双列集合Map

一.HashMap底层源码剖析

　　1.介绍HashMap底层用到的数据结构
　　　　数组：数组的每一项都是一个链表，其实就是数组和链表的结合体
　　　　单向链表：当发生Hash碰撞时，首先会找到数组对应位置，然后1.8采用尾插入法（1.7采用头插入法），形成一个单向链表结构
　　　　jdk1.8 后 红黑树：当数组中每项的链表长度大于8时，会转换为红黑树
　　能够解释一下什么是Hash碰撞？解决办法有哪一些
　　　　不同的key可能会产生相同的Hash值
　　　　解决Hash碰撞的办法：链表法，再哈希法
　　　　HashMap当中采用链表发，在ConcurrentHashMap当中采用再哈希法
　　2.为什么采用红黑树，比如二叉查找树，并且为什么临界值为8
　　　　二叉查找树在特殊情况下也会变为线性结构，和原来链表有共同的问题，节点太深，查找性能慢
　　　　使用红黑树主要用于提升查询速度，红黑树是平衡二叉树的一种，插入新的数据都会通过左旋，右旋，变色等操作来保持平衡，解决节点的深度问题
　　　　当数据较少时，采用链表要比红黑树效率高，因为平衡二叉树保持平衡需要耗费资源，那么前期数据较少时采用链表，当数据到达一定的界限后，再采用
　　　　红黑树，可以加快数据查询速度，官方测试8为性能最优~
　　3.put和get底层源码的核心流程

　　　　put方法核心：

public V put(K key, V value) {
                        //计算key的Hash值，然后将Hash值以及key值本身和Value传递到putval方法当中
                        return 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;
                        if ((tab = table) == null || (n = tab.length) == 0)                //判断当前数组是否为空，如果为空要进行第一次扩容
                            n = (tab = resize()).length;                                //扩容后将扩容大小交给N
                        if ((p = tab[i = (n - 1) & hash]) == null)                        //判断获取当前数组位置是否存在数据，如果为空则直接插入，否则需要代表当前位置不是空的，不是空的需要判断
                            tab[i] = newNode(hash, key, value, null);                    //如果为空则创建一个新的节点添加到该位置
                        else {
                            Node<K,V> e; K k;
                            if (p.hash == hash && ((k = p.key) == key || (key != null && key.equals(k))))        //判断Hash值和Key值是否相同，如果相同则需要Value覆盖
                                e = p;
                            else if (p instanceof TreeNode)                                                        //判断当前数组中存放的节点是否是树节点
                                e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);                    //则添加树节点即可
                            else {
                                for (int binCount = 0; ; ++binCount) {                                            //循环遍历链表
                                    if ((e = p.next) == null) {                                                    //判断当前数组该位置的值得下一个元素是否为空，如果为空则追加到当前元素后边
                                        p.next = newNode(hash, key, value, null);
                                        if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st                    //添加完毕后判断当前链表节点有多少个，如果节点大于等于8则转换为红黑树
                                            treeifyBin(tab, hash);                                                //treeifyBin判断当前数组是否为空，或者长度是否小于64，如果为空或者小于64
                                                                                                                //则先扩容
                                        break;
                                    }
                                    if (e.hash == hash &&
                                        ((k = e.key) == key || (key != null && key.equals(k))))                    //再次进行Key的重复判断
                                        break;
                                    p = e;
                                }
                            }
                            if (e != null) { // existing mapping for key
                                V oldValue = e.value;
                                if (!onlyIfAbsent || oldValue == null)
                                    e.value = value;
                                afterNodeAccess(e);
                                return oldValue;
                            }
                        }
                        ++modCount;
                        if (++size > threshold)                                                                    //判断当前数组元素个数和阀值进行比较，如果数量大于阀值则需要扩容
                            resize();                                                                            //默认情况下，第一次添加数据的时候，先会进行一次扩容后再添加数据
                        afterNodeInsertion(evict);                                                                //后续都是先添加数据再扩容
                        return null;
                    }

　　　　扩容： 默认情况下，数组大小为16，当数组元素 超过大小*负载因子（0.75），如果超过12个元素，则调用resize进行扩容，扩容原来大小的2倍并且重新计算数组中元素的位置，所以比较耗费性能，一般创建集合尽量预知大小，避免多次扩容
　　get方法核心逻辑：

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) {                                //判断数组以及数组对应位置数组元素是否为空
                        if (first.hash == hash && // always check first node
                            ((k = first.key) == key || (key != null && key.equals(k))))            //用get传递过来的Key值和对应位置第一个元素进行比较，如果相等直接返回，如果不等则进行查找
                            return first;
                        if ((e = first.next) != null) {                                            //判断第一个元素的下一个元素是否为空，如果不为空
                            if (first instanceof TreeNode)                                        //如果不为空判断当前节点是否为树节点
                                return ((TreeNode<K,V>)first).getTreeNode(hash, key);            //如果是树节点，直接通过getTreeNode拿到该节点返回
                            do {
                                if (e.hash == hash &&
                                    ((k = e.key) == key || (key != null && key.equals(k))))        //循环一一对比
                                    return e;
                            } while ((e = e.next) != null);
                        }
                    }
                    return null;
                }

二.ConcurrentHashMap底层实现

　　1.ConcurrentHashMap和HashTable之间
　　　　ConcurrentHashMap性能高于HashTable，都能够完成线程安全操作，
　　　　Hashtable中线程安全使用synchronized同步方法进行加锁操作，如果当前一个线程正在访问该集合，其他线程是无法进行访问的，需要进行等待反之ConcurrentHashMap当中采用分段锁机制

　　　　1. JDK1.7和JDK1.8底层实现的区别
　　　　　　JDK1.8版本之前，ConcurrentHashMap使用分段锁技术，将数据分成一段一段的进行村粗，每一个数据段配置一把锁Segment（继承ReentrantLock）
　　　　　　底层采用：Segment+HashEntry
　　　　　　当数据添加时，根据key值找到Segment对应的数据段，然后匹配数据块，采用链表方式进行存储
　　　　　　1.8版本之后，ConcurrentHashMap取消了Segment分段所的机制，底层采用Node数组+链表+红黑树，从而实现一段数据进行加锁，减少了并发，CAS(读)+synchronized(写)当数据添加时，根据key值找到对应数组的Node，中间采用CAS和synchronized进行数据操作

　　　　2. ConcurrentHashMap底层put方法实现的核心逻辑

public V put(K key, V value) {
                    return putVal(key, value, false);
                }
                
                
                
                /** Implementation for put and putIfAbsent */
                final V putVal(K key, V value, boolean onlyIfAbsent) {
                    if (key == null || value == null) throw new NullPointerException();                //判断key和value是否为空，如果为空则报异常
                    int hash = spread(key.hashCode());                                                //重新计算key的hash值，有效减少Hash值冲突
                    int binCount = 0;
                    for (Node<K,V>[] tab = table;;) {                                                //遍历当前数组当中所有的数据
                        Node<K,V> f; int n, i, fh;
                        if (tab == null || (n = tab.length) == 0)                                    //判断数组是否为空
                            tab = initTable();                                                        //如果为空要进行数组的初始化操作
                        else if ((f = tabAt(tab, i = (n - 1) & hash)) == null) {                    //根据key的Hash值找到位置，如果该位置没有元素
                            if (casTabAt(tab, i, null,
                                         new Node<K,V>(hash, key, value, null)))                    //获取到空的元素，然后重新创建一个新的Node放进去
                                break;                   // no lock when adding to empty bin
                        }
                        else if ((fh = f.hash) == MOVED)                                            //判断当前数组元素状态是否需要扩容
                            tab = helpTransfer(tab, f);
                        else {
                            V oldVal = null;
                            synchronized (f) {                                                        //加锁
                                if (tabAt(tab, i) == f) {                                
                                    if (fh >= 0) {
                                        binCount = 1;
                                        for (Node<K,V> e = f;; ++binCount) {
                                            K ek;
                                            if (e.hash == hash &&                                    //判断添加的key和原有key进行Hash值判断以及key值判断，如果相等则覆盖
                                                ((ek = e.key) == key ||
                                                 (ek != null && key.equals(ek)))) {
                                                oldVal = e.val;
                                                if (!onlyIfAbsent)
                                                    e.val = value;
                                                break;
                                            }
                                            Node<K,V> pred = e;
                                            if ((e = e.next) == null) {                                //判断当前节点的下一个节点是否为空，如果为空则添加到下一个节点当中
                                                pred.next = new Node<K,V>(hash, key,
                                                                          value, null);
                                                break;
                                            }
                                        }
                                    }
                                    else if (f instanceof TreeBin) {                                //判断当前节点是否为红黑树
                                        Node<K,V> p;
                                        binCount = 2;
                                        if ((p = ((TreeBin<K,V>)f).putTreeVal(hash, key,
                                                                       value)) != null) {            //如果为红黑树则创建一个树节点
                                            oldVal = p.val;
                                            if (!onlyIfAbsent)
                                                p.val = value;
                                        }
                                    }
                                }
                            }
                            if (binCount != 0) {
                                if (binCount >= TREEIFY_THRESHOLD)                                    //根据当前循环次数判断链表中存在多少个数据，如果数据阀值大于等于8
                                                                                                    //则进行红黑树转换
                                    treeifyBin(tab, i);
                                if (oldVal != null)
                                    return oldVal;
                                break;
                            }
                        }
                    }
                    addCount(1L, binCount);                                                            //判断是否需要扩容
                    return null;
                }