HashMap 可以說是使用頻率最高的處理鍵值映射的數據結構，它不保證插入順序，允許插入 null 的鍵和值。本文采用 JDK8 中的源碼，深入分析 HashMap 的原理、實現和優化。首發於微信公眾號頓悟源碼.
1. 基本結構
HashMap 基於散列表實現，使用拉鏈法處理碰撞，在 JDK8 中，當鏈表長度大於 8 時轉為紅黑樹存儲，基本結構如下：
HashMap 有一個 Node<K,V>[] table 字段，即哈希桶數組，數組元素是 Node 對象，結構定義如下：
static class Node<K,V> implements Map.Entry<K,V> {
final int hash; // 用於計算數組索引
final K key;
V value;
Node<K,V> next; // 后繼節點，下一個 Node
Node(int hash, K key, V value, Node<K,V> next) { ... }
...
}
哈希桶數組會在首次使用時初始化，默認大小是 16，並根據需要調整大小，且長度總是 2 的次冪。如果構造函數設置的初始容量不是 2 的次冪，那么使用以下方法返回一個大於且最靠近它的 2 的次冪的值：
static final int tableSizeFor(int cap) {
int n = cap - 1;
n |= n >>> 1;
n |= n >>> 2;
n |= n >>> 4;
n |= n >>> 8;
n |= n >>> 16;
return (n < 0) ? 1 : (n >= MAXIMUM_CAPACITY) ? MAXIMUM_CAPACITY : n + 1;
}
原理就是將最高位 1 右邊的所有比特位全置為 1，然后再加 1，最高位進 1，右邊的比特位全變成 0，從而得出一個 2 的次冪的值。在 JDK7 中使用的是 Integer.highestOneBit(int i) 方法，它最后計算時使用 n - (n >>> 1) 返回的是一個小於且最靠近入參的 2 的次冪。
HashMap 內部的其他字段：
// 鍵值對的數量
transient int size;
// 記錄結構修改次數，用於迭代時的快速失敗
transient int modCount;
// 負載因子，默認 0.75f
final float loadFactor;
// 擴容的下一個容量值，也就是鍵值對個數的最大值，它等於(capacity * loadFactor)
int threshold;
影響 HashMap 性能的主要參數是：初始容量和負載因子。當散列表元素數超過負載因子和當前容量的乘積時，就會擴容，擴大到原來容量的兩倍，並對鍵重新散列。
- 初始容量過小會多次觸發擴容和 rehash，所以預分配一個足夠大的容量更加有效
- 負載因子默認值是 0.75f，它是對時間和空間成本的一個很好的平衡，一般不用修改，較高的值會減少空間開銷，但會增加查找的成本
不管多么合理的散列算法，也免不了鏈表過長的情況，從而影響 HashMap 的性能，所以，JDK8 在鏈表長度大於 8 時，將其轉為紅黑樹，以利用紅黑樹快速增刪改查的特點。
2. 散列函數
將整數散列最常用的方法就是除留余數法。為了均勻地散列鍵的散列值，通常都會把數組的大小取素數（HashTable 的初始大小就是 11），因為素數的因子少，余數相等的概率小，沖突的幾率就小。
HashMap 的容量始終是 2 的次冪，這是一個合數，之所以這樣設計，是為了將取模運算轉為位運算，提高性能。這個等式h % length = h & (length-1)成立的原因如下：
2^1 = 10 2^1 -1 = 01
2^2 = 100 2^2 -1 = 011
2^3 = 1000 2^3 -1 = 0111
2^n = 1(n個零) 2^n -1 = 0(n個1)
右邊是 2^n 的二進制特點，左邊是 2^n-1 的特點，可以發現當 length = 2^n 時，h & (length-1) 的結果正好位於 0 到 length-1 之間，就相當於取模運算。
轉為位運算后，length-1 就相當於一個低位掩碼，在按位與時，它會把原散列值的高位置0，這就導致散列值只在掩碼的小范圍內變化，顯然增大了沖突幾率。為了減少沖突，HashMap 在設計散列算法時，使用高低位異或，變相的讓鍵的高位也參與了運算，代碼如下：
static final int hash(Object key) { // JDK8
int h;
// h = key.hashCode() 1. 取hashCode值
// h ^ (h >>> 16) 2. 高16位與低16位異或，變相保留高位的比特位
return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}
// JDK7 的源碼，JDK8 沒有這個方法，但原理一樣
static int indexFor(int h, int length) {
return h & (length-1); // 3. 取模運算
}
高位的移位異或，既能保證有效的利用鍵的高低位信息，又能減少系統開銷，這樣設計是對速度、效率和質量之間的權衡。
3. put 操作
put 操作主要做了以下幾件事：
- 哈希桶數組 table 為空時，通過 resize() 方法進行初始化
- 待插入的 key 已存在，直接覆蓋 value
- 若不存在，將鍵值對插入到對應的鏈表或紅黑樹中
- 插入鏈表時判斷是否轉紅黑樹
- 判斷是否需要擴容
核心代碼如下：
public V put(K key, V value) {
// 將 key 的 hashCode 散列
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;
// 1. table 為 null，初始化哈希桶數組
if ((tab = table) == null || (n = tab.length) == 0)
n = (tab = resize()).length;
// 2. 計算對應的數組下標 (n - 1) & hash
if ((p = tab[i = (n - 1) & hash]) == null)
// 3. 這個槽還沒有插入過數據，直接插入
tab[i] = newNode(hash, key, value, null);
else {
Node<K,V> e; K k;
// 4. 節點 key 存在，直接覆蓋 value
if (p.hash == hash && ((k = p.key) == key || (key != null && key.equals(k))))
e = p;
// 5. 該鏈轉成了紅黑樹
else if (p instanceof TreeNode) // 在樹中插入
e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
// 6. 該鏈是鏈表
else {
for (int binCount = 0; ; ++binCount) {
// 遍歷找到尾節點插入
if ((e = p.next) == null) {
p.next = newNode(hash, key, value, null);
// 鏈表長度大於 8 轉為紅黑樹
if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st
treeifyBin(tab, hash);
break;
}
// 遍歷的過程中，遇到相同 key 則覆蓋 value
if (e.hash == hash && ((k = e.key) == key || (key != null && key.equals(k))))
break;
p = e;
}
}
if (e != null) { // existing mapping for key
V oldValue = e.value;
if (!onlyIfAbsent || oldValue == null)
e.value = value;
afterNodeAccess(e);
return oldValue;
}
}
++modCount;
// 7. 超過最大容量，擴容
if (++size > threshold)
resize();
afterNodeInsertion(evict);
return null;
}
JDK8 在插入鏈表時采用的是尾插入法，也就是順序插入，而 JDK7 使用的是頭插法，逆序插入。
6. 擴容機制
默認情況下，初始容量是 16，負載因子是 0.75f，threshold 是 12，也就是說，插入 12 個鍵值對就會擴容。
在擴容時，會擴大到原來的兩倍，因為使用的是2的次冪擴展，那么元素的位置要么保持不變，要么在原位置上偏移2的次冪。
上圖可以看到，擴大2倍，相當於 n 左移一位，那么 n-1 在高位就多出了一個 1，此時與原散列值進行與運算，就多參與了一位，這個比特位要么是 0，要么是 1:
- 0 的話索引不變
- 1 的話索引就變成"原索引+oldCap"
那么怎么判斷這個比特位是0還是1呢？如果"原散列值 & oldCap"的值為0，則表示比特位是0。擴容代碼如下：
final Node<K,V>[] resize() {
Node<K,V>[] oldTab = table;
int oldCap = (oldTab == null) ? 0 : oldTab.length;
int oldThr = threshold;
int newCap, newThr = 0;
if (oldCap > 0) {
// 超過最大值，不在擴容
if (oldCap >= MAXIMUM_CAPACITY) {
threshold = Integer.MAX_VALUE;
return oldTab;
}// 否則擴大為原來的 2 倍
else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&
oldCap >= DEFAULT_INITIAL_CAPACITY)
newThr = oldThr << 1; // double threshold
}
else if (oldThr > 0) // initial capacity was placed in threshold
// 初始化時，threshold 暫時保存 initialCapacity 參數的值
newCap = oldThr;
else { // zero initial threshold signifies using defaults
newCap = DEFAULT_INITIAL_CAPACITY;
newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);
}
// 計算新的 resize 上限
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;
// 將舊的鍵值對移動到新的哈希桶數組中
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) // 無鏈條
newTab[e.hash & (newCap - 1)] = e;
else if (e instanceof TreeNode)
// 拆紅黑樹，先拆成兩個子鏈表，再分別按需轉成紅黑樹
((TreeNode<K,V>)e).split(this, newTab, j, oldCap);
else { // preserve order
// 拆鏈表，拆成兩個子鏈表並保持原有順序
Node<K,V> loHead = null, loTail = null;
Node<K,V> hiHead = null, hiTail = null;
Node<K,V> next;
do {
next = e.next;
// 原位置不變的子鏈表
if ((e.hash & oldCap) == 0) {
if (loTail == null)
loHead = e;
else
loTail.next = e;
loTail = e;
}
// 原位置偏移 oldCap 的子鏈表
else {
if (hiTail == null)
hiHead = e;
else
hiTail.next = e;
hiTail = e;
}
} while ((e = next) != null);
// 放到新的哈希桶中
if (loTail != null) {
loTail.next = null;
newTab[j] = loHead;
}
if (hiTail != null) {
hiTail.next = null;
newTab[j + oldCap] = hiHead;
}
}
}
}
}
return newTab;
}
在重新計算鏈表中元素位置時，只可能得到兩個子鏈表：索引不變的元素鏈表和有相同偏移量的元素鏈表。在構造子鏈表的過程中，使用頭節點和尾節點，保證了拆分后的有序性：
查看 TreeNode.split() 方法發現，紅黑樹拆分的邏輯和鏈表一樣，只不過在拆分完成后，會根據子鏈表的長度做以下處理：
- 長度小於 6，返回一個不包含 TreeNode 的普通鏈表
- 否則，把子鏈表轉為紅黑樹
紅黑樹之所以能夠按照鏈表的邏輯拆分，是因為鏈表在轉紅黑樹時，保留了原鏈表的鏈條引用，這樣也方便了遍歷操作。
7. 鏈表轉紅黑樹
鏈表轉紅黑樹主要做了以下幾件事：
- 判斷桶容量是否達到樹化的最低要求，否則進行擴容
- 將原鏈表轉為由 TreeNode 組成的雙向鏈表
- 將新鏈表轉為紅黑樹
代碼如下：
final void treeifyBin(Node<K,V>[] tab, int hash) {
int n, index; Node<K,V> e;
// 如果哈希桶容量小於樹化的最小容量，優先進行擴容
if (tab == null || (n = tab.length) < MIN_TREEIFY_CAPACITY)
resize();
else if ((e = tab[index = (n - 1) & hash]) != null) {
TreeNode<K,V> hd = null, tl = null;
do { // 將普通節點轉為樹形節點
TreeNode<K,V> p = replacementTreeNode(e, null);
if (tl == null)
hd = p;
else {
p.prev = tl;
tl.next = p;
}
tl = p;
// 把原來的單鏈表轉成了雙向鏈表
} while ((e = e.next) != null);
if ((tab[index] = hd) != null)
hd.treeify(tab); // 將鏈表轉為紅黑樹
}
}
TreeNode<K,V> replacementTreeNode(Node<K,V> p, Node<K,V> next) {
return new TreeNode<>(p.hash, p.key, p.value, next);
}
HashMap 在設計時應該沒有考慮后期會引入紅黑樹，所以沒有提供 key 的比較器或要求 key 實現 Comparable 接口。為了比較兩個 key 的大小，HashMap 按以下步驟處理：
- 如果兩個 key 的 hash 值不等，則比較 hash 值大小
- 如果相等，若 key 實現了 Comparable 接口，使用 compareTo 方法比較
- 如果結果還是相等，使用自定義的 tieBreakOrder 方法比較，邏輯如下
static int tieBreakOrder(Object a, Object b) {
int d;
if (a == null || b == null || // 比較 className 的大小
(d = a.getClass().getName().compareTo(b.getClass().getName())) == 0)
// 比較由本地方法生成的 hash 值大小，仍然有可能沖突，幾率太小，此時認為是小於的結果
d = (System.identityHashCode(a) <= System.identityHashCode(b) ? -1 : 1);
return d;
}
8. 小結
JDK8 中的 HashMap 代碼還是比較復雜的，優化方面主要有以下三點：
- 優化 hash 算法只進行一次位移操作
- 引入紅黑樹，在沖突比較嚴重的情況下，將 get 操作的時間復雜從 O(n) 降為了 O(logn)
- 擴容時，利用 2 的次冪數值的二進制特點，既省去重新計算 hash 的時間，又把之前沖突的節點散列到了其他位置
此外，HashMap 是非線程安全的，線程間的競爭條件主要是發生沖突或擴容時，鏈表的斷鏈和續鏈操作。擴容也就意味着內存拷貝，這是一個很耗費性能的操作，所以預分配一個足夠大的初始容量，減少擴容的次數，能夠讓 HashMap 有更好的表現。