← 返回首页
HashMap源码分析
HashMap 源码分析
一、HashMap 简介
HashMap 是 Java 中最常用的集合类之一，它基于哈希表实现，提供了快速的键值对存储和查找功能。HashMap 允许使用 null 键和 null 值，并且不保证映射的顺序。
主要特点
- 键值对存储，基于哈希表实现
- 允许 null 键和 null 值
- 非线程安全，适用于单线程环境
- 默认初始容量为 16，默认负载因子为 0.75
- 扩容时容量变为原来的 2 倍
- 时间复杂度：平均 O(1)，最坏 O(n)
二、核心数据结构
2.1 Node 节点
HashMap 的每个元素都是一个 Node 对象，Node 是 HashMap 的静态内部类：
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 = 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 = 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;
}
}
2.2 底层结构
HashMap 的底层结构是一个数组 + 链表 + 红黑树：
public class HashMap<K,V> extends AbstractMap<K,V>
implements Map<K,V>, Cloneable, Serializable {
transient Node<K,V>[] table; // 哈希桶数组
transient Set<Map.Entry<K,V>> entrySet;
transient int size; // 实际存储的键值对数量
transient int modCount; // 结构性修改次数
final float loadFactor; // 负载因子
int threshold; // 扩容阈值 = capacity * loadFactor
}
三、关键参数
3.1 初始参数
static final int DEFAULT_INITIAL_CAPACITY = 1 << 4; // 默认初始容量 16
static final int MAXIMUM_CAPACITY = 1 << 30; // 最大容量
static final float DEFAULT_LOAD_FACTOR = 0.75f; // 默认负载因子
static final int TREEIFY_THRESHOLD = 8; // 链表转红黑树的阈值
static final int UNTREEIFY_THRESHOLD = 6; // 红黑树转链表的阈值
static final int MIN_TREEIFY_CAPACITY = 64; // 桶转树的最小容量
3.2 构造方法
public HashMap(int initialCapacity, float loadFactor) {
if (initialCapacity < 0)
throw new IllegalArgumentException("Illegal initial capacity: " +
initialCapacity);
if (initialCapacity > MAXIMUM_CAPACITY)
initialCapacity = MAXIMUM_CAPACITY;
if (loadFactor <= 0 || Float.isNaN(loadFactor))
throw new IllegalArgumentException("Illegal load factor: " +
loadFactor);
this.loadFactor = loadFactor;
this.threshold = tableSizeFor(initialCapacity);
}
public HashMap(int initialCapacity) {
this(initialCapacity, DEFAULT_LOAD_FACTOR);
}
public HashMap() {
this.loadFactor = DEFAULT_LOAD_FACTOR;
}
3.3 tableSizeFor 方法
这个方法用于将给定的容量调整为 2 的 n 次幂：
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;
}
这个方法通过一系列的位运算，将最高位的 1 后面的所有位都置为 1，然后加 1，得到一个 2 的 n 次幂。
四、Hash 算法
4.1 hash 方法
HashMap 通过 hash 方法计算 key 的哈希值：
static final int hash(Object key) {
int h;
return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}
为什么要进行异或操作？
h >>> 16将哈希值的高 16 位无符号右移 16 位^操作将高 16 位和低 16 位进行异或- 这样做的好处是让高位的特征也能参与到低位的运算中，减少哈希冲突
4.2 索引计算
通过 hash 值计算在数组中的索引位置：
index = (n - 1) & hash
其中 n 是数组长度，必须是 2 的 n 次幂。
为什么使用位运算而不是取模？
- 位运算效率更高
- 当 n 是 2 的 n 次幂时，
(n - 1) & hash等价于hash % n (n - 1)的二进制表示是全 1，如 16-1=15，二进制为 1111
五、put 方法源码分析
5.1 put 方法入口
public V put(K key, V value) {
return putVal(hash(key), key, value, false, true);
}
5.2 putVal 方法详解
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. 如果 table 为空或长度为 0，进行初始化
if ((tab = table) == null || (n = tab.length) == 0)
n = (tab = resize()).length;
// 2. 计算索引位置，如果该位置为空，直接插入新节点
if ((p = tab[i = (n - 1) & hash]) == null)
tab[i] = newNode(hash, key, value, null);
else {
Node<K,V> e;
K k;
// 3. 判断该位置的第一个节点是否与要插入的 key 相同
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
e = p;
// 4. 如果是红黑树节点，调用红黑树的插入方法
else if (p instanceof TreeNode)
e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
// 5. 否则是链表，遍历链表
else {
for (int binCount = 0; ; ++binCount) {
// 到达链表尾部，插入新节点
if ((e = p.next) == null) {
p.next = newNode(hash, key, value, null);
// 链表长度达到 8，转为红黑树
if (binCount >= TREEIFY_THRESHOLD - 1)
treeifyBin(tab, hash);
break;
}
// 找到相同的 key
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
break;
p = e;
}
}
// 6. 如果找到相同的 key，覆盖旧值
if (e != null) {
V oldValue = e.value;
if (!onlyIfAbsent || oldValue == null)
e.value = value;
afterNodeAccess(e);
return oldValue;
}
}
++modCount;
// 7. 判断是否需要扩容
if (++size > threshold)
resize();
afterNodeInsertion(evict);
return null;
}
六、get 方法源码分析
6.1 get 方法入口
public V get(Object key) {
Node<K,V> e;
return (e = getNode(hash(key), key)) == null ? null : e.value;
}
6.2 getNode 方法详解
final Node<K,V> getNode(int hash, Object key) {
Node<K,V>[] tab;
Node<K,V> first, e;
int n;
K k;
// 1. 检查 table 是否为空
if ((tab = table) != null && (n = tab.length) > 0 &&
(first = tab[(n - 1) & hash]) != null) {
// 2. 检查第一个节点是否匹配
if (first.hash == hash &&
((k = first.key) == key || (key != null && key.equals(k))))
return first;
// 3. 检查后续节点
if ((e = first.next) != null) {
// 如果是红黑树，在红黑树中查找
if (first instanceof TreeNode)
return ((TreeNode<K,V>)first).getTreeNode(hash, key);
// 在链表中查找
do {
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
return e;
} while ((e = e.next) != null);
}
}
return null;
}
七、扩容机制（resize）
7.1 resize 方法详解
final Node<K,V>[] resize() {
Node<K,V>[] oldTab = table;
int oldCap = (oldTab == null) ? 0 : oldTab.length;
int oldThr = threshold;
int newCap, newThr = 0;
// 1. 计算新容量和新阈值
if (oldCap > 0) {
if (oldCap >= MAXIMUM_CAPACITY) {
threshold = Integer.MAX_VALUE;
return oldTab;
}
else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&
oldCap >= DEFAULT_INITIAL_CAPACITY)
newThr = oldThr << 1;
}
else if (oldThr > 0)
newCap = oldThr;
else {
newCap = DEFAULT_INITIAL_CAPACITY;
newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);
}
if (newThr == 0) {
float ft = (float)newCap * loadFactor;
newThr = (newCap < MAXIMUM_CAPACITY && ft < MAXIMUM_CAPACITY ?
(int)ft : Integer.MAX_VALUE);
}
threshold = newThr;
// 2. 创建新数组
@SuppressWarnings({"rawtypes","unchecked"})
Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap];
table = newTab;
// 3. 迁移旧数组中的元素
if (oldTab != null) {
for (int j = 0; j < oldCap; ++j) {
Node<K,V> e;
if ((e = oldTab[j]) != null) {
oldTab[j] = null;
if (e.next == null)
newTab[e.hash & (newCap - 1)] = e;
else if (e instanceof TreeNode)
((TreeNode<K,V>)e).split(this, newTab, j, oldCap);
else {
// 链表优化：将链表分为原索引和原索引+oldCap两个位置
Node<K,V> loHead = null, loTail = null;
Node<K,V> hiHead = null, hiTail = null;
Node<K,V> next;
do {
next = e.next;
if ((e.hash & oldCap) == 0) {
if (loTail == null)
loHead = e;
else
loTail.next = e;
loTail = e;
}
else {
if (hiTail == null)
hiHead = e;
else
hiTail.next = e;
hiTail = e;
}
} while ((e = next) != null);
if (loTail != null) {
loTail.next = null;
newTab[j] = loHead;
}
if (hiTail != null) {
hiTail.next = null;
newTab[j + oldCap] = hiHead;
}
}
}
}
}
return newTab;
}
7.2 扩容优化
JDK 1.8 对扩容进行了优化：
- 使用
(e.hash & oldCap)判断元素是在原位置还是移动到原位置 + oldCap - 这样可以避免重新计算 hash，提高效率
- 例如：原容量 16（10000），扩容后 32（100000）
- 如果
(e.hash & 16) == 0，索引不变 - 如果
(e.hash & 16) != 0，索引 = 原索引 + 16
- 如果
八、红黑树转换
8.1 treeifyBin 方法
当链表长度达到 8 时，尝试将链表转为红黑树：
final void treeifyBin(Node<K,V>[] tab, int hash) {
int n, index;
Node<K,V> e;
// 如果数组长度小于 64，先扩容而不是转树
if (tab == null || (n = tab.length) < MIN_TREEIFY_CAPACITY)
resize();
else if ((e = tab[index = (n - 1) & hash]) != null) {
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);
}
}
8.2 为什么是 8 和 6？
- 8 转 16：链表转红黑树
- 6 转 16：红黑树转链表
这样设计是为了避免频繁转换：
- 根据泊松分布，链表长度达到 8 的概率非常小（0.00000006）
- 当长度在 6-8 之间波动时，不会频繁转换
- 这是一种空间和时间的权衡
九、线程安全问题
HashMap 是非线程安全的，在多线程环境下会出现以下问题：
9.1 并发扩容问题
JDK 1.7 中使用头插法，并发扩容可能导致链表形成环：
void transfer(Entry[] newTable, boolean rehash) {
int newCapacity = newTable.length;
for (Entry<K,V> e : table) {
while(null != e) {
Entry<K,V> next = e.next;
if (rehash) {
e.hash = null == e.key ? 0 : hash(e.key);
}
int i = indexFor(e.hash, newCapacity);
e.next = newTable[i];
newTable[i] = e;
e = next;
}
}
}
9.2 JDK 1.8 的改进
- 改用尾插法，避免了链表环的问题
- 但仍然存在数据丢失和覆盖的问题
9.3 解决方案
如果需要在多线程环境下使用，可以使用：
- ConcurrentHashMap：线程安全的 HashMap
- Collections.synchronizedMap(new HashMap<>())：使用同步包装器
- Hashtable：线程安全的遗留类（不推荐）
十、常见面试题
1. HashMap 的底层数据结构？
JDK 1.7：数组 + 链表
JDK 1.8：数组 + 链表 + 红黑树
2. 为什么 JDK 1.8 要引入红黑树？
为了解决链表过长导致的查询效率问题。当链表长度超过 8 时，查询时间复杂度从 O(n) 降低到 O(log n)。
3. HashMap 的扩容机制是什么？
- 当 size > threshold（capacity * loadFactor）时触发扩容
- 扩容后容量变为原来的 2 倍
- 扩容时需要重新计算所有元素的位置（JDK 1.8 有优化）
4. 为什么 HashMap 的容量必须是 2 的 n 次幂？
- 方便使用位运算代替取模运算，提高效率
- 使 hash 分布更均匀
- 便于扩容时的元素迁移
5. HashMap 的负载因子为什么是 0.75？
这是时间和空间的权衡：
- 太小：空间利用率低，频繁扩容
- 太大：哈希冲突增多，查询效率降低
- 0.75 是经过数学计算的最优值
6. HashMap 是线程安全的吗？
不是，HashMap 是非线程安全的。多线程环境下会存在：
- 数据丢失
- 数据覆盖
- JDK 1.7 可能出现死循环
7. HashMap 中 key 为 null 时怎么处理？
HashMap 允许一个 null 键，null 键的 hash 值为 0，存放在数组的第 0 个位置。
8. HashMap 和 ConcurrentHashMap 的区别？
| 特性 | HashMap | ConcurrentHashMap |
|---|---|---|
| 线程安全 | 否 | 是 |
| 实现方式 | 数组+链表+红黑树 | 数组+链表+红黑树 + CAS + synchronized |
| null 键值 | 允许 | 不允许 |
| 迭代器 | fail-fast | weakly consistent |
9. HashMap 和 Hashtable 的区别？
| 特性 | HashMap | Hashtable |
|---|---|---|
| 线程安全 | 否 | 是 |
| null 键值 | 允许 | 不允许 |
| 继承 | AbstractMap | Dictionary |
| 效率 | 高 | 低 |
10. 如何优化 HashMap 的性能？
- 设置合适的初始容量，避免频繁扩容
- 选择合适的负载因子
- 使用不可变对象作为 key
- 重写 hashCode 和 equals 方法
十一、使用建议
11.1 初始化容量
如果知道大概的元素数量，可以设置初始容量：
int expectedSize = 10000;
HashMap<String, String> map = new HashMap<>(expectedSize * 4 / 3 + 1);
11.2 选择合适的负载因子
默认 0.75 适用于大多数场景，如果：
- 内存紧张：可以增大负载因子（如 0.85）
- 查询性能要求高：可以减小负载因子（如 0.5）
11.3 避免大对象作为 key
大对象的 hashCode 计算成本高，建议使用：
- 基本类型包装类
- String
- 自定义的不可变对象
十二、总结
HashMap 是 Java 集合框架中最重要的类之一，其设计体现了以下思想：
- 哈希表的精妙设计：通过 hash 算法和位运算实现快速查找
- 动态扩容机制：平衡了时间和空间的效率
- 红黑树优化：解决了链表过长的问题
- 位运算优化：使用位运算代替取模，提高效率
理解 HashMap 的源码不仅有助于面试，更能帮助我们写出更高效的代码。
评论区