HashMap总结

HashMap

JDK 1.8 以前

JDK1.8 之前HashMap底层通过 数组和链表 结合。HashMap通过Key的hashcode经过扰动函数处理得到hash值，然后通过(n - 1) & hash判断当前元素的存放位置(n指数组长度)，如果当前位置存在元素，就判断该元素与要存入的元素的hash值与key是否相同，如果相同直接覆盖，如果不同就通过拉链法解决冲突。

扰动函数就是HashMap的hash方法，使用hash方法可以减少哈希冲突。
两个版本的hash方法如下：

//jdk 1.7
static int hash(int h) {
    // This function ensures that hashCodes that differ only by
    // constant multiples at each bit position have a bounded
    // number of collisions (approximately 8 at default load factor).

    h ^= (h >>> 20) ^ (h >>> 12);
    return h ^ (h >>> 7) ^ (h >>> 4);
}

//jdk 1.8
static final int hash(Object key) {
    int h;
    // key.hashCode()：返回散列值也就是hashcode
    // ^ ：按位异或
    // >>>:无符号右移，忽略符号位，空位都以0补齐
    return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}

jdk1.7的hash方法扰动了四次，所以性能不如jdk 1.8

拉链法

即创建一个链表数组，这就是1.7数组+链表的由来，数组中的每一格就是一个链表，如果遇到哈希冲突，则将冲突的值加入链表即可。

jdk 1.8 以后

jdk 1.8 以后，HashMap的底层变为数组+链表+红黑树。

为什么要改成“数组+链表+红黑树”？
主要是为了提升在哈希冲突严重时(链表过长)的查找性能，使用链表的查找性能是O(n)，而使用红黑树是O(logn)。

重要初始属性

//初始容量大小，若不指定默认为16
static final int DEFAULT_INITIAL_CAPACITY = 1 << 4; // aka 16
//最大容量
static final int MAXIMUM_CAPACITY = 1 << 30;
//负载因子
static final float DEFAULT_LOAD_FACTOR = 0.75f;
//treeifyBin阈值
static final int TREEIFY_THRESHOLD = 8;
//untreeify阈值
static final int UNTREEIFY_THRESHOLD = 6;
//树化最小容量
static final int MIN_TREEIFY_CAPACITY = 64;

扩容原则

对于插入操作，默认情况下使用链表节点，当同一个索引位置的节点在**新增达到9个(阈值默认为8)**：

• 如果此时数组长度大于等于64，则触发链表节点转为红黑树节点(treeifyBin)
• 如果数组长度小于64，则先对数组扩容

final void treeifyBin(Node<K,V>[] tab, int hash) {
    int n, index; Node<K,V> e;
    // 判断当前数组的长度是否小于 64
    if (tab == null || (n = tab.length) < MIN_TREEIFY_CAPACITY)
        // 如果当前数组的长度小于 64，那么会选择先进行数组扩容
        resize();
    else if ((e = tab[index = (n - 1) & hash]) != null) {
        // 否则才将列表转换为红黑树

        TreeNode<K,V> hd = null, tl = null;
        do {
            TreeNode<K,V> p = replacementTreeNode(e, null);
            if (tl == null)
                hd = p;
            else {
                p.prev = tl;
                tl.next = p;
            }
            tl = p;
        } while ((e = e.next) != null);
        if ((tab[index] = hd) != null)
            hd.treeify(tab);
    }
}

对于移除操作，当用一个索引位置的节点在移除后达到6个，并且该索引位置的节点是红黑树节点，则触发红黑树节点转为链表节点(untreeify)

为什么链表转红黑树的阈值是8？
简单来说，阈值为8是在时间和空间上权衡的结果。
红黑树节点大小约为链表节点的2倍，在节点太少时，红黑树的查找性能优势并不明显，没必要付出2倍的空间。
理想情况下，使用随机的哈希码，节点分布在 hash 桶中的频率遵循泊松分布，当链表中节点个数为8时的概率为 0.00000006，这个概率足够低，并且到达8个节点时，红黑树的性能优势也会展现出来，因此8是一个合理的数字。

为什么转回链表节点是用的6而不是复用8？
如果我们设置节点多于8个转红黑树，少于8个就马上转链表，当节点个数在8徘徊时，就会频繁进行红黑树和链表的转换，造成性能的损耗。

默认初始容量

HashMap的默认初始容量为16，且HashMap的容量必须是2的N次方，HashMap 会根据我们传入的容量计算一个大于等于该容量的最小的2的N次方，例如传 9，容量为16。

//容量计算方法
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;
}

HashMap 的长度为什么是 2 的幂次方？
计算索引位置的公式为：(n - 1) & hash，当 n 为 2 的 N 次方时，n - 1 为低位全是 1 的值，此时任何值跟 n - 1 进行 & 运算的结果为该值的低 N 位，达到了和取模同样的效果，实现了均匀分布。

put方法

源码如下：

//jdk 1.8
public V put(K key, V value) {
    return putVal(hash(key), key, value, false, true);
}

final V putVal(int hash, K key, V value, boolean onlyIfAbsent,
                   boolean evict) {
    //tab: 引用当前hashMap的散列表
	//p: 表示当前散列表的元素
	//n: 表示散列表数组的长度
	//i: 表示路由寻址结果
    Node<K,V>[] tab; Node<K,V> p; int n, i;
    // table未初始化或者长度为0，进行扩容（采用了延时初始化，第一次put才会初始化散列表。）
    if ((tab = table) == null || (n = tab.length) == 0)
        n = (tab = resize()).length;
    // 寻址找到的桶位为null
    //(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)
    if ((p = tab[i = (n - 1) & hash]) == null)
        tab[i] = newNode(hash, key, value, null);
    // 寻址找到的桶位已经存在元素
    else {
        Node<K,V> e; K k;
        // 比较桶中第一个元素(数组中的结点)的hash值相等，key相等，也就是判断是否是重复的值。
        if (p.hash == hash &&
            ((k = p.key) == key || (key != null && key.equals(k))))
                // 完全一致
            	//e:找到的一个与当前要插入的元素一致的元素
                e = p;
        // hash值不相等，即key不相等；且为红黑树结点
        else if (p instanceof TreeNode)
            // 放入树中
            e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
        // 为链表结点
        else {
            // 在链表最末插入结点
            for (int binCount = 0; ; ++binCount) {
                // 到达链表的尾部
                if ((e = p.next) == null) {
                    // 在尾部插入新结点
                    p.next = newNode(hash, key, value, null);
                    // 结点数量达到阈值，转化为红黑树
                    if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st
                        treeifyBin(tab, hash);
                    break;
                }
                // 判断链表中结点的key值与插入的元素的key值是否相等
                if (e.hash == hash &&
                    ((k = e.key) == key || (key != null && key.equals(k))))
                    // 相等，跳出循环
                    break;
                // 用于遍历桶中的链表，与前面的e = p.next组合，可以遍历链表
                p = e;
            }
        }
        // 表示在桶中找到key值、hash值与插入元素相等的结点
        if (e != null) { 
            // 记录e的value
            V oldValue = e.value;
            // onlyIfAbsent为false或者旧值为null
            if (!onlyIfAbsent || oldValue == null)
                //替换
                e.value = value;
            afterNodeAccess(e);
            return oldValue;
        }
    }
    // 结构性修改
    ++modCount;
    // 实际大小大于阈值则扩容
    if (++size > threshold)
        resize();
    // 插入后回调
    afterNodeInsertion(evict);
    return null;
} 

总结：

1. 判断table数组是否为空，若为空就进行resize()扩容，不是就通过(n - 1) & hash得到存储键值对的索引
2. 判断索引处是否为空，为空就直接插入到对应数组
3. 若不为空， 首先判断key是否已经存在，若存在就直接覆盖
4. 否则，判断插入的是不是红黑树节点，如果是就放入树中
5. 如果不是就遍历链表插入链表尾部，然后判断是否需要转为红黑树
6. 若节点数量达到阈值，执行treeifyBin方法，如果数组长度大于等于64，才会转为红黑树，否则对数组扩容
7. 判断数组的size是否大于阈值，若大于就执行resize()扩容

再来对比一下jdk 1.7中的put方法
源码如下：

public V put(K key, V value) {
    if (table == EMPTY_TABLE) {
    inflateTable(threshold);
}
    if (key == null)
        return putForNullKey(value);
    int hash = hash(key);
    int i = indexFor(hash, table.length);
    for (Entry<K,V> e = table[i]; e != null; e = e.next) { // 先遍历
        Object k;
        if (e.hash == hash && ((k = e.key) == key || key.equals(k))) {
            V oldValue = e.value;
            e.value = value;
            e.recordAccess(this);
            return oldValue;
        }
    }

    modCount++;
    addEntry(hash, key, value, i);  // 再插入
    return null;
}

大致分为两个步骤：

1. 如果当前数组位置没有元素就直接插入
2. 否则，遍历以这个元素为头节点的链表，依次和插入的key比较，如果相同则直接覆盖，不同就采用头插法插入元素。

ConcurrentHashMap

和HashMap的区别