摘要

HashMap是Java程序員使用頻率最高的用於映射(鍵值對)處理的數據類型。

隨著JDK（Java Developmet Kit）版本的更新，JDK1.8對HashMap底層的實現進行了優化，例如引入紅黑樹的數據結構和擴容的優化等。本文結合JDK1.7和JDK1.8的區別，深入探討HashMap的結構實現和功能原理。

簡介

Java為數據結構中的映射定義了一個接口java.util.Map，此接口主要有四個常用的實現類，分別是HashMap、Hashtable、LinkedHashMap和TreeMap，類繼承關係如下圖所示：

下面針對各個實現類的特點做一些說明：

(1) HashMap：它根據鍵的hashCode值存儲數據，大多數情況下可以直接定位到它的值，因而具有很快的訪問速度，但遍歷順序卻是不確定的。

HashMap最多隻允許一條記錄的鍵為null，允許多條記錄的值為null。HashMap非線程安全，即任一時刻可以有多個線程同時寫HashMap，可能會導致數據的不一致。如果需要滿足線程安全，可以用 Collections的synchronizedMap方法使HashMap具有線程安全的能力，或者使用ConcurrentHashMap。

(2) Hashtable：Hashtable是遺留類，很多映射的常用功能與HashMap類似，不同的是它承自Dictionary類，並且是線程安全的，任一時間只有一個線程能寫Hashtable，併發性不如ConcurrentHashMap，因為ConcurrentHashMap引入了分段鎖。Hashtable不建議在新代碼中使用，不需要線程安全的場合可以用HashMap替換，需要線程安全的場合可以用ConcurrentHashMap替換。

(3) LinkedHashMap：LinkedHashMap是HashMap的一個子類，保存了記錄的插入順序，在用Iterator遍歷LinkedHashMap時，先得到的記錄肯定是先插入的，也可以在構造時帶參數，按照訪問次序排序。

(4) TreeMap：TreeMap實現SortedMap接口，能夠把它保存的記錄根據鍵排序，默認是按鍵值的升序排序，也可以指定排序的比較器，當用Iterator遍歷TreeMap時，得到的記錄是排過序的。如果使用排序的映射，建議使用TreeMap。在使用TreeMap時，key必須實現Comparable接口或者在構造TreeMap傳入自定義的Comparator，否則會在運行時拋出java.lang.ClassCastException類型的異常。

對於上述四種Map類型的類，要求映射中的key是不可變對象。不可變對象是該對象在創建後它的哈希值不會被改變。如果對象的哈希值發生變化，Map對象很可能就定位不到映射的位置了。

通過上面的比較，我們知道了HashMap是Java的Map家族中一個普通成員，鑑於它可以滿足大多數場景的使用條件，所以是使用頻度最高的一個。下文我們主要結合源碼，從存儲結構、常用方法分析、擴容以及安全性等方面深入講解HashMap的工作原理。

內部實現

搞清楚HashMap，首先需要知道HashMap是什麼，即它的存儲結構-字段；其次弄明白它能幹什麼，即它的功能實現-方法。下面我們針對這兩個方面詳細展開講解。

存儲結構-字段

從結構實現來講，HashMap是:數組+鏈表+紅黑樹（JDK1.8增加了紅黑樹部分）實現的，如下如所示。

這裡需要講明白兩個問題：數據底層具體存儲的是什麼？這樣的存儲方式有什麼優點呢？

(1) 從源碼可知，HashMap類中有一個非常重要的字段，就是 Node[] table，即哈希桶數組，明顯它是一個Node的數組。我們來看Node[JDK1.8]是何物。

static class Node 
 implements Map.Entry {
 final int hash; //用來定位數組索引位置
 final K key;
 V value;
 Node next; //鏈表的下一個node
 Node(int hash, K key, V value, Node next) { ... }
 public final K getKey(){ ... }
 public final V getValue() { ... }
 public final String toString() { ... }
 public final int hashCode() { ... }
 public final V setValue(V newValue) { ... }
 public final boolean equals(Object o) { ... }
}

Node是HashMap的一個內部類，實現了Map.Entry接口，本質是就是一個映射(鍵值對)。上圖中的每個黑色圓點就是一個Node對象。

(2) HashMap就是使用哈希表來存儲的。哈希表為解決衝突，可以採用開放地址法和鏈地址法等來解決問題，Java中HashMap採用了鏈地址法。鏈地址法，簡單來說，就是數組加鏈表的結合。在每個數組元素上都一個鏈表結構，當數據被Hash後，得到數組下標，把數據放在對應下標元素的鏈表上。例如程序執行下面代碼：

 map.put("優知","IT進階站");

系統將調用"優知"這個key的hashCode()方法得到其hashCode 值（該方法適用於每個Java對象），然後再通過Hash算法的後兩步運算（

如果哈希桶數組很大，即使較差的Hash算法也會比較分散，如果哈希桶數組數組很小，即使好的Hash算法也會出現較多碰撞，所以就需要在空間成本和時間成本之間權衡，其實就是在根據實際情況確定哈希桶數組的大小，並在此基礎上設計好的hash算法減少Hash碰撞。那麼通過什麼方式來控制map使得Hash碰撞的概率又小，哈希桶數組（Node[] table）佔用空間又少呢？答案就是好的Hash算法和擴容機制。

在理解Hash和擴容流程之前，我們得先了解下HashMap的幾個字段。從HashMap的默認構造函數源碼可知，構造函數就是對下面幾個字段進行初始化，源碼如下：

 int threshold; // 所能容納的key-value對極限 
 final float loadFactor; // 負載因子
 int modCount; 
 int size;

首先，Node[] table的初始化長度length(默認值是16)

結合負載因子的定義公式可知，threshold就是在此Load factor和length(數組長度)對應下允許的最大元素數目，超過這個數目就重新resize(擴容)，擴容後的HashMap容量是之前容量的兩倍。默認的負載因子0.75是對空間和時間效率的一個平衡選擇，建議大家不要修改，除非在時間和空間比較特殊的情況下，如果內存空間很多而又對時間效率要求很高，可以降低負載因子Load factor的值；相反，如果內存空間緊張而對時間效率要求不高，可以增加負載因子loadFactor的值，這個值可以大於1。

size這個字段其實很好理解，就是HashMap中實際存在的鍵值對數量。注意和table的長度length、容納最大鍵值對數量threshold的區別。而modCount字段主要用來記錄HashMap內部結構發生變化的次數，主要用於迭代的快速失敗。強調一點，內部結構發生變化指的是結構發生變化，例如put新鍵值對，但是某個key對應的value值被覆蓋不屬於結構變化。

在HashMap中，哈希桶數組table的長度length大小必須為2的n次方(一定是合數)，這是一種非常規的設計，常規的設計是把桶的大小設計為素數。

這裡存在一個問題，即使負載因子和Hash算法設計的再合理，也免不了會出現拉鍊過長的情況，一旦出現拉鍊過長，則會嚴重影響HashMap的性能。於是，在JDK1.8版本中，對數據結構做了進一步的優化，引入了紅黑樹。而當鏈表長度太長（默認超過8）時，鏈表就轉換為紅黑樹，利用紅黑樹快速增刪改查的特點提高HashMap的性能，其中會用到紅黑樹的插入、刪除、查找等算法。本文不再對紅黑樹展開討論，想了解更多紅黑樹數據結構的工作原理。

功能實現-方法

HashMap的內部功能實現很多，本文主要從：

1).根據key獲取哈希桶數組索引位置

2).put方法的詳細執行

3).擴容過程三個具有代表性的點深入展開講解。

1. 確定哈希桶數組索引位置

不管增加、刪除、查找鍵值對，定位到哈希桶數組的位置都是很關鍵的第一步。前面說過HashMap的數據結構是數組和鏈表的結合，所以我們當然希望這個HashMap裡面的元素位置儘量分佈均勻些，儘量使得每個位置上的元素數量只有一個，那麼當我們用hash算法求得這個位置的時候，馬上就可以知道對應位置的元素就是我們要的，不用遍歷鏈表，大大優化了查詢的效率。HashMap定位數組索引位置，直接決定了hash方法的離散性能。先看看源碼的實現(方法一+方法二):

方法一：
static final int hash(Object key) { //jdk1.8 & jdk1.7
 int h;
 // h = key.hashCode() 為第一步 取hashCode值
 // h ^ (h >>> 16) 為第二步 高位參與運算
 return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}
方法二：
static int indexFor(int h, int length) { //jdk1.7的源碼，jdk1.8沒有這個方法，但是實現原理一樣的
 return h & (length-1); //第三步 取模運算
}

這裡的Hash算法本質上就是三步：取key的hashCode值、高位運算、取模運算。

對於任意給定的對象，只要它的hashCode()返回值相同，那麼程序調用方法一所計算得到的Hash碼值總是相同的。我們首先想到的就是把hash值對數組長度取模運算，這樣一來，元素的分佈相對來說是比較均勻的。但是，模運算的消耗還是比較大的，在HashMap中是這樣做的：調用方法二來計算該對象應該保存在table數組的哪個索引處。

這個方法非常巧妙，它通過h & (table.length -1)來得到該對象的保存位，而HashMap底層數組的長度總是2的n次方，這是HashMap在速度上的優化。當length總是2的n次方時，h& (length-1)運算等價於對length取模，也就是h%length，但是&比%具有更高的效率。

在JDK1.8的實現中，優化了高位運算的算法，通過hashCode()的高16位異或低16位實現的：(h = k.hashCode()) ^ (h >>> 16)，主要是從速度、功效、質量來考慮的，這麼做可以在數組table的length比較小的時候，也能保證考慮到高低Bit都參與到Hash的計算中，同時不會有太大的開銷。

下面舉例說明下，n為table的長度。

2. 分析HashMap的put方法

HashMap的put方法執行過程可以通過下圖來理解，自己有興趣可以去對比源碼更清楚地研究學習。

①.判斷鍵值對數組table[i]是否為空或為null，否則執行resize()進行擴容；

②.根據鍵值key計算hash值得到插入的數組索引i，如果table[i]==null，直接新建節點添加，轉向⑥，如果table[i]不為空，轉向③；

③.判斷table[i]的首個元素是否和key一樣，如果相同直接覆蓋value，否則轉向④，這裡的相同指的是hashCode以及equals；

④.判斷table[i] 是否為treeNode，即table[i] 是否是紅黑樹，如果是紅黑樹，則直接在樹中插入鍵值對，否則轉向⑤；

⑤.遍歷table[i]，判斷鏈表長度是否大於8，大於8的話把鏈表轉換為紅黑樹，在紅黑樹中執行插入操作，否則進行鏈表的插入操作；遍歷過程中若發現key已經存在直接覆蓋value即可；

⑥.插入成功後，判斷實際存在的鍵值對數量size是否超多了最大容量threshold，如果超過，進行擴容。

3. 擴容機制

擴容(resize)就是重新計算容量，向HashMap對象裡不停的添加元素，而HashMap對象內部的數組無法裝載更多的元素時，對象就需要擴大數組的長度，以便能裝入更多的元素。當然Java裡的數組是無法自動擴容的，方法是使用一個新的數組代替已有的容量小的數組，就像我們用一個小桶裝水，如果想裝更多的水，就得換大水桶。

我們分析下resize的源碼，鑑於JDK1.8融入了紅黑樹，較複雜，為了便於理解我們仍然使用JDK1.7的代碼，好理解一些，本質上區別不大。

 1 void resize(int newCapacity) { //傳入新的容量
 2 Entry[] oldTable = table; //引用擴容前的Entry數組
 3 int oldCapacity = oldTable.length; 
 4 if (oldCapacity == MAXIMUM_CAPACITY) { //擴容前的數組大小如果已經達到最大(2^30)了
 5 threshold = Integer.MAX_VALUE; //修改閾值為int的最大值(2^31-1)，這樣以後就不會擴容了
 6 return;
 7 }
 8 
 9 Entry[] newTable = new Entry[newCapacity]; //初始化一個新的Entry數組
10 transfer(newTable); //！！將數據轉移到新的Entry數組裡
11 table = newTable; //HashMap的table屬性引用新的Entry數組
12 threshold = (int)(newCapacity * loadFactor);//修改閾值
13 }

這裡就是使用一個容量更大的數組來代替已有的容量小的數組，transfer()方法將原有Entry數組的元素拷貝到新的Entry數組裡。

 1 void transfer(Entry[] newTable) {
 2 Entry[] src = table; //src引用了舊的Entry數組
 3 int newCapacity = newTable.length;
 4 for (int j = 0; j < src.length; j++) { //遍歷舊的Entry數組
 5 Entry e = src[j]; //取得舊Entry數組的每個元素
 6 if (e != null) {
 7 src[j] = null;//釋放舊Entry數組的對象引用（for循環後，舊的Entry數組不再引用任何對象） 

 8 do {
 9 Entry next = e.next;
10 int i = indexFor(e.hash, newCapacity); //！！重新計算每個元素在數組中的位置
11 e.next = newTable[i]; //標記[1]
12 newTable[i] = e; //將元素放在數組上
13 e = next; //訪問下一個Entry鏈上的元素
14 } while (e != null);
15 }
16 }
17 }

newTable[i]的引用賦給了e.next，也就是使用了單鏈表的頭插入方式，同一位置上新元素總會被放在鏈表的頭部位置；這樣先放在一個索引上的元素終會被放到Entry鏈的尾部(如果發生了hash衝突的話），這一點和Jdk1.8有區別。在舊數組中同一條Entry鏈上的元素，通過重新計算索引位置後，有可能被放到了新數組的不同位置上。

線程安全性

在多線程使用場景中，應該儘量避免使用線程不安全的HashMap，而使用線程安全的ConcurrentHashMap。

那麼為什麼說HashMap是線程不安全的，下面舉例子說明在併發的多線程使用場景中使用HashMap可能造成死循環。代碼例子如下(便於理解，仍然使用JDK1.7的環境)：

public class HashMapInfiniteLoop { 
 private static HashMap map = new HashMap(2，0.75f); 
 public static void main(String[] args) { 
 map.put(5， "C"); 
 new Thread("Thread1") { 
 public void run() { 
 map.put(7, "B"); 
 System.out.println(map); 
 }; 
 }.start(); 
 new Thread("Thread2") { 
 public void run() { 
 map.put(3, "A); 
 System.out.println(map); 
 }; 
 }.start(); 
 } 
}

其中，map初始化為一個長度為2的數組，loadFactor=0.75，threshold=2*0.75=1，也就是說當put第二個key的時候，map就需要進行resize。

通過設置斷點讓線程1和線程2同時debug到transfer方法(3.3小節代碼塊)的首行。注意此時兩個線程已經成功添加數據。放開thread1的斷點至transfer方法的“Entry next = e.next;” 這一行；然後放開線程2的的斷點，讓線程2進行resize。結果如下圖。

注意，Thread1的 e 指向了key(3)，而next指向了key(7)，其在線程二rehash後，指向了線程二重組後的鏈表。

線程一被調度回來執行，先是執行 newTalbe[i] = e， 然後是e = next，導致了e指向了key(7)，而下一次循環的next = e.next導致了next指向了key(3)。

e.next = newTable[i] 導致 key(3).next 指向了 key(7)。注意：此時的key(7).next 已經指向了key(3)， 環形鏈表就這樣出現了。

於是，當我們用線程一調用map.get(11)時，悲劇就出現了——Infinite Loop。

JDK1.8與JDK1.7的性能對比

HashMap中，如果key經過hash算法得出的數組索引位置全部不相同，即Hash算法非常好，那樣的話，getKey方法的時間複雜度就是O(1)，如果Hash算法技術的結果碰撞非常多，假如Hash算極其差，所有的Hash算法結果得出的索引位置一樣，那樣所有的鍵值對都集中到一個桶中，或者在一個鏈表中，或者在一個紅黑樹中，時間複雜度分別為O(n)和O(lgn)。 鑑於JDK1.8做了多方面的優化，總體性能優於JDK1.7，下面我們從兩個方面用例子證明這一點。

Hash較均勻的情況

為了便於測試，我們先寫一個類Key，如下：

class Key implements Comparable {
 private final int value;
 Key(int value) {
 this.value = value;
 }
 @Override
 public int compareTo(Key o) {
 return Integer.compare(this.value, o.value);
 } 

 @Override
 public boolean equals(Object o) {
 if (this == o) return true;
 if (o == null || getClass() != o.getClass())
 return false;
 Key key = (Key) o;
 return value == key.value;
 }
 @Override
 public int hashCode() {
 return value;
 }
}

這個類複寫了equals方法，並且提供了相當好的hashCode函數，任何一個值的hashCode都不會相同，因為直接使用value當做hashcode。為了避免頻繁的GC，我將不變的Key實例緩存了起來，而不是一遍一遍的創建它們。代碼如下：

public class Keys {
 public static final int MAX_KEY = 10_000_000;
 private static final Key[] KEYS_CACHE = new Key[MAX_KEY];
 static {
 for (int i = 0; i < MAX_KEY; ++i) {
 KEYS_CACHE[i] = new Key(i);
 }
 }
 public static Key of(int value) {
 return KEYS_CACHE[value];
 }
}

現在開始我們的試驗，測試需要做的僅僅是，創建不同size的HashMap（1、10、100、......10000000），屏蔽了擴容的情況，代碼如下：

 static void test(int mapSize) {
 HashMap map = new HashMap(mapSize); 

 for (int i = 0; i < mapSize; ++i) {
 map.put(Keys.of(i), i);
 }
 long beginTime = System.nanoTime(); //獲取納秒
 for (int i = 0; i < mapSize; i++) {
 map.get(Keys.of(i));
 }
 long endTime = System.nanoTime();
 System.out.println(endTime - beginTime);
 }
 public static void main(String[] args) {
 for(int i=10;i<= 1000 0000;i*= 10){
 test(i);
 }
 }

在測試中會查找不同的值，然後度量花費的時間，為了計算getKey的平均時間，我們遍歷所有的get方法，計算總的時間，除以key的數量，計算一個平均值，主要用來比較，絕對值可能會受很多環境因素的影響。結果如下：

通過觀測測試結果可知，JDK1.8的性能要高於JDK1.7 15%以上，在某些size的區域上，甚至高於100%。由於Hash算法較均勻，JDK1.8引入的紅黑樹效果不明顯，下面我們看看Hash不均勻的的情況。

Hash極不均勻的情況

假設我們又一個非常差的Key，它們所有的實例都返回相同的hashCode值。這是使用HashMap最壞的情況。代碼修改如下：

class Key implements Comparable {
 //...
 @Override
 public int hashCode() {
 return 1;
 }
}

仍然執行main方法，得出的結果如下表所示：

從表中結果中可知，隨著size的變大，JDK1.7的花費時間是增長的趨勢，而JDK1.8是明顯的降低趨勢，並且呈現對數增長穩定。當一個鏈表太長的時候，HashMap會動態的將它替換成一個紅黑樹，這話的話會將時間複雜度從O(n)降為O(logn)。hash算法均勻和不均勻所花費的時間明顯也不相同，這兩種情況的相對比較，可以說明一個好的hash算法的重要性。

小結

(1) 擴容是一個特別耗性能的操作，所以當程序員在使用HashMap的時候，估算map的大小，初始化的時候給一個大致的數值，避免map進行頻繁的擴容。

(2) 負載因子是可以修改的，也可以大於1，但是建議不要輕易修改，除非情況非常特殊。

(3) HashMap是線程不安全的，不要在併發的環境中同時操作HashMap，建議使用ConcurrentHashMap。

(4) JDK1.8引入紅黑樹大程度優化了HashMap的性能。

(5) HashMap的性能提升僅僅是JDK1.8的冰山一角。

以上就是HashMap的底層原理和實現探討，以下是最新阿里P8架構師談架構設計系列。

最新阿里P8架構師系列資料

資料領取方法

關注+轉發後，私信關鍵詞 【架構】即可學習！

閱讀更多 優知學院 的文章

關鍵字: 架構師 數據結構 程序員