学习笔记05——HashMap实现原理及源码解析（JDK8）

HashMap实现原理及源码解析（JDK8）

---

一、核心设计思想

1. 数组+链表+红黑树：桶数组存储Node节点，哈希冲突时形成链表，链表长度≥8且桶数量≥64时转红黑树
2. 扰动函数：(h = key.hashCode()) ^ (h >>> 16) 消除高位变化的影响
3. 懒加载：首次put时初始化数组
4. 负载因子：默认0.75，空间与时间的权衡

---

二、put()方法源码全解析

代码路径：java.util.HashMap#put

public V put(K key, V value) {return putVal(hash(key), key, value, false, true);
}

核心方法putVal()流程：

1. 初始化检测：if ((tab = table) == null || (n = tab.length) == 0) n = (tab = resize()).length;
2. 计算桶下标：(n - 1) & hash
3. 处理空桶：直接创建新节点
4. 处理哈希冲突：
   • 红黑树节点：putTreeVal()
   • 链表节点：遍历至尾节点插入，同时检测链表长度
5. 值替换检测：if (e != null) { ... return oldValue; }
6. 扩容检测：if (++size > threshold) resize();

源码解读：

final V putVal(int hash, K key, V value, boolean onlyIfAbsent, boolean evict) {Node<K,V>[] tab; // 当前哈希桶数组Node<K,V> p;      // 目标桶的第一个节点int n, i;         // n: 数组长度，i: 计算出的桶下标// ------------------------ 1. 初始化检测 ------------------------if ((tab = table) == null || (n = tab.length) == 0)n = (tab = resize()).length; // 首次插入触发初始化// ------------------------ 2. 计算桶下标 ------------------------i = (n - 1) & hash; // 等价于 hash % n（n是2的幂时的优化）p = tab[i]; // 获取目标桶的第一个节点// ------------------------ 3. 处理空桶 ------------------------if (p == null)tab[i] = newNode(hash, key, value, null); // 直接插入新节点else {Node<K,V> e; // 用于记录已存在的节点（若找到相同key）K k;// ------------------- 4.1 处理首节点匹配 -------------------if (p.hash == hash &&((k = p.key) == key || (key != null && key.equals(k))))e = p; // 记录已存在的节点// ------------------- 4.2 处理红黑树节点 -------------------else if (p instanceof TreeNode)e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);// ------------------- 4.3 处理链表节点 ---------------------else {for (int binCount = 0; ; ++binCount) {// 到达链表尾部if ((e = p.next) == null) {p.next = newNode(hash, key, value, null); // 尾插法// 检查是否触发树化if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1sttreeifyBin(tab, hash);break;}// 发现重复keyif (e.hash == hash &&((k = e.key) == key || (key != null && key.equals(k))))break;p = e; // 继续遍历}}// ------------------- 5. 处理值替换 ------------------------if (e != null) { // 存在重复keyV oldValue = e.value;if (!onlyIfAbsent || oldValue == null)e.value = value; // 覆盖旧值afterNodeAccess(e);  // LinkedHashMap回调return oldValue;    // 返回旧值}}++modCount; // 修改计数器（用于快速失败机制）// ------------------------ 6. 扩容检测 ------------------------if (++size > threshold)resize(); afterNodeInsertion(evict); // LinkedHashMap回调return null; // 插入成功返回null
}

---

三、扩容机制深度剖析

触发条件：元素数量 > 容量 × 负载因子

resize()核心步骤：

1. 计算新容量：原容量×2（保证始终为2的幂）
2. 创建新数组：Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap];
3. 数据迁移：
   • 单节点：newTab[e.hash & (newCap - 1)] = e;
   • 红黑树：split()方法处理
   • 链表：拆分为低位链和高位链（利用(e.hash & oldCap) == 0判断）

扩容优化点：

• 无需重新计算哈希：通过位运算快速确定新位置
• 链表保持原始顺序（JDK8改进，避免循环链表问题）

源码解析

final Node<K,V>[] resize() {Node<K,V>[] oldTab = table;          // 旧数组int oldCap = (oldTab == null) ? 0 : oldTab.length; // 旧容量int oldThr = threshold;              // 旧阈值int newCap, newThr = 0;              // 新容量、新阈值// -------------------- 1. 计算新容量和阈值 --------------------if (oldCap > 0) { // 扩容场景// 容量已达最大值（2^30），不再扩容if (oldCap >= MAXIMUM_CAPACITY) { threshold = Integer.MAX_VALUE;return oldTab;}// 新容量 = 旧容量 * 2else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&oldCap >= DEFAULT_INITIAL_CAPACITY)newThr = oldThr << 1; // 阈值 * 2}else if (oldThr > 0) // 初始化场景（指定初始容量）newCap = oldThr; // 使用构造方法中计算的阈值作为初始容量else { // 无参构造初始化（默认容量16）newCap = DEFAULT_INITIAL_CAPACITY;newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);}// 处理新阈值为0的情况（兜底逻辑）if (newThr == 0) {float ft = (float)newCap * loadFactor;newThr = (newCap < MAXIMUM_CAPACITY && ft < MAXIMUM_CAPACITY) ?(int)ft : Integer.MAX_VALUE;}threshold = newThr; // 更新全局阈值// -------------------- 2. 创建新数组 --------------------Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap];table = newTab; // 更新全局数组引用// -------------------- 3. 数据迁移（旧数组→新数组） --------------------if (oldTab != null) {for (int j = 0; j < oldCap; ++j) { // 遍历旧数组的每个桶Node<K,V> e;if ((e = oldTab[j]) != null) { // 桶中有数据oldTab[j] = null; // 清空旧桶（帮助GC）// ----------- 3.1 处理单节点 -----------if (e.next == null) newTab[e.hash & (newCap - 1)] = e; // 直接计算新位置// ----------- 3.2 处理红黑树节点 -----------else if (e instanceof TreeNode)((TreeNode<K,V>)e).split(this, newTab, j, oldCap);// ----------- 3.3 处理链表节点（关键优化） -----------else { Node<K,V> loHead = null, loTail = null; // 低位链表（原索引）Node<K,V> hiHead = null, hiTail = null; // 高位链表（原索引+oldCap）do {Node<K,V> next = e.next;// 判断是否需要移动位置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);// 将拆分后的链表放入新数组if (loTail != null) {loTail.next = null;newTab[j] = loHead; // 原索引位置}if (hiTail != null) {hiTail.next = null;newTab[j + oldCap] = hiHead; // 新索引位置}}}}}return newTab;
}

核心设计亮点

1. 避免重新计算哈希
   通过 (e.hash & oldCap) == 0 判断节点位置，时间复杂度从 O(n) 降为 O(1)
2. 高低位链表拆分
   • 低位链表：保持原索引位置 j
   • 高位链表：新索引位置为 j + oldCap
   • 顺序保留：JDK8 使用尾插法保持链表原始顺序，避免循环链表问题（对比 JDK7 头插法）
3. 红黑树退化机制
   当红黑树节点数 ≤6 时退化为链表，避免空间浪费
4. 延迟初始化
   首次调用 put() 时才会初始化数组（懒加载）

Q1：为什么HashMap扩容是2倍？

• 保证容量始终为2的幂，使得 (n - 1) & hash 等效于取模运算，且位运算效率更高
• 扩容时可通过位运算快速确定新位置（无需重新计算哈希）

---

Q2：JDK8扩容如何避免死循环？

• JDK7 使用头插法，多线程扩容可能导致循环链表
• JDK8 改为尾插法，并保持链表原始顺序，彻底解决该问题

---

Q3：链表拆分的数学原理是什么？
假设旧容量为 oldCap = 16（二进制 10000）：

• 若 hash & oldCap == 0 → 节点新位置 = 原位置
• 若 hash & oldCap != 0 → 节点新位置 = 原位置 + oldCap
  本质是通过哈希值的第 log2(oldCap) 位是否为1决定位置

---

Q4：多线程环境下resize()的风险

• 数据丢失：两个线程同时触发扩容可能导致部分节点丢失
• 链表断裂：并发修改可能导致链表结构损坏
• 解决方案：使用 ConcurrentHashMap

四、关键代码

1.哈希扰动函数

static final int hash(Object key) {int h;return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}

• 设计目的：将高16位与低16位异或，减少低位相同导致的哈希碰撞
• 示例：若 hashCode() 为 0x12345678，扰动后为 0x12345678 ^ 0x00001234 = 0x1234444C

2.树化逻辑

final void treeifyBin(Node<K,V>[] tab, int hash) {int n, index; Node<K,V> e;if (tab == null || (n = tab.length) < MIN_TREEIFY_CAPACITY)resize(); // 优先扩容而不是树化else if ((e = tab[index = (n - 1) & hash]) != null) {// 将链表转为红黑树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);}
}

• 树化条件：链表长度 ≥8 且 桶数量 ≥64（MIN_TREEIFY_CAPACITY）
• 设计考量：避免在小表时过早树化，空间利用率更重要

3.红黑树插入

在 putTreeVal() 方法中：

1. 从根节点开始查找插入位置
2. 比较哈希值和键对象
3. 插入后通过 balanceInsertion() 进行红黑树平衡操作

4.核心设计亮点

1. 尾插法 vs 头插法：
   • JDK7 使用头插法，多线程扩容可能产生循环链表
   • JDK8 改为尾插法，解决循环链表问题，保证插入顺序
2. 延迟树化策略：
   • 优先扩容而不是立即树化（当桶数量 <64 时）
   • 树节点占用空间是普通节点的2倍，权衡空间与时间
3. 高低位链表拆分：
   • 扩容时通过 (e.hash & oldCap) == 0 判断节点位置
   • 示例：原容量16（二进制10000），哈希值为10101的节点在扩容后会分配到新位置 10101 & 31（11111） = 21

---

面试回答话术模板

面试官：请说明HashMap的实现原理

回答结构：

1. 总体结构：“HashMap采用数组+链表+红黑树的存储结构，当链表长度超过8且桶数量达到64时，链表会转换为红黑树优化查询效率”
2. 哈希计算：“通过二次扰动函数处理键的hashCode，使哈希分布更均匀”
3. put流程：
   • 计算桶下标 → 处理空桶/冲突 → 链表/树操作 → 扩容检测
   • 强调尾插法、树化阈值、modCount记录
4. 扩容机制：
   • 2倍扩容保证容量始终为2的幂
   • 数据迁移时的高低位链表拆分算法
5. 线程安全：“HashMap非线程安全，多线程环境下建议使用ConcurrentHashMap”，原因是：1.两个线程同时put时可能会覆盖彼此的修改；2.jdk7的头插法扩容时产生循环链表，发生死循环；
6. 延伸补充（可选）：
   • 与HashTable的区别（null键支持、同步机制）
   • 负载因子取值依据（0.75的时间空间平衡点）

加分技巧：

• 手绘数据迁移示意图（高低位链表拆分）
• 举例说明哈希碰撞场景
• 对比JDK7的头插法实现差异（循环链表问题）
• 分析树化阈值的统计学依据（泊松分布）

---

示例回答：

“HashMap通过数组存储Node节点解决快速定位问题，使用链表和红黑树处理哈希冲突。当执行put操作时，首先计算键的扰动哈希值确定桶位置。若发生哈希冲突，JDK8采用尾插法维护链表，当链表长度达到树化阈值时会转换结构提升查询效率。扩容时采用2倍扩容策略，通过位运算快速重新分配节点位置，这个设计避免了重新计算哈希的开销。需要注意的是，HashMap不是线程安全的，多线程put可能导致数据丢失或死循环（JDK7版本）。”

---

建议结合手写伪代码/流程图进行说明，展现对底层实现的深入理解。同时可准备时间/空间复杂度分析（理想情况下O(1)操作）作为补充。