hashMap原理

java.util.HashMap是很常见的类，前段时间公司系统由于对HashMap使用不当，导致cpu百分之百，在并发环境下使用HashMap 而没有做同步，可能会引起死循环，关于这一点，sun的官方网站上已有阐述，这并非是bug。

HashMap的数据结构
HashMap主要是用数组来存储数据的，我们都知道它会对key进行哈希运算，哈系运算会有重复的哈希值，对于哈希值的冲突，HashMap采用链表来解决的。在HashMap里有这样的一句属性声明：
transient Entry[] table;
Entry就是HashMap存储数据所用的类，它拥有的属性如下
final K key;
V value;
final int hash;
Entry<K,V> next;
看到next了吗？next就是为了哈希冲突而存在的。比如通过哈希运算，一个新元素应该在数组的第10个位置，但是第10个位置已经有Entry，那么好吧，将新加的元素也放到第10个位置，将第10个位置的原有Entry赋值给当前新加的 Entry的next属性。数组存储的是链表，链表是为了解决哈希冲突的，这一点要注意。


几个关键的属性
存储数据的数组
transient Entry[] table;这个上面已经讲到了
默认容量
static final int DEFAULT_INITIAL_CAPACITY = 16;
最大容量
static final int MAXIMUM_CAPACITY = 1 << 30;
默认加载因子，加载因子是一个比例，当HashMap的数据大小>=容量*加载因子时，HashMap会将容量扩容
static final float DEFAULT_LOAD_FACTOR = 0.75f;
当实际数据大小超过threshold时，HashMap会将容量扩容，threshold＝容量*加载因子
int threshold;
加载因子
final float loadFactor;


HashMap的初始过程
构造函数1

publicHashMap(intinitialCapacity,floatloadFactor){
if(initialCapacity<0)
thrownewIllegalArgumentException("Illegalinitialcapacity:"+
initialCapacity);
if(initialCapacity>MAXIMUM_CAPACITY)
initialCapacity=MAXIMUM_CAPACITY;
if(loadFactor<=0||Float.isNaN(loadFactor))
thrownewIllegalArgumentException("Illegalloadfactor:"+
loadFactor);

//Findapowerof2>=initialCapacity
intcapacity=1;
while(capacity<initialCapacity)
capacity<<=1;

this.loadFactor=loadFactor;
threshold=(int)(capacity*loadFactor);
table=newEntry[capacity];
init();
}

重点注意这里

while(capacity<initialCapacity)
capacity<<=1;

capacity才是初始容量，而不是initialCapacity，这个要特别注意，如果执行new HashMap(9,0.75)；那么HashMap的初始容量是16，而不是9，想想为什么吧。

构造函数2

publicHashMap(intinitialCapacity){
this(initialCapacity,DEFAULT_LOAD_FACTOR);
}

构造函数3，全部都是默认值

publicHashMap(){
this.loadFactor=DEFAULT_LOAD_FACTOR;
threshold=(int)(DEFAULT_INITIAL_CAPACITY*DEFAULT_LOAD_FACTOR);
table=newEntry[DEFAULT_INITIAL_CAPACITY];
init();
}

构造函数4

publicHashMap(Map<?extendsK,?extendsV>m){
this(Math.max((int)(m.size()/DEFAULT_LOAD_FACTOR)+1,
DEFAULT_INITIAL_CAPACITY),DEFAULT_LOAD_FACTOR);
putAllForCreate(m);
}

如何哈希
HashMap并不是直接将对象的hashcode作为哈希值的，而是要把key的hashcode作一些运算以得到最终的哈希值，并且得到的哈希值也不是在数组中的位置哦，无论是get还是put还是别的方法，计算哈希值都是这一句：
int hash = hash(key.hashCode());
hash函数如下：

staticinthash(inth){
returnuseNewHash?newHash(h):oldHash(h);
}

useNewHash声明如下：

privatestaticfinalbooleanuseNewHash;
static{useNewHash=false;}

这说明useNewHash其实一直为false且不可改变的，hash函数里对 useNewHash的判断真是多余的。

privatestaticintoldHash(inth){
h+=~(h<<9);
h^=(h>>>14);
h+=(h<<4);
h^=(h>>>10);
returnh;
}

privatestaticintnewHash(inth){
//ThisfunctionensuresthathashCodesthatdifferonlyby
//constantmultiplesateachbitpositionhaveabounded
//numberofcollisions(approximately8atdefaultloadfactor).
h^=(h>>>20)^(h>>>12);
returnh^(h>>>7)^(h>>>4);
}

其实HashMap的哈希函数会一直都是oldHash。


如果确定数据的位置
看下面两行

inthash=hash(k.hashCode());
inti=indexFor(hash,table.length);

第一行，上面讲过了，是得到哈希值，第二行，则是根据哈希指计算元素在数组中的位置了，位置的计算是将哈希值和数组长度按位与运算。

staticintindexFor(inth,intlength){
returnh&(length-1);
}

“h & (length-1)”其实这里是很有讲究的，为什么是和(length-1)进行按位与运算呢？这样做是为了提高HashMap的效率。什么？这样能提高效率？且听我细细道来。

首先我们要确定一下，HashMap的数组长度永远都是偶数，即使你在初始化的时候是这样的new HashMap(15,0.75);因为在构造函数内部，上面也讲过，有这样的一段代码：

while(capacity<initialCapacity)
capacity<<=1;

所以length-1一定是个奇数，假设现在长度为16，减去1后就是15，对应的二进制是：1111。

假设有两个元素，一个哈希值是8，二进制是1000，一个哈希值是9，二进制是1001。和1111与运算后，分别还是1000和1001，它们被分配在了数组的不同位置，这样，哈希的分布非常均匀。

那么，如果数组长度是奇数，减去1后就是偶数了，偶数对应的二进制最低位一定是0了，例如14二进制1110。对上面两个数子分别与运算，得到1000和1000。看到了吗？都是一样的值，哈希值8和9的元素多被存储在数组同一个位置的链表中。在操作的时候，链表中的元素越多，效率越低，因为要不停的对链表循环比较。所以，一定要哈希均匀分布，尽量减少哈希冲突，减少了哈希冲突，就减少了链表循环，就提高了效率。

put方法到底作了什么？

publicVput(Kkey,Vvalue){
if(key==null)
returnputForNullKey(value);
inthash=hash(key.hashCode());
inti=indexFor(hash,table.length);
for(Entry<K,V>e=table[i];e!=null;e=e.next){
Objectk;
if(e.hash==hash&&((k=e.key)==key||key.equals(k))){
VoldValue=e.value;
e.value=value;
e.recordAccess(this);
returnoldValue;
}
}

modCount++;
addEntry(hash,key,value,i);
returnnull;
}

如果key为NULL，则是单独处理的，看看putForNullKey方法：

privateVputForNullKey(Vvalue){
inthash=hash(NULL_KEY.hashCode());
inti=indexFor(hash,table.length);

for(Entry<K,V>e=table[i];e!=null;e=e.next){
if(e.key==NULL_KEY){
VoldValue=e.value;
e.value=value;
e.recordAccess(this);
returnoldValue;
}
}

modCount++;
addEntry(hash,(K)NULL_KEY,value,i);
returnnull;
}

NULL_KEY的声明：static final Object NULL_KEY = new Object();
这一段代码是处理哈希冲突的，就是说，在数组某个位置的对象可能并不是唯一的，它是一个链表结构，根据哈希值找到链表后，还要对链表遍历，找出key相等的对象，替换它，并且返回旧的值。

for(Entry<K,V>e=table[i];e!=null;e=e.next){
if(e.key==NULL_KEY){
VoldValue=e.value;
e.value=value;
e.recordAccess(this);
returnoldValue;
}
}

如果遍历完了该位置的链表都没有找到有key相等的，那么将当前对象增加到链表里面去

modCount++;
addEntry(hash,(K)NULL_KEY,value,i);
returnnull;

且看看addEntry方法

voidaddEntry(inthash,Kkey,Vvalue,intbucketIndex){
Entry<K,V>e=table[bucketIndex];
table[bucketIndex]=newEntry<K,V>(hash,key,value,e);
if(size++>=threshold)
resize(2*table.length);
}

table[bucketIndex] = new Entry<K,V>(hash, key, value, e);新建一个Entry对象，并放在当前位置的Entry链表的头部，看看下面的 Entry构造函数就知道了，注意红色部分。

Entry(inth,Kk,Vv,Entry<K,V>n){
value=v;
next=n;
key=k;
hash=h;
}

如何扩容？
当put一个元素时，如果达到了容量限制，HashMap就会扩容，新的容量永远是原来的2倍。
上面的put方法里有这样的一段：

if(size++>=threshold)
resize(2*table.length);

这是扩容判断，要注意，并不是数据尺寸达到HashMap的最大容量时才扩容，而是达到 threshold指定的值时就开始扩容， threshold＝最大容量＊加载因子。 看看resize方法

voidresize(intnewCapacity){
Entry[]oldTable=table;
intoldCapacity=oldTable.length;
if(oldCapacity==MAXIMUM_CAPACITY){
threshold=Integer.MAX_VALUE;
return;
}

Entry[]newTable=newEntry[newCapacity];
transfer(newTable);
table=newTable;
threshold=(int)(newCapacity*loadFactor);
}

重点看看红色部分的 transfer方法

voidtransfer(Entry[]newTable){
Entry[]src=table;
intnewCapacity=newTable.length;
for(intj=0;j<src.length;j++){
Entry<K,V>e=src[j];
if(e!=null){
src[j]=null;
do{
Entry<K,V>next=e.next;
inti=indexFor(e.hash,newCapacity);
e.next=newTable[i];
newTable[i]=e;
e=next;
}while(e!=null);
}
}
}

tranfer方法将所有的元素重新哈希，因为新的容量变大，所以每个元素的哈希值和位置都是不一样的。

如何寻找元素

通 过上面代码的分析，应该可以很清楚的看到，HashMap的元素查找大致分为三步：

根据key的hasocde()得到哈希值

根据哈希值确定元素在数组中的位置

找到指定位置 的链表，循环比较，先“＝＝”比较，如果不等，再“equals”比较，如果有一个比较相等，就说明找到元素了。

所以说到这里，我想大家也明白了，为什么要把一个对象放进HashMap的时候，最好是重写hashcode()方法和equals 方法呢？根据前面的分析，hashcode()可以确定元素在数组中的位置，而equals方法在链表的比较时要用到。

正确的使用HashMap
1：不要在并发场景中使用HashMap
HashMap是线程不安全的，如果被多个线程共享的操作，将会引发不可预知的问题，据sun的说法，在扩容时，会引起链表的闭环，在get元素时，就会无限循环，后果是cpu100%。
看看get方法的红色部分

publicVget(Objectkey){
if(key==null)
returngetForNullKey();
inthash=hash(key.hashCode());
for(Entry<K,V>e=table[indexFor(hash,table.length)];
e!=null;
e=e.next){
Objectk;
if(e.hash==hash&&((k=e.key)==key||key.equals(k)))
returne.value;
}
returnnull;
}

2：如果数据大小是固定的，那么最好给HashMap设定一个合理的容量值
根据上面的分析，HashMap的初始默认容量是16，默认加载因子是0.75，也就是说，如果采用HashMap的默认构造函数，当增加数据时，数据实际容量超过10*0.75=12时，HashMap就扩容，扩容带来一系列的运算，新建一个是原来容量2倍的数组，对原有元素全部重新哈希，如果你的数据有几千几万个，而用默认的HashMap构造函数，那结果是非常悲剧的，因为HashMap不断扩容，不断哈希，在使用HashMap的场景里，不会是多个线程共享一个HashMap,除非对HashMap包装并同步，由此产生的内存开销和cpu开销在某些情况下可能是致命的。

此文转载自http://www.iteye.com/topic/754887 感谢作者的钻研精神

java.util.HashMap是很常见的类，前段时间公司系统由于对HashMap使用不当，导致cpu百分之百，在并发环境下使用HashMap 而没有做同步，可能会引起死循环，关于这一点，sun的官方网站上已有阐述，这并非是bug。

HashMap的数据结构
HashMap主要是用数组来存储数据的，我们都知道它会对key进行哈希运算，哈系运算会有重复的哈希值，对于哈希值的冲突，HashMap采用链表来解决的。在HashMap里有这样的一句属性声明：
transient Entry[] table;
Entry就是HashMap存储数据所用的类，它拥有的属性如下
final K key;
V value;
final int hash;
Entry<K,V> next;
看到next了吗？next就是为了哈希冲突而存在的。比如通过哈希运算，一个新元素应该在数组的第10个位置，但是第10个位置已经有Entry，那么好吧，将新加的元素也放到第10个位置，将第10个位置的原有Entry赋值给当前新加的 Entry的next属性。数组存储的是链表，链表是为了解决哈希冲突的，这一点要注意。


几个关键的属性
存储数据的数组
transient Entry[] table;这个上面已经讲到了
默认容量
static final int DEFAULT_INITIAL_CAPACITY = 16;
最大容量
static final int MAXIMUM_CAPACITY = 1 << 30;
默认加载因子，加载因子是一个比例，当HashMap的数据大小>=容量*加载因子时，HashMap会将容量扩容
static final float DEFAULT_LOAD_FACTOR = 0.75f;
当实际数据大小超过threshold时，HashMap会将容量扩容，threshold＝容量*加载因子
int threshold;
加载因子
final float loadFactor;


HashMap的初始过程
构造函数1

publicHashMap(intinitialCapacity,floatloadFactor){
if(initialCapacity<0)
thrownewIllegalArgumentException("Illegalinitialcapacity:"+
initialCapacity);
if(initialCapacity>MAXIMUM_CAPACITY)
initialCapacity=MAXIMUM_CAPACITY;
if(loadFactor<=0||Float.isNaN(loadFactor))
thrownewIllegalArgumentException("Illegalloadfactor:"+
loadFactor);

//Findapowerof2>=initialCapacity
intcapacity=1;
while(capacity<initialCapacity)
capacity<<=1;

this.loadFactor=loadFactor;
threshold=(int)(capacity*loadFactor);
table=newEntry[capacity];
init();
}

重点注意这里

while(capacity<initialCapacity)
capacity<<=1;

capacity才是初始容量，而不是initialCapacity，这个要特别注意，如果执行new HashMap(9,0.75)；那么HashMap的初始容量是16，而不是9，想想为什么吧。

构造函数2

publicHashMap(intinitialCapacity){
this(initialCapacity,DEFAULT_LOAD_FACTOR);
}

构造函数3，全部都是默认值

publicHashMap(){
this.loadFactor=DEFAULT_LOAD_FACTOR;
threshold=(int)(DEFAULT_INITIAL_CAPACITY*DEFAULT_LOAD_FACTOR);
table=newEntry[DEFAULT_INITIAL_CAPACITY];
init();
}

构造函数4

publicHashMap(Map<?extendsK,?extendsV>m){
this(Math.max((int)(m.size()/DEFAULT_LOAD_FACTOR)+1,
DEFAULT_INITIAL_CAPACITY),DEFAULT_LOAD_FACTOR);
putAllForCreate(m);
}

如何哈希
HashMap并不是直接将对象的hashcode作为哈希值的，而是要把key的hashcode作一些运算以得到最终的哈希值，并且得到的哈希值也不是在数组中的位置哦，无论是get还是put还是别的方法，计算哈希值都是这一句：
int hash = hash(key.hashCode());
hash函数如下：

staticinthash(inth){
returnuseNewHash?newHash(h):oldHash(h);
}

useNewHash声明如下：

privatestaticfinalbooleanuseNewHash;
static{useNewHash=false;}

这说明useNewHash其实一直为false且不可改变的，hash函数里对 useNewHash的判断真是多余的。

privatestaticintoldHash(inth){
h+=~(h<<9);
h^=(h>>>14);
h+=(h<<4);
h^=(h>>>10);
returnh;
}

privatestaticintnewHash(inth){
//ThisfunctionensuresthathashCodesthatdifferonlyby
//constantmultiplesateachbitpositionhaveabounded
//numberofcollisions(approximately8atdefaultloadfactor).
h^=(h>>>20)^(h>>>12);
returnh^(h>>>7)^(h>>>4);
}

其实HashMap的哈希函数会一直都是oldHash。


如果确定数据的位置
看下面两行

inthash=hash(k.hashCode());
inti=indexFor(hash,table.length);

第一行，上面讲过了，是得到哈希值，第二行，则是根据哈希指计算元素在数组中的位置了，位置的计算是将哈希值和数组长度按位与运算。

staticintindexFor(inth,intlength){
returnh&(length-1);
}

“h & (length-1)”其实这里是很有讲究的，为什么是和(length-1)进行按位与运算呢？这样做是为了提高HashMap的效率。什么？这样能提高效率？且听我细细道来。

首先我们要确定一下，HashMap的数组长度永远都是偶数，即使你在初始化的时候是这样的new HashMap(15,0.75);因为在构造函数内部，上面也讲过，有这样的一段代码：

while(capacity<initialCapacity)
capacity<<=1;

所以length-1一定是个奇数，假设现在长度为16，减去1后就是15，对应的二进制是：1111。

假设有两个元素，一个哈希值是8，二进制是1000，一个哈希值是9，二进制是1001。和1111与运算后，分别还是1000和1001，它们被分配在了数组的不同位置，这样，哈希的分布非常均匀。

那么，如果数组长度是奇数，减去1后就是偶数了，偶数对应的二进制最低位一定是0了，例如14二进制1110。对上面两个数子分别与运算，得到1000和1000。看到了吗？都是一样的值，哈希值8和9的元素多被存储在数组同一个位置的链表中。在操作的时候，链表中的元素越多，效率越低，因为要不停的对链表循环比较。所以，一定要哈希均匀分布，尽量减少哈希冲突，减少了哈希冲突，就减少了链表循环，就提高了效率。

put方法到底作了什么？

publicVput(Kkey,Vvalue){
if(key==null)
returnputForNullKey(value);
inthash=hash(key.hashCode());
inti=indexFor(hash,table.length);
for(Entry<K,V>e=table[i];e!=null;e=e.next){
Objectk;
if(e.hash==hash&&((k=e.key)==key||key.equals(k))){
VoldValue=e.value;
e.value=value;
e.recordAccess(this);
returnoldValue;
}
}

modCount++;
addEntry(hash,key,value,i);
returnnull;
}

如果key为NULL，则是单独处理的，看看putForNullKey方法：

privateVputForNullKey(Vvalue){
inthash=hash(NULL_KEY.hashCode());
inti=indexFor(hash,table.length);

for(Entry<K,V>e=table[i];e!=null;e=e.next){
if(e.key==NULL_KEY){
VoldValue=e.value;
e.value=value;
e.recordAccess(this);
returnoldValue;
}
}

modCount++;
addEntry(hash,(K)NULL_KEY,value,i);
returnnull;
}

NULL_KEY的声明：static final Object NULL_KEY = new Object();
这一段代码是处理哈希冲突的，就是说，在数组某个位置的对象可能并不是唯一的，它是一个链表结构，根据哈希值找到链表后，还要对链表遍历，找出key相等的对象，替换它，并且返回旧的值。

for(Entry<K,V>e=table[i];e!=null;e=e.next){
if(e.key==NULL_KEY){
VoldValue=e.value;
e.value=value;
e.recordAccess(this);
returnoldValue;
}
}

如果遍历完了该位置的链表都没有找到有key相等的，那么将当前对象增加到链表里面去

modCount++;
addEntry(hash,(K)NULL_KEY,value,i);
returnnull;

且看看addEntry方法

voidaddEntry(inthash,Kkey,Vvalue,intbucketIndex){
Entry<K,V>e=table[bucketIndex];
table[bucketIndex]=newEntry<K,V>(hash,key,value,e);
if(size++>=threshold)
resize(2*table.length);
}

table[bucketIndex] = new Entry<K,V>(hash, key, value, e);新建一个Entry对象，并放在当前位置的Entry链表的头部，看看下面的 Entry构造函数就知道了，注意红色部分。

Entry(inth,Kk,Vv,Entry<K,V>n){
value=v;
next=n;
key=k;
hash=h;
}

如何扩容？
当put一个元素时，如果达到了容量限制，HashMap就会扩容，新的容量永远是原来的2倍。
上面的put方法里有这样的一段：

if(size++>=threshold)
resize(2*table.length);

这是扩容判断，要注意，并不是数据尺寸达到HashMap的最大容量时才扩容，而是达到 threshold指定的值时就开始扩容， threshold＝最大容量＊加载因子。 看看resize方法

voidresize(intnewCapacity){
Entry[]oldTable=table;
intoldCapacity=oldTable.length;
if(oldCapacity==MAXIMUM_CAPACITY){
threshold=Integer.MAX_VALUE;
return;
}

Entry[]newTable=newEntry[newCapacity];
transfer(newTable);
table=newTable;
threshold=(int)(newCapacity*loadFactor);
}

重点看看红色部分的 transfer方法

voidtransfer(Entry[]newTable){
Entry[]src=table;
intnewCapacity=newTable.length;
for(intj=0;j<src.length;j++){
Entry<K,V>e=src[j];
if(e!=null){
src[j]=null;
do{
Entry<K,V>next=e.next;
inti=indexFor(e.hash,newCapacity);
e.next=newTable[i];
newTable[i]=e;
e=next;
}while(e!=null);
}
}
}

tranfer方法将所有的元素重新哈希，因为新的容量变大，所以每个元素的哈希值和位置都是不一样的。

如何寻找元素

通 过上面代码的分析，应该可以很清楚的看到，HashMap的元素查找大致分为三步：

根据key的hasocde()得到哈希值

根据哈希值确定元素在数组中的位置

找到指定位置 的链表，循环比较，先“＝＝”比较，如果不等，再“equals”比较，如果有一个比较相等，就说明找到元素了。

所以说到这里，我想大家也明白了，为什么要把一个对象放进HashMap的时候，最好是重写hashcode()方法和equals 方法呢？根据前面的分析，hashcode()可以确定元素在数组中的位置，而equals方法在链表的比较时要用到。

正确的使用HashMap
1：不要在并发场景中使用HashMap
HashMap是线程不安全的，如果被多个线程共享的操作，将会引发不可预知的问题，据sun的说法，在扩容时，会引起链表的闭环，在get元素时，就会无限循环，后果是cpu100%。
看看get方法的红色部分

publicVget(Objectkey){
if(key==null)
returngetForNullKey();
inthash=hash(key.hashCode());
for(Entry<K,V>e=table[indexFor(hash,table.length)];
e!=null;
e=e.next){
Objectk;
if(e.hash==hash&&((k=e.key)==key||key.equals(k)))
returne.value;
}
returnnull;
}

2：如果数据大小是固定的，那么最好给HashMap设定一个合理的容量值
根据上面的分析，HashMap的初始默认容量是16，默认加载因子是0.75，也就是说，如果采用HashMap的默认构造函数，当增加数据时，数据实际容量超过10*0.75=12时，HashMap就扩容，扩容带来一系列的运算，新建一个是原来容量2倍的数组，对原有元素全部重新哈希，如果你的数据有几千几万个，而用默认的HashMap构造函数，那结果是非常悲剧的，因为HashMap不断扩容，不断哈希，在使用HashMap的场景里，不会是多个线程共享一个HashMap,除非对HashMap包装并同步，由此产生的内存开销和cpu开销在某些情况下可能是致命的。

此文转载自http://www.iteye.com/topic/754887 感谢作者的钻研精神