大佬教程收集整理的这篇文章主要介绍了【JDK源码】HashMap源码分析（附常见面试题），大佬教程大佬觉得挺不错的，现在分享给大家，也给大家做个参考。
在分析HashMap之前c;我们先来了解什么是哈希？
概念：Hash也称散列、哈希c;对应的英文都是Hash。基本原理就是把任意长度的输入c;通过Hash算法变成固定长度的输出这个映射的规则就是对应的Hash算法c;而原始数据映射后的二进制串就是哈希值。
Hash的特点:
由于hash的原理是将输入空间的值映射成hash空间内c;而Hash值的空间远小于输入的空间。根据抽屉原理c;一定会存在不同的输入被映射成相同输出的情况。
抽屉原理：桌上有十个苹果c;要把这十个苹果放到九个抽屉里c;无论怎样放c;我们会发现至少会有一个抽屉里面放不少于两个苹果。 这一现象就是我们所说的“抽屉原理”。
HashMap采用Key/value存储结构c;每个key对应唯一的valuec;查询和修改的速度都很快c;能达到O(1)的平均时间复杂度。它是非线程安全的c;且不保证元素存储的顺序。
从继承体系可以看出：
Cloneable接口c;可以被克隆。serializable接口c;属于标记性接口c;HashMap 对象可以被序列化和反序列化。AbstractMapc;父类提供了 Map 实现接口c;具有Map的所有功能c;以最大限度地减少实现此接口所需的工作。
在Java中c;HashMap的实现采用了（数组 + 链表 + 红黑树）的复杂结构c;数组的一个元素又称作桶。
在添加元素时c;会根据hash值算出元素在数组中的位置c;如果该位置没有元素c;则直接把元素放置在此处c;如果该位置有元素了c;则把元素以链表的形式放置在链表的尾部。
当一个链表的元素个数达到一定的数量（且数组的长度达到一定的长度）后c;则把链表转化为红黑树c;从而提高效率。
数组的查询效率为O(1)c;链表的查询效率是O(k)c;红黑树的查询效率是O(log k)c;k为桶中的元素个数c;所以当元素数量非常多的时候c;转化为红黑树能极大地提高效率。
树化需要同时满足两个条件：
Node内部类
Node是HashMap的静态内部类c;实现了@H_192_63@map.Entry<K,V>接口。我们存储的键值对都是以Node的形式存储在map中的。其重要属性如下：
static class Node<K,V> implements @H_518_158@map.Entry<K,V> {@H_674_191@
//基于key的hashValue经过hash扰动后得到的c;是hash分布更均匀
final int hash;
//put进来的key
final K key;
//对应的value
V value;
//指向链表中的下一个Node
Node<K,V> next;
...
}
/**
* HashMap的初始化容量（必须是 2 的 n 次幂）默认的初始容量为16
*/
static final int DEFAULT_INITIAL_CAPACITY = 1 << 4; // aka 16
/**
* table最大长度
*/
static final int MAXIMUM_CAPACITY = 1 << 30;
/**
* 默认的负载因子
*/
static final float DEFAULT_LOAD_FACTOR = 0.75f;
/**
* 树化阈值：当一个桶中的元素个数大于8时进行树化（同时需要数组长度达到64）
*/
static final int TREEIFY_THRESHOLD = 8;
/**
* 树降级为链表的阈值：当一个桶中的元素个数小于等于6时把树转化为链表
*/
static final int UNTREEIFY_THRESHOLD = 6;
/**
* Node数组c;又叫作桶（bucket）
*/
transient Node<K,V>[] table;
/**
* 作为entrySet()的缓存
*/
transient Set<@H_518_158@map.Entry<K,V>> entrySet;
/**
* 当前哈希表中元素的个数
*/
transient int size;
/**
* 当前哈希表结构修改次数
*/
transient int modCount;
/**
* 扩容阈值c;当你的哈希表中的元素超过阈值时c;触发扩容（threshold = capacity * loadFactor）
*/
int threshold;
/**
* 负载因子（默认0.75）
*/
final float loadFactor;
从属性源码我们可以得到几个信息：
16c;最大为2的30次方c;当容量达到64时才可以树化。0.75。64且链表的长度大于8时进行树化c;当链表的长度小于6时反树化。HashMap()
构造一个空的HashMapc;默认初始容量（16）和默认负载因子（0.75）
public HashMap() {@H_674_191@
// 将默认的负载因子0.75赋值给loadFactorc;并没有创建数组
this.loadFactor = DEFAULT_LOAD_FACTOR;
}
HashMap(int initialCapacity)
构造指定初始容量initialCapacity的HashMapc;其实也是调用HashMap(int initialCapacityc;float loadFactor)c;默认的负载因子
/**
* 指定初始容量大小的构造函数
* @param initialCapacity
*/
public HashMap(int initialCapacity) {@H_674_191@
this(initialCapacity, DEFAULT_LOAD_FACTOR);
}
HashMap(int initialCapacityc;float loadFactor)
构造一个具有指定的初始容量initialCapacity和负载因子loadFactor的 HashMap
/*
指定“容量大小”和“负载因子”的构造函数
initialCapacity：指定的容量
loadFactor:指定的负载因子
*/
public HashMap(int initialCapacity, float loadFactor) {@H_674_191@
//判断初始容量initialCapacity是否小于0
if (initialCapacity < 0)
throw new IllegalArgumentexception("Illegal initial capacity: " +
initialCapacity);
//判断初始容量initialCapacity是否大于集合的最大容量MAXIMUM_CAPACITY
if (initialCapacity > MAXIMUM_CAPACITY)
initialCapacity = MAXIMUM_CAPACITY;
//判断负载因子loadFactor是否<=0或者是否是一个非数值
if (loadFactor <= 0 || Float.isNaN(loadFactor))
throw new IllegalArgumentexception("Illegal load factor: " +
loadFactor);
//将指定的负载因子loadFactor赋值给HashMap成员变量的负载因子
this.loadFactor = loadFactor;
//给扩容阈值赋值（只能是2的次方）
this.threshold = tableSizeFor(initialCapacity);
}
/**
* 作用：返回比指定cap容量大的最小2的n次幂数
* 栗子：cap=10
* n=10-1=9
* 0b1001 | 0b0100 = 0b1101
* 0b1101 | 0b0011 = 0b1111
* 0b1111 | 0b0000 = 0b1111
* 0b1111 | 0b0000 = 0b1111
* 0b1111 | 0b0000 = 0b1111
* ob1111->15
* 15>0 -> return 15+1(16)
* 模式：0001 1101 1100 => 0001 1111 1111 +1 => 0010 0000 0000
*/
static final int tableSizeFor(int cap) {@H_674_191@
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;
}
put方法的整体流程：
public V put(K key, V value) {@H_674_191@
// 调用hash(key)计算出key的hash值
return putVal(hash(key), key, value, false, true);
}
/**
* 作用：让key的hash值的高16位参与运算
* @param key
* @return
*/
static final int hash(Object key) {@H_674_191@
int h;
//key==null直接返回0
//1、否则调用key的hashCode()方法计算出key的哈希值然后赋值给h,
//2、后与h无符号右移16位后的二进制进行按位异或得到最后的hash值,
//3、这样做是为了使计算出的hash更分散c;让高16位可以参与（低16位具有高16位的特征）
return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}
/**
*
* @param hash key的hash值
* @param key 原始key
* @param value 要存放的值
* @param onlyIfAbsent 如果 true 代表不更改现有的值c;也就是说如果存在key就不改变c;一般传入false
* @param evict 如果为false表示 table 为创建状态
* @return
*/
final V putVal(int hash, K key, V value, Boolean onlyIfAbsent,
Boolean evict) {@H_674_191@
//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;
// 如果桶的数量为0c;则初始化
if ((tab = table) == null || (n = tab.length) == 0)
// 调用resize()初始化
n = (tab = resize()).length;
//最简单的一种情况：寻址找到的桶位nullc;直接将创建一个新结点放入桶中
if ((p = tab[i = (n - 1) & hash]) == null)
tab[i] = newNode(hash, key, value, null);
else {@H_674_191@
//e：不为null的话c;找到一个与当前要插入的key-value一致的key元素
//k：临时的一个key
Node<K,V> e; K k;
//表示桶位中的该元素c;与你当前插入的元素key完全一致c;表示后续要进行替换操作
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
e = p;
else if (p instanceof TreeNode)
// 如果第一个元素是树节点c;则调用树节点的putTreeVal插入元素
e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
else {@H_674_191@
// 遍历这个桶对应的链表c;binCount用于存储链表中元素的个数
for (int binCount = 0; ; ++binCount) {@H_674_191@
//条件成立的话c;说明迭代到最后一个元素了c;也没找到一个与你插入的key一致的node
//说明需要加入到当前链表的尾部
if ((e = p.next) == null) {@H_674_191@
p.next = newNode(hash, key, value, null);
//条件成立的话c;说明当前链表的长度达到树化的标准了c;需要进行树化
if (binCount >= TREEIFY_THRESHOLD - 1)
//树化操作
treeifyBin(tab, hash);
break;
}
//说明条件成立的化c;找到了相同key的node元素c;进行替换操作
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
break;
p = e;
}
}
//e不等于nullc;说明找到了一个与你插入元素key完全一致的数据c;需要进行替换
if (e != null) {@H_674_191@ // exisTing mapping for key
V oldValue = e.value;
if (!onlyIfAbsent || oldValue == null)
e.value = value;
// 在节点被访问后做点什么事c;在LinkedHashMap中用到
afterNodeAccess(e);
// 返回旧值
return oldValue;
}
}
//散列表结果修改次数加一c;替换Node元素的value不计数
++@H_153_155@modCount;
//插入新元素c;size自增
//如果大于扩容阈值c;扩容
if (++size > threshold)
resize();
// 在节点插入后做点什么事c;在LinkedHashMap中用到
afterNodeInsertion(evict);
// 没找到元素返回null
return null;
}
整个扩容流程：
/**
* 为什么需要扩容？
* 为了解决hash冲突导致的链化影响查询效率的问题c;扩容会缓解该问题
*
* @return
*/
final Node<K, V>[] resize() {@H_674_191@
//引用扩容前的哈希表
Node<K, V>[] oldTab = table;
//表示扩容之前的table数组的长度
int oldCap = (oldTab == null) ? 0 : oldTab.length;
//扩容之前的扩容阈值
int oldThr = threshold;
//newCap：扩容之后table数组的大小
//newThr：扩容之后c;下次在触发扩容的条件
int newCap, newThr = 0;
//条件入如果成立：说明hashMap中的散列表已经初始化过了c;是一次正常扩容
if (oldCap > 0) {@H_674_191@
//如果旧容量达到最大容量c;则不再进行扩容
if (oldCap >= MAXIMUM_CAPACITY) {@H_674_191@
threshold = Integer.max_value;
return oldTab;
}
// 如果旧容量的两倍小于最大容量并且旧容量大于默认初始容量（16）c;则容量扩大为两部c;扩容门槛也扩大为两倍
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 threshold
//使用非默认构造方法创建的mapc;第一次插入元素会走到这里
//1.new HashMap(initCap,loadFactor);
//2.new HashMap(initCap);
//3.new HashMap(map); map有数据
// 如果旧容量为0且旧扩容门槛大于0c;则把新容量赋值为旧门槛
newCap = oldThr;
else {@H_674_191@
//使用默认构造方法创建的mapc;第一次插入元素会走这里
newCap = DEFAULT_INITIAL_CAPACITY;
//如果旧容量旧扩容门槛都是0c;说明还未初始化过c;则初始化容量为默认容量c;扩容门槛为默认容量*默认装载因子
newThr = (int) (DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);
}
if (newThr == 0) {@H_674_191@
//如果旧容量旧扩容门槛都是0c;说明还未初始化过c;则初始化容量为默认容量c;扩容门槛为默认容量*默认装载因子
float ft = (float) newCap * loadFactor;
newThr = (newCap < MAXIMUM_CAPACITY && ft < (float) MAXIMUM_CAPACITY ?
(int) ft : Integer.max_value);
}
//赋值扩容门槛为新门槛
threshold = newThr;
//创建一个新容量的数组
@SuppressWarnings({@H_674_191@"rawtypes", "unchecked"})
Node<K, V>[] newTab = (Node<K, V>[]) new Node[newCap];
//把桶赋值为新数组
table = newTab;
//如果旧数组不为空c;则搬移元素
if (oldTab != null) {@H_674_191@
//遍历旧数组
for (int j = 0; j < oldCap; ++j) {@H_674_191@
//当前node节点
Node<K, V> e;
//如果当前桶中第一个元素不为空c;说明当前桶位有数据c;赋值给e
if ((e = oldTab[j]) != null) {@H_674_191@
//清空旧桶c;方便JVM GC时回收内存
oldTab[j] = null;
if (e.next == null)
//第一种情况：当前桶位只有一个元素c;从未发生过碰撞
//该情况直接计算出当前元素应该存放的新数组中的位置c;然后扔进去就行
newTab[e.hash & (newCap - 1)] = e;
else if (e instanceof TreeNode)
//第二种情况：当前桶位已经树化,则把这颗树打散成两颗树插入到新桶中去
((TreeNode<K, V>) e).split(this, newTab, j, oldCap);
else {@H_674_191@
//第三种情况：链表情况
// 比如c;假如原来容量为4c;3、7、11、15这四个元素都在三号桶中
// 现在扩容到8c;则3和11还是在三号桶c;7和15要搬移到七号桶中去
// 也就是分化成了两个链表
//低位链表：存放在扩容之后下标位置与当前数组下标位置一致
Node<K, V> loHead = null, loTail = null;
//高位链表：存放在扩容之后的数组的下标位置=为当前数组下标位置+扩容之前数组的长度
Node<K, V> hiHead = null, hiTail = null;
Node<K, V> next;
do {@H_674_191@
next = e.next;
// (e.hash & oldCap) == 0的元素放在低位链表中
//比如3&4==0
if ((e.hash & oldCap) == 0) {@H_674_191@
if (loTail == null)
loHead = e;
else
loTail.next = e;
loTail = e;
} else {@H_674_191@
// (e.hash & oldCap) != 0的元素放在高位链表中
//比如c;7&4！=0
if (hiTail == null)
hiHead = e;
else
hiTail.next = e;
hiTail = e;
}
} while ((e = next) != null);
// 遍历完成分化成两个链表了
// 低位链表在新桶中的位置与旧桶一样（即3和11还在三号桶中）
if (loTail != null) {@H_674_191@
loTail.next = null;
newTab[j] = loHead;
}
// 高位链表在新桶中的位置正好是原来的位置加上旧容量（即7和15搬移到七号桶了）
if (hiTail != null) {@H_674_191@
hiTail.next = null;
newTab[j + oldCap] = hiHead;
}
}
}
}
}
return newTab;
}
public V get(Object key) {@H_674_191@
Node<K, V> e;
//这里hash(key)是因为put的时候hash了c;这里取自然也需要hash
return (e = getNode(hash(key), key)) == null ? null : e.value;
}
final Node<K, V> getNode(int hash, Object key) {@H_674_191@
//引用当前hashMap的散列表
Node<K, V>[] tab;
//first:桶位中的头元素
//e:临时node元素
Node<K, V> first, e;
//n:table数组长度
int n;
K k;
// 如果桶的数量大于0并且待查找的key所在的桶的第一个元素不为空
if ((tab = table) != null && (n = tab.length) > 0 &&
(first = tab[(n - 1) & hash]) != null) {@H_674_191@
// 检查第一个元素是不是要查的元素c;如果是直接返回
if (first.hash == hash && // always check first node
((k = first.key) == key || (key != null && key.equals(k))))
return first;
// 第一个元素不是要查找的元素c;并且当前桶位不止一个元素c;可能存在链表或者树
if ((e = first.next) != null) {@H_674_191@
// 如果第一个元素是树节点c;则按树的方式查找
if (first instanceof TreeNode)
return ((TreeNode<K, V>) first).getTreeNode(hash, key);
// 否则就遍历整个链表查找该元素
do {@H_674_191@
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
return e;
} while ((e = e.next) != null);
}
}
return null;
}
get方法具体分这几步：
public V remove(Object key) {@H_674_191@
Node<K, V> e;
return (e = removeNode(hash(key), key, null, false, true)) == null ?
null : e.value;
}
final Node<K, V> removeNode(int hash, Object key, Object value,
Boolean matchValue, Boolean movable) {@H_674_191@
//引用当前hashMap中的散列表
Node<K, V>[] tab;
//当前node元素
Node<K, V> p;
//n:表示散列表数组长度
//index:表示寻址结果
int n, index;
// 如果桶的数量大于0且待删除的元素所在的桶的第一个元素不为空
if ((tab = table) != null && (n = tab.length) > 0 &&
(p = tab[index = (n - 1) & hash]) != null) {@H_674_191@
//node:表示查找到的结果
//e:表示当前node的下一个元素
Node<K, V> node = null, e;
K k;
V v;
// 如果第一个元素正好就是要找的元素c;赋值给node变量后续删除使用
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
node = p;
// 第一个元素不是要查找的元素c;并且当前桶位不止一个元素c;可能存在链表或者树
else if ((e = p.next) != null) {@H_674_191@
if (p instanceof TreeNode)
// 如果第一个元素是树节点c;则以树的方式查找节点
node = ((TreeNode<K, V>) p).getTreeNode(hash, key);
else {@H_674_191@
// 否则遍历整个链表查找元素
do {@H_674_191@
if (e.hash == hash &&
((k = e.key) == key ||
(key != null && key.equals(k)))) {@H_674_191@
node = e;
break;
}
p = e;
} while ((e = e.next) != null);
}
}
// 如果找到了元素c;则看参数是否需要匹配value值c;如果不需要匹配直接删除c;如果需要匹配则看value值是否与传入的value相等
if (node != null && (!@H_153_155@matchValue || (v = node.value) == value ||
(value != null && value.equals(v)))) {@H_674_191@
if (node instanceof TreeNode)
// 如果是树节点c;调用树的删除方法（以node调用的c;是删除自己）
((TreeNode<K, V>) node).removeTreeNode(this, tab, movable);
else if (node == p)
// 如果待删除的元素是第一个元素c;则把第二个元素移到第一的位置
tab[index] = node.next;
else
// 否则删除node节点c;将当前元素p的下一个元素设置为删除元素的下一个元素
p.next = node.next;
++@H_153_155@modCount;
--size;
// 删除节点后置处理
afterNodeRemoval(node);
return node;
}
}
return null;
}
整个remove流程分为这几步：
16（1<<4）c;默认装载因子为0.75fc;容量总是2的n次方O(1)HashMap在JDK1.7和1.8中不同
为啥要用红黑树？
红黑树用来避免 DoS 攻击c;防止链表超长时性能下降c;树化应当是偶然情况c;是保底策略
为何不一上来就树化？
树化阈值为何是8？
hash 值如果足够随机c;则在 hash 表内按泊松分布c;在负载因子 0.75 的情况下c;长度超过 8 的链表出现概率是 0.00000006c;树化阈值选择 8 就是为了让树化几率足够小
树化规则
退化规则
<= 6 则会退化链表索引计算方法
hashCode()hash() 方法进行二次哈希。二次 hash() 是为了综合高位数据c;让哈希分布更为均匀& (capacity – 1) 得到索引数组容量为何是 2 的 n 次幂
注意：
put 流程
put流程1.7中和1.8的区别
扩容（加载）因子为何默认是 0.75f
key 的设计要求
String 对象的 hashCode() 设计
以上是大佬教程为你收集整理的【JDK源码】HashMap源码分析（附常见面试题）全部内容，希望文章能够帮你解决【JDK源码】HashMap源码分析（附常见面试题）所遇到的程序开发问题。
如果觉得大佬教程网站内容还不错，欢迎将大佬教程推荐给程序员好友。
本图文内容来源于网友网络收集整理提供，作为学习参考使用，版权属于原作者。
如您有任何意见或建议可联系处理。小编QQ：384754419，请注明来意。