【Java集合学习系列】HashMap实现原理及源码分析

忘是亡心i 2022-06-09 07:22 154阅读 0赞

#### **HashMap特性** ####

hashMap是基于哈希表的Map接口的非同步实现，继承自AbstractMap接口，实现了Map接口（HashTable跟HashMap很像，HashTable中的方法是线程安全的，也就是同步的，而HashMap是非同步的，这是唯一的区别），此实现提供所有可选的映射操作，并允许使用null值和null键。此类不保证映射的顺序，特别是它不保证该顺序恒久不变。

#### **HashMap的数据结构** ####

HashMap是基于hashing的原理，实际上就是一个“链表的数组”的数据结构，每个元素存放在链表头结点的数组，即数组和链表的结合体—哈希表。

> PS：数组的特点是寻址容易，但是插入和删除困难；链表的特点是寻址困难，但是插入和删除容易。哈希表就是综合了这两者特性的一种数据结构，寻址容易，插入和删除也容易。

下面我们就结合哈希表的一种常用实现-**拉链法**来学习一下哈希表的使用：

![这里写图片描述][SouthEast]

> 拉链法：将具有同一散列地址的记录存储在一条线性链表中。在除留余数法中，取关键字被某个不大于哈希表长m的数p除后所得余数为我们需要的哈希地址。  
> H(key) = key MOD p(p <= m)  
> 比如，以上length为16的数组，每个数组元素存储的都是一个链表的头结点。设关键字为（12,28,108,140），除数为16（小于等于16），散列地址为（12,12,12,12），所以（12,28,108,140）都存储在数组下标为12的位置。

从以上我们可以看出HashMap存储数据结构的容器就是一个**线性数组**。说到这里，我们知道HashMap是按键值对来存取数据的，但是线性数组怎么实现按键值对存取数据？

看HashMap的源码我们知道，HashMap里面实现了一个静态内部类Entry，Entry的主要属性key、value、next。看到这里就明白了，原来HashMap按照键值对存取数据是通过Entry这个基础bean来实现的。再回头看我们上面说的线性数组实现按键值对存取数据，这个线性数组就是Entry\[\]，Map中的数据都保存在线性数组Entry中。数组中的每一项又是一个链表，当新建一个HashMap的时候，就会初始化一个数组。其中Entry就是数组中的元素，每个Map.Entry其实就是一个key-value对，它持有一个指向下一个元素的引用next，这就构成了链表，如下图。

数组是HashMap的主体，链表则是主要为了解决哈希冲突而存在的，如果定位到的数组位置不含链表（当前entry的next指向null）,那么对于查找，添加等操作很快，仅需一次寻址即可；如果定位到的数组包含链表，对于添加操作，其时间复杂度依然为O(1)，因为最新的Entry会插入链表头部，急需要简单改变引用链即可，而对于查找操作来讲，此时就需要遍历链表，然后通过key对象的equals方法逐一比对查找。所以，性能考虑，HashMap中的链表出现越少，性能才会越好。  
![这里写图片描述][SouthEast 1]

static class Entry<K,V> implements Map.Entry<K,V> {
            final K key;
            V value;
            Entry<K,V> next;
            int hash;
            /**
             * Creates new entry.
             */
            Entry(int h, K k, V v, Entry<K,V> n) {
                value = v;
                next = n;
                key = k;
                hash = h;
            }
            public final K getKey() {
                return key;
            }
            public final V getValue() {
                return value;
            }
            public final V setValue(V newValue) {
                V oldValue = value;
                value = newValue;
                return oldValue;
            }
            public final boolean equals(Object o) {
                if (!(o instanceof Map.Entry))
                    return false;
                Map.Entry e = (Map.Entry)o;
                Object k1 = getKey();
                Object k2 = e.getKey();
                if (k1 == k2 || (k1 != null && k1.equals(k2))) {
                    Object v1 = getValue();
                    Object v2 = e.getValue();
                    if (v1 == v2 || (v1 != null && v1.equals(v2)))
                        return true;
                }
                return false;
            }
            public final int hashCode() {
                return Objects.hashCode(getKey()) ^ Objects.hashCode(getValue());
            }
            public final String toString() {
                return getKey() + "=" + getValue();
            }
            /**
             * This method is invoked whenever the value in an entry is
             * overwritten by an invocation of put(k,v) for a key k that's already
             * in the HashMap.
             */
            void recordAccess(HashMap<K,V> m) {
            }
            /**
             * This method is invoked whenever the entry is
             * removed from the table.
             */
            void recordRemoval(HashMap<K,V> m) {
            }
        }

#### **HashMap的存取实现** ####

我们上面说到HashMap是线性数组，因为我们知道HashMap可以随机存取，线性数组实现随机存取？HashMap是怎么实现的呢？我们看下下面的算法：

//存储时
    int hash = key.hashCode();// 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];

这就是HashMap通过键值对实现存取的基本原理。

我们看下源码：  
**存储：**

public V put(K key, V value) {
        if (table == EMPTY_TABLE) {
            inflateTable(threshold);
        }
        //HashMap允许存放null key和null value，当key为null时，调用putForNullKey方法，将value放到数组第一个位置
        if (key == null)
            return putForNullKey(value);
        //计算hash值
        int hash = hash(key);
        //搜素指定的hash值所对应的table中的索引
        int i = indexFor(hash, table.length);
        //如果索引i处的Entry不为null，通过不断遍历元素e的下一个元素，直到找到索引i处的Entry为null，表明此处还没有Entry
        for (Entry<K,V> e = table[i]; e != null; e = e.next) {
            Object k;
            if (e.hash == hash && ((k = e.key) == key || key.equals(k))) {
                V oldValue = e.value;
                e.value = value;
                e.recordAccess(this);
                return oldValue;
            }
        }
        modCount++;//modCount记录HashMap中修改结构的次数
        //将key、value添加到索引i处
        addEntry(hash, key, value, i);
        return null;
    }

当我们向HashMap中put元素的时候，先根据key值计算hashcode，然后根据hash值得到这个元素在数组中的位置（下标）。如果数组的相应位置已经存放了元素，则在该位置上的元素以链表的形式存放，新加入的元素存放在链表的头部，最先加入的元素存放在链表的尾部。如果数组的该位置上没有元素，就直接将该元素放到此数组的该位置上。

void addEntry(int hash, K key, V value, int bucketIndex) {
       //如果Map中的key-value对的数量超过了极限或者bucketIndex索引不存在，将table对象的长度扩充到原来的2倍
        if ((size >= threshold) && (null != table[bucketIndex])) {
            resize(2 * table.length);
            hash = (null != key) ? hash(key) : 0;
            bucketIndex = indexFor(hash, table.length);
        }
        //添加Entry
        createEntry(hash, key, value, bucketIndex);
    }
    
    void createEntry(int hash, K key, V value, int bucketIndex) {
        //获取指定bucketIndex所引处的Entry
        Entry<K,V> e = table[bucketIndex];
        //将新建的Entry放入bucketIndex索引处，并让新的Entry指向原来的Entry
        table[bucketIndex] = new Entry<>(hash, key, value, e);
        size++;
    }

根据hash值调用addEntry(hash,key,value,i)方法将key、value值键值对存储在数组table的i索引处。从源码中我们可以看到，当系统决定存储HashMap中的key、value键值对的时候，没有有关value的操作，只是根据key来计算每个Entry的存储位置。也就是说，当系统决定了key存储的位置之后，value也就随之保存了。

上面的hash(int h)方法根据key值重新计算了一次散列。此算法加入了高位计算，防止低位不变，高位变化时造成的hash冲突。

final int hash(Object k) {
        int h = hashSeed;
        if (0 != h && k instanceof String) {
            return sun.misc.Hashing.stringHash32((String) k);
        }
    
        h ^= k.hashCode();
    
        // This function ensures that hashCodes that differ only by
        // constant multiples at each bit position have a bounded
        // number of collisions (approximately 8 at default load factor).
        h ^= (h >>> 20) ^ (h >>> 12);
        return h ^ (h >>> 7) ^ (h >>> 4);
    }

我们可以看到，在上面我们是使用hash算法根据key来求得元素在对应数组中的位置。因为我们知道HashMap的数据结构是数组和链表的结合，如果HashMap里面的元素位置分布得比较均匀，每个位置上的元素数量只有一个，那么当我们用hash算法求位置的时候，马上就可以知道对应位置的元素是不是我们需要的，而不需要再去遍历链表，这样能大大优化查询效率。

对于任意对象。只要它的key值相同，

int hash = hash(key);
    int i = indexFor(hash, table.length);

调用hash算法求得的hash值就是相同的。我们上面提到过的拉链法是值对表长度取模，在这里如果使用hash值对数组长度取模，元素的分配相对来说也会比较均匀。但是“模”运算的消耗比较大，HashMap是怎么解决这个问题的呢？

HashMap使用了indexFor(int h,int length)方法来计算该对象应该保存在table数组的哪个索引处，方法如下：

/**
     * Returns index for hash code h.
     */
    static int indexFor(int h, int length) {
        // assert Integer.bitCount(length) == 1 : "length must be a non-zero power of 2";
        return h & (length-1);
    }

我们注意到注释里面有一行：table的长度length必须是2的非零幂。看到这里，我们需要提到另一个知识点，**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。

看下HashMap的putAll方法的源码：

public void putAll(Map<? extends K, ? extends V> m) {
        int numKeysToBeAdded = m.size();
        if (numKeysToBeAdded == 0)
            return;
    
        if (table == EMPTY_TABLE) {
            inflateTable((int) Math.max(numKeysToBeAdded * loadFactor, threshold));
        }
    
        if (numKeysToBeAdded > threshold) {
            int targetCapacity = (int)(numKeysToBeAdded / loadFactor + 1);
            if (targetCapacity > MAXIMUM_CAPACITY)
                targetCapacity = MAXIMUM_CAPACITY;
            int newCapacity = table.length;
            while (newCapacity < targetCapacity)
                newCapacity <<= 1;
            if (newCapacity > table.length)
                resize(newCapacity);
        }
    
        for (Map.Entry<? extends K, ? extends V> e : m.entrySet())
            put(e.getKey(), e.getValue());
    }

我们注意到有这么一行：

while (newCapacity < targetCapacity)
        newCapacity <<= 1;

> PS：  
> int i = 1;  
> //类似于 i++就是 i = i+1;的这结构  
> i <<= 1;//i = i<<1 i等于i乘以2的1次方  
> i <<= 2;//i = i<<2 i等于i乘以2的2次方,>>就是相除了

这段代码在JDK1.7之前出现在HashMap的构造函数中，保证了初始化HashMap的容量(即底层数组的长度)总是2的n次方。

扩容的时候也有一个方法：

private static int roundUpToPowerOf2(int number) {
        // assert number >= 0 : "number must be non-negative";
        return number >= MAXIMUM_CAPACITY
            ? MAXIMUM_CAPACITY
            : (number > 1) ? Integer.highestOneBit((number - 1) << 1) : 1;
    }

> 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。
> 
> 这看上去很简单，其实比较有玄机的，我们举个例子来说明：
> 
> 假设数组长度分别为15和16，优化后的hash码分别为8和9，那么&运算后的结果如下：
> 
> h & (table.length-1) | hash | table.length-1
> 
> 8 & (15-1)： | 0100 & 1110 = 0100
> 
> 9 & (15-1)： | 0101 & 1110 = 0100
> 
> --------------------
> 
> 8 & (16-1)： | 0100 & 1111 = 0100
> 
> 9 & (16-1)： | 0101 & 1111 = 0101
> 
> --------------------

从上面的例子中可以看出：当8、9两个数和(15-1)2=(1110)进行“与运算&”的时候，产生了相同的结果，都为0100，也就是说它们会定位到数组中的同一个位置上去，这就产生了碰撞，8和9会被放到数组中的同一个位置上形成链表，那么查询的时候就需要遍历这个链 表，得到8或者9，这样就降低了查询的效率。同时，我们也可以发现，当数组长度为15的时候，hash值会与(15-1)2=(1110)进行“与运算&”，那么最后一位永远是0，而0001，0011，0101，1001，1011，0111，1101这几个位置永远都不能存放元素了，空间浪费相当大，更糟的是这种情况中，数组可以使用的位置比数组长度小了很多，这意味着进一步增加了碰撞的几率，减慢了查询的效率！

而当数组长度为16时，即为2的n次方时，2n-1得到的二进制数的每个位上的值都为1（比如(24-1)2=1111），这使得在低位上&时，得到的和原hash的低位相同，加之hash(int h)方法对key的hashCode的进一步优化，加入了高位计算，就使得只有相同的hash值的两个值才会被放到数组中的同一个位置上形成链表。

所以说，当数组长度为2的n次幂的时候，不同的key算得得index相同的几率较小，那么数据在数组上分布就比较均匀，也就是说碰撞的几率小，相对的，查询的时候就不用遍历某个位置上的链表，这样查询效率也就较高了。

**读取：**

public V get(Object key) {
        if (key == null)
            return getForNullKey();
        Entry<K,V> entry = getEntry(key);
    
        return null == entry ? null : entry.getValue();
    }
    
    private V getForNullKey() {
        if (size == 0) {
            return null;
        }
        for (Entry<K,V> e = table[0]; e != null; e = e.next) {
            if (e.key == null)
                return e.value;
        }
        return null;
    }
    
    final Entry<K,V> getEntry(Object key) {
        if (size == 0) {
            return null;
        }
    
        int hash = (key == null) ? 0 : hash(key);
        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 != null && key.equals(k))))
                return e;
        }
        return null;
    }

总结起来，从HashMap中get元素的时候，会首先计算key的hash值，找到数组中对应位置的元素，然后通过equals比较key值从而找出需要的元素，

HashMap的存取归纳来说，就是HashMap 在底层将 key-value 当成一个整体进行处理，这个整体就是一个 Entry 对象。HashMap 底层采用一个 Entry\[\] 数组来保存所有的 key-value 对，当需要存储一个 Entry 对象时，会根据hash算法来决定其在数组中的存储位置，在根据equals方法决定其在该数组位置上的链表中的存储位置；当需要取出一个Entry时，也会根据hash算法找到其在数组中的存储位置，再根据equals方法从该位置上的链表中取出该Entry。

#### **HashMap的resize（rehash）**： ####

当HashMap中的元素越来越多的时候，hash冲突的几率也就越来越高，因为数组的长度是固定的。所以为了提高查询的效率，就要对HashMap的数组进行扩容，数组扩容这个操作也会出现在ArrayList中，这是一个常用的操作，而在HashMap数组扩容之后，最消耗性能的点就出现了：原数组中的数据必须重新计算其在新数组中的位置，并放进去，这就是resize。

那么HashMap什么时候进行扩容呢？当HashMap中的元素个数超过数组大小\*loadFactor时，就会进行数组扩容，loadFactor的默认值为0.75，这是一个折中的取值。也就是说，默认情况下，数组大小为16，那么当HashMap中元素个数超过16\*0.75=12（这个值就是代码中的threshold值，也叫做临界值）的时候，就把数组的大小扩展为 2\*16=32，即扩大一倍，然后重新计算每个元素在数组中的位置，而这是一个非常消耗性能的操作，所以如果我们已经预知HashMap中元素的个数，那么预设元素的个数能够有效的提高HashMap的性能。

void resize(int newCapacity) {
        Entry[] oldTable = table;
        int oldCapacity = oldTable.length;
        //如果当前数组的长度已经达到最大值则不进行调整
        if (oldCapacity == MAXIMUM_CAPACITY) {
            threshold = Integer.MAX_VALUE;
            return;
        }
        //根据入参的长度定义新数组
        Entry[] newTable = new Entry[newCapacity];
        //按照最新的规则，将旧数组中的元素转移到新数组
        transfer(newTable, initHashSeedAsNeeded(newCapacity));
        table = newTable;
        //更新临界值
        threshold = (int)Math.min(newCapacity * loadFactor, MAXIMUM_CAPACITY + 1);
    }
    
    /**
     * Transfers all entries from current table to newTable.
     */
    void transfer(Entry[] newTable, boolean rehash) {
        //生成的新数组的长度
        int newCapacity = newTable.length;
        //遍历旧数组取值放入新数组
        for (Entry<K,V> e : table) {
            while(null != e) {
                Entry<K,V> next = e.next;
                if (rehash) {
                    e.hash = null == e.key ? 0 : hash(e.key);
                }
                int i = indexFor(e.hash, newCapacity);
                e.next = newTable[i];
                newTable[i] = e;
                e = next;
            }
        }
    }

#### **HashMap构造函数：** ####

其中有两个要注意的性能参数：initialCapacity（初始容量）， loadFactor（负载因子）。

/**
     * 构建一个初始容量为16,，负载因子为0.75的HashMap
     *
     *  initialCapacity：HashMap的最大容量，即为底层数组的长度，默认为16.
     *  loadFactor：负载因子loadFactor定义为：散列表的实际元素数目(n)/ 散列表的容量(m)，默认为0.75.
     */
    public HashMap() {
        this(DEFAULT_INITIAL_CAPACITY, DEFAULT_LOAD_FACTOR);
    }
    
    /**
     * 构建一个初始容量为initialCapacity,，负载因子为0.75的HashMap
     */
    public HashMap(int initialCapacity) {
        this(initialCapacity, DEFAULT_LOAD_FACTOR);
    }
    
    /**
     * 构建一个指定初始容量和指定负载因子的HashMap
     */
    public HashMap(int initialCapacity, float loadFactor) {
        if (initialCapacity < 0)
            throw new IllegalArgumentException("Illegal initial capacity: " +
                                               initialCapacity);
        if (initialCapacity > MAXIMUM_CAPACITY)
            initialCapacity = MAXIMUM_CAPACITY;
        if (loadFactor <= 0 || Float.isNaN(loadFactor))
            throw new IllegalArgumentException("Illegal load factor: " +
                                               loadFactor);
        this.loadFactor = loadFactor;
        threshold = initialCapacity;//临界值
        init();
    }

> 负载因子衡量的是一个散列表的空间的使用程度，负载因子越大表示散列表的装填程度越高，反之愈小。对于使用链表法的散列表来说，查找一个元素的平均时间是O(1+a)，因此如果负载因子越大，对空间的利用更充分，然而后果是查找效率的降低；如果负载因子太小，那么散列表的数据将过于稀疏，对空间造成严重浪费。

threshold临界值就是在此loadFactor和capacity对应下允许的最大元素数目，超过这个数目就重新resize，以降低实际的负载因子。当容量超出最大容量时，resize后的HashMap容量是现有容量的两倍，addEntry方法中有这样一段代码：

if ((size >= threshold) && (null != table[bucketIndex])) {
        resize(2 * table.length);

#### **ConcurrentModificationException** ####

java.util.HashMap不是线程安全的（[为什么HashMap不是线程安全的][HashMap]），如果在使用迭代器的过程中有其它线程修改了map，就会抛出ConcurrentModificationException。

关于这个异常，我们需要学习HashMap源码的一个抽象内部类HashIterator，这牵涉到fail-fast策略。这一策略在源码中的实现是通过modCount。在上面的学习中我们知道modCount是记录的修改次数，每次对HashMap内容的修改，这个值都会增加。在迭代器初始化的过程中会将这个值赋值给迭代器的expectedModCount。在迭代过程中，判断modCount跟expectedModCount是否相等，如果不相等就表示已经有其他线程修改了Map。看了源码我们就会知道，modCount声明为volatile，保证线程之间修改的可见性。（volatile之所以线程安全是因为被volatile修饰的变量不保存缓存，直接在内存中修改，因此能够保证线程之间修改的可见性）。

private abstract class HashIterator<E> implements Iterator<E> {
        
        Entry<K,V> next;        // next entry to return
        int expectedModCount;   // For fast-fail
        int index;              // current slot
        Entry<K,V> current;     // current entry
        HashIterator() {
            expectedModCount = modCount;
            if (size > 0) { // advance to first entry
                Entry[] t = table;
                while (index < t.length && (next = t[index++]) == null)
                    ;
            }
        }
        public final boolean hasNext() {
            return next != null;
        }
        final Entry<K,V> nextEntry() {
            if (modCount != expectedModCount)
                throw new ConcurrentModificationException();
            Entry<K,V> e = next;
            if (e == null)
                throw new NoSuchElementException();
            if ((next = e.next) == null) {
                Entry[] t = table;
                while (index < t.length && (next = t[index++]) == null)
                    ;
            }
            current = e;
            return e;
        }
        public void remove() {
            if (current == null)
                throw new IllegalStateException();
            if (modCount != expectedModCount)
                throw new ConcurrentModificationException();
            Object k = current.key;
            current = null;
            HashMap.this.removeEntryForKey(k);
            expectedModCount = modCount;
        }
    }

#### **重写equals方法需同时重写hashCode方法** ####

在此之前我们先来看一下java中==和equals的区别：

String str1=new String("apple");
    String str2=new String("apple");
    
    str1==str2;//false
    str1.equals(str2);//true

结果解析：**==比较的是两个对象的地址,equals比较的是两个对象的内容.**

如果一个类没有自己定义equals方法，那么它将继承Object类的equals方法，Object类的equals方法的实现代码如下：

boolean equals(Object  o){
         return  this==o;
    }

这说明，**如果一个类没有自己定义equals方法，它默认的equals方法（从Object 类继承的）就是使用==操作符，也是在比较两个变量指向的对象是否是同一对象，这时候使用equals和使用==会得到同样的结果，如果比较的是两个独立的对象则总返回false**。

> 总结来说：
> 
> 1）对于==，如果作用于基本数据类型的变量，则直接比较其存储的 “值”是否相等；如果作用于引用类型的变量，则比较的是所指向的对象的地址
> 
> 2）对于equals方法，注意：equals方法不能作用于基本数据类型的变量。如果没有对equals方法进行重写，则比较的是引用类型的变量所指向的对象的地址；诸如String、Date等类对equals方法进行了重写的话，比较的是所指向的对象的内容。

**下面我们来看，为什么重写equals方法时必须要重写hashCode方法：**

**在使用HashMap添加对象时，hashCode()方法会被调用，判断与已经存储在集合中对象的hashCode值是否一致。如果不一致则直接加进去(不用比较equals()提高效率)；如果一致，则进行equals方法的比较，如果返回true，说明集合中已经存在这个对象，不能添加。如果返回false，表名集合中没有这个对象，可以加进去。所以，在重写hashCode()方法或者equals()方法的任何一个方法时，都必须重写另外一个。**

object对象中默认的public boolean equals(Object obj)，对于任何非空引用值 x 和 y，当且仅当 x 和 y 引用同一个对象时，此方法才返回 true。Object默认的hashCode散列码是对象的存储地址，对象不同其所调用的hashCode方法所得到的值也不同

equals()方法和hashCode()方法有一个常规协定，如下：

> (1)当obj1.equals(obj2)为true时，obj1.hashCode() == obj2.hashCode()必须为true【同一个对象的hashCode必须相等】
> 
> (2)当obj1.hashCode() == obj2.hashCode()为false时，obj1.equals(obj2)必须为false【hashCode不相等的两个对象一定不是同一个对象】

如果不重写equals，就相当于使用==，那么比较的是对象的引用是否指向同一块内存地址。重写之后的目的是为了区别于==，去比较两个对象的value值是否相等。

通过上面的学习，我们知道，hashCode是用于散列数据的快速存取，如利用HashSet/HashMap/HashTable类来存储数据时，都是根据存储对象的hashCode值来进行判断是否相同。

这样，如果我们对一个对象重写了equals，意思是只要对象的成员变量的值都相等那么equals就等于true，但不重写hashCode，那么当我们再重新new一个新对象，当原对象.equals(新对象)等于true的时候，两者的hashCode是不一样的，由此产生了理解的不一致。如果在存储散列集合时(如set时)，将会存储两个值一样的对象，导致混淆，看下面的测试代码。因此，重写equals方法时也必须要重写hashCode方法。

**测试代码：**

import java.util.Collection;
    import java.util.HashSet;
    
    public class HelloWord {
    
        public static void main(String[] args) {
            Person n1 = new Person("Tom");
            Person n2 = new Person("Tom");
    
            Collection c = new HashSet();
            System.out.println("n1放入collection集合");
            c.add(n1);
            System.out.println("n2放入collection集合");
            c.add(n2);
            System.out.println("equals比较");
            System.out.println("n1.equals(n2) : " + n1.equals(n2));
            System.out.println("计算hashCode");
            System.out.println("n1.hashCode() : " + n1.hashCode());
            System.out.println("n2.hashCode() :" + n2.hashCode());
            System.out.println("显示集合列表");
            System.out.println("c : " + c);
        }
    }

public class Person {
    
        private String name;
    
        public Person(String name) {
            this.name = name;
        }
    
        public String toString(){
            return this.name;
        }
        public boolean equals(Object obj) {
            if (obj instanceof Person) {
                Person person = (Person) obj;
                System.out.println("[equals:name]"+ name);
                System.out.println("[equals:person.name]"+ person.name);
                return (name.equals(person.name));
            }
            return super.equals(obj);
        }
        /*
        public int hashCode() {
            Person person = (Person) this;
            System.out.println("[hashCode:person.name]" + person.name);
            System.out.println("[hashCode:name.hashCode()]" + name.hashCode());
            return name.hashCode();   
        }*/
    }

**重写了hashCode方法的运行结果：**

> n1放入collection集合  
> \[hashCode:person.name\]Tom  
> \[hashCode:name.hashCode()\]84274  
> n2放入collection集合  
> \[hashCode:person.name\]Tom  
> \[hashCode:name.hashCode()\]84274  
> \[equals:name\]Tom  
> \[equals:person.name\]Tom  
> equals比较  
> \[equals:name\]Tom  
> \[equals:person.name\]Tom  
> n1.equals(n2) : true  
> 计算hashCode  
> \[hashCode:person.name\]Tom  
> \[hashCode:name.hashCode()\]84274  
> n1.hashCode() : 84274  
> \[hashCode:person.name\]Tom  
> \[hashCode:name.hashCode()\]84274  
> n2.hashCode() :84274  
> 显示集合列表  
> c : \[Tom\]

**不重写hashCode方法的运行结果：**

> n1放入collection集合  
> n2放入collection集合  
> equals比较  
> \[equals:name\]Tom  
> \[equals:person.name\]Tom  
> n1.equals(n2) : true  
> 计算hashCode  
> n1.hashCode() : 1326101490  
> n2.hashCode() :1202453864  
> 显示集合列表  
> c : \[Tom, Tom\]

**HashMap在应用中遇到的问题**：

[HashMap在并发下可能出现的问题分析][HashMap 1]

[SouthEast]: /images/20220609/315fb7723f854000a02b55878ab269b9.png
[SouthEast 1]: /images/20220609/78457fdea51b4d32933e9662f53cd05d.png
[HashMap]: http://blog.csdn.net/mydreamongo/article/details/8960667
[HashMap 1]: http://www.cnblogs.com/binyue/p/3726403.html