Java魔法解密：HashMap底层机制大揭秘

一、 源码深度解析

1.1 窥探Java集合框架中的设计思想

Java集合框架是Java编程中非常重要的一部分，提供了各种数据结构和算法，使得开发者能够高效地组织和操作数据。

Java集合框架的设计思想主要包括以下几个方面：

1. 通用性（Generality）：
   • Java集合框架被设计成通用的、可重用的组件。这样一来，同一套集合框架可以用于存储和处理各种类型的对象。
2. 可扩展性（Scalability）：
   • 集合框架提供了一系列接口和类，允许开发者实现自定义的集合类型。这种可扩展性使得开发者能够根据具体的需求创建新的集合类。
3. 高性能（Performance）：
   • 集合框架在设计时考虑了性能的因素，通过选择合适的数据结构和算法来提高操作的效率。例如，ArrayList和LinkedList都是List接口的实现，但它们在插入和删除操作上有不同的性能表现。
4. 互操作性（Interoperability）：
   • 集合框架中的各个接口和类都被设计成可以互相操作的。这种互操作性使得不同的集合类之间能够轻松地进行转换和使用。
5. 可读性和简洁性（Readability and Simplicity）：
   • 集合框架的设计追求代码的可读性和简洁性。通过提供一组清晰的接口和方法，开发者可以更容易地理解和使用集合框架。
6. 线程安全性（Thread Safety）：
   • 部分集合类（如Hashtable、Vector）被设计成线程安全的，适用于多线程环境。此外，Java提供了一些在多线程环境中使用时更安全的并发集合类，如ConcurrentHashMap。
7. Fail-Fast机制（快速失败机制）：
   • 集合框架在迭代过程中使用了快速失败机制，当多个线程对同一集合进行修改时，可能会抛出ConcurrentModificationException，以提醒开发者在迭代过程中不要修改集合。

总体来说，Java集合框架的设计思想注重通用性、性能、可扩展性和简洁性，为开发者提供了丰富而强大的工具，用于处理各种不同类型的数据。

1.2 逐行解读HashMap的源代码

1.2.1 类信息

1.2.2 常量属性

1.2.3 变量属性

1.2.4 节点信息

1.2.5 构造方法

1、构造一个具有默认初始容量（16）和默认加载因子（0.75）的空HashMap。

2、构造一个带指定初始容量和默认加载因子（0.75）的空HashMap。

3、构造一个带指定初始容量和加载因子的空HashMap。

4、构造一个映射关系与指定Map相同的新HashMap。

5、扩展LRU实现方式与思路。

在实现一个基于LRU策略的缓存时，通常会使用一个数据结构来存储缓存中的数据，并且需要记录数据的访问顺序。常见的数据结构是双向链表和哈希表的结合。

基于双向链表和哈希表的实现方式：

1. 使用双向链表：双向链表可以记录数据的访问顺序，当某个数据被访问时，可以将其移动到链表的头部或尾部。头部表示最近访问的数据，尾部表示最久未被访问的数据。
2. 使用哈希表：哈希表用于快速查找缓存中的数据，可以将数据的键（key）映射到对应的链表节点，以实现快速的查找和插入操作。

实现LRU缓存的基本思路如下：

• 当需要访问缓存中的数据时，首先在哈希表中查找该数据是否存在。
• 如果存在，则将该数据移动到链表的头部，表示最近被访问过。
• 如果不存在，需要从后端的存储中加载数据，并插入到链表的头部，同时更新哈希表。
• 当缓存已满时，需要淘汰链表尾部的数据，同时更新哈希表。

通过这种方式，实现了一个基于LRU淘汰策略的缓存系统，可以确保最近最少被使用的数据会被及时地淘汰，从而保持缓存中的数据是最有用的。

1.2.6 put方法

由于put方法代码量偏多，故使用代码+注释形式解读源码。

1.2.6.1 putVal方法

/**
 * HashMap的put操作源码+注释
 */
public V put(K key, V value) {
    // 先根据hash()方法，计算存放元素在table数组中的下标
    return putVal(hash(key), key, value, false, true);
}

// hash方法
static final int hash(Object key) {
    int h;
    // 如果key为null，返回hash=0
    // 如果key不为null，那么进行key的hashCode值的高低位异或运算，返回结果作为hash值
    return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}

// putVal方法
final V putVal(int hash, K key, V value, boolean onlyIfAbsent,
               boolean evict) {
    Node<K,V&gt;[] tab; Node<K,V&gt; p; int n, i;
    // 如果第一次插入，table为空或者length等于0
    if ((tab = table) == null || (n = tab.length) == 0)
        // 调用resize方法进行初始化
        n = (tab = resize()).length;
    // 通过hash值计算索引位置，将该索引位置的头节点赋值给p且p为空
    // 实则进行取余操作 == p=tab[hash%length]
    if ((p = tab[i = (n - 1) &amp; hash]) == null)
        // 在该索引位置新增一个节点
        tab[i] = newNode(hash, key, value, null);
    else {
        // table表该索引位置不为空，则会发生hash冲突
        Node<K,V&gt; e; K k;
        // 当p节点的hash值和key跟传入的相等
        if (p.hash == hash &amp;&amp;
            ((k = p.key) == key || (key != null &amp;&amp; key.equals(k))))
            // p节点即为要查找的目标节点，将p节点赋值给e节点
            e = p;
        // 当p节点为TreeNode
        else if (p instanceof TreeNode)
            // 调用红黑树的putTreeVal方法查找目标节点
            e = ((TreeNode<K,V&gt;)p).putTreeVal(this, tab, hash, key, value);
        else {
            // 判断完，则p节点为普通链表节点
            //遍历节点操作，使用binCount统计链表的节点数
            for (int binCount = 0; ; ++binCount) {
                // p的next节点为空时，代表找不到目标节点
                if ((e = p.next) == null) {
                    // 新增一个节点并插入链表尾部
                    p.next = newNode(hash, key, value, null);
                    // 当binCount节点数超过8个
                    // TREEIFY_THRESHOLD - 1：由于循环是从p节点的下一个节点开始的
                    if (binCount &gt;= TREEIFY_THRESHOLD - 1)
                        // 调用treeifyBin方法将链表节点转为红黑树节点
                        treeifyBin(tab, hash);
                    break;
                }
                // e节点的hash值和key值与传入的相同
                if (e.hash == hash &amp;&amp;
                    ((k = e.key) == key || (key != null &amp;&amp; key.equals(k))))
                    // e节点即为目标节点，跳出循环
                    break;
                // 将p指向下一个节点，继续往后遍历
                p = e;  
            }
        }
        // e节点不为空，代表目标节点存在
        if (e != null) {
            // 使用传入的value覆盖该节点的value，即保留原来元素的value
            V oldValue = e.value;
            // 当oldValue为空
            if (!onlyIfAbsent || oldValue == null)
                // 替换value
                e.value = value;
            // 用于LinkedHashMap
            afterNodeAccess(e);
            // 返回一个原有的value
            return oldValue;
        }
    }
    // 添加操作执行后，对modCount、size做加一操作
    ++modCount;
    // 插入节点后节点数超过阈值
    if (++size > threshold)
        // 调用resize方法进行扩容
        resize();
    // 用于LinkedHashMap
    afterNodeInsertion(evict); 
    return null;
}

1.2.6.2 putTreeVal方法

/**
 * 当阈值达到触发红黑树的put的源码+注释
 */
final TreeNode<K,V> putTreeVal(HashMap<K,V> map, Node<K,V>[] tab,
                               int h, K k, V v) {
    Class<?> kc = null;
    boolean searched = false;
    // TreeNode<K,V>继承于LinkedHashMap.Entry<K,V>
    // parent节点不等于空，则查找根节点
    // 即得出索引位置的头节点并不一定为红黑树的根节点
    TreeNode<K,V> root = (parent != null) ? root() : this;
    // 将根节点赋值给p节点，开始进行查找
    for (TreeNode<K,V> p = root;;) {
        int dir, ph; K pk;
        // 当传入的hash值小于p节点的hash值
        if ((ph = p.hash) > h)
            // 将dir赋值为-1，代表向p的左边查找树
            dir = -1;
        // 否则传入的hash值大于p节点的hash值
        else if (ph < h)
            // 将dir赋值为1，代表向p的右边查找树
            dir = 1;
        // 当传入的key值等于p节点的key值
        else if ((pk = p.key) == k || (k != null &amp;&amp; k.equals(pk)))
            // 即p节点为目标节点, 返回p节点
            return p;
        // 当k所属的类没有实现Comparable接口 或 k和p节点的key相等
        else if ((kc == null &amp;&amp;
                  (kc = comparableClassFor(k)) == null) ||
                 (dir = compareComparables(kc, k, pk)) == 0) {
            // 由于局部变量初始为false，即当第一次判断是符合条件的
            if (!searched) {
                TreeNode<K,V> q, ch;
                // 查找过后标记为true
                searched = true;
                // 从p节点的左节点和右节点分别调用find方法进行查找
                if (((ch = p.left) != null &amp;&amp;
                     (q = ch.find(h, k, kc)) != null) ||
                    ((ch = p.right) != null &amp;&
                     (q = ch.find(h, k, kc)) != null))
                    // 查找到目标节点则返回
                    return q;
            }
            // 否则使用定义的一套规则来比较k和p节点的key的大小, 用来决定向左还是向右查找
            // dir<0则代表k<pk，则向p左边查找；反之亦然
            dir = tieBreakOrder(k, pk); 
        }
 		// xp赋值为x的父节点,中间变量,用于下面给x的父节点赋值
        TreeNode<K,V> xp = p;   
        // dir<=0则向p左边查找,否则向p右边查找,如果为null
        if ((p = (dir <= 0) ? p.left : p.right) == null) {
            // xp的next节点
            Node<K,V> xpn = xp.next;    
            // 创建新的节点, 其中x的next节点为xpn, 即将x节点插入xp与xpn之间
            TreeNode<K,V> x = map.newTreeNode(h, k, v, xpn);
            // 调整x、xp、xpn之间的属性关系
            // 如果dir <= 0
            if (dir <= 0) 
                //  代表x节点为xp的左节点
                xp.left = x;
            else        
                // 如果dir> 0, 则代表x节点为xp的右节点
                xp.right = x;
            // 将xp的next节点设置为x
            xp.next = x;    
            // 将x的parent和prev节点设置为xp
            x.parent = x.prev = xp; 
            // 当xpn不为空
            if (xpn != null)
                // 将xpn的prev节点设置为x节点,与上文的x节点的next节点对应
                ((TreeNode<K,V>)xpn).prev = x;
            // 进行红黑树的插入平衡调整
            moveRootToFront(tab, balanceInsertion(root, x));
            return null;
        }
    }
}

1.2.6.3 tieBreakOrder方法

/**
 * 使用定义的一套规则来比较k和p节点的key的大小
 */
static int tieBreakOrder(Object a, Object b) {  
    int d;
    if (a == null || b == null ||
        (d = a.getClass().getName().
         compareTo(b.getClass().getName())) == 0)
        // a < b为-1，a > b为1
        d = (System.identityHashCode(a) <= System.identityHashCode(b) ?
             -1 : 1);
    return d;
}

1.2.6.4 treeifyBin方法

/**
 * 将链表转为红黑树
 */
final void treeifyBin(Node<K,V>[] tab, int hash) {
    int n, index; Node<K,V> e;
    // 当tab为空或者tab的长度小于64
    if (tab == null || (n = tab.length) < MIN_TREEIFY_CAPACITY)
        // 进行扩容
        resize();
    // 根据hash值计算索引值，将该索引位置的节点赋值给e且e不为null
    else if ((e = tab[index = (n - 1) & hash]) != null) {
        TreeNode<K,V> hd = null, tl = null;
        // 从e开始遍历该索引位置的链表
        do {
            // 将链表节点转红黑树节点
            TreeNode<K,V> p = replacementTreeNode(e, null);
            // tl为空代表为第一次循环
            if (tl == null)	
                // 将头节点赋值给hd
                hd = p;
            else {
                // 如果不是第一次遍历
                // 当前节点的prev属性设为上一个节点
                p.prev = tl;  
                // 上一个节点的next属性设置为当前节点
                tl.next = p;    
            }
            // 将p节点赋值给tl，用于在下一次循环中作为上一个节点进行一些链表的关联操作（p.prev = tl 和 tl.next = p）
            tl = p;
        } while ((e = e.next) != null);
        // 将tab该索引位置赋值为新的TreeNode的头节点，如果该节点不为空
        if ((tab[index] = hd) != null)
            // 以头节点(hd)为根节点, 构建红黑树
            hd.treeify(tab);
    }
}

// 将链表节点转红黑树节点
TreeNode<K,V> replacementTreeNode(Node<K,V> p, Node<K,V> next) {
   return new TreeNode<>(p.hash, p.key, p.value, next);
}

1.2.6.5 treeify方法

/**
 * 将哈希表中的链表结构转换为树形结构，以提高查找效率
 */
final void treeify(Node<K,V>[] tab) {
    TreeNode<K,V> root = null;
    // 开始一个循环，初始化变量x为当前节点，然后在每次迭代中将x更新为next
    for (TreeNode<K,V> x = this, next; x != null; x = next) {
        // next赋值为x的下个节点
        next = (TreeNode<K,V>)x.next;  
        // 将x的左右节点设置为空
        x.left = x.right = null;    
        // 如果还没有根节点
        if (root == null) {
            // 根节点没有父节点，设为null
            x.parent = null; 
            // 根节点必须为黑色,false为黑色
            x.red = false; 
            // 在将x设置为根节点
            root = x;   
        }
        // 如果有根节点
        else {
            // k赋值为x的key
            K k = x.key;
            // h赋值为x的hash值
            int h = x.hash;	
            // 定义一个类型未知的变量kc
            Class<?> kc = null;
            // 开始一个无限循环，初始化变量p为root节点，表示对树进行遍历
            for (TreeNode<K,V> p = root;;) {
                int dir, ph;
                K pk = p.key;
                // 比较当前节点x的哈希值h与节点p的哈希值ph，根据比较结果给变量dir赋值
                // 如果x节点的hash值小于p节点的hash值，则将dir赋值为-1, 代表向p的左边查找
                if ((ph = p.hash) > h)
                    dir = -1;
                // 如果x节点的hash值大于p节点的hash值，则将dir赋值为1, 代表向p的右边查找
                else if (ph < h)
                    dir = 1;
                // x的hash值和p的hash值相等，则比较key值
                // 如果k没有实现Comparable接口 或者 x节点的key和p节点的key相等
                else if ((kc == null && 
                          (kc = comparableClassFor(k)) == null) ||
                         (dir = compareComparables(kc, k, pk)) == 0)
                    // 使用定义的一套规则来比较x节点和p节点的大小，用来决定向左还是向右查找
                    dir = tieBreakOrder(k, pk);
 
                // 将p节点的父节点赋值给xp,中间变量用于下面给x的父节点赋值
                TreeNode<K,V> xp = p;   
                // dir<=0则向p左边查找,否则向p右边查找,如果为null,则代表该位置即为x的目标位置
                if ((p = (dir <= 0) ? p.left : p.right) == null) {
                    // x的父节点即为最后一次遍历的p节点
                    x.parent = xp; 
                    // 如果dir <= 0, 代表x节点为父节点的左节点
                    if (dir <= 0)   
                        xp.left = x;
                    // 如果dir > 0, 代表x节点为父节点的右节点
                    else    
                        xp.right = x;
                    // 进行红黑树的插入平衡(通过左旋、右旋和改变节点颜色来保证当前树符合红黑树的要求)
                    root = balanceInsertion(root, x);
                    break;
                }
            }
        }
    }
    // 如果root节点不在tab索引位置的头节点, 则将其调整为头节点
    moveRootToFront(tab, root);
}

1.2.7 get方法

/**
 * HashMap的get操作源码+注释
 */
public V get(Object key) {
    Node<K,V> e;
    // 调用hash(key)方法计算键key的哈希值，然后调用getNode方法获取与该键对应的节点，将结果赋给变量e
    // 如果e为null，则返回null；否则返回e节点的值e.value
    return (e = getNode(hash(key), key)) == null ? null : e.value;
}
 
// 获取与该键对应的节点
final Node<K,V> getNode(int hash, Object key) {
    Node<K,V>[] tab; Node<K,V> first, e; int n; K k;
    // 对table进行校验：table不为空 && table长度大于0 && table索引位置(使用table.length - 1和hash值进行位与运算)的节点不为空
    if ((tab = table) != null && (n = tab.length) > 0 &&
        (first = tab[(n - 1) & hash]) != null) {
        // 检查first节点的hash值和key是否和入参的一样，如果一样则first即为目标节点，直接返回first节点
        if (first.hash == hash && // always check first node
            ((k = first.key) == key || (key != null && key.equals(k))))
            return first;
        // 如果first不是目标节点，并且first的next节点不为空则继续遍历
        if ((e = first.next) != null) {
            if (first instanceof TreeNode)
                // 如果是红黑树节点，则调用红黑树的查找目标节点方法getTreeNode
                return ((TreeNode<K,V>)first).getTreeNode(hash, key);
            // 继续遍历
            do {
                // 执行链表节点的查找，向下遍历链表, 直至找到节点的key和入参的key相等时,返回该节点
                if (e.hash == hash &&
                    ((k = e.key) == key || (key != null && key.equals(k))))
                    return e;
            } while ((e = e.next) != null);
        }
    }
    // 找不到符合的返回空
    return null;
}

1.2.8 remove方法

/**
 * HashMap的remove操作源码+注释
 */
public V remove(Object key) {
    Node<K,V> e;
    return (e = removeNode(hash(key), key, null, false, true)) == null ?
        null : e.value;
}
 
final Node<K,V> removeNode(int hash, Object key, Object value,
                           boolean matchValue, boolean movable) {
    Node<K,V>[] tab; Node<K,V> p; int n, index;
    // 如果table不为空 && table长度大于0 && 根据hash值计算出来的索引位置不为空, 将该位置的节点赋值给p
    if ((tab = table) != null && (n = tab.length) > 0 &&
        (p = tab[index = (n - 1) & hash]) != null) {
        Node<K,V> node = null, e; K k; V v;
        // 如果p的hash值和key都与入参的相同, 则p即为目标节点, 赋值给node
        if (p.hash == hash &&
            ((k = p.key) == key || (key != null && key.equals(k))))
            node = p;
        // 否则将p.next赋值给e，向下遍历节点
        else if ((e = p.next) != null) {
            // 如果p是TreeNode则调用红黑树的方法查找节点
            if (p instanceof TreeNode)
                node = ((TreeNode<K,V>)p).getTreeNode(hash, key);
            else {
                // 否则，进行普通链表节点的查找
                do {
                    // 当节点的hash值和key与传入的相同,则该节点即为目标节点
                    if (e.hash == hash &&
                        ((k = e.key) == key ||
                         (key != null && key.equals(k)))) {
                        // 赋值给node, 并跳出循环
                        node = e;	
                        break;
                    }
                    // p节点赋值为本次结束的e，在下一次循环中，e为p的next节点
                    p = e;  
                    // e指向下一个节点
                } while ((e = e.next) != null); 
            }
        }
        // 如果node不为空，即根据传入key和hash值查找到目标节点，则进行移除操作
        if (node != null && (!matchValue || (v = node.value) == value ||
                             (value != null && value.equals(v)))) {
            // 如果是TreeNode则调用红黑树的移除方法
            if (node instanceof TreeNode)
                ((TreeNode<K,V>)node).removeTreeNode(this, tab, movable);
            // 如果node是该索引位置的头节点则直接将该索引位置的值赋值为node的next节点
            // “node == p”只会出现在node是头节点的时候，如果node不是头节点，则node为p的next节点
            else if (node == p)
                tab[index] = node.next;
            // 否则将node的上一个节点的next属性设置为node的next节点
            // 即将node节点移除, 将node的上下节点进行关联(链表的移除)
            else
                p.next = node.next;
            ++modCount;
            --size;
            // 供LinkedHashMap使用
            afterNodeRemoval(node); 
            // 返回被移除的节点
            return node;
        }
    }
    return null;
}

1.2.9 resize方法

/**
 * HashMap的resize操作源码+注释
 */
final Node<K,V>[] resize() {
    Node<K,V>[] oldTab = table;
    int oldCap = (oldTab == null) ? 0 : oldTab.length;
    int oldThr = threshold;
    int newCap, newThr = 0;
    // 旧表的容量不为0
    if (oldCap > 0) {
        // 判断旧表的容量是否超过最大容量值
        if (oldCap >= MAXIMUM_CAPACITY) {
            // 将阈值设置为Integer.MAX_VALUE，并直接返回旧表
            threshold = Integer.MAX_VALUE;
            return oldTab;
        }
        // 将newCap赋值为oldCap的2倍，如果newCap<最大容量小于最大容量值并且oldCap>=16
        else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&
                 oldCap >= DEFAULT_INITIAL_CAPACITY)
            // 将新阈值设置为原来的两倍
            newThr = oldThr << 1; // double threshold
    }
    // 如果旧表的容量的阈值大于0, 是因为初始容量被放入阈值，则将新表的容量设置为旧表的阈值
    else if (oldThr > 0)
        newCap = oldThr;
    else {
        // 旧表的容量为0, 旧表的阈值为0，这种情况是没有传初始容量的new方法创建的空表，将阈值和容量设置为默认值
        newCap = DEFAULT_INITIAL_CAPACITY;
        newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);
    }
    // 如果新表的阈值为空, 则通过新的容量*负载因子获得阈值
    if (newThr == 0) {
        float ft = (float)newCap * loadFactor;
        newThr = (newCap < MAXIMUM_CAPACITY && ft < (float)MAXIMUM_CAPACITY ?
                  (int)ft : Integer.MAX_VALUE);
    }
    // 将当前阈值设置为刚计算出来的新的阈值，定义新表，容量为刚计算出来的新容量，将table设置为新定义的表
    threshold = newThr;
    @SuppressWarnings({"rawtypes","unchecked"})
    Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap];
    table = newTab;
    // 如果旧表不为空，则需遍历所有节点，将节点赋值给新表
    if (oldTab != null) {
        for (int j = 0; j < oldCap; ++j) {
            Node<K,V> e;
            // 将索引值为j的旧表头节点赋值给e
            if ((e = oldTab[j]) != null) {  
                // 将旧表的节点设置为空, 以便垃圾收集器回收空间
                oldTab[j] = null; 
                // 如果e.next为空, 则代表旧表的该位置只有1个节点，计算新表的索引位置, 直接将该节点放在该位置
                if (e.next == null)
                    newTab[e.hash & (newCap - 1)] = e;
                // 如果是红黑树节点，则进行红黑树的重hash分布(跟链表的hash分布基本相同)
                else if (e instanceof TreeNode)
                    ((TreeNode<K,V>)e).split(this, newTab, j, oldCap);
                else { // preserve order
                    // 如果是普通的链表节点，则进行普通的重hash分布
                    // 存储索引位置为:“原索引位置”的节点
                    Node<K,V> loHead = null, loTail = null; 
                    // 存储索引位置为:“原索引位置+oldCap”的节点
                    Node<K,V> hiHead = null, hiTail = null; 
                    Node<K,V> next;
                    do {
                        next = e.next;
                        // 如果e的hash值与旧表的容量进行与运算为0,则扩容后的索引位置跟旧表的索引位置一样
                        if ((e.hash & oldCap) == 0) {
                            // 如果loTail为空
                            if (loTail == null) 
                                // 将loHead赋值为第一个节点
                                loHead = e; 
                            else
                                // 否则将节点添加在loTail后面
                                loTail.next = e;  
                            // 并将loTail赋值为新增的节点
                            loTail = e; 
                        }
                        else {
                             // 如果hiTail为空, 代表该节点为第一个节点
                            if (hiTail == null)
                                // 将hiHead赋值为第一个节点
                                hiHead = e; 
                            else
                                // 否则将节点添加在hiTail后面
                                hiTail.next = e;   
                            // 并将hiTail赋值为新增的节点
                            hiTail = e; 
                        }
                    } while ((e = next) != null);
                    // 如果loTail不为空（说明旧表的数据有分布到新表上“原索引位置”的节点），则将最后一个节点的next设为空，并将新表上索引位置为“原索引位置”的节点设置为对应的头节点
                    if (loTail != null) {
                        loTail.next = null;
                        newTab[j] = loHead;
                    }
                    // 如果hiTail不为空（说明旧表的数据有分布到新表上“原索引+oldCap位置”的节点），则将最后一个节点的next设为空，并将新表上索引位置为“原索引+oldCap”的节点设置为对应的头节点
                    if (hiTail != null) {
                        hiTail.next = null;
                        newTab[j + oldCap] = hiHead;
                    }
                }
            }
        }
    }
    // 返回新表
    return newTab;
}

二、 应用与最佳实践

2.1 在实际项目中如何合理使用HashMap

合理使用HashMap的建议：

1. 缓存数据：可以使用HashMap作为缓存的数据结构，将计算结果或者频繁访问的数据存储在HashMap中，以提高数据的访问速度。
2. 数据索引：在需要按照某个字段快速查找数据的场景下，可以使用HashMap来构建索引，以便快速定位数据对象。
3. 配置信息存储：可以使用HashMap来存储应用程序的配置信息，例如键值对形式的配置参数。
4. 数据分组：当需要对数据进行分组时，可以使用HashMap来进行分组存储，以便快速获取特定分组的数据。
5. 缓存计算结果：在一些需要频繁计算的场景下，可以使用HashMap来缓存计算结果，避免重复计算。
6. 快速访问和修改：HashMap提供了快速的查找、插入和删除操作，适合于需要频繁进行这些操作的场景。
7. 代替多层嵌套的条件判断：有时候可以使用HashMap代替多层嵌套的条件判断，提高代码的可读性和可维护性。
8. 事件处理：可以在事件驱动的系统中使用HashMap来保存事件处理器，根据事件类型快速找到对应的处理器进行处理。
9. 路由表：在网络相关的应用中，可以使用HashMap来构建路由表，快速查找目标地址对应的路由信息。

2.2 最佳实践和注意事项

最佳实践：

1. 初始化容量： 在创建HashMap时，尽量提供初始容量，以减少扩容操作的频率。这可以通过构造函数中的参数来完成，如 HashMap(int initialCapacity)。

   Map<String, Integer> map = new HashMap<>(16); // 初始化容量为16
   

2. 负载因子： 负载因子是指哈希表在自动扩容之前可以达到多满的一个度量。默认负载因子是0.75，你可以根据你的需求调整。

   Map<String, Integer> map = new HashMap<>(16, 0.8f); // 指定负载因子为0.8
   
   

3. 选择好的哈希函数： 如果你使用自定义对象作为键，确保实现了合适的hashCode()和equals()方法。

4. 线程安全性： 如果在多线程环境下使用HashMap，考虑使用ConcurrentHashMap，它提供了更好的并发性能。

   Map<String, Integer> concurrentMap = new ConcurrentHashMap<>();
   
   

5. 遍历方式： 使用entrySet()来遍历HashMap，而不是分别使用keySet()和values()。这可以避免多次计算哈希码。

   for (Map.Entry<String, Integer> entry : map.entrySet()) {
       // 处理每个键值对
   }
   
   

注意事项：

1. 空指针检查： 在使用get()方法获取值之前，最好先检查键是否存在，以避免空指针异常。

   if (map.containsKey(key)) {
       // 避免空指针异常
       Integer value = map.get(key);
       // 处理值
   }
   
   

2. 键和值的类型： 注意HashMap的键和值的类型，确保它们符合你的预期。使用泛型可以在编译时提供类型检查。

3. 扩容代价： HashMap在达到一定负载因子时会自动扩容，这可能导致性能损失。在性能敏感的场景中，可以考虑手动调整容量以减少扩容的发生。

4. 不要过度使用HashMap： 在某些情况下，可能有更适合的数据结构，如LinkedHashMap、TreeMap等，取决于你的需求。

5. 了解并发限制： 如果在并发环境下使用HashMap，要注意可能出现的并发限制，确保你的代码是线程安全的。

三、 结论

3.1 对HashMap的全面总结

HashMap的全面总结：

1. 概述：

• 定义： HashMap是Java集合框架中的一部分，实现了Map接口，用于存储键值对。
• 特性： 允许存储null键和null值，非同步（不是线程安全的）。

2. 基本操作：

• 插入元素： put(key, value)方法用于插入键值对。
• 获取元素： get(key)方法用于根据键获取值。
• 删除元素： remove(key)方法用于根据键删除键值对。

3. 内部实现：

• 数组+链表/红黑树： HashMap内部使用一个数组来存储桶(bucket)，每个桶是一个链表或者红黑树，用于解决哈希冲突。
• 哈希算法： 通过对键的哈希码进行运算，确定键在数组中的位置。

4. 哈希冲突：

• 链表解决冲突： 相同哈希码的键值对以链表形式存储在同一桶中。
• 红黑树优化： 当链表长度过长时，会将链表转换为红黑树，以提高检索效率。

5. 扩容和负载因子：

• 负载因子： 默认为0.75，表示当HashMap中的元素个数达到容量乘以负载因子时，进行扩容操作。
• 扩容： 当达到负载因子时，HashMap会创建一个新的容量是原容量两倍的数组，将原有元素重新分配到新的数组中。

6. 性能：

• 平均时间复杂度： 插入、删除、查找的平均时间复杂度都是O(1)，在理想情况下。
• 注意： 由于哈希冲突和扩容操作，性能可能会有所下降。

7. 使用注意事项：

• 线程安全： HashMap不是线程安全的，如果需要在多线程环境中使用，可以考虑使用ConcurrentHashMap。
• equals和hashCode方法： 为了正确存储和检索对象，键的类必须正确实现equals和hashCode方法。

8. JDK版本变化：

• JDK 8： 引入了红黑树优化，以提高性能。
• JDK 9： 基于树的桶(bin)中的元素现在是按插入顺序排序。

3.2 鼓励读者深入学习和实践

• 源码分析： 阅读HashMap的源代码是学习其实现原理的一种有效方式。通过查看Java标准库的HashMap源码，你可以深入了解它是如何处理哈希冲突、计算哈希码、扩容等细节的。
• 实际应用： 将HashMap应用于实际项目中，观察其在不同场景下的性能表现。理解何时使用HashMap以及如何调整其初始容量等参数是很重要的。
• 深入学习数据结构和算法： 了解哈希表是如何在计算机科学中工作的，并学习其他数据结构和算法，有助于更好地理解HashMap的优势和局限性。
• 参与开源项目： 如果可能，参与开源项目，特别是与数据结构和算法相关的项目。通过实际的编码和与其他开发者的交流，你可以深化对HashMap以及其他数据结构的理解。

盈若安好，便是晴天

代码007普通

打赏 收藏 海报 链接