HashMap筆記（JDK 1.7 & JDK 1.8）

內容參考自：（感謝作者，僅學習整合，如侵必刪）

Java：手把手帶你源碼分析 HashMap 1.7

Java源碼分析：關於 HashMap 1.8 的重大更新

文章目錄

HashMap筆記（JDK 1.7 & JDK 1.8）

一、簡介

二、數據結構（1.7 和1.8 有主要差異）

三、具體使用

四、基礎知識：HashMap中的重要參數（7&8基本相同）

五、源碼分析

一、簡介

1、類定義

public class HashMap<K,V>
         extends AbstractMap<K,V> 
         implements Map<K,V>, Cloneable, Serializable

2、主要介紹

二、數據結構（1.7 和1.8 有主要差異）

1、具體描述

1.7 HashMap 和 1.8 HashMap 有 主要不同

1.7 HashMap 採用的數據結構 = 數組（主）+單鏈表（副），也稱拉鍊法，具體描述如下：

結構	描述	備註
數組（主）	- 核心底層 = 1個數組（ table[] ）（又稱：哈希數組） - 數組下標 = 進過處理的鍵key的hash值（通過hashCode()計算等一系列處理） - 數組元素 = 1個鍵值對 = 1個鏈表（頭節點） - 數組大小 = HashMap的容量（capacity）
單鏈表（副）	- 每個鏈表 = 哈希表的桶（bucket） - 鏈表的節點值 = 1個鍵值對 - 鏈表的長度 = 桶的大小	- 鏈表主要用於解決哈希衝突：若不同的key計算出的hash值相同（即都需存放到數組的同一位置），由於之前該hash值的數組位置已經存放元素，則將原先位置的元素移到單鏈表中，衝突hash值對應的元素放入數組中。（即發生衝突時，新元素插入到鏈表頭中：新元素總是添加到數組中，舊元素移到鏈表中） - 該採用鏈表解決hash衝突的方法 = 鏈地址法
注：HashMap的鍵值對數量 = 數組的鍵值對 + 所有單鏈表的鍵值對

2、示意圖

1.8 引入了紅黑樹

關於紅黑樹瞭解：http://blog.csdn.net/v_july_v/article/details/6105630

附：既然紅黑樹那麼好，爲啥HashMap不全部採用紅黑樹？

因爲紅黑樹需要進行左旋，右旋操作，而單鏈表不需要。紅黑樹查詢快但新增成本高，鏈表反之。

整體都是考慮時間和空間的權衡

附：爲什麼Map桶中個數超過8才轉爲紅黑樹?

源碼註釋得知，理想情況下的hashCode算法一個bin桶中的分佈頻率符合泊松分佈，達到8的概率已經非常小了，所以選擇了8。

當hashCode離散性很好的時候，樹型bin用到的概率非常小，因爲數據均勻分佈在每個bin中，幾乎不會有bin中鏈表長度會達到閾值。但是在隨機hashCode下，離散性可能會變差，然而JDK又不能阻止用戶實現這種不好的hash算法，因此就可能導致不均勻的數據分佈。不過理想情況下隨機hashCode算法下所有bin中節點的分佈頻率會遵循泊松分佈，我們可以看到，一個bin中鏈表長度達到8個元素的概率爲0.00000006，幾乎是不可能事件。

Because TreeNodes are about twice the size of regular nodes, we
use them only when bins contain enough nodes to warrant use
(see TREEIFY_THRESHOLD). And when they become too small (due to
removal or resizing) they are converted back to plain bins.  In
usages with well-distributed user hashCodes, tree bins are
rarely used.  Ideally, under random hashCodes, the frequency of
nodes in bins follows a Poisson distribution
(http://en.wikipedia.org/wiki/Poisson_distribution) with a
parameter of about 0.5 on average for the default resizing
threshold of 0.75, although with a large variance because of
resizing granularity. Ignoring variance, the expected
occurrences of list size k are (exp(-0.5)*pow(0.5, k)/factorial(k)). 
The first values are:
0:    0.60653066
1:    0.30326533
2:    0.07581633
3:    0.01263606
4:    0.00157952
5:    0.00015795
6:    0.00001316
7:    0.00000094
8:    0.00000006
more: less than 1 in ten million

   // 1. 桶的樹化閾值：即 鏈表轉成紅黑樹的閾值，在存儲數據時，當鏈表長度 > 該值時，則將鏈表轉換成紅黑樹
   static final int TREEIFY_THRESHOLD = 8; 
   // 2. 桶的鏈表還原閾值：即 紅黑樹轉爲鏈表的閾值，當在擴容（resize（））時（此時HashMap的數據存儲位置會重新計算），在重新計算存儲位置後，當原有的紅黑樹內數量 < 6時，則將 紅黑樹轉換成鏈表
   static final int UNTREEIFY_THRESHOLD = 6;

選擇6和8，中間有個差值7可以有效防止鏈表和樹頻繁轉換。

附：爲什麼使用紅黑樹而不是AVL樹？

紅黑樹整體統計性能優於AVL樹：

因爲紅黑樹本身不是完全平衡的二叉樹（只是“黑”平衡），所以插入刪除性能略高於AVL，但犧牲了查找性能。

而AVL是完全平衡的二叉樹，自平衡的計算犧牲了插入刪除性能，但是因爲最多隻有一層的高度差，所以查找效率高些。

對於查找密集型任務，使用AVL樹；對於插入密集型任務，使用紅黑樹。

3、存儲流程

1.7

1.8

4、數組元素 & 鏈表結點的實現類

1.7 HashMap中的數組元素 & 鏈表節點採用 Entry類實現
1.8 HashMap中的數組元素 & 鏈表節點採用 Node類實現，紅黑樹節點採用 TreeNode 類實現

與 JDK 1.7 的對比（Entry類），僅僅只是換了名字

三、具體使用

1、主要使用API（1.7和1.8基本相同）

V get(Object key); // 獲得指定鍵的值
V put(K key, V value);  // 添加鍵值對
void putAll(Map<? extends K, ? extends V> m);  // 將指定Map中的鍵值對 複製到 此Map中
V remove(Object key);  // 刪除該鍵值對

boolean containsKey(Object key); // 判斷是否存在該鍵的鍵值對；是 則返回true
boolean containsValue(Object value);  // 判斷是否存在該值的鍵值對；是 則返回true
 
Set<K> keySet();  // 單獨抽取key序列，將所有key生成一個Set
Collection<V> values();  // 單獨value序列，將所有value生成一個Collection

void clear(); // 清除哈希表中的所有鍵值對
int size();  // 返回哈希表中所有 鍵值對的數量 = 數組中的鍵值對 + 鏈表中的鍵值對
boolean isEmpty(); // 判斷HashMap是否爲空；size == 0時 表示爲 空

2、使用流程（7和8基本相同）

在具體使用時，主要流程是：

聲明1個 HashMap的對象
向 HashMap 添加數據（成對放入鍵 - 值對）
獲取 HashMap 的某個數據
獲取 HashMap 的全部數據：遍歷HashMap

四、基礎知識：HashMap中的重要參數（7&8基本相同）

HashMap的主要參數：容量（capacity）、加載因子（loadFactor）、擴容閾值（threshold）

1.8 由於數據結構中引入了紅黑樹，故加入了 與紅黑樹相關的參數。具體介紹如下：

/** 
   * JDK 1.8
   * 主要參數 同  JDK 1.7 
   * 即：容量、加載因子、擴容閾值（要求、範圍均相同）
   */

// 1. 容量（capacity）HashMap中的數組長度
// a. 容量範圍：必須是2的冪 & < 最大容量（2的30次方）
// b. 初始容量 = 哈希表創建時的容量
  static final int DEFAULT_INITIAL_CAPACITY = 1 << 4; // 默認容量 = 16 = 1<<4 = 00001中的1向左移4位 = 10000 = 十進制的2^4=16
  static final int MAXIMUM_CAPACITY = 1 << 30; // 最大容量 =  2的30次方（若傳入的容量過大，將被最大值替換）

// 2. 加載因子（loadFactor）：HashMap在其容量擴容前可到達多滿的一種尺度
// a. 加載因子越大，填滿的元素越多 = 空間利用率高，但衝突的機會變大，查找效率變低（因爲鏈表變長了）
// b. 加載因子越小，填滿的元素越少 = 空間利用率小，衝突的機會變小，查找效率變高（鏈表變短）
  final float loadFactor; // 實際加載因子
  static final float DEFAULT_LOAD_FACTOR = 0.75f; // 默認加載因子 = 0.75

// 3. 擴容閾值（threshold）：當哈希表的大小 ≥ 擴容閾值是，就會擴容哈希表（即capacity）
// a. 擴容 = 對哈希表進行resize操作（即重建內部數據結構），從而哈希表將具有大約兩倍的桶數
// b. 擴容閾值 = 容量 × 加載因子
  int threshold;

// 4. 其他
  transient Node<K,V>[] table; // 存儲數據的Node類型 數組，長度 = 2的冪；數組的每個元素 = 1個單鏈表
  transient int size;// HashMap的大小，即 HashMap中存儲的鍵值對的數量

  /** 
   * 與紅黑樹相關的參數
   */
   // 1. 桶的樹化閾值：即 鏈表轉成紅黑樹的閾值，在存儲數據時，當鏈表長度 > 該值時，則將鏈表轉換成紅黑樹
   static final int TREEIFY_THRESHOLD = 8; 
   // 2. 桶的鏈表還原閾值：即 紅黑樹轉爲鏈表的閾值，當在擴容（resize（））時（此時HashMap的數據存儲位置會重新計算），在重新計算存儲位置後，當原有的紅黑樹內數量 < 6時，則將 紅黑樹轉換成鏈表
   static final int UNTREEIFY_THRESHOLD = 6;
   // 3. 最小樹形化容量閾值：即 當哈希表中的容量 > 該值時，才允許樹形化鏈表 （即 將鏈表 轉換成紅黑樹）
   // 否則，若桶內元素太多時，則直接擴容，而不是樹形化
   // 爲了避免進行擴容、樹形化選擇的衝突，這個值不能小於 4 * TREEIFY_THRESHOLD
   static final int MIN_TREEIFY_CAPACITY = 64;

容量 capacity 必須是2的冪

如果傳入的capacity不是2的冪，這個運算的結果是比我們傳入的參數要大，而且是離我們傳入的參數最近的2的冪的數。

爲什麼大小必須是2的冪？

原因有兩點：1.加快哈希運算 2.減少哈希衝突

加快哈希運算：hash &（length - 1），因爲位運算與 & 比邏輯運算取模 % 快一點點點
保證數據分散，減少哈希衝突：使用2的冪爲長度，則length-1後爲奇數，該奇數轉爲2進制後最後一位肯定是1。這樣奇偶由hash值決定。否則，length-1後爲偶數的話，最後一位是0，& hash都是偶數。

加載因子（DEFAULT_LOAD_FACTOR = 0.75f）

很小概率問道爲什麼是 0.75？若問答下

源碼註釋：時間和空間的平衡

<p>As a general rule, the default load factor (.75) offers a good* tradeoff between time and space costs.

一個bucket空和非空的概率爲0.5，通過牛頓二項式等數學計算，得到這個loadfactor的值爲log（2），約等於0.693。取0.75應該是方便計算。

參考 What is the significance of load factor in HashMap?

五、源碼分析

本次的源碼分析主要是根據 使用步驟 進行相關函數的詳細分析
主要分析內容如下：

1、步驟1：聲明一個HashMap的對象

/**
  * 函數使用原型
  */
  Map<String,Integer> map = new HashMap<String,Integer>();

 /**
   * 源碼分析：主要是HashMap的構造函數 = 4個
   * 僅貼出關於HashMap構造函數的源碼
   */
  public class HashMap<K,V>
      extends AbstractMap<K,V>
      implements Map<K,V>, Cloneable, Serializable{

    // 省略上節闡述的參數
    
  /**
     * 構造函數1：默認構造函數（無參）
     * 加載因子 & 容量 = 默認 = 0.75、16
     */
    public HashMap() {
        // 實際上是調用構造函數3：指定“容量大小”和“加載因子”的構造函數
        // 傳入的指定容量 & 加載因子 = 默認
        this(DEFAULT_INITIAL_CAPACITY, DEFAULT_LOAD_FACTOR); 
    }

    /**
     * 構造函數2：指定“容量大小”的構造函數
     * 加載因子 = 默認 = 0.75 、容量 = 指定大小
     */
    public HashMap(int initialCapacity) {
        // 實際上是調用指定“容量大小”和“加載因子”的構造函數
        // 只是在傳入的加載因子參數 = 默認加載因子
        this(initialCapacity, DEFAULT_LOAD_FACTOR);
        
    }

    /**
     * 構造函數3：指定“容量大小”和“加載因子”的構造函數
     * 加載因子 & 容量 = 自己指定
     */
    public HashMap(int initialCapacity, float loadFactor) {

        // HashMap的最大容量只能是MAXIMUM_CAPACITY，哪怕傳入的 > 最大容量
        if (initialCapacity > MAXIMUM_CAPACITY)
            initialCapacity = MAXIMUM_CAPACITY;

        // 設置 加載因子
        this.loadFactor = loadFactor;
        // 設置 擴容閾值 = 初始容量
        // 注：此處不是真正的閾值，是爲了擴展table，該閾值後面會重新計算，下面會詳細講解  
        threshold = initialCapacity;   

        init(); // 一個空方法用於未來的子對象擴展
    }

    /**
     * 構造函數4：包含“子Map”的構造函數
     * 即 構造出來的HashMap包含傳入Map的映射關係
     * 加載因子 & 容量 = 默認
     */

    public HashMap(Map<? extends K, ? extends V> m) {

        // 設置容量大小 & 加載因子 = 默認
        this(Math.max((int) (m.size() / DEFAULT_LOAD_FACTOR) + 1,
                DEFAULT_INITIAL_CAPACITY), DEFAULT_LOAD_FACTOR);

        // 該方法用於初始化 數組 & 閾值，下面會詳細說明
        inflateTable(threshold);

        // 將傳入的子Map中的全部元素逐個添加到HashMap中
        putAllForCreate(m);
    }
}

1.8 不同

   /**
     * 分析1：tableSizeFor(initialCapacity)
     * 作用：將傳入的容量大小轉化爲：>傳入容量大小的最小的2的冪
     * 與JDK 1.7對比：類似於JDK 1.7 中 inflateTable()裏的 roundUpToPowerOf2(toSize)
     */
    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;
}

注：（同JDK 1.7類似）
1. 此處僅用於接收初始容量大小（capacity）、加載因子(Load factor)，但仍無真正初始化哈希表，即初始化存儲數組table
2. 此處先給出結論：真正初始化哈希表（初始化存儲數組table）是在第1次添加鍵值對時，即第1次調用put（）時。下面會詳細說明

2、步驟2：向HashMap添加數據（成對放入鍵 - 值對）（7&8主要差異）

版本	初始化方式	hash值的計算方式	存放數據的規則	插入數據的方式	擴容後存儲位置的計算方式
JDK 1.7	單獨函數：infalteTable()	1.hashCode() 2.擾動處理 = 9次擾動 = 4次位運算 + 5次異或運算	數組、鏈表 - 無衝突時，存放在數組 - 有衝突時，存放在鏈表	頭插法（先將原位置的數據移到後一位，再插入數據到該位置）	全部按照原來的方法計算（即 hashCode() ->> 擾動處理 ->> (h & length - 1) ）
JDK 1.8	直接集成在擴容函數：resize()	1.hashCode() 2.擾動處理 = 2次擾動 = 1次位運算 + 1次異或運算	數組、鏈表、紅黑樹 - 無衝突時，存放數組 - 有衝突 & 鏈表長度 < 8時，存放鏈表 - 有衝突 & 鏈表長度 > 8時，存放紅黑樹	尾插法（直接插入到鏈表尾部 / 紅黑樹）	按照擴容後的規律計算（即擴容後的位置 = 原位置 or 原位置 + 舊容量）

1.7 添加數據的流程如下

   /**
     * 源碼分析：主要分析： HashMap的put函數
     */
    public V put(K key, V value)
        // 1. 若 哈希表未初始化（即 table爲空) 
        // 則使用 構造函數時設置的閾值(即初始容量) 初始化 數組table  
        if (table == EMPTY_TABLE) { 
        inflateTable(threshold); 
    }  
        // 2. 判斷key是否爲空值null
        // 2.1 若key == null，則將該鍵-值 存放到數組table 中的第1個位置，即table [0]
        // （本質：key = Null時，hash值 = 0，故存放到table[0]中）
        // 該位置永遠只有1個value，新傳進來的value會覆蓋舊的value
        if (key == null)
            return putForNullKey(value);

        // 2.2 若 key ≠ null，則計算存放數組 table 中的位置（下標、索引）
        // a. 根據鍵值key計算hash值
        int hash = hash(key);
        // b. 根據hash值 最終獲得 key對應存放的數組Table中位置
        int i = indexFor(hash, table.length);

        // 3. 判斷該key對應的值是否已存在（通過遍歷 以該數組元素爲頭結點的鏈表 逐個判斷）
        for (Entry<K,V> e = table[i]; e != null; e = e.next) {
            Object k;
        // 3.1 若該key已存在（即 key-value已存在 ），則用 新value 替換 舊value
            if (e.hash == hash && ((k = e.key) == key || key.equals(k))) {
                V oldValue = e.value;
                e.value = value;
                e.recordAccess(this);
                return oldValue; //並返回舊的value
            }
        }

        modCount++;

        // 3.2 若 該key不存在，則將“key-value”添加到table中
        addEntry(hash, key, value, i);
        return null;
    }

1.8 添加數據的流程如下

   /**
     * 源碼分析：主要分析HashMap的put函數
     */
    public V put(K key, V value) {
        // 1. 對傳入數組的鍵Key計算Hash值 ->>分析1
        // 2. 再調用putVal（）添加數據進去 ->>分析2
        return putVal(hash(key), key, value, false, true);
    }

分析1：hash（key）!!7&8差異

   /**
     * 分析1：hash(key)
     * 作用：計算傳入數據的哈希碼（哈希值、Hash值）
     * 該函數在JDK 1.7 和 1.8 中的實現不同，但原理一樣 = 擾動函數 = 使得根據key生成的哈希碼（hash值）分佈更加均勻、更具備隨機性，避免出現hash值衝突（即指不同key但生成同1個hash值）
     * JDK 1.7 做了9次擾動處理 = 4次位運算 + 5次異或運算
     * JDK 1.8 簡化了擾動函數 = 只做了2次擾動 = 1次位運算 + 1次異或運算
     */

      // JDK 1.7實現：將 鍵key 轉換成 哈希碼（hash值）操作  = 使用hashCode() + 4次位運算 + 5次異或運算（9次擾動）
      static final int hash(int h) {
        h ^= k.hashCode(); 
        h ^= (h >>> 20) ^ (h >>> 12);
        return h ^ (h >>> 7) ^ (h >>> 4);
     }

      // JDK 1.8實現：將 鍵key 轉換成 哈希碼（hash值）操作 = 使用hashCode() + 1次位運算 + 1次異或運算（2次擾動）
      // 1. 取hashCode值： h = key.hashCode() 
      // 2. 高位參與低位的運算：h ^ (h >>> 16)  
      static final int hash(Object key) {
           int h;
            return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
            // a. 當key = null時，hash值 = 0，所以HashMap的key 可爲null      
            // 注：對比HashTable，HashTable對key直接hashCode（），若key爲null時，會拋出異常，所以HashTable的key不可爲null
            // b. 當key ≠ null時，則通過先計算出 key的 hashCode()（記爲h），然後 對哈希碼進行 擾動處理： 按位 異或（^） 哈希碼自身右移16位後的二進制
     }

   /**
     * 計算存儲位置的函數分析：indexFor(hash, table.length)
     * 注：該函數僅存在於JDK 1.7 ，JDK 1.8中實際上無該函數（在putVal()中判斷寫出），但原理相同
     * 爲了方便講解，故提前到此講解
     */
     static int indexFor(int h, int length) {  
          return h & (length-1); 
          // 將對哈希碼擾動處理後的結果 與運算(&) （數組長度-1），最終得到存儲在數組table的位置（即數組下標、索引）
     }

總結計算存放在數組 table 中的位置（即數組下標、索引）的過程

此處與 JDK 1.7的區別在於：hash值的求解過程中哈希碼的二次處理方式（擾動處理）

步驟1、2 = hash值的求解過程

步驟	代碼實現	具體實現過程
1.計算哈希碼	h = key.hashCode()	根據鍵key，通過hashCode()計算 hashCode()簡介 - 定義：Object類的方法，即所有Java對象都可以調用 - 作用：根據對象的內存地址通過特點算法返回一個哈希碼 - 意義：保證每個對象的哈希碼儘可能不同，從而提高在散列結構存儲中查找效率 - 注：可重寫，Object類提供的默認實現確保每個對象的hash嗎不同
2.二次處理哈希碼（最終求得鍵對應的hash值）	h ^ (h >>> 16)	- 該處理也稱擾動處理 -即哈希碼異或(^) 哈希碼自身右移16位後的二進制 -本質：二次處理低位 = 哈希碼的高16位不變、低16位 = 低16位異或高16位（即高位參與低位的運算）
3.最終計算存儲的數組位置（根據hash值 & 數組長度）	h & (length - 1)	二次處理的哈希碼與運算(&) （數組長度-1）

計算示意圖

在瞭解如何計算存放數組table 中的位置後，所謂 知其然而需知其所以然，下面我將講解爲什麼要這樣計算，即主要解答以下3個問題：

爲什麼不直接採用經過hashCode（）處理的哈希碼作爲存儲數組table的下標位置？
爲什麼採用哈希碼 與運算(&) （數組長度-1）計算數組下標？
爲什麼在計算數組下標前，需對哈希碼進行二次處理：擾動處理？

在回答這3個問題前，請大家記住一個核心思想：

所有處理的根本目的，都是爲了提高存儲key-value的數組下標位置的 隨機性 & 分佈均勻性，儘量避免哈希衝突。即對於不同的key，存儲的數組下標位置儘量不一樣。

問題1：爲什麼不直接採用經過hashCode（）處理的哈希碼作爲存儲數組table的下標位置？

結論：容易出現哈希碼與數組大小不匹配的情況，即計算出來的哈希碼不在數組大小範圍內，從而導致無法匹配存儲位置。
原因如下圖

爲了解決 ”哈希碼與數組大小不匹配“ 的問題，HashMap給的解決方案：哈希碼與運算（&）（數組長度-1）
引出問題2

問題2：爲什麼採用哈希碼與運算(&) （數組長度-1）計算數組下標？

結論：根據HashMap的容量大小（數組長度），按需取哈希碼一定數量的低位作爲存儲的數組下標，從而解決 “ 哈希碼與數組大小範圍不匹配 ” 的問題
具體描述如下圖

問題3：爲什麼在計算數組下標前，需對哈希碼進行二次處理：擾動處理？

結論：加大哈希碼低位的隨機性，使得分佈更均勻，從而提高對數組存儲下標位置的隨機性&均勻性，最終減少哈希衝突。
具體如下圖

[外鏈圖片轉存失敗,源站可能有防盜鏈機制,建議將圖片保存下來直接上傳(img-gc8NHlES-1584256511041)(C:\Users\Kevin\AppData\Roaming\Typora\typora-user-images\1584083041918.png)]

至此，關於怎麼計算 key-value 值存儲在HashMap數組位置 & 爲什麼要這麼計算，講解完畢。

分析2：putVal(hash(key), key, value, false, true);

此處有2個主要講解點：

計算完存儲位置後，具體該如何存放數據到哈希表中
具體如何擴容，即擴容機制

主要講解點1：計算完存儲位置後，具體該如何存放數據到哈希表中

由於數據結構中加入了紅黑樹，所以在存放數據到哈希表中時，需多次數據結構的判斷：數組、紅黑樹、鏈表

與JDK 1.7的區別，1.7只需要判斷數組和鏈表

   /**
     * 分析2：putVal(hash(key), key, value, false, true)
     */
     final V putVal(int hash, K key, V value, boolean onlyIfAbsent,
               boolean evict) {

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

    	// 1. 若哈希表的數組tab爲空，則 通過resize() 創建
    	// 所以，初始化哈希表的時機 = 第1次調用put函數時，即調用resize() 初始化創建
    	// 關於resize（）的源碼分析將在下面講解擴容時詳細分析，此處先跳過
   		if ((tab = table) == null || (n = tab.length) == 0)
        n = (tab = resize()).length;

    	// 2. 計算插入存儲的數組索引i：根據鍵值key計算的hash值 得到
    	// 此處的數組下標計算方式 = i = (n - 1) & hash，同JDK 1.7中的indexFor（），上面已詳細描述

    	// 3. 插入時，需判斷是否存在Hash衝突：
    	// 若不存在（即當前table[i] == null），則直接在該數組位置新建節點，插入完畢
    	// 否則，代表存在Hash衝突，即當前存儲位置已存在節點，則依次往下判斷：a. 當前位置的key是否與需插入的key相同、b. 判斷需插入的數據結構是否爲紅黑樹 or 鏈表
    	if ((p = tab[i = (n - 1) & hash]) == null)
        tab[i] = newNode(hash, key, value, null);  // newNode(hash, key, value, null)的源碼 = new Node<>(hash, key, value, next)

    else {
        Node<K,V> e; K k;

        // a. 判斷 table[i]的元素的key是否與 需插入的key一樣，若相同則 直接用新value 覆蓋 舊value
        // 判斷原則：equals（）
        if (p.hash == hash &&
            ((k = p.key) == key || (key != null && key.equals(k))))
            e = p;

        // b. 繼續判斷：需插入的數據結構是否爲紅黑樹 or 鏈表
        // 若是紅黑樹，則直接在樹中插入 or 更新鍵值對
        else if (p instanceof TreeNode)
            e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value); ->>分析3

        // 若是鏈表,則在鏈表中插入 or 更新鍵值對
        // i.  遍歷table[i]，判斷Key是否已存在：採用equals（） 對比當前遍歷節點的key 與 需插入數據的key：若已存在，則直接用新value 覆蓋 舊value
        // ii. 遍歷完畢後仍無發現上述情況，則直接在鏈表尾部插入數據
        // 注：新增節點後，需判斷鏈表長度是否>8（8 = 桶的樹化閾值）：若是，則把鏈表轉換爲紅黑樹
        
        else {
            for (int binCount = 0; ; ++binCount) {
            	// 對於ii：若數組的下1個位置，表示已到表尾也沒有找到key值相同節點，則新建節點 = 插入節點
            	// 注：此處是從鏈表尾插入，與JDK 1.7不同（從鏈表頭插入，即永遠都是添加到數組的位置，原來數組位置的數據則往後移）
                if ((e = p.next) == null) {
                    p.next = newNode(hash, key, value, null);

                    // 插入節點後，若鏈表節點>數閾值，則將鏈表轉換爲紅黑樹
                    if (binCount >= TREEIFY_THRESHOLD - 1) 
                        treeifyBin(tab, hash); // 樹化操作
                    break;
                }

                // 對於i
                if (e.hash == hash &&
                    ((k = e.key) == key || (key != null && key.equals(k))))
                    break;

                // 更新p指向下一個節點，繼續遍歷
                p = e;
            }
        }

        // 對i情況的後續操作：發現key已存在，直接用新value 覆蓋 舊value & 返回舊value
        if (e != null) { 
            V oldValue = e.value;
            if (!onlyIfAbsent || oldValue == null)
                e.value = value;
            afterNodeAccess(e); // 替換舊值時會調用的方法（默認實現爲空）
            return oldValue;
        }
    }

    ++modCount;

    // 插入成功後，判斷實際存在的鍵值對數量size > 最大容量threshold
    // 若 > ，則進行擴容 ->>分析4（但單獨講解，請直接跳出該代碼塊）
    if (++size > threshold)
        resize();

    afterNodeInsertion(evict);// 插入成功時會調用的方法（默認實現爲空）
    return null;

}

	/**
     * 分析3：putTreeVal(this, tab, hash, key, value)
     * 作用：向紅黑樹插入 or 更新數據（鍵值對）
     * 過程：遍歷紅黑樹判斷該節點的key是否與需插入的key 相同：
     *      a. 若相同，則新value覆蓋舊value
     *      b. 若不相同，則插入
     */

     final TreeNode<K,V> putTreeVal(HashMap<K,V> map, Node<K,V>[] tab,
                                       int h, K k, V v) {
            Class<?> kc = null;
            boolean searched = false;
            TreeNode<K,V> root = (parent != null) ? root() : this;
            for (TreeNode<K,V> p = root;;) {
                int dir, ph; K pk;
                if ((ph = p.hash) > h)
                    dir = -1;
                else if (ph < h)
                    dir = 1;
                else if ((pk = p.key) == k || (k != null && k.equals(pk)))
                    return p;
                else if ((kc == null &&
                          (kc = comparableClassFor(k)) == null) ||
                         (dir = compareComparables(kc, k, pk)) == 0) {
                    if (!searched) {
                        TreeNode<K,V> q, ch;
                        searched = true;
                        if (((ch = p.left) != null &&
                             (q = ch.find(h, k, kc)) != null) ||
                            ((ch = p.right) != null &&
                             (q = ch.find(h, k, kc)) != null))
                            return q;
                    }
                    dir = tieBreakOrder(k, pk);
                }

                TreeNode<K,V> xp = p;
                if ((p = (dir <= 0) ? p.left : p.right) == null) {
                    Node<K,V> xpn = xp.next;
                    TreeNode<K,V> x = map.newTreeNode(h, k, v, xpn);
                    if (dir <= 0)
                        xp.left = x;
                    else
                        xp.right = x;
                    xp.next = x;
                    x.parent = x.prev = xp;
                    if (xpn != null)
                        ((TreeNode<K,V>)xpn).prev = x;
                    moveRootToFront(tab, balanceInsertion(root, x));
                    return null;
                }
            }
        }

總結

主要講解點2：擴容機制（即 resize（）函數）

擴容流程如下圖

源碼分析

   /**
     * 分析4：resize（）
     * 該函數有2種使用情況：1.初始化哈希表 2.當前數組容量過小，需擴容
     */
   final Node<K,V>[] resize() {
    Node<K,V>[] oldTab = table; // 擴容前的數組（當前數組）
    int oldCap = (oldTab == null) ? 0 : oldTab.length; // 擴容前的數組的容量 = 長度
    int oldThr = threshold;// 擴容前的數組的閾值
    int newCap, newThr = 0;

    // 針對情況2：若擴容前的數組容量超過最大值，則不再擴充
    if (oldCap > 0) {
        if (oldCap >= MAXIMUM_CAPACITY) {
            threshold = Integer.MAX_VALUE;
            return oldTab;
        }

        // 針對情況2：若無超過最大值，就擴充爲原來的2倍
        else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&
                 oldCap >= DEFAULT_INITIAL_CAPACITY)
            newThr = oldThr << 1; // 通過右移擴充2倍
    }

    // 針對情況1：初始化哈希表（採用指定 or 默認值）
    else if (oldThr > 0) // initial capacity was placed in threshold
        newCap = oldThr;

    else {               // zero initial threshold signifies using defaults
        newCap = DEFAULT_INITIAL_CAPACITY;
        newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);
    }

    // 計算新的resize上限
    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"})
        Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap];
    table = newTab;

    if (oldTab != null) {
        // 把每個bucket都移動到新的buckets中
        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 { // 鏈表優化重hash的代碼塊
                    Node<K,V> loHead = null, loTail = null;
                    Node<K,V> hiHead = null, hiTail = null;
                    Node<K,V> next;
                    do {
                        next = e.next;
                        // 原索引
                        if ((e.hash & oldCap) == 0) {
                            if (loTail == null)
                                loHead = e;
                            else
                                loTail.next = e;
                            loTail = e;
                        }
                        // 原索引 + oldCap
                        else {
                            if (hiTail == null)
                                hiHead = e;
                            else
                                hiTail.next = e;
                            hiTail = e;
                        }
                    } while ((e = next) != null);
                    // 原索引放到bucket裏
                    if (loTail != null) {
                        loTail.next = null;
                        newTab[j] = loHead;
                    }
                    // 原索引+oldCap放到bucket裏
                    if (hiTail != null) {
                        hiTail.next = null;
                        newTab[j + oldCap] = hiHead;
                    }
                }
            }
        }
    }
    return newTab;
}

擴容流程（含與 JDK 1.7 的對比）

常考點：1.7 鏈表死循環問題

原因結論：1.7 的轉移數據方式是頭插法（頭插法方便，並且由於局部性原理，考慮到最近添加的最可能被訪問），在數據擴容後容易出現鏈表逆序的情況，在多線程併發下，容易出現 環形鏈表，從而在獲取數據、遍歷鏈表時形成死循環（Infinite Loop），即死鎖的狀態。

詳細參看此文：疫苗：JAVA HASHMAP的死循環

先看源碼
$[外鏈圖片轉存失敗,源站可能有防盜鏈機制,建議將圖片保存下來直接上傳(img-FKyVak9R-1584256511043)(E:\學習資源\Notes\HashMap\1584109997623.png)]$
問題所在 transfer：
$[外鏈圖片轉存失敗,源站可能有防盜鏈機制,建議將圖片保存下來直接上傳(img-Hxt0msdu-1584256511043)(E:\學習資源\Notes\HashMap\1584109962840.png)]$
單線程正常 rehash 如下：
$[外鏈圖片轉存失敗,源站可能有防盜鏈機制,建議將圖片保存下來直接上傳(img-YXmTsgEh-1584256511045)(E:\學習資源\Notes\HashMap\HashMap01.jpg)]$

多線程併發下的 rehash，可能出現死循環！

**1）假設我們有兩個線程。**我用紅色和淺藍色標註了一下。

我們再回頭看一下我們的 transfer代碼中的這個細節：
$[外鏈圖片轉存失敗,源站可能有防盜鏈機制,建議將圖片保存下來直接上傳(img-bxjbLeNZ-1584256511046)(E:\學習資源\Notes\HashMap\1584110173630.png)]$

而我們的線程二執行完成了。於是我們有下面的這個樣子。

$[外鏈圖片轉存失敗,源站可能有防盜鏈機制,建議將圖片保存下來直接上傳(img-PNtfgBdh-1584256511047)(E:\學習資源\Notes\HashMap\HashMap02.jpg)]$

注意，因爲Thread1的 e 指向了key(3)，而next指向了key(7)，其在線程二rehash後，指向了線程二重組後的鏈表。我們可以看到鏈表的順序被反轉後。

2）線程一被調度回來執行

先是執行 newTalbe[i] = e;
然後是e = next，導致了e指向了key(7)，
而下一次循環的next = e.next導致了next指向了key(3)

$[外鏈圖片轉存失敗,源站可能有防盜鏈機制,建議將圖片保存下來直接上傳(img-l4wPsAyg-1584256511048)(E:\學習資源\Notes\HashMap\HashMap03.jpg)]$

3）一切安好

線程一接着工作。把key(7)摘下來，放到newTable[i]的第一個，然後把e和next往下移。
$[外鏈圖片轉存失敗,源站可能有防盜鏈機制,建議將圖片保存下來直接上傳(img-f4pu9Omi-1584256511049)(E:\學習資源\Notes\HashMap\HashMap04.jpg)]$

4）環形鏈接出現

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)，環形鏈表就這樣出現了。
$[外鏈圖片轉存失敗,源站可能有防盜鏈機制,建議將圖片保存下來直接上傳(img-41PmjdUp-1584256511050)(E:\學習資源\Notes\HashMap\HashMap05.jpg)]$

於是，當我們的線程一調用到，HashTable.get(11)時，悲劇就出現了——Infinite Loop。 CPU100%，查看堆棧，你會發現程序都Hang在了HashMap.get()這個方法上

注：由於 JDK 1.8 轉移數據操作 = 按舊鏈表的正序遍歷鏈表、在新鏈表的尾部依次插入，所以不會出現鏈表 逆序、倒置的情況，故不容易出現環形鏈表的情況。

但 JDK 1.8 還是線程不安全，因爲無加同步鎖保護

1.8 擴容時，數據存儲位置重新計算的方式

計算結論 & 原因解析

結論示意圖

總結

添加數據的流程

7&8 區別

添加數據時
版本	初始化方式	hash值的計算方式	存放數據的位置判斷	插入數據方式
JDK 1.7	單獨函數：inflateTable()	1.hashCode() 2.擾動處理 = 9次擾動 = 4次位運算 + 5次異或運算	數組、鏈表	頭插法（先將原位置的數據移到後一位，再插入數據到該位置）
JDK 1.8	直接集成在函數：resize()	1.hashCode() 2.擾動處理 = 2次擾動 = 1次位運算 + 1次異或運算	數組、鏈表、紅黑樹	尾插法（直接插入到鏈表尾部/紅黑樹）

擴容機制
版本	擴容後存儲位置的計算方式	轉移數據方式	需插入數據的插入時機&位置重計算時機
JDK 1.7	全部按照原來的方法進行計算（即 hashCode() ->> 擾動處理 ->> （h & length-1））	頭插法（先將原位置的數據移到後一位，再插入數據到該位置）	擴容後計算、單獨計算（即轉移數據時無統一計算）
JDK 1.8	按照擴容後的規律計算（即擴容後的位置 = 原位置 or 原位置 + 舊容量）	尾插法（直接插入到鏈表尾部/紅黑樹）	擴容前計算、轉移數據時統一計算

至此，關於 HashMap的添加數據源碼分析分析完畢。

3、步驟3：從HashMap中獲取數據

假如理解了上述put（）函數的原理，那麼get（）函數非常好理解，因爲二者的過程原理幾乎相同
get（）函數的流程如下：

/**
   * 函數原型
   * 作用：根據鍵key，向HashMap獲取對應的值
   */ 
   map.get(key)；


 /**
   * 源碼分析
   */ 
   public V get(Object key) {
    Node<K,V> e;
    // 1. 計算需獲取數據的hash值
    // 2. 通過getNode（）獲取所查詢的數據 ->>分析1
    // 3. 獲取後，判斷數據是否爲空
    return (e = getNode(hash(key), key)) == null ? null : e.value;
}

/**
   * 分析1：getNode(hash(key), key))
   */ 
final Node<K,V> getNode(int hash, Object key) {
    Node<K,V>[] tab; Node<K,V> first, e; int n; K k;

    // 1. 計算存放在數組table中的位置
    if ((tab = table) != null && (n = tab.length) > 0 &&
        (first = tab[(n - 1) & hash]) != null) {

        // 4. 通過該函數，依次在數組、紅黑樹、鏈表中查找（通過equals（）判斷）
        // a. 先在數組中找，若存在，則直接返回
        if (first.hash == hash && // always check first node
            ((k = first.key) == key || (key != null && key.equals(k))))
            return first;

        // b. 若數組中沒有，則到紅黑樹中尋找
        if ((e = first.next) != null) {
            // 在樹中get
            if (first instanceof TreeNode)
                return ((TreeNode<K,V>)first).getTreeNode(hash, key);

            // c. 若紅黑樹中也沒有，則通過遍歷，到鏈表中尋找
            do {
                if (e.hash == hash &&
                    ((k = e.key) == key || (key != null && key.equals(k))))
                    return e;
            } while ((e = e.next) != null);
        }
    }
    return null;
}

至此，關於 “向 HashMap 獲取數據 “講解完畢。

4、步驟4：對HashMap的其他操作

HashMap除了核心的put（）、get（）函數，還有以下主要使用的函數方法

void clear(); // 清除哈希表中的所有鍵值對
int size();  // 返回哈希表中所有 鍵值對的數量 = 數組中的鍵值對 + 鏈表中的鍵值對
boolean isEmpty(); // 判斷HashMap是否爲空；size == 0時 表示爲 空 

void putAll(Map<? extends K, ? extends V> m);  // 將指定Map中的鍵值對 複製到 此Map中
V remove(Object key);  // 刪除該鍵值對

boolean containsKey(Object key); // 判斷是否存在該鍵的鍵值對；是 則返回true
boolean containsValue(Object value);  // 判斷是否存在該值的鍵值對；是 則返回true

這些方法比較簡單就不詳細敘述。

源碼分析HashMap（JDK 7 & 8 整合對比）