摘要

HashMap是Java程式設計師使用頻率最高的用於對映(鍵值對)處理的資料型別。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，例如引入紅黑樹的資料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為資料結構中的對映定義了一個介面java.util.Map，此介面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值儲存資料，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非執行緒安全，即任一時刻可以有多個執行緒同時寫HashMap，可能會導致資料的不一致。如果需要滿足執行緒安全，可以用 Collections的synchronizedMap方法使HashMap具有執行緒安全的能力，或者使用ConcurrentHashMap。

(2) Hashtable：Hashtable是遺留類，很多對映的常用功能與HashMap類似，不同的是它承自Dictionary類，並且是執行緒安全的，任一時間只有一個執行緒能寫Hashtable，併發性不如ConcurrentHashMap，因為ConcurrentHashMap引入了分段鎖。Hashtable不建議在新程式碼中使用，不需要執行緒安全的場合可以用HashMap替換，需要執行緒安全的場合可以用ConcurrentHashMap替換。

(3) LinkedHashMap：LinkedHashMap是HashMap的一個子類，儲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，也可以在構造時帶引數，按照訪問次序排序。

(4) TreeMap：TreeMap實現SortedMap介面，能夠把它儲存的記錄根據鍵排序，預設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。如果使用排序的對映，建議使用TreeMap。在使用TreeMap時，key必須實現Comparable介面或者在構造TreeMap傳入自定義的Comparator，否則會在執行時丟擲java.lang.ClassCastException型別的異常。

對於上述四種Map型別的類，要求對映中的key是不可變物件。不可變物件是該物件在建立後它的雜湊值不會被改變。如果物件的雜湊值發生變化，Map物件很可能就定位不到對映的位置了。

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。下文我們主要結合原始碼，從儲存結構、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，即它的儲存結構-欄位；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。

儲存結構-欄位

從結構實現來講，HashMap是陣列+連結串列+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：資料底層具體儲存的是什麼？這樣的儲存方式有什麼優點呢？

(1) 從原始碼可知，HashMap類中有一個非常重要的欄位，就是 Node[] table，即雜湊桶陣列，明顯它是一個Node的陣列。我們來看Node[JDK1.8]是何物。

1. static class Node<K,V> implements Map.Entry<K,V> {

2. final int hash; //用來定位陣列索引位置

3. final K key;

4. V value;

5. Node<K,V> next; //連結串列的下一個node

6. Node(int hash, K key, V value, Node<K,V> next) { ... }

7. public final K getKey(){ ... }

8. public final V getValue() { ... }

9. public final String toString() { ... }

10. public final int hashCode() { ... }

11. public final V setValue(V newValue) { ... }

12. public final boolean equals(Object o) { ... }

13. }

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

(2) HashMap就是使用雜湊表來儲存的。雜湊表為解決衝突，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，就是陣列加連結串列的結合。在每個陣列元素上都一個連結串列結構，當資料被Hash後，得到陣列下標，把資料放在對應下標元素的連結串列上。例如程式執行下面程式碼：

    map.put("美團","小美");

系統將呼叫"美團"這個key的hashCode()方法得到其hashCode 值（該方法適用於每個Java物件），然後再通過Hash演算法的後兩步運算（高位運算和取模運算，下文有介紹）來定位該鍵值對的儲存位置，有時兩個key會定位到相同的位置，表示發生了Hash碰撞。當然Hash演算法計算結果越分散均勻，Hash碰撞的概率就越小，map的存取效率就會越高。

如果雜湊桶陣列很大，即使較差的Hash演算法也會比較分散，如果雜湊桶陣列陣列很小，即使好的Hash演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雜湊桶陣列的大小，並在此基礎上設計好的hash演算法減少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，雜湊桶陣列（Node[] table）佔用空間又少呢？答案就是好的Hash演算法和擴容機制。

在理解Hash和擴容流程之前，我們得先了解下HashMap的幾個欄位。從HashMap的預設建構函式原始碼可知，建構函式就是對下面幾個欄位進行初始化，原始碼如下：

1. int threshold; // 所能容納的key-value對極限

2. final float loadFactor; // 負載因子

3. int modCount;

4. int size;

首先，Node[] table的初始化長度length(預設值是16)，Load factor為負載因子(預設值是0.75)，threshold是HashMap所能容納的最大資料量的Node(鍵值對)個數。threshold = length * Load factor。也就是說，在陣列定義好長度之後，負載因子越大，所能容納的鍵值對個數越多。

結合負載因子的定義公式可知，threshold就是在此Load factor和length(陣列長度)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。預設的負載因子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，如果記憶體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，如果記憶體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這個欄位其實很好理解，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欄位主要用來記錄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，雜湊桶陣列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。相對來說素數導致衝突的概率要小於合數，具體證明可以參考http://blog.csdn.net/liuqiyao_01/article/details/14475159，Hashtable初始化桶大小為11，就是桶大小設計為素數的應用（Hashtable擴容後不能保證還是素數）。HashMap採用這種非常規設計，主要是為了在取模和擴容時做優化，同時為了減少衝突，HashMap定位雜湊桶索引位置時，也加入了高位參與運算的過程。

這裡存在一個問題，即使負載因子和Hash演算法設計的再合理，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的效能。於是，在JDK1.8版本中，對資料結構做了進一步的優化，引入了紅黑樹。而當連結串列長度太長（預設超過8）時，連結串列就轉換為紅黑樹，利用紅黑樹快速增刪改查的特點提高HashMap的效能，其中會用到紅黑樹的插入、刪除、查詢等演算法。本文不再對紅黑樹展開討論，想了解更多紅黑樹資料結構的工作原理可以參考http://blog.csdn.net/v_july_v/article/details/6105630。

功能實現-方法

HashMap的內部功能實現很多，本文主要從根據key獲取雜湊桶陣列索引位置、put方法的詳細執行、擴容過程三個具有代表性的點深入展開講解。

1. 確定雜湊桶陣列索引位置

不管增加、刪除、查詢鍵值對，定位到雜湊桶陣列的位置都是很關鍵的第一步。前面說過HashMap的資料結構是陣列和連結串列的結合，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演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，不用遍歷連結串列，大大優化了查詢的效率。HashMap定位陣列索引位置，直接決定了hash方法的離散效能。先看看原始碼的實現(方法一+方法二):

1. 方法一：

2. static final int hash(Object key) { //jdk1.8 & jdk1.7

3. int h;

4. // h = key.hashCode() 為第一步 取hashCode值

5. // h ^ (h >>> 16) 為第二步 高位參與運算

6. return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);

7. }

8. 方法二：

9. static int indexFor(int h, int length) { //jdk1.7的原始碼，jdk1.8沒有這個方法，但是實現原理一樣的

10. return h & (length-1); //第三步 取模運算

11. }

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

對於任意給定的物件，只要它的hashCode()返回值相同，那麼程式呼叫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值對陣列長度取模運算，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：呼叫方法二來計算該物件應該儲存在table陣列的哪個索引處。

這個方法非常巧妙，它通過h & (table.length -1)來得到該物件的儲存位，而HashMap底層陣列的長度總是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，優化了高位運算的演算法，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，這麼做可以在陣列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原始碼更清楚地研究學習。

①.判斷鍵值對陣列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值得到插入的陣列索引i，如果table[i]==null，直接新建節點新增，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]，判斷連結串列長度是否大於8，大於8的話把連結串列轉換為紅黑樹，在紅黑樹中執行插入操作，否則進行連結串列的插入操作；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。

JDK1.8HashMap的put方法原始碼如下:

1. 1 public V put(K key, V value) {

2. 2 // 對key的hashCode()做hash

3. 3 return putVal(hash(key), key, value, false, true);

4. 4 }

5. 5

6. 6 final V putVal(int hash, K key, V value, boolean onlyIfAbsent,

7. 7 boolean evict) {

8. 8 Node<K,V>[] tab; Node<K,V> p; int n, i;

9. 9 // 步驟①：tab為空則建立

10. 10 if ((tab = table) == null || (n = tab.length) == 0)

11. 11 n = (tab = resize()).length;

12. 12 // 步驟②：計算index，並對null做處理

13. 13 if ((p = tab[i = (n - 1) & hash]) == null)

14. 14 tab[i] = newNode(hash, key, value, null);

15. 15 else {

16. 16 Node<K,V> e; K k;

17. 17 // 步驟③：節點key存在，直接覆蓋value

18. 18 if (p.hash == hash &&

19. 19 ((k = p.key) == key || (key != null && key.equals(k))))

20. 20 e = p;

21. 21 // 步驟④：判斷該鏈為紅黑樹

22. 22 else if (p instanceof TreeNode)

23. 23 e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);

24. 24 // 步驟⑤：該鏈為連結串列

25. 25 else {

26. 26 for (int binCount = 0; ; ++binCount) {

27. 27 if ((e = p.next) == null) {

28. 28 p.next = newNode(hash, key,value,null);

29. //連結串列長度大於8轉換為紅黑樹進行處理

30. 29 if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st

31. 30 treeifyBin(tab, hash);

32. 31 break;

33. 32 }

34. // key已經存在直接覆蓋value

35. 33 if (e.hash == hash &&

36. 34 ((k = e.key) == key || (key != null && key.equals(k))))

37. 35 break;

38. 36 p = e;

39. 37 }

40. 38 }

41. 39

42. 40 if (e != null) { // existing mapping for key

43. 41 V oldValue = e.value;

44. 42 if (!onlyIfAbsent || oldValue == null)

45. 43 e.value = value;

46. 44 afterNodeAccess(e);

47. 45 return oldValue;

48. 46 }

49. 47 }

50. 48 ++modCount;

51. 49 // 步驟⑥：超過最大容量 就擴容

52. 50 if (++size > threshold)

53. 51 resize();

54. 52 afterNodeInsertion(evict);

55. 53 return null;

56. 54 }

3. 擴容機制

擴容(resize)就是重新計算容量，向HashMap物件裡不停的新增元素，而HashMap物件內部的陣列無法裝載更多的元素時，物件就需要擴大陣列的長度，以便能裝入更多的元素。當然Java裡的陣列是無法自動擴容的，方法是使用一個新的陣列代替已有的容量小的陣列，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的原始碼，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的程式碼，好理解一些，本質上區別不大，具體區別後文再說。

1. 1 void resize(int newCapacity) { //傳入新的容量

2. 2 Entry[] oldTable = table; //引用擴容前的Entry陣列

3. 3 int oldCapacity = oldTable.length;

4. 4 if (oldCapacity == MAXIMUM_CAPACITY) { //擴容前的陣列大小如果已經達到最大(2^30)了

5. 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. 6 return;

7. 7 }

8. 8

9. 9 Entry[] newTable = new Entry[newCapacity]; //初始化一個新的Entry陣列

10. 10 transfer(newTable); //！！將資料轉移到新的Entry數組裡

11. 11 table = newTable; //HashMap的table屬性引用新的Entry陣列

12. 12 threshold = (int)(newCapacity * loadFactor);//修改閾值

13. 13 }

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

1. 1 void transfer(Entry[] newTable) {

2. 2 Entry[] src = table; //src引用了舊的Entry陣列

3. 3 int newCapacity = newTable.length;

4. 4 for (int j = 0; j < src.length; j++) { //遍歷舊的Entry陣列

5. 5 Entry<K,V> e = src[j]; //取得舊Entry陣列的每個元素

6. 6 if (e != null) {

7. 7 src[j] = null;//釋放舊Entry陣列的物件引用（for迴圈後，舊的Entry陣列不再引用任何物件）

8. 8 do {

9. 9 Entry<K,V> next = e.next;

10. 10 int i = indexFor(e.hash, newCapacity); //！！重新計算每個元素在陣列中的位置

11. 11 e.next = newTable[i]; //標記[1]

12. 12 newTable[i] = e; //將元素放在陣列上

13. 13 e = next; //訪問下一個Entry鏈上的元素

14. 14 } while (e != null);

15. 15 }

16. 16 }

17. 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連結串列的頭部位置；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，下文詳解。在舊陣列中同一條Entry鏈上的元素，通過重新計算索引位置後，有可能被放到了新陣列的不同位置上。

下面舉個例子說明下擴容過程。假設了我們的hash演算法就是簡單的用key mod 一下表的大小（也就是陣列的長度）。其中的雜湊桶陣列table的size=2， 所以key = 3、7、5，put順序依次為 5、7、3。在mod 2以後都衝突在table[1]這裡了。這裡假設負載因子 loadFactor=1，即當鍵值對的實際大小size 大於 table的實際大小時進行擴容。接下來的三個步驟是雜湊桶陣列 resize成4，然後所有的Node重新rehash的過程。

下面我們講解下JDK1.8做了哪些優化。經過觀測可以發現，我們使用的是2次冪的擴充套件(指長度擴為原來2倍)，所以，元素的位置要麼是在原位置，要麼是在原位置再移動2次冪的位置。看下圖可以明白這句話的意思，n為table的長度，圖（a）表示擴容前的key1和key2兩種key確定索引位置的示例，圖（b）表示擴容後key1和key2兩種key確定索引位置的示例，其中hash1是key1對應的雜湊與高位運算結果。

元素在重新計算hash之後，因為n變為2倍，那麼n-1的mask範圍在高位多1bit(紅色)，因此新的index就會發生這樣的變化：

因此，我們在擴充HashMap的時候，不需要像JDK1.7的實現那樣重新計算hash，只需要看看原來的hash值新增的那個bit是1還是0就好了，是0的話索引沒變，是1的話索引變成“原索引+oldCap”，可以看看下圖為16擴充為32的resize示意圖：

這個設計確實非常的巧妙，既省去了重新計算hash值的時間，而且同時，由於新增的1bit是0還是1可以認為是隨機的，因此resize的過程，均勻的把之前的衝突的節點分散到新的bucket了。這一塊就是JDK1.8新增的優化點。有一點注意區別，JDK1.7中rehash的時候，舊連結串列遷移新連結串列的時候，如果在新表的陣列索引位置相同，則連結串列元素會倒置，但是從上圖可以看出，JDK1.8不會倒置。有興趣的同學可以研究下JDK1.8的resize原始碼，寫的很贊，如下:

程式碼中主要點在於判斷高位新增的是1還是0，if ((e.hash & oldCap) == 0) 就在原位置，否則在原索引+oldCap的位置。這個if即判斷了新增的位是1還是0，一般我們用hash定址，都是hash & length - 1，而這裡是直接hash & length，這樣的做法是讓低位全部為0，這樣就可以判斷高位是1還是0了！

例如：

0000 0101 & 0000 1111（15），解為5，而0000 0101 & 0001 0000（16），解為0。

因此，假如現在在原table索引位置為5的地方有兩個節點，分別為5和21，那麼當16擴容成為32時，他們在新陣列的位置是這樣的：

0000 0101 & 0001 0000 = 0 所以5在新陣列的位置：原索引位置5

0001 0101 & 0001 0000 = 1 所以21在新陣列的位置：索引位置 + 16

1. 1 final Node<K,V>[] resize() {

2. 2 Node<K,V>[] oldTab = table;

3. 3 int oldCap = (oldTab == null) ? 0 : oldTab.length;

4. 4 int oldThr = threshold;

5. 5 int newCap, newThr = 0;

6. 6 if (oldCap > 0) {

7. 7 // 超過最大值就不再擴充了，就只好隨你碰撞去吧

8. 8 if (oldCap >= MAXIMUM_CAPACITY) {

9. 9 threshold = Integer.MAX_VALUE;

10. 10 return oldTab;

11. 11 }

12. 12 // 沒超過最大值，就擴充為原來的2倍

13. 13 else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&

14. 14 oldCap >= DEFAULT_INITIAL_CAPACITY)

15. 15 newThr = oldThr << 1; // double threshold

16. 16 }

17. 17 else if (oldThr > 0) // initial capacity was placed in threshold

18. 18 newCap = oldThr;

19. 19 else { // zero initial threshold signifies using defaults

20. 20 newCap = DEFAULT_INITIAL_CAPACITY;

21. 21 newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);

22. 22 }

23. 23 // 計算新的resize上限

24. 24 if (newThr == 0) {

25. 25

26. 26 float ft = (float)newCap * loadFactor;

27. 27 newThr = (newCap < MAXIMUM_CAPACITY && ft < (float)MAXIMUM_CAPACITY ?

28. 28 (int)ft : Integer.MAX_VALUE);

29. 29 }

30. 30 threshold = newThr;

31. 31 @SuppressWarnings({"rawtypes"，"unchecked"})

32. 32 Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap];

33. 33 table = newTab;

34. 34 if (oldTab != null) {

35. 35 // 把每個bucket都移動到新的buckets中

36. 36 for (int j = 0; j < oldCap; ++j) {

37. 37 Node<K,V> e;

38. 38 if ((e = oldTab[j]) != null) {

39. 39 oldTab[j] = null;

40. 40 if (e.next == null)

41. 41 newTab[e.hash & (newCap - 1)] = e;

42. 42 else if (e instanceof TreeNode)

43. 43 ((TreeNode<K,V>)e).split(this, newTab, j, oldCap);

44. 44 else { // 連結串列優化重hash的程式碼塊

45. 45 Node<K,V> loHead = null, loTail = null;

46. 46 Node<K,V> hiHead = null, hiTail = null;

47. 47 Node<K,V> next;

48. 48 do {

49. 49 next = e.next;

50. 50 // 原索引

51. 51 if ((e.hash & oldCap) == 0) {

52. 52 if (loTail == null)

53. 53 loHead = e;

54. 54 else

55. 55 loTail.next = e;

56. 56 loTail = e;

57. 57 }

58. 58 // 原索引+oldCap

59. 59 else {

60. 60 if (hiTail == null)

61. 61 hiHead = e;

62. 62 else

63. 63 hiTail.next = e;

64. 64 hiTail = e;

65. 65 }

66. 66 } while ((e = next) != null);

67. 67 // 原索引放到bucket裡

68. 68 if (loTail != null) {

69. 69 loTail.next = null;

70. 70 newTab[j] = loHead;

71. 71 }

72. 72 // 原索引+oldCap放到bucket裡

73. 73 if (hiTail != null) {

74. 74 hiTail.next = null;

75. 75 newTab[j + oldCap] = hiHead;

76. 76 }

77. 77 }

78. 78 }

79. 79 }

80. 80 }

81. 81 return newTab;

82. 82 }

執行緒安全性

在多執行緒使用場景中，應該儘量避免使用執行緒不安全的HashMap，而使用執行緒安全的ConcurrentHashMap。那麼為什麼說HashMap是執行緒不安全的，下面舉例子說明在併發的多執行緒使用場景中使用HashMap可能造成死迴圈。程式碼例子如下(便於理解，仍然使用JDK1.7的環境)：

1. public class HashMapInfiniteLoop {

2. private static HashMap<Integer,String> map = new HashMap<Integer,String>(2，0.75f);

3. public static void main(String[] args) {

4. map.put(5， "C");

5. new Thread("Thread1") {

6. public void run() {

7. map.put(7, "B");

8. System.out.println(map);

9. };

10. }.start();

11. new Thread("Thread2") {

12. public void run() {

13. map.put(3, "A);

14. System.out.println(map);

15. };

16. }.start();

17. }

18. }

其中，map初始化為一個長度為2的陣列，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。

通過設定斷點讓執行緒1和執行緒2同時debug到transfer方法(3.3小節程式碼塊)的首行。注意此時兩個執行緒已經成功新增資料。放開thread1的斷點至transfer方法的“Entry next = e.next;” 這一行；然後放開執行緒2的的斷點，讓執行緒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)，其線上程二rehash後，指向了執行緒二重組後的連結串列。

執行緒一被排程回來執行，先是執行 newTalbe[i] = e， 然後是e = next，導致了e指向了key(7)，而下一次迴圈的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)， 環形連結串列就這樣出現了。

於是，當我們用執行緒一呼叫map.get(11)時，悲劇就出現了——Infinite Loop。

JDK1.8與JDK1.7的效能對比

HashMap中，如果key經過hash演算法得出的陣列索引位置全部不相同，即Hash演算法非常好，那樣的話，getKey方法的時間複雜度就是O(1)，如果Hash演算法技術的結果碰撞非常多，假如Hash算極其差，所有的Hash演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，或者在一個連結串列中，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，總體效能優於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：

1. class Key implements Comparable<Key> {

2. private final int value;

3. Key(int value) {

4. this.value = value;

5. }

6. @Override

7. public int compareTo(Key o) {

8. return Integer.compare(this.value, o.value);

9. }

10. @Override

11. public boolean equals(Object o) {

12. if (this == o) return true;

13. if (o == null || getClass() != o.getClass())

14. return false;

15. Key key = (Key) o;

16. return value == key.value;

17. }

18. @Override

19. public int hashCode() {

20. return value;

21. }

22. }

這個類複寫了equals方法，並且提供了相當好的hashCode函式，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例項快取了起來，而不是一遍一遍的建立它們。程式碼如下：

1. public class Keys {

2. public static final int MAX_KEY = 10_000_000;

3. private static final Key[] KEYS_CACHE = new Key[MAX_KEY];

4. static {

5. for (int i = 0; i < MAX_KEY; ++i) {

6. KEYS_CACHE[i] = new Key(i);

7. }

8. }

9. public static Key of(int value) {

10. return KEYS_CACHE[value];

11. }

12. }

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

1. static void test(int mapSize) {

2. HashMap<Key, Integer> map = new HashMap<Key,Integer>(mapSize);

3. for (int i = 0; i < mapSize; ++i) {

4. map.put(Keys.of(i), i);

5. }

6. long beginTime = System.nanoTime(); //獲取納秒

7. for (int i = 0; i < mapSize; i++) {

8. map.get(Keys.of(i));

9. }

10. long endTime = System.nanoTime();

11. System.out.println(endTime - beginTime);

12. }

13. public static void main(String[] args) {

14. for(int i=10;i<= 1000 0000;i*= 10){

15. test(i);

16. }

17. }

在測試中會查詢不同的值，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的效能要高於JDK1.7 15%以上，在某些size的區域上，甚至高於100%。由於Hash演算法較均勻，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，它們所有的例項都返回相同的hashCode值。這是使用HashMap最壞的情況。程式碼修改如下：

1. class Key implements Comparable<Key> {

2. //...

3. @Override

4. public int hashCode() {

5. return 1;

6. }

7. }

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。當一個連結串列太長的時候，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演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演算法的重要性。

      測試環境：處理器為2.2 GHz Intel Core i7，記憶體為16 GB 1600 MHz DDR3，SSD硬碟，使用預設的JVM引數，執行在64位的OS X 10.10.1上。

小結

(1) 擴容是一個特別耗效能的操作，所以當程式設計師在使用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是執行緒不安全的，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的效能。

(5) 還沒升級JDK1.8的，現在開始升級吧。HashMap的效能提升僅僅是JDK1.8的冰山一角。

參考