总结hashmap实现原理
问答：https://blog.csdn.net/SQY0809/article/details/112549229
前言
HashMap应该算是Java后端工程师面试的必问题，因为其中的知识点太多，很适合用来考察面试者的Java基础。
HashMap 是 Java 最长用的集合之一， 在 JDK 源码中，HashMap 的设计非常 Elegant，也包含很多非常巧妙的设计思路，之所以这样，也让 HashMap 成为了面试招工作时候的重点考点。
开场
面试官: 你先自我介绍一下吧！
安琪拉: 我是安琪拉，草丛三婊之一，最强中单（钟馗不服）！哦，不对，串场了，我是**，目前在--公司做--系统开发。
面试官: 看你简历上写熟悉Java集合，HashMap用过的吧？
安琪拉: 用过的。(还是熟悉的味道)
面试官: 那你跟我讲讲HashMap的内部数据结构？
安琪拉: 目前我用的是JDK1.8版本的，内部使用数组 + 链表红黑树；
安琪拉: 方便我给您画个数据结构图吧：
面试官: 那你清楚HashMap的数据插入原理吗？
安琪拉: 呃[做沉思状]。我觉得还是应该画个图比较清楚，如下：
判断数组是否为空，为空进行初始化;
不为空，计算 k 的 hash 值，通过(n - 1) & hash计算应当存放在数组中的下标 index;
查看 table[index] 是否存在数据，没有数据就构造一个Node节点存放在 table[index] 中；
存在数据，说明发生了hash冲突(存在二个节点key的hash值一样), 继续判断key是否相等，相等，用新的value替换原数据(onlyIfAbsent为false)；
如果不相等，判断当前节点类型是不是树型节点，如果是树型节点，创造树型节点插入红黑树中；
如果不是树型节点，创建普通Node加入链表中；判断链表长度是否大于 8， 大于的话链表转换为红黑树；
插入完成之后判断当前节点数是否大于阈值，如果大于开始扩容为原数组的二倍。【答案解析】
面试官: 刚才你提到HashMap的初始化，那HashMap怎么设定初始容量大小的吗？
安琪拉: [这也算问题？?] 一般如果new HashMap() 不传值，默认大小是16，负载因子是0.75， 如果自己传入初始大小k，初始化大小为 大于k的 2的整数次方，例如如果传10，大小为16。（补充说明:实现代码如下）
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;
}
复制代码
补充说明：下图是详细过程，算法就是让初始二进制右移1，2，4，8，16位，分别与自己异或，把高位第一个为1的数通过不断右移，把高位为1的后面全变为1，111111 + 1 = 1000000 = （符合大于50并且是2的整数次幂 ）
面试官: 你提到hash函数，你知道HashMap的哈希函数怎么设计的吗？
安琪拉: [问的还挺细] hash函数是先拿到通过key 的hashcode，是32位的int值，然后让hashcode的高16位和低16位进行异或操作。
面试官: 那你知道为什么这么设计吗？
安琪拉: [这也要问]，这个也叫扰动函数，这么设计有二点原因：
一定要尽可能降低hash碰撞，越分散越好；
算法一定要尽可能高效，因为这是高频操作, 因此采用位运算；
面试官: 为什么采用hashcode的高16位和低16位异或能降低hash碰撞？hash函数能不能直接用key的hashcode？
[这问题有点刁钻], 安琪拉差点原地了，恨不得出biubiubiu 二一三连招。
安琪拉: 因为key.hashCode()函数调用的是key键值类型自带的哈希函数，返回int型散列值。int值范围为-2147483648~2147483647，前后加起来大概40亿的映射空间。只要哈希函数映射得比较均匀松散，一般应用是很难出现碰撞的。但问题是一个40亿长度的数组，内存是放不下的。你想，如果HashMap数组的初始大小才16，用之前需要对数组的长度取模运算，得到的余数才能用来访问数组下标。(来自知乎-胖君)
源码中模运算就是把散列值和数组长度-1做一个"与"操作，位运算比%运算要快。
bucketIndex = indexFor(hash, table.length);
static int indexFor(int h, int length) {
return h & (length-1);
}
复制代码
顺便说一下，这也正好解释了为什么HashMap的数组长度要取2的整数幂。因为这样（数组长度-1）正好相当于一个“低位掩码”。“与”操作的结果就是散列值的高位全部归零，只保留低位值，用来做数组下标访问。以初始长度16为例，16-1=15。2进制表示是00000000 00000000 00001111。和某散列值做“与”操作如下，结果就是截取了最低的四位值。
10100101 11000100 00100101
& 00000000 00000000 00001111
00000000 00000000 00000101 //高位全部归零，只保留末四位
复制代码
但这时候问题就来了，这样就算我的散列值分布再松散，要是只取最后几位的话，碰撞也会很严重。更要命的是如果散列本身做得不好，分布上成等差数列的漏洞，如果正好让最后几个低位呈现规律性重复，就无比蛋疼。
时候“扰动函数”的价值就体现出来了，说到这里大家应该猜出来了。看下面这个图，
右位移16位，正好是32bit的一半，自己的高半区和低半区做异或，就是为了混合原始哈希码的高位和低位，以此来加大低位的随机性。而且混合后的低位掺杂了高位的部分特征，这样高位的信息也被变相保留下来。
最后我们来看一下Peter Lawley的一篇专栏文章《An introduction to optimising a hashing strategy》里的的一个实验：他随机选取了352个字符串，在他们散列值完全没有冲突的前提下，对它们做低位掩码，取数组下标。
结果显示，当HashMap数组长度为512的时候（2的9次方），也就是用掩码取低9位的时候，在没有扰动函数的情况下，发生了103次碰撞，接近30%。而在使用了扰动函数之后只有92次碰撞。碰撞减少了将近10%。看来扰动函数确实还是有功效的。
另外Java1.8相比1.7做了调整，1.7做了四次移位和四次异或，但明显Java 8觉得扰动做一次就够了，做4次的话，多了可能边际效用也不大，所谓为了效率考虑就改成一次了。
下面是1.7的hash代码：
static int hash(int h) {
h ^= (h >>> 20) ^ (h >>> 12);
return h ^ (h >>> 7) ^ (h >>> 4);
}
复制代码
面试官: 看来做过功课，有点料啊！是不是偷偷看了安琪拉的博客, 你刚刚说到1.8对hash函数做了优化，1.8还有别的优化吗？
安琪拉: 1.8还有三点主要的优化：
数组+链表改成了数组+链表或红黑树；
链表的插入方式从头插法改成了尾插法，简单说就是插入时，如果数组位置上已经有元素，1.7将新元素放到数组中，原始节点作为新节点的后继节点，1.8遍历链表，将元素放置到链表的最后；
扩容的时候1.7需要对原数组中的元素进行重新hash定位在新数组的位置，1.8采用更简单的判断逻辑，位置不变或索引+旧容量大小；
在插入时，1.7先判断是否需要扩容，再插入，1.8先进行插入，插入完成再判断是否需要扩容；
面试官: 你分别跟我讲讲为什么要做这几点优化；
安琪拉: 【咳咳，果然是连环炮】
防止发生hash冲突，链表长度过长，将时间复杂度由O(n)降为O(logn);
因为1.7头插法扩容时，头插法会使链表发生反转，多线程环境下会产生环； A线程在插入节点B，B线程也在插入，遇到容量不够开始扩容，重新hash，放置元素，采用头插法，后遍历到的B节点放入了头部，这样形成了环，如下图所示： 1.7的扩容调用transfer代码，如下所示： void transfer(Entry[] newTable, boolean rehash) { int newCapacity = newTable.length; 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]; //A线程如果执行到这一行挂起，B线程开始进行扩容 newTable[i] = e; e = next; } } } 复制代码
扩容的时候为什么1.8 不用重新hash就可以直接定位原节点在新数据的位置呢这是由于扩容是扩大为原数组大小的2倍，用于计算数组位置的掩码仅仅只是高位多了一个1，怎么理解呢？ 扩容前长度为16，用于计算(n-1) & hash 的二进制n-1为0000 1111，扩容为32后的二进制就高位多了1，为0001 1111。 因为是& 运算，1和任何数 & 都是它本身，那就分二种情况，如下图：原数据hashcode高位第4位为0和高位为1的情况； 第四位高位为0，重新hash数值不变，第四位为1，重新hash数值比原来大16（旧数组的容量）
面试官: 那HashMap是线程安全的吗？
安琪拉: 不是，在多线程环境下，1.7 会产生死循环、数据丢失、数据覆盖的问题，1.8 中会有数据覆盖的问题，以1.8为例，当A线程判断index位置为空后正好挂起，B线程开始往index位置的写入节点数据，这时A线程恢复现场，执行赋值操作，就把A线程的数据给覆盖了；还有++size这个地方也会造成多线程同时扩容等问题。
final V putVal(int hash, K key, V value, boolean onlyIfAbsent,
boolean evict) {
Node<K,V>[] tab; Node<K,V> p; int n, i;
if ((tab = table) == null || (n = tab.length) == 0)
n = (tab = resize()).length;
if ((p = tab[i = (n - 1) & hash]) == null) //多线程执行到这里
tab[i] = newNode(hash, key, value, null);
else {
Node<K,V> e; K k;
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
e = p;
else if (p instanceof TreeNode)
e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
else {
for (int binCount = 0; ; ++binCount) {
if ((e = p.next) == null) {
p.next = newNode(hash, key, value, null);
if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st
treeifyBin(tab, hash);
break;
}
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;
if (++size > threshold) // 多个线程走到这，可能重复resize()
resize();
afterNodeInsertion(evict);
return null;
}
复制代码
面试官: 那你平常怎么解决这个线程不安全的问题？
安琪拉: Java中有HashTable、Collections.synchronizedMap、以及ConcurrentHashMap可以实现线程安全的Map。
HashTable是直接在操作方法上加synchronized关键字，锁住整个数组，粒度比较大，Collections.synchronizedMap是使用Collections集合工具的内部类，通过传入Map封装出一个SynchronizedMap对象，内部定义了一个对象锁，方法内通过对象锁实现；ConcurrentHashMap使用分段锁，降低了锁粒度，让并发度大大提高。
面试官: 那你知道ConcurrentHashMap的分段锁的实现原理吗？
安琪拉: 【天啦撸! 俄罗斯套娃，一个套一个】ConcurrentHashMap成员变量使用volatile 修饰，免除了指令重排序，同时保证内存可见性，另外使用CAS操作和synchronized结合实现赋值操作，多线程操作只会锁住当前操作索引的节点。
如下图，线程A锁住A节点所在链表，线程B锁住B节点所在链表，操作互不干涉。
面试官: 你前面提到链表转红黑树是链表长度达到阈值，这个阈值是多少？
安琪拉: 阈值是8，红黑树转链表阈值为6
面试官: 为什么是8，不是16，32甚至是7 ？又为什么红黑树转链表的阈值是6，不是8了呢？
安琪拉: 【你去问作者啊！天啦撸，biubiubiu 真想213连招】因为作者就这么设计的，哦，不对，因为经过计算，在hash函数设计合理的情况下，发生hash碰撞8次的几率为百万分之6，概率说话。。因为8够用了，至于为什么转回来是6，因为如果hash碰撞次数在8附近徘徊，会一直发生链表和红黑树的转化，为了预防这种情况的发生。
面试官: HashMap内部节点是有序的吗？
安琪拉: 是无序的，根据hash值随机插入
面试官: 那有没有有序的Map？
安琪拉: LinkedHashMap 和 TreeMap
面试官: 跟我讲讲LinkedHashMap怎么实现有序的？
安琪拉: LinkedHashMap内部维护了一个单链表，有头尾节点，同时LinkedHashMap节点Entry内部除了继承HashMap的Node属性，还有before 和 after用于标识前置节点和后置节点。可以实现按插入的顺序或访问顺序排序。
/**
- The head (eldest) of the doubly linked list.
*/
transient LinkedHashMap.Entry<K,V> head;
/**
- The tail (youngest) of the doubly linked list.
*/
transient LinkedHashMap.Entry<K,V> tail;
//链接新加入的p节点到链表后端
private void linkNodeLast(LinkedHashMap.Entry<K,V> p) {
LinkedHashMap.Entry<K,V> last = tail;
tail = p;
if (last == null)
head = p;
else {
p.before = last;
last.after = p;
}
}
//LinkedHashMap的节点类
static class Entry<K,V> extends HashMap.Node<K,V> {
Entry<K,V> before, after;
Entry(int hash, K key, V value, Node<K,V> next) {
super(hash, key, value, next);
}
}
复制代码
示例代码：
public static void main(String[] args) {
Map<String, String> map = new LinkedHashMap<String, String>();
map.put("1", "安琪拉");
map.put("2", "的");
map.put("3", "博客");
for(Map.Entry<String,String> item: map.entrySet()){
System.out.println(item.getKey() + ":" + item.getValue());
}
}
//console输出
1:安琪拉
2:的
3:博客
复制代码
面试官: 跟我讲讲TreeMap怎么实现有序的？
安琪拉：TreeMap是按照Key的自然顺序或者Comprator的顺序进行排序，内部是通过红黑树来实现。所以要么key所属的类实现Comparable接口，或者自定义一个实现了Comparator接口的比较器，传给TreeMap用户key的比较。
面试官: 前面提到通过CAS 和 synchronized结合实现锁粒度的降低，你能给我讲讲CAS 的实现以及synchronized的实现原理吗？
hashmap计算hashcode时为什么要把高位右移16位：
写在前面：
1、如有错误请看官斧正。
2、建议把例子复制出去，自己用各种位运算算一下，然后也像我这样把异同处标出来，这样能在自己计算的过程中有更深的领悟。
一、hashmap计算hashcode时为什么要把高位右移16位
有一个hashcode值的二进制形式
key.hashcode()
二进制：0010-0101 1100-0100 0010-0101 1011-0110
十进制：633611702
上面这么写只是为了便于观察，并不遵循任何规范。
key.hashcode() >>> 16 （无符号右移16位）
这个地方是个人理解，不一定准确
亦或运算：不同为1，相同为0 异或运算能更好的保留各部分的特征(变化的地方01都有)
与运算： 有0则0，全1则1 结果偏向于0 (变化的地方都变0了)
或运算： 有1则1，全0则0 结果偏向于1（变化的地方都变1了）
二、再看hashmap是怎么取元素存放位置的
可以看到在取元素存放位置时，1.7和1.8是用的同一方法，
都是hash^(n-1)【哈希值与上entry数组长度-1】
小白提问1：为啥要&entryLength-1呢
抛开上面提到的右移16位问题，你想想，一个对象取完hash值了，它得往entry数组里放吧，但是数组长度又是有限的，不可能一个萝卜一个坑。
以默认初始长度为16为例
想把一个编号大于16的数，在16个格子里找个位置放下，要是你自己设计会咋做呢(不能乱放)
绝大多数人都会选择取余法，就是：编号%格子数
小白举例： 17%16 = 1 放在第一个格子。
取余操作涉及到底层汇编和运算器电路设计，虽然我本科是电子信息的，但早就把知识还给老师了。
大家只要知道一个结论，就是取余运算没位运算快就行。
经过上面的科普，大家已经知道取余运算没位运算快了（手动狗头脸）。
本着安全第一，效率至上的原则就只能用位运算了。
几个重要因素：
参与运算的值：hashcode、entry数组长度
运算方式：位运算 (与&，或|，非~)
预期结果：有规律可循，起码结果要和取余运算相同。
那就开始设计吧~
(呃....我也没啥好的设计，还是分析下源码吧)
Entry长度-1 = 15；
15的二进制形式
0000-0000 0000-0000 0000-0000 0000-1111
十进制取余算法：
633611702 % 16 = 6
633611702 % 32 = 22
到这为止有三个问题继续解答
为啥数组长度要是2的n次幂？
为啥entry数组长度要-1？
为啥要右移16位进行亦或？
这不是呼之欲出么，呼你妹啊，我到现在还都不知道为啥。
个人理解：
第一个问题
优化需要：hash & （length -1） 在结果上与 取余算法一致
符合计算机思维，在计算机中跟数据相关的数值基本都是2的n次
如：MySQL页的大小为16kb
操作系统文件管理系统一次IO读取的数据大小同样为1页（4kb）相当于8个扇区（512bytes ）
————————————————
版权声明：本文为CSDN博主「小小探索者」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/zhuyin6553/article/details/115774367