当前位置：首页 > news >正文

HashMap底层源码

news 2025/9/28 9:56:53

HashMap 是 Java 中最常用的集合类之一，基于哈希表实现，用于存储键值对（Key-Value）。其底层源码涉及哈希计算、数组 + 链表 / 红黑树结构、扩容机制等核心设计，以下从 JDK 1.8 的角度详细解析：

一、核心数据结构

HashMap 底层采用 数组 + 链表 + 红黑树 的复合结构：

数组（Node [] table）：称为 "哈希桶"，存储键值对的基本容器，每个元素是链表或红黑树的头节点。
链表（Node）：当哈希冲突（不同 Key 计算出相同索引）时，将元素以链表形式存储。
红黑树（TreeNode）：当链表长度超过阈值（默认 8）时，链表会转为红黑树，提高查询效率（从 O (n) 优化为 O (log n)）。

核心内部类：

// 链表节点
static class Node<K,V> implements Map.Entry<K,V> {final int hash;    // 键的哈希值（预计算）final K key;       // 键V value;           // 值Node<K,V> next;    // 下一个节点（链表指针）
}// 红黑树节点（继承自Node）
static final class TreeNode<K,V> extends LinkedHashMap.Entry<K,V> {TreeNode<K,V> parent;  // 父节点TreeNode<K,V> left;    // 左子树TreeNode<K,V> right;   // 右子树TreeNode<K,V> prev;    // 前节点（用于回退链表）boolean red;           // 节点颜色（红/黑）
}

二、关键成员变量

// 1. 哈希桶数组（默认初始容量 16）
transient Node<K,V>[] table;// 2. 元素数量（键值对总数）
transient int size;// 3. 扩容阈值（当 size > threshold 时触发扩容）
int threshold;// 4. 负载因子（默认 0.75）
final float loadFactor;// 5. 链表转红黑树的阈值（默认 8）
static final int TREEIFY_THRESHOLD = 8;// 6. 红黑树转链表的阈值（默认 6）
static final int UNTREEIFY_THRESHOLD = 6;// 7. 最小树化容量（哈希桶数组长度 >= 64 时才允许链表转红黑树）
static final int MIN_TREEIFY_CAPACITY = 64;

负载因子（loadFactor）：控制哈希桶的填充程度，默认 0.75 是时间和空间的平衡值（值越高，空间利用率越高，但哈希冲突概率越大）。
扩容阈值（threshold）：计算公式为 capacity * loadFactor（如初始容量 16 * 0.75 = 12）。

三、核心方法解析

1. 构造方法

// 无参构造（默认容量 16，负载因子 0.75）
public HashMap() {this.loadFactor = 0.75f;
}// 指定初始容量
public HashMap(int initialCapacity) {this(initialCapacity, 0.75f);
}// 指定初始容量和负载因子
public HashMap(int initialCapacity, float loadFactor) {// 校验参数合法性if (initialCapacity < 0)throw new IllegalArgumentException("Illegal initial capacity: " + initialCapacity);if (initialCapacity > MAXIMUM_CAPACITY)initialCapacity = MAXIMUM_CAPACITY;if (loadFactor <= 0 || Float.isNaN(loadFactor))throw new IllegalArgumentException("Illegal load factor: " + loadFactor);this.loadFactor = loadFactor;// 计算初始阈值（向上取整为 2 的幂）this.threshold = tableSizeFor(initialCapacity);
}

tableSizeFor(initialCapacity)：确保初始容量为 2 的幂（如传入 10，则返回 16），为后续哈希计算的高效取模做准备。

2. 哈希计算（hash () 方法）

HashMap 通过哈希函数计算 Key 的索引，核心是 hash() 方法和索引计算：

// 计算 Key 的哈希值（减少哈希冲突）
static final int hash(Object key) {int h;// 1. 若 key 为 null，哈希值为 0// 2. 否则，取 key 的 hashCode() 并异或其高 16 位（减少哈希冲突）return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}// 计算索引（哈希桶位置）
int index = (table.length - 1) & hash;  // 等价于 hash % table.length（仅当 table.length 为 2 的幂时成立）

高 16 位异或：将 Key 的 hashCode 高 16 位与低 16 位混合，增强哈希值的随机性，减少冲突。
与运算取模：(n-1) & hash 比 hash % n 更高效，前提是 n 为 2 的幂（此时 n-1 的二进制全为 1，保证索引在 [0, n-1] 范围内）。

3. 插入元素（put () 方法）

public V put(K key, V value) {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;// 1. 若哈希桶未初始化，先扩容（初始化）if ((tab = table) == null || (n = tab.length) == 0)n = (tab = resize()).length;// 2. 计算索引，若该位置为空，直接插入新节点if ((p = tab[i = (n - 1) & hash]) == null)tab[i] = newNode(hash, key, value, null);else {Node<K,V> e; K k;// 3. 若桶中头节点的 key 与插入 key 相同，直接覆盖if (p.hash == hash && ((k = p.key) == key || (key != null && key.equals(k))))e = p;// 4. 若为红黑树节点，调用红黑树的插入方法else if (p instanceof TreeNode)e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);// 5. 若为链表，遍历链表else {for (int binCount = 0; ; ++binCount) {// 5.1 找到链表尾部，插入新节点if ((e = p.next) == null) {p.next = newNode(hash, key, value, null);// 5.2 若链表长度 >= 8，转为红黑树if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1sttreeifyBin(tab, hash);break;}// 5.3 若链表中存在相同 key，跳出循环准备覆盖if (e.hash == hash && ((k = e.key) == key || (key != null && key.equals(k))))break;p = e;}}// 6. 若存在相同 key，覆盖旧值并返回旧值if (e != null) { V oldValue = e.value;if (!onlyIfAbsent || oldValue == null)e.value = value;afterNodeAccess(e); // 留给 LinkedHashMap 重写return oldValue;}}++modCount; // 结构性修改计数（用于快速失败机制）// 7. 若元素数量超过阈值，触发扩容if (++size > threshold)resize();afterNodeInsertion(evict); // 留给 LinkedHashMap 重写return null;
}

核心流程：计算哈希 -> 定位索引 -> 处理冲突（链表 / 红黑树）-> 扩容检查。
红黑树转换条件：链表长度 >= 8 且哈希桶容量 >= 64（否则优先扩容而非转树）。

4. 扩容机制（resize () 方法）

当元素数量超过阈值（size > threshold）时，HashMap 会扩容（哈希桶数组长度翻倍）：

final Node<K,V>[] resize() {Node<K,V>[] oldTab = table;int oldCap = (oldTab == null) ? 0 : oldTab.length;int oldThr = threshold;int newCap, newThr = 0;// 1. 计算新容量和新阈值if (oldCap > 0) {// 若旧容量已达最大值（2^30），则阈值设为 Integer.MAX_VALUE，不再扩容if (oldCap >= MAXIMUM_CAPACITY) {threshold = Integer.MAX_VALUE;return oldTab;}// 否则，新容量 = 旧容量 * 2（仍为 2 的幂）else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY && oldCap >= DEFAULT_INITIAL_CAPACITY)newThr = oldThr << 1; // 阈值也翻倍}else if (oldThr > 0) // 初始化时使用指定的阈值作为容量newCap = oldThr;else { // 无参构造初始化（默认容量 16，阈值 12）newCap = DEFAULT_INITIAL_CAPACITY;newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);}if (newThr == 0) {float ft = (float)newCap * loadFactor;newThr = (newCap < MAXIMUM_CAPACITY && ft < (float)MAXIMUM_CAPACITY ? (int)ft : Integer.MAX_VALUE);}threshold = newThr;// 2. 创建新的哈希桶数组@SuppressWarnings({"rawtypes","unchecked"})Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap];table = newTab;// 3. 将旧数组中的元素迁移到新数组if (oldTab != null) {for (int j = 0; j < oldCap; ++j) {Node<K,V> e;if ((e = oldTab[j]) != null) {oldTab[j] = null; // 释放旧节点引用// 3.1 若该位置只有一个节点，直接计算新索引并放入新数组if (e.next == null)newTab[e.hash & (newCap - 1)] = e;// 3.2 若为红黑树，拆分红黑树else if (e instanceof TreeNode)((TreeNode<K,V>)e).split(this, newTab, j, oldCap);// 3.3 若为链表，拆分链表（优化：无需重新计算哈希，仅判断高位）else { Node<K,V> loHead = null, loTail = null; // 索引不变的链表Node<K,V> hiHead = null, hiTail = null; // 索引 = 旧索引 + 旧容量 的链表Node<K,V> next;do {next = e.next;// 核心：通过哈希值的旧容量位判断新索引（0 则不变，1 则 +oldCap）if ((e.hash & oldCap) == 0) {if (loTail == null)loHead = e;elseloTail.next = e;loTail = e;}else {if (hiTail == null)hiHead = e;elsehiTail.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;}if (hiTail != null) {hiTail.next = null;newTab[j + oldCap] = hiHead;}}}}}return newTab;
}

扩容核心：容量翻倍（保持 2 的幂），重新计算元素索引并迁移。
链表拆分优化：利用哈希值的 oldCap 位（二进制）判断新索引，避免重新计算哈希，提高效率。

5. 查询元素（get () 方法）

public V get(Object key) {Node<K,V> e;return (e = getNode(hash(key), key)) == null ? null : e.value;
}final Node<K,V> getNode(int hash, Object key) {Node<K,V>[] tab; Node<K,V> first, e; int n; K k;// 1. 哈希桶不为空且索引位置有元素if ((tab = table) != null && (n = tab.length) > 0 &&(first = tab[(n - 1) & hash]) != null) {// 2. 检查头节点是否匹配if (first.hash == hash && ((k = first.key) == key || (key != null && key.equals(k))))return first;// 3. 遍历链表或红黑树if ((e = first.next) != null) {if (first instanceof TreeNode)return ((TreeNode<K,V>)first).getTreeNode(hash, key); // 红黑树查询do { // 链表查询if (e.hash == hash && ((k = e.key) == key || (key != null && key.equals(k))))return e;} while ((e = e.next) != null);}}return null;
}