了解 HashMap 数据结构，超详细！

关注
发布于: 2020 年 10 月 23 日
写在前面
小伙伴儿们，大家好！今天来学习HashMap相关内容，作为面试必问的知识点，来深入了解一波！
思维导图：
学习框架图
1，HashMap集合简介HashMap基于哈希表的Map接口实现，是以key-value存储形式存在，即主要用来存放键值对。HashMap的实现不是同步的，这意味着它不是线程安全的。它的key、value都可以为null。此外，HashMap中的映射不是有序的。
JDK1.8之前的HashMap由数组+链表组成的，数组是HashMap的主体，链表则是主要为了节解决哈希碰撞(两个对象调用的hashCode方法计算的哈希码值一致导致计算的数组索引值相同)而存在的（“拉链法”解决冲突）。
JDK1.8之后在解决哈希冲突时有了较大的变化，当链表长度大于阈值（或者红黑树的边界值，默认为8）并且当前数组的长度大于64时，此时此索引位置上的所有数据改为使用红黑树存储。
数组里面都是key-value的实例，在JDK1.8之前叫做Entry，在JDK1.8之后叫做Node。
key-value实例
由于它的key、value都为null，所以在插入的时候会根据key的hash去计算一个index索引的值。计算索引的方法如下：
/**
 * 根据key求index的过程
 * 1,先用key求出hash值
 */
static final int hash(Object key) {
    int h;
    return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}
//2,再用公式index = (n - 1) & hash（n是数组长度）
int hash=hash(key);
index=(n-1)&hash;
这里的Hash算法本质上就是三步：取key的hashCode值、高位运算、取模运算。
这样的话比如说put("A",王炸)，插入了key为"A"的元素，这时候通过上述公式计算出插入的位置index，若index为3则结果如下（即hash("A")=3）：
那么，HashMap中的链表又是干什么用的呢？
大家都知道数组的长度是有限的，在有限的长度里面使用哈希函数计算index的值时，很有可能插入的k值不同，但所产生的hash是相同的（也叫做哈希碰撞），这也就是哈希函数存在一定的概率性。就像上面的K值为A的元素，如果再次插入一个K值为a的元素，很有可能所产生的index值也为3，也就是即hash("a")=3；那这就形成了链表，这种解决哈希碰撞的方法也叫做拉链法。
当这个链表长度大于阈值8并且数组长度大于64则进行将链表变为红黑树。
补充：
将链表转换成红黑树前会判断，如果阈值大于8，但是数组长度小64，此时并不会将链表变为红黑树。而是选择进行数组扩容。
这样做的目的是因为数组比较小，尽量避开红黑树结构，这种情况下变为红黑树结构，反而会降低效率，因为红黑树需要进行左旋，右旋，变色这些操作来保持平衡。同事数组长度小于64时，搜索时间相对快一些。所以综上所述为了提高性能和减少搜索时间，底层在阈值大于8并且数组长度大于64时，链表才转换为红黑树。具体可以参考treeifyBin方法。
当然虽然增了红黑树作为底层数据结构，结构变得复杂了，但是阈值大于8并且数组长度大于64时，链表转换为红黑树时，效率也变得更高效。
特点：
存取无序的
键和值位置都可以是null，但是键位置只能是一个null
键位置是唯一的，底层的数据结构控制键的
jdk1.8前数据结构是：链表 + 数组  jdk1.8之后是 ：链表 + 数组  + 红黑树
阈值(边界值) > 8 并且数组长度大于64，才将链表转换为红黑树，变为红黑树的目的是为了高效的查询。
2，HsahMap底层数据结构2.1，HashMap存储数据的过程
每一个Node结点都包含键值对的key，value还有计算出来的hash值，还保存着下一个 Node 的引用 next（如果没有下一个 Node，next = null），来看看Node的源码：
static class Node<K,V> implements Map.Entry<K,V> {
        final int hash;
        final K key;
        V value;
        Node<K,V> next;
        ...
   }
HashMap存储数据需要用到put()方法，关于这些方法的详解，我们下节再说，这里简要说一下；
public static void main(String[] args) {
        HashMap<String,Integer> hmap=new HashMap<>();
        hmap.put("斑",55);
        hmap.put("镜",63);
        hmap.put("带土",25);
        hmap.put("鼬",9);
        hmap.put("佐助",43);
        hmap.put("斑",88);
        System.out.println(hmap);
    }
当创建HashMap集合对象的时候，在jdk1.8之前，构造方法中会创建很多长度是16的Entry[] table用来存储键值对数据的。在jdk1.8之后不是在HashMap的构造方法底层创建数组了，是在第一次调用put方法时创建的数组，Node[] table用来存储键值对数据的。
比方说我们向哈希表中存储"斑"-55的数据，根据K值("斑")调用String类中重写之后的hashCode()方法计算出值（数量级很大），然后结合数组长度采用取余（(n-1)&hash）操作或者其他操作方法来计算出向Node数组中存储数据的空间的索引值。如果计算出来的索引空间没有数据，则直接将"斑"-55数据存储到数组中。跟上面的"A-王炸"数据差不多。
我们回到上方的数组图，如果此时再插入"A-蘑菇"元素，那么首先根据Key值("A")调用hashCode()方法结合数组长度计算出索引肯定也是3，此时比较后存储的"A-蘑菇"和已经存在的数据"A-王炸"的hash值是否相等，如果hash相等，此时发生hash碰撞。
那么底层会调用"A"所属类String中的equals方法比较两个key内容是否相等，若相等，则后添加的数据直接覆盖已经存在的Value，也就是"蘑菇"直接覆盖"王炸"；若不相等，继续向下和其他数据的key进行比较，如果都不相等，则规划出一个节点存储数据。
两个结点key值比较，是否覆盖
2.2，哈希碰撞相关的问题哈希表底层采用何种算法计算hash值？还有哪些算法可以计算出hash值？
底层是采用key的hashCode方法的值结合数组长度进行无符号右移（>>>）、按位异或（^）、按位与（&）计算出索引的
还可以采用：平方取中法，取余数，伪随机数法。这三种效率都比较低。而无符号右移16位异或运算效率是最高的。
当两个对象的hashCode相等时会怎么样？
会产生哈希碰撞，若key值内容相同则替换旧的value.否则连接到链表后面，链表长度超过阈值8就转换为红黑树存储。
何时发生哈希碰撞和什么是哈希碰撞,如何解决哈希碰撞？
只要两个元素的key计算的哈希值相同就会发生哈希碰撞。jdk8前使用链表解决哈希碰撞。jdk8之后使用链表+红黑树解决哈希碰撞。
如果两个键的hashcode相同，如何存储键值对？
hashcode相同，通过equals比较内容是否相同。相同：则新的value覆盖之前的value 不相同：则将新的键值对添加到哈希表中
2.3，红黑树结构当位于一个链表中的元素较多，即hash值相等但是内容不相等的元素较多时，通过key值依次查找的效率较低。而jdk1.8中，哈希表存储采用数组+链表+红黑树实现，当链表长度(阀值)超过 8 时且当前数组的长度 > 64时，将链表转换为红黑树，这样大大减少了查找时间。jdk8在哈希表中引入红黑树的原因只是为了查找效率更高。
红黑树结构
JDK 1.8 以前 HashMap 的实现是 数组+链表，即使哈希函数取得再好，也很难达到元素百分百均匀分布。当 HashMap 中有大量的元素都存放到同一个桶中时，这个桶下有一条长长的链表，这个时候 HashMap 就相当于一个单链表，假如单链表有 n 个元素，遍历的时间复杂度就是 O(n)，完全失去了它的优势。针对这种情况，JDK 1.8 中引入了 红黑树（查找时间复杂度为 O(logn)）来优化这个问题。当链表长度很小的时候，即使遍历，速度也非常快，但是当链表长度不断变长，肯定会对查询性能有一定的影响，所以才需要转成树。
2.4，存储流程图HashMap存放数据是用的put方法，put 方法内部调用的是 putVal() 方法，所以对 put 方法的分析也是对 putVal 方法的分析，整个过程比较复杂，流程图如下：
来看看put()源码：
public V put(K key, V value) {
    //对key的hashCode()做hash，调用的是putVal方法
        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;
        /*
           1，tab为空则开始创建，
           2，(tab = table) == null 表示将空的table赋值给tab,然后判断tab是否等于null，第一次肯定是null
           3，(n = tab.length) == 0 表示没有为table分配内存
           4，tab为空，执行代码 n = (tab = resize()).length; 进行扩容。并将初始化好的数组长度赋值给n.
           5，执行完n = (tab = resize()).length，数组tab每个空间都是null
        */
       
        if ((tab = table) == null || (n = tab.length) == 0)
            //调用resize()方法进行扩容
            n = (tab = resize()).length;
         /*
        1，i = (n - 1) & hash 表示计算数组的索引赋值给i，即确定元素存放在哪个桶中
        2，p = tab[i = (n - 1) & hash]表示获取计算出的位置的数据赋值给节点p
        3，(p = tab[i = (n - 1) & hash]) == null 判断节点位置是否等于null，
         如果为null，则执行代码：tab[i] = newNode(hash, key, value, null);根据键值对创建新的节点放入该位置的桶中
        小结：如果当前桶没有哈希碰撞冲突，则直接把键值对插入空间位置
    */ 
        if ((p = tab[i = (n - 1) & hash]) == null)
            //节点位置为null，则直接进行插入操作
            tab[i] = newNode(hash, key, value, null);
        //节点位置不为null，表示这个位置已经有值了，于是需要进行比较hash值是否相等
        else {
            Node<K,V> e; K k;
             /*
          比较桶中第一个元素(数组中的结点)的hash值和key是否相等
               1，p.hash == hash 中的p.hash表示原来存在数据的hash值  hash表示后添加数据的hash值 比较两个hash值是否相等
               2，(k = p.key) == key ：p.key获取原来数据的key赋值给k  key表示后添加数据的key 比较两个key的地址值是否相等
               3，key != null && key.equals(k)：能够执行到这里说明两个key的地址值不相等，那么先判断后添加的key是否等于null，如果不等于null再调用equals方法判断两个key的内容是否相等
        */
            if (p.hash == hash &&
                ((k = p.key) == key || (key != null && key.equals(k))))
                 /*
                 说明：两个元素哈希值相等（哈希碰撞），并且key的值也相等
                 将旧的元素整体对象赋值给e，用e来记录
                */ 
                e = p;
            // hash值不相等或者key不相等；判断p是否为红黑树结点
            else if (p instanceof TreeNode)
                // 是红黑树，调用树的插入方法
                e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
            // 说明是链表节点，这时进行插入操作
            else {
                /*
                1，如果是链表的话需要遍历到最后节点然后插入
                2，采用循环遍历的方式，判断链表中是否有重复的key
                */
                for (int binCount = 0; ; ++binCount) {
                    /*
                 1)e = p.next 获取p的下一个元素赋值给e
                 2)(e = p.next) == null 判断p.next是否等于null，等于null，说明p没有下一个元     素，那么此时到达了链表的尾部，还没有找到重复的key,则说明HashMap没有包含该键
                 将该键值对插入链表中
                */
                    if ((e = p.next) == null) {
                        p.next = newNode(hash, key, value, null);
                        //插入后发现链表长度大于8，转换成红黑树结构
                        if (binCount >= TREEIFY_THRESHOLD - 1) 
                            //转换为红黑树
                            treeifyBin(tab, hash);
                        break;
                    }
                    //key值以及存在直接覆盖value
                    if (e.hash == hash &&
                        ((k = e.key) == key || (key != null && key.equals(k))))
                        break;
                    p = e;
                }
            }
            //若结点为null，则不进行插入操作
            if (e != null) { 
                V oldValue = e.value;
                if (!onlyIfAbsent || oldValue == null)
                    e.value = value;
                afterNodeAccess(e);
                return oldValue;
            }
        }
        //修改记录次数
        ++modCount;
        // 判断实际大小是否大于threshold阈值，如果超过则扩容
        if (++size > threshold)
            resize();
        // 插入后回调
        afterNodeInsertion(evict);
        return null;
    }
﻿
小结：
根据哈希表中元素个数确定是扩容还是树形化
如果是树形化遍历桶中的元素，创建相同个数的树形节点，复制内容，建立起联系
然后让桶中的第一个元素指向新创建的树根节点，替换桶的链表内容为树形化内容
3，HashMap的扩容机制我们知道，数组的容量是有限的，多次插入数据的话，到达一定数量就会进行扩容；先来看两个问题
什么时候需要扩容？当HashMap中的元素个数超过数组长度loadFactor(负载因子)时，就会进行数组扩容，loadFactor的默认值是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中的元素个数超过16×0.75=12(这个值就是阈值)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，那么预知元素的个数能够有效的提高HashMap的性能。
怎么进行扩容的？HashMap在进行扩容时使用 resize() 方法，计算 table 数组的新容量和 Node 在新数组中的新位置，将旧数组中的值复制到新数组中，从而实现自动扩容。因为每次扩容都是翻倍，与原来计算的 (n-1)&hash的结果相比，只是多了一个bit位，所以节点要么就在原来的位置，要么就被分配到"原位置+旧容量"这个位置。
因此，我们在扩充HashMap的时候，不需要重新计算hash，只需要看看原来hash值新增的那个bit是1还是0就可以了，是0的话索引没变，是1的话索引变成“原索引+oldCap(原位置+旧容量)”。这里不再详细赘述，可以看看下图为16扩充为32的resize示意图：
hashmap扩容
4，HashMap数组长度为什么是2的次幂我们先看看它的成员变量：
序列化版本号
private static final long serialVersionUID = 362498820763181265L;
集合的初始化容量initCapacity
//默认的初始容量是16 -- 1<<4相当于1*2的4次方---1*16
static final int DEFAULT_INITIAL_CAPACITY = 1 << 4;   
﻿
初始化容量默认是16，容量过大，遍历时会减慢速度，效率低；容量过小，那么扩容的次数变多，非常耗费性能。
负载因子
/**
     * The load factor used when none specified in constructor.
     */
    static final float DEFAULT_LOAD_FACTOR = 0.75f;
﻿
初始默认值为0.75，若过大，会导致哈希冲突的可能性更大；若过小，扩容的次数也会提高。
为什么必须是2的n次幂？当向HashMap中添加一个元素的时候，需要根据key的hash值，去确定其在数组中的具体位置。HashMap为了提高存取效率，要尽量较少碰撞，就是要尽量把数据分配均匀，每个链表长度大致相同，这个实现就在把数据存到哪个链表中的算法。
这个算法实际就是取模，hash%length，计算机中直接求余效率不如位移运算。所以源码中做了优化,使用 hash&(length-1)，而实际上hash%length等于hash&(length-1)的前提是length是2的n次幂。
如果输入值不是2的幂会怎么样？如果数组长度不是2的n次幂，计算出的索引特别容易相同，及其容易发生hash碰撞，导致其余数组空间很大程度上并没有存储数据，链表或者红黑树过长，效率降低。
小结：1，当根据key的hash确定其在数组的位置时，如果n为2的幂次方，可以保证数据的均匀插入，如果n不是2的幂次方，可能数组的一些位置永远不会插入数据，浪费数组的空间，加大hash冲突。
2，一般可能会想通过 % 求余来确定位置，这样也可以，只不过性能不如 & 运算。而且当n是2的幂次方时：hash & (length - 1) == hash % length
3，因此，HashMap 容量为2次幂的原因，就是为了数据的的均匀分布，减少hash冲突，毕竟hash冲突越大，代表数组中一个链的长度越大，这样的话会降低hashmap的性能
微信搜索公众号《程序员的时光》
好了，今天就先分享到这里了，下期继续给大家带来HashMap面试内容！
更多干货、优质文章，欢迎关注我的原创技术公众号~
﻿