簡介

Java為數(shù)據(jù)結(jié)構(gòu)中的映射定義了一個接口java.util.Map，此接口主要有四個常用的實現(xiàn)類，分別是HashMap、Hashtable、LinkedHashMap和TreeMap，類繼承關(guān)系如下圖所示：

下面針對各個實現(xiàn)類的特點做一些說明：

(1) HashMap：它根據(jù)鍵的hashCode值存儲數(shù)據(jù)，大多數(shù)情況下可以直接定位到它的值，因而具有很快的訪問速度，但遍歷順序卻是不確定的。 HashMap最多只允許一條記錄的鍵為null，允許多條記錄的值為null。HashMap非線程安全，即任一時刻可以有多個線程同時寫HashMap，可能會導(dǎo)致數(shù)據(jù)的不一致。如果需要滿足線程安全，可以用 Collections的synchronizedMap方法使HashMap具有線程安全的能力，或者使用ConcurrentHashMap。

(2) Hashtable：Hashtable是遺留類，很多映射的常用功能與HashMap類似，不同的是它承自Dictionary類，并且是線程安全的，任一時間只有一個線程能寫Hashtable，并發(fā)性不如ConcurrentHashMap，因為ConcurrentHashMap引入了分段鎖。Hashtable不建議在新代碼中使用，不需要線程安全的場合可以用HashMap替換，需要線程安全的場合可以用ConcurrentHashMap替換。

(3) LinkedHashMap：LinkedHashMap是HashMap的一個子類，保存了記錄的插入順序，在用Iterator遍歷LinkedHashMap時，先得到的記錄肯定是先插入的，也可以在構(gòu)造時帶參數(shù)，按照訪問次序排序。

(4) TreeMap：TreeMap實現(xiàn)SortedMap接口，能夠把它保存的記錄根據(jù)鍵排序，默認是按鍵值的升序排序，也可以指定排序的比較器，當(dāng)用Iterator遍歷TreeMap時，得到的記錄是排過序的。如果使用排序的映射，建議使用TreeMap。在使用TreeMap時，key必須實現(xiàn)Comparable接口或者在構(gòu)造TreeMap傳入自定義的Comparator，否則會在運行時拋出java.lang.ClassCastException類型的異常。

對于上述四種Map類型的類，要求映射中的key是不可變對象。不可變對象是該對象在創(chuàng)建后它的哈希值不會被改變。如果對象的哈希值發(fā)生變化，Map對象很可能就定位不到映射的位置了。

通過上面的比較，我們知道了HashMap是Java的Map家族中一個普通成員，鑒于它可以滿足大多數(shù)場景的使用條件，所以是使用頻度最高的一個。下文我們主要結(jié)合源碼，從存儲結(jié)構(gòu)、常用方法分析、擴容以及安全性等方面深入講解HashMap的工作原理。

內(nèi)部實現(xiàn)

搞清楚HashMap，首先需要知道HashMap是什么，即它的存儲結(jié)構(gòu)-字段;其次弄明白它能干什么，即它的功能實現(xiàn)-方法。下面我們針對這兩個方面詳細展開講解。

存儲結(jié)構(gòu)-字段

從結(jié)構(gòu)實現(xiàn)來講，HashMap是數(shù)組+鏈表+紅黑樹(JDK1.8增加了紅黑樹部分)實現(xiàn)的，如下如所示。

這里需要講明白兩個問題：數(shù)據(jù)底層具體存儲的是什么?這樣的存儲方式有什么優(yōu)點呢?

(1) 從源碼可知，HashMap類中有一個非常重要的字段，就是 Node

static class Node<K,V> implements Map.Entry<K,V> { 
        final int hash;    //用來定位數(shù)組索引位置 
        final K key; 
        V value; 
        Node<K,V> next;   //鏈表的下一個node 
  
        Node(int hash, K key, V value, Node<K,V> next) { ... } 
        public final K getKey(){ ... } 
        public final V getValue() { ... } 
        public final String toString() { ... } 
        public final int hashCode() { ... } 
        public final V setValue(V newValue) { ... } 
        public final boolean equals(Object o) { ... } 
} 

Node是HashMap的一個內(nèi)部類，實現(xiàn)了Map.Entry接口，本質(zhì)是就是一個映射(鍵值對)。上圖中的每個黑色圓點就是一個Node對象。

(2) HashMap就是使用哈希表來存儲的。哈希表為解決沖突，可以采用開放地址法和鏈地址法等來解決問題，Java中HashMap采用了鏈地址法。鏈地址法，簡單來說，就是數(shù)組加鏈表的結(jié)合。在每個數(shù)組元素上都一個鏈表結(jié)構(gòu)，當(dāng)數(shù)據(jù)被Hash后，得到數(shù)組下標，把數(shù)據(jù)放在對應(yīng)下標元素的鏈表上。例如程序執(zhí)行下面代碼：

map.put("美團","小美"); 

系統(tǒng)將調(diào)用"美團"這個key的hashCode()方法得到其hashCode 值(該方法適用于每個Java對象)，然后再通過Hash算法的后兩步運算(高位運算和取模運算，下文有介紹)來定位該鍵值對的存儲位置，有時兩個key會定位到相同的位置，表示發(fā)生了Hash碰撞。當(dāng)然Hash算法計算結(jié)果越分散均勻，Hash碰撞的概率就越小，map的存取效率就會越高。

如果哈希桶數(shù)組很大，即使較差的Hash算法也會比較分散，如果哈希桶數(shù)組數(shù)組很小，即使好的Hash算法也會出現(xiàn)較多碰撞，所以就需要在空間成本和時間成本之間權(quán)衡，其實就是在根據(jù)實際情況確定哈希桶數(shù)組的大小，并在此基礎(chǔ)上設(shè)計好的hash算法減少Hash碰撞。那么通過什么方式來控制map使得Hash碰撞的概率又小，哈希桶數(shù)組(Node

在理解Hash和擴容流程之前，我們得先了解下HashMap的幾個字段。從HashMap的默認構(gòu)造函數(shù)源碼可知，構(gòu)造函數(shù)就是對下面幾個字段進行初始化，源碼如下：

int threshold;             // 所能容納的key-value對極限  
final float loadFactor;    // 負載因子 
int modCount;   
int size; 

首先，Node

結(jié)合負載因子的定義公式可知，threshold就是在此Load factor和length(數(shù)組長度)對應(yīng)下允許的最大元素數(shù)目，超過這個數(shù)目就重新resize(擴容)，擴容后的HashMap容量是之前容量的兩倍。默認的負載因子0.75是對空間和時間效率的一個平衡選擇，建議大家不要修改，除非在時間和空間比較特殊的情況下，如果內(nèi)存空間很多而又對時間效率要求很高，可以降低負載因子Load factor的值;相反，如果內(nèi)存空間緊張而對時間效率要求不高，可以增加負載因子loadFactor的值，這個值可以大于1。

size這個字段其實很好理解，就是HashMap中實際存在的鍵值對數(shù)量。注意和table的長度length、容納最大鍵值對數(shù)量threshold的區(qū)別。而modCount字段主要用來記錄HashMap內(nèi)部結(jié)構(gòu)發(fā)生變化的次數(shù)，主要用于迭代的快速失敗。強調(diào)一點，內(nèi)部結(jié)構(gòu)發(fā)生變化指的是結(jié)構(gòu)發(fā)生變化，例如put新鍵值對，但是某個key對應(yīng)的value值被覆蓋不屬于結(jié)構(gòu)變化。

在HashMap中，哈希桶數(shù)組table的長度length大小必須為2的n次方(一定是合數(shù))，這是一種非常規(guī)的設(shè)計，常規(guī)的設(shè)計是把桶的大小設(shè)計為素數(shù)。相對來說素數(shù)導(dǎo)致沖突的概率要小于合數(shù)，具體證明可以參考http://blog.csdn.net/liuqiyao_01/article/details/14475159，Hashtable初始化桶大小為11，就是桶大小設(shè)計為素數(shù)的應(yīng)用(Hashtable擴容后不能保證還是素數(shù))。HashMap采用這種非常規(guī)設(shè)計，主要是為了在取模和擴容時做優(yōu)化，同時為了減少沖突，HashMap定位哈希桶索引位置時，也加入了高位參與運算的過程。

這里存在一個問題，即使負載因子和Hash算法設(shè)計的再合理，也免不了會出現(xiàn)拉鏈過長的情況，一旦出現(xiàn)拉鏈過長，則會嚴重影響HashMap的性能。于是，在JDK1.8版本中，對數(shù)據(jù)結(jié)構(gòu)做了進一步的優(yōu)化，引入了紅黑樹。而當(dāng)鏈表長度太長(默認超過8)時，鏈表就轉(zhuǎn)換為紅黑樹，利用紅黑樹快速增刪改查的特點提高HashMap的性能，其中會用到紅黑樹的插入、刪除、查找等算法。本文不再對紅黑樹展開討論，想了解更多紅黑樹數(shù)據(jù)結(jié)構(gòu)的工作原理可以參考http://blog.csdn.net/v_july_v/article/details/6105630。

功能實現(xiàn)-方法

HashMap的內(nèi)部功能實現(xiàn)很多，本文主要從根據(jù)key獲取哈希桶數(shù)組索引位置、put方法的詳細執(zhí)行、擴容過程三個具有代表性的點深入展開講解。

1. 確定哈希桶數(shù)組索引位置

不管增加、刪除、查找鍵值對，定位到哈希桶數(shù)組的位置都是很關(guān)鍵的第一步。前面說過HashMap的數(shù)據(jù)結(jié)構(gòu)是數(shù)組和鏈表的結(jié)合，所以我們當(dāng)然希望這個HashMap里面的元素位置盡量分布均勻些，盡量使得每個位置上的元素數(shù)量只有一個，那么當(dāng)我們用hash算法求得這個位置的時候，馬上就可以知道對應(yīng)位置的元素就是我們要的，不用遍歷鏈表，大大優(yōu)化了查詢的效率。HashMap定位數(shù)組索引位置，直接決定了hash方法的離散性能。先看看源碼的實現(xiàn)(方法一+方法二):

方法一：

static final int hash(Object key) {   //jdk1.8 & jdk1.7 
     int h; 
     // h = key.hashCode() 為第一步 取hashCode值 
     // h ^ (h >>> 16)  為第二步 高位參與運算 
     return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16); 
} 

方法二：

static int indexFor(int h, int length) {  
    //jdk1.7的源碼，jdk1.8沒有這個方法，但是實現(xiàn)原理一樣的  
    return h & (length-1); //第三步 取模運算  
} 

這里的Hash算法本質(zhì)上就是三步：取key的hashCode值、高位運算、取模運算。

對于任意給定的對象，只要它的hashCode()返回值相同，那么程序調(diào)用方法一所計算得到的Hash碼值總是相同的。我們首先想到的就是把hash值對數(shù)組長度取模運算，這樣一來，元素的分布相對來說是比較均勻的。但是，模運算的消耗還是比較大的，在HashMap中是這樣做的：調(diào)用方法二來計算該對象應(yīng)該保存在table數(shù)組的哪個索引處。

這個方法非常巧妙，它通過h & (table.length -1)來得到該對象的保存位，而HashMap底層數(shù)組的長度總是2的n次方，這是HashMap在速度上的優(yōu)化。當(dāng)length總是2的n次方時，h& (length-1)運算等價于對length取模，也就是h%length，但是&比%具有更高的效率。

在JDK1.8的實現(xiàn)中，優(yōu)化了高位運算的算法，通過hashCode()的高16位異或低16位實現(xiàn)的：(h = k.hashCode()) ^ (h >>> 16)，主要是從速度、功效、質(zhì)量來考慮的，這么做可以在數(shù)組table的length比較小的時候，也能保證考慮到高低Bit都參與到Hash的計算中，同時不會有太大的開銷。

下面舉例說明下，n為table的長度。

2. 分析HashMap的put方法

HashMap的put方法執(zhí)行過程可以通過下圖來理解，自己有興趣可以去對比源碼更清楚地研究學(xué)習(xí)。

①.判斷鍵值對數(shù)組table[i]是否為空或為null，否則執(zhí)行resize()進行擴容;

②.根據(jù)鍵值key計算hash值得到插入的數(shù)組索引i，如果table[i]==null，直接新建節(jié)點添加，轉(zhuǎn)向⑥，如果table[i]不為空，轉(zhuǎn)向③;

③.判斷table[i]的首個元素是否和key一樣，如果相同直接覆蓋value，否則轉(zhuǎn)向④，這里的相同指的是hashCode以及equals;

④.判斷table[i] 是否為treeNode，即table[i] 是否是紅黑樹，如果是紅黑樹，則直接在樹中插入鍵值對，否則轉(zhuǎn)向⑤;

⑤.遍歷table[i]，判斷鏈表長度是否大于8，大于8的話把鏈表轉(zhuǎn)換為紅黑樹，在紅黑樹中執(zhí)行插入操作，否則進行鏈表的插入操作;遍歷過程中若發(fā)現(xiàn)key已經(jīng)存在直接覆蓋value即可;

⑥.插入成功后，判斷實際存在的鍵值對數(shù)量size是否超多了最大容量threshold，如果超過，進行擴容。

JDK1.8HashMap的put方法源碼如下:

public V put(K key, V value) { 
    // 對key的hashCode()做hash 
    return 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; 
    // 步驟①：tab為空則創(chuàng)建 
    if ((tab = table) == null || (n = tab.length) == 0) 
        n = (tab = resize()).length; 
    // 步驟②：計算index，并對null做處理  
    if ((p = tab[i = (n - 1) & hash]) == null)  
        tab[i] = newNode(hash, key, value, null); 
    else { 
        Node<K,V> e; K k; 
        // 步驟③：節(jié)點key存在，直接覆蓋value 
        if (p.hash == hash && 
            ((k = p.key) == key || (key != null && key.equals(k)))) 
            e = p; 
        // 步驟④：判斷該鏈為紅黑樹 
        else if (p instanceof TreeNode) 
            e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value); 
        // 步驟⑤：該鏈為鏈表 
        else { 
            for (int binCount = 0; ; ++binCount) { 
                if ((e = p.next) == null) { 
                    p.next = newNode(hash, key,value,null); 
                       //鏈表長度大于8轉(zhuǎn)換為紅黑樹進行處理 
                    if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st   
                        treeifyBin(tab, hash); 
                    break; 
                } 
                   // key已經(jīng)存在直接覆蓋value 
                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; 
    // 步驟⑥：超過最大容量 就擴容 
    if (++size > threshold) 
        resize(); 
    afterNodeInsertion(evict); 
    return null; 
} 

3. 擴容機制

擴容(resize)就是重新計算容量，向HashMap對象里不停的添加元素，而HashMap對象內(nèi)部的數(shù)組無法裝載更多的元素時，對象就需要擴大數(shù)組的長度，以便能裝入更多的元素。當(dāng)然Java里的數(shù)組是無法自動擴容的，方法是使用一個新的數(shù)組代替已有的容量小的數(shù)組，就像我們用一個小桶裝水，如果想裝更多的水，就得換大水桶。

我們分析下resize的源碼，鑒于JDK1.8融入了紅黑樹，較復(fù)雜，為了便于理解我們?nèi)匀皇褂肑DK1.7的代碼，好理解一些，本質(zhì)上區(qū)別不大，具體區(qū)別后文再說。

void resize(int newCapacity) {   //傳入新的容量 
    Entry[] oldTable = table;    //引用擴容前的Entry數(shù)組 
    int oldCapacity = oldTable.length;          
    if (oldCapacity == MAXIMUM_CAPACITY) {  //擴容前的數(shù)組大小如果已經(jīng)達到最大(2^30)了 
        threshold = Integer.MAX_VALUE; //修改閾值為int的最大值(2^31-1)，這樣以后就不會擴容了 
        return; 
    }  
    Entry[] newnewTable = new Entry[newCapacity];  //初始化一個新的Entry數(shù)組 
    transfer(newTable);                         //??！將數(shù)據(jù)轉(zhuǎn)移到新的Entry數(shù)組里 
    table = newTable;                           //HashMap的table屬性引用新的Entry數(shù)組 
    threshold = (int)(newCapacity * loadFactor);//修改閾值 
} 

這里就是使用一個容量更大的數(shù)組來代替已有的容量小的數(shù)組，transfer()方法將原有Entry數(shù)組的元素拷貝到新的Entry數(shù)組里。

void transfer(Entry[] newTable) { 
    Entry[] src = table;                   //src引用了舊的Entry數(shù)組 
    int newCapacity = newTable.length; 
    for (int j = 0; j < src.length; j++) { //遍歷舊的Entry數(shù)組 
        Entry<K,V> e = src[j];             //取得舊Entry數(shù)組的每個元素 
        if (e != null) { 
            src[j] = null;//釋放舊Entry數(shù)組的對象引用（for循環(huán)后，舊的Entry數(shù)組不再引用任何對象） 
            do { 
                Entry<K,V> next = e.next; 
                int i = indexFor(e.hash, newCapacity); //?。≈匦掠嬎忝總€元素在數(shù)組中的位置 
                e.next = newTable[i]; //標記[1] 
                newTable[i] = e;      //將元素放在數(shù)組上 
                e = next;             //訪問下一個Entry鏈上的元素 
            } while (e != null); 
        } 
    } 
} 

newTable[i]的引用賦給了e.next，也就是使用了單鏈表的頭插入方式，同一位置上新元素總會被放在鏈表的頭部位置;這樣先放在一個索引上的元素終會被放到Entry鏈的尾部(如果發(fā)生了hash沖突的話)，這一點和Jdk1.8有區(qū)別，下文詳解。在舊數(shù)組中同一條Entry鏈上的元素，通過重新計算索引位置后，有可能被放到了新數(shù)組的不同位置上。

下面舉個例子說明下擴容過程。假設(shè)了我們的hash算法就是簡單的用key mod 一下表的大小(也就是數(shù)組的長度)。其中的哈希桶數(shù)組table的size=2， 所以key = 3、7、5，put順序依次為 5、7、3。在mod 2以后都沖突在table[1]這里了。這里假設(shè)負載因子 loadFactor=1，即當(dāng)鍵值對的實際大小size 大于 table的實際大小時進行擴容。接下來的三個步驟是哈希桶數(shù)組 resize成4，然后所有的Node重新rehash的過程。

下面我們講解下JDK1.8做了哪些優(yōu)化。經(jīng)過觀測可以發(fā)現(xiàn)，我們使用的是2次冪的擴展(指長度擴為原來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動2次冪的位置?？聪聢D可以明白這句話的意思，n為table的長度，圖(a)表示擴容前的key1和key2兩種key確定索引位置的示例，圖(b)表示擴容后key1和key2兩種key確定索引位置的示例，其中hash1是key1對應(yīng)的哈希與高位運算結(jié)果。

元素在重新計算hash之后，因為n變?yōu)?倍，那么n-1的mask范圍在高位多1bit(紅色)，因此新的index就會發(fā)生這樣的變化：

因此，我們在擴充HashMap的時候，不需要像JDK1.7的實現(xiàn)那樣重新計算hash，只需要看看原來的hash值新增的那個bit是1還是0就好了，是0的話索引沒變，是1的話索引變成“原索引+oldCap”，可以看看下圖為16擴充為32的resize示意圖：

這個設(shè)計確實非常的巧妙，既省去了重新計算hash值的時間，而且同時，由于新增的1bit是0還是1可以認為是隨機的，因此resize的過程，均勻的把之前的沖突的節(jié)點分散到新的bucket了。這一塊就是JDK1.8新增的優(yōu)化點。有一點注意區(qū)別，JDK1.7中rehash的時候，舊鏈表遷移新鏈表的時候，如果在新表的數(shù)組索引位置相同，則鏈表元素會倒置，但是從上圖可以看出，JDK1.8不會倒置。有興趣的同學(xué)可以研究下JDK1.8的resize源碼，寫的很贊，如下:

final Node<K,V>[] resize() { 
     Node<K,V>[] oldTab = table; 
     int oldCap = (oldTab == null) ? 0 : oldTab.length; 
     int oldThr = threshold; 
     int newCap, newThr = 0; 
     if (oldCap > 0) { 
         // 超過最大值就不再擴充了，就只好隨你碰撞去吧 
         if (oldCap >= MAXIMUM_CAPACITY) { 
             threshold = Integer.MAX_VALUE; 
            return oldTab; 
        } 
        // 沒超過最大值，就擴充為原來的2倍 
        else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY && 
                 oldCap >= DEFAULT_INITIAL_CAPACITY) 
            newThr = oldThr << 1; // double threshold 
    } 
    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(yōu)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里 
                    if (loTail != null) { 
                        loTail.next = null; 
                        newTab[j] = loHead; 
                    } 
                    // 原索引+oldCap放到bucket里 
                    if (hiTail != null) { 
                        hiTail.next = null; 
                        newTab[j + oldCap] = hiHead; 
                    } 
                } 
            } 
        } 
    } 
    return newTab; 
} 

線程安全性

在多線程使用場景中，應(yīng)該盡量避免使用線程不安全的HashMap，而使用線程安全的ConcurrentHashMap。那么為什么說HashMap是線程不安全的，下面舉例子說明在并發(fā)的多線程使用場景中使用HashMap可能造成死循環(huán)。代碼例子如下(便于理解，仍然使用JDK1.7的環(huán)境)：

public class HashMapInfiniteLoop {   
  
    private static HashMap<Integer,String> map = new HashMap<Integer,String>(2，0.75f);   
    public static void main(String[] args) {   
        map.put(5， "C");   
  
        new Thread("Thread1") {   
            public void run() {   
                map.put(7, "B");   
                System.out.println(map);   
            };   
        }.start();   
        new Thread("Thread2") {   
            public void run() {   
                map.put(3, "A);   
                System.out.println(map);   
            };   
        }.start();         
    }   
} 

其中，map初始化為一個長度為2的數(shù)組，loadFactor=0.75，threshold=2*0.75=1，也就是說當(dāng)put第二個key的時候，map就需要進行resize。

通過設(shè)置斷點讓線程1和線程2同時debug到transfer方法(3.3小節(jié)代碼塊)的首行。注意此時兩個線程已經(jīng)成功添加數(shù)據(jù)。放開thread1的斷點至transfer方法的“Entry

注意，Thread1的 e 指向了key(3)，而next指向了key(7)，其在線程二rehash后，指向了線程二重組后的鏈表。

線程一被調(diào)度回來執(zhí)行，先是執(zhí)行 newTalbe[i] = e， 然后是e = next，導(dǎo)致了e指向了key(7)，而下一次循環(huán)的next = e.next導(dǎo)致了next指向了key(3)。

e.next = newTable[i] 導(dǎo)致 key(3).next 指向了 key(7)。注意：此時的key(7).next 已經(jīng)指向了key(3)， 環(huán)形鏈表就這樣出現(xiàn)了。

于是，當(dāng)我們用線程一調(diào)用map.get(11)時，悲劇就出現(xiàn)了——Infinite Loop。

JDK1.8與JDK1.7的性能對比

HashMap中，如果key經(jīng)過hash算法得出的數(shù)組索引位置全部不相同，即Hash算法非常好，那樣的話，getKey方法的時間復(fù)雜度就是O(1)，如果Hash算法技術(shù)的結(jié)果碰撞非常多，假如Hash算極其差，所有的Hash算法結(jié)果得出的索引位置一樣，那樣所有的鍵值對都集中到一個桶中，或者在一個鏈表中，或者在一個紅黑樹中，時間復(fù)雜度分別為O(n)和O(lgn)。 鑒于JDK1.8做了多方面的優(yōu)化，總體性能優(yōu)于JDK1.7，下面我們從兩個方面用例子證明這一點。

Hash較均勻的情況

為了便于測試，我們先寫一個類Key，如下：

class Key implements Comparable<Key> { 
  
    private final int value; 
  
    Key(int value) { 
        this.value = value; 
    } 
  
    @Override 
    public int compareTo(Key o) { 
        return Integer.compare(this.value, o.value); 
    } 
  
    @Override 
    public boolean equals(Object o) { 
        if (this == o) return true; 
        if (o == null || getClass() != o.getClass()) 
            return false; 
        Key key = (Key) o; 
        return value == key.value; 
    } 
  
    @Override 
    public int hashCode() { 
        return value; 
    } 
} 

這個類復(fù)寫了equals方法，并且提供了相當(dāng)好的hashCode函數(shù)，任何一個值的hashCode都不會相同，因為直接使用value當(dāng)做hashcode。為了避免頻繁的GC，我將不變的Key實例緩存了起來，而不是一遍一遍的創(chuàng)建它們。代碼如下：

public class Keys { 
  
    public static final int MAX_KEY = 10_000_000; 
    private static final Key[] KEYS_CACHE = new Key[MAX_KEY]; 
  
    static { 
        for (int i = 0; i < MAX_KEY; ++i) { 
            KEYS_CACHE[i] = new Key(i); 
        } 
    } 
  
    public static Key of(int value) { 
        return KEYS_CACHE[value]; 
    } 
} 

現(xiàn)在開始我們的試驗，測試需要做的僅僅是，創(chuàng)建不同size的HashMap(1、10、100、......10000000)，屏蔽了擴容的情況，代碼如下：

static void test(int mapSize) { 
  
        HashMap<Key, Integer> map = new HashMap<Key,Integer>(mapSize); 
        for (int i = 0; i < mapSize; ++i) { 
            map.put(Keys.of(i), i); 
        } 
  
        long beginTime = System.nanoTime(); //獲取納秒 
        for (int i = 0; i < mapSize; i++) { 
            map.get(Keys.of(i)); 
        } 
        long endTime = System.nanoTime(); 
        System.out.println(endTime - beginTime); 
    } 
  
    public static void main(String[] args) { 
        for(int i=10;i<= 1000 0000;i*= 10){ 
            test(i); 
        } 

在測試中會查找不同的值，然后度量花費的時間，為了計算getKey的平均時間，我們遍歷所有的get方法，計算總的時間，除以key的數(shù)量，計算一個平均值，主要用來比較，絕對值可能會受很多環(huán)境因素的影響。結(jié)果如下：

通過觀測測試結(jié)果可知，JDK1.8的性能要高于JDK1.7 15%以上，在某些size的區(qū)域上，甚至高于100%。由于Hash算法較均勻，JDK1.8引入的紅黑樹效果不明顯，下面我們看看Hash不均勻的的情況。

Hash極不均勻的情況

假設(shè)我們又一個非常差的Key，它們所有的實例都返回相同的hashCode值。這是使用HashMap最壞的情況。代碼修改如下：

class Key implements Comparable<Key> { 
  
    //... 
  
    @Override 
    public int hashCode() { 
        return 1; 
    } 
} 

仍然執(zhí)行main方法，得出的結(jié)果如下表所示：

從表中結(jié)果中可知，隨著size的變大，JDK1.7的花費時間是增長的趨勢，而JDK1.8是明顯的降低趨勢，并且呈現(xiàn)對數(shù)增長穩(wěn)定。當(dāng)一個鏈表太長的時候，HashMap會動態(tài)的將它替換成一個紅黑樹，這話的話會將時間復(fù)雜度從O(n)降為O(logn)。hash算法均勻和不均勻所花費的時間明顯也不相同，這兩種情況的相對比較，可以說明一個好的hash算法的重要性。

測試環(huán)境：處理器為2.2 GHz Intel Core i7，內(nèi)存為16 GB 1600 MHz DDR3，SSD硬盤，使用默認的JVM參數(shù)，運行在64位的OS X 10.10.1上。

小結(jié)

(1) 擴容是一個特別耗性能的操作，所以當(dāng)程序員在使用HashMap的時候，估算map的大小，初始化的時候給一個大致的數(shù)值，避免map進行頻繁的擴容。

(2) 負載因子是可以修改的，也可以大于1，但是建議不要輕易修改，除非情況非常特殊。

(3) HashMap是線程不安全的，不要在并發(fā)的環(huán)境中同時操作HashMap，建議使用ConcurrentHashMap。

(4) JDK1.8引入紅黑樹大程度優(yōu)化了HashMap的性能。

(5) 還沒升級JDK1.8的，現(xiàn)在開始升級吧。HashMap的性能提升僅僅是JDK1.8的冰山一角。

參考

1.JDK1.7&JDK1.8 源碼。

2.CSDN博客頻道，HashMap多線程死循環(huán)問題，2014。

3.紅黑聯(lián)盟，Java類集框架之HashMap(JDK1.8)源碼剖析，2015。

4.CSDN博客頻道， 教你初步了解紅黑樹，2010。

5.Java Code Geeks，HashMap performance improvements in Java 8，2014。

6.Importnew，危險!在HashMap中將可變對象用作Key，2014。

7.CSDN博客頻道，為什么一般hashtable的桶數(shù)會取一個素數(shù)，2013。

【本文為51CTO專欄作者“王森豐”的原創(chuàng)稿件，轉(zhuǎn)載請注明出處】