HashMap 原始碼解析
一、前言
在分析jdk1.8後的HashMap原始碼時，發現網上好多分析都是基於之前的jdk，而Java8的HashMap對之前做了較大的優化，其中最重要的一個優化就是桶中的元素不再唯一按照連結串列組合，也可以使用紅黑樹進行儲存，總之，目標只有一個，那就是在安全和功能性完備的情況下讓其速度更快，提升效能。好~下面就開始分析原始碼。
二、HashMap資料結構
說明：上圖很形象的展示了HashMap的資料結構（陣列+連結串列+紅黑樹），桶中的結構可能是連結串列，也可能是紅黑樹，紅黑樹的引入是為了提高效率。所以可見，在分析原始碼的時候我們不知不覺就溫習了資料結構的知識點，一舉兩得。
三、HashMap原始碼分析
3.1 類的繼承關係
public class HashMap<K,V> extends AbstractMap<K,V> implements Map<K,V>, Cloneable, Serializable
可以看到HashMap繼承自父類（AbstractMap），實現了Map、Cloneable、Serializable介面。其中，Map介面定義了一組通用的操作；Cloneable介面則表示可以進行拷貝，在HashMap中，實現的是淺層次拷貝，即對拷貝物件的改變會影響被拷貝的物件；Serializable介面表示HashMap實現了序列化，即可以將HashMap物件儲存至本地，之後可以恢復狀態。
3.2 類的屬性
public class HashMap<K,V> extends AbstractMap<K,V> implements Map<K,V>, Cloneable, Serializable {
// 序列號
private static final long serialVersionUID = 362498820763181265L;
// 預設的初始容量是16
static final int DEFAULT_INITIAL_CAPACITY = 1 << 4;
// 最大容量
static final int MAXIMUM_CAPACITY = 1 << 30;
// 預設的填充因子
static final float DEFAULT_LOAD_FACTOR = 0.75f;
// 當桶(bucket)上的結點數大於這個值時會轉成紅黑樹
static final int TREEIFY_THRESHOLD = 8;
// 當桶(bucket)上的結點數小於這個值時樹轉連結串列
static final int UNTREEIFY_THRESHOLD = 6;
// 桶中結構轉化為紅黑樹對應的table的最小大小
static final int MIN_TREEIFY_CAPACITY = 64;
// 儲存元素的陣列，總是2的冪次倍
transient Node<k,v>[] table;
// 存放具體元素的集
transient Set<map.entry<k,v>> entrySet;
// 存放元素的個數，注意這個不等於陣列的長度。
transient int size;
// 每次擴容和更改map結構的計數器
transient int modCount;
// 臨界值 當實際大小(容量*填充因子)超過臨界值時，會進行擴容
int threshold;
// 填充因子
final float loadFactor;
}
說明：類的資料成員很重要，以上也解釋得很詳細了，其中有一個引數MIN_TREEIFY_CAPACITY，筆者暫時還不是太清楚，有讀者知道的話歡迎指導。
3.3 類的建構函式
1.HashMap(int, float)型建構函式
public HashMap(int initialCapacity, float loadFactor) {
// 初始容量不能小於0，否則報錯
if (initialCapacity < 0)
throw new IllegalArgumentException("Illegal initial capacity: " +
initialCapacity);
// 初始容量不能大於最大值，否則為最大值
if (initialCapacity > MAXIMUM_CAPACITY)
initialCapacity = MAXIMUM_CAPACITY;
// 填充因子不能小於或等於0，不能為非數字
if (loadFactor <= 0 || Float.isNaN(loadFactor))
throw new IllegalArgumentException("Illegal load factor: " +
loadFactor);
// 初始化填充因子
this.loadFactor = loadFactor;
// 初始化threshold大小
this.threshold = tableSizeFor(initialCapacity);
}
說明：tableSizeFor(initialCapacity)返回大於等於initialCapacity的最小的二次冪數值。
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;
}
說明：>>> 操作符表示無符號右移，高位取0。
2.HashMap(int)型建構函式。
public HashMap(int initialCapacity) {
// 呼叫HashMap(int, float)型建構函式
this(initialCapacity, DEFAULT_LOAD_FACTOR);
}
3.HashMap()型建構函式。
public HashMap() {
// 初始化填充因子
this.loadFactor = DEFAULT_LOAD_FACTOR;
}
4.HashMap(Map)型建構函式。
public HashMap(Map<? extends K, ? extends V> m) {
// 初始化填充因子
this.loadFactor = DEFAULT_LOAD_FACTOR;
// 將m中的所有元素新增至HashMap中
putMapEntries(m, false);
}
說明：putMapEntries(Map m, boolean evict)函式將m的所有元素存入本HashMap例項中。
final void putMapEntries(Map<? extends K, ? extends V> m, boolean evict) {
int s = m.size();
if (s > 0) {
// 判斷table是否已經初始化
if (table == null) { // pre-size
// 未初始化，s為m的實際元素個數
float ft = ((float)s / loadFactor) + 1.0F;
int t = ((ft < (float)MAXIMUM_CAPACITY) ?
(int)ft : MAXIMUM_CAPACITY);
// 計算得到的t大於閾值，則初始化閾值
if (t > threshold)
threshold = tableSizeFor(t);
}
// 已初始化，並且m元素個數大於閾值，進行擴容處理
else if (s > threshold)
resize();
// 將m中的所有元素新增至HashMap中
for (Map.Entry<? extends K, ? extends V> e : m.entrySet()) {
K key = e.getKey();
V value = e.getValue();
putVal(hash(key), key, value, false, evict);
}
}
}
3.4 重要函式分析
1.putVal函式
final V putVal(int hash, K key, V value, boolean onlyIfAbsent,
boolean evict) {
Node<K,V>[] tab; Node<K,V> p; int n, i;
// table未初始化或者長度為0，進行擴容
if ((tab = table) == null || (n = tab.length) == 0)
n = (tab = resize()).length;
// (n - 1) & hash 確定元素存放在哪個桶中，桶為空，新生成結點放入桶中(此時，這個結點是放在陣列中)
if ((p = tab[i = (n - 1) & hash]) == null)
tab[i] = newNode(hash, key, value, null);
// 桶中已經存在元素
else {
Node<K,V> e; K k;
// 比較桶中第一個元素(陣列中的結點)的hash值相等，key相等
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
// 將第一個元素賦值給e，用e來記錄
e = p;
// hash值不相等，即key不相等；為紅黑樹結點
else if (p instanceof TreeNode)
// 放入樹中
e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
// 為連結串列結點
else {
// 在連結串列最末插入結點
for (int binCount = 0; ; ++binCount) {
// 到達連結串列的尾部
if ((e =p.next) == null) {
// 在尾部插入新結點
p.next= newNode(hash, key, value, null);
// 結點數量達到閾值，轉化為紅黑樹
if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st
treeifyBin(tab, hash);
// 跳出迴圈
break;
}
// 判斷連結串列中結點的key值與插入的元素的key值是否相等
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
// 相等，跳出迴圈
break;
// 用於遍歷桶中的連結串列，與前面的e = p.next組合，可以遍歷連結串列
p = e;
}
}
// 表示在桶中找到key值、hash值與插入元素相等的結點
if (e != null) {
// 記錄e的value
V oldValue = e.value;
// onlyIfAbsent為false或者舊值為null
if (!onlyIfAbsent || oldValue == null)
//用新值替換舊值
e.value = value;
// 訪問後回撥
afterNodeAccess(e);
// 返回舊值
return oldValue;
}
}
// 結構性修改
++modCount;
// 實際大小大於閾值則擴容
if (++size > threshold)
resize();
// 插入後回撥
afterNodeInsertion(evict);
return null;
}
說明：HashMap並沒有直接提供putVal介面給使用者呼叫，而是提供的put函式，而put函式就是通過putVal來插入元素的。
2.getNode函式
final Node<K,V> getNode(int hash, Object key) {
Node<K,V>[] tab; Node<K,V> first, e; int n; K k;
// table已經初始化，長度大於0，根據hash尋找table中的項也不為空
if ((tab = table) != null && (n = tab.length) > 0 &&
(first = tab[(n - 1) & hash]) != null) {
// 桶中第一項(陣列元素)相等
if (first.hash == hash && // always check first node
((k = first.key) == key || (key != null && key.equals(k))))
return first;
// 桶中不止一個結點
if ((e =first.next) != null) {
// 為紅黑樹結點
if (first instanceof TreeNode)
// 在紅黑樹中查詢
return ((TreeNode<K,V>)first).getTreeNode(hash, key);
// 否則，在連結串列中查詢
do {
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
return e;
} while ((e =e.next) != null);
}
}
return null;
}
說明：HashMap並沒有直接提供getNode介面給使用者呼叫，而是提供的get函式，而get函式就是通過getNode來取得元素的。
3.resize函式
final Node<K,V>[] resize() {
// 當前table儲存
Node<K,V>[] oldTab = table;
// 儲存table大小
int oldCap = (oldTab == null) ? 0 : oldTab.length;
// 儲存當前閾值
int oldThr = threshold;
int newCap, newThr = 0;
// 之前table大小大於0
if (oldCap > 0) {
// 之前table大於最大容量
if (oldCap >= MAXIMUM_CAPACITY) {
// 閾值為最大整形
threshold = Integer.MAX_VALUE;
return oldTab;
}
// 容量翻倍，使用左移，效率更高
else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&
oldCap >= DEFAULT_INITIAL_CAPACITY)
// 閾值翻倍
newThr = oldThr << 1; // double threshold
}
// 之前閾值大於0
else if (oldThr > 0)
newCap = oldThr;
// oldCap = 0並且oldThr = 0，使用預設值（如使用HashMap()建構函式，之後再插入一個元素會呼叫resize函式，會進入這一步）
else {
newCap = DEFAULT_INITIAL_CAPACITY;
newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);
}
// 新閾值為0
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"})
// 初始化table
Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap];
table = newTab;
// 之前的table已經初始化過
if (oldTab != null) {
// 複製元素，重新進行hash
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 order
Node<K,V> loHead = null, loTail = null;
Node<K,V> hiHead = null, hiTail = null;
Node<K,V> next;
// 將同一桶中的元素根據(e.hash & oldCap)是否為0進行分割，分成兩個不同的連結串列，完成rehash
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;
}
說明：進行擴容，會伴隨著一次重新hash分配，並且會遍歷hash表中所有的元素，是非常耗時的。在編寫程式中，要儘量避免resize。
在resize前和resize後的元素佈局如下
說明：上圖只是針對了陣列下標為2的桶中的各個元素在擴容後的分配佈局，其他各個桶中的元素佈局可以以此類推。
四、針對HashMap的思考
4.1. 關於擴容的思考
從putVal原始碼中我們可以知道，當插入一個元素的時候size就加1，若size大於threshold的時候，就會進行擴容。假設我們的capacity大小為32，loadFator為0.75,則threshold為24 = 32 * 0.75，此時，插入了25個元素，並且插入的這25個元素都在同一個桶中，桶中的資料結構為紅黑樹，則還有31個桶是空的，也會進行擴容處理，其實，此時，還有31個桶是空的，好像似乎不需要進行擴容處理，但是是需要擴容處理的，因為此時我們的capacity大小可能不適當。
我們前面知道，擴容處理會遍歷所有的元素，時間複雜度很高；前面我們還知道，經過一次擴容處理後，元素會更加均勻的分佈在各個桶中，會提升訪問效率。所以，說盡量避免進行擴容處理，也就意味著，遍歷元素所帶來的壞處大於元素在桶中均勻分佈所帶來的好處。如果有讀者有不同意見，也歡迎討論~
讀者福利：小編花了1個多月整理了一份最新架構視訊和完整面試資料，希望可以幫到願意提升競爭力，敢於去行動的程式設計師朋友們。
獲取方式：喜歡+關注+私信“架構資料”即可獲取
五、總結
至此，HashMap的原始碼就分析到這裡了，其中理解了其中的核心函式和資料結構，那麼理解HashMap的原始碼就不困難了。當然，此次分析中還有一些知識點沒有涉及到，如紅黑樹、序列化、拷貝等，以後有機會會進行詳細的說明和講解