HashMap

Hashmap结构图

初始容量: 16 (1 << 4) 加载因子: 0.75f 采用懒加载模式put数据开始初始化数组

保证数组长度为2的次方

put方法

调用构造方法初始化容量和负载因子，懒加载的形式，put时候初始化table，通过key的hashcode算出hash值，（高十六位和低十六做异或计算），然后再与上数组的长度-1，算出在数组的位置。数组长度是2的幂次方，比如说16-1就是1111，hash值做与运算就是相当于取余，计算机底层运算快并且hash分布的更均匀。如果不是2的幂次方，肯定有些值取不到。

如果数组的位置上没有元素直接把新建节点放上去，如果是红黑树，则在红黑树中进行添加，如果是链表，会循环链表的节点，通过equal方法决定添加还是替换。当链表长度达到8并且数组长度达到64的话会转化成红黑树。
最后，判断节点数是否达到阈值，会进行map的扩容，它会判断原数组的长度，如果是大于1<<30，数组的最大长度,就不进行扩容。否则的话会新建一个数组，是原来的两倍大小。如果原来的桶位没有下一个元素，对新的长度重新计算索引值然后放入，如果是链表，循环元素

链表bin 的数量大于 TREEIFY_THRESHOLD(8)
容量小于 MIN_TREEIFY_CAPACITY(64)，只会进行简单的扩容。
容量大于 MIN_TREEIFY_CAPACITY(64)，则会进行树化改造。

源码解析

put()

    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)
            // 1 如果 table 为空或者长度为 0，即没有元素，则使用 resize()方法扩容
            n = (tab = resize()).length;
        if ((p = tab[i = (n - 1) & hash]) == null)
            // 2 计算插入存储的数组索引 i，如果数组当前位置为空，则不存在 Hash 冲突，可以直 接插入元素。
            tab[i] = newNode(hash, key, value, null);
        else {
            // 3 插入新元素时，如果发生 Hash 冲突，则依次往下判断。
            Node<K,V> e; K k;
            // 3.1 判断 table[i]的元素的 key 是否与需要插入的 key 相同，
            // 若相同则直接用 新的 value 覆盖掉旧的 value，判断元素相等原则是 equals()，
            // 所以 key 对象需要重写该方法。
            if (p.hash == hash &&
                ((k = p.key) == key || (key != null && key.equals(k))))
                e = p;
            // 3.2 判断需要插入的数据结构是红黑树还是链表，
            // 如果是红黑树，则直接在树中 通过 putTreeVal()方法插入/更新键值对。
            else if (p instanceof TreeNode)
                e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
            // 3.3 如果是链表，则在链表中插入/更新键值对
            else {
                // 3.3.1 遍历 table[i]，判断 key 是否已经存在，采用 equals 
                // 对比当前遍历结点的 key 与需要插入数据的 key，如果存在相同，则直接覆盖。 
                // 3.3.2 遍历完毕后如果没有发现相同的 key，直接在链表尾部插入新的节点 元素。 
                // 插入完成后判断链表长度是否>TREEIFY_THRESHOLD（8），若是，则把链 表转换为红黑树。
                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;
                }
            }
            // 3.4 如果 e 不为空，证明 key 已经存在，直接用新的 value 覆盖旧的 value 即可。
            if (e != null) { // existing mapping for key
                V oldValue = e.value;
                if (!onlyIfAbsent || oldValue == null)
                    e.value = value;
                afterNodeAccess(e);
                return oldValue;
            }
        }
        ++modCount;
        // 4 插入成功后，判断实际存在的键值对数量 size>最大容量，如果大于则进行扩容。
        if (++size > threshold)
            resize();
        // 5 插入成功时会调用的方法（默认实现为空）
        afterNodeInsertion(evict);
        return null;
    }

resize

final Node<K,V>[] resize() {
        // 1 复制一份扩容前的数组（当前数组）
        Node<K,V>[] oldTab = table;
        // 2 保存旧的数组长度，阈值
        int oldCap = (oldTab == null) ? 0 : oldTab.length;
        int oldThr = threshold;
        int newCap, newThr = 0;
        // 3 判断扩容前的数组容量
        if (oldCap > 0) {
            // 3.1 若扩容前的数组容量超过最大值，则不再扩容。
            if (oldCap >= MAXIMUM_CAPACITY) {
                threshold = Integer.MAX_VALUE;
                return oldTab;
            }
            // 3.2 若没有超过最大值，则扩容为原来二倍。 
            else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&
                     oldCap >= DEFAULT_INITIAL_CAPACITY)
                newThr = oldThr << 1; // double threshold
        }
        // 4 如果旧容量为 0，并且旧阈值>0，说明之前创建了哈希表但没有添加元素，初始化 容量等于阈值。
        else if (oldThr > 0) // initial capacity was placed in threshold
            newCap = oldThr;
        // 5 如果旧容量、旧阈值都为 0，说明还没创建哈希表，容量为默认值，阈值为容量*加 载因子。
        else {               // zero initial threshold signifies using defaults
            newCap = DEFAULT_INITIAL_CAPACITY;
            newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);
        }
        // 6 如果新的阈值为 0，则用新容量*加载因子 重新计算一次。
        if (newThr == 0) {
            float ft = (float)newCap * loadFactor;
            newThr = (newCap < MAXIMUM_CAPACITY && ft < (float)MAXIMUM_CAPACITY ?
                      (int)ft : Integer.MAX_VALUE);
        }
        // 7 更新阈值。
        threshold = newThr;
        // 8 创建新链表数组，容量是原来两倍
        @SuppressWarnings({"rawtypes","unchecked"})
        Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap];
        // 9 接下来是遍历复制。 
        table = newTab;
        if (oldTab != null) {
            for (int j = 0; j < oldCap; ++j) {
                Node<K,V> e;
                if ((e = oldTab[j]) != null) {
                    // 9.1 旧的桶置为空
                    oldTab[j] = null;
                    // 9.2 如果当前桶只有一个元素，则直接赋值给新 table 的对应位置。
                    if (e.next == null)
                        newTab[e.hash & (newCap - 1)] = e;
                    // 9.3 如果当前桶是树形结构，则要把新 table 当前位置桶也变成树结 构。
                    else if (e instanceof TreeNode)
                        ((TreeNode<K,V>)e).split(this, newTab, j, oldCap);
                    // 9.4 保留旧哈希表桶中链表元素的顺序 
                    else { // preserve order
                        //按原始链表顺序， 过滤出来扩容后位置不变的元素（低位=0），放在一起。
                        Node<K,V> loHead = null, loTail = null;
                        //按原始链表顺序， 过滤出来扩容后位置改变到（index+oldCap）的元素（高位=0），放在一起。
                        Node<K,V> hiHead = null, hiTail = null;
                        Node<K,V> next;
                        // 9.4.1 do-while 循环赋值给新哈希表
                        do {
                            next = e.next;
                            // 9.4.2 通过计算(e.hash & oldCap) == 0 分成两条链表， 再将两条链表散列到新数组的不同位置。
                            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);
                        // 9.4.3 放到原索引位置不变的桶中。 
                        if (loTail != null) {
                            loTail.next = null;
                            newTab[j] = loHead;
                        }
                        // 9.4.4 放到原索引+oldCap 位置的桶中。 
                        if (hiTail != null) {
                            hiTail.next = null;
                            newTab[j + oldCap] = hiHead;
                        }
                    }
                }
            }
        }
        return newTab;
    }

HashMap默认加载因子为什么选择0.75

HashMap有两个参数影响其性能：初始容量和加载因子。容量是哈希表中桶的数量，初始容量只是哈希表在创建时的容量。加载因子是哈希表在其容量自动扩容之前可以达到多满的一种度量。当哈希表中的条目数超出了加载因子与当前容量的乘积时，则要对该哈希表进行扩容、rehash操作（即重建内部数据结构），扩容后的哈希表将具有两倍的原容量。
通常，加载因子需要在时间和空间成本上寻求一种折衷。
负载因子的大小是主要就是决定了HashMap的数据密度的。
加载因子过高，例如为1，就会可能发生碰撞的几率越高，数组中的链表也会越容易长，虽然减少了空间开销，提高了空间利用率，但同时也增加了插入时的比较次数和查询时间成本，性能会下降。
加载因子过低，例如0.5，虽然可以减少查询时间成本，但是空间利用率很低，同时提高了rehash操作的次数，扩容会影响性能，但是查询和插入时比较次数也会少一些，性能也会提高。
所以建议一般在使用HashMap时建议根据预估值设置初始容量，减少扩容操作，尽量给它大一点空间。
提高空间利用率和 减少查询成本的折中，主要是泊松分布，0.75的话碰撞最小；

如何解决Hash碰撞问题

— 首先调用hashcode方法，去查找相关的key，当有冲突时，再调用equals方法

HashMap 在并发时可能出现的问题

如果多个线程同时使用 put 方法添加元素，而且假设正好存在两个 put 的 key 发生了碰撞（根据 hash 值计算的 bucket 一样），那么根据 HashMap 的实现，这两个 key 会添加到数组的同一个位置，这样最终就会发生其中一个线程 put 的数据被覆盖。
如果多个线程同时检测到元素个数超过数组大小 * loadFactor，这样就会发生多个线程同时对 Node 数组进行扩容，都在重新计算元素位置以及复制数据，但是最终只有一个线程扩容后的数组会赋给 table，也就是说其他线程的都会丢失，并且各自线程 put 的数据也丢失。

死循环问题

JDK 1.7 扩容采用的是“头插法”，会导致同一索引位置的节点在扩容后顺序反掉
JDK 1.8 之后采用的是“尾插法”，扩容后节点顺序不会反掉，不存在死循环问题。但是会因为1.8是在链表转换树或者对树进行操作的时候会出现线程安全的问题（涉及红黑树）