HashMap源码分析

1.HashMap介绍

1.1 HashMap底层存储结构

HashMap最早出现在JDK1.2中，底层基于散列算法实现。HashMap 允许 null 键和 null 值，是非线程安全类，在多线程环境下可能会存在问题。

1.8版本的HashMap底层存储结构：

数组+链表+红黑树

1.2 HashMap类的定义

先来看看HashMap类的定义：

public class HashMap<K,V> extends AbstractMap<K,V>
implements Map<K,V>, Cloneable, Serializable {

从中我们可以了解到：

• HashMap<K,V>：HashMap是以key-value形式存储数据的。

• extends AbstractMap<K,V>：继承了AbstractMap，大大减少了实现Map接口时需要的工作量。

• implements Map<K,V>：实现了Map，提供了所有可选的Map操作。

• implements Cloneable：表明其可以调用clone()方法来返回实例的field-for-field拷贝。

• implements Serializable：表明该类是可以序列化的。

  ​

1.3 put()数据原理分析

1.4常见名词解释

1. hashmap的底层数据结构名为table的数组，是一个Node数组

2. table数组中的每个元素是一个Node元素（但是这个Node元素可能指向下一个Node元素从而形成链表），table数组的每个位置称为桶，比如talbe[0] 称为一个桶，也可以称为一个bin

   ​

2.源码

2.1 核心属性分析

静态常量

/\*\*
\* The default initial capacity - MUST be a power of two.
\* 默认的初始容量，必须是二的次方
\*/
static final int DEFAULT\_INITIAL\_CAPACITY = 1 << 4; // aka 16
/\*\*
\* The maximum capacity, used if a higher value is implicitly specified
\* by either of the constructors with arguments.
\* MUST be a power of two <= 1<<30.
\*
\* 最大容量，当通过构造函数隐式指定了一个大于MAXIMUM\_CAPACITY的时候使用
\*/
static final int MAXIMUM\_CAPACITY = 1 << 30;
/\*\*
\* The load factor used when none specified in constructor.
\* 加载因子，当构造函数没有指定加载因子的时候的默认值的时候使用
\*/
static final float DEFAULT\_LOAD\_FACTOR = 0.75f;
/\*\*
\* The bin count threshold for using a tree rather than list for a
\* bin. Bins are converted to trees when adding an element to a
\* bin with at least this many nodes. The value must be greater
\* than 2 and should be at least 8 to mesh with assumptions in
\* tree removal about conversion back to plain bins upon
\* shrinkage.
\*
\* TREEIFY\_THRESHOLD为当一个bin从list转化为tree的阈值，当一个bin中元素的总元素最低超过这个值的时候，bin才被转化为tree；
\* 为了满足转化为简单bin时的要求，TREEIFY\_THRESHOLD必须比2大而且比8要小
\*/
static final int TREEIFY\_THRESHOLD = 8;
/\*\*
\* The bin count threshold for untreeifying a (split) bin during a
\* resize operation. Should be less than TREEIFY\_THRESHOLD, and at
\* most 6 to mesh with shrinkage detection under removal.
\*
\* bin反tree化时的最大值，应该比TREEIFY\_THRESHOLD要小，
\* 为了在移除元素的时候能检测到移除动作，UNTREEIFY\_THRESHOLD必须至少为6
\*/
static final int UNTREEIFY\_THRESHOLD = 6;
/\*\*
\* The smallest table capacity for which bins may be treeified.
\* (Otherwise the table is resized if too many nodes in a bin.)
\* Should be at least 4 \* TREEIFY\_THRESHOLD to avoid conflicts
\* between resizing and treeification thresholds.
\*
\* 树化的另外一个阈值，table的长度(注意不是bin的长度)的最小得为64。为了避免扩容和树型结构化阈值之间的冲突，MIN\_TREEIFY\_CAPACITY 应该最小是 4 \* TREEIFY\_THRESHOLD
\*/
static final int MIN\_TREEIFY\_CAPACITY = 64;

成员变量

/\*\*
\* The table, initialized on first use, and resized as
\* necessary. When allocated, length is always a power of two.
\* (We also tolerate length zero in some operations to allow
\* bootstrapping mechanics that are currently not needed.)
\*
\* table，第一次被使用的时候才进行加载
\*/
transient Node<K,V>[] table;
/\*\*
\* Holds cached entrySet(). Note that AbstractMap fields are used
\* for keySet() and values().
\* 键值对缓存，它们的映射关系集合保存在entrySet中。即使Key在外部修改导致hashCode变化，缓存中还可以找到映射关系
\*/
transient Set<Map.Entry<K,V>> entrySet;
/\*\*
\* The number of key-value mappings contained in this map.
\* table中 key-value 元素的个数
\*/
transient int size;
/\*\*
\* The number of times this HashMap has been structurally modified
\* Structural modifications are those that change the number of mappings in
\* the HashMap or otherwise modify its internal structure (e.g.,
\* rehash). This field is used to make iterators on Collection-views of
\* the HashMap fail-fast. (See ConcurrentModificationException).
\*
\* HashMap在结构上被修改的次数，结构上被修改是指那些改变HashMap中映射的数量或者以其他方式修改其内部结构的次数（例如，rehash）。
\* 此字段用于使HashMap集合视图上的迭代器快速失败。
\*/
transient int modCount;
/\*\*
\* The next size value at which to resize (capacity \* load factor).
\*
\* 下一次resize扩容阈值，当前table中的元素超过此值时，触发扩容
\* threshold = capacity \* load factor
\* @serial
\*/
// (The javadoc description is true upon serialization.
// Additionally, if the table array has not been allocated, this
// field holds the initial array capacity, or zero signifying
// DEFAULT\_INITIAL\_CAPACITY.（???????）)
int threshold;
/\*\*
\* The load factor for the hash table.
\* 负载因子
\* @serial
\*/
final float loadFactor;

这里讲下负载因子：

对于 HashMap 来说，负载因子是一个很重要的参数，该参数反应了 HashMap 桶数组的使用情况。通过调节负载因子，可使 HashMap 时间和空间复杂度上有不同的表现。

当我们调低负载因子时，HashMap 所能容纳的键值对数量变少。扩容时，重新将键值对存储新的桶数组里，键的键之间产生的碰撞会下降，链表长度变短。此时，HashMap 的增删改查等操作的效率将会变高，这里是典型的拿空间换时间。

相反，如果增加负载因子（负载因子可以大于1），HashMap 所能容纳的键值对数量变多，空间利用率高，但碰撞率也高。这意味着链表长度变长，效率也随之降低，这种情况是拿时间换空间。至于负载因子怎么调节，这个看使用场景了。

一般情况下，我们用默认值就可以了。大多数情况下0.75在时间跟空间代价上达到了平衡所以不建议修改。

2.2 构造方法分析

只看构造方法中参数最多的一个即可，其他的都是调用这个构造方法：

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;
this.threshold = tableSizeFor(initialCapacity);
}
/\*\*
\* Returns a power of two size for the given target capacity.
\*
\* 1.返回一个大于等于当前值cap的一个的数字，并且这个数字一定是2的次方数
\* 假如cap为10，那么n= 9 = 0b1001
\* 0b1001 | 0b0100 = 0b1101
\* 0b1101 | 0b0011 = 0b1111
\* 0b1111 | 0b0011 = 0b1111
\* ......
\* .....
\* n = 0b1111 = 15
\*
\* 2.这里的cap必须要减1，如果不减，并且如果传入的cap为16，那么算出来的值为32
\*
\* 3.这个方法就是为了把最高位1的后面都变为1
\* 0001 1101 1100 -> 0001 1111 1111 -> +1 -> 0010 1111 1111
\*/
static final int tableSizeFor(int cap) {
int n = cap - 1;
n |= n >>> 1;
n |= n >>> 2;
n |= n >>> 4;
n |= n >>> 8;
n |= n >>> 16;
return (n < 0) ? 1 : (n >= MAXIMUM\_CAPACITY) ? MAXIMUM\_CAPACITY : n + 1;
}

2.3 put方法分析

/\*\*
\* @param key key with which the specified value is to be associated
\* @param value value to be associated with the specified key
\* @return the previous value associated with key, or
\* null if there was no mapping for key.
\* (A null return can also indicate that the map
\* previously associated null with key.)
\* 返回先前key对应的value值（如果value为null，也返回null），如果先前不存在这个key，那么返回的就是null；
\*/
public V put(K key, V value) {
return putVal(hash(key), key, value, false, true);
}
/
\* 在往haspmap中插入一个元素的时候，由元素的hashcode经过一个扰动函数之后再与table的长度进行与运算才找到插入位置，下面的这个hash()方法就是所谓的扰动函数
\* 作用：让key的hashCode值的高16位参与运算,hash()方法返回的值的低十六位是有hashCode的高低16位共同的特征的
\* 举例
\* hashCode = 0b 0010 0101 1010 1100 0011 1111 0010 1110
\*
\* 0b 0010 0101 1010 1100 0011 1111 0010 1110 ^
\* 0b 0000 0000 0000 0000 0010 0101 1010 1100
\* 0b 0010 0101 1010 1100 0001 1010 1000 0010
\*/
static final int hash(Object key) {
int h;
return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}

让高16位参与运算的原因，说明一下：当数组的长度很短时，只有低位数的hashcode值能参与运算。而让高16位参与运算可以更好的均匀散列，减少碰撞，进一步降低hash冲突的几率。并且使得高16位和低16位的信息都被保留了。
然后有不少博客提到了因为int是4个字节，所以右移16位。原因大家可以打开hashmap的源码，找到hash方法，按住ctrl点击方法里的hashcode，跳转到Object类，然后可以看到hashcode的数据类型是int。int为4个字节，1个字节8个比特位，就是32个比特位，所以16很可能是因为32对半的结果，也就是让高的那一半也来参与运算。

final V putVal(int hash, K key, V value, boolean onlyIfAbsent,
boolean evict) {
// tab表示当前hashmap的table
// p表示table的元素
// n表示散列表的长度
// i表示路由寻址结果
Node<K,V>[] tab; Node<K,V> p; int n, i;
// 延迟初始化逻辑，第一次调用putval()方法的时候才进行初始化hashmap中最耗内存的talbe
if ((tab = table) == null || (n = tab.length) == 0)
n = (tab = resize()).length;
// 1.最简单的一种情况，寻找到的桶位，刚好是null，这个时候直接构建Node节点放进去就行了
if ((p = tab[i = (n - 1) & hash]) == null)
tab[i] = newNode(hash, key, value, null);
else {
// e，如果key不为null，并且找到了当前要插入的key一致的node元素，就保存在e中
// k表示一个临时的key
Node<K,V> e; K k;
// 2.表示该桶位中的第一个元素与你当前插入的node元素的key一致，表示后序要进行替换操作
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
e = p;
// 3.表示当前桶位已经树化了
else if (p instanceof TreeNode)
e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
// 4.当前捅位是一个链表
else {
for (int binCount = 0; ; ++binCount) {
// 4.1 迭代到最后一个元素了也没有找到要插入的key一致的node
if ((e = p.next) == null) {
p.next = newNode(hash, key, value, null);
if (binCount >= TREEIFY\_THRESHOLD - 1) // -1 for 1st
treeifyBin(tab, hash);
break;
}
// 4.1 找到了与要插入的key一致的node元素
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
break;
p = e;
}
}
// 如果找到了与要插入的key一致的node元素，那么进行替换
if (e != null) { // existing mapping for key
V oldValue = e.value;
if (!onlyIfAbsent || oldValue == null)
e.value = value;
afterNodeAccess(e);
return oldValue;
}
}
// nodeCount表示散列表table结构的修改次数，替换Node元素的value不算
++modCount;
if (++size > threshold)
resize();
afterNodeInsertion(evict);
return null;
}

注意：

1. HashMap的hash算法(hash()方法)。
2. (n - 1) & hash等价于对 length 取余

2.4 resize方法分析

在 HashMap 中，桶数组的长度均是2的幂，阈值大小为桶数组长度与负载因子的乘积。当 HashMap 中的键值对数量超过阈值时，进行扩容。

举个例子：

当在table长度位16中的元素移到table长度位32的table中的时候；我们可以知道，原来在15这个槽位的元素的hash()值的后四位一定是1111（因为跟1111即table长度-1 进行与运算得到了1111）。所以所以当table长度变为32的时候，原来在15这个槽位的元素要么还在15这个槽位，要么在31这个操作（因为原来15这个槽位的元素后五位一定是11111或者01111，跟 11111即table新长度-1 进行与运算一定得到 01111或者11111）

/\*\*
\* 对table进行初始化或者扩容。
\* 如果table为null，则对table进行初始化
\* 如果对table扩容，因为每次扩容都是翻倍，与原来计算（n-1）&hash的结果相比，节点要么就在原来的位置，要么就被分配到“原位置+旧容量”这个位置。
\*/
final Node<K,V>[] resize() {
Node<K,V>[] oldTab = table;
// oldCap表示扩容之前table数组的长度
int oldCap = (oldTab == null) ? 0 : oldTab.length;
// oldThr表示本次扩容之前的阈值，触发本次扩容操作的阈值
int oldThr = threshold;
// newCap：表示扩容之后table数组的大小； newThr表示扩容之后，下次出发扩容的条件
int newCap, newThr = 0;
//===================给newCap和newThr赋值start=============================
// oldCap大于零，说明之前已经初始化过了（hashmap中的散列表不是null），要进行正常的扩容操作
if (oldCap > 0) {
// 已经最大值了，不再扩容了
if (oldCap >= MAXIMUM\_CAPACITY) {
threshold = Integer.MAX\_VALUE;
return oldTab;
}
// （1）进行翻倍扩容(假如旧的oldCap为8， < DEFAULT\_INITIAL\_CAPACITY，那么此条件不成立newThr将不会赋值)
else if ((newCap = oldCap << 1) < MAXIMUM\_CAPACITY &&
oldCap >= DEFAULT\_INITIAL\_CAPACITY)
newThr = oldThr << 1; // double threshold
}
// （2）
// oldCap == 0（说明hashmap中的散列表是null）且oldThr > 0 ；下面几种情况都会出现oldCap == 0,oldThr > 0
// 1.public HashMap(int initialCapacity);
// 2.public HashMap(Map<? extends K, ? extends V> m);并且这个map有数据
// 3.public HashMap(int initialCapacity, float loadFactor);
else if (oldThr > 0) // initial capacity was placed in threshold
newCap = oldThr;
// oldCap == 0, oldThr == 0
// public HashMap();
else { // zero initial threshold signifies using defaults
newCap = DEFAULT\_INITIAL\_CAPACITY;
newThr = (int)(DEFAULT\_LOAD\_FACTOR \* DEFAULT\_INITIAL\_CAPACITY);
}
// 对应上面（1）不成立或者（2）成立的情况
if (newThr == 0) {
float ft = (float)newCap \* loadFactor;
newThr = (newCap < MAXIMUM\_CAPACITY && ft < (float)MAXIMUM\_CAPACITY ?
(int)ft : Integer.MAX\_VALUE);
}
//===================给newCap和newThr赋值end=============================
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;
// 头结点不为空
if ((e = oldTab[j]) != null) {
// 将对应的桶位指向null，方便jvm回收
oldTab[j] = null;
// 1.如果只有一个节点
if (e.next == null)
newTab[e.hash & (newCap - 1)] = e;
// 2.树化了
else if (e instanceof TreeNode)
((TreeNode<K,V>)e).split(this, newTab, j, oldCap);
// 3.还是链表
else { // preserve order
// 低位链表：存放在扩容之后的数组下标的位置，与当前数组下标位置一致的元素
// 高位链表：存放在扩容之后的数组下标的位置为当前数组下标位置+ 扩容之前数组长度的元素
Node<K,V> loHead = null, loTail = null;
Node<K,V> hiHead = null, hiTail = null;
Node<K,V> next;
do {
next = e.next;
// 比如e.hash只能为两种可能 1 1111 或者 0 1111 ， oldCap 为 10000
if ((e.hash & oldCap) == 0) {
if (loTail == null)
loHead = e;
else
loTail.next = e;
loTail = e;
}
else {
if (hiTail == null)
hiHead = e;
else
hiTail.next = e;
hiTail = e;
}
} while ((e = next) != null);
// 如果低位链表有数据
if (loTail != null) {
loTail.next = null;
newTab[j] = loHead;
}
// 如果高位链表有数据
if (hiTail != null) {
hiTail.next = null;
newTab[j + oldCap] = hiHead;
}
}
}
}
}
return newTab;
}

整体步骤：

1. 计算新桶数组的容量 newCap 和新阈值 newThr
2. 根据计算出的 newCap 创建新的桶数组，桶数组 table 也是在这里进行初始化的
3. 将键值对节点重新映射到新的桶数组里。如果节点是 TreeNode 类型，则需要拆分红黑树。如果是普通节点，则节点按原顺序进行分组。

总结起来，一共有三种扩容方式：

1. 使用默认构造方法初始化HashMap。从前文可以知道HashMap在一开始初始化的时候会返回一个空的table，并且thershold为0。因此第一次扩容的容量为默认值DEFAULT_INITIAL_CAPACITY也就是16。同时threshold = DEFAULT_INITIAL_CAPACITY * DEFAULT_LOAD_FACTOR = 12。

2. 指定初始容量的构造方法初始化HashMap。那么从下面源码可以看到初始容量会等于threshold，接着threshold = 当前的容量（threshold） * DEFAULT_LOAD_FACTOR。

3. HashMap不是第一次扩容。如果HashMap已经扩容过的话，那么每次table的容量以及threshold量为原有的两倍。

   ​

细心点的人会很好奇，为什么要判断loadFactor为0呢？

loadFactor小数位为 0，整数位可被2整除且大于等于8时，在某次计算中就可能会导致 newThr 溢出归零。

2.5 get方法分析

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) {
// tab：引用当前hashmap的table
// first：桶位中的头元素
// n：table的长度
// e：是临时Node元素
// k：是key的临时变量
Node<K,V>[] tab; Node<K,V> first, e; int n; K k;
// 1.如果哈希表为空，或key对应的桶为空，返回null
if ((tab = table) != null && (n = tab.length) > 0 &&
(first = tab[(n - 1) & hash]) != null) {
// 2.这个桶的头元素就是想要找的
if (first.hash == hash && // always check first node
((k = first.key) == key || (key != null && key.equals(k))))
return first;
// 说明当前桶位不止一个元素，可能是链表，也可能是红黑树
if ((e = first.next) != null) {
// 3.树化了
if (first instanceof TreeNode)
return ((TreeNode<K,V>)first).getTreeNode(hash, key);
// 4.链表
do {
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
return e;
} while ((e = e.next) != null);
}
}
return null;
}

2.6 remove方法分析

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) {
// tab：引用当前hashmap的table
// p：当前的node元素
// n：当前的散列表数组长度
// index：表示寻址结果
Node<K,V>[] tab; Node<K,V> p; int n, index;
// 1.如果数组table为空或key映射到的桶为空，返回null。
if ((tab = table) != null && (n = tab.length) > 0 &&
(p = tab[index = (n - 1) & hash]) != null) {
// node：查找到的结果
// e：当前Node的下一个元素
Node<K,V> node = null, e; K k; V v;
// 2.桶位的头元素就是我们要找的
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
node = p;
else if ((e = p.next) != null) {
// 3.树化了
if (p instanceof TreeNode)
node = ((TreeNode<K,V>)p).getTreeNode(hash, key);
// 4.链表中
else {
do {
if (e.hash == hash &&
((k = e.key) == key ||
(key != null && key.equals(k)))) {
node = e;
break;
}
p = e;
} while ((e = e.next) != null);
}
}
// 如果node不为null，说明按照key查找到想要删除的数据了
if (node != null && (!matchValue || (v = node.value) == value ||
(value != null && value.equals(v)))) {
// 是树，删除节点
if (node instanceof TreeNode)
((TreeNode<K,V>)node).removeTreeNode(this, tab, movable);
// 删除的桶的第一个元素
else if (node == p)
tab[index] = node.next;
// 不是第一个元素
else
p.next = node.next;
++modCount;
--size;
afterNodeRemoval(node);
return node;
}
}
return null;
}

2.7 replace方法分析

@Override
public boolean replace(K key, V oldValue, V newValue) {
Node<K,V> e; V v;
if ((e = getNode(hash(key), key)) != null &&
((v = e.value) == oldValue || (v != null && v.equals(oldValue)))) {
e.value = newValue;
afterNodeAccess(e);
return true;
}
return false;
}
@Override
public V replace(K key, V value) {
Node<K,V> e;
if ((e = getNode(hash(key), key)) != null) {
V oldValue = e.value;
e.value = value;
afterNodeAccess(e);
return oldValue;
}
return null;
}

2.8 其他常用方法

isEmpty()

/\*\*
\* 如果map中没有键值对映射，返回true
\*
\* @return <如果map中没有键值对映射，返回true
\*/
public boolean isEmpty() {
return size == 0;
}

putMapEntries()

final void putMapEntries(Map<? extends K, ? extends V> m, boolean evict) {
int s = m.size();
if (s > 0) {
// table为null，代表这里使用HashMap(Map<? extends K, ? extends V> m)构造函数 或者其它方式实例化hashmap但是还没往里面添加过元素
if (table == null) { // pre-size
//前面讲到，initial capacity\*load factor就是当前hashMap允许的最大元素数目。那么不难理解，s/loadFactor+1即为应该初始化的容量。
float ft = ((float)s / loadFactor) + 1.0F;
int t = ((ft < (float)MAXIMUM\_CAPACITY) ?
(int)ft : MAXIMUM\_CAPACITY);
if (t > threshold)
threshold = tableSizeFor(t);
}
//table已经初始化，并且map的大小大于临界值
else if (s > threshold)
//扩容处理
resize();
//将map中所有键值对添加到hashMap中
for (Map.Entry<? extends K, ? extends V> e : m.entrySet()) {
K key = e.getKey();
V value = e.getValue();
putVal(hash(key), key, value, false, evict);
}
}
}

putAll()

/\*\*
\* 将参数map中的所有键值对映射插入到hashMap中，如果有碰撞，则覆盖value。
\* @param m 参数map
\* @throws NullPointerException 如果map为null
\*/
public void putAll(Map<? extends K, ? extends V> m) {
putMapEntries(m, true);
}

clear()

/\*\*
\* 删除map中所有的键值对
\*/
public void clear() {
Node<K,V>[] tab;
modCount++;
if ((tab = table) != null && size > 0) {
size = 0;
for (int i = 0; i < tab.length; ++i)
tab[i] = null;
}
}

containsValue( Object value)

/\*\*
\* 如果hashMap中的键值对有一对或多对的value为参数value，返回true
\*
\* @param value 参数value
\* @return 如果hashMap中的键值对有一对或多对的value为参数value，返回true
\*/
public boolean containsValue(Object value) {
Node<K,V>[] tab; V v;
//
if ((tab = table) != null && size > 0) {
//遍历数组table
for (int i = 0; i < tab.length; ++i) {
//遍历桶中的node
for (Node<K,V> e = tab[i]; e != null; e = e.next) {
if ((v = e.value) == value ||
(value != null && value.equals(v)))
return true;
}
}
}
return false;
}

3.疑问和解答

1. JDK1.7是基于数组+单链表实现（为什么不用双链表）

首先，用链表是为了解决hash冲突。

单链表能实现为什么要用双链表呢?(双链表需要更大的存储空间)

2. 为什么要用红黑树，而不用平衡二叉树？

插入效率比平衡二叉树高，查询效率比普通二叉树高。所以选择性能相对折中的红黑树。

3. 重写对象的Equals方法时，要重写hashCode方法，为什么？跟HashMap有什么关系？

equals与hashcode间的关系:

1. 如果两个对象相同（即用equals比较返回true），那么它们的hashCode值一定要相同；
2. 如果两个对象的hashCode相同，它们并不一定相同(即用equals比较返回false)

因为在 HashMap 的链表结构中遍历判断的时候，特定情况下重写的 equals 方法比较对象是否相等的业务逻辑比较复杂，循环下来更是影响查找效率。所以这里把 hashcode 的判断放在前面，只要 hashcode 不相等就玩儿完，不用再去调用复杂的 equals 了。很多程度地提升 HashMap 的使用效率。

所以重写 hashcode 方法是为了让我们能够正常使用 HashMap 等集合类，因为 HashMap 判断对象是否相等既要比较 hashcode 又要使用 equals 比较。而这样的实现是为了提高 HashMap 的效率。

final Node<K,V> getNode(int hash, Object key) {
Node<K,V>[] tab; Node<K,V> first, e; int n; K k;
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) {
if (first instanceof TreeNode)
return ((TreeNode<K,V>)first).getTreeNode(hash, key);
do {
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
return e;
} while ((e = e.next) != null);
}
}
return null;
}

4. 既然红黑树那么好，为啥hashmap不直接采用红黑树，而是当大于8个的时候才转换红黑树？

因为红黑树需要进行左旋，右旋操作， 而单链表不需要。

以下都是单链表与红黑树结构对比。

如果元素小于8个，查询成本高，新增成本低。

如果元素大于8个，查询成本低，新增成本高。

至于为什么选数字8，是大佬折中衡量的结果，就像loadFactor默认值0.75一样。

5. JDK1.8的HashMap在链表插入时是尾插法，而1.7是头插法，为什么？

HashMap在jdk1.7中采用头插入法，在扩容时会改变链表中元素原本的顺序，以至于在并发场景下导致链表成环的问题。而在jdk1.8中采用尾插入法，在扩容时会保持链表元素原本的顺序，就不会出现链表成环的问题了。

6. 总结下HashMap在1.7和1.8之间的变化：

• 1.7采用数组+单链表，1.8在单链表超过一定长度后改成红黑树存储。

• 1.7扩容时需要重新计算哈希值和索引位置，1.8并不重新计算哈希值，巧妙地采用和扩容后容量进行&操作来计算新的索引位置。

• 1.7插入元素到单链表中采用头插入法，1.8采用的是尾插入法。

  ​

4.参考

HashMap全B站最细致源码分析课程

HashMap源码分析