HashMap底层原理解析

数组

数组因为有下标，所以查询很快。但是由于创建的时候内存大小就已经被设定好，所以扩容很麻烦，要将原来的数组复制到一个更大的数组中。

链表

链表中的每一项都占有各自的内存，他们不是存在于一块内存中，每一项都是靠互相引用链接到一起的。

优势：增删很方便，查询麻烦，只能从head元素遍历。

散列表整合了上述二者

Hash

Hash也称散列、哈希，对应的英文都是Hash。基本原理就是把任意长度的输入，通过Hash算法变成固定长度的输出。这个映射的规则就是对应的Hash算法，而原始数据映射后的二进制串就是哈希值。

Hash的特点：

1.从hash值不可以反向推导出原始的数据。

2.输入数据的微小变化会得到完全不同的hash值，相同的数据会得到相同的值

3.哈希算法的执行效率要高效，长的文本也能快速地计算出哈希值。

4.hash算法的冲突概率要小。

由于hash的原理是将输入空间的值映射成hash空间内，而hash值的空间远小于输入的空间。根据抽屉原理，一定会存在不同的输入被映射成相同输出的情况。

抽屉原理：桌上有十个苹果，要把这十个苹果放到九个抽屉里，无论怎样放，我们会发现至少有一个抽屉里面放不少于两个苹果。

HashMap的成员变量其中之一就是Node

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

put原理

路由寻址公式：

(table.length-1) & node.hash  

首先说明table.length肯定是2的次幂，-1之后肯定全是1.比如15就是1111  31就是11111.

这个运算其实相当于  node.hash/table.length 取余数。为什么要取余，这样可以保证得到的index肯定在table.length长度之内。

源码！！！

先来看几个常量

// 默认的数组大小 16    
static final int DEFAULT_INITIAL_CAPACITY = 1 << 4; // aka 16

// 数组最长长度
static final int MAXIMUM_CAPACITY = 1 << 30;

// 默认的负载因子
static final float DEFAULT_LOAD_FACTOR = 0.75f;

// 链表长度到达8的时候 升级成树
static final int TREEIFY_THRESHOLD = 8;

// 树降级成为链表
static final int UNTREEIFY_THRESHOLD = 6;

// 数组到达64的时候才会允许树化
static final int MIN_TREEIFY_CAPACITY = 64;

在看下成员变量

transient Node<K,V>[] table;

// 当前hash表中元素个数
transient int size;

// hash表中结构修改次数
transient int modCount;

// 扩容阈值，当你的哈希表中的元素超过阈值时，触发扩容
// threshold = capacity(数组长度) * loadFactor
int threshold;

// 负载因子
final float loadFactor;

构造方法：

public HashMap(int initialCapacity, float loadFactor) {
        // 初始化数组大小不能小于0
        if (initialCapacity < 0)
            throw new IllegalArgumentException("Illegal initial capacity: " +
                                               initialCapacity);
        // 初始化数组大小不能大于最大值
        if (initialCapacity > MAXIMUM_CAPACITY)
            initialCapacity = MAXIMUM_CAPACITY;
        // 负载因子不能小于0 也不能是非数字
        // NaN 实际上就是 Not a Number的简称。0.0f/0.0f的值就是NaN，从数学角度说，0/0就是一种未        
        // 确定。
        if (loadFactor <= 0 || Float.isNaN(loadFactor))
            throw new IllegalArgumentException("Illegal load factor: " +
                                               loadFactor);
        this.loadFactor = loadFactor;
        this.threshold = tableSizeFor(initialCapacity);
    }


 // 作用：返回一个大于等于当前值cap的一个数字，并且这个数字一定是2的次方数。
 // 假设 cap = 10 最后应该返回16
 //  cap = 10 , n = cap - 1 = 9, 
 //  0b1001 >>> 1 = 0b0100
 // 二者或一下  0b1001 | 0b0100 = 0b1101
 //  0b1101 | 0b0011(右移两位之后) = 0b1111 = 15
 //  0b1111 | 0b0000 = 0b1111
 // 接下来都一样了
最后就是 15+1 = 16
 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;
    }

put方法： 

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

先调用了hash方法

// 作用：让key的hash值的高16位也参与路由运算
static final int hash(Object key) {
        int h;
// 当你put null的时候 放到0位
// 假设 h = 0b 0010 0101 1010 1100 0011 1111 0010 1110
// h >>> 16 =  0000 0000 0000 0000 0010 0101 1010 1100 
// ^ 异货 相同返回0 不同返回1
// 结果是   0010 0101 1010 1100 0001 1010 1000 0010
// 为什么要这样？ 假如table很小的时候 做路由寻址的时候 高位的无法参与运算
// 右移的话这样就能把高位的也放进来，这样就可以降低hash冲突
        return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
    }

接下来看putVal()

final V putVal(int hash, K key, V value, boolean onlyIfAbsent,
                   boolean evict) {
// tab：引用当前hashMap的散列表
// p:表示当前散列表的元素
// n:表示散列表数组的长度
// i:表示路由寻址结果
        Node<K,V>[] tab; Node<K,V> p; int n, i;
// 先复制 将table赋值给tab 然后将数组长度赋值给n
// 如果table等于null 或者数组长度是0 那么就初始化。这样的好处是put的时候才初始化，懒加载的思想
        if ((tab = table) == null || (n = tab.length) == 0)
            n = (tab = resize()).length;
        // (n-1) & hash 就是路由寻址算法  ==null 说明当前节点没有值呢 那么就直接put进去。
        if ((p = tab[i = (n - 1) & hash]) == null)
            tab[i] = newNode(hash, key, value, null);
        else {  // 否则就是寻址发现已经有值了
            // e: 不为null的话，找到了一个与当要插入的key-value一致的key
            // k: 表示临时的一个key
            Node<K,V> e; K k;
            // 就是当前插入的元素跟寻址的数组中的hash相同，就将p赋值给临时w
            if (p.hash == hash &&
                ((k = p.key) == key || (key != null && key.equals(k))))
                e = p;
            else if (p instanceof TreeNode)
                e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
            else {
                for (int binCount = 0; ; ++binCount) {
                    if ((e = p.next) == null) {
                        p.next = newNode(hash, key, value, null);
                        if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st
                            treeifyBin(tab, hash);
                        break;
                    }
                    if (e.hash == hash &&
                        ((k = e.key) == key || (key != null && key.equals(k))))
                        break;
                    p = e;
                }
            }
            if (e != null) { // existing mapping for key
                V oldValue = e.value;
                if (!onlyIfAbsent || oldValue == null)
                    e.value = value;
                afterNodeAccess(e);
                return oldValue;
            }
        }
        ++modCount;
        if (++size > threshold)
            resize();
        afterNodeInsertion(evict);
        return null;
    }