前言：Java8之后新增挺多新东西，在网上找了些相关资料，关于HashMap在自己被血虐之后痛定思痛决定整理一下相关知识方便自己看。图和有些内容参考的这个文章：http://www.importnew.com/16599.html

HashMap的存储结构如图：一个桶（bucket）上的节点多于8个则存储结构是红黑树，小于8个是单向链表。

1：HashMap的一些属性

public class HashMap<k,v> extends AbstractMap<k,v> implements Map<k,v>, Cloneable, Serializable {private static final long serialVersionUID = 362498820763181265L;// 默认的初始容量是16static final int DEFAULT_INITIAL_CAPACITY = 1 << 4;// 最大容量static final int MAXIMUM_CAPACITY = 1 << 30;// 默认的填充因子(以前的版本也有叫加载因子的)static final float DEFAULT_LOAD_FACTOR = 0.75f;// 这是一个阈值，当桶(bucket)上的链表数大于这个值时会转成红黑树，put方法的代码里有用到。put的时候如果两个值// 经过hash后都落在同一个bucket上这叫发生一次hash碰撞，往里不断put数据，当一个bucket发生8次碰撞就转成红黑树。static final int TREEIFY_THRESHOLD = 8;// 也是阈值同上一个相反，当桶(bucket)上的链表数小于这个值时树转链表static final int UNTREEIFY_THRESHOLD = 6;// 看源码注释里说是：树的最小的容量，至少是 4 x TREEIFY_THRESHOLD = 32 然后为了避免(resizing 和 treeification thresholds) 设置成64static final int MIN_TREEIFY_CAPACITY = 64;// 存储元素的数组，总是2的倍数transient Node<k,v>[] table;transient Set<map.entry<k,v>> entrySet;// 存放元素的个数，注意这个不等于数组的长度。transient int size;// 每次扩容和更改map结构的计数器transient int modCount;// 临界值 当实际大小(容量*填充因子)超过临界值时，会进行扩容int threshold;// 填充因子final float loadFactor;

2：HashMap的构造方法

// 指定初始容量和填充因子的构造方法
public HashMap(int initialCapacity, float loadFactor) {// 指定的初始容量非负if (initialCapacity < 0)throw new IllegalArgumentException(Illegal initial capacity:  +initialCapacity);// 如果指定的初始容量大于最大容量,置为最大容量if (initialCapacity > MAXIMUM_CAPACITY)initialCapacity = MAXIMUM_CAPACITY;// 填充比为正if (loadFactor <= 0 || Float.isNaN(loadFactor))throw new IllegalArgumentException(Illegal load factor:  +loadFactor);this.loadFactor = loadFactor;// 指定容量后，tableSizeFor方法计算出临界值，put数据的时候如果超出该值就会扩容，该值肯定也是2的倍数// 指定的初始容量没有保存下来，只用来生成了一个临界值this.threshold = tableSizeFor(initialCapacity);
}// 该方法保证总是返回大于cap并且是2的倍数的值，比如传入999 返回1024
static final int tableSizeFor(int cap) {int n = cap - 1;// 向右做无符号位移n |= n >>> 1;n |= n >>> 2;n |= n >>> 4;n |= n >>> 8;n |= n >>> 16;// 三目运算符的嵌套return (n < 0) ? 1 : (n >= MAXIMUM_CAPACITY) ? MAXIMUM_CAPACITY : n + 1;
}//构造函数2
public HashMap(int initialCapacity) {this(initialCapacity, DEFAULT_LOAD_FACTOR);
}//构造函数3
public HashMap() {this.loadFactor = DEFAULT_LOAD_FACTOR; // all other fields defaulted
}

3：get和put的时候确定元素在数组中的位置

static final int hash(Object key) {int h;return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}

要确定位置

第一步：首先是要计算key的hash码，是一个int类型数字。那后面的 h >>> 16 源码注释的说法是：为了避免hash碰撞(hash collisons)将高位分散到低位上了，这是综合考虑了速度，性能等各方面因素之后做出的。

第二步： h是hash码，length是上面Node[]数组的长度，做与运算 h & （length-1）。由于length是2的倍数-1后它的二进制码都是1而1与上其他数的结果可能是0也可能是1，这样保证运算后的均匀性。也就是hash方法保证了结果的均匀性，这点非常重要，会极大的影响HashMap的put和get性能。看下图对比：

  图3.1是非对称的hash结果

图3.1是非均衡的hash结果

图3.2是均衡的hash结果

这两个图的数据不是很多，如果链表长度超过8个会转成红黑树。那个时候看着会更明显，jdk8之前一直是链表，链表查询的复杂度是O(n)而红黑树由于其自身的特点，查询的复杂度是O(log(n))。如果hash的结果不均匀会极大影响操作的复杂度。相关的知识这里有一个<a href="http://blog.chinaunix.net/uid-26575352-id-3061918.html">红黑树基础知识博客 </a>网上还有个例子来验证：自定义了一个对象来做key，调整hashCode()方法来看put值得时间

public class MutableKeyTest {public static void main(String args[]){class MyKey {Integer i;public void setI(Integer i) {this.i = i;}public MyKey(Integer i) {this.i = i;}@Overridepublic int hashCode() {// 如果返回1// return 1return i;}// object作为key存map里，必须实现equals方法@Overridepublic boolean equals(Object obj) {if (obj instanceof MyKey) {return i.equals(((MyKey)obj).i);} else {return false;}}}// 我机器配置不高，25000的话正常情况27毫秒，可以用2500万试试，如果hashCode()方法返回1的话，250万就卡死Map<MyKey,String> map = new HashMap<>(25000,1);Date begin = new Date();for (int i = 0; i < 20000; i++){map.put(new MyKey(i), "test " + i);}Date end = new Date();System.out.println("时间(ms) " + (end.getTime() - begin.getTime()));

4：get方法

public V get(Object key) {Node<k,v> e;return (e = getNode(hash(key), key)) == null ? null : e.value;
}final Node<k,v> getNode(int hash, Object key) {Node<k,v>[] tab; Node<k,v> first, e; int n; K k;// hash & (length-1)得到红黑树的树根位置或者是链表的表头if ((tab = table) != null && (n = tab.length) > 0 &&(first = tab[(n - 1) & hash]) != null) {if (first.hash == hash && // always check first node((k = first.key) == key || (key != null && key.equals(k))))return first;if ((e = first.next) != null) {// 如果是树，遍历红黑树复杂度是O(log(n))，得到节点值if (first instanceof TreeNode)return ((TreeNode<k,v>)first).getTreeNode(hash, key);// else是链表结构do {if (e.hash == hash &&((k = e.key) == key || (key != null && key.equals(k))))return e;} while ((e = e.next) != null);}}return null;
}

5 ：put方法，put的时候根据 h & (length - 1) 定位到那个桶然后看是红黑树还是链表再putVal

public V put(K key, V value) {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;// 如果tab为空或长度为0，则分配内存resize()if ((tab = table) == null || (n = tab.length) == 0)n = (tab = resize()).length;// (n - 1) & hash找到put位置，如果为空,则直接putif ((p = tab[i = (n - 1) & hash]) == null)tab[i] = newNode(hash, key, value, null);else {Node<k,v> e; K k;// 第一节节点hash值同，且key值与插入key相同if (p.hash == hash &&((k = p.key) == key || (key != null && key.equals(k))))e = p;else if (p instanceof TreeNode)// 红黑树的put方法比较复杂，putVal之后还要遍历整个树，必要的时候修改值来保证红黑树的特点e = ((TreeNode<k,v>)p).putTreeVal(this, tab, hash, key, value);else {// 链表for (int binCount = 0; ; ++binCount) {if ((e = p.next) == null) {// e为空，表示已到表尾也没有找到key值相同节点，则新建节点p.next = newNode(hash, key, value, null);// 新增节点后如果节点个数到达阈值，则将链表转换为红黑树if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1sttreeifyBin(tab, hash);break;}// 容许空key空valueif (e.hash == hash &&((k = e.key) == key || (key != null && key.equals(k))))break;p = e;}}// 更新hash值和key值均相同的节点Value值if (e != null) { // existing mapping for keyV oldValue = e.value;if (!onlyIfAbsent || oldValue == null)e.value = value;afterNodeAccess(e);return oldValue;}}++modCount;if (++size > threshold)resize();afterNodeInsertion(evict);return null;}

6：resize方法

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) {if (oldCap >= MAXIMUM_CAPACITY) {threshold = Integer.MAX_VALUE;return oldTab;}// 这一句比较重要，可以看出每次扩容是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 thresholdnewCap = oldThr;else {               // zero initial threshold signifies using defaultsnewCap = DEFAULT_INITIAL_CAPACITY;newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);}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) {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 { // preserve orderNode<K,V> loHead = null, loTail = null;Node<K,V> hiHead = null, hiTail = null;Node<K,V> next;do {next = e.next;if ((e.hash & oldCap) == 0) {if (loTail == null)loHead = e;elseloTail.next = e;loTail = e;}else {if (hiTail == null)hiHead = e;elsehiTail.next = e;hiTail = e;}} while ((e = next) != null);if (loTail != null) {loTail.next = null;newTab[j] = loHead;}if (hiTail != null) {hiTail.next = null;newTab[j + oldCap] = hiHead;}}}}}return newTab;}