hash|这一篇，带你十分钟深入理解HashMap源码后端|java|spring|cloud|面试

十分钟就要深入理解HashMap源码，看完你能懂？我觉得得再多看一分钟，才能完全掌握！

终于来到比较复杂的HashMap，由于内部的变量，内部类，方法都比较多，没法像ArrayList那样直接平铺开来说，因此准备从几个具体的角度来切入。
桶结构 HashMap的每个存储位置，又叫做一个桶，当一个Key&Value进入map的时候，依据它的hash值分配一个桶来存储。
看一下桶的定义：table就是所谓的桶结构，说白了就是一个节点数组。

transient Node[] table; transient int size;

节点 HashMap是一个map结构，它不同于Collection结构，不是存储单个对象，而是存储键值对。
因此内部最基本的存储单元是节点：Node。
节点的定义如下：

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

可见节点除了存储key,vaue,hash三个值之外，还有一个next指针，这样一样，多个Node可以形成一个单向列表。这是解决hash冲突的一种方式，如果多个节点被分配到同一个桶，可以组成一个链表。
HashMap内部还有另一种节点类型，叫做TreeNode：

class TreeNode extends LinkedHashMap.Entry { TreeNode parent; // red-black tree links TreeNode left; TreeNode right; TreeNode prev; // needed to unlink next upon deletion boolean red; }

TreeNode是从Node继承的，它可以组成一棵红黑树。为什么还有这个东东呢？上面说过，如果节点的被哈希到同一个桶，那么可能导致链表特别长，这样一来访问效率就会急剧下降。此时如果key是可比较的(实现了Comparable接口），HashMap就将这个链表转成一棵平衡二叉树，来挽回一些效率。在实际使用中，我们期望这种现象永远不要发生。
有了这个知识，就可以看看HashMap几个相关常量定义了：

static final int TREEIFY_THRESHOLD = 8; static final int UNTREEIFY_THRESHOLD = 6; static final int MIN_TREEIFY_CAPACITY = 64;

TREEIFY_THRESHOLD，当某个桶里面的节点数达到这个数量，链表可转换成树；
UNTREEIFY_THRESHOLD，当某个桶里面数低于这数量，树转换回链表；
MIN_TREEIFY_CAPACITY，如果桶数量低于这个数，那么优先扩充桶的数量，而不是将链表转换成树；

put方法：Key&Value 【hash|这一篇，带你十分钟深入理解HashMap源码】插入接口：

public V put(K key, V value) { return putVal(hash(key), key, value, false, true); } final int hash(Object key) { int h; return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16); }

put方法调用了私有方法putVal，不过值得注意的是，key的hash值不是直接用的hashCode，最终的hash=（hashCode右移16）^ hashCode。
在将hash值映射为桶位置的时候，取的是hash值的低位部分，这样如果有一批key的仅高位部分不一致，就会聚集的同一个桶里面。（如果桶数量比较少，key是Float类型，且是连续的整数，就会出现这种case）。
执行插入的过程：

V putVal(int hash, K key, V value, boolean onlyIfAbsent, boolean evict) { Node[] tab; Node p; int n, i; if ((tab = table) == null || (n = tab.length) == 0) n = (tab = resize()).length; //代码段1 if ((p = tab[i = (n - 1) & hash]) == null) tab[i] = newNode(hash, key, value, null); else { Node e; K k; //代码段2 if (p.hash == hash && ((k = p.key) == key || (key != null && key.equals(k)))) e = p; //代码段3 else if (p instanceof TreeNode) e = ((TreeNode)p).putTreeVal(this, tab, hash, key, value); else { //代码段4 for (int binCount = 0; ; ++binCount) { //代码段4.1 if ((e = p.next) == null) { p.next = newNode(hash, key, value, null); if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st treeifyBin(tab, hash); break; } //代码段4.2 if (e.hash == hash && ((k = e.key) == key || (key != null && key.equals(k)))) break; p = e; } } //代码段5 if (e != null) { // existing mapping for key V oldValue = https://www.it610.com/article/e.value; if (!onlyIfAbsent || oldValue == null) e.value = value; afterNodeAccess(e); return oldValue; } } //代码段6 ++modCount; if (++size> threshold) resize(); afterNodeInsertion(evict); return null; }

最开始的一段处理桶数组还没有分配的情况；
代码段1： i = (n - 1) & hash，计算hash对应的桶位置，因为n是2的冥次，这是一种高效的取模操作；如果这个位置是空的，那么直接创建Node放进去就OK了；否则这个冲突位置的节点记为P;
代码段2：如果节点P的key和传入的key相等，那么说明新的value要放入一个现有节点里面，记为e;
代码段3：如果节点P是一棵树，那么将key&value插入到这个棵树里面；
代码段4：P是链表头，或是单独一个节点，两种情况，都可以通过扫描链表的方式来做；
- 代码段4.1：如果链表到了尾部，插入一个新节点，同时如果有必要，将链表转成树；
- 代码段4.2：如果链表中找到了相等的key，和代码段2一样处理；
代码段5：将value存入节点e
代码段6：如果size超过某个特定值，要调整桶的数量，关于resize的策略在下文会讲

remove方法了解了put方法，remove方法就容易了，直接讲解私有方法removeNode吧。

public V remove(Object key) { Node e; return (e = removeNode(hash(key), key, null, false, true)) == null ? null : e.value; }Node removeNode(int hash, Object key, Object value, boolean matchValue, boolean movable) { Node[] tab; Node p; int n, index; //代码段1 if ((tab = table) != null && (n = tab.length) > 0 && (p = tab[index = (n - 1) & hash]) != null) {//代码段2： Node node = null, e; K k; V v; if (p.hash == hash && ((k = p.key) == key || (key != null && key.equals(k)))) node = p; //代码段3: else if ((e = p.next) != null) { //代码段3.1: if (p instanceof TreeNode) node = ((TreeNode)p).getTreeNode(hash, key); else { //代码段3.2: do { if (e.hash == hash && ((k = e.key) == key || (key != null && key.equals(k)))) { node = e; break; } p = e; } while ((e = e.next) != null); } }//代码段4: if (node != null && (!matchValue || (v = node.value) == value || (value != null && value.equals(v)))) { //代码段4.1: if (node instanceof TreeNode) ((TreeNode)node).removeTreeNode(this, tab, movable); //代码段4.2: else if (node == p) tab[index] = node.next; //代码段4.3: else p.next = node.next; ++modCount; --size; afterNodeRemoval(node); return node; } } return null; }

代码段1：这个if条件在判断hash对应的桶是否空的，如果是话，那么map里面肯定就没有这个key；否则第一个节点记为P；
代码段2：如果P节点的key与参数key相等，找到了要移除的节点，记为node；
代码段3：扫描桶里面的其他节点
- 代码段3.1：如果桶里面这是一颗树，执行树的查找逻辑；
- 代码段3.2：执行链表扫描逻辑；
代码段4：如果找到了node，那么尝试删除它
- 代码段4.1：如果是树节点，执行树的节点删除逻辑；
- 代码段4.2：node是链表头结点，将node.next放入桶就ok；
- 代码段4.3：删除链表中间节点

rehash rehash就是重新分配桶，并将原有的节点重新hash到新的桶位置。
先看两个和桶的数量相关的成员变量

final float loadFactor; int threshold;

loadFactor 负载因子，是创建HashMap时设定的一个值，即map所包含的条目数量与桶数量的比值上限；一旦map的负载达到这个值，就需要扩展桶的数量；
threshold map的数量达到这个值，就需要扩展桶，它的值基本上等于桶的容量*loadFactor，我感觉就是一个缓存值，加快相关的操作，不用每次都去计算；

桶的扩展策略，见下面的函数，如果需要的容量是cap，真实扩展的容量是大于cap的一个2的冥次。
这样依赖，每次扩展，增加的容量都是2的倍数。

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; }

这是具体的扩展逻辑

Node[] resize() {//此处省略了计算newCap的逻辑Node[] newTab = (Node[])new Node[newCap]; table = newTab; if (oldTab != null) { for (int j = 0; j < oldCap; ++j) { Node e; if ((e = oldTab[j]) != null) { oldTab[j] = null; //分支1 if (e.next == null) newTab[e.hash & (newCap - 1)] = e; //分支2 else if (e instanceof TreeNode) ((TreeNode)e).split(this, newTab, j, oldCap); //分支3 else { // preserve order //此处省略了链表拆分逻辑 } } } return newTab; }

首先分配新的桶数组；
扫描旧的桶，将元素迁移过来；
分支1：桶里面只有一个新的节点，那么放入到新桶对应的位置即可；
分支2：桶里面是一棵树，执行树的拆分逻辑
分支3：桶里面是一个链表，执行链表的拆分逻辑；

由于新桶的数量是旧桶的2的倍数，所以每个旧桶都能对应2个或更多的新桶，互不干扰。所以上面的迁移逻辑，并不需要检查新桶里面是否有节点。
可见，rehash的代价是很大的，最好在初始化的时候，能够设定一个合适的容量，避免rehash。
最后，虽然上面的代码没有体现，在HashMap的生命周期内，桶的数量只会增加，不会减少。
迭代器所有迭代器的核心就是这个HashIterator

abstract class HashIterator { Node next; // next entry to return Node current; // current entry int expectedModCount; // for fast-fail int index; // current slotfinal Node nextNode() { Node[] t; Node e = next; if (modCount != expectedModCount) throw new ConcurrentModificationException(); if (e == null) throw new NoSuchElementException(); if ((next = (current = e).next) == null && (t = table) != null) { do {} while (index < t.length && (next = t[index++]) == null); } return e; } }

简单起见，只保留了next部分的代码。原理很简单，next指向下一个节点，肯定处在某个桶当中(桶的位置是index)。那么如果同一个桶还有其他节点，那么一定可以顺着next.next来找到，无论这是一个链表还是一棵树。否则扫描下一个桶。
有了上面的节点迭代器，其他用户可见的迭代器都是通过它来实现的。

final class KeyIterator extends HashIterator implements Iterator { public final K next() { return nextNode().key; } }final class ValueIterator extends HashIterator implements Iterator { public final V next() { return nextNode().value; } }final class EntryIterator extends HashIterator implements Iterator> { public final Map.Entry next() { return nextNode(); } }

视图 KeySet的部分代码：这并不是一个独立的Set，而是一个视图，它的接口内部访问的都是HashMap的数据。

final class KeySet extends AbstractSet { public final int size(){ return size; } public final void clear(){ HashMap.this.clear(); } public final Iterator iterator(){ return new KeyIterator(); } public final boolean contains(Object o) { return containsKey(o); } public final boolean remove(Object key) { return removeNode(hash(key), key, null, false, true) != null; } }

EntrySet、Values和KeySet也是类似的，不再赘述。
要点总结 1、key&value存储在节点中；
2、节点有可能是链表节点，也有可能是树节点；
3、依据key哈希值给节点分配桶；
4、如果桶里面有多个节点，那么要么形成一个链表，要么形成一颗树；
5、装载因子限制的了节点和桶的数量比例，必要时会扩展桶的数量；
6、桶数量必然是2的冥次，重新分配桶的过程叫做rehash，这是很昂贵的操作；
写在最后