总体介绍

HashMap是我们用于元素映射使用频率最高的数据结构，它继承自AbstractList类，并且支持一条值为null的Key和无数条value为null的数据，HashMap是线程不安全的6在多线程环境下我们通过使用Collections中的synchronizedMap使其具有线程安全的能力或者直接使ConcurrentHashMap,随着JDK的更新迭代，自jdk1.8以来，HashMap的底层数据结构已经发展为数组+链表+红黑树

HashMap元素的存储

HashMap底层使用Node<K,V>进行元素的存储，我们查看其源码：

static class Node<K,V> implements Map.Entry<K,V> {
        final int hash;    //用来定位数组索引位置
        final K key;
        V value;
        Node<K,V> next;   //链表的下一个node

        Node(int hash, K key, V value, Node<K,V> next) { ... }
        public final K getKey(){ ... }
        public final V getValue() { ... }
        public final String toString() { ... }
        public final int hashCode() { ... }
        public final V setValue(V newValue) { ... }
        public final boolean equals(Object o) { ... }
}

在HashMap的源码中，一个比较重要的组成部分是Node[]table,即哈希桶数组，元素根据哈希算法最终被放入哈希桶不同下标的位置中，随着元素的不断增多，可能存在两个不同的元素有相同的下标，这便是哈希冲突，哈希桶解决哈希冲突的方法是链式地址法，所谓链式地址法，是指通过采用链表+数组的方式解决哈希冲突问题，随着哈希桶内元素的不断增加，当单个链表元素数量大于等于8以及哈希桶中的总元素数量>=64时，链表就会转化为红黑树

在hashmap中添加元素

在HashMap中添加元素的逻辑如下：

1.判断数组table[i]是否为空，如果是空，则执行resize()进行扩容

2.根据键值key计算hash值得到应该插入的数组索引i，如果table[i]==null,直接创建新结点并加入数组，转向6；如果table[i]对应的元素不为空，转向3

3.判断table[i]首个元素是否与我们插入的元素完全相同（根据hashcode()以及equals()进行判断），如果相同直接覆盖value，否则转向4

4.判断table[i]是否是treeNode，即table[i]是否是红黑树，如果是红黑树，则直接在红黑树中插入键值对，否则转向5

5.遍历table[i],判断链表的长度是否大于等于8，如果满足条件直接把链表转化为红黑树，否则在链表中插入元素，遍历链表的过程中如果发现相同的key直接覆盖value即可

6.扩容成功后，判断实际存在的键值对数量size是否超过了最大容量threshold，如果超过直接进行扩容

HashMap中的源码如下：

1 public V put(K key, V value) {
2 // 对key的hashCode()做hash
3 return putVal(hash(key), key, value, false, true);
4 }
5
6 final V putVal(int hash, K key, V value, boolean onlyIfAbsent,
7 boolean evict) {
8 Node<K,V>[] tab; Node<K,V> p; int n, i;
9 // 步骤①：tab为空则创建
10 if ((tab = table) == null || (n = tab.length) == 0)
11 n = (tab = resize()).length;
12 // 步骤②：计算index，并对null做处理
13 if ((p = tab[i = (n - 1) & hash]) == null)
14 tab[i] = newNode(hash, key, value, null);
15 else {
16 Node<K,V> e; K k;
17 // 步骤③：节点key存在，直接覆盖value
18 if (p.hash == hash &&
19 ((k = p.key) == key || (key != null && key.equals(k))))
20 e = p;
21 // 步骤④：判断该链为红黑树
22 else if (p instanceof TreeNode)
23 e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
24 // 步骤⑤：该链为链表
25 else {
26 for (int binCount = 0; ; ++binCount) {
27 if ((e = p.next) == null) {
28 p.next = newNode(hash, key,value,null);
//链表长度大于8转换为红黑树进行处理
29 if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st
30 treeifyBin(tab, hash);
31 break;
32 }
// key已经存在直接覆盖value
33 if (e.hash == hash &&
34 ((k = e.key) == key || (key != null && key.equals(k)))) break;
36 p = e;
37 }
38 }
39
40 if (e != null) { // existing mapping for key
41 V oldValue = e.value;
42 if (!onlyIfAbsent || oldValue == null)
43 e.value = value;
44 afterNodeAccess(e);
45 return oldValue;
46 }
47 }

48 ++modCount;
49 // 步骤⑥：超过最大容量就扩容
50 if (++size > threshold)
51 resize();
52 afterNodeInsertion(evict);
53 return null;
54 }

HashMap的扩容机制

与JDK 1.7相比，JDK1.8在原来扩容的基础上添加了红黑树，其实现的流程和条件如下：当满足扩容条件时，进行扩容操作(哈希表中的元素个数达到threshold)，进行扩容操作时如果发现满足树化的条件（单条链表元素数量>=8&&哈希桶中存储的总元素的数量>=64）则将链表转化为红黑树。

具体的源码及分析如下：

final Node<K,V>[] resize() {
        Node<K,V>[] oldTab = table;
        int oldCap = (oldTab == null) ? 0 : oldTab.length;
        int oldThr = threshold;
        int newCap, newThr = 0;
        if (oldCap > 0) {
            if (oldCap >= MAXIMUM_CAPACITY) {
                threshold = Integer.MAX_VALUE;
                return oldTab;//超过了哈希表的最大容量不进行扩容，任由其碰撞
            }
            else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&
                     oldCap >= DEFAULT_INITIAL_CAPACITY)//数组容量扩大为两倍
                newThr = oldThr << 1; // 将临界值扩大为两倍
        }
        else if (oldThr > 0) // initial capacity was placed in threshold
            newCap = oldThr;
        else {               // zero initial threshold signifies using defaults
            newCap = DEFAULT_INITIAL_CAPACITY;//初始化容量
            newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);//初始化扩容门槛
        }
        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) {
            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 { // preserve order
                        Node<K,V> loHead = null, loTail = null;
                        Node<K,V> hiHead = null, hiTail = null;
                        Node<K,V> next;
                        do {
                            next = e.next;
                            //新索引=原索引
                            if ((e.hash & oldCap) == 0) {
                                if (loTail == null)
                                    loHead = e;
                                else
                                    loTail.next = e;
                                loTail = e;
                            }
                            else {
                                //新的索引=原索引+oldCap
                                if (hiTail == null)
                                    hiHead = e;
                                else
                                    hiTail.next = e;
                                hiTail = e;
                            }
                        } while ((e = next) != null);
                        //原索引放入bucket
                        if (loTail != null) {
                            loTail.next = null;
                            newTab[j] = loHead;
                        }
                        //新索引放入bucket
                        if (hiTail != null) {
                            hiTail.next = null;
                            newTab[j + oldCap] = hiHead;
                        }
                    }
                }
            }
        }
        return newTab;
    }

除此之外，我们通过查看resize()的源码，我们可以发现JDK1.8对扩容之后元素的索引变化也是有一定的优化：经过观测可以发现，我们使用的是2次幂的扩展(指长度扩为原来2倍)，所以，元素的位置要么是在原位置，要么是在原位置再移动2次幂的位置。看下图可以明白这句话的意思，n为table的长度，图（a）表示扩容前的key1和key2两种key确定索引位置的示例，图（b）表示扩容后key1和key2两种key确定索引位置的示例，其中hash1是key1对应的哈希与高位运算结果。

元素在重新计算hash之后，因为n变为2倍，那么n-1的mask范围在高位多1bit(红色)，因此新的index就会发生这样的变化：

因此，我们在扩充HashMap的时候，不需要像JDK1.7的实现那样重新计算hash，只需要看看原来的hash值新增的那个bit是1还是0就好了，是0的话索引没变，是1的话索引变成“原索引+oldCap”，可以看看下图为16扩充为32的resize示意图：

这个设计可以说是相当巧妙了，既省略了类似JDK1.7的扩容之后重新计算hash的这样一个过程，提升了效率；除此之外，由于我们新增的一位是1还是0完全是随机的，所以可以把之前存在哈希冲突的结点有效的均匀分散到新的bucket中了。

HashMap的线程安全性

hashmap的线程不安全性主要体现在下面四个方面：

1.添加和删除元素时存在不安全性

在并发环境下，如果多个线程同时对HashMap进行修改操作，例如：添加、删除或修改元素，可能会导致数据结构出现冲突，最终可能会导致数据不一致或丢失。

这是因为多个线程在同一时间可能会尝试修改同一个桶(bucket)中的数据，而在修改过程中，可能会丢失某些数据或者覆盖其他线程修改的数据，从而导致数据不一致。

2.进行扩容操作时存在不安全性

HashMap 在达到一定容量时需要进行扩容，扩容过程需要重新计算哈希值，重新分配存储位置等操作。如果在扩容过程中有多个线程同时进行插入或删除操作，就可能导致数据结构混乱，甚至死循环等问题。

3.哈希冲突存在不安全性

在对数组进行插入或删除操作时，可能会出现 Hash 冲突，即不同的键值对可能会被映射到数组的同一个位置上，这就需要通过链表或红黑树来解决冲突。

而当多个线程同时进行插入或删除操作时，可能会导致链表或红黑树的结构被破坏，从而导致数据丢失或出现异常。

4.线程之间的不可见性导致安全问题

由于 HashMap 不是线程安全的，因此多个线程可能会同时访问同一个 HashMap 实例。

而当一个线程对 HashMap 进行修改时，其他线程可能无法立即看到这些修改，这就可能导致数据不一致的问题。

为了解决 HashMap 的线程安全问题，可以使用 ConcurrentHashMap，它使用了锁分段技术、CAS、 volatile 变量来保证线程安全和数据可见性。

但是，这些技术也会带来一些额外的开销，所以在非高并发场景下，HashMap可能会比ConcurrentHashMap更快。