面试必备：HashMap源码解析（JDK8）

搜云库互联网/架构/开发/运维一、前言

在分析jdk1.8后的HashMap源码时，发现网上好多分析都是基于之前的jdk，而Java8的HashMap对之前做了较大的优化，其中最重要的一个优化就是桶中的元素不再唯一按照链表组合，也可以使用红黑树进行存储，总之，目标只有一个，那就是在安全和功能性完备的情况下让其速度更快，提升性能。好~下面就开始分析源码。

二、HashMap数据结构

说明：上图很形象的展示了HashMap的数据结构（数组+链表+红黑树），桶中的结构可能是链表，也可能是红黑树，红黑树的引入是为了提高效率。所以可见，在分析源码的时候我们不知不觉就温习了数据结构的知识点，一举两得。

三、HashMap源码分析

3.1 类的继承关系

1. public class HashMap<K,V> extends AbstractMap<K,V> implements Map<K,V>, Cloneable, Serializable

可以看到HashMap继承自父类（AbstractMap），实现了Map、Cloneable、Serializable接口。其中，Map接口定义了一组通用的操作；Cloneable接口则表示可以进行拷贝，在HashMap中，实现的是浅层次拷贝，即对拷贝对象的改变会影响被拷贝的对象；Serializable接口表示HashMap实现了序列化，即可以将HashMap对象保存至本地，之后可以恢复状态。

3.2 类的属性

1. public class HashMap<K,V> extends AbstractMap<K,V> implements Map<K,V>, Cloneable, Serializable {

2.    // 序列号

3.    private static final long serialVersionUID = 362498820763181265L;  

4.    // 默认的初始容量是16

5.    static final int DEFAULT_INITIAL_CAPACITY = 1 << 4;  

6.    // 最大容量

7.    static final int MAXIMUM_CAPACITY = 1 << 30;

8.    // 默认的填充因子

9.    static final float DEFAULT_LOAD_FACTOR = 0.75f;

10.    // 当桶(bucket)上的结点数大于这个值时会转成红黑树

11.    static final int TREEIFY_THRESHOLD = 8;

12.    // 当桶(bucket)上的结点数小于这个值时树转链表

13.    static final int UNTREEIFY_THRESHOLD = 6;

14.    // 桶中结构转化为红黑树对应的table的最小大小

15.    static final int MIN_TREEIFY_CAPACITY = 64;

16.    // 存储元素的数组，总是2的幂次倍

17.    transient Node<k,v>[] table;

18.    // 存放具体元素的集

19.    transient Set<map.entry<k,v>> entrySet;

20.    // 存放元素的个数，注意这个不等于数组的长度。

21.    transient int size;

22.    // 每次扩容和更改map结构的计数器

23.    transient int modCount;  

24.    // 临界值 当实际大小(容量*填充因子)超过临界值时，会进行扩容

25.    int threshold;

26.    // 填充因子

27.    final float loadFactor;

28. }

说明：类的数据成员很重要，以上也解释得很详细了，其中有一个参数MINTREEIFYCAPACITY，笔者暂时还不是太清楚，有读者知道的话欢迎指导。

3.3 类的构造函数

1. HashMap(int, float)型构造函数

1. public HashMap(int initialCapacity, float loadFactor) {

2.    // 初始容量不能小于0，否则报错

3.    if (initialCapacity < 0)

4.        throw new IllegalArgumentException("Illegal initial capacity: " +

5.                                            initialCapacity);

6.    // 初始容量不能大于最大值，否则为最大值

7.    if (initialCapacity > MAXIMUM_CAPACITY)

8.        initialCapacity = MAXIMUM_CAPACITY;

9.    // 填充因子不能小于或等于0，不能为非数字

10.    if (loadFactor <= 0 || Float.isNaN(loadFactor))

11.        throw new IllegalArgumentException("Illegal load factor: " +

12.                                            loadFactor);

13.    // 初始化填充因子                                        

14.    this.loadFactor = loadFactor;

15.    // 初始化threshold大小

16.    this.threshold = tableSizeFor(initialCapacity);    

17. }

说明：tableSizeFor(initialCapacity)返回大于等于initialCapacity的最小的二次幂数值。

1. static final int tableSizeFor(int cap) {

2.        int n = cap - 1;

3.        n |= n >>> 1;

4.        n |= n >>> 2;

5.        n |= n >>> 4;

6.        n |= n >>> 8;

7.        n |= n >>> 16;

8.        return (n < 0) ? 1 : (n >= MAXIMUM_CAPACITY) ? MAXIMUM_CAPACITY : n + 1;

9.    }

说明：>>> 操作符表示无符号右移，高位取0。

2. HashMap(int)型构造函数。

1. public HashMap(int initialCapacity) {

2.    // 调用HashMap(int, float)型构造函数

3.    this(initialCapacity, DEFAULT_LOAD_FACTOR);

4. }

3. HashMap()型构造函数。

1. public HashMap() {

2.    // 初始化填充因子

3.    this.loadFactor = DEFAULT_LOAD_FACTOR;

4. }

4. HashMap(Map)型构造函数。

1. public HashMap(Map<? extends K, ? extends V> m) {

2.    // 初始化填充因子

3.    this.loadFactor = DEFAULT_LOAD_FACTOR;

4.    // 将m中的所有元素添加至HashMap中

5.    putMapEntries(m, false);

6. }

说明：putMapEntries(Map m, boolean evict)函数将m的所有元素存入本HashMap实例中。

1. final void putMapEntries(Map<? extends K, ? extends V> m, boolean evict) {

2.    int s = m.size();

3.    if (s > 0) {

4.        // 判断table是否已经初始化

5.        if (table == null) { // pre-size

6.            // 未初始化，s为m的实际元素个数

7.            float ft = ((float)s / loadFactor) + 1.0F;

8.            int t = ((ft < (float)MAXIMUM_CAPACITY) ?

9.                    (int)ft : MAXIMUM_CAPACITY);

10.            // 计算得到的t大于阈值，则初始化阈值

11.            if (t > threshold)

12.                threshold = tableSizeFor(t);

13.        }

14.        // 已初始化，并且m元素个数大于阈值，进行扩容处理

15.        else if (s > threshold)

16.            resize();

17.        // 将m中的所有元素添加至HashMap中

18.        for (Map.Entry<? extends K, ? extends V> e : m.entrySet()) {

19.            K key = e.getKey();

20.            V value = e.getValue();

21.            putVal(hash(key), key, value, false, evict);

22.        }

23.    }

24. }

3.4 重要函数分析

1. putVal函数

1. final V putVal(int hash, K key, V value, boolean onlyIfAbsent,

2.                   boolean evict) {

3.    Node<K,V>[] tab; Node<K,V> p; int n, i;

4.    // table未初始化或者长度为0，进行扩容

5.    if ((tab = table) == null || (n = tab.length) == 0)

6.        n = (tab = resize()).length;

7.    // (n - 1) & hash 确定元素存放在哪个桶中，桶为空，新生成结点放入桶中(此时，这个结点是放在数组中)

8.    if ((p = tab[i = (n - 1) & hash]) == null)

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

10.    // 桶中已经存在元素

11.    else {

12.        Node<K,V> e; K k;

13.        // 比较桶中第一个元素(数组中的结点)的hash值相等，key相等

14.        if (p.hash == hash &&

15.            ((k = p.key) == key || (key != null && key.equals(k))))

16.                // 将第一个元素赋值给e，用e来记录

17.                e = p;

18.        // hash值不相等，即key不相等；为红黑树结点

19.        else if (p instanceof TreeNode)

20.            // 放入树中

21.            e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);

22.        // 为链表结点

23.        else {

24.            // 在链表最末插入结点

25.            for (int binCount = 0; ; ++binCount) {

26.                // 到达链表的尾部

27.                if ((e = p.next) == null) {

28.                    // 在尾部插入新结点

29.                    p.next = newNode(hash, key, value, null);

30.                    // 结点数量达到阈值，转化为红黑树

31.                    if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st

32.                        treeifyBin(tab, hash);

33.                    // 跳出循环

34.                    break;

35.                }

36.                // 判断链表中结点的key值与插入的元素的key值是否相等

37.                if (e.hash == hash &&

38.                    ((k = e.key) == key || (key != null && key.equals(k))))

39.                    // 相等，跳出循环

40.                    break;

41.                // 用于遍历桶中的链表，与前面的e = p.next组合，可以遍历链表

42.                p = e;

43.            }

44.        }

45.        // 表示在桶中找到key值、hash值与插入元素相等的结点

46.        if (e != null) {

47.            // 记录e的value

48.            V oldValue = e.value;

49.            // onlyIfAbsent为false或者旧值为null

50.            if (!onlyIfAbsent || oldValue == null)

51.                //用新值替换旧值

52.                e.value = value;

53.            // 访问后回调

54.            afterNodeAccess(e);

55.            // 返回旧值

56.            return oldValue;

57.        }

58.    }

59.    // 结构性修改

60.    ++modCount;

61.    // 实际大小大于阈值则扩容

62.    if (++size > threshold)

63.        resize();

64.    // 插入后回调

65.    afterNodeInsertion(evict);

66.    return null;

67. }

说明：HashMap并没有直接提供putVal接口给用户调用，而是提供的put函数，而put函数就是通过putVal来插入元素的。

2. getNode函数

1. final Node<K,V> getNode(int hash, Object key) {

2.    Node<K,V>[] tab; Node<K,V> first, e; int n; K k;

3.    // table已经初始化，长度大于0，根据hash寻找table中的项也不为空

4.    if ((tab = table) != null && (n = tab.length) > 0 &&

5.        (first = tab[(n - 1) & hash]) != null) {

6.        // 桶中第一项(数组元素)相等

7.        if (first.hash == hash && // always check first node

8.            ((k = first.key) == key || (key != null && key.equals(k))))

9.            return first;

10.        // 桶中不止一个结点

11.        if ((e = first.next) != null) {

12.            // 为红黑树结点

13.            if (first instanceof TreeNode)

14.                // 在红黑树中查找

15.                return ((TreeNode<K,V>)first).getTreeNode(hash, key);

16.            // 否则，在链表中查找

17.            do {

18.                if (e.hash == hash &&

19.                    ((k = e.key) == key || (key != null && key.equals(k))))

20.                    return e;

21.            } while ((e = e.next) != null);

22.        }

23.    }

24.    return null;

25. }

说明：HashMap并没有直接提供getNode接口给用户调用，而是提供的get函数，而get函数就是通过getNode来取得元素的。

3. resize函数

1. final Node<K,V>[] resize() {

2.    // 当前table保存

3.    Node<K,V>[] oldTab = table;

4.    // 保存table大小

5.    int oldCap = (oldTab == null) ? 0 : oldTab.length;

6.    // 保存当前阈值

7.    int oldThr = threshold;

8.    int newCap, newThr = 0;

9.    // 之前table大小大于0

10.    if (oldCap > 0) {

11.        // 之前table大于最大容量

12.        if (oldCap >= MAXIMUM_CAPACITY) {

13.            // 阈值为最大整形

14.            threshold = Integer.MAX_VALUE;

15.            return oldTab;

16.        }

17.        // 容量翻倍，使用左移，效率更高

18.        else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&

19.            oldCap >= DEFAULT_INITIAL_CAPACITY)

20.            // 阈值翻倍

21.            newThr = oldThr << 1; // double threshold

22.    }

23.    // 之前阈值大于0

24.    else if (oldThr > 0)

25.        newCap = oldThr;

26.    // oldCap = 0并且oldThr = 0，使用缺省值（如使用HashMap()构造函数，之后再插入一个元素会调用resize函数，会进入这一步）

27.    else {          

28.        newCap = DEFAULT_INITIAL_CAPACITY;

29.        newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);

30.    }

31.    // 新阈值为0

32.    if (newThr == 0) {

33.        float ft = (float)newCap * loadFactor;

34.        newThr = (newCap < MAXIMUM_CAPACITY && ft < (float)MAXIMUM_CAPACITY ?

35.                  (int)ft : Integer.MAX_VALUE);

36.    }

37.    threshold = newThr;

38.    @SuppressWarnings({"rawtypes","unchecked"})

39.    // 初始化table

40.    Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap];

41.    table = newTab;

42.    // 之前的table已经初始化过

43.    if (oldTab != null) {

44.        // 复制元素，重新进行hash

45.        for (int j = 0; j < oldCap; ++j) {

46.            Node<K,V> e;

47.            if ((e = oldTab[j]) != null) {

48.                oldTab[j] = null;

49.                if (e.next == null)

50.                    newTab[e.hash & (newCap - 1)] = e;

51.                else if (e instanceof TreeNode)

52.                    ((TreeNode<K,V>)e).split(this, newTab, j, oldCap);

53.                else { // preserve order

54.                    Node<K,V> loHead = null, loTail = null;

55.                    Node<K,V> hiHead = null, hiTail = null;

56.                    Node<K,V> next;

57.                    // 将同一桶中的元素根据(e.hash & oldCap)是否为0进行分割，分成两个不同的链表，完成rehash

58.                    do {

59.                        next = e.next;

60.                        if ((e.hash & oldCap) == 0) {

61.                            if (loTail == null)

62.                                loHead = e;

63.                            else

64.                                loTail.next = e;

65.                            loTail = e;

66.                        }

67.                        else {

68.                            if (hiTail == null)

69.                                hiHead = e;

70.                            else

71.                                hiTail.next = e;

72.                            hiTail = e;

73.                        }

74.                    } while ((e = next) != null);

75.                    if (loTail != null) {

76.                        loTail.next = null;

77.                        newTab[j] = loHead;

78.                    }

79.                    if (hiTail != null) {

80.                        hiTail.next = null;

81.                        newTab[j + oldCap] = hiHead;

82.                    }

83.                }

84.            }

85.        }

86.    }

87.    return newTab;

88. }

说明：进行扩容，会伴随着一次重新hash分配，并且会遍历hash表中所有的元素，是非常耗时的。在编写程序中，要尽量避免resize。

在resize前和resize后的元素布局如下

　说明：上图只是针对了数组下标为2的桶中的各个元素在扩容后的分配布局，其他各个桶中的元素布局可以以此类推。

四、针对HashMap的思考

4.1. 关于扩容的思考

从putVal源代码中我们可以知道，当插入一个元素的时候size就加1，若size大于threshold的时候，就会进行扩容。假设我们的capacity大小为32，loadFator为0.75,则threshold为24 = 32 * 0.75，此时，插入了25个元素，并且插入的这25个元素都在同一个桶中，桶中的数据结构为红黑树，则还有31个桶是空的，也会进行扩容处理，其实，此时，还有31个桶是空的，好像似乎不需要进行扩容处理，但是是需要扩容处理的，因为此时我们的capacity大小可能不适当。我们前面知道，扩容处理会遍历所有的元素，时间复杂度很高；前面我们还知道，经过一次扩容处理后，元素会更加均匀的分布在各个桶中，会提升访问效率。所以，说尽量避免进行扩容处理，也就意味着，遍历元素所带来的坏处大于元素在桶中均匀分布所带来的好处。如果有读者有不同意见，也欢迎讨论~

五、总结

至此，HashMap的源码就分析到这里了，其中理解了其中的核心函数和数据结构，那么理解HashMap的源码就不困难了。当然，此次分析中还有一些知识点没有涉及到，如红黑树、序列化、拷贝等，以后有机会会进行详细的说明和讲解，谢谢各位园友的观看~

出处：https://dwz.cn/QnLsm3RQ

往期精彩文章

长按：二维码关注

专注于开发技术研究与知识分享

公众号回复：”进群” 加微信群深入交流

回复 1024 可获1500G架构师视频