理大概是为了尽可能避免过早的把数据存放到桶外（形成长链表），因为桶数组的容量是参与元素索引计算的。 存储(hash算法，hash冲突，初始化，扩容) // 对用户提供的put方法 public V put(K key, V value) { return putVal(hash(key), key, value, false, true); } // 散列（hash）方法 static final int hash(Object key) { int h; return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16); // 这里的位异或运算和无符号右移运算后边会详细说明[1] } // 实现Map.put // 如果对象已存在返回上一个值，如果没有则返回null final V putVal(int hash, K key, V value, boolean onlyIfAbsent, boolean evict) { Node<K,V>[] tab; Node<K,V> p; int n, i; if ((tab = table) == null || (n = tab.length) == 0) // 这里的table就是HashMap的桶数组，这个数组是需要制定容量的，默认16，属性"DEFAULT_INITIAL_CAPACITY" n = (tab = resize()).length; // HashMap在第一次put的时候进行初始化 if ((p = tab[i = (n - 1) & hash]) == null) // 判断即将落桶的位置是否已经有Node存在，即是否存在hash冲突，这里的位与运算后边会详细说明[2] tab[i] = newNode(hash, key, value, null); // 不存在hash冲突直接落桶 else { Node<K,V> e; K k; if (p.hash == hash && ((k = p.key) == key || (key != null && key.equals(k)))) // 判断是否在数组中存放的对象（即链表头节点）与新的对象的key值相同，如果相同直接提取到新的拷贝e中供后续操作 e = p; else if (p instanceof TreeNode) // 如果p处于红黑树中，则调用TreeNode.putTreeVal()方法提取旧节点到e中供后续操作 e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value); else { // 如果p处于链表中 for (int binCount = 0; ; ++binCount) { // 遍历链表 if ((e = p.next) == null) { // 当整个链表不存在与新节点相同的key，则直接把新节点加入到链表的尾部 p.next = newNode(hash, key, value, null); if (binCount >= TREEIFY_THRESHOLD - 1) // 当链表元素数量到达指定阈值，默认8个，进行“树化” treeifyBin(tab, hash); break; } if (e.hash == hash && ((k = e.key) == key || (key != null && key.equals(k)))) break; // 当找到与新节点相同的key，提取到e中供后续操作 p = e; } } if (e != null) { // 当新节点的key已经存在（这里就是上边多处提到的“供后续操作”） V oldValue = e.value; if (!onlyIfAbsent || oldValue == null) // onlyIfAbsent参数的意思是“是否不覆盖旧值” e.value = value; afterNodeAccess(e); // 这个方法是为了继承HashMap的LinkedHashMap类服务的，可以忽略 return oldValue; } } ++modCount; // 这是一个记录操作次数的变量，后边会详细说明[3] if (++size > threshold) // 如果不是值覆盖会执行到这步，如果本次元素插入导致了桶数量超过阈值，则进行扩容，后边会详细说明[4] resize(); afterNodeInsertion(evict); // 和afterNodeAccess()方法一样，可以忽略 return null; } // 初始化或加倍表格大小 // 如果为null，则分配初始容量。否则，进行2次幂扩展。 final Node<K,V>[] resize() { Node<K,V>[] oldTab = table; int oldCap = (oldTab == null) ? 0 : oldTab.length; // 旧的数组容量 int oldThr = threshold; // 旧的扩容阈值 int newCap, newThr = 0; // 声明新的数组容量和扩容阈值 if (oldCap > 0) { // 旧的数组容量大于0说明本次是扩容操作 if (oldCap >= MAXIMUM_CAPACITY) { // 扩容前的数组大小如果已经达到最大(2^30)了 threshold = Integer.MAX_VALUE; // 修改阈值为int的最大值(2^31-1)，这样以后就不会扩容了 return oldTab; } else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY && // 普通扩容，在下边展开解释[4] oldCap >= DEFAULT_INITIAL_CAPACITY) newThr = oldThr << 1; // 新的扩容阈值同样扩大2倍 } else if (oldThr > 0) // 这里话多了，在下边解释[5] newCap = oldThr; else { // zero initial threshold signifies using defaults, 这里和 [5] 一起看吧 newCap = DEFAULT_INITIAL_CAPACITY; newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY); } if (newThr == 0) { // 计算新的扩容阈值 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; if (oldTab != null) { // 把每个bucket都移动到新的buckets中 for (int j = 0; j < oldCap; ++j) { Node<K,V> e; if ((e = oldTab[j]) != null) { oldTab[j] = null; // 删除了旧节点的引用（很细节） if (e.next == null) // 当桶里只有一个节点，重新计算索引位置落桶 newTab[e.hash & (newCap - 1)] = e; else if (e instanceof TreeNode) ((TreeNode<K,V>)e).split(this, newTab, j, oldCap); else { // preserve order // 创建两条链表 Node<K,V> loHead = null, loTail = null; Node<K,V> hiHead = null, hiTail = null; Node<K,V> next; do { next = e.next; if ((e.hash & oldCap) == 0) { // 直接用容量与 hash 位与运算，相当于舍掉低位特征，大概是针对hash冲突进行一次随机散列。结果为0的保持原来的索引位置不变 if (loTail == null) loHead = e; else loTail.next = e; loTail = e; } else { // 否则向右偏移旧数组容量 if (hiTail == null) hiHead = e; else hiTail.next = e; hiTail = e; } } while ((e = next) != null); if (loTail != null) { loTail.next = null; newTab[j] = loHead; } if (hiTail != null) { hiTail.next = null; newTab[j + oldCap] = hiHead; // 向右偏移旧数组容量 } } } } } return newTab; } 详细说明： [1] (h = key.hashCode()) ^ (h >>> 16) publicnativeinthashCode(); 这里的 hashCode() 是一个 native 方法，根据一定的规则将与对象相关的信息（比如对象的存储地址，对象的字段等）映射成一个数值，这个数值称作为散列值。 无符号右移：>>> 按二进制形式把所有的数字向右移动对应的位数，低位移出(舍弃)，（如果是“有符号右移>>”：高位的空位补符号位，即正数补0，负数补1）。当运算数是 byte 或 short 类型时，将自动把这些类型扩大为 int 型。由于 int 类型是 32 位，这里的右移16位（舍去低位）并与 hashCode 异或运算将导致高位的影响传播到低位。 [2] i = (n - 1) & hash n = table.length 此处是根据hash值计算数组下标。n 是容量，值得注意的是，HashMap的默认初始容量是16，指定容量也会被扩展到2的幂次，归根结底就是为了在计算数组下标的时候，用 (n - 1) 与 hash值进行位与运算。因为在[1]中计算hash值的计算中，把高位的特征传播到了低位，而2的幂次减一的值永远是形如：1111，11111，111111的，因此index仅与hash值的低n位有关，hash值的高位都被与操作置为了0。 上图为 HashMap 根据 key 计算 hash 值并最终计算出数组下标 index 的过程。我们来验证一下，talk is cheep, show me the code. 1 创建一个 HashMap： 可以看到，在创建map这一步，内部已经做了初始化如：size、modCount、threshold、loadFactor 2 执行下一步，put 一个 key 为 "WANGNIMA" 的元素： 现在数组 table 中已经有了数据，包括 size、modCount、threshold 也都有了值。 这里解释一下 threshold 这个变量，它作为 HashMap 扩容的阈值，在初始化的时候，是根据 loadFactor（加载因子，默认0.75f） * initialCapacity（初始容量，默认16）得到的，即 0.75 * 16 = 12，当数组 size 超过这个阈值的时候，触发 2 倍的扩容。 3 接下来继续执行到把两个元素都 put 进去： 看到"WANGNIMA"被如期放到了下标 0 的位置，"WANGNIMA2"被放到了 9 的位置。 4 测试 hash 冲突： 我们找到了与 "WANGNIMA" 的 hashCode 值相同的字符串 "Z@]LRTyvHV\\SCV^"，由图可知：table 中还是 0 和 9 的位置有元素，最后 put 的 "Z@]LRTyvHV\\SCV^" 被放在了 "WANGNIMA" 的 next 中，也就是链表的第二个位置处。 [3] ++modCount; fail-fast 机制。 开篇说道：实现 Collection 接口的类可以获得增强for 循环。其实在编译阶段，编译器会把 forEach 这样的语句编译成迭代器迭代的方式： // .java public static void main(String[] args) { Map<String, Integer> map = new HashMap<>(16); map.put("WANGNIMA", 250); map.put("WANGNIMA2", 250); for (String key : map.keySet()) { System.out.println("Key = " + key); } } // .class public static void main(String[] args) { Map<String, Integer> map = new HashMap(16); map.put("WANGNIMA", 250); map.put("WANGNIMA2", 250); Iterator var2 = map.keySet().iterator(); while(var2.hasNext()) { String key = (String)var2.next(); System.out.println("Key = " + key); } } 如果在创建迭代器之后的任何时候对 map 进行结构修改，除了迭代器自己以外的任何线程调用 remove() 方法，迭代器将抛出 ConcurrentModificationException，因此，在并发修改的情况下，迭代器会快速失败，而不是冒着非确定性行为的风险。 [4] else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY && oldCap >= DEFAULT_INITIAL_CAPACITY) newThr = oldThr << 1; "oldCap << 1" 相当于 oldCap*2，即把新的数组容量 "newCap" 扩大2倍 [5] else if (oldThr > 0) // 旧的扩容阈值赋值给新的数组容量 newCap = oldThr; else { // zero initial threshold signifies using defaults newCap = DEFAULT_INITIAL_CAPACITY; newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY); } 首先 HashMap 有三个构造方法，HashMap() / HashMap(int initialCapacity) / HashMap(int initialCapacity, float loadFactor) 无参构造仅仅初始化了 loadFactor 为默认的 0.75f； HashMap(int initialCapacity) 构造也是调用了 HashMap(int initialCapacity, float loadFactor)，而把DEFAULT_LOAD_FACTOR 缺省传入了，这两个构造方法初始化了 loadFactor 和 threshold，值得注意的是，这里的 threshold 代表的却是数组容量，将会在首次 put 操作的时候，作为数组初始化的容量值，然后再去乘 loadFactor 作为真正意义上的 "扩容阈值"。 可见，为数组申请内存空间这个工作被分配给了首次 put 操作而非构造方法，当 oldThr > 0 就说明用户调用了有参构造方法（指定了初始容量，并被构造方法 "缓存" 到了threshold中了），需要初始化一个 threshold 大小的数组，即 newCap；否则，初始化的数组容量为缺省的 16，初始化的扩容阈值为缺省的 16 * 0.75。 总结 数组和链表是 JAVA 中最常见的两种数据结构，HashMap 的设计者巧妙的利用了这两个数据结构的优点。在散列算法的实现上，权衡了空间、时间和算法复杂度。 要注意的是：HashMap 的扩容操作是十分耗费时间和空间的，所以建议开发者在应用中，一定要设置初始容量，防止动态扩容的发生。这一点在《阿里巴巴Java开发手册》中也有提到。
