绝了！这是我见过最详细的HashMap源码解析！ _源码解析

与天地兮比寿，与日月兮齐光。这篇文章主要讲述绝了！这是我见过最详细的HashMap源码解析！相关的知识，希望能为你提供帮助。
1 概述HashMap是基于哈希表实现的,每一个元素是一个key-value对,其内部通过单链表解决冲突问题,容量不足(超过了阀值)时,同样会自动增长.
HashMap是非线程安全的,只适用于单线程环境,多线程环境可以采用并发包下的concurrentHashMap
HashMap 实现了Serializable接口，因此它支持序列化，实现了Cloneable接口，能被克隆
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.
java8中又对此类底层实现进行了优化，比如引入了红黑树的结构以解决哈希碰撞
2 HashMap的数据结构在Java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,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.

文章图片

HashMap的主结构类似于一个数组,添加值时通过key确定储存位置.
每个位置是一个Entry的数据结构,该结构可组成链表.
当发生冲突时,相同hash值的键值对会组成链表.
这种数组+链表的组合形式大部分情况下都能有不错的性能效果,Java6、7就是这样设计的.
然而,在极端情况下,一组（比如经过精心设计的）键值对都发生了冲突，这时的哈希结构就会退化成一个链表，使HashMap性能急剧下降.
所以在Java8中,HashMap的结构实现变为数组+链表+红黑树

文章图片

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时,就会初始化一个数组.
3 三大集合与迭代子HashMap使用三大集合和三种迭代子来轮询其Key、Value和Entry对象

public class HashMapExam { public static void main(String[] args) { Map< Integer, String> map = new HashMap< > (16); for (int i = 0; i < 15; i++) { map.put(i, new String(new char[]{(char) (\'A\'+ i)})); }System.out.println("======keySet======="); Set< Integer> set = map.keySet(); Iterator< Integer> iterator = set.iterator(); while (iterator.hasNext()) { System.out.println(iterator.next()); }System.out.println("======values======="); Collection< String> values = map.values(); Iterator< String> stringIterator=values.iterator(); while (stringIterator.hasNext()) { System.out.println(stringIterator.next()); }System.out.println("======entrySet======="); for (Map.Entry< Integer, String> entry : map.entrySet()) { System.out.println(entry); } } }

4 源码分析

//默认的初始容量16,且实际容量是2的整数幂 static final int DEFAULT_INITIAL_CAPACITY = 1 < < 4; //最大容量(传入容量过大将被这个值替换) static final int MAXIMUM_CAPACITY = 1 < < 30; // 默认加载因子为0.75(当表达到3/4满时,才会再散列),这个因子在时间和空间代价之间达到了平衡.更高的因子可以降低表所需的空间,但是会增加查找代价,而查找是最频繁操作 static final float DEFAULT_LOAD_FACTOR = 0.75f; //桶的树化阈值：即链表转成红黑树的阈值，在存储数据时，当链表长度 > = 8时，则将链表转换成红黑树 static final int TREEIFY_THRESHOLD = 8; // 桶的链表还原阈值：即红黑树转为链表的阈值，当在扩容（resize（））时（HashMap的数据存储位置会重新计算），在重新计算存储位置后，当原有的红黑树内数量 < = 6时，则将红黑树转换成链表 static final int UNTREEIFY_THRESHOLD = 6; //最小树形化容量阈值：即当哈希表中的容量 > 该值时，才允许树形化链表（即将链表转换成红黑树）

因为红黑树的平均查找长度是log(n)，长度为8的时候，平均查找长度为3，如果继续使用链表，平均查找长度为8/2=4，这才有转换为树的必要
链表长度如果是小于等于6，6/2=3，虽然速度也很快的，但是转化为树结构和生成树的时间并不会太短
还有选择6和8，中间有个差值7可以有效防止链表和树频繁转换
假设一下，如果设计成链表个数超过8则链表转换成树结构，链表个数小于8则树结构转换成链表，如果一个HashMap不停的插入、删除元素，链表个数在8左右徘徊，就会频繁的发生树转链表、链表转树，效率会很低。

// 为了避免扩容/树形化选择的冲突，这个值不能小于 4 * TREEIFY_THRESHOLD // 小于该值时使用的是扩容哦!!! static final int MIN_TREEIFY_CAPACITY = 64; // 存储数据的Node数组,长度是2的幂. // HashMap采用链表法解决冲突，每一个Node本质上是一个单向链表 //HashMap底层存储的数据结构,是一个Node数组.上面得知Node类为元素维护了一个单向链表.至此,HashMap存储的数据结构也就很清晰了:维护了一个数组,每个数组又维护了一个单向链表.之所以这么设计,考虑到遇到哈希冲突的时候,同index的value值就用单向链表来维护 //与 JDK 1.7 的对比（Entry类），仅仅只是换了名字 transient Node< K,V> [] table; // HashMap的底层数组中已用槽的数量 transient int size; // HashMap的阈值，用于判断是否需要调整HashMap的容量（threshold = 容量*加载因子） int threshold; // 负载因子实际大小 final float loadFactor; // HashMap被改变的次数 transient int modCount; // 指定“容量大小”和“加载因子”的构造函数,是最基础的构造函数 public HashMap(int initialCapacity, float loadFactor) { if (initialCapacity < 0) throw new IllegalArgumentException("Illegal initial capacity: " + initialCapacity); // HashMap的最大容量只能是MAXIMUM_CAPACITY if (initialCapacity > MAXIMUM_CAPACITY) initialCapacity = MAXIMUM_CAPACITY; //负载因子须大于0 if (loadFactor < = 0 || Float.isNaN(loadFactor)) throw new IllegalArgumentException("Illegal load factor: " + loadFactor); // 设置"负载因子" this.loadFactor = loadFactor; // 设置"HashMap阈值",当HashMap中存储数据的数量达到threshold时,就需将HashMap的容量加倍 this.threshold = tableSizeFor(initialCapacity); }

上面的tableSizeFor有何用?
tableSizeFor方法保证函数返回值是大于等于给定参数initialCapacity最小的2的幂次方的数值

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; }

可以看出该方法是一系列的二进制位操作
逐行分析

int n = cap - 1

给定的cap 减 1,为了避免参数cap本来就是2的幂次方,这样一来,经过后续操作，cap将会变成2 * cap,是不符合我们预期的

n |= n > > > 1

n > > > 1 : n无符号右移1位,即n二进制最高位的1右移一位
n | (n > > > 1) 导致 n二进制的高2位值为1
目前n的高1~2位均为1

n |= n > > > 2

n继续无符号右移2位
n | (n > > > 2) 导致n二进制表示的高3~4位经过运算值均为1
目前n的高1~4位均为1

n |= n > > > 4

n继续无符号右移4位
n | (n > > > 4) 导致n二进制表示的高5~8位经过运算值均为1
目前n的高1~8位均为1

n |= n > > > 8

n继续无符号右移8位
n | (n > > > 8) 导致n二进制表示的高9~16位经过运算值均为1
目前n的高1~16位均为1
可以看出,无论给定cap(cap < MAXIMUM_CAPACITY )的值是多少,经过以上运算,其值的二进制所有位都会是1.再将其加1,这时候这个值一定是2的幂次方.
当然如果经过运算值大于MAXIMUM_CAPACITY,直接选用MAXIMUM_CAPACITY.

文章图片

至此tableSizeFor如何保证cap为2的幂次方已经显而易见了,那么问题来了
4.1为什么cap要保持为2的幂次方？主要与HashMap中的数据存储有关.
在Java8中,HashMap中key的Hash值由Hash(key)方法计得

文章图片

HashMap中存储数据table的index是由key的Hash值决定的.
在HashMap存储数据时,我们期望数据能均匀分布,以防止哈希冲突.
自然而然我们就会想到去用%取余操作来实现我们这一构想
这也就解释了为什么一定要求cap要为2的幂次方.再来看看table的index的计算规则：
这也就解释了为什么一定要求cap要为2的幂次方.再来看看table的index的计算规则：

文章图片

等价于:

index = e.hash % newCap

采用二进制位操作& ,相对于%,能够提高运算效率,这就是cap的值被要求为2幂次的原因

文章图片

文章图片

4.2Node类

static class Node< K,V> implements Map.Entry< K,V> { final int hash; final K key; V value; Node< K,V> next; Node(int hash, K key, V value, Node< K,V> next) { this.hash = hash; this.key = key; this.value = https://www.songbingjia.com/android/value; this.next = next; }public final K getKey(){ return key; } public final V getValue(){ return value; } public final String toString() { return key +"=" + value; }public final int hashCode() { return Objects.hashCode(key) ^ Objects.hashCode(value); }public final V setValue(V newValue) { V oldValue = https://www.songbingjia.com/android/value; value = newValue; return oldValue; }public final boolean equals(Object o) { if (o == this) return true; if (o instanceof Map.Entry) { Map.Entry< ?,?> e = (Map.Entry< ?,?> )o; if (Objects.equals(key, e.getKey()) & & Objects.equals(value, e.getValue())) return true; } return false; } }

Node< K,V> 类是HashMap中的静态内部类,实现Map.Entry< K,V> 接口.定义了key键、value值、next节点,也就是说元素之间构成了单向链表.
4.3 TreeNode

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; TreeNode(int hash, K key, V val, Node< K,V> next) {}// 返回当前节点的根节点 final TreeNode< K,V> root() { for (TreeNode< K,V> r = this, p; ; ) { if ((p = r.parent) == null) return r; r = p; } } }

【绝了！这是我见过最详细的HashMap源码解析！】红黑树结构包含前、后、左、右节点，以及标志是否为红黑树的字段
此结构是Java8新加的
4.4 hash方法Java 8中的散列值优化函数

文章图片

只做一次16位右位移异或
key.hashCode()函数调用的是key键值类型自带的哈希函数，返回int型散列值
理论上散列值是一个int型，如果直接拿散列值作为下标访问HashMap主数组的话，考虑到2进制32位带符号的int范围大概40亿的映射空间。只要哈希函数映射得比较均匀松散，一般应用是很难出现碰撞的。
但问题是一个40亿长度的数组，内存是放不下的.HashMap扩容之前的数组初始大小才16,所以这个散列值是不能直接拿来用的.
用之前还要先做对数组的长度取模运算，得到的余数才能用来访问数组下标
源码中模运算就是把散列值和数组长度做一个"与"操作

文章图片

这也正好解释了为什么HashMap的数组长度要取2的整次幂
因为这样（数组长度-1）正好相当于一个“低位掩码”
“与”操作的结果就是散列值的高位全部归零，只保留低位值，用来做数组下标访问
以初始长度16为例，16-1=15
2进制表示是00000000 00000000 00001111
和某散列值做“与”操作如下，结果就是截取了最低的四位值

文章图片

但这时候问题就来了,这样就算我的散列值分布再松散,要是只取最后几位的话,碰撞也会很严重
这时候“扰动函数”的价值就体现出来了

文章图片

右位移16位，正好是32位一半，自己的高半区和低半区做异或，就是为了混合原始hashCode的高位和低位，以此来加大低位的随机性
而且混合后的低位掺杂了高位的部分特征，这样高位的信息也被变相保留下来。
index的运算规则是

e.hash & (newCap - 1)

newCap是2的幂,所以newCap - 1的高位全0
若e.hash值只用自身的hashcode,index只会和e.hash的低位做& 操作.这样一来,index的值就只有低位参与运算,高位毫无存在感,从而会带来哈希冲突的风险
所以在计算key的hashCode时,用其自身hashCode与其低16位做异或操作
这也就让高位参与到index的计算中来了,即降低了哈希冲突的风险又不会带来太大的性能问题
4.5 Put方法

文章图片

文章图片

①.判断键值对数组table[i]是否为空或为null，否则执行resize()进行扩容
②.根据键值key计算hash值得到插入的数组索引i，如果table[i]==null，直接新建节点添加，转向⑥，如果table[i]不为空，转向③
③.判断table[i]的首个元素是否和key一样，如果相同直接覆盖value，否则转向④，这里的相同指的是hashCode以及equals
④.判断table[i] 是否为treeNode，即table[i] 是否是红黑树，如果是红黑树，则直接在树中插入键值对，否则转向⑤
⑤.遍历table[i]，判断链表长度是否大于8，大于8的话把链表转换为红黑树，在红黑树中执行插入操作，否则进行链表的插入操作；遍历过程中若发现key已经存在直接覆盖value即可
⑥.插入成功后，判断实际存在的键值对数量size是否超多了最大容量threshold，如果超过，执行resize()扩容

public V put(K key, V value) { // 对key的hashCode()做hash 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; // 步骤① tab为空则调用resize()初始化创建 if ((tab = table) == null || (n = tab.length) == 0) n = (tab = resize()).length; // 步骤② 计算index,并对null做处理 //tab[i = (n - 1) & hash对应下标的第一个节点 if ((p = tab[i = (n - 1) & hash]) == null) // 无哈希冲突的情况下,将value直接封装为Node并赋值 tab[i] = newNode(hash, key, value, null); else { Node< K,V> e; K k; // 步骤③ 节点的key相同,直接覆盖节点 if (p.hash == hash & & ((k = p.key) == key || (key != null & & key.equals(k)))) e = p; // 步骤④ 判断该链为红黑树 else if (p instanceof TreeNode) // p是红黑树类型，则调用putTreeVal方式赋值 e = ((TreeNode< K,V> )p).putTreeVal(this, tab, hash, key, value); // 步骤⑤ p非红黑树类型,该链为链表 else { // index 相同的情况下 for (int binCount = 0; ; ++binCount) { if ((e = p.next) == null) { // 如果p的next为空,将新的value值添加至链表后面 p.next = newNode(hash, key, value, null); if (binCount > = TREEIFY_THRESHOLD - 1) // 如果链表长度大于8,链表转化为红黑树,执行插入 treeifyBin(tab, hash); break; } // key相同则跳出循环 if (e.hash == hash & & ((k = e.key) == key || (key != null & & key.equals(k)))) break; //就是移动指针方便继续取 p.nextp = e; } } if (e != null) { // existing mapping for key V oldValue = https://www.songbingjia.com/android/e.value; //根据规则选择是否覆盖value if (!onlyIfAbsent || oldValue == null) e.value = value; afterNodeAccess(e); return oldValue; } } ++modCount; // 步骤⑥:超过最大容量,就扩容 if (++size > threshold) // size大于加载因子,扩容 resize(); afterNodeInsertion(evict); return null; }

在构造函数中最多也只是设置了initialCapacity、loadFactor的值,并没有初始化table,table的初始化工作是在put方法中进行的.
4.6 resize

文章图片

扩容(resize)就是重新计算容量,向HashMap对象里不停的添加元素,内部的数组无法装载更多的元素时,就需要扩大数组的长度.
当然Java里的数组是无法自动扩容的,方法是使用一个新的数组代替已有的容量小的数组

/** * 该函数有2种使用情况：1.初始化哈希表 2.当前数组容量过小，需扩容 */ final Node< K,V> [] resize() { Node< K,V> [] oldTab = table; int oldCap = (oldTab == null) ? 0 : oldTab.length; int oldThr = threshold; int newCap, newThr = 0; // 针对情况2：若扩容前的数组容量超过最大值，则不再扩充 if (oldCap > 0) { if (oldCap > = MAXIMUM_CAPACITY) { threshold = Integer.MAX_VALUE; return oldTab; } // 针对情况2：若无超过最大值，就扩充为原来的2倍 else if ((newCap = oldCap < < 1) < MAXIMUM_CAPACITY & & oldCap > = DEFAULT_INITIAL_CAPACITY) //newCap设置为oldCap的2倍并小于MAXIMUM_CAPACITY，且大于默认值, 新的threshold增加为原来的2倍 newThr = oldThr < < 1; // double threshold }// 针对情况1：初始化哈希表（采用指定 or 默认值） else if (oldThr > 0) // initial capacity was placed in threshold // threshold> 0, 将threshold设置为newCap,所以要用tableSizeFor方法保证threshold是2的幂次方 newCap = oldThr; else {// zero initial threshold signifies using defaults // 默认初始化 newCap = DEFAULT_INITIAL_CAPACITY; newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY); }// 计算新的resize上限 if (newThr == 0) { // newThr为0，newThr = newCap * 0.75 float ft = (float)newCap * loadFactor; newThr = (newCap < MAXIMUM_CAPACITY & & ft < (float)MAXIMUM_CAPACITY ? (int)ft : Integer.MAX_VALUE); } threshold = newThr; @SuppressWarnings({"rawtypes","unchecked"}) // 新生成一个table数组 Node< K,V> [] newTab = (Node< K,V> [])new Node[newCap]; table = newTab; if (oldTab != null) { // oldTab 复制到 newTab for (int j = 0; j < oldCap; ++j) { Node< K,V> e; if ((e = oldTab[j]) != null) { oldTab[j] = null; if (e.next == null) // 链表只有一个节点，直接赋值 //为什么要重新Hash呢？因为长度扩大以后，Hash的规则也随之改变。 newTab[e.hash & (newCap - 1)] = e; else if (e instanceof TreeNode) // e为红黑树的情况 ((TreeNode< K,V> )e).split(this, newTab, j, oldCap); else { // preserve order链表优化重hash的代码块 Node< K,V> loHead = null, loTail = null; Node< K,V> hiHead = null, hiTail = null; Node< K,V> next; do { next = e.next; // 原索引 if ((e.hash & oldCap) == 0) { if (loTail == null) loHead = e; else loTail.next = e; loTail = e; } // 原索引 + oldCap else { if (hiTail == null) hiHead = e; else hiTail.next = e; hiTail = e; } } while ((e = next) != null); // 原索引放到bucket里 if (loTail != null) { loTail.next = null; newTab[j] = loHead; } // 原索引+oldCap放到bucket里 if (hiTail != null) { hiTail.next = null; newTab[j + oldCap] = hiHead; } } } } } return newTab; }

文章图片

4.7 remove方法remove(key) 方法和 remove(key, value) 方法都是通过调用removeNode的方法来实现删除元素的

final Node< K,V> removeNode(int hash, Object key, Object value, boolean matchValue, boolean movable) { Node< K,V> [] tab; Node< K,V> p; int n, index; if ((tab = table) != null & & (n = tab.length) > 0 & & (p = tab[index = (n - 1) & hash]) != null) { Node< K,V> node = null, e; K k; V v; if (p.hash == hash & & ((k = p.key) == key || (key != null & & key.equals(k)))) // index 元素只有一个元素 node = p; else if ((e = p.next) != null) { if (p instanceof TreeNode) // index处是一个红黑树 node = ((TreeNode< K,V> )p).getTreeNode(hash, key); else { // index处是一个链表，遍历链表返回node do { if (e.hash == hash & & ((k = e.key) == key || (key != null & & key.equals(k)))) { node = e; break; } p = e; } while ((e = e.next) != null); } } // 分不同情形删除节点 if (node != null & & (!matchValue || (v = node.value) == value || (value != null & & value.equals(v)))) { if (node instanceof TreeNode) ((TreeNode< K,V> )node).removeTreeNode(this, tab, movable); else if (node == p) tab[index] = node.next; else p.next = node.next; ++modCount; --size; afterNodeRemoval(node); return node; } } return null; }

4.8 get

/** * 函数原型 * 作用：根据键key，向HashMap获取对应的值 */ map.get(key)； /** * 源码分析 */ public V get(Object key) { Node< K,V> e; // 1\\. 计算需获取数据的hash值 // 2\\. 通过getNode（）获取所查询的数据 -> > 分析1 // 3\\. 获取后，判断数据是否为空 return (e = getNode(hash(key), key)) == null ? null : e.value; }/** * 分析1：getNode(hash(key), key)) */ final Node< K,V> getNode(int hash, Object key) { Node< K,V> [] tab; Node< K,V> first, e; int n; K k; // 1\\. 计算存放在数组table中的位置 if ((tab = table) != null & & (n = tab.length) > 0 & & (first = tab[(n - 1) & hash]) != null) {// 4\\. 通过该函数，依次在数组、红黑树、链表中查找（通过equals（）判断） // a. 先在数组中找，若存在，则直接返回 if (first.hash == hash & & // always check first node ((k = first.key) == key || (key != null & & key.equals(k)))) return first; // b. 若数组中没有，则到红黑树中寻找 if ((e = first.next) != null) { // 在树中get if (first instanceof TreeNode) return ((TreeNode< K,V> )first).getTreeNode(hash, key); // c. 若红黑树中也没有，则通过遍历，到链表中寻找 do { if (e.hash == hash & & ((k = e.key) == key || (key != null & & key.equals(k)))) return e; } while ((e = e.next) != null); } } return null; }

如果某个桶中的记录过大的话（当前是TREEIFY_THRESHOLD = 8），HashMap会动态的使用一个专门的treemap实现来替换掉它。这样做的结果会更好，是O(logn)，而不是糟糕的O(n)。它是如何工作的？
前面产生冲突的那些KEY对应的记录只是简单的追加到一个链表后面，这些记录只能通过遍历来进行查找。但是超过这个阈值后HashMap开始将列表升级成一个二叉树，使用哈希值作为树的分支变量，如果两个哈希值不等，但指向同一个桶的话，较大的那个会插入到右子树里。如果哈希值相等，HashMap希望key值最好是实现了Comparable接口的，这样它可以按照顺序来进行插入。这对HashMap的key来说并不是必须的，不过如果实现了当然最好。如果没有实现这个接口，在出现严重的哈希碰撞的时候，你就并别指望能获得性能提升了。
这个性能提升有什么用处？比方说恶意的程序，如果它知道我们用的是哈希算法，它可能会发送大量的请求，导致产生严重的哈希碰撞。然后不停的访问这些key就能显著的影响服务器的性能，这样就形成了一次拒绝服务攻击（DoS）。JDK 8中从O(n)到O(logn)的飞跃，可以有效地防止类似的攻击，同时也让HashMap性能的可预测性稍微增强了一些

/** * 源码分析：resize(2 * table.length) * 作用：当容量不足时（容量 > 阈值），则扩容（扩到2倍） */ void resize(int newCapacity) {// 1\\. 保存旧数组（old table） Entry[] oldTable = table; // 2\\. 保存旧容量（old capacity ），即数组长度 int oldCapacity = oldTable.length; // 3\\. 若旧容量已经是系统默认最大容量了，那么将阈值设置成整型的最大值，退出 if (oldCapacity == MAXIMUM_CAPACITY) { threshold = Integer.MAX_VALUE; return; }// 4\\. 根据新容量（2倍容量）新建1个数组，即新table Entry[] newTable = new Entry[newCapacity]; // 5\\. （重点分析）将旧数组上的数据（键值对）转移到新table中，从而完成扩容 -> > 分析1.1 transfer(newTable); // 6\\. 新数组table引用到HashMap的table属性上 table = newTable; // 7\\. 重新设置阈值 threshold = (int)(newCapacity * loadFactor); } /** * 分析1.1：transfer(newTable); * 作用：将旧数组上的数据（键值对）转移到新table中，从而完成扩容 * 过程：按旧链表的正序遍历链表、在新链表的头部依次插入 */ void transfer(Entry[] newTable) { // 1\\. src引用了旧数组 Entry[] src = https://www.songbingjia.com/android/table; // 2//. 获取新数组的大小 = 获取新容量大小 int newCapacity = newTable.length; // 3//. 通过遍历旧数组，将旧数组上的数据（键值对）转移到新数组中 for (int j = 0; j < src.length; j++) { // 3.1 取得旧数组的每个元素 Entry< K,V> e = src[j]; if (e != null) { // 3.2 释放旧数组的对象引用（for循环后，旧数组不再引用任何对象） src[j] = null; do { // 3.3 遍历以该数组元素为首的链表 // 注：转移链表时，因是单链表，故要保存下1个结点，否则转移后链表会断开 Entry< K,V> next = e.next; // 3.3 重新计算每个元素的存储位置 int i = indexFor(e.hash, newCapacity); // 3.4 将元素放在数组上：采用单链表的头插入方式 = 在链表头上存放数据 = 将数组位置的原有数据放在后1个指针、将需放入的数据放到数组位置中 // 即扩容后，可能出现逆序：按旧链表的正序遍历链表、在新链表的头部依次插入 e.next = newTable[i]; newTable[i] = e; // 访问下1个Entry链上的元素，如此不断循环，直到遍历完该链表上的所有节点 e = next; } while (e != null); // 如此不断循环，直到遍历完数组上的所有数据元素 } } }

从上面可看出：在扩容resize（）过程中，在将旧数组上的数据转移到新数组上时，转移数据操作 = 按旧链表的正序遍历链表、在新链表的头部依次插入，即在转移数据、扩容后，容易出现链表逆序的情况
此时若并发执行 put 操作，一旦出现扩容情况，则容易出现环形链表，从而在获取数据、遍历链表时形成死循环（Infinite Loop），即死锁

文章图片

文章图片
4.9 getOrDefaultgetOrDefault() 方法获取指定 key 对应对 value，如果找不到 key ，则返回设置的默认值。

文章图片

5 单线程rehash单线程情况下，rehash无问题

文章图片

6 多线程并发下的rehash这里假设有两个线程同时执行了put操作并引发了rehash，执行了transfer方法，并假设线程一进入transfer方法并执行完next = e.next后，因为线程调度所分配时间片用完而“暂停”，此时线程二完成了transfer方法的执行。此时状态如下。

文章图片

接着线程1被唤醒，继续执行第一轮循环的剩余部分

e.next = newTable[1] = null newTable[1] = e = key(5) e = next = key(9)

结果如下图所示

文章图片

接着执行下一轮循环，结果状态图如下所示

文章图片
继续下一轮循环，结果状态图如下所示

文章图片

此时循环链表形成，并且key(11)无法加入到线程1的新数组。在下一次访问该链表时会出现死循环。
7 Fast-fail 产生原因在使用迭代器的过程中如果HashMap被修改，那么ConcurrentModificationException将被抛出，也即Fast-fail策略。
当HashMap的iterator()方法被调用时，会构造并返回一个新的EntryIterator对象，并将EntryIterator的expectedModCount设置为HashMap的modCount（该变量记录了HashMap被修改的次数）。

HashIterator() { expectedModCount = modCount; if (size > 0) { // advance to first entry Entry[] t = table; while (index < t.length & & (next = t[index++]) == null) ; } }

在通过该Iterator的next方法访问下一个Entry时，它会先检查自己的expectedModCount与HashMap的modCount是否相等，如果不相等，说明HashMap被修改，直接抛出ConcurrentModificationException。该Iterator的remove方法也会做类似的检查。该异常的抛出意在提醒用户及早意识到线程安全问题。
线程安全解决方案
单线程条件下，为避免出现ConcurrentModificationException，需要保证只通过HashMap本身或者只通过Iterator去修改数据，不能在Iterator使用结束之前使用HashMap本身的方法修改数据。因为通过Iterator删除数据时，HashMap的modCount和Iterator的expectedModCount都会自增，不影响二者的相等性。如果是增加数据，只能通过HashMap本身的方法完成，此时如果要继续遍历数据，需要重新调用iterator()方法从而重新构造出一个新的Iterator，使得新Iterator的expectedModCount与更新后的HashMap的modCount相等。
多线程条件下，可使用Collections.synchronizedMap方法构造出一个同步Map，或者直接使用线程安全的ConcurrentHashMap。