HashMap的底层工作原理和并发问题

通过源码分析工作原理

首先来看下HashMap一个典型的构造函数：

transient HashMapEntry<K, V>[] table;

public HashMap(int capacity) {
   if (capacity < 0) {
       throw new IllegalArgumentException("Capacity: " + capacity);
   }

   if (capacity == 0) {
       @SuppressWarnings("unchecked")
       HashMapEntry<K, V>[] tab = (HashMapEntry<K, V>[]) EMPTY_TABLE;
       table = tab;
       threshold = -1; // Forces first put() to replace EMPTY_TABLE
       return;
   }

   if (capacity < MINIMUM_CAPACITY) {
       capacity = MINIMUM_CAPACITY;
   } else if (capacity > MAXIMUM_CAPACITY) {
       capacity = MAXIMUM_CAPACITY;
   } else {
       capacity = Collections.roundUpToPowerOfTwo(capacity);
   }
   makeTable(capacity);
}

HashMap里有一个数组table，它存储的元素类型是HashMapEntry，后面会介绍；capacity指的就是这个数组的长度。如果指定数组长度为0，会抛出异常；如果为0，会将table指向EMPTY_TABLE，这个EMPTY_TABLE实际就是长度为2的数组（MINIMUM_CAPACITY 右移1位）：

private static final int MINIMUM_CAPACITY = 4;
private static final int MAXIMUM_CAPACITY = 1 << 30;

private static final Entry[] EMPTY_TABLE = new HashMapEntry[MINIMUM_CAPACITY >>> 1];

从源码可以看出，如果指定的capacity在MINIMUM_CAPACITY和MAXIMUM_CAPACITY之间，那么就会调用Collections.roundUpToPowerOfTwo(capacity); 这个方法的作用是将capacity转化为比它大而且离它最近的2的某个次方数（比如3就会转化成4，9就会转化成16）。由此可见，HashMap中分配的数组大小长度一定是2的次方数。这个HashMapEntry数组里每个存储元素的位置称为bucket，每个bucket只能存放一个Entry元素，系统可根据bucket的索引迅速访问其中存储的元素。

确定数组大小后，就会调用makeTable(capacity);

/**
 * The table is rehashed when its size exceeds this threshold.
 * The value of this field is generally .75 * capacity, except when
 * the capacity is zero, as described in the EMPTY_TABLE declaration
 * above.
 */
private transient int threshold;

private HashMapEntry<K, V>[] makeTable(int newCapacity) {
    @SuppressWarnings("unchecked") HashMapEntry<K, V>[] newTable
            = (HashMapEntry<K, V>[]) new HashMapEntry[newCapacity];
    table = newTable;
    threshold = (newCapacity >> 1) + (newCapacity >> 2); // 3/4 capacity
    return newTable;
}

这里有一个成员变量threshold，它是HashMap中table数组是否要扩容的一个衡量指标：如果已存储bucket个数已经达到threshold的值，那么HashMap会重新创建数组并将之前已存储的元素重新计算插入到新数组的bucket中（这个我们在后面分析HashMap的put方法时可以看到）。threshold的值一般会取capacity的3/4。

接下来我们来看下HashMapEntry的结构（省略了里面的get/set方法）：

static class HashMapEntry<K, V> implements Entry<K, V> {
    final K key;
    V value;
    final int hash;
    HashMapEntry<K, V> next;

    HashMapEntry(K key, V value, int hash, HashMapEntry<K, V> next) {
        this.key = key;
        this.value = value;
        this.hash = hash;
        this.next = next;
    }

    @Override public final boolean equals(Object o) {
        if (!(o instanceof Entry)) {
            return false;
        }
        Entry<?, ?> e = (Entry<?, ?>) o;
        return Objects.equal(e.getKey(), key)
                && Objects.equal(e.getValue(), value);
    }

    @Override public final int hashCode() {
        return (key == null ? 0 : key.hashCode()) ^
                (value == null ? 0 : value.hashCode());
    }
}

可以看出里面除了我们所熟悉的key和value以外，还有int hash和HashMapEntry next两个成员变量。hash是用来验证某个key经过hash算法计算得到的值是否与当前HashMapEntry的hash值相等；next也是HashMapEntry类型，这就类似于链表的结构（HashMapEntry内部还有HashMapEntry），当同一个bucket发生数据碰撞时（两个及以上Entry对应一个bucket），就会用到next，后面我们再做详细介绍。

下面来分析put方法：

@Override 
public V put(K key, V value) {
    if (key == null) {
        return putValueForNullKey(value);
    }

    int hash = Collections.secondaryHash(key);
    HashMapEntry<K, V>[] tab = table;
    int index = hash & (tab.length - 1);
    for (HashMapEntry<K, V> e = tab[index]; e != null; e = e.next) {
        if (e.hash == hash && key.equals(e.key)) {
            preModify(e);
            V oldValue = e.value;
            e.value = value;
            return oldValue;
        }
    }

    // No entry for (non-null) key is present; create one
    modCount++;
    if (size++ > threshold) {
        tab = doubleCapacity();
        index = hash & (tab.length - 1);
    }
    addNewEntry(key, value, hash, index);
    return null;
}

如果key为null，就调用putValueForNullKey方法：

transient HashMapEntry<K, V> entryForNullKey;

private V putValueForNullKey(V value) {
    HashMapEntry<K, V> entry = entryForNullKey;
    if (entry == null) {
        addNewEntryForNullKey(value);
        size++;
        modCount++;
        return null;
    } else {
        preModify(entry);
        V oldValue = entry.value;
        entry.value = value;
        return oldValue;
    }
}

这个entryForNullKey指的就是专门存放key为null的数据的HashMapEntry。

如果key不为null，会通过key计算出一个hash值，再利用这个hash值计算出HashMapEntry对应的bucket在数组中的索引：

int index = hash & (tab.length - 1);

这行代码十分巧妙，由于数组大小一定是2的倍数，所以减1后转化成二进制就是首位是0，后面全是1；而hash值可能是个比较大的数，这个一“与”，计算出的index绝对不会出现数组越界的情况。

如果找到bucket的位置（hash值相同），然后就沿着里面存放的HashMapEntry开始进行链表遍历（通过next），直到找到key相同的那个HashMapEntry。图示：

如果没有找到bucket的位置，或者找到了但沿链表遍历没找到key相同的元素，证明现在要put的这个数据的key之前没有出现过，那么就判断添加一个HashMapEntry后大小会不会超过threshold，如果超了就先调用doubleCapacity()进行2倍扩容，最后调用addNewEntry：

void addNewEntry(K key, V value, int hash, int index) {
    table[index] = new HashMapEntry<K, V>(key, value, hash, table[index]);
}

这里创建了一个新的HashMapEntry，并把之前这里存储的HashMapEntry作为它的next元素。get方法基本同理这里就不在赘述了。

总结

HashMap的数据结构基于数组和链表。用数组存储HashMapEntry元素，当调用put方法去存储数据时，对key调用hashCode()并可能再做进一步加工，得到一个hash值，通过hash值可以找到bucket的位置，如果bucket位置已经有其他元素了（即hash值相同），那么就通过链表结构把hash相同的元素放到链表的下一个节点；当调用get方法去获取数据时，找到bucket以后，会通过key的equals方法在链表中找到目标元素。这里需要注意hashCode()和equals()方法的区别，它们均需保证计算得到的值在插入HashMap后不会发生改变；并需尽可能保证两个不同元素的hashCode方法返回值不同，这样碰撞的机率会小，从而提高HashMap的性能；

当HashMap中已经填充了超过3/4的bucket时，会发生rehash，即会创建原来大小两倍的bucket数组，并将原来的元素放入新的bucket数组中。这里的3/4指的是装填因子(load factor)，用户可以自行指定，默认是0.75。增大装填因子可以减少 Hash表（Entry 数组）所占用的内存空间，但会增加查询数据的时间开销，而查询是最频繁的的操作（HashMap 的 get() 与 put() 方法都要用到查询）；减小装填因子会提高数据查询的性能，但会增加 Hash 表所占用的内存空间。

多线程并发问题

多线程put时可能导致元素丢失

addNewEntry时，调用table[index] = new HashMapEntry< K, V >(key, value, hash, table[index]);
如果两个线程同时取得了旧的table[index]，然后赋值给新的table[index]时会有一个成功一个丢失。

Rehash时可能出现环链导致死循环

Rehash时，元素存储位置可能发生更换，代码如下：

for (int j = 0; j < oldCapacity; j++) {
    /*
     * Rehash the bucket using the minimum number of field writes.
     * This is the most subtle and delicate code in the class.
     */
    HashMapEntry<K, V> e = oldTable[j];
    if (e == null) {
        continue;
    }
    int highBit = e.hash & oldCapacity;
    HashMapEntry<K, V> broken = null;
    newTable[j | highBit] = e;
    for (HashMapEntry<K, V> n = e.next; n != null; e = n, n = n.next) {
        int nextHighBit = n.hash & oldCapacity;
        if (nextHighBit != highBit) {
            if (broken == null)
                newTable[j | nextHighBit] = n;
            else
                broken.next = n;
            broken = e;
            highBit = nextHighBit;
        }
    }
    if (broken != null)
        broken.next = null;
}

这里面要将oldTable里的元素移动到newTable里，用了链表常用的插入语句，在并发时就可能会出现指针指向混乱的问题从而导致产生环链，遍历时就会出现死循环。详细的死循环产生过程大家可以参考下面的链接，这里就不赘述了。http://www.cnblogs.com/alexlo/p/4955391.html

解决方案

1.Hashtable替换HashMap
2.Collections.synchronizedMap将HashMap包装起来

Map m = Collections.synchronizedMap(new HashMap());

synchronized(m) {  
    ......
}

3.ConcurrentHashMap替换HashMap