Java 中的 HashMap

作者：Grey

原文地址：Java 中的 HashMap

扩容机制

jdk1.7

先生成新数组。

遍历老数组中的每个位置上的链表上的个元素。

取个元素的key，并基于新数组长度，计算出每个元素在新数组中的下标。

将元素添加到新数组中去。

所有元转移完了之后，将新数组赋给HashMap对象的table属性。

jdk1.8

同样先生成新数组。

遍历老数组中的每个位置上的链表或红黑树。

如果是链表，则直接将表中的每个元索重新计算下标，并添加到新数组中去。

如果是红黑树，则先遍历红黑树，先计算出红黑树中每个元索对应在新数组中的下标位置。

统计每个下标位置的元索个数。
如果该位下的元素个数超过了8，则生成一个新的红黑树，开将根节点添加到新数组的对应位置。
如果该位置下的元素个数没有超过8，那么则生成一个链表，开将链表头节点添加数组的对应位置。

所有元素转移完了之后，将新数组赋给HashMap对象的table属性。

为什么要使用红黑树

因为在hash冲突比较频繁的情况下，生成的链表长度会非常长，这样就会导致查询的效率会大大降低，为了解决链表过长，查询效率过低的问题，所以使用红黑树来优化，有一个阈值8，超过了这个阈值，就会使用红黑树。

jdk1.7中HashMap死循环问题

复现代码如下，注：以下代码需要指定jdk1.7为运行环境

import java.util.HashMap;
import java.util.Map;public class HashMapMultiThread {static Map<String, String> map = new HashMap<>();public static class AddThread implements Runnable {int start = 0;public AddThread(int start) {this.start = start;}@Overridepublic void run() {for (int i = start; i < 100000; i += 2) {map.put(Integer.toString(i), Integer.toBinaryString(i));}}}public static void main(String[] args) throws InterruptedException {Thread t1 = new Thread(new HashMapMultiThread.AddThread(0));Thread t2 = new Thread(new HashMapMultiThread.AddThread(1));t1.start();t2.start();t1.join();t2.join();System.out.println(map.size());}
}

运行main方法，发现程序出现死循环，无法停止。这个问题出现在HashMap扩容操作调用的transfer方法中，

    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;}}}

假设HashMap当前状态如下

现在有两个线程A和线程B都要执行put操作，线程A和线程B都会看到上面图的状态快照

线程A执行到transfer函数中

Entry<K,V> next = e.next;

这行代码时，此时在线程A的栈中

e = 4节点
next = 5节点

假设此时线程B正在执行transfer函数中的while循环，即会把原来的table变成新一table（线程B自己的栈中），再写入到内存中。如下图（假设两个元素在新的hash函数下也会映射到同一个位置）

线程A继续执行（看到的仍是旧表），即从transfer代码

Entry<K,V> next = e.next;

处接着执行，当前的

e = 4号节点,
next = 5号节点

处理元素4 ，将 4 放入线程A自己栈的新table中（新table是处于线程A自己栈中，是线程私有的，不受线程2的影响），处理4后的图如下

线程A再复制元素5，当前 e = 5 ,而next值由于线程 B 修改了它的引用，所以next 为 4 ，处理后的新表如下图

取5的next值时，由于线程B已经修改了5的next，5的next已经不是null而是4节点，由于取到next=4,线程A继续循环，所以线程A执行完毕后，形成如下结构：

当操作完成，执行查找时，会陷入死循环！

HashMap中的一些参数

初始容量

    static final int DEFAULT_INITIAL_CAPACITY = 1 << 4; // aka 16

最大容量

    static final int MAXIMUM_CAPACITY = 1 << 30;

扩容因子

达到当前容量的比例为多少时进行扩容。

static final float DEFAULT_LOAD_FACTOR = 0.75f;

问题：为什么HashMap的初始容量为2的n次幂？

以下内容参考jdk1.8 HashMap底层数据结构：深入解析为什么jdk1.8 HashMap的容量一定要是2的n次幂

第一个原因，简单来讲，一个元素放到哪个桶中，是通过hash % capacity取模运算得到的余数来确定的。即调用以下indexFor方法：

static int indexFor(int h, int length) {// assert Integer.bitCount(length) == 1 : "length must be a non-zero power of 2";return h & (length-1);
}

hashMap用位运算来替代取模运算(capacity - 1) & hash这种运算方式为什么可以得到跟取模一样的结果呢？答案是capacity是2的N次幂，计算机做位运算的效率远高于做取模运算的效率，测试见：位运算和取模运算的运算效率对比

证明取模和位运算结果的一致性

第二个原因，将容量设置为2的n次幂关系到扩容后元素在newCap中的放置问题：

扩容后，如何实现将oldCap中的元素重新放到newCap中？我们不难想到的实现方式是：**遍历所有Node，然后重新put到新的table中，中间会涉及计算新桶位置、处理hash碰撞等处理。**这里有个不容忽视的问题——哈希碰撞。如下为resize()方法源码：

final Node<K,V>[] resize() {Node<K,V>[] oldTab = table;int oldCap = (oldTab == null) ? 0 : oldTab.length;int oldThr = threshold;int newCap, newThr = 0;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; // double threshold}else if (oldThr > 0) // initial capacity was placed in thresholdnewCap = oldThr;else {               // zero initial threshold signifies using defaultsnewCap = DEFAULT_INITIAL_CAPACITY;newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);}if (newThr == 0) {float ft = (float)newCap * loadFactor;newThr = (newCap < MAXIMUM_CAPACITY && ft < (float)MAXIMUM_CAPACITY ?(int)ft : Integer.MAX_VALUE);}threshold = newThr;@SuppressWarnings({"rawtypes","unchecked"})Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap];table = newTab;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 { // preserve orderNode<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;elseloTail.next = e;loTail = e;}else {if (hiTail == null)hiHead = e;elsehiTail.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;}

如果桶上只有一个节点（后面即没链表也没树）：元素直接做hash & (newCap - 1)运算，根据结果将元素节点放到newCap的相应位置；

如果桶上是链表：

将链表上的所有节点做hash & oldCap运算（注意，这里oldCap没有-1），会得到一个定位值（“定位值”这个名字是我自己取的，为了更好理解该值的意义）。定位值要么是“0”，要么是“小于capacity的正整数”！这是个规律，之所以能得此规律和capacity取值一定是2的n次幂有直接关系，如果容量不是2的n次幂，那么定位值就不再要么是“0”，要么是“小于capacity的正整数”，它还有可能是其他的数；

根据定位值的不同，会将链表一分为二得到两个子链表，这两个子链表根据各自的定位值直接放到newCap中：

子链表的定位值 == 0: 则链表在oldCap中是什么位置，就将子链表的头节点直接放到newCap的什么位置；

子链表的定位值 == 小于capacity的正整数：则将子链表的头节点放到newCap的“oldCap + 定位值”的位置；

**这么做的好处：**链表在被拆分成两个子链表前就已经处理过了元素的哈希碰撞问题，子链表不用重新处理哈希碰撞问题，可以直接将头节点直接放到newCap的合适的位置上，完成 “扩容后将元素放到newCap”这一工作。正因为如此，大大提高了jdk1.8的HashMap的扩容效率。

更详细的图例参考：jdk1.8 HashMap底层数据结构：深入解析为什么jdk1.8 HashMap的容量一定要是2的n次幂

一言蔽之：HashMap的容量一定要是2的n次幂，是为了提高“计算元素放哪个桶”的效率，也是为了提高扩容效率（避免了扩容后再重复处理哈希碰撞问题）。

参考资料

并发的HashMap为什么会引起死循环？

jdk1.8 HashMap底层数据结构：深入解析为什么jdk1.8 HashMap的容量一定要是2的n次幂

实战Java高并发程序设计