HashMap的实现在JDK 1.7和JDK 1.8差别较大- 今天，我将对照
JDK 1.7的源码，在此基础上讲解JDK 1.8中HashMap的源码解析 - 请务必打开
JDK 1.7对照看
2. 数据结构：引入了 红黑树
2.1 主要介绍
2.2 存储流程
注：为了让大家有个感性的认识，只是简单的画出存储流程，更加详细 & 具体的存储流程会在下面源码分析中给出
2.3 数组元素 & 链表节点的 实现类
HashMap中的数组元素 & 链表节点 采用 Node类 实现
与 JDK 1.7 的对比（Entry类），仅仅只是换了名字
该类的源码分析如下
具体分析请看注释
/** * Node = HashMap的内部类，实现了Map.Entry接口，本质是 = 一个映射(键值对) * 实现了getKey()、getValue()、equals(Object o)和hashCode()等方法 **/ static class Node<K,V> implements Map.Entry<K,V> { final int hash; // 哈希值，HashMap根据该值确定记录的位置 final K key; // key V value; // value Node<K,V> next;// 链表下一个节点 // 构造方法 Node(int hash, K key, V value, Node<K,V> next) { this.hash = hash; this.key = key; this.value = value; this.next = next; } public final K getKey() { return key; } // 返回 与 此项 对应的键 public final V getValue() { return value; } // 返回 与 此项 对应的值 public final String toString() { return key + "=" + value; } public final V setValue(V newValue) { V oldValue = value; value = newValue; return oldValue; } /** * hashCode（） */ public final int hashCode() { return Objects.hashCode(key) ^ Objects.hashCode(value); } /** * equals（） * 作用：判断2个Entry是否相等，必须key和value都相等，才返回true */ public final boolean equals(Object o) { if (o == this) return true; if (o instanceof Map.Entry) { Map.Entry<?,?> e = (Map.Entry<?,?>)o; if (Objects.equals(key, e.getKey()) && Objects.equals(value, e.getValue())) return true; } return false; } }
2.4 红黑树节点 实现类
HashMap中的红黑树节点 采用 TreeNode 类 实现
/** * 红黑树节点 实现类：继承自LinkedHashMap.Entry<K,V>类 */ static final class TreeNode<K,V> extends LinkedHashMap.Entry<K,V> { // 属性 = 父节点、左子树、右子树、删除辅助节点 + 颜色 TreeNode<K,V> parent; TreeNode<K,V> left; TreeNode<K,V> right; TreeNode<K,V> prev; boolean red; // 构造函数 TreeNode(int hash, K key, V val, Node<K,V> next) { super(hash, key, val, next); } // 返回当前节点的根节点 final TreeNode<K,V> root() { for (TreeNode<K,V> r = this, p;;) { if ((p = r.parent) == null) return r; r = p; } }
3. 具体使用
3.1 主要使用API（方法、函数）
与 JDK 1.7 基本相同
V get(Object key); // 获得指定键的值 V put(K key, V value); // 添加键值对 void putAll(Map<? extends K, ? extends V> m); // 将指定Map中的键值对 复制到 此Map中 V remove(Object key); // 删除该键值对 boolean containsKey(Object key); // 判断是否存在该键的键值对；是 则返回true boolean containsValue(Object value); // 判断是否存在该值的键值对；是 则返回true Set<K> keySet(); // 单独抽取key序列，将所有key生成一个Set Collection<V> values(); // 单独value序列，将所有value生成一个Collection void clear(); // 清除哈希表中的所有键值对 int size(); // 返回哈希表中所有 键值对的数量 = 数组中的键值对 + 链表中的键值对 boolean isEmpty(); // 判断HashMap是否为空；size == 0时 表示为 空
3.2 使用流程
与 JDK 1.7 基本相同
在具体使用时，主要流程是：
声明1个 HashMap的对象
向 HashMap 添加数据（成对 放入 键 - 值对）
获取 HashMap 的某个数据
获取 HashMap 的全部数据：遍历HashMap
示例代码
import java.util.Collection; import java.util.HashMap; import java.util.Iterator; import java.util.Map; import java.util.Set; public class HashMapTest { public static void main(String[] args) { /** * 1. 声明1个 HashMap的对象 */ Map<String, Integer> map = new HashMap<String, Integer>(); /** * 2. 向HashMap添加数据（成对 放入 键 - 值对） */ map.put("Android", 1); map.put("Java", 2); map.put("iOS", 3); map.put("数据挖掘", 4); map.put("产品经理", 5); /** * 3. 获取 HashMap 的某个数据 */ System.out.println("key = 产品经理时的值为：" + map.get("产品经理")); /** * 4. 获取 HashMap 的全部数据：遍历HashMap * 核心思想： * 步骤1：获得key-value对（Entry） 或 key 或 value的Set集合 * 步骤2：遍历上述Set集合(使用for循环 、 迭代器（Iterator）均可) * 方法共有3种：分别针对 key-value对（Entry） 或 key 或 value */ // 方法1：获得key-value的Set集合 再遍历 System.out.println("方法1"); // 1. 获得key-value对（Entry）的Set集合 Set<Map.Entry<String, Integer>> entrySet = map.entrySet(); // 2. 遍历Set集合，从而获取key-value // 2.1 通过for循环 for(Map.Entry<String, Integer> entry : entrySet){ System.out.print(entry.getKey()); System.out.println(entry.getValue()); } System.out.println("----------"); // 2.2 通过迭代器：先获得key-value对（Entry）的Iterator，再循环遍历 Iterator iter1 = entrySet.iterator(); while (iter1.hasNext()) { // 遍历时，需先获取entry，再分别获取key、value Map.Entry entry = (Map.Entry) iter1.next(); System.out.print((String) entry.getKey()); System.out.println((Integer) entry.getValue()); } // 方法2：获得key的Set集合 再遍历 System.out.println("方法2"); // 1. 获得key的Set集合 Set<String> keySet = map.keySet(); // 2. 遍历Set集合，从而获取key，再获取value // 2.1 通过for循环 for(String key : keySet){ System.out.print(key); System.out.println(map.get(key)); } System.out.println("----------"); // 2.2 通过迭代器：先获得key的Iterator，再循环遍历 Iterator iter2 = keySet.iterator(); String key = null; while (iter2.hasNext()) { key = (String)iter2.next(); System.out.print(key); System.out.println(map.get(key)); } // 方法3：获得value的Set集合 再遍历 System.out.println("方法3"); // 1. 获得value的Set集合 Collection valueSet = map.values(); // 2. 遍历Set集合，从而获取value // 2.1 获得values 的Iterator Iterator iter3 = valueSet.iterator(); // 2.2 通过遍历，直接获取value while (iter3.hasNext()) { System.out.println(iter3.next()); } } } // 注：对于遍历方式，推荐使用针对 key-value对（Entry）的方式：效率高 // 原因： // 1. 对于 遍历keySet 、valueSet，实质上 = 遍历了2次：1 = 转为 iterator 迭代器遍历、2 = 从 HashMap 中取出 key 的 value 操作（通过 key 值 hashCode 和 equals 索引） // 2. 对于 遍历 entrySet ，实质 = 遍历了1次 = 获取存储实体Entry（存储了key 和 value ）
运行结果
方法1 Java2 iOS3 数据挖掘4 Android1 产品经理5 ---------- Java2 iOS3 数据挖掘4 Android1 产品经理5 方法2 Java2 iOS3 数据挖掘4 Android1 产品经理5 ---------- Java2 iOS3 数据挖掘4 Android1 产品经理5 方法3 2 3 4 1 5
下面，我们按照上述的使用过程，对一个个步骤进行源码解析
4. 基础知识：HashMap中的重要参数（变量）
在进行真正的源码分析前，先讲解HashMap中的重要参数（变量）
HashMap中的主要参数 同 JDK 1.7 ，即：容量、加载因子、扩容阈值
但由于数据结构中引入了 红黑树，故加入了 与红黑树相关的参数。具体介绍如下：
/** * 主要参数 同 JDK 1.7 * 即：容量、加载因子、扩容阈值（要求、范围均相同） */ // 1. 容量（capacity）： 必须是2的幂 & <最大容量（2的30次方） static final int DEFAULT_INITIAL_CAPACITY = 1 << 4; // 默认容量 = 16 = 1<<4 = 00001中的1向左移4位 = 10000 = 十进制的2^4=16 static final int MAXIMUM_CAPACITY = 1 << 30; // 最大容量 = 2的30次方（若传入的容量过大，将被最大值替换） // 2. 加载因子(Load factor)：HashMap在其容量自动增加前可达到多满的一种尺度 final float loadFactor; // 实际加载因子 static final float DEFAULT_LOAD_FACTOR = 0.75f; // 默认加载因子 = 0.75 // 3. 扩容阈值（threshold）：当哈希表的大小 ≥ 扩容阈值时，就会扩容哈希表（即扩充HashMap的容量） // a. 扩容 = 对哈希表进行resize操作（即重建内部数据结构），从而哈希表将具有大约两倍的桶数 // b. 扩容阈值 = 容量 x 加载因子 int threshold; // 4. 其他 transient Node<K,V>[] table; // 存储数据的Node类型 数组，长度 = 2的幂；数组的每个元素 = 1个单链表 transient int size;// HashMap的大小，即 HashMap中存储的键值对的数量 /** * 与红黑树相关的参数 */ // 1. 桶的树化阈值：即 链表转成红黑树的阈值，在存储数据时，当链表长度 > 该值时，则将链表转换成红黑树 static final int TREEIFY_THRESHOLD = 8; // 2. 桶的链表还原阈值：即 红黑树转为链表的阈值，当在扩容（resize（））时（此时HashMap的数据存储位置会重新计算），在重新计算存储位置后，当原有的红黑树内数量 < 6时，则将 红黑树转换成链表 static final int UNTREEIFY_THRESHOLD = 6; // 3. 最小树形化容量阈值：即 当哈希表中的容量 > 该值时，才允许树形化链表 （即 将链表 转换成红黑树） // 否则，若桶内元素太多时，则直接扩容，而不是树形化 // 为了避免进行扩容、树形化选择的冲突，这个值不能小于 4 * TREEIFY_THRESHOLD static final int MIN_TREEIFY_CAPACITY = 64;
此处 再次详细说明 加载因子
同 JDK 1.7，但由于其重要性，故此处再次说明
总结 数据结构 & 参数方面与 JDK 1.7的区别
5. 源码分析
本次的源码分析主要是根据 使用步骤 进行相关函数的详细分析
主要分析内容如下：
下面，我将对每个步骤内容的主要方法进行详细分析
步骤1：声明1个 HashMap的对象
此处主要分析的构造函数 类似 JDK 1.7
/** * 函数使用原型 */ Map<String,Integer> map = new HashMap<String,Integer>(); /** * 源码分析：主要是HashMap的构造函数 = 4个 * 仅贴出关于HashMap构造函数的源码 */ public class HashMap<K,V> extends AbstractMap<K,V> implements Map<K,V>, Cloneable, Serializable{ // 省略上节阐述的参数 /** * 构造函数1：默认构造函数（无参） * 加载因子 & 容量 = 默认 = 0.75、16 */ public HashMap() { this.loadFactor = DEFAULT_LOAD_FACTOR; } /** * 构造函数2：指定“容量大小”的构造函数 * 加载因子 = 默认 = 0.75 、容量 = 指定大小 */ public HashMap(int initialCapacity) { // 实际上是调用指定“容量大小”和“加载因子”的构造函数 // 只是在传入的加载因子参数 = 默认加载因子 this(initialCapacity, DEFAULT_LOAD_FACTOR); } /** * 构造函数3：指定“容量大小”和“加载因子”的构造函数 * 加载因子 & 容量 = 自己指定 */ public HashMap(int initialCapacity, float loadFactor) { // 指定初始容量必须非负，否则报错 if (initialCapacity < 0) throw new IllegalArgumentException("Illegal initial capacity: " + initialCapacity); // HashMap的最大容量只能是MAXIMUM_CAPACITY，哪怕传入的 > 最大容量 if (initialCapacity > MAXIMUM_CAPACITY) initialCapacity = MAXIMUM_CAPACITY; // 填充比必须为正 if (loadFactor <= 0 || Float.isNaN(loadFactor)) throw new IllegalArgumentException("Illegal load factor: " + loadFactor); // 设置 加载因子 this.loadFactor = loadFactor; // 设置 扩容阈值 // 注：此处不是真正的阈值，仅仅只是将传入的容量大小转化为：>传入容量大小的最小的2的幂，该阈值后面会重新计算 // 下面会详细讲解 ->> 分析1 this.threshold = tableSizeFor(initialCapacity); } /** * 构造函数4：包含“子Map”的构造函数 * 即 构造出来的HashMap包含传入Map的映射关系 * 加载因子 & 容量 = 默认 */ public HashMap(Map<? extends K, ? extends V> m) { // 设置容量大小 & 加载因子 = 默认 this.loadFactor = DEFAULT_LOAD_FACTOR; // 将传入的子Map中的全部元素逐个添加到HashMap中 putMapEntries(m, false); } } /** * 分析1：tableSizeFor(initialCapacity) * 作用：将传入的容量大小转化为：>传入容量大小的最小的2的幂 * 与JDK 1.7对比：类似于JDK 1.7 中 inflateTable()里的 roundUpToPowerOf2(toSize) */ static final int tableSizeFor(int cap) { int n = cap - 1; n |= n >>> 1; n |= n >>> 2; n |= n >>> 4; n |= n >>> 8; n |= n >>> 16; return (n < 0) ? 1 : (n >= MAXIMUM_CAPACITY) ? MAXIMUM_CAPACITY : n + 1; }
注：（同JDK 1.7类似）
此处仅用于接收初始容量大小（capacity）、加载因子(Load factor)，但仍无真正初始化哈希表，即初始化存储数组table
此处先给出结论：真正初始化哈希表（初始化存储数组table）是在第1次添加键值对时，即第1次调用put（）时。下面会详细说明
至此，关于HashMap的构造函数讲解完毕。
步骤2：向HashMap添加数据（成对 放入 键 - 值对）
在该步骤中，与JDK 1.7的差别较大：
下面会对上述区别进行详细讲解
添加数据的流程如下
注：为了让大家有个感性的认识，只是简单的画出存储流程，更加详细 & 具体的存储流程会在下面源码分析中给出
源码分析
/** * 函数使用原型 */ map.put("Android", 1); map.put("Java", 2); map.put("iOS", 3); map.put("数据挖掘", 4); map.put("产品经理", 5); /** * 源码分析：主要分析HashMap的put函数 */ public V put(K key, V value) { // 1. 对传入数组的键Key计算Hash值 ->>分析1 // 2. 再调用putVal（）添加数据进去 ->>分析2 return putVal(hash(key), key, value, false, true); }
下面，将详细讲解 上面的2个主要分析点
分析1：hash（key）
/** * 分析1：hash(key) * 作用：计算传入数据的哈希码（哈希值、Hash值） * 该函数在JDK 1.7 和 1.8 中的实现不同，但原理一样 = 扰动函数 = 使得根据key生成的哈希码（hash值）分布更加均匀、更具备随机性，避免出现hash值冲突（即指不同key但生成同1个hash值） * JDK 1.7 做了9次扰动处理 = 4次位运算 + 5次异或运算 * JDK 1.8 简化了扰动函数 = 只做了2次扰动 = 1次位运算 + 1次异或运算 */ // JDK 1.7实现：将 键key 转换成 哈希码（hash值）操作 = 使用hashCode() + 4次位运算 + 5次异或运算（9次扰动） static final int hash(int h) { h ^= k.hashCode(); h ^= (h >>> 20) ^ (h >>> 12); return h ^ (h >>> 7) ^ (h >>> 4); } // JDK 1.8实现：将 键key 转换成 哈希码（hash值）操作 = 使用hashCode() + 1次位运算 + 1次异或运算（2次扰动） // 1. 取hashCode值： h = key.hashCode() // 2. 高位参与低位的运算：h ^ (h >>> 16) static final int hash(Object key) { int h; return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16); // a. 当key = null时，hash值 = 0，所以HashMap的key 可为null // 注：对比HashTable，HashTable对key直接hashCode（），若key为null时，会抛出异常，所以HashTable的key不可为null // b. 当key ≠ null时，则通过先计算出 key的 hashCode()（记为h），然后 对哈希码进行 扰动处理： 按位 异或（^） 哈希码自身右移16位后的二进制 } /** * 计算存储位置的函数分析：indexFor(hash, table.length) * 注：该函数仅存在于JDK 1.7 ，JDK 1.8中实际上无该函数（直接用1条语句判断写出），但原理相同 * 为了方便讲解，故提前到此讲解 */ static int indexFor(int h, int length) { return h & (length-1); // 将对哈希码扰动处理后的结果 与运算(&) （数组长度-1），最终得到存储在数组table的位置（即数组下标、索引） }
总结 计算存放在数组 table 中的位置（即数组下标、索引）的过程
此处与 JDK 1.7的区别在于：hash值的求解过程中 哈希码的二次处理方式（扰动处理）
步骤1、2 = hash值的求解过程
计算示意图
在了解 如何计算存放数组table 中的位置 后，所谓 知其然 而 需知其所以然，下面我将讲解为什么要这样计算，即主要解答以下3个问题：
为什么不直接采用经过hashCode（）处理的哈希码 作为 存储数组table的下标位置？
为什么采用 哈希码 与运算(&) （数组长度-1） 计算数组下标？
为什么在计算数组下标前，需对哈希码进行二次处理：扰动处理？
在回答这3个问题前，请大家记住一个核心思想：
所有处理的根本目的，都是为了提高 存储key-value的数组下标位置 的随机性 & 分布均匀性，尽量避免出现hash值冲突。即：对于不同key，存储的数组下标位置要尽可能不一样
问题1：为什么不直接采用经过hashCode（）处理的哈希码 作为 存储数组table的下标位置？
结论：容易出现 哈希码 与 数组大小范围不匹配的情况，即 计算出来的哈希码可能 不在数组大小范围内，从而导致无法匹配存储位置
原因描述
为了解决 “哈希码与数组大小范围不匹配” 的问题，HashMap给出了解决方案：哈希码 与运算（&） （数组长度-1），即问题3
问题2：为什么采用 哈希码 与运算(&) （数组长度-1） 计算数组下标？
结论：根据HashMap的容量大小（数组长度），按需取 哈希码一定数量的低位 作为存储的数组下标位置，从而 解决 “哈希码与数组大小范围不匹配” 的问题
具体解决方案描述
问题3：为什么在计算数组下标前，需对哈希码进行二次处理：扰动处理？
结论：加大哈希码低位的随机性，使得分布更均匀，从而提高对应数组存储下标位置的随机性 & 均匀性，最终减少Hash冲突
具体描述
至此，关于怎么计算 key-value 值存储在HashMap数组位置 & 为什么要这么计算，讲解完毕。
分析2：putVal(hash(key), key, value, false, true);
此处有2个主要讲解点：
计算完存储位置后，具体该如何 存放数据 到哈希表中
具体如何扩容，即 扩容机制
主要讲解点1：计算完存储位置后，具体该如何存放数据到哈希表中
由于数据结构中加入了红黑树，所以在存放数据到哈希表中时，需进行多次数据结构的判断：数组、红黑树、链表
与 JDK 1.7的区别： JDK 1.7只需判断 数组 & 链表
/** * 分析2：putVal(hash(key), key, value, false, true) */ final V putVal(int hash, K key, V value, boolean onlyIfAbsent, boolean evict) { Node<K,V>[] tab; Node<K,V> p; int n, i; // 1. 若哈希表的数组tab为空，则 通过resize() 创建 // 所以，初始化哈希表的时机 = 第1次调用put函数时，即调用resize() 初始化创建 // 关于resize（）的源码分析将在下面讲解扩容时详细分析，此处先跳过 if ((tab = table) == null || (n = tab.length) == 0) n = (tab = resize()).length; // 2. 计算插入存储的数组索引i：根据键值key计算的hash值 得到 // 此处的数组下标计算方式 = i = (n - 1) & hash，同JDK 1.7中的indexFor（），上面已详细描述 // 3. 插入时，需判断是否存在Hash冲突： // 若不存在（即当前table[i] == null），则直接在该数组位置新建节点，插入完毕 // 否则，代表存在Hash冲突，即当前存储位置已存在节点，则依次往下判断：a. 当前位置的key是否与需插入的key相同、b. 判断需插入的数据结构是否为红黑树 or 链表 if ((p = tab[i = (n - 1) & hash]) == null) tab[i] = newNode(hash, key, value, null); // newNode(hash, key, value, null)的源码 = new Node<>(hash, key, value, next) else { Node<K,V> e; K k; // a. 判断 table[i]的元素的key是否与 需插入的key一样，若相同则 直接用新value 覆盖 旧value // 判断原则：equals（） if (p.hash == hash && ((k = p.key) == key || (key != null && key.equals(k)))) e = p; // b. 继续判断：需插入的数据结构是否为红黑树 or 链表 // 若是红黑树，则直接在树中插入 or 更新键值对 else if (p instanceof TreeNode) e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value); ->>分析3 // 若是链表,则在链表中插入 or 更新键值对 // i. 遍历table[i]，判断Key是否已存在：采用equals（） 对比当前遍历节点的key 与 需插入数据的key：若已存在，则直接用新value 覆盖 旧value // ii. 遍历完毕后仍无发现上述情况，则直接在链表尾部插入数据 // 注：新增节点后，需判断链表长度是否>8（8 = 桶的树化阈值）：若是，则把链表转换为红黑树 else { for (int binCount = 0; ; ++binCount) { // 对于ii：若数组的下1个位置，表示已到表尾也没有找到key值相同节点，则新建节点 = 插入节点 // 注：此处是从链表尾插入，与JDK 1.7不同（从链表头插入，即永远都是添加到数组的位置，原来数组位置的数据则往后移） if ((e = p.next) == null) { p.next = newNode(hash, key, value, null); // 插入节点后，若链表节点>数阈值，则将链表转换为红黑树 if (binCount >= TREEIFY_THRESHOLD - 1) treeifyBin(tab, hash); // 树化操作 break; } // 对于i if (e.hash == hash && ((k = e.key) == key || (key != null && key.equals(k)))) break; // 更新p指向下一个节点，继续遍历 p = e; } } // 对i情况的后续操作：发现key已存在，直接用新value 覆盖 旧value & 返回旧value if (e != null) { V oldValue = e.value; if (!onlyIfAbsent || oldValue == null) e.value = value; afterNodeAccess(e); // 替换旧值时会调用的方法（默认实现为空） return oldValue; } } ++modCount; // 插入成功后，判断实际存在的键值对数量size > 最大容量threshold // 若 > ，则进行扩容 ->>分析4（但单独讲解，请直接跳出该代码块） if (++size > threshold) resize(); afterNodeInsertion(evict);// 插入成功时会调用的方法（默认实现为空） return null; } /** * 分析3：putTreeVal(this, tab, hash, key, value) * 作用：向红黑树插入 or 更新数据（键值对） * 过程：遍历红黑树判断该节点的key是否与需插入的key 相同： * a. 若相同，则新value覆盖旧value * b. 若不相同，则插入 */ final TreeNode<K,V> putTreeVal(HashMap<K,V> map, Node<K,V>[] tab, int h, K k, V v) { Class<?> kc = null; boolean searched = false; TreeNode<K,V> root = (parent != null) ? root() : this; for (TreeNode<K,V> p = root;;) { int dir, ph; K pk; if ((ph = p.hash) > h) dir = -1; else if (ph < h) dir = 1; else if ((pk = p.key) == k || (k != null && k.equals(pk))) return p; else if ((kc == null && (kc = comparableClassFor(k)) == null) || (dir = compareComparables(kc, k, pk)) == 0) { if (!searched) { TreeNode<K,V> q, ch; searched = true; if (((ch = p.left) != null && (q = ch.find(h, k, kc)) != null) || ((ch = p.right) != null && (q = ch.find(h, k, kc)) != null)) return q; } dir = tieBreakOrder(k, pk); } TreeNode<K,V> xp = p; if ((p = (dir <= 0) ? p.left : p.right) == null) { Node<K,V> xpn = xp.next; TreeNode<K,V> x = map.newTreeNode(h, k, v, xpn); if (dir <= 0) xp.left = x; else xp.right = x; xp.next = x; x.parent = x.prev = xp; if (xpn != null) ((TreeNode<K,V>)xpn).prev = x; moveRootToFront(tab, balanceInsertion(root, x)); return null; } } }
总结
主要讲解点2：扩容机制（即 resize（）函数方法）
扩容流程如下
源码分析
/** * 分析4：resize（） * 该函数有2种使用情况：1.初始化哈希表 2.当前数组容量过小，需扩容 */ final Node<K,V>[] resize() { Node<K,V>[] oldTab = table; // 扩容前的数组（当前数组） int oldCap = (oldTab == null) ? 0 : oldTab.length; // 扩容前的数组的容量 = 长度 int oldThr = threshold;// 扩容前的数组的阈值 int newCap, newThr = 0; // 针对情况2：若扩容前的数组容量超过最大值，则不再扩充 if (oldCap > 0) { if (oldCap >= MAXIMUM_CAPACITY) { threshold = Integer.MAX_VALUE; return oldTab; } // 针对情况2：若无超过最大值，就扩充为原来的2倍 else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY && oldCap >= DEFAULT_INITIAL_CAPACITY) newThr = oldThr << 1; // 通过右移扩充2倍 } // 针对情况1：初始化哈希表（采用指定 or 默认值） 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 { // 链表优化重hash的代码块 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 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; }
扩容流程（含 与 JDK 1.7 的对比）
此处主要讲解： JDK 1.8扩容时，数据存储位置重新计算的方式
计算结论 & 原因解析
结论示意图
数组位置转换的示意图
JDK 1.8根据此结论作出的新元素存储位置计算规则 非常简单，提高了扩容效率，具体如下图
这与 JDK 1.7在计算新元素的存储位置有很大区别：JDK 1.7在扩容后，都需按照原来方法重新计算，即
hashCode（）->> 扰动处理 ->>（h & length-1））
总结
添加数据的流程
与 JDK 1.7的区别
至此，关于 HashMap的添加数据源码分析 分析完毕。
步骤3：从HashMap中获取数据
假如理解了上述put（）函数的原理，那么get（）函数非常好理解，因为二者的过程原理几乎相同
get（）函数的流程如下：
源码分析
/** * 函数原型 * 作用：根据键key，向HashMap获取对应的值 */ map.get(key)； /** * 源码分析 */ public V get(Object key) { Node<K,V> e; // 1. 计算需获取数据的hash值 // 2. 通过getNode（）获取所查询的数据 ->>分析1 // 3. 获取后，判断数据是否为空 return (e = getNode(hash(key), key)) == null ? null : e.value; } /** * 分析1：getNode(hash(key), key)) */ final Node<K,V> getNode(int hash, Object key) { Node<K,V>[] tab; Node<K,V> first, e; int n; K k; // 1. 计算存放在数组table中的位置 if ((tab = table) != null && (n = tab.length) > 0 && (first = tab[(n - 1) & hash]) != null) { // 4. 通过该函数，依次在数组、红黑树、链表中查找（通过equals（）判断） // a. 先在数组中找，若存在，则直接返回 if (first.hash == hash && // always check first node ((k = first.key) == key || (key != null && key.equals(k)))) return first; // b. 若数组中没有，则到红黑树中寻找 if ((e = first.next) != null) { // 在树中get if (first instanceof TreeNode) return ((TreeNode<K,V>)first).getTreeNode(hash, key); // c. 若红黑树中也没有，则通过遍历，到链表中寻找 do { if (e.hash == hash && ((k = e.key) == key || (key != null && key.equals(k)))) return e; } while ((e = e.next) != null); } } return null; }
至此，关于 “向 HashMap 获取数据 “讲解完毕。
步骤4：对HashMap的其他操作
即 对其余使用API（函数、方法）的源码分析
HashMap除了核心的put（）、get（）函数，还有以下主要使用的函数方法
void clear(); // 清除哈希表中的所有键值对 int size(); // 返回哈希表中所有 键值对的数量 = 数组中的键值对 + 链表中的键值对 boolean isEmpty(); // 判断HashMap是否为空；size == 0时 表示为 空 void putAll(Map<? extends K, ? extends V> m); // 将指定Map中的键值对 复制到 此Map中 V remove(Object key); // 删除该键值对 boolean containsKey(Object key); // 判断是否存在该键的键值对；是 则返回true boolean containsValue(Object value); // 判断是否存在该值的键值对；是 则返回true
关于上述方法的源码的原理 同 JDK 1.7，此处不作过多描述
感兴趣的同学可以参考文章 第5小节 进行类比。
至此，关于 HashMap的底层原理 & 主要使用API（函数、方法）讲解完毕。
6. 源码总结
下面，用3个图总结整个源码内容：
总结内容 = 数据结构、主要参数、添加 & 查询数据流程、扩容机制
数据结构 & 主要参数
添加 & 查询数据流程
扩容机制
7. 与 JDK 1.7 的区别
HashMap 的实现在 JDK 1.7 和 JDK 1.8 差别较大，具体区别如下
JDK 1.8 的优化目的主要是：减少 Hash冲突 & 提高哈希表的存、取效率
关于 JDK 1.7 中 HashMap 的源码解析请看文章：Java：手把手带你源码分析 HashMap 1.7
7.1 数据结构
7.2 获取数据时（获取数据 类似）
7.3 扩容机制
至此，关于HashMap的所有知识讲解完毕。
————————————————
版权声明：本文为CSDN博主「Carson_Ho」的原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/carson_ho/article/details/79373134