Java集合分析之Map-从HashMap说起

严格来说，Map 并非集合，而是一个键值对的映射。但是 Map 却可以从某些角度被当作集合。Map 当中，最常用的就是 HashMap ，其余几种实现基本都和 HashMap 有关系或者原理一致。

注：本文基于jdk_1.8.0_144

内部结构

总览

HashMap 的内部元素是由一个数组存放，数组类型为 HashMap.Node ，是一个链表。其中，元素所有数组的位置，由 Key 的 hashcode 决定。当然，数组长度有限，hash 值也会有碰撞，如果产生 hash 碰撞，则存于同一个数组下标中，并添加至链表。也就是说，HashMap 的内部实现是，数组+链表。另外，自 JDK1.8 ，对于同一个数组下标位置，如果链表长度过长，会将链表的二叉树转成红黑树（平衡二叉树）。即：

数组 + 链表 + 红黑树

主要成员变量

主要成员变量如下：

// 默认初始容量16
static final int DEFAULT_INITIAL_CAPACITY = 1 << 4; // aka 16
// 最大容量
static final int MAXIMUM_CAPACITY = 1 << 30;
// 默认负载因子0.75
static final float DEFAULT_LOAD_FACTOR = 0.75f;
// 链表转成红黑树的长度临界值
static final int TREEIFY_THRESHOLD = 8;
// 红黑树转成链表的长度临界值
static final int UNTREEIFY_THRESHOLD = 6;
// 转化红黑树的最小数组长度，数组长度太小不会转化红黑树的
static final int MIN_TREEIFY_CAPACITY = 64;
// 存放链表的数组
transient Node<K,V>[] table;
// 键值对数量
transient int size;
// 修改次数
transient int modCount;
// 扩容阀值 capacity * load factor
int threshold;
// 负载因子，初始化未赋值则使用 DEFAULT_LOAD_FACTOR
final float loadFactor;

其中，Node 的结构如下，是一个带有 hash 值及键值对的链表：

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

当链表转化成红黑对的时候，结构如下，LinkedHashMap.Entry 是上面 Node 的子类：

static final class TreeNode<K,V> extends LinkedHashMap.Entry<K,V> {
     TreeNode<K,V> parent;  // red-black tree links
     TreeNode<K,V> left;
     TreeNode<K,V> right;
     TreeNode<K,V> prev;    // needed to unlink next upon deletion
     boolean red;
}

构造器

默认构造器会在初始化的时候，指定加载因子为默认加载因子0.75，容量为0。

1
2
3

public HashMap() {
    this.loadFactor = DEFAULT_LOAD_FACTOR;
}

当然，一般我们建议在初始化的时候，能根据情况指定初始容量。

public HashMap(int initialCapacity) {
    this(initialCapacity, DEFAULT_LOAD_FACTOR);
}

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);
}

可以看出，如果指定了初始容量，会进行容量的重计算，保证初始容量是2的N次方。

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;
}

那么这个算法是怎么保证得到的是2的N次方的呢？

对于容量 cap ，在转化成二进制之后，总会找到第一个 1 ，如 01xxxxxx
在和自身右移一位做或运算之后，能保证第一个 1 的后面一位也是 1 ，这样就有连续的两位是 1 了，即 01xxxxxx | 001xxxxx = 011xxxxx
同理，依次做或运算之后，能保证最高是 1 的那一位之后的所有位都是 1 ，即 011xxxxx | 00011xxx = 01111xxx ，直至得到 01111111
最后，再进行 n + 1 就得到了大于当前数的下一个2的N次方
第一步的 n = cap - 1 是为了让本身是2的N次方的数，得到的结果还是自己

hash 值计算及索引定位

HashMap 在进行 put 和 get 操作时，是把键值对放至 table 数组的特定下标位。

其中索引位置是这样计算出来的：

1 2	int n = table.length int index = (n - 1) & hash

其中，hash 是将 key 通过下面的方法算出来的。

static final int hash(Object key) {
    int h;
    return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}

那么问题来了，hash 值为什么要这样算？索引计算到底表示什么意义？

索引计算

通过上面我们知道，HashMap 的数组容量大小始终是2的N次方。n 表示的数组的长度，所以 n - 1 得到的二进制，后面的值一定是连续的 1 ，在与 hash 做与运算之后，得到的实际是 hash 对 n 的取余。

如，某数对16取余：

0100 1110 1101 0011
0000 0000 0000 1111
——————————
0000 0000 0000 0011

所以，(n - 1) & hash == hash % n 。当然，这是有前提的，n 必须为2的N次方。

hash 值计算

我们明明可以直接用 key.hashCode() ，为什么还要做个异或操作呢？

由于 HashMap 的 Key 的 hashCode() 方法是不确定的，所以，某些自定义类型的 Key ，有可能会得到一些尾数具有重复性的 hashcode 。这时候，将 hashcode 的高16位与低16位进行异或，就会减少 hash 碰撞。

put 操作

借用一张来自美团的图，put 流程如下：

还是对照下源码来对照理解吧。

public V put(K key, V value) {
    return putVal(hash(key), key, value, false, true);
}
/**
 * put 方法具体调用
 *
 * @param key 计算出来的 hash 值
 * @param key key
 * @param value value
 * @param onlyIfAbsent 如果true，则不替换原来的值
 * @param evict LinkedHashMap 才用到.
 * @return 返回 null 或者替换前的值
 */
final V putVal(int hash, K key, V value, boolean onlyIfAbsent, boolean evict) {
    Node<K,V>[] tab; Node<K,V> p; int n, i;
    // table 为空或者长度为0，进行扩容操作
    if ((tab = table) == null || (n = tab.length) == 0)
        n = (tab = resize()).length;
    // 如果当前索引位没有值，则添加新链表
    if ((p = tab[i = (n - 1) & hash]) == null)
        tab[i] = newNode(hash, key, value, null);
  
    // 如果当前索引有值了，说明hash碰撞了
    else {
        Node<K,V> e; K k;
        // p 是该索引位置的链表的第一个节点
        // hash 值相等，key 又相等，说明是同一个key, 替换value
        if (p.hash == hash && ((k = p.key) == key || (key != null && key.equals(k))))
            e = p;
        // 如果是红黑树，进行红黑树的操作
        else if (p instanceof TreeNode)
            e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
        // 不是红黑树，key 之前又不存在
        else {
            for (int binCount = 0; ; ++binCount) {
                // p.next == null 说明是最后一个节点了
                if ((e = p.next) == null) {
                    p.next = newNode(hash, key, value, null);
                    // 链表长度大于8，转化成红黑树操作
                    // 如果tab.length 达不到 MIN_TREEIFY_CAPACITY，是不会转化的
                    // -1 是因为上面已经排除了首节点了
                    if (binCount >= TREEIFY_THRESHOLD - 1)
                        treeifyBin(tab, hash);
                    break;
                }
                // 在非首节点中已存在，则替换value
                if (e.hash == hash && ((k = e.key) == key || (key != null && key.equals(k))))
                    break;
                p = e;
            }
        }
        // e 是上面操作，得到的key存在的那个节点，不为null则说明存在，已存在则替换value
        if (e != null) { // existing mapping for key
            V oldValue = e.value;
            if (!onlyIfAbsent || oldValue == null)
                e.value = value;
            afterNodeAccess(e);
            return oldValue;
        }
    }
    ++modCount;
    //增加size，并判断是否要扩容，size 大于扩容阀值，则要扩容
    if (++size > threshold)
        resize();
    //这个方法在LinkedHashMap中有实现
    afterNodeInsertion(evict);
    return null;
}

注：红黑树本文不讨论是怎么实现的，头大。

get 操作

public V get(Object key) {
    Node<K,V> e;
    return (e = getNode(hash(key), key)) == null ? null : e.value;
}
/**
 * get 方法具体调用
 *
 * @param hash key 的 hash 值
 * @param key key
 * @return null 或者 key 所在的节点
 */
final Node<K,V> getNode(int hash, Object key) {
    Node<K,V>[] tab; Node<K,V> first, e; int n; K k;
    // 数组有值且指定下标位有值，这样才有可能存在，否则就返回null
    if ((tab = table) != null && (n = tab.length) > 0 &&
            (first = tab[(n - 1) & hash]) != null) {
        // 首节点key就对了
        if (first.hash == hash && ((k = first.key) == key || (key != null && key.equals(k))))
            return first;
        if ((e = first.next) != null) {
            // 如果是红黑树，则从红黑对查找
            if (first instanceof TreeNode)
                return ((TreeNode<K,V>)first).getTreeNode(hash, key);
            // 遍历链表所有节点查找
            do {
                if (e.hash == hash && ((k = e.key) == key || (key != null && key.equals(k))))
                    return e;
            } while ((e = e.next) != null);
        }
    }
    return null;
}

这里面有个不大不小的坑，如果 key 的设计和使用不当，会引起不必要的bug：在查找数据的时候，是直接去指定下标进行查找的，如果当前索引查找不到，则返回结果为 null 。

看起来好像没毛病，那么下面这种情况呢？

// hashcode 有问题的类
public class User {
    private String username;
    private Integer age;

    @Override
    public int hashCode() {
        return age;
    }
}
// 测试 key 的 hash 会变
public class Test {
    public static void main(String[] args) {
        Map<User, String> testMap = new HashMap<User, String>();
        User user = new User();
        user.setUsername("Tom");
        user.setAge(18);
        testMap.put(user, user.getUsername() + " is a good child");
        System.out.println("exists : " + testMap.get(user));

        user.setAge(22);
        System.out.println("exists : " + testMap.get(user));
    }
}

输出结果很明显，同一个 key ，后来查找不到了：

exists : Tom is a good child
exists : null

resize 扩容

final Node<K,V>[] resize() {
    // 旧数据的备份
    Node<K,V>[] oldTab = table;
    int oldCap = (oldTab == null) ? 0 : oldTab.length;
    int oldThr = threshold;
    int newCap, newThr = 0;
  
    // 新数组长度与扩阀值的计算
    if (oldCap > 0) {
        // 数组长度不得大于定义的最大值
        if (oldCap >= MAXIMUM_CAPACITY) {
            threshold = Integer.MAX_VALUE;
            return oldTab;
        }
        // 扩容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
        newCap = oldThr;
    else {               // zero initial threshold signifies using defaults
        newCap = DEFAULT_INITIAL_CAPACITY;
        // 扩容阀值是 数组长度 * 负载因子
        newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);
    }
    if (newThr == 0) {
        // 扩容阀值是 数组长度 * 负载因子
        float ft = (float)newCap * loadFactor;
        newThr = (newCap < MAXIMUM_CAPACITY && ft < (float)MAXIMUM_CAPACITY ?
                  (int)ft : Integer.MAX_VALUE);
    }
    // 至此计算出了新的扩容阀值和新数组长度
    threshold = newThr;
  
    //索引重排部分
    @SuppressWarnings({"rawtypes","unchecked"})
    Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap];
    table = newTab;
    if (oldTab != null) {
        // 遍历数组
        for (int j = 0; j < oldCap; ++j) {
            Node<K,V> e;
            if ((e = oldTab[j]) != null) {
                // 释放旧引用
                oldTab[j] = null;
                // 链表只有一个节点，直接找到索引位置
                if (e.next == null)
                    newTab[e.hash & (newCap - 1)] = e;
                // 红黑树的特殊处理，不讨论
                else if (e instanceof TreeNode)
                    ((TreeNode<K,V>)e).split(this, newTab, j, oldCap);
                // 链表有多个节点
                else { // preserve order
                    Node<K,V> loHead = null, loTail = null;
                    Node<K,V> hiHead = null, hiTail = null;
                    Node<K,V> next;
                    // 遍历链表的所有节点
                    do {
                        next = e.next;
                        // if 和 else 将原一个链表拆分为两个链表，此处是精髓，下面详解
                        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);
                    // 一个链表保持原来的索引位置
                    if (loTail != null) {
                        loTail.next = null;
                        newTab[j] = loHead;
                    }
                    // 一个链表放到 j + oldCap 位置
                    if (hiTail != null) {
                        hiTail.next = null;
                        newTab[j + oldCap] = hiHead;
                    }
                }
            }
        }
    }
    return newTab;
}

前文说的下面几点很重要：

存放元素的数组，容量永远是2的N次方
元素存放在数组中的索引位置，实际是 hash 对数组容量进行取余
之所以是等效于取余，是因为 hash 的尾部与 1 做 & 运算会保持原来的值

对于链表只有一个节点的情况，直接查找索引位置重定位就可以了；而如果链表有多个节点的话，难道所有的节点都重新计算一下索引位置吗？并不是这样的，按照源码可以看出是这样子的：

如果 (e.hash & oldCap) == 0 ，重组一个新链表 A
如果 (e.hash & oldCap) != 0 ，再组一个新链表 B
新链表 A ，索引位置是原位置
新链表 B ，索引位置是原位置 + 旧2的N次方

那么问题来了，为什么一个链表要拆成两个？为什么索引位置只有这两个位置，而不需要全部重新计算？通过上面说的几点可以解答：（ n 指扩容前数组大小）

数组扩容后，大小是原来的2倍，索引位置仍然是进行取余操作，只不过是对 2n 取余
同一个数字，由对 n 取余，变成对 2n 取余后，结果要么不变，要么变了；如果变了，只有一种可能，就是加大了 n
什么情况下会加大 n 呢，通过前面描述的取余是与 1 对应位做与操作，oldCap 是2的N次方，可以得出结论： (e.hash & oldCap) == 0 时，说明原来的 hash 的低N位上的二进制数字是 0 ，所以索引位置不变；同理，(e.hash & oldCap) != 0 ，说明原来的 hash 的低N位上的数字是 1 ，新索引位置要加 oldCap 了

线程安全性

HashMap 是个非线程安全的类，所以，在多线程情况下，应尽量避免直接使用 HashMap ，换成 ConcurrentHashMap 或者 Collections.synchronizedMap(hashmap) 。为什么说 HashMap 非线程安全呢？

resize() 造成死循环

参考：疫苗：JAVA HASHMAP的死循环

其实，这个问题在 JDK1.8 已经被修复了 。死循环的原因是 resize() 时链表的倒序引起的，但是在 JDK1.8 中，插入元素并会再插入链表头部了，resize() 时也不会倒排了。

put 时某线程被覆盖

举个例子，在上述的 put操作 部分，有一行源码如下：

1	tab[i] = newNode(hash, key, value, null);

比如，两个线程同时走到这里，分别执行此行代码，就会有一个线程的数据丢了。

modCount 相关的 fail-fast

关于 modCount ，之前的一篇文章中有提过，参考这里：modCount 是干什么的

在 Map 中也有同样的机制，在进行某些操作的时候，会检查 modCount 。如果 modCount 与预期不一样，就会抛 ConcurrentModificationException 。

所以，如果同时有两个线程操作同一个 HashMap ，一个线程在遍历，一个线程在 put 。这个时候就有可能导致 modCount 校验不通过，从而引起异常。这显然不是我们想要的结果，不符合我们的预期。

总结

HashMap 实际是 数组 + 链表 + 红黑树
HashMap 键可以为 null ，值也可以为 null
HashMap 在查找值的时候，是根据 key 的 hash 来确定位置的，所以，key 一定尽可能用不可变类。一旦 put 后再改变 key 的 hash ，就会出现 get 不到结果的情况
数组容量一定是2的N次方，默认负载因子0.75，尽量不要动
扩容消耗很大，所以初始化的时候尽量指定一个合适的容量
HashMap 非线程安全，多线程下请使用 ConcurrentHashMap 或者 Collections.synchronizedMap
JDK1.8 中引入了红黑树，在 hash 冲突高及元素数量特殊大的时候，效率高。