# HashMap总结 > PS:下面真的很基础，集合项目中用的很高频，面试也问的很高频，必须好好学习一波 **1. HashMap的底层数据结构是什么？** 在JDK1.7中和JDK1.8中有所区别： 在JDK1.7中，由”数组+链表“组成，数组是HashMap的主体，链表则是主要为了解决哈希冲突而存在的。 在JDK1.8中，有“数组+链表+红黑树”组成。当链表过长，则会严重影响HashMap的性能，红黑树搜索时间复杂度是O(logn)，而链表是O(n)。因此，JDK1.8对数据结构做了进一步的优化，引入了红黑树，链表和红黑树在达到一定条件会进行转换： - 当链表超过8且数组长度(数据总量)超过64才会转为红黑树 - 将链表转换成红黑树前会判断，如果当前数组的长度小于64，那么会选择先进行数组扩容，而不是转换为红黑树，以减少搜索时间。  **2. 说一下HashMap的特点** - hashmap存取是无序的 - 键和值位置都可以是null，但是键位置只能是一个null - 键位置是唯一的，底层的数据结构是控制键的 - jdk1.8前数据结构是：链表+数组jdk1.8之后是：数组+链表+红黑树 - 阈值（边界值）>8并且数组长度大于64，才将链表转换成红黑树，变成红黑树的目的是提高搜索速度，高效查询 **3. 解决hash冲突的办法有哪些?HashMap用的哪种？** 解决Hash冲突方法有：开放定址法、再哈希法、链地址法（HashMap中常见的拉链法）、简历公共溢出区。HashMap中采用的是链地址法。 - 开放定址法也称为再散列法，基本思想就是，如果p=H(key)出现冲突时，则以p为基础，再次hash，p1=H(p)，如果p1再次出现冲突，则以p1为基础，以此类推，直到找到一个不冲突的哈希地址pi。因此开放定址法所需要的hash表的长度要大于等于所需要存放的元素，而且因为存在再次hash，所以只能在删除的节点上做标记，而不能真正删除节点 - 再哈希法（双重散列，多重散列），提供多个不同的hash函数，R1=H1(key1)发生冲突时，再计算R2=H2（key1），直到没有冲突为止。这样做虽然不易产生堆集，但增加了计算的时间。 - 链地址法（拉链法），将哈希值相同的元素构成一个同义词的单链表，并将单链表的头指针存放在哈希表的第i个单元中，查找、插入和删除主要在同义词链表中进行，链表法适用于经常进行插入和删除的情况。 - 建立公共溢出区，将哈希表分为公共表和溢出表，当溢出发生时，将所有溢出数据统一放到溢出区 注意开放定址法和再哈希法的区别是 - 开放定址法只能使用同一种hash函数进行再次hash，再哈希法可以调用多种不同的hash函数进行再次hash **4. 为什么要在数组长度大于64之后，链表才会进化为红黑树** 在数组比较小时如果出现红黑树结构，反而会降低效率，而红黑树需要进行左旋右旋，变色，这些操作来保持平衡，同时数组长度小于64时，搜索时间相对要快些，总之是为了加快搜索速度，提高性能 JDK1.8以前HashMap的实现是数组+链表，即使哈希函数取得再好，也很难达到元素百分百均匀分布。当HashMap中有大量的元素都存放在同一个桶中时，这个桶下有一条长长的链表，此时HashMap就相当于单链表，假如单链表有n个元素，遍历的时间复杂度就从O（1）退化成O（n），完全失去了它的优势，为了解决此种情况，JDK1.8中引入了红黑树（查找的时间复杂度为O（logn））来优化这种问题 **5. 为什么加载因子设置为0.75，初始化临界值是12？** HashMap中的threshold是HashMap所能容纳键值对的最大值。计算公式为length*LoadFactory。也就是说，在数组定义好长度之后，负载因子越大，所能容纳的键值对个数也越大 loadFactory越趋近于1，那么数组中存放的数据（entry也就越来越多），数据也就越密集，也就会有更多的链表长度处于更长的数值，我们的查询效率就会越低，当我们添加数据，产生hash冲突的概率也会更高 默认的loadFactory是0.75，loadFactory越小，越趋近于0，数组中个存放的数据(entry)也就越少，表现得更加稀疏  0.75是对空间和时间效率的一种平衡选择 如果负载因子小一些比如是0.4，那么初始长度16*0.4=6，数组占满6个空间就进行扩容，很多空间可能元素很少甚至没有元素，会造成大量的空间被浪费 如果负载因子大一些比如是0.9，这样会导致扩容之前查找元素的效率非常低 loadfactory设置为0.75是经过多重计算检验得到的可靠值，可以最大程度的减少rehash的次数，避免过多的性能消耗 **6. 哈希表底层采用何种算法计算hash值？还有哪些算法可以计算出hash值？** hashCode方法是Object中的方法，所有的类都可以对其进行使用，首先底层通过调用hashCode方法生成初始hash值h1，然后将h1无符号右移16位得到h2，之后将h1与h2进行按位异或（^）运算得到最终hash值h3，之后将h3与(length-1)进行按位与（&）运算得到hash表索引 其他可以计算出hash值的算法有 - 平方取中法 - 取余数 - 伪随机数法 **7. 当两个对象的hashCode相等时会怎样** hashCode相等产生hash碰撞，hashCode相等会调用equals方法比较内容是否相等，内容如果相等则会进行覆盖，内容如果不等则会连接到链表后方，链表长度超过8且数组长度超过64，会转变成红黑树节点 **8. 何时发生哈希碰撞和什么是哈希碰撞，如何解决哈希碰撞****？** 只要两个元素的key计算的hash码值相同就会发生hash碰撞，jdk8之前使用链表解决哈希碰撞，jdk8之后使用链表+红黑树解决哈希碰撞 **9. HashMap的put方法流程** 以jdk8为例，简要流程如下： - 首先根据key的值计算hash值，找到该元素在数组中存储的下标 - 如果数组是空的，则调用resize进行初始化； - 如果没有哈希冲突直接放在对应的数组下标里 - 如果冲突了，且key已经存在，就覆盖掉value - 如果冲突后是链表结构，就判断该链表是否大于8，如果大于8并且数组容量小于64，就进行扩容；如果链表节点数量大于8并且数组的容量大于64，则将这个结构转换成红黑树；否则，链表插入键值对，若key存在，就覆盖掉value - 如果冲突后，发现该节点是红黑树，就将这个节点挂在树上  **10. HashMap的扩容方式** HashMap在容量超过负载因子所定义的容量之后，就会扩容。java里的数组是无法自己扩容的，将HashMap的大小扩大为原来数组的两倍 我们来看jdk1.8扩容的源码 ``` final Node<K,V>[] resize() { //oldTab：引用扩容前的哈希表 Node<K,V>[] oldTab = table; //oldCap：表示扩容前的table数组的长度 int oldCap = (oldTab == null) ? 0 : oldTab.length; //获得旧哈希表的扩容阈值 int oldThr = threshold; //newCap:扩容之后table数组大小 //newThr:扩容之后下次触发扩容的条件 int newCap, newThr = 0; //条件成立说明hashMap中的散列表已经初始化过了，是一次正常扩容 if (oldCap > 0) { //判断旧的容量是否大于等于最大容量，如果是，则无法扩容，并且设置扩容条件为int最大值， //这种情况属于非常少数的情况 if (oldCap >= MAXIMUM_CAPACITY) { threshold = Integer.MAX_VALUE; return oldTab; }//设置newCap新容量为oldCap旧容量的二倍（<<1）,并且<最大容量，而且>=16，则新阈值等于旧阈值的两倍 else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY && oldCap >= DEFAULT_INITIAL_CAPACITY) newThr = oldThr << 1; // double threshold } //如果oldCap=0并且边界值大于0，说明散列表是null，但此时oldThr>0 //说明此时hashMap的创建是通过指定的构造方法创建的,新容量直接等于阈值 //1.new HashMap(intitCap,loadFactor) //2.new HashMap(initCap) //3.new HashMap(map) else if (oldThr > 0) // initial capacity was placed in threshold newCap = oldThr; //这种情况下oldThr=0;oldCap=0，说明没经过初始化，创建hashMap //的时候是通过new HashMap()的方式创建的 else { // zero initial threshold signifies using defaults newCap = DEFAULT_INITIAL_CAPACITY; newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY); } //newThr为0时，通过newCap和loadFactor计算出一个newThr if (newThr == 0) { //容量*0.75 float ft = (float)newCap * loadFactor; newThr = (newCap < MAXIMUM_CAPACITY && ft < (float)MAXIMUM_CAPACITY ? (int)ft : Integer.MAX_VALUE); } threshold = newThr; @SuppressWarnings({"rawtypes","unchecked"}) //根据上面计算出的结果创建一个更长更大的数组 Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap]; //将table指向新创建的数组 table = newTab; //本次扩容之前table不为null if (oldTab != null) { //对数组中的元素进行遍历 for (int j = 0; j < oldCap; ++j) { //设置e为当前node节点 Node<K,V> e; //当前桶位数据不为空，但不能知道里面是单个元素，还是链表或红黑树， //e = oldTab[j]，先用e记录下当前元素 if ((e = oldTab[j]) != null) { //将老数组j桶位置为空，方便回收 oldTab[j] = null; //如果e节点不存在下一个节点，说明e是单个元素，则直接放置在新数组的桶位 if (e.next == null) newTab[e.hash & (newCap - 1)] = e; //如果e是树节点，证明该节点处于红黑树中 else if (e instanceof TreeNode) ((TreeNode<K,V>)e).split(this, newTab, j, oldCap); //e为链表节点，则对链表进行遍历 else { // preserve order //低位链表：存放在扩容之后的数组的下标位置，与当前数组下标位置一致 //loHead：低位链表头节点 //loTail低位链表尾节点 Node<K,V> loHead = null, loTail = null; //高位链表，存放扩容之后的数组的下标位置，=原索引+扩容之前数组容量 //hiHead:高位链表头节点 //hiTail:高位链表尾节点 Node<K,V> hiHead = null, hiTail = null; Node<K,V> next; do { next = e.next; //oldCap为16:10000，与e.hsah做&运算可以得到高位为1还是0 //高位为0，放在低位链表 if ((e.hash & oldCap) == 0) { if (loTail == null) //loHead指向e loHead = e; else loTail.next = e; loTail = e; } //高位为1，放在高位链表 else { if (hiTail == null) hiHead = e; else hiTail.next = e; hiTail = e; } } while ((e = next) != null); //低位链表已成，将头节点loHead指向在原位 if (loTail != null) { loTail.next = null; newTab[j] = loHead; } //高位链表已成，将头节点指向新索引 if (hiTail != null) { hiTail.next = null; newTab[j + oldCap] = hiHead; } } } } } return newTab; } ``` 扩容之后原位置的节点只有两种调整 - 保持原位置不动（新bit位为0时） - 散列原索引+扩容大小的位置去（新bit位为1时） 扩容之后元素的散列设置的非常巧妙，节省了计算hash值的时间，我们来看一 下具体的实现  当数组长度从16到32，其实只是多了一个bit位的运算，我们只需要在意那个多出来的bit为是0还是1，是0的话索引不变，是1的话索引变为当前索引值+扩容的长度，比如5变成5+16=21  这样的扩容方式不仅节省了重新计算hash的时间，而且保证了当前桶中的元素总数一定小于等于原来桶中的元素数量，避免了更严重的hash冲突，均匀的把之前冲突的节点分散到新的桶中去 **11. 一般用什么作为HashMap的key？** 一般用Integer、String这种不可变类当HashMap当key - 因为String是不可变的，当创建字符串时，它的hashcode被缓存下来，不需要再次计算，相对于其他对象更快 - 因为获取对象的时候要用到equals()和hashCode()方法，那么键对象正确的重写这两个方法是非常重要的，这些类很规范的重写了hashCode()以及equals()方法 **12. 为什么Map桶中节点个数超过8才转为红黑树？** 8作为阈值作为HashMap的成员变量，在源码的注释中并没有说明阈值为什么是8 在HashMap中有这样一段注释说明，我们继续看 ``` * Because TreeNodes are about twice the size of regular nodes, we * use them only when bins contain enough nodes to warrant use * (see TREEIFY_THRESHOLD). And when they become too small (due to * removal or resizing) they are converted back to plain bins. In * usages with well-distributed user hashCodes, tree bins are * rarely used. Ideally, under random hashCodes, the frequency of * nodes in bins follows a Poisson distribution * (http://en.wikipedia.org/wiki/Poisson_distribution) with a * parameter of about 0.5 on average for the default resizing * threshold of 0.75, although with a large variance because of * resizing granularity. Ignoring variance, the expected * occurrences of list size k are (exp(-0.5) * pow(0.5, k) / * factorial(k)). ``` 翻译 ``` 因为树节点的大小大约是普通节点的两倍，所以我们只在箱子包含足够的节点时才使用树节点（参见TREEIFY_THRESHOLD）。 当他们边的太小（由于删除或调整大小）时，就会被转换回普通的桶，在使用分布良好的hashcode时，很少使用树箱。 理想情况下，在随机哈希码下，箱子中节点的频率服从泊松分布 第一个值是： * 0: 0.60653066 * 1: 0.30326533 * 2: 0.07581633 * 3: 0.01263606 * 4: 0.00157952 * 5: 0.00015795 * 6: 0.00001316 * 7: 0.00000094 * 8: 0.00000006 * more: less than 1 in ten million ``` 树节点占用空间是普通Node的两倍，如果链表节点不够多却转换成红黑树，无疑会耗费大量的空间资源，并且在随机hash算法下的所有bin节点分布频率遵从泊松分布，链表长度达到8的概率只有0.00000006，几乎是不可能事件，所以8的计算是经过重重科学考量的 - 从平均查找长度来看，红黑树的平均查找长度是logn，如果长度为8，则logn=3，而链表的平均查找长度为n/4，长度为8时，n/2=4，所以阈值8能大大提高搜索速度 - 当长度为6时红黑树退化为链表是因为logn=log6约等于2.6，而n/2=6/2=3，两者相差不大，而红黑树节点占用更多的内存空间，所以此时转换最为友好 **13. HashMap为什么线程不安全？** - 多线程下扩容死循环。JDK1.7中的HashMap使用头插法插入元素，在多线程的环境下，扩容的时候有可能导致环形链表的出现，形成死循环。因此JDK1.8使用尾插法插入元素，在扩容时会保持链表元素原本的顺序，不会出现环形链表的问题 - 多线程的put可能导致元素的丢失。多线程同时执行put操作，如果计算出来的索引位置是相同的，那会造成前一个key被后一个key覆盖，从而导致元素的丢失。此问题在JDK1.7和JDK1.8中都存在 - put和get并发时，可能导致get为null。线程1执行put时，因为元素个数超出threshold而导致rehash，线程2此时执行get，有可能导致这个问题，此问题在JDK1.7和JDK1.8中都存在 **14. 计算hash值时为什么要让低16bit和高16bit进行异或处理** - 我们计算索引需要将hashCode值与length-1进行按位与运算，如果数组长度很小，比如16，这样的值和hashCode做异或实际上只有hashCode值的后4位在进行运算，hash值是一个随机值，而如果产生的hashCode值高位变化很大，而低位变化很小，那么有很大概率造成哈希冲突，所以我们为了使元素更好的散列，将hash值的高位也利用起来\ 举个例子 如果我们不对hashCode进行按位异或，直接将hash和length-1进行按位与运算就有可能出现以下的情况  如果下一次生成的hashCode值高位起伏很大，而低位几乎没有变化时，高位无法参与运算  可以看到，两次计算出的hash相等，产生了hash冲突 所以无符号右移16位的目的是使高混乱度地区与地混乱度地区做一个中和，提高低位的随机性，减少哈希冲突。