HashMap实现原理及源码解析（JDK8）
一、核心设计思想
- 数组+链表+红黑树：桶数组存储Node节点，哈希冲突时形成链表，链表长度≥8且桶数量≥64时转红黑树
- 扰动函数：
(h = key.hashCode()) ^ (h >>> 16)消除高位变化的影响 - 懒加载：首次put时初始化数组
- 负载因子：默认0.75，空间与时间的权衡
二、put()方法源码全解析
代码路径：java.util.HashMap#put
public V put(K key, V value) {
return putVal(hash(key), key, value, false, true);
}
核心方法putVal()流程：
- 初始化检测：
if ((tab = table) == null || (n = tab.length) == 0) n = (tab = resize()).length; - 计算桶下标：
(n - 1) & hash - 处理空桶：直接创建新节点
- 处理哈希冲突：
- 红黑树节点：
putTreeVal() - 链表节点：遍历至尾节点插入，同时检测链表长度
- 红黑树节点：
- 值替换检测：
if (e != null) { ... return oldValue; } - 扩容检测：
if (++size > threshold) resize();
源码解读：
final V putVal(int hash, K key, V value, boolean onlyIfAbsent, boolean evict) {
Node<K,V>[] tab; // 当前哈希桶数组
Node<K,V> p; // 目标桶的第一个节点
int n, i; // n: 数组长度，i: 计算出的桶下标
// ------------------------ 1. 初始化检测 ------------------------
if ((tab = table) == null || (n = tab.length) == 0)
n = (tab = resize()).length; // 首次插入触发初始化
// ------------------------ 2. 计算桶下标 ------------------------
i = (n - 1) & hash; // 等价于 hash % n（n是2的幂时的优化）
p = tab[i]; // 获取目标桶的第一个节点
// ------------------------ 3. 处理空桶 ------------------------
if (p == null)
tab[i] = newNode(hash, key, value, null); // 直接插入新节点
else {
Node<K,V> e; // 用于记录已存在的节点（若找到相同key）
K k;
// ------------------- 4.1 处理首节点匹配 -------------------
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
e = p; // 记录已存在的节点
// ------------------- 4.2 处理红黑树节点 -------------------
else if (p instanceof TreeNode)
e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
// ------------------- 4.3 处理链表节点 ---------------------
else {
for (int binCount = 0; ; ++binCount) {
// 到达链表尾部
if ((e = p.next) == null) {
p.next = newNode(hash, key, value, null); // 尾插法
// 检查是否触发树化
if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st
treeifyBin(tab, hash);
break;
}
// 发现重复key
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
break;
p = e; // 继续遍历
}
}
// ------------------- 5. 处理值替换 ------------------------
if (e != null) { // 存在重复key
V oldValue = e.value;
if (!onlyIfAbsent || oldValue == null)
e.value = value; // 覆盖旧值
afterNodeAccess(e); // LinkedHashMap回调
return oldValue; // 返回旧值
}
}
++modCount; // 修改计数器（用于快速失败机制）
// ------------------------ 6. 扩容检测 ------------------------
if (++size > threshold)
resize();
afterNodeInsertion(evict); // LinkedHashMap回调
return null; // 插入成功返回null
}
三、扩容机制深度剖析
触发条件：元素数量 > 容量 × 负载因子
resize()核心步骤：
- 计算新容量：原容量×2（保证始终为2的幂）
- 创建新数组：
Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap]; - 数据迁移：
- 单节点：
newTab[e.hash & (newCap - 1)] = e; - 红黑树：
split()方法处理 - 链表：拆分为低位链和高位链（利用
(e.hash & oldCap) == 0判断）
- 单节点：
扩容优化点：
- 无需重新计算哈希：通过位运算快速确定新位置
- 链表保持原始顺序（JDK8改进，避免循环链表问题）
源码解析
final Node<K,V>[] resize() {
Node<K,V>[] oldTab = table; // 旧数组
int oldCap = (oldTab == null) ? 0 : oldTab.length; // 旧容量
int oldThr = threshold; // 旧阈值
int newCap, newThr = 0; // 新容量、新阈值
// -------------------- 1. 计算新容量和阈值 --------------------
if (oldCap > 0) { // 扩容场景
// 容量已达最大值（2^30），不再扩容
if (oldCap >= MAXIMUM_CAPACITY) {
threshold = Integer.MAX_VALUE;
return oldTab;
}
// 新容量 = 旧容量 * 2
else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&
oldCap >= DEFAULT_INITIAL_CAPACITY)
newThr = oldThr << 1; // 阈值 * 2
}
else if (oldThr > 0) // 初始化场景（指定初始容量）
newCap = oldThr; // 使用构造方法中计算的阈值作为初始容量
else { // 无参构造初始化（默认容量16）
newCap = DEFAULT_INITIAL_CAPACITY;
newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);
}
// 处理新阈值为0的情况（兜底逻辑）
if (newThr == 0) {
float ft = (float)newCap * loadFactor;
newThr = (newCap < MAXIMUM_CAPACITY && ft < MAXIMUM_CAPACITY) ?
(int)ft : Integer.MAX_VALUE;
}
threshold = newThr; // 更新全局阈值
// -------------------- 2. 创建新数组 --------------------
Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap];
table = newTab; // 更新全局数组引用
// -------------------- 3. 数据迁移（旧数组→新数组） --------------------
if (oldTab != null) {
for (int j = 0; j < oldCap; ++j) { // 遍历旧数组的每个桶
Node<K,V> e;
if ((e = oldTab[j]) != null) { // 桶中有数据
oldTab[j] = null; // 清空旧桶（帮助GC）
// ----------- 3.1 处理单节点 -----------
if (e.next == null)
newTab[e.hash & (newCap - 1)] = e; // 直接计算新位置
// ----------- 3.2 处理红黑树节点 -----------
else if (e instanceof TreeNode)
((TreeNode<K,V>)e).split(this, newTab, j, oldCap);
// ----------- 3.3 处理链表节点（关键优化） -----------
else {
Node<K,V> loHead = null, loTail = null; // 低位链表（原索引）
Node<K,V> hiHead = null, hiTail = null; // 高位链表（原索引+oldCap）
do {
Node<K,V> next = e.next;
// 判断是否需要移动位置
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);
// 将拆分后的链表放入新数组
if (loTail != null) {
loTail.next = null;
newTab[j] = loHead; // 原索引位置
}
if (hiTail != null) {
hiTail.next = null;
newTab[j + oldCap] = hiHead; // 新索引位置
}
}
}
}
}
return newTab;
}
核心设计亮点
- 避免重新计算哈希
通过(e.hash & oldCap) == 0判断节点位置，时间复杂度从 O(n) 降为 O(1) - 高低位链表拆分
- 低位链表：保持原索引位置
j - 高位链表：新索引位置为
j + oldCap - 顺序保留：JDK8 使用尾插法保持链表原始顺序，避免循环链表问题（对比 JDK7 头插法）
- 低位链表：保持原索引位置
- 红黑树退化机制
当红黑树节点数 ≤6 时退化为链表，避免空间浪费 - 延迟初始化
首次调用put()时才会初始化数组（懒加载）
Q1：为什么HashMap扩容是2倍？
- 保证容量始终为2的幂，使得
(n - 1) & hash等效于取模运算，且位运算效率更高 - 扩容时可通过位运算快速确定新位置（无需重新计算哈希）
Q2：JDK8扩容如何避免死循环？
- JDK7 使用头插法，多线程扩容可能导致循环链表
- JDK8 改为尾插法，并保持链表原始顺序，彻底解决该问题
Q3：链表拆分的数学原理是什么？
假设旧容量为 oldCap = 16（二进制 10000）：
- 若
hash & oldCap == 0→ 节点新位置 = 原位置 - 若
hash & oldCap != 0→ 节点新位置 = 原位置 + oldCap
本质是通过哈希值的第log2(oldCap)位是否为1决定位置
Q4：多线程环境下resize()的风险
- 数据丢失：两个线程同时触发扩容可能导致部分节点丢失
- 链表断裂：并发修改可能导致链表结构损坏
- 解决方案：使用
ConcurrentHashMap
四、关键代码
1.哈希扰动函数
static final int hash(Object key) {
int h;
return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}
- 设计目的：将高16位与低16位异或，减少低位相同导致的哈希碰撞
- 示例：若
hashCode()为0x12345678，扰动后为0x12345678 ^ 0x00001234 = 0x1234444C
2.树化逻辑
final void treeifyBin(Node<K,V>[] tab, int hash) {
int n, index; Node<K,V> e;
if (tab == null || (n = tab.length) < MIN_TREEIFY_CAPACITY)
resize(); // 优先扩容而不是树化
else if ((e = tab[index = (n - 1) & hash]) != null) {
// 将链表转为红黑树
TreeNode<K,V> hd = null, tl = null;
do {
TreeNode<K,V> p = replacementTreeNode(e, null);
if (tl == null)
hd = p;
else {
p.prev = tl;
tl.next = p;
}
tl = p;
} while ((e = e.next) != null);
if ((tab[index] = hd) != null)
hd.treeify(tab);
}
}
- 树化条件：链表长度 ≥8 且 桶数量 ≥64（
MIN_TREEIFY_CAPACITY） - 设计考量：避免在小表时过早树化，空间利用率更重要
3.红黑树插入
在 putTreeVal() 方法中：
- 从根节点开始查找插入位置
- 比较哈希值和键对象
- 插入后通过
balanceInsertion()进行红黑树平衡操作
4.核心设计亮点
- 尾插法 vs 头插法：
- JDK7 使用头插法，多线程扩容可能产生循环链表
- JDK8 改为尾插法，解决循环链表问题，保证插入顺序
- 延迟树化策略：
- 优先扩容而不是立即树化（当桶数量 <64 时）
- 树节点占用空间是普通节点的2倍，权衡空间与时间
- 高低位链表拆分：
- 扩容时通过
(e.hash & oldCap) == 0判断节点位置 - 示例：原容量16（二进制
10000），哈希值为10101的节点在扩容后会分配到新位置10101 & 31（11111） = 21
- 扩容时通过
面试回答话术模板
面试官：请说明HashMap的实现原理
回答结构：
- 总体结构：“HashMap采用数组+链表+红黑树的存储结构，当链表长度超过8且桶数量达到64时，链表会转换为红黑树优化查询效率”
- 哈希计算：“通过二次扰动函数处理键的hashCode，使哈希分布更均匀”
- put流程：
- 计算桶下标 → 处理空桶/冲突 → 链表/树操作 → 扩容检测
- 强调尾插法、树化阈值、modCount记录
- 扩容机制：
- 2倍扩容保证容量始终为2的幂
- 数据迁移时的高低位链表拆分算法
- 线程安全：“HashMap非线程安全，多线程环境下建议使用ConcurrentHashMap”，原因是：1.两个线程同时put时可能会覆盖彼此的修改；2.jdk7的头插法扩容时产生循环链表，发生死循环；
- 延伸补充（可选）：
- 与HashTable的区别（null键支持、同步机制）
- 负载因子取值依据（0.75的时间空间平衡点）
加分技巧：
- 手绘数据迁移示意图（高低位链表拆分）
- 举例说明哈希碰撞场景
- 对比JDK7的头插法实现差异（循环链表问题）
- 分析树化阈值的统计学依据（泊松分布）
示例回答：
“HashMap通过数组存储Node节点解决快速定位问题，使用链表和红黑树处理哈希冲突。当执行put操作时，首先计算键的扰动哈希值确定桶位置。若发生哈希冲突，JDK8采用尾插法维护链表，当链表长度达到树化阈值时会转换结构提升查询效率。扩容时采用2倍扩容策略，通过位运算快速重新分配节点位置，这个设计避免了重新计算哈希的开销。需要注意的是，HashMap不是线程安全的，多线程put可能导致数据丢失或死循环（JDK7版本）。”
建议结合手写伪代码/流程图进行说明，展现对底层实现的深入理解。同时可准备时间/空间复杂度分析（理想情况下O(1)操作）作为补充。
