HashMap全面分析及JDK8对HashMap的相关优化

古城微笑少年丶 2022-05-20 07:17 199阅读 0赞

转自：[https://blog.csdn.net/USTC\_Zn/article/details/78173217][https_blog.csdn.net_USTC_Zn_article_details_78173217]

#### 总结：    ####

接口java.util.Map，此接口主要有四个常用的实现类，分别是：

HashMap：继承abstractMap,底层实现数组+链表+红黑树（JDK1.8增加了红黑树部分），线程不安全，kv结构，可以用 Collections的synchronizedMap方法使HashMap具有线程安全的能力

Hashtable：继承Dictionary类，是遗留类，很多映射的常用功能与HashMap类似，线程安全，但是不建议在新代码使用，不需要线程安全的场合可以用HashMap替换，需要线程安全的场合可以用ConcurrentHashMap替换。

ConcurrentHashMap：Hashtable并发性不如ConcurrentHashMap，因为ConcurrentHashMap引入了分段锁

LinkedHashMap：是HashMap的一个子类，保存了记录的插入顺序，在用Iterator遍历LinkedHashMap时，先得到的记录肯定是先插入的，也可以在构造时带参数，按照访问次序排序。

TreeMap：继承abstractMap,实现SortedMap接口，能够把它保存的记录根据键排序，默认是按键值的升序排序，也可以指定排序的比较器，当用Iterator遍历TreeMap时，得到的记录是排过序的。如果使用排序的映射，建议使用TreeMap。在使用TreeMap时，key必须实现Comparable接口或者在构造TreeMap传入自定义的Comparator，否则会在运行时抛出java.lang.ClassCastException类型的异常。

hashmap确定哈希桶数组索引位置：

h = key.hashCode() 为第一步 取hashCode值

h ^ (h >>> 16)  为第二步 高位参与运算

return h & (length-1);  //第三步 取模运算

扩容：

扩容(resize)就是重新计算容量，向HashMap对象里不停的添加元素，而HashMap对象内部的数组无法装载更多的元素时，对象就需要扩大数组的长度，以便能装入更多的元素。当然Java里的数组是无法自动扩容的，方法是使用一个新的数组代替已有的容量小的数组，

#### 原文： ####

简介

Java为数据结构中的映射定义了一个接口java.util.Map，此接口主要有四个常用的实现类，分别是HashMap、Hashtable、LinkedHashMap和TreeMap，类继承关系如下图所示：

![SouthEast][]  
下面针对各个实现类的特点做一些说明：  
(1) HashMap：它根据键的hashCode值存储数据，大多数情况下可以直接定位到它的值，因而具有很快的访问速度，但遍历顺序却是不确定的。 HashMap最多只允许一条记录的键为null，允许多条记录的值为null。HashMap非线程安全，即任一时刻可以有多个线程同时写HashMap，可能会导致数据的不一致。如果需要满足线程安全，可以用 Collections的synchronizedMap方法使HashMap具有线程安全的能力，或者使用ConcurrentHashMap。  
(2) Hashtable：Hashtable是遗留类，很多映射的常用功能与HashMap类似，不同的是它承自Dictionary类，并且是线程安全的，任一时间只有一个线程能写Hashtable，并发性不如ConcurrentHashMap，因为ConcurrentHashMap引入了分段锁。Hashtable不建议在新代码中使用，不需要线程安全的场合可以用HashMap替换，需要线程安全的场合可以用ConcurrentHashMap替换。  
(3) LinkedHashMap：LinkedHashMap是HashMap的一个子类，保存了记录的插入顺序，在用Iterator遍历LinkedHashMap时，先得到的记录肯定是先插入的，也可以在构造时带参数，按照访问次序排序。  
(4) TreeMap：TreeMap实现SortedMap接口，能够把它保存的记录根据键排序，默认是按键值的升序排序，也可以指定排序的比较器，当用Iterator遍历TreeMap时，得到的记录是排过序的。如果使用排序的映射，建议使用TreeMap。在使用TreeMap时，key必须实现Comparable接口或者在构造TreeMap传入自定义的Comparator，否则会在运行时抛出java.lang.ClassCastException类型的异常。  
对于上述四种Map类型的类，要求映射中的key是不可变对象。不可变对象是该对象在创建后它的哈希值不会被改变。如果对象的哈希值发生变化，Map对象很可能就定位不到映射的位置了。  
通过上面的比较，我们知道了HashMap是Java的Map家族中一个普通成员，鉴于它可以满足大多数场景的使用条件，所以是使用频度最高的一个。下文我们主要结合源码，从存储结构、常用方法分析、扩容以及安全性等方面深入讲解HashMap的工作原理。

# 内部实现 #

搞清楚HashMap，首先需要知道HashMap是什么，即它的存储结构-字段；其次弄明白它能干什么，即它的功能实现-方法。下面我们针对这两个方面详细展开讲解。

## 存储结构-字段 ##

从结构实现来讲，HashMap是数组+链表+红黑树（JDK1.8增加了红黑树部分）实现的，如下如所示。

![SouthEast 1][]

这里需要讲明白两个问题：数据底层具体存储的是什么？这样的存储方式有什么优点呢？

(1) 从源码可知，HashMap类中有一个非常重要的字段，就是 Node\[\] table，即哈希桶数组，明显它是一个Node的数组。我们来看Node\[JDK1.8\]是何物。

1.  static class Node<K,V> implements Map.Entry<K,V> \{
2.  final int hash; *//用来定位数组索引位置*
3.  final K key;
4.  V value;
5.  Node<K,V> next; *//链表的下一个node*
6.  
7.  Node( int hash, K key, V value, Node<K,V> next) \{ ... \}
8.  public final K getKey()\{ ... \}
9.  public final V getValue()\{ ... \}
10. public final String toString()\{ ... \}
11. public final int hashCode()\{ ... \}
12. public final V setValue(V newValue)\{ ... \}
13. public final boolean equals(Object o)\{ ... \}
14. \}

Node是HashMap的一个内部类，实现了Map.Entry接口，本质是就是一个映射(键值对)。上图中的每个黑色圆点就是一个Node对象。

(2) HashMap就是使用哈希表来存储的。哈希表为解决冲突，可以采用开放地址法和链地址法等来解决问题，Java中HashMap采用了链地址法。链地址法，简单来说，就是数组加链表的结合。在每个数组元素上都一个链表结构，当数据被Hash后，得到数组下标，把数据放在对应下标元素的链表上。例如程序执行下面代码：

map.put("美团","小美");

系统将调用”美团”这个key的hashCode()方法得到其hashCode 值（该方法适用于每个Java对象），然后再通过Hash算法的后两步运算（高位运算和取模运算，下文有介绍）来定位该键值对的存储位置，有时两个key会定位到相同的位置，表示发生了Hash碰撞。当然Hash算法计算结果越分散均匀，Hash碰撞的概率就越小，map的存取效率就会越高。

如果哈希桶数组很大，即使较差的Hash算法也会比较分散，如果哈希桶数组数组很小，即使好的Hash算法也会出现较多碰撞，所以就需要在空间成本和时间成本之间权衡，其实就是在根据实际情况确定哈希桶数组的大小，并在此基础上设计好的hash算法减少Hash碰撞。那么通过什么方式来控制map使得Hash碰撞的概率又小，哈希桶数组（Node\[\] table）占用空间又少呢？答案就是好的Hash算法和扩容机制。

在理解Hash和扩容流程之前，我们得先了解下HashMap的几个字段。从HashMap的默认构造函数源码可知，构造函数就是对下面几个字段进行初始化，源码如下：

1.  int threshold; *// 所能容纳的key-value对极限* 
2.  final float loadFactor; *// 负载因子*
3.  int modCount;
4.  int size;

首先，Node\[\] table的初始化长度length(默认值是16)，Load factor为负载因子(默认值是0.75)，threshold是HashMap所能容纳的最大数据量的Node(键值对)个数。threshold = length \* Load factor。也就是说，在数组定义好长度之后，负载因子越大，所能容纳的键值对个数越多。

结合负载因子的定义公式可知，threshold就是在此Load factor和length(数组长度)对应下允许的最大元素数目，超过这个数目就重新resize(扩容)，扩容后的HashMap容量是之前容量的两倍。默认的负载因子0.75是对空间和时间效率的一个平衡选择，建议大家不要修改，除非在时间和空间比较特殊的情况下，如果内存空间很多而又对时间效率要求很高，可以降低负载因子Load factor的值；相反，如果内存空间紧张而对时间效率要求不高，可以增加负载因子loadFactor的值，这个值可以大于1。

size这个字段其实很好理解，就是HashMap中实际存在的键值对数量。注意和table的长度length、容纳最大键值对数量threshold的区别。而modCount字段主要用来记录HashMap内部结构发生变化的次数，主要用于迭代的快速失败。强调一点，内部结构发生变化指的是结构发生变化，例如put新键值对，但是某个key对应的value值被覆盖不属于结构变化。

在HashMap中，哈希桶数组table的长度length大小必须为2的n次方(一定是合数)，这是一种非常规的设计，常规的设计是把桶的大小设计为素数。相对来说素数导致冲突的概率要小于合数，具体证明可以参考[http://blog.csdn.net/liuqiyao\_01/article/details/14475159][http_blog.csdn.net_liuqiyao_01_article_details_14475159]，Hashtable初始化桶大小为11，就是桶大小设计为素数的应用（Hashtable扩容后不能保证还是素数）。HashMap采用这种非常规设计，主要是为了在取模和扩容时做优化，同时为了减少冲突，HashMap定位哈希桶索引位置时，也加入了高位参与运算的过程。

这里存在一个问题，即使负载因子和Hash算法设计的再合理，也免不了会出现拉链过长的情况，一旦出现拉链过长，则会严重影响HashMap的性能。于是，在JDK1.8版本中，对数据结构做了进一步的优化，引入了红黑树。而当链表长度太长（默认超过8）时，链表就转换为红黑树，利用红黑树快速增删改查的特点提高HashMap的性能，其中会用到红黑树的插入、删除、查找等算法。本文不再对红黑树展开讨论，想了解更多红黑树数据结构的工作原理可以参考[http://blog.csdn.net/v\_july\_v/article/details/6105630][http_blog.csdn.net_v_july_v_article_details_6105630]。

## 功能实现-方法 ##

HashMap的内部功能实现很多，本文主要从根据key获取哈希桶数组索引位置、put方法的详细执行、扩容过程三个具有代表性的点深入展开讲解。

### 1. 确定哈希桶数组索引位置 ###

不管增加、删除、查找键值对，定位到哈希桶数组的位置都是很关键的第一步。前面说过HashMap的数据结构是数组和链表的结合，所以我们当然希望这个HashMap里面的元素位置尽量分布均匀些，尽量使得每个位置上的元素数量只有一个，那么当我们用hash算法求得这个位置的时候，马上就可以知道对应位置的元素就是我们要的，不用遍历链表，大大优化了查询的效率。HashMap定位数组索引位置，直接决定了hash方法的离散性能。先看看源码的实现(方法一+方法二):

1.  方法一：
2.  static final int hash(Object key)\{ *//jdk1.8 & jdk1.7*
3.  int h;
4.  *// h = key.hashCode() 为第一步 取hashCode值*
5.  *// h ^ (h >>> 16) 为第二步 高位参与运算*
6.  return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
7.  \}
8.  方法二：
9.  static int indexFor(int h, int length)\{ *//jdk1.7的源码，jdk1.8没有这个方法，但是实现原理一样的*
10. return h & (length- 1); *//第三步 取模运算*
11. \}

这里的Hash算法本质上就是三步： 取key的hashCode值、高位运算、取模运算。

对于任意给定的对象，只要它的hashCode()返回值相同，那么程序调用方法一所计算得到的Hash码值总是相同的。我们首先想到的就是把hash值对数组长度取模运算，这样一来，元素的分布相对来说是比较均匀的。但是，模运算的消耗还是比较大的，在HashMap中是这样做的：调用方法二来计算该对象应该保存在table数组的哪个索引处。

这个方法非常巧妙，它通过h & (table.length -1)来得到该对象的保存位，而HashMap底层数组的长度总是2的n次方，这是HashMap在速度上的优化。当length总是2的n次方时，h& (length-1)运算等价于对length取模，也就是h%length，但是&比%具有更高的效率。

在JDK1.8的实现中，优化了高位运算的算法，通过hashCode()的高16位异或低16位实现的：(h = k.hashCode()) ^ (h >>> 16)，主要是从速度、功效、质量来考虑的，这么做可以在数组table的length比较小的时候，也能保证考虑到高低Bit都参与到Hash的计算中，同时不会有太大的开销。

下面举例说明下，n为table的长度。

![SouthEast 2][]

### 2. 分析HashMap的put方法 ###

HashMap的put方法执行过程可以通过下图来理解，自己有兴趣可以去对比源码更清楚地研究学习。  
![SouthEast 3][]

①.判断键值对数组table\[i\]是否为空或为null，否则执行resize()进行扩容；

②.根据键值key计算hash值得到插入的数组索引i，如果table\[i\]==null，直接新建节点添加，转向⑥，如果table\[i\]不为空，转向③；

③.判断table\[i\]的首个元素是否和key一样，如果相同直接覆盖value，否则转向④，这里的相同指的是hashCode以及equals；

④.判断table\[i\] 是否为treeNode，即table\[i\] 是否是红黑树，如果是红黑树，则直接在树中插入键值对，否则转向⑤；

⑤.遍历table\[i\]，判断链表长度是否大于8，大于8的话把链表转换为红黑树，在红黑树中执行插入操作，否则进行链表的插入操作；遍历过程中若发现key已经存在直接覆盖value即可；

⑥.插入成功后，判断实际存在的键值对数量size是否超多了最大容量threshold，如果超过，进行扩容。

JDK1.8HashMap的put方法源码如下:

1.  public V put(K key, V value)\{
2.  *// 对key的hashCode()做hash*
3.  return putVal(hash(key), key, value, false, true);
4.  \}
5.  
6.  final V putVal(int hash, K key, V value, boolean onlyIfAbsent,
7.  boolean evict) \{
8.  Node<K,V>\[\] tab; Node<K,V> p; int n, i;
9.  *// 步骤①：tab为空则创建*
10. if ((tab = table) == null || (n = tab.length) == 0)
11. n = (tab = resize()).length;
12. *// 步骤②：计算index，并对null做处理* 
13. if ((p = tab\[i = (n - 1) & hash\]) == null)
14. tab\[i\] = newNode(hash, key, value, null);
15. else \{
16. Node<K,V> e; K k;
17. *// 步骤③：节点key存在，直接覆盖value*
18. if (p.hash == hash &&
19. ((k = p.key) == key || (key != null && key.equals(k))))
20. e = p;
21. *// 步骤④：判断该链为红黑树*
22. else if (p instanceof TreeNode)
23. e = ((TreeNode<K,V>)p).putTreeVal( this, tab, hash, key, value);
24. *// 步骤⑤：该链为链表*
25. else \{
26. for ( int binCount = 0; ; ++binCount) \{
27. if ((e = p.next) == null) \{
28. p.next = newNode(hash, key,value, null);
29. *//链表长度大于8转换为红黑树进行处理*
30. if (binCount >= TREEIFY\_THRESHOLD - 1) *// -1 for 1st* 
31. treeifyBin(tab, hash);
32. break;
33. \}
34. *// key已经存在直接覆盖value*
35. if (e.hash == hash &&
36. ((k = e.key) == key || (key != null && key.equals(k)))) break;
37. p = e;
38. \}
39. \}
40. 
41. if (e != null) \{ *// existing mapping for key*
42. V oldValue = e.value;
43. if (!onlyIfAbsent || oldValue == null)
44. e.value = value;
45. afterNodeAccess(e);
46. return oldValue;
47. \}
48. \}
49. 
50. \++modCount;
51. *// 步骤⑥：超过最大容量 就扩容*
52. if (++size > threshold)
53. resize();
54. afterNodeInsertion(evict);
55. return null;
56. \}

###     ###

### 3. 扩容机制 ###

扩容(resize)就是重新计算容量，向HashMap对象里不停的添加元素，而HashMap对象内部的数组无法装载更多的元素时，对象就需要扩大数组的长度，以便能装入更多的元素。当然Java里的数组是无法自动扩容的，方法是使用一个新的数组代替已有的容量小的数组，就像我们用一个小桶装水，如果想装更多的水，就得换大水桶。

我们分析下resize的源码，鉴于JDK1.8融入了红黑树，较复杂，为了便于理解我们仍然使用JDK1.7的代码，好理解一些，本质上区别不大，具体区别后文再说。

1.  void resize(int newCapacity)\{ *//传入新的容量*
2.  Entry\[\] oldTable = table; *//引用扩容前的Entry数组*
3.  int oldCapacity = oldTable.length;
4.  if (oldCapacity == MAXIMUM\_CAPACITY) \{ *//扩容前的数组大小如果已经达到最大(2^30)了*
5.  threshold = Integer.MAX\_VALUE; *//修改阈值为int的最大值(2^31-1)，这样以后就不会扩容了*
6.  return;
7.  \}
8.  
9.  Entry\[\] newTable = new Entry\[newCapacity\]; *//初始化一个新的Entry数组*
10. transfer(newTable); *//！！将数据转移到新的Entry数组里*
11. table = newTable; *//HashMap的table属性引用新的Entry数组*
12. threshold = ( int)(newCapacity \* loadFactor); *//修改阈值*
13. \}

这里就是使用一个容量更大的数组来代替已有的容量小的数组，transfer()方法将原有Entry数组的元素拷贝到新的Entry数组里。

1.  void transfer(Entry\[\] newTable)\{
2.  Entry\[\] src = table; *//src引用了旧的Entry数组*
3.  int newCapacity = newTable.length;
4.  for ( int j = 0; j < src.length; j++) \{ *//遍历旧的Entry数组*
5.  Entry<K,V> e = src\[j\]; *//取得旧Entry数组的每个元素*
6.  if (e != null) \{
7.  src\[j\] = null; *//释放旧Entry数组的对象引用（for循环后，旧的Entry数组不再引用任何对象）*
8.  do \{
9.  Entry<K,V> next = e.next;
10. int i = indexFor(e.hash, newCapacity); *//！！重新计算每个元素在数组中的位置*
11. e.next = newTable\[i\]; *//标记\[1\]*
12. newTable\[i\] = e; *//将元素放在数组上*
13. e = next; *//访问下一个Entry链上的元素*
14. \} while (e != null);
15. \}
16. \}
17. \}

newTable\[i\]的引用赋给了e.next，也就是使用了单链表的头插入方式，同一位置上新元素总会被放在链表的头部位置；这样先放在一个索引上的元素终会被放到Entry链的尾部(如果发生了hash冲突的话），这一点和Jdk1.8有区别，下文详解。在旧数组中同一条Entry链上的元素，通过重新计算索引位置后，有可能被放到了新数组的不同位置上。

下面举个例子说明下扩容过程。假设了我们的hash算法就是简单的用key mod 一下表的大小（也就是数组的长度）。其中的哈希桶数组table的size=2， 所以key = 3、7、5，put顺序依次为 5、7、3。在mod 2以后都冲突在table\[1\]这里了。这里假设负载因子 loadFactor=1，即当键值对的实际大小size 大于 table的实际大小时进行扩容。接下来的三个步骤是哈希桶数组 resize成4，然后所有的Node重新rehash的过程。

![SouthEast 4][]  
下面我们讲解下JDK1.8做了哪些优化。经过观测可以发现，我们使用的是2次幂的扩展(指长度扩为原来2倍)，所以，元素的位置要么是在原位置，要么是在原位置再移动2次幂的位置。看下图可以明白这句话的意思，n为table的长度，图（a）表示扩容前的key1和key2两种key确定索引位置的示例，图（b）表示扩容后key1和key2两种key确定索引位置的示例，其中hash1是key1对应的哈希与高位运算结果。  
![SouthEast 5][]  
元素在重新计算hash之后，因为n变为2倍，那么n-1的mask范围在高位多1bit(红色)，因此新的index就会发生这样的变化：  
![SouthEast 6][]  
因此，我们在扩充HashMap的时候，不需要像JDK1.7的实现那样重新计算hash，只需要看看原来的hash值新增的那个bit是1还是0就好了，是0的话索引没变，是1的话索引变成“原索引+oldCap”，可以看看下图为16扩充为32的resize示意图.  
![SouthEast 7][]  
这个设计确实非常的巧妙，既省去了重新计算hash值的时间，而且同时，由于新增的1bit是0还是1可以认为是随机的，因此resize的过程，均匀的把之前的冲突的节点分散到新的bucket了。这一块就是JDK1.8新增的优化点。有一点注意区别，JDK1.7中rehash的时候，旧链表迁移新链表的时候，如果在新表的数组索引位置相同，则链表元素会倒置，但是从上图可以看出，JDK1.8不会倒置。有兴趣的同学可以研究下JDK1.8的resize源码，写的很赞，如下:

1.  final Node<K,V>\[\] resize() \{
2.  Node<K,V>\[\] oldTab = table;
3.  int oldCap = (oldTab == null) ? 0 : oldTab.length;
4.  int oldThr = threshold;
5.  int newCap, newThr = 0;
6.  if (oldCap > 0) \{
7.  *// 超过最大值就不再扩充了，就只好随你碰撞去吧*
8.  if (oldCap >= MAXIMUM\_CAPACITY) \{
9.  threshold = Integer.MAX\_VALUE;
10. return oldTab;
11. \}
12. *// 没超过最大值，就扩充为原来的2倍*
13. else if ((newCap = oldCap << 1) < MAXIMUM\_CAPACITY &&
14. oldCap >= DEFAULT\_INITIAL\_CAPACITY)
15. newThr = oldThr << 1; *// double threshold*
16. \}
17. else if (oldThr > 0) *// initial capacity was placed in threshold*
18. newCap = oldThr;
19. else \{ *// zero initial threshold signifies using defaults*
20. newCap = DEFAULT\_INITIAL\_CAPACITY;
21. newThr = ( int)(DEFAULT\_LOAD\_FACTOR \* DEFAULT\_INITIAL\_CAPACITY);
22. \}
23. *// 计算新的resize上限*
24. if (newThr == 0) \{
25. 
26. float ft = ( float)newCap \* loadFactor;
27. newThr = (newCap < MAXIMUM\_CAPACITY && ft < ( float)MAXIMUM\_CAPACITY ?
28. ( int)ft : Integer.MAX\_VALUE);
29. \}
30. threshold = newThr;
31. @SuppressWarnings(\{ "rawtypes"， "unchecked"\})
32. Node<K,V>\[\] newTab = (Node<K,V>\[\]) new Node\[newCap\];
33. table = newTab;
34. if (oldTab != null) \{
35. *// 把每个bucket都移动到新的buckets中*
36. for ( int j = 0; j < oldCap; ++j) \{
37. Node<K,V> e;
38. if ((e = oldTab\[j\]) != null) \{
39. oldTab\[j\] = null;
40. if (e.next == null)
41. newTab\[e.hash & (newCap - 1)\] = e;
42. else if (e instanceof TreeNode)
43. ((TreeNode<K,V>)e).split( this, newTab, j, oldCap);
44. else \{ *// 链表优化重hash的代码块*
45. Node<K,V> loHead = null, loTail = null;
46. Node<K,V> hiHead = null, hiTail = null;
47. Node<K,V> next;
48. do \{
49. next = e.next;
50. *// 原索引*
51. if ((e.hash & oldCap) == 0) \{
52. if (loTail == null)
53. loHead = e;
54. else
55. loTail.next = e;
56. loTail = e;
57. \}
58. *// 原索引+oldCap*
59. else \{
60. if (hiTail == null)
61. hiHead = e;
62. else
63. hiTail.next = e;
64. hiTail = e;
65. \}
66. \} while ((e = next) != null);
67. *// 原索引放到bucket里*
68. if (loTail != null) \{
69. loTail.next = null;
70. newTab\[j\] = loHead;
71. \}
72. *// 原索引+oldCap放到bucket里*
73. if (hiTail != null) \{
74. hiTail.next = null;
75. newTab\[j + oldCap\] = hiHead;
76. \}
77. \}
78. \}
79. \}
80. \}
81. return newTab;
82. \}

# 线程安全性 #

#   在多线程使用场景中，应该尽量避免使用线程不安全的HashMap，而使用线程安全的ConcurrentHashMap。那么为什么说HashMap是线程不安全的，下面举例子说明在并发的多线程使用场景中使用HashMap可能造成死循环。代码例子如下(便于理解，仍然使用JDK1.7的环境)： #

1.  public class HashMapInfiniteLoop\{
2.  
3.  private static HashMap<Integer,String> map = new HashMap<Integer,String>( 2， 0.75f);
4.  public static void main(String\[\] args)\{
5.  map.put( 5， "C");
6.  new Thread( "Thread1") \{
7.  public void run()\{
8.  map.put( 7, "B");
9.  System.out.println(map);
10. \};
11. \}.start();
12. new Thread( "Thread2") \{
13. public void run()\{
14. map.put( 3, "A); 
15.  System.out.println(map); 
16.  \}; 
17.  \}.start(); 
18.  \} 
19. \}

其中，map初始化为一个长度为2的数组，loadFactor=0.75，threshold=2\*0.75=1，也就是说当put第二个key的时候，map就需要进行resize。

通过设置断点让线程1和线程2同时debug到transfer方法(3.3小节代码块)的首行。注意此时两个线程已经成功添加数据。放开thread1的断点至transfer方法的“Entry next = e.next;” 这一行；然后放开线程2的的断点，让线程2进行resize。结果如下图：

![SouthEast 8][]

注意，Thread1的 e 指向了key(3)，而next指向了key(7)，其在线程二rehash后，指向了线程二重组后的链表。

线程一被调度回来执行，先是执行 newTalbe\[i\] = e， 然后是e = next，导致了e指向了key(7)，而下一次循环的next = e.next导致了next指向了key(3)。

![SouthEast 9][]  
![SouthEast 10][]  
e.next = newTable\[i\] 导致 key(3).next 指向了 key(7)。注意：此时的key(7).next 已经指向了key(3)， 环形链表就这样出现了。  
![SouthEast 11][]  
于是，当我们用线程一调用map.get(11)时，悲剧就出现了——Infinite Loop。

#     #

# JDK1.8与JDK1.7的性能对比 #

HashMap中，如果key经过hash算法得出的数组索引位置全部不相同，即Hash算法非常好，那样的话，getKey方法的时间复杂度就是O(1)，如果Hash算法技术的结果碰撞非常多，假如Hash算极其差，所有的Hash算法结果得出的索引位置一样，那样所有的键值对都集中到一个桶中，或者在一个链表中，或者在一个红黑树中，时间复杂度分别为O(n)和O(lgn)。 鉴于JDK1.8做了多方面的优化，总体性能优于JDK1.7，下面我们从两个方面用例子证明这一点。

##     ##

## Hash较均匀的情况 ##

为了便于测试，我们先写一个类Key，如下：

1.  class Key implements Comparable<Key> \{
2.  
3.  private final int value;
4.  
5.  Key( int value) \{
6.  this.value = value;
7.  \}
8.  @Override
9.  public int compareTo(Key o)\{
10. return Integer.compare( this.value, o.value);
11. \}
12. @Override
13. public boolean equals(Object o)\{
14. if ( this == o) return true;
15. if (o == null || getClass() != o.getClass())
16. return false;
17. Key key = (Key) o;
18. return value == key.value;
19. \}
20. @Override
21. public int hashCode()\{
22. return value;
23. \}
24. \}

这个类复写了equals方法，并且提供了相当好的hashCode函数，任何一个值的hashCode都不会相同，因为直接使用value当做hashcode。为了避免频繁的GC，我将不变的Key实例缓存了起来，而不是一遍一遍的创建它们。代码如下：

1.  public class Keys\{
2.  
3.  public static final int MAX\_KEY = 10\_000\_000;
4.  private static final Key\[\] KEYS\_CACHE = new Key\[MAX\_KEY\];
5.  
6.  static \{
7.  for ( int i = 0; i < MAX\_KEY; ++i) \{
8.  KEYS\_CACHE\[i\] = new Key(i);
9.  \}
10. \}
11. public static Key of(int value)\{
12. return KEYS\_CACHE\[value\];
13. \}
14. \}

现在开始我们的试验，测试需要做的仅仅是，创建不同size的HashMap（1、10、100、……10000000），屏蔽了扩容的情况，代码如下：

1.  static void test(int mapSize)\{
2.  
3.  HashMap<Key, Integer> map = new HashMap<Key,Integer>(mapSize);
4.  for ( int i = 0; i < mapSize; ++i) \{
5.  map.put(Keys.of(i), i);
6.  \}
7.  long beginTime = System.nanoTime(); *//获取纳秒*
8.  for ( int i = 0; i < mapSize; i++) \{
9.  map.get(Keys.of(i));
10. \}
11. long endTime = System.nanoTime();
12. System.out.println(endTime - beginTime);
13. \}
14. public static void main(String\[\] args)\{
15. for( int i= 10;i<= 1000 0000;i\*= 10)\{
16. test(i);
17. \}
18. \}

在测试中会查找不同的值，然后度量花费的时间，为了计算getKey的平均时间，我们遍历所有的get方法，计算总的时间，除以key的数量，计算一个平均值，主要用来比较，绝对值可能会受很多环境因素的影响。结果如下：  
![SouthEast 12][]  
通过观测测试结果可知，JDK1.8的性能要高于JDK1.7 15%以上，在某些size的区域上，甚至高于100%。由于Hash算法较均匀，JDK1.8引入的红黑树效果不明显，下面我们看看Hash不均匀的的情况。

## Hash极不均匀的情况 ##

假设我们又一个非常差的Key，它们所有的实例都返回相同的hashCode值。这是使用HashMap最坏的情况。代码修改如下：

1.  class Key implements Comparable<Key> \{
2.  
3.  *//...*
4.  @Override
5.  public int hashCode()\{
6.  return 1;
7.  \}
8.  \}

仍然执行main方法，得出的结果如下表所示：  
![SouthEast 13][]  
从表中结果中可知，随着size的变大，JDK1.7的花费时间是增长的趋势，而JDK1.8是明显的降低趋势，并且呈现对数增长稳定。当一个链表太长的时候，HashMap会动态的将它替换成一个红黑树，这话的话会将时间复杂度从O(n)降为O(logn)。hash算法均匀和不均匀所花费的时间明显也不相同，这两种情况的相对比较，可以说明一个好的hash算法的重要性。  
测试环境：处理器为2.2 GHz Intel Core i7，内存为16 GB 1600 MHz DDR3，SSD硬盘，使用默认的JVM参数，运行在64位的OS X 10.10.1上。

#     #

# 小结： #

(1) 扩容是一个特别耗性能的操作，所以当程序员在使用HashMap的时候，估算map的大小，初始化的时候给一个大致的数值，避免map进行频繁的扩容。

(2) 负载因子是可以修改的，也可以大于1，但是建议不要轻易修改，除非情况非常特殊。

(3) HashMap是线程不安全的，不要在并发的环境中同时操作HashMap，建议使用ConcurrentHashMap。

(4) JDK1.8引入红黑树大程度优化了HashMap的性能。

(5) 还没升级JDK1.8的，现在开始升级吧。HashMap的性能提升仅仅是JDK1.8的冰山一角。

# 参考： #

1.  JDK1.7&JDK1.8 源码。
2.  CSDN博客频道，[HashMap多线程死循环问题][HashMap]，2014。
3.  红黑联盟，[Java类集框架之HashMap(JDK1.8)源码剖析][Java_HashMap_JDK1.8]，2015。
4.  CSDN博客频道，[ 教你初步了解红黑树][http_blog.csdn.net_v_july_v_article_details_6105630]，2010。
5.  Java Code Geeks，[HashMap performance improvements in Java 8][]，2014。
6.  Importnew，[危险！在HashMap中将可变对象用作Key][HashMap_Key]，2014。
7.  CSDN博客频道，[为什么一般hashtable的桶数会取一个素数][http_blog.csdn.net_liuqiyao_01_article_details_14475159]，2013。

[https_blog.csdn.net_USTC_Zn_article_details_78173217]: https://blog.csdn.net/USTC_Zn/article/details/78173217
[SouthEast]: /images/20220520/c1e9964d944d4cf9ba7457cf6f0e6b80.png
[SouthEast 1]: /images/20220520/c3a37965f28248d0baf917a0b164f6ac.png
[http_blog.csdn.net_liuqiyao_01_article_details_14475159]: http://blog.csdn.net/liuqiyao_01/article/details/14475159
[http_blog.csdn.net_v_july_v_article_details_6105630]: http://blog.csdn.net/v_july_v/article/details/6105630
[SouthEast 2]: /images/20220520/cabe7a6d48a54cd19c7a36fdf80c5d3f.png
[SouthEast 3]: /images/20220520/7a1bf6c3050b42909f06e9104a67ac74.png
[SouthEast 4]: /images/20220520/b4c6660fe4104649b5c200951abccc99.png
[SouthEast 5]: /images/20220520/767075d49a6d4aee9e5663de24bb6f33.png
[SouthEast 6]: /images/20220520/c268e9a76b6d4926910797f3490cbd51.png
[SouthEast 7]: /images/20220520/18d54da93d864fa0b097613797b7f86a.png
[SouthEast 8]: /images/20220520/4eaba946228d4cb78f1c70856ae4cf43.png
[SouthEast 9]: /images/20220520/806f095c655b4fe7977572d1255444f3.png
[SouthEast 10]: /images/20220520/682000285dc142dfb28f6f11defa293b.png
[SouthEast 11]: /images/20220520/c0361157f5394f4f9df3d7cbcaf01820.png
[SouthEast 12]: /images/20220520/b1cb0c6a73194c55bfc1cf434a0b21bc.png
[SouthEast 13]: /images/20220520/4b0a188199bd4be3bc96b4050ad8e057.png
[HashMap]: http://blog.csdn.net/xuefeng0707/article/details/40797085
[Java_HashMap_JDK1.8]: http://www.2cto.com/kf/201505/401433.html
[HashMap performance improvements in Java 8]: http://www.javacodegeeks.com/2014/04/hashmap-performance-improvements-in-java-8.html
[HashMap_Key]: http://www.importnew.com/13384.html