jdk1.8之前HashMap实现原理
1，HashMap的数据结构
数据结构
中有数组和链表来实现对数据的存储，但这两者基本上是两个极端。
数组
数组存储区间是连续的，占用内存严重，故空间复杂的很大。但数组的二分查找
时间复杂度小，为O(1)；
数 组的特点是：
寻址容易，插入和删除困难
；
链表
链表存储区间离散，占用内存比较宽松，故空间复杂度很小，但时间复杂度很大，达O（N）。
链表
的特点是：
寻址困难，插入和删除容易。
哈希表
那么我们能不能综合两者的特性，做出一种寻址容易，插入删除也容易的数据结构？答案是肯定的，这就是我们要提起的哈希表。
哈希表（
(Hash table
）
既满足了数据的查找方便，同时不占用太多的内容空间，使用也十分方便。
哈希表有多种不同的实现方法，我接下来解释的是最常用的一种方法—— 拉链法，我们可以理解为“
链表的数组
” ，如图：
从上图我们可以发现哈希表是由
数组+链表
组成的，一个长度为16的数组中，每个元素存储的是一个链表的头结点。那么这些元素是按照什么样的规则存储到数组中呢。一般情况是通过hash(key)%len获得，也就是元素的key的哈希值对数组长度取模得到。比如上述哈希表中，12%16=12,28%16=12,108%16=12,140%16=12。所以12、28、108以及140都存储在数组下标为12的位置。
HashMap其实也是一个线性的数组实现的,所以可以理解为其存储数据的容器就是一个线性数组。这可能让我们很不解，一个线性的数组怎么实现按键值对来存取数据呢？这里HashMap有做一些处理。
首先HashMap里面实现一个静态内部类
Entry
，其重要的属性有
key , value, next
，从属性key,value我们就能很明显的看出来Entry就是HashMap键值对实现的一个基础bean，我们上面说到HashMap的基础就是一个线性数组，这个数组就是Entry[]，Map里面的内容都保存在Entry[]里面。
transient
Entry[]
table
;
2. HashMap的存取实现
既然是线性数组，为什么能随机存取？这里HashMap用了一个小
算法
，大致是这样实现：
// 存储时:
int
hash
=
key.hashCode();
// 这个hashCode方法这里不详述,只要理解每个key的hash是一个固定的int值
int
index
=
hash
%
Entry[].length;
Entry[index]
=
value;
// 取值时:
int
hash
=
key.hashCode();
int
index
=
hash
%
Entry[].length;
return
Entry[index];
1）put
疑问：如果两个key通过hash%Entry[].length得到的index相同，会不会有覆盖的危险？
这里HashMap里面用到链式数据结构的一个概念。上面我们提到过Entry类里面有一个next属性，作用是指向下一个Entry。打个比方， 第一个键值对A进来，通过计算其key的hash得到的index=0，记做:Entry[0] = A。一会后又进来一个键值对B，通过计算其index也等于0，现在怎么办？HashMap会这样做:
B.next = A
,Entry[0] = B,如果又进来C,index也等于0,那么
C.next = B
,Entry[0] = C；这样我们发现index=0的地方其实存取了A,B,C三个键值对,他们通过next这个属性链接在一起。所以疑问不用担心。
也就是说数组中存储的是最后插入的元素。
到这里为止，HashMap的大致实现，我们应该已经清楚了。
public
V put(K key, V value) {
if
(key ==
null
)
return
putForNullKey(value);
//null总是放在数组的第一个链表中
int
hash =
hash
(key.hashCode());
int
i =
indexFor
(hash,
table
.
length
);
//遍历链表
for
(Entry<K,V> e =
table
[i]; e !=
null
; e = e.
next
) {
Object k;
//如果key在链表中已存在，则替换为新value
if
(e.
hash
== hash && ((k = e.
key
) == key || key.equals(k))) {
V oldValue = e.
value
;
e.
value
= value;
e.recordAccess(
this
);
return
oldValue;
}
}
modCount
++;
addEntry
(hash, key, value, i);
return
null
;
}
void
addEntry
(
int
hash, K key, V value,
int
bucketIndex) {
Entry<K,V> e =
table
[bucketIndex];
table
[bucketIndex] =
new
Entry<K,V>(hash, key, value,
e
);
//参数e, 是Entry.next
//如果size超过threshold，则扩充table大小。再散列
if
(
size
++ >=
threshold
)
resize(2 *
table
.
length
);
}
当然HashMap里面也包含一些优化方面的实现，这里也说一下。比如：Entry[]的长度一定后，随着map里面数据的越来越长，这样同一个index的链就会很长，会不会影响性能？HashMap里面设置一个因子，随着map的size越来越大，Entry[]会以一定的规则加长长度。
public
V get(Object key) {
if
(key ==
null
)
return
getForNullKey();
int
hash =
hash
(key.hashCode());
//先定位到数组元素，再遍历该元素处的链表
for
(Entry<K,V> e =
table
[
indexFor
(hash,
table
.
length
)];
e !=
null
;
e = e.
next
) {
Object k;
if
(e.
hash
== hash && ((k = e.
key
) == key || key.equals(k)))
return
e.
value
;
}
return
null
;
}
null key总是存放在Entry[]数组的第一个元素。
private
V
putForNullKey
(V value) {
for
(Entry<K,V> e =
table
[0];
e !=
null
; e = e.
next
) {
if
(e.
key
==
null
) {
V oldValue = e.
value
;
e.
value
= value;
e.recordAccess(
this
);
return
oldValue;
}
}
modCount
++;
addEntry(0,
null
, value, 0);
return
null
;
}
private
V
getForNullKey
() {
for
(Entry<K,V> e =
table
[0]; e !=
null
; e = e.
next
) {
if
(e.
key
==
null
)
return
e.
value
;
}
return
null
;
}
4）确定数组index：hashcode % table.length取模
HashMap存取时，都需要计算当前key应该对应Entry[]数组哪个元素，即计算数组下标；算法如下：
static
int
indexFor
(
int
h,
int
length) {
return
h & (length-1);
}
按位取并，作用上相当于取模mod或者取余%。
这意味着数组下标相同，并不表示hashCode相同。
public
HashMap(
int
initialCapacity,
float
loadFactor) {
…..
// Find a power of 2 >= initialCapacity
int
capacity = 1;
while
(capacity < initialCapacity)
capacity <<= 1;
this
.
loadFactor
= loadFactor;
threshold
= (
int
)(capacity * loadFactor);
table
=
new
Entry[capacity];
init();
}
注意table初始大小并不是构造函数中的initialCapacity！！
而是 >= initialCapacity的2的n次幂！！！！
————为什么这么设计呢？——
3. 解决hash冲突的办法
- 开放定址法（线性探测再散列，二次探测再散列，伪随机探测再散列）
- 再哈希法
-
链地址法
- 建立一个公共溢出区
Java
中hashmap的解决办法就是采用的链地址法。
4. 再散列rehash过程
当哈希表的容量超过默认容量时，必须调整table的大小。
当容量已经达到最大可能值时，那么该方法就将容量调整到
Integer.MAX_VALUE
返回，
这时，需要创建一张新表，将原表的映射到新表中。
void
resize(
int
newCapacity) {
Entry[] oldTable =
table
;
int
oldCapacity = oldTable.
length
;
if
(oldCapacity ==
MAXIMUM_CAPACITY
) {
threshold
= Integer.
MAX_VALUE
;
return
;
}
Entry[] newTable =
new
Entry[newCapacity];
transfer(newTable);
table
= newTable;
threshold
= (
int
)(newCapacity *
loadFactor
);
}
void
transfer(Entry[] newTable) {
Entry[] src =
table
;
int
newCapacity = newTable.
length
;
for
(
int
j = 0; j < src.
length
; j++) {
Entry<K,V> e = src[j];
if
(e !=
null
) {
src[j] =
null
;
do
{
Entry<K,V> next = e.
next
;
//重新计算index
int
i =
indexFor
(e.
hash
, newCapacity);
e.
next
= newTable[i];
newTable[i] = e;
e = next;
}
while
(e !=
null
);
}
}
}