hashMap实现原理

HashMap概述

HashMap是基于哈希表的Map接口的非同步实现。此实现提供全部可选的映射操做，并容许使用null值和null键。此类不保证映射的顺序，特别是它不保证该顺序恒久不变。

内部实现

HashMap的数据结构（字段）

在Java编程语言中，最基本的结构就是两种，一个是数组，另一个是模拟指针（引用），全部的数据结构均可以用这两个基本结构来构造的，HashMap也不例外。HashMap其实是一个“链表散列”的数据结构，即数组和链表的结构，可是在jdk1.8里 
加入了红黑树的实现，当链表的长度大于8时，转换为红黑树的结构。

从上图中能够看出，java中HashMap采用了链地址法。链地址法，简单来讲，就是数组加链表的结合。在每一个数组元素上都一个链表结构，当数据被Hash后，获得数组下标，把数据放在对应下标元素的链表上。

; "复制代码")

*/

static class Node<K,V> implements Map.Entry<K,V> { final int hash;//用于定位数组索引的位置
    final K key;
    V value;
    Node<K,V> next;//链表的下一个Node

Node(int hash, K key, V value, Node<K,V> next) { this.hash = hash; this.key = key; this.value = value; this.next = next;

}

; "复制代码")

Node是HashMap的一个内部类，实现了Map.Entry接口，本质是就是一个映射(键值对)。

有时两个key会定位到相同的位置，表示发生了Hash碰撞。固然Hash算法计算结果越分散均匀，Hash碰撞的几率就越小，map的存取效率就会越高。

HashMap类中有一个很是重要的字段，就是 Node[] table，即哈希桶数组，明显它是一个Node的数组。

若是哈希桶数组很大，即便较差的Hash算法也会比较分散，若是哈希桶数组数组很小，即便好的Hash算法也会出现较多碰撞，因此就须要在空间成本和时间成本之间权衡，其实就是在根据实际状况肯定哈希桶数组的大小，并在此基础上设计好的hash算法减小Hash碰撞。那么经过什么方式来控制map使得Hash碰撞的几率又小，哈希桶数组（Node[] table）占用空间又少呢？答案就是好的Hash算法和扩容机制。

在理解Hash和扩容流程以前，咱们得先了解下HashMap的几个字段。从HashMap的默认构造函数源码可知，构造函数就是对下面几个字段进行初始化，源码以下：

int threshold; // 所能容纳的key-value对极限
final float loadFactor; // 负载因子
int modCount; int size;

首先，Node[] table的初始化长度length(默认值是16)，Load factor为负载因子(默认值是0.75)，threshold是HashMap所能容纳的最大数据量的Node(键值对)个数。threshold = length * Load factor。也就是说，在数组定义好长度以后，负载因子越大，所能容纳的键值对个数越多。

结合负载因子的定义公式可知，threshold就是在此Load factor和length(数组长度)对应下容许的最大元素数目，超过这个数目就从新resize(扩容)，扩容后的HashMap容量是以前容量的两倍。默认的负载因子0.75是对空间和时间效率的一个平衡选择，建议你们不要修改，除非在时间和空间比较特殊的状况下，若是内存空间不少而又对时间效率要求很高，能够下降负载因子Load factor的值；相反，若是内存空间紧张而对时间效率要求不高，能够增长负载因子loadFactor的值，这个值能够大于1。

size这个字段其实很好理解，就是HashMap中实际存在的键值对数量。注意和table的长度length、容纳最大键值对数量threshold的区别。而modCount字段主要用来记录HashMap内部结构发生变化的次数，主要用于迭代的快速失败。强调一点，内部结构发生变化指的是结构发生变化，例如put新键值对，可是某个key对应的value值被覆盖不属于结构变化。

在HashMap中，哈希桶数组table的长度length大小必须为2的n次方(必定是合数)，这是一种很是规的设计，常规的设计是把桶的大小设计为素数。相对来讲素数致使冲突的几率要小于合数，具体证实能够参考http://blog.csdn.net/liuqiyao_01/article/details/14475159，Hashtable初始化桶大小为11，就是桶大小设计为素数的应用（Hashtable扩容后不能保证仍是素数）。HashMap采用这种很是规设计，主要是为了在取模和扩容时作优化，同时为了减小冲突，HashMap定位哈希桶索引位置时，也加入了高位参与运算的过程。

这里存在一个问题，即便负载因子和Hash算法设计的再合理，也免不了会出现拉链过长的状况，一旦出现拉链过长，则会严重影响HashMap的性能。因而，在JDK1.8版本中，对数据结构作了进一步的优化，引入了红黑树。而当链表长度太长（默认超过8）时，链表就转换为红黑树，利用红黑树快速增删改查的特色提升HashMap的性能，其中会用到红黑树的插入、删除、查找等算法

方法：

1 肯定哈希桶数组索引位置

代码实现：

; "复制代码")

//方法一：
static final int hash(Object key) { //jdk1.8 & jdk1.7

int h; // h = key.hashCode() 为第一步 取hashCode值 // h ^ (h >>> 16)  为第二步 高位参与运算
 return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);

} //方法二：
static int indexFor(int h, int length) { //jdk1.7的源码，jdk1.8没有这个方法，可是实现原理同样的

return h & (length-1);  //第三步 取模运算

}

; "复制代码")

这里的Hash算法本质上就是三步：取key的hashCode值、高位运算、取模运算。

对于任意给定的对象，只要它的hashCode()返回值相同，那么程序调用方法一所计算获得的Hash码值老是相同的。咱们首先想到的就是把hash值对数组长度取模运算，这样一来，元素的分布相对来讲是比较均匀的。可是，模运算的消耗仍是比较大的，在HashMap中是这样作的：调用方法二来计算该对象应该保存在table数组的哪一个索引处。

这个方法很是巧妙，它经过h & (table.length -1)来获得该对象的保存位，而HashMap底层数组的长度老是2的n次方，这是HashMap在速度上的优化。当length老是2的n次方时，h& (length-1)运算等价于对length取模，也就是h%length，可是&比%具备更高的效率。

在JDK1.8的实现中，优化了高位运算的算法，经过hashCode()的高16位异或低16位实现的：(h = k.hashCode()) ^ (h >>> 16)，主要是从速度、功效、质量来考虑的，这么作能够在数组table的length比较小的时候，也能保证考虑到高低Bit都参与到Hash的计算中，同时不会有太大的开销。

下面举例说明下，n为table的长度。

2 HashMap的put方法实现

put函数大体的思路为：

1. 对key的hashCode()作hash，而后再计算index;
2. 若是没碰撞直接放到bucket里；
3. 若是碰撞了，以链表的形式存在buckets后；
4. 若是碰撞致使链表过长(大于等于TREEIFY_THRESHOLD)，就把链表转换成红黑树；
5. 若是节点已经存在就替换old value(保证key的惟一性)
6. 若是bucket满了(超过load factor*current capacity)，就要resize。

具体代码实现以下：

; "复制代码")

public V put(K key, V value) { return putVal(hash(key), key, value, false, true);

} /\*\* \*生成hash的方法 \*/
static final int hash(Object key) { int h; return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
} final V putVal(int hash, K key, V value, boolean onlyIfAbsent,boolean evict) {
    Node<K,V>\[\] tab; Node<K,V> p; int n, i; //判断table是否为空，
    if ((tab = table) == null || (n = tab.length) == 0)
        n \= (tab = resize()).length;//建立一个新的table数组，而且获取该数组的长度 //根据键值key计算hash值获得插入的数组索引i，若是table\[i\]==null，直接新建节点添加 
    if ((p = tab\[i = (n - 1) & hash\]) == null)
        tab\[i\] \= newNode(hash, key, value, null); else {//若是对应的节点存在
        Node<K,V> e; K k; //判断table\[i\]的首个元素是否和key同样，若是相同直接覆盖value
        if (p.hash == hash && ((k \= p.key) == key || (key != null && key.equals(k))))
            e \= p; //判断table\[i\] 是否为treeNode，即table\[i\] 是不是红黑树，若是是红黑树，则直接在树中插入键值对
        else if (p instanceof TreeNode)
            e \= ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value); // 该链为链表
        else { //遍历table\[i\]，判断链表长度是否大于TREEIFY\_THRESHOLD(默认值为8)，大于8的话把链表转换为红黑树，在红黑树中执行插入操做，不然进行链表的插入操做；遍历过程当中若发现key已经存在直接覆盖value便可；
            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;
            }
        } // 写入
        if (e != null) { // existing mapping for key
            V oldValue = e.value; if (!onlyIfAbsent || oldValue == null)
                e.value \= value;
            afterNodeAccess(e); return oldValue;
        }
    } ++modCount; // 插入成功后，判断实际存在的键值对数量size是否超多了最大容量threshold，若是超过，进行扩容
    if (++size > threshold)
        resize();
    afterNodeInsertion(evict); return null;
}

; "复制代码")

3 HashMap的get方法实现

思路以下：

bucket里的第一个节点，直接命中；

若是有冲突，则经过key.equals(k)去查找对应的entry 

若为树，则在树中经过key.equals(k)查找，O(logn)； 

若为链表，则在链表中经过key.equals(k)查找，O(n)。

; "复制代码")

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; if ((tab = table) != null && (n = tab.length) > 0 && (first \= tab\[(n - 1) & hash\]) != null) { // 直接命中
        if (first.hash == hash && // 每次都是校验第一个node
            ((k = first.key) == key || (key != null && key.equals(k)))) return first; // 未命中
        if ((e = first.next) != null) { // 在树中获取
            if (first instanceof TreeNode) return ((TreeNode<K,V>)first).getTreeNode(hash, key); // 在链表中获取
            do { if (e.hash == hash && ((k \= e.key) == key || (key != null && key.equals(k)))) return e;
            } while ((e = e.next) != null);
        }
    } return null;
}

; "复制代码")

4 扩容机制

扩容(resize)就是从新计算容量，向HashMap对象里不停的添加元素，而HashMap对象内部的数组没法装载更多的元素时，对象就须要扩大数组的长度，以便能装入更多的元素。固然Java里的数组是没法自动扩容的，方法是使用一个新的数组代替已有的容量小的数组，就像咱们用一个小桶装水，若是想装更多的水，就得换大水桶。

咱们分析下resize的源码，鉴于JDK1.8融入了红黑树，较复杂，为了便于理解咱们仍然使用JDK1.7的代码，好理解一些，本质上区别不大，具体区别后文再说。

; "复制代码")

void resize(int newCapacity) { //传入新的容量

Entry\[\] oldTable = table;    //引用扩容前的Entry数组
 int oldCapacity = oldTable.length; if (oldCapacity == MAXIMUM\_CAPACITY) {  //扩容前的数组大小若是已经达到最大(2^30)了
      threshold = Integer.MAX\_VALUE; //修改阈值为int的最大值(2^31-1)，这样之后就不会扩容了
     return;
 }

 Entry\[\] newTable \= new Entry\[newCapacity\];  //初始化一个新的Entry数组
 transfer(newTable);                         //！！将数据转移到新的Entry数组里
 table = newTable;                           //HashMap的table属性引用新的Entry数组

threshold = (int)(newCapacity * loadFactor);//修改阈值
}

; "复制代码")

这里就是使用一个容量更大的数组来代替已有的容量小的数组，transfer()方法将原有Entry数组的元素拷贝到新的Entry数组里。

; "复制代码")

void transfer(Entry[] newTable) {

Entry\[\] src \= table;                   //src引用了旧的Entry数组
  int newCapacity = newTable.length; for (int j = 0; j < src.length; j++) { //遍历旧的Entry数组
      Entry<K,V> e = src\[j\];             //取得旧Entry数组的每一个元素
      if (e != null) {
          src\[j\] \= null;//释放旧Entry数组的对象引用（for循环后，旧的Entry数组再也不引用任何对象）
          do {
              Entry<K,V> next = e.next; int i = indexFor(e.hash, newCapacity); //！！从新计算每一个元素在数组中的位置
             e.next = newTable\[i\]; //标记\[1\]
             newTable\[i\] = e;      //将元素放在数组上
             e = next;             //访问下一个Entry链上的元素
         } while (e != null);
     }
 }

}

; "复制代码")

newTable[i]的引用赋给了e.next，也就是使用了单链表的头插入方式，同一位置上新元素总会被放在链表的头部位置；这样先放在一个索引上的元素终会被放到Entry链的尾部(若是发生了hash冲突的话），这一点和Jdk1.8有区别，下文详解。在旧数组中同一条Entry链上的元素，经过从新计算索引位置后，有可能被放到了新数组的不一样位置上。

下面举个例子说明下扩容过程。假设了咱们的hash算法就是简单的用key mod 一下表的大小（也就是数组的长度）。其中的哈希桶数组table的size=2， 因此key = 三、七、5，put顺序依次为 五、七、3。在mod 2之后都冲突在table[1]这里了。这里假设负载因子 loadFactor=1，即当键值对的实际大小size 大于 table的实际大小时进行扩容。接下来的三个步骤是哈希桶数组 resize成4，而后全部的Node从新rehash的过程。

下面咱们讲解下JDK1.8作了哪些优化。通过观测能够发现，咱们使用的是2次幂的扩展(指长度扩为原来2倍)，因此，元素的位置要么是在原位置，要么是在原位置再移动2次幂的位置。看下图能够明白这句话的意思，n为table的长度，图（a）表示扩容前的key1和key2两种key肯定索引位置的示例，图（b）表示扩容后key1和key2两种key肯定索引位置的示例，其中hash1是key1对应的哈希与高位运算结果。

元素在从新计算hash以后，由于n变为2倍，那么n-1的mask范围在高位多1bit(红色)，所以新的index就会发生这样的变化：

所以，咱们在扩充HashMap的时候，不须要像JDK1.7的实现那样从新计算hash，只须要看看原来的hash值在新增的那个bit位是1仍是0就行了，是0的话索引没变，是1的话索引变成“原索引+oldCap”，能够看看下图为16扩充为32的resize示意图：

这个设计确实很是的巧妙，既省去了从新计算hash值的时间，并且同时，因为新增的1bit是0仍是1能够认为是随机的，所以resize的过程，均匀的把以前的冲突的节点分散到新的bucket了。这一块就是JDK1.8新增的优化点。有一点注意区别，JDK1.7中rehash的时候，旧链表迁移新链表的时候，若是在新表的数组索引位置相同，则链表元素会倒置，可是从上图能够看出，JDK1.8不会倒置。有兴趣的同窗能够研究下JDK1.8的resize源码，写的很赞，以下:

; "复制代码")

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) { // 超过最大值就再也不扩充了，就只好随你碰撞去吧
    if (oldCap >= MAXIMUM\_CAPACITY) {
        threshold \= Integer.MAX\_VALUE; return oldTab;
    } // 没超过最大值，就扩充为原来的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 threshold

newCap = oldThr; else {               // zero initial threshold signifies using defaults
    newCap = DEFAULT\_INITIAL\_CAPACITY;
    newThr \= (int)(DEFAULT\_LOAD\_FACTOR \* DEFAULT\_INITIAL\_CAPACITY);
} // 计算新的resize上限
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) { // 把每一个bucket都移动到新的buckets中
    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 order
                Node<K,V> loHead = null, loTail = null;
                Node<K,V> hiHead = null, hiTail = null;
                Node<K,V> next; do {
                    next \= e.next; // 原索引  oldCap - 1:   0 1111     oldCap : 1 0000       判断 key的 hash值的那一位是否为1分为两类
                    if ((e.hash & oldCap) == 0) { if (loTail == null)
                            loHead \= e; else loTail.next \= e;
                        loTail \= e;
                    } // 原索引+oldCap
                    else { if (hiTail == null)
                            hiHead \= e; else hiTail.next \= e;
                        hiTail \= e;
                    }
                } while ((e = next) != null); // 原索引放到bucket里
                if (loTail != null) {
                    loTail.next \= null;
                    newTab\[j\] \= loHead;
                } // 原索引+oldCap放到bucket里
                if (hiTail != null) {
                    hiTail.next \= null;
                    newTab\[j \+ oldCap\] = hiHead;
                }
            }
        }
    }
} return newTab;

}

; "复制代码")

线程安全性

在多线程使用场景中，应该尽可能避免使用线程不安全的HashMap，而使用线程安全的ConcurrentHashMap。那么为何说HashMap是线程不安全的，下面举例子说明在并发的多线程使用场景中使用HashMap可能形成死循环。代码例子以下(便于理解，仍然使用JDK1.7的环境)：

; "复制代码")

public class HashMapInfiniteLoop { private static HashMap<Integer,String> map = new HashMap<Integer,String>(2，0.75f); public static void main(String[] args) {

map.put(5， "C"); new Thread("Thread1") { public void run() {  
            map.put(7, "B");  
            System.out.println(map);  
        };  
    }.start(); new Thread("Thread2") { public void run() {  
            map.put(3, "A);

System.out.println(map);

};  
    }.start();        
}

}

; "复制代码")

其中，map初始化为一个长度为2的数组，loadFactor=0.75，threshold=2*0.75=1，也就是说当put第二个key的时候，map就须要进行resize。

经过设置断点让线程1和线程2同时debug到transfer方法(3.3小节代码块)的首行。注意此时两个线程已经成功添加数据。放开thread1的断点至transfer方法的“Entry next = e.next;” 这一行；而后放开线程2的的断点，让线程2进行resize。结果以下图。

注意，Thread1的 e 指向了key(3)，而next指向了key(7)，其在线程二rehash后，指向了线程二重组后的链表。

线程一被调度回来执行，先是执行 newTalbe[i] = e， 而后是e = next，致使了e指向了key(7)，而下一次循环的next = e.next致使了next指向了key(3)。

e.next = newTable[i] 致使 key(3).next 指向了 key(7)。注意：此时的key(7).next 已经指向了key(3)， 环形链表就这样出现了。

因而，当咱们用线程一调用map.get(11)时，悲剧就出现了——Infinite Loop。

JDK1.8与JDK1.7的性能对比

HashMap中，若是key通过hash算法得出的数组索引位置所有不相同，即Hash算法很是好，那样的话，getKey方法的时间复杂度就是O(1)，若是Hash算法技术的结果碰撞很是多，假如Hash算极其差，全部的Hash算法结果得出的索引位置同样，那样全部的键值对都集中到一个桶中，或者在一个链表中，或者在一个红黑树中，时间复杂度分别为O(n)和O(lgn)。 鉴于JDK1.8作了多方面的优化，整体性能优于JDK1.7，下面咱们从两个方面用例子证实这一点。

Hash较均匀的状况

为了便于测试，咱们先写一个类Key，以下：

; "复制代码")

public class HashMapInfiniteLoop { private static HashMap<Integer,String> map = new HashMap<Integer,String>(2，0.75f); public static void main(String[] args) {

map.put(5， "C"); new Thread("Thread1") { public void run() {  
            map.put(7, "B");  
            System.out.println(map);  
        };  
    }.start(); new Thread("Thread2") { public void run() {  
            map.put(3, "A);

System.out.println(map);

};  
    }.start();        
}

}

; "复制代码")

这个类复写了equals方法，而且提供了至关好的hashCode函数，任何一个值的hashCode都不会相同，由于直接使用value当作hashcode。为了不频繁的GC，我将不变的Key实例缓存了起来，而不是一遍一遍的建立它们。代码以下：

; "复制代码")

public class Keys { public static final int MAX_KEY = 10_000_000; private static final Key[] KEYS_CACHE = new Key[MAX_KEY]; static { for (int i = 0; i < MAX_KEY; ++i) {

KEYS\_CACHE\[i\] \= new Key(i);
    }
} public static Key of(int value) { return KEYS\_CACHE\[value\];
}

}

; "复制代码")

如今开始咱们的试验，测试须要作的仅仅是，建立不一样size的HashMap（一、十、100、......10000000），屏蔽了扩容的状况，代码以下：

; "复制代码")

static void test(int mapSize) {

HashMap<Key, Integer> map = new HashMap<Key,Integer>(mapSize); for (int i = 0; i < mapSize; ++i) {
        map.put(Keys.of(i), i);
    } long beginTime = System.nanoTime(); //获取纳秒
    for (int i = 0; i < mapSize; i++) {
        map.get(Keys.of(i));
    } long endTime = System.nanoTime();
    System.out.println(endTime \- beginTime);
} public static void main(String\[\] args) { for(int i=10;i<= 1000 0000;i\*= 10){
        test(i);
    }
}

; "复制代码")

在测试中会查找不一样的值，而后度量花费的时间，为了计算getKey的平均时间，咱们遍历全部的get方法，计算总的时间，除以key的数量，计算一个平均值，主要用来比较，绝对值可能会受不少环境因素的影响。结果以下：

经过观测测试结果可知，JDK1.8的性能要高于JDK1.7 15%以上，在某些size的区域上，甚至高于100%。由于Hash算法较均匀，JDK1.8引入的红黑树效果不明显，下面咱们看看Hash不均匀的的状况。

Hash极不均匀的状况

假设咱们又一个很是差的Key，它们全部的实例都返回相同的hashCode值。这是使用HashMap最坏的状况。代码修改以下：

`class Key implements Comparable<Key> {

//...

@Override
public int hashCode() {
    return 1;
}

}`

仍然执行main方法，得出的结果以下表所示：

从表中结果中可知，随着size的变大，JDK1.7的花费时间是增加的趋势，而JDK1.8是明显的下降趋势，而且呈现对数增加稳定。当一个链表太长的时候，HashMap会动态的将它替换成一个红黑树，这话的话会将时间复杂度从O(n)降为O(logn)。hash算法均匀和不均匀所花费的时间明显也不相同，这两种状况的相对比较，能够说明一个好的hash算法的重要性。

测试环境：处理器为2.2 GHz Intel Core i7，内存为16 GB 1600 MHz DDR3，SSD硬盘，使用默认的JVM参数，运行在64位的OS X 10.10.1上。

小结

(1) 扩容是一个特别耗性能的操做，因此当程序员在使用HashMap的时候，估算map的大小，初始化的时候给一个大体的数值，避免map进行频繁的扩容。

(2) 负载因子是能够修改的，也能够大于1，可是建议不要轻易修改，除非状况很是特殊。

(3) HashMap是线程不安全的，不要在并发的环境中同时操做HashMap，建议使用ConcurrentHashMap。

(4) JDK1.8引入红黑树大程度优化了HashMap的性能。

(5) 还没升级JDK1.8的，如今开始升级吧。HashMap的性能提高仅仅是JDK1.8的冰山一角。

总结

咱们如今能够回答开始的几个问题，加深对HashMap的理解：

1. 何时会使用HashMap？他有什么特色？

   是基于Map接口的实现，存储键值对时，它能够接收null的键值，是非同步的，HashMap存储着Entry(hash, key, value, next)对象。

2. 你知道HashMap的工做原理吗？

   经过hash的方法，经过put和get存储和获取对象。存储对象时，咱们将K/V传给put方法时，它调用hashCode计算hash从而获得bucket位置，进一步存储，HashMap会根据当前bucket的占用状况自动调整容量(超过Load Facotr则resize为原来的2倍)。获取对象时，咱们将K传给get，它调用hashCode计算hash从而获得bucket位置，并进一步调用equals()方法肯定键值对。若是发生碰撞的时候，Hashmap经过链表将产生碰撞冲突的元素组织起来，在Java 8中，若是一个bucket中碰撞冲突的元素超过某个限制(默认是8)，则使用红黑树来替换链表，从而提升速度。

3. 你知道get和put的原理吗？equals()和hashCode()的都有什么做用？

   经过对key的hashCode()进行hashing，并计算下标( n-1 & hash)，从而得到buckets的位置。若是产生碰撞，则利用key.equals()方法去链表或树中去查找对应的节点

4. 你知道hash的实现吗？为何要这样实现？

   在Java 1.8的实现中，是经过hashCode()的高16位异或低16位实现的：(h = k.hashCode()) ^ (h >>> 16)，主要是从速度、功效、质量来考虑的，这么作能够在bucket的n比较小的时候，也能保证考虑到高低bit都参与到hash的计算中，同时不会有太大的开销。

5. 若是HashMap的大小超过了负载因子(load factor)定义的容量，怎么办？

   若是超过了负载因子(默认0.75)，则会从新resize一个原来长度两倍的HashMap，而且从新调用hash方法。 
   关于Java集合的小抄中是这样描述的： 
   以Entry[]数组实现的哈希桶数组，用Key的哈希值取模桶数组的大小可获得数组下标。 
   插入元素时，若是两条Key落在同一个桶(好比哈希值1和17取模16后都属于第一个哈希桶)，Entry用一个next属性实现多个Entry以单向链表存放，后入桶的Entry将next指向桶当前的Entry。 
   查找哈希值为17的key时，先定位到第一个哈希桶，而后以链表遍历桶里全部元素，逐个比较其key值。 
   当Entry数量达到桶数量的75%时(不少文章说使用的桶数量达到了75%，但看代码不是)，会成倍扩容桶数组，并从新分配全部原来的Entry，因此这里也最好有个预估值。 
   取模用位运算(hash & (arrayLength-1))会比较快，因此数组的大小永远是2的N次方， 你随便给一个初始值好比17会转为32。默认第一次放入元素时的初始值是16。 
   iterator()时顺着哈希桶数组来遍历，看起来是个乱序。

6. 当两个对象的hashcode相同会发生什么？

   由于hashcode相同，因此它们的bucket位置相同，‘碰撞’会发生。由于HashMap使用链表存储对象，这个Entry(包含有键值对的Map.Entry对象)会存储在链表中。

7. 若是两个键的hashcode相同，你如何获取值对象？

   找到bucket位置以后，会调用keys.equals()方法去找到链表中正确的节点，最终找到要找的值对象。所以，设计HashMap的key类型时，若是使用不可变的、声明做final的对象，而且采用合适的equals()和hashCode()方法的话，将会减小碰撞的发生，提升效率。不可变性可以缓存不一样键的hashcode，这将提升整个获取对象的速度，使用String，Interger这样的wrapper类做为键是很是好的选择

8. 若是HashMap的大小超过了负载因子(load factor)定义的容量，怎么办？

   默认的负载因子大小为0.75，也就是说，当一个map填满了75%的bucket时候，和其它集合类(如ArrayList等)同样，将会建立原来HashMap大小的两倍的bucket数组，来从新调整map的大小，并将原来的对象放入新的bucket数组中。这个过程叫做rehashing，由于它调用hash方法找到新的bucket位置

9. 你了解从新调整HashMap大小存在什么问题吗？

   当从新调整HashMap大小的时候，确实存在条件竞争，由于若是两个线程都发现HashMap须要从新调整大小了，它们会同时试着调整大小。在调整大小的过程当中，存储在链表中的元素的次序会反过来，由于移动到新的bucket位置的时候，HashMap并不会将元素放在链表的尾部，而是放在头部，这是为了不尾部遍历(tail traversing)。若是条件竞争发生了，那么就死循环了。所以在并发环境下，咱们使用CurrentHashMap来替代HashMap

10. 为何String, Interger这样的wrapper类适合做为键？

    由于String是不可变的，也是final的，并且已经重写了equals()和hashCode()方法了。其余的wrapper类也有这个特色。不可变性是必要的，由于为了要计算hashCode()，就要防止键值改变，若是键值在放入时和获取时返回不一样的hashcode的话，那么就不能从HashMap中找到你想要的对象。不可变性还有其余的优势如线程安全。若是你能够仅仅经过将某个field声明成final就能保证hashCode是不变的，那么请这么作吧。由于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很是重要的。若是两个不相等的对象返回不一样的hashcode的话，那么碰撞的概率就会小些，这样就能提升HashMap的性能