Java：HashMap的实现原理（JDK1.8）
1. hashmap概述：
hashmap是基于哈希表的map接口的非同步实现。此实现提供所有可选的映射操作，并允许使用null值和null键。此类不保证映射的顺序，特别是它不保证该顺序恒久不变。
2. hashmap的数据结构：
在java编程语言中，最基本的结构就是两种，一个是数组，另外一个是模拟指针（引用），所有的数据结构都可以用这两个基本结构来构造的，hashmap也不例外。hashmap实际上是一个“链表散列”的数据结构，即数组和链表的结合体。
从上图中可以看出，hashmap底层就是一个数组结构，数组中的每一项又是一个链表。当新建一个hashmap的时候，就会初始化一个数组。
源码如下：
1 /**
2 * the table, resized as necessary. length must always be a power of two.
3 */
4 transient node<k, v>[] table;
5
6 static class node<k,v> implements entry<k, v> {
7 final k key;
8 v value;
9 node<k, v> next;
10 final int hash;
11 ……
12 }
可以看出，node就是数组中的元素，每个node其实就是一个key-value对，它持有一个指向下一个元素的引用，这就构成了链表。
3. hashmap的存取实现：
1) 存储：
1、对key求hash值，然后再计算下标
2、如果没有碰撞，直接放入桶中（碰撞的意思是计算得到的hash值相同，需要放到同一个bucket中）
3、如果碰撞了，以链表的方式链接到后面
4、如果链表长度超过阀值( treeify threshold==8)，就把链表转成红黑树
5、如果节点已经存在就替换旧值
6、如果桶满了(容量16*加载因子0.75)，就需要 resize（扩容2倍后重排）
1 final v putval(final int n, final k k, final v value, final boolean b, final boolean b2) {
2 node<k, v>[] array;
3 int n2;
4 if ((array = this.table) == null || (n2 = array.length) == 0) {
5 n2 = (array = this.resize()).length;
6 }
7 final int n3;
8 node<k, v> node;
9 if ((node = array[n3 = (n2 - 1 & n)]) == null) {
10 array[n3] = this.newnode(n, k, value, null);
11 }
12 else {
13 node<k, v> node2 = null;
14 label_0222: {
15 final k key;
16 if (node.hash == n && ((key = node.key) == k || (k != null && k.equals(key)))) {
17 node2 = node;
18 }
19 else if (node instanceof treenode) {
20 node2 = ((treenode<k, v>)node).puttreeval(this, array, n, k, value);
21 }
22 else {
23 int n4;
24 for (n4 = 0; (node2 = node.next) != null; node = node2, ++n4) {
25 if (node2.hash == n) {
26 final k key2;
27 if ((key2 = node2.key) == k) {
28 break label_0222;
29 }
30 if (k != null && k.equals(key2)) {
31 break label_0222;
32 }
33 }
34 }
35 node.next = (node<k, v>)this.newnode(n, (k)k, (v)value, (node<k, v>)null);
36 if (n4 >= 7) {
37 this.treeifybin(array, n);
38 }
39 }
40 }
41 if (node2 != null) {
42 final v value2 = node2.value;
43 if (!b || value2 == null) {
44 node2.value = value;
45 }
46 this.afternodeaccess(node2);
47 return value2;
48 }
49 }
50 ++this.modcount;
51 if (++this.size > this.threshold) {
52 this.resize();
53 }
54 this.afternodeinsertion(b2);
55 return null;
56 }
当系统决定存储hashmap中的key-value对时，完全没有考虑entry中的value，仅仅只是根据key来计算并决定每个entry的存储位置。我们完全可以把 map 集合中的 value 当成 key 的附属，当系统决定了 key 的存储位置之后，value 随之保存在那里即可。
我们可以看到在hashmap中要找到某个元素，需要根据key的hash值来求得对应数组中的位置。如何计算这个位置就是hash算法。前面说过hashmap的数据结构是数组和链表的结合，所以我们当然希望这个hashmap里面的元素位置尽量的分布均匀些，尽量使得每个位置上的元素数量只有一个，那么当我们用hash算法求得这个位置的时候，马上就可以知道对应位置的元素就是我们要的，而不用再去遍历链表。 所以我们首先想到的就是把hashcode对数组长度取模运算，这样一来，元素的分布相对来说是比较均匀的。但是，“模”运算的消耗还是比较大的，能不能找一种更快速，消耗更小的方式
1 static final int hash(final object o) {
2 int n;
3 if (o == null) {
4 n = 0;
5 }
6 else {
7 final int hashcode = o.hashcode();
8 n = (hashcode ^ hashcode >>> 16);
9 }
10 return n;
11 }
简单来说就是：高16bt不变，低16bit和高16bit做了一个异或(得到的hashcode转化为32位的二进制，前16位和后16位低16bit和高16bit做了一个异或)
对于任意给定的对象，只要它的 hashcode() 返回值相同，那么程序调用 hash(int h) 方法所计算得到的 hash 码值总是相同的。
1 public int hashcode() {
2 int h = this.hash;
3 int len = this.value.length;
4 if (h == 0 && len > 0) {
5 char[] s = this.value;
6 for (int i = 0; i < len; ++i) {
7 h = 31 * h + s[i];
8 }
9 //s[0]*31^(len-1) + s[1]*31^(len-2) + ... + s[len-1]
10 this.hash = h;
11 }
12 return h;
13 }
我们首先想到的就是把hash值对数组长度取模运算，这样一来，元素的分布相对来说是比较均匀的。但是，“模”运算的消耗还是比较大的，在hashmap中是这样做的：
n3 = (n2 - 1 & n)
这个方法非常巧妙，它通过 array.length - 1 & h 来得到该对象的保存位，而hashmap底层数组的长度总是 2 的 n 次方，这是hashmap在速度上的优化。在 hashmap 构造器中有如下代码：
1 static final int tablesizefor(final int n) {
2 final int n2 = n - 1;
3 final int n3 = n2 | n2 >>> 1;
4 final int n4 = n3 | n3 >>> 2;
5 final int n5 = n4 | n4 >>> 4;
6 final int n6 = n5 | n5 >>> 8;
7 final int n7 = n6 | n6 >>> 16;
8 return (n7 < 0) ? 1 : ((n7 >= 1073741824) ? 1073741824 : (n7 + 1));
9 }
先把容量减一，然后将容量的二进制数为1的位，后1、2、4、8、16位分别置1。最终n7的二进制数即是n2的二进制数最高为1，其后补1的数。
这段代码保证初始化时hashmap的容量总是2的n次方，即底层数组的长度总是为2的n次方（1~2^30）。
当length总是 2 的n次方时，h& (length-1)运算等价于对length取模，也就是h%length，但是&比%具有更高的效率。
这看上去很简单，其实比较有玄机的，我们举个例子来说明：
假设数组长度分别为15和16，优化后的hash码分别为8和9，那么&运算后的结果如下：
h & (table.length-1) hash table.length-1
8 & (15-1)： 0100 & 1110 = 0100
9 & (15-1)： 0101 & 1110 = 0100
-----------------------------------------------------------------------------------------------------------------------
8 & (16-1)： 0100 & 1111 = 0100
9 & (16-1)： 0101 & 1111 = 0101
从上面的例子中可以看出：当它们和15-1（1110）“与”的时候，产生了相同的结果，也就是说它们会定位到数组中的同一个位置上去，这就产生了碰撞，8和9会被放到数组中的同一个位置上形成链表，那么查询的时候就需要遍历这个链表，得到8或者9，这样就降低了查询的效率。同时，我们也可以发现，当数组长度为15的时候，hash值会与15-1（1110）进行“与”，那么 最后一位永远是0，而0001，0011，0101，1001，1011，0111，1101这几个位置永远都不能存放元素了，空间浪费相当大，更糟的是这种情况中，数组可以使用的位置比数组长度小了很多，这意味着进一步增加了碰撞的几率，减慢了查询的效率！而当数组长度为16时，即为2的n次方时，2n-1得到的二进制数的每个位上的值都为1，这使得在低位上&时，得到的和原hash的低位相同，就使得只有相同的hash值的两个值才会被放到数组中的同一个位置上形成链表。
所以说，当数组长度为2的n次幂的时候，不同的key算得得index相同的几率较小，那么数据在数组上分布就比较均匀，也就是说碰撞的几率小，相对的，查询的时候就不用遍历某个位置上的链表，这样查询效率也就较高了。
根据上面 put 方法的源代码可以看出，当程序试图将一个key-value对放入hashmap中时，程序首先根据该 key 的 hashcode() 返回值决定该 node 的存储位置：如果两个 node 的 key 的 hashcode() 返回值相同，那它们的存储位置相同。如果这两个 node 的 key 通过 equals 比较返回 true，新添加 node 的 value 将覆盖集合中原有 node 的 value，但key不会覆盖。如果这两个 node 的 key 通过 equals 比较返回 false，新添加的 node 将与集合中原有 node 形成 node 链。
2) 读取：
1 final node<k, v> getnode(final int n, final object o) {
2 final node<k, v>[] table;
3 final int length;
4 final node<k, v> node;
5 if ((table = this.table) != null && (length = table.length) > 0 && (node = table[length - 1 & n]) != null) {
6 final k key;
7 if (node.hash == n && ((key = node.key) == o || (o != null && o.equals(key)))) {
8 return node;
9 }
10 node<k, v> node2;
11 if ((node2 = node.next) != null) {
12 if (node instanceof treenode) {
13 return ((treenode<k, v>)node).gettreenode(n, o);
14 }
15 k key2;
16 while (node2.hash != n || ((key2 = node2.key) != o && (o == null || !o.equals(key2)))) {
17 if ((node2 = node2.next) == null) {
18 return null;
19 }
20 }
21 return node2;
22 }
23 }
24 return null;
25 }
有了上面存储时的hash算法作为基础，理解起来这段代码就很容易了。从上面的源代码中可以看出：从hashmap中get元素时，首先计算key的hashcode，找到数组中对应位置的某一元素，然后通过key的equals方法在对应位置的链表中找到需要的元素。
3) 归纳起来简单地说，hashmap 在底层将 key-value 当成一个整体进行处理，这个整体就是一个 node 对象。hashmap底层采用一个 node [] 数组来保存所有的 key-value 对，当需要存储一个 node 对象时，会根据hash算法来决定其在数组中的存储位置，在根据equals方法决定其在该数组位置上的链表中的存储位置；当需要取出一个node 时，也会根据hash算法找到其在数组中的存储位置，再根据equals方法从该位置上的链表中取出该node。
4. hashmap的resize（rehash）：
当hashmap中的元素越来越多的时候，hash冲突的几率也就越来越高，因为数组的长度是固定的。所以为了提高查询的效率，就要对hashmap的数组进行扩容，数组扩容这个操作也会出现在arraylist中，这是一个常用的操作，而在hashmap数组扩容之后，最消耗性能的点就出现了：原数组中的数据必须重新计算其在新数组中的位置，并放进去，这就是resize。
那么hashmap什么时候进行扩容呢？当hashmap中的元素个数超过数组大小*loadfactor时，就会进行数组扩容，loadfactor的默认值为0.75，这是一个折中的取值。也就是说，默认情况下，数组大小为16，那么当hashmap中元素个数超过16*0.75=12的时候，就把数组的大小扩展为 2*16=32，即扩大一倍，然后重新计算每个元素在数组中的位置，而这是一个非常消耗性能的操作，所以如果我们已经预知hashmap中元素的个数，那么预设元素的个数能够有效的提高hashmap的性能。比如说，我们有1000个元素new hashmap(1000), 但是理论上来讲new hashmap(1024)更合适，不过上面已经说过，即使是1000，hashmap也自动会将其设置为1024。 但是new hashmap(1024)还不是更合适的，因为0.75*1024 < 1000, 也就是说为了让0.75 * size > 1000, 我们必须这样new hashmap(2048)才最合适，既考虑了&的问题，也避免了resize的问题。
5. hashmap的性能参数：
hashmap 包含如下几个构造器：
hashmap()：构建一个初始容量为 16，负载因子为 0.75 的 hashmap。
hashmap(int initialcapacity)：构建一个初始容量为 initialcapacity，负载因子为 0.75 的 hashmap。
hashmap(int initialcapacity, float loadfactor)：以指定初始容量、指定的负载因子创建一个 hashmap。
hashmap的基础构造器hashmap(int initialcapacity, float loadfactor)带有两个参数，它们是初始容量initialcapacity和加载因子loadfactor。
initialcapacity：hashmap的最大容量，即为底层数组的长度。
loadfactor：负载因子loadfactor定义为：散列表的实际元素数目(n)/ 散列表的容量(m)。
负载因子衡量的是一个散列表的空间的使用程度，负载因子越大表示散列表的装填程度越高，反之愈小。对于使用链表法的散列表来说，查找一个元素的平均时间是o(1+a)，因此如果负载因子越大，对空间的利用更充分，然而后果是查找效率的降低；如果负载因子太小，那么散列表的数据将过于稀疏，对空间造成严重浪费。
hashmap的实现中，通过threshold字段来判断hashmap的最大容量：
1 this.threshold = tablesizefor(n);
结合tablesizefor函数代码可知，threshold就是在此loadfactor和capacity对应下允许的最大元素数目，超过这个数目就重新resize，以降低实际的负载因子。默认的的负载因子0.75是对空间和时间效率的一个平衡选择。当容量超出此最大容量时， resize后的hashmap容量是容量的两倍：
1 final float n = size / this.loadfactor + 1.0f;
2 final int n2 = (n < 1.07374182e9f) ? ((int)n) : 1073741824;
3 if (n2 > this.threshold) {
4 this.threshold = tablesizefor(n2);
5 }
6. fail-fast机制：
我们知道java.util.hashmap不是线程安全的，因此如果在使用迭代器的过程中有其他线程修改了map，那么将抛出concurrentmodificationexception，这就是所谓fail-fast策略。
这一策略在源码中的实现是通过modcount域，modcount顾名思义就是修改次数，对hashmap内容的修改都将增加这个值，那么在迭代器初始化过程中会将这个值赋给迭代器的expectedmodcount。
1 hashiterator() {
2 this.expectedmodcount = hashmap.this.modcount;
3 final node<k, v>[] table = hashmap.this.table;
4 final node<k, v> node = null;
5 this.next = node;
6 this.current = node;
7 this.index = 0;
8 if (table != null && hashmap.this.size > 0) {
9 while (this.index < table.length && (this.next = table[this.index++]) == null) {}
10 }
11 }
在迭代过程中，判断modcount跟expectedmodcount是否相等，如果不相等就表示已经有其他线程修改了map。
1 final node<k, v> nextnode() {
2 final node<k, v> next = this.next;
3 if (hashmap.this.modcount != this.expectedmodcount) {
4 throw new concurrentmodificationexception();
5 }
6 ...
7 }
在hashmap的api中指出：
由所有hashmap类的“collection 视图方法”所返回的迭代器都是快速失败的：在迭代器创建之后，如果从结构上对映射进行修改，除非通过迭代器本身的 remove 方法，其他任何时间任何方式的修改，迭代器都将抛出 concurrentmodificationexception。因此，面对并发的修改，迭代器很快就会完全失败，而不冒在将来不确定的时间发生任意不确定行为的风险。
注意，迭代器的快速失败行为不能得到保证，一般来说，存在非同步的并发修改时，不可能作出任何坚决的保证。快速失败迭代器尽最大努力抛 concurrentmodificationexception。因此，编写依赖于此异常的程序的做法是错误的，正确做法是：迭代器的快速失败行为应该仅用于检测程序错误。
1.转载注明：
2.本文为个人笔记、心得，可能引用其它文章，所以博客只在私自范围内供大家学习参考。
参考博文：
上一篇： Class文件和JVM的恩怨情仇
下一篇： 什么是百度指数，手把手教你玩转百度指数