[TOC] 我們這篇文章就來試著分析下 HashMap 的源碼，由于 HashMap 底層涉及到太多方面，一篇文章總是不能面面俱到，所以我們可以帶著面試官常問的幾個問題去看源碼： 1. 了解底層如何存儲數據的 2. HashMap 的幾個主要方法 3. HashMap 是如何確定元素存儲位置的以及如何處理哈希沖突的 4. HashMap 擴容機制是怎樣的 5. JDK 1.8 在擴容和解決哈希沖突上對 HashMap 源碼做了哪些改動？有什么好處? HashMap 的內部功能實現很多，本文主要從根據 key 獲取哈希桶數組索引位置、put 方法的詳細執行、擴容過程三個具有代表性的點深入展開講解。 ### 1. 存儲結構 #### DK1.7 的存儲結構 在 1.7 之前 JDK 采用「拉鏈法」來存儲數據，即數組和鏈表結合的方式： :-:  「拉鏈法」用專業點的名詞來說叫做**鏈地址法**。簡單來說，就是數組加鏈表的結合。在每個數組元素上存儲的都是一個鏈表。 我們之前說到不同的 key 可能經過 hash 運算可能會得到相同的地址，但是一個數組單位上只能存放一個元素，采用鏈地址法以后，如果遇到相同的 hash 值的 key 的時候，我們可以將它放到作為數組元素的鏈表上。待我們去取元素的時候通過 hash 運算的結果找到這個鏈表，再在鏈表中找到與 key 相同的節點，就能找到 key 相應的值了。 JDK1.7 中新添加進來的元素總是放在數組相應的角標位置，而原來處于該角標的位置的節點作為 next 節點放到新節點的后邊。稍后通過源碼分析我們也能看到這一點。 #### JDK1.8 的存儲結構 對于 JDK1.8 之后的`HashMap`底層在解決哈希沖突的時候，就不單單是使用數組加上單鏈表的組合了，因為當處理如果 hash 值沖突較多的情況下，鏈表的長度就會越來越長，此時通過單鏈表來尋找對應 Key 對應的 Value 的時候就會使得時間復雜度達到 O(n)，因此在 JDK1.8 之后，在鏈表新增節點導致鏈表長度超過`TREEIFY_THRESHOLD = 8`的時候，就會在添加元素的同時將原來的單鏈表轉化為紅黑樹。 對數據結構很在行的讀者應該，知道紅黑樹是一種易于增刪改查的二叉樹，他對與數據的查詢的時間復雜度是`O(logn)`級別，所以利用紅黑樹的特點就可以更高效的對`HashMap`中的元素進行操作。 :-:  從結構實現來講，HashMap 是數組+鏈表+紅黑樹（JDK1.8增加了紅黑樹部分）實現的，如下如所示。 1.  **這里需要講明白兩個問題：數據底層具體存儲的是什么？這樣的存儲方式有什么優點呢？** （1）從源碼可知，HashMap 類中有一個非常重要的字段，就是 Node\[\] table，即哈希桶數組，明顯它是一個 Node 的數組。我們來看 Node（ JDK1.8 中） 是何物。 ~~~java static class Node<K,V> implements Map.Entry<K,V> { final int hash; //用來定位數組索引位置 final K key; V value; Node<K,V> next; //鏈表的下一個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) { ... } } ~~~ Node 是 HashMap 的一個內部類，實現了 Map.Entry 接口，本質是就是一個映射（鍵值對）。上圖中的每個黑色圓點就是一個Node對象。 （2）HashMap 就是使用哈希表來存儲的。哈希表為解決沖突，可以采用**開放地址法**和**鏈地址法**等來解決問題， Java 中 HashMap 采用了鏈地址法。鏈地址法，簡單來說，就是數組加鏈表的結合。在每個數組元素上都一個鏈表結構，當數據被 Hash 后，得到數組下標，把數據放在對應下標元素的鏈表上。例如程序執行下面代碼： ~~~java map.put("美團","小美"); ~~~ 系統將調用 "美團" 這個 key 的 hashCode() 方法得到其 hashCode 值（該方法適用于每個 Java 對象），然后再通過 Hash 算法的后兩步運算（高位運算和取模運算，下文有介紹）來定位該鍵值對的存儲位置，有時兩個 key 會定位到相同的位置，表示發生了 Hash 碰撞。當然 Hash 算法計算結果越分散均勻，Hash 碰撞的概率就越小，map 的存取效率就會越高。 如果哈希桶數組很大，即使較差的 Hash 算法也會比較分散，如果哈希桶數組數組很小，即使好的 Hash 算法也會出現較多碰撞，所以就需要在空間成本和時間成本之間權衡，其實就是在根據實際情況確定哈希桶數組的大小，并在此基礎上設計好的 hash 算法減少 Hash 碰撞。 **那么通過什么方式來控制 map 使得 Hash 碰撞的概率又小，哈希桶數組（Node\[\] table）占用空間又少呢？** 答案就是好的 Hash 算法和擴容機制。 在理解 Hash 和擴容流程之前，我們得先了解下 HashMap 的幾個字段。從 HashMap 的默認構造函數源碼可知，構造函數就是對下面幾個字段進行初始化，源碼如下： ~~~java int threshold; // 所能容納的key-value對極限 final float loadFactor; // 負載因子 int modCount; int size; ~~~ 首先，**Node\[\] table的初始化長度 length (默認值是16)**，**Load factor 為負載因子(默認值是0.75)**，threshold 是 HashMap 所能容納的最大數據量的 Node (鍵值對)個數。**threshold = length \* Load factor**。也就是說，在數組定義好長度之后，負載因子越大，所能容納的鍵值對個數越多。 結合負載因子的定義公式可知，threshold 就是在此 Load factor 和 length (數組長度)對應下允許的最大元素數目，超過這個數目就重新 resize(擴容)，擴容后的 HashMap 容量是之前容量的兩倍。默認的負載因子 0.75 是對空間和時間效率的一個平衡選擇，建議大家不要修改，除非在時間和空間比較特殊的情況下，如果內存空間很多而又對時間效率要求很高，可以降低負載因子 Load factor 的值；相反，如果內存空間緊張而對時間效率要求不高，可以增加負載因子 loadFactor 的值，這個值可以大于1。 size 這個字段其實很好理解，就是 HashMap 中實際存在的鍵值對數量。注意和 table 的長度 length、容納最大鍵值對數量 threshold 的區別。而 modCount 字段主要用來記錄 HashMap 內部結構發生變化的次數，主要用于迭代的快速失敗。強調一點，內部結構發生變化指的是結構發生變化，例如 put 新鍵值對，但是某個 key 對應的 value 值被覆蓋不屬于結構變化。 在 HashMap 中，哈希桶數組 table 的長度 length 大小必須為 2n（一定是合數），這是一種非常規的設計，常規的設計是把桶的大小設計為素數。相對來說素數導致沖突的概率要小于合數，具體證明可以參考[為什么一般hashtable的桶數會取一個素數？](https://blog.csdn.net/liuqiyao_01/article/details/14475159)，**Hashtable 初始化桶大小為 11，就是桶大小設計為素數的應用（Hashtable 擴容后不能保證還是素數）**。HashMap 采用這種非常規設計，**主要是為了在取模和擴容時做優化，同時為了減少沖突，HashMap 定位哈希桶索引位置時，也加入了高位參與運算的過程**。 這里存在一個問題，即使負載因子和 Hash 算法設計的再合理，也免不了會出現拉鏈過長的情況，一旦出現拉鏈過長，則會嚴重影響 HashMap 的性能。于是，在 JDK1.8 版本中，對數據結構做了進一步的優化，引入了紅黑樹。而當鏈表長度太長（默認超過8）時，鏈表就轉換為紅黑樹，利用紅黑樹快速增刪改查的特點提高 HashMap 的性能，其中會用到紅黑樹的插入、刪除、查找等算法。本文不再對紅黑樹展開討論，想了解更多紅黑樹數據結構的工作原理可以參考：[教你初步了解紅黑樹](https://blog.csdn.net/v_july_v/article/details/6105630)。 ### 2\. 重要參數 | 參數 | 說明 | | --- | --- | | buckets | 在 HashMap 的注釋里使用哈希桶來形象的表示數組中每個地址位置。注意這里并不是數組本身，數組是裝哈希桶的，他可以被稱為**哈希表**。 | | capacity | table 的容量大小，默認為 16。需要注意的是 capacity 必須保證為 2 的 n 次方。 | | size | table 的實際使用量。 | | threshold | size 的臨界值，size 必須小于 threshold，如果大于等于，就必須進行擴容操作。 | | loadFactor | 裝載因子，table 能夠使用的比例，threshold = capacity \* loadFactor。 | | TREEIFY\_THRESHOLD | 樹化閥值，哈希桶中的節點個數大于該值（默認為8）的時候將會被轉為紅黑樹行存儲結構。 | | UNTREEIFY\_THRESHOLD | 非樹化閥值，小于該值（默認為 6）的時候將再次改為單鏈表的格式存儲 | ### 3\. 確定哈希桶數組索引位置 很多操作都需要先確定一個鍵值對所在的桶下標。 ~~~java int hash = hash(key); int i = indexFor(hash, table.length); ~~~ （一）計算 hash 值 ~~~java final int hash(Object k) { int h = hashSeed; if (0 != h && k instanceof String) { return sun.misc.Hashing.stringHash32((String) k); } h ^= k.hashCode(); // This function ensures that hashCodes that differ only by // constant multiples at each bit position have a bounded // number of collisions (approximately 8 at default load factor). //此處通過一定的固定值的算法 得出相對分散的hash值 目的是為了減少碰撞 //JDK.1.8之后優化了這里的算法 h ^= (h >>> 20) ^ (h >>> 12); return h ^ (h >>> 7) ^ (h >>> 4); } public final int hashCode() { return Objects.hashCode(key) ^ Objects.hashCode(value); } ~~~ （二）取模 令 x = 1<<4，即 x 為 2 的 4 次方，它具有以下性質： ~~~ x : 00010000 x-1 : 00001111 ~~~ 令一個數 y 與 x-1 做與運算，可以去除 y 位級表示的第 4 位以上數： ~~~ y : 10110010 x-1 : 00001111 y&(x-1) : 00000010 ~~~ 這個性質和 y 對 x 取模效果是一樣的： ~~~ y : 10110010 x : 00010000 y%x : 00000010 ~~~ 我們知道，位運算的代價比求模運算小的多，因此在進行這種計算時用位運算的話能帶來更高的性能。 確定桶下標的最后一步是將 key 的 hash 值對桶個數取模：hash%capacity，如果能保證 capacity 為 2 的 n 次方，那么就可以將這個操作轉換為位運算。 ~~~java static int indexFor(int h, int length) { return h & (length-1); } ~~~ ### 4\. 分析HashMap的put方法 　　HashMap 的 put 方法執行過程可以通過下圖來理解，自己有興趣可以去對比源碼更清楚地研究學習。 1.  ①.判斷鍵值對數組 table\[i\] 是否為空或為 null，否則執行 resize() 進行擴容； ②.根據鍵值 key 計算 hash 值得到插入的數組索引i，如果 table\[i\]==null，直接新建節點添加，轉向 ⑥，如果table\[i\] 不為空，轉向 ③； ③.判斷 table\[i\] 的首個元素是否和 key 一樣，如果相同直接覆蓋 value，否則轉向 ④，這里的相同指的是 hashCode 以及 equals； ④.判斷table\[i\] 是否為 treeNode，即 table\[i\] 是否是紅黑樹，如果是紅黑樹，則直接在樹中插入鍵值對，否則轉向 ⑤； ⑤.遍歷 table\[i\]，判斷鏈表長度是否大于 8，大于 8 的話把鏈表轉換為紅黑樹，在紅黑樹中執行插入操作，否則進行鏈表的插入操作；遍歷過程中若發現 key 已經存在直接覆蓋 value 即可； ⑥.插入成功后，判斷實際存在的鍵值對數量 size 是否超多了最大容量 threshold，如果超過，進行擴容。 JDK1.8 HashMap 的 put 方法源碼如下: ~~~java public V put(K key, V value) { // 對key的hashCode()做hash 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; // 步驟①：tab為空則創建 if ((tab = table) == null || (n = tab.length) == 0) n = (tab = resize()).length; // 步驟②：計算index，并對null做處理 if ((p = tab[i = (n - 1) & hash]) == null) tab[i] = newNode(hash, key, value, null); else { Node<K,V> e; K k; // 步驟③：節點key存在，直接覆蓋value if (p.hash == hash && ((k = p.key) == key || (key != null && key.equals(k)))) e = p; // 步驟④：判斷該鏈為紅黑樹 else if (p instanceof TreeNode) e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value); // 步驟⑤：該鏈為鏈表 else { for (int binCount = 0; ; ++binCount) { if ((e = p.next) == null) { p.next = newNode(hash, key,value,null); //鏈表長度大于8轉換為紅黑樹進行處理 if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st treeifyBin(tab, hash); break; } // key已經存在直接覆蓋value if (e.hash == hash && ((k = e.key) == key || (key != null && key.equals(k)))) 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; // 步驟⑥：超過最大容量 就擴容 if (++size > threshold) resize(); afterNodeInsertion(evict); return null; } ~~~ ### 5\. 擴容機制 擴容 (resize) 就是重新計算容量，向 HashMap 對象里不停的添加元素，而 HashMap 對象內部的數組無法裝載更多的元素時，對象就需要擴大數組的長度，以便能裝入更多的元素。當然 Java 里的數組是無法自動擴容的，方法是使用一個新的數組代替已有的容量小的數組，就像我們用一個小桶裝水，如果想裝更多的水，就得換大水桶。 我們分析下 resize 的源碼，鑒于 JDK1.8 融入了紅黑樹，較復雜，為了便于理解我們仍然使用 JDK1.7 的代碼，好理解一些，本質上區別不大，具體區別后文再說。 ~~~java void resize(int newCapacity) { //傳入新的容量 Entry[] oldTable = table; //引用擴容前的Entry數組 int oldCapacity = oldTable.length; if (oldCapacity == MAXIMUM_CAPACITY) { //擴容前的數組大小如果已經達到最大(2^30)了 threshold = Integer.MAX_VALUE; //修改閾值為int的最大值(2^31-1)，這樣以后就不會擴容了 return; } Entry[] newTable = new Entry[newCapacity]; //初始化一個新的Entry數組 transfer(newTable); //！！將數據轉移到新的Entry數組里 table = newTable; //HashMap的table屬性引用新的Entry數組 threshold = (int)(newCapacity * loadFactor);//修改閾值 } ~~~ 這里就是使用一個容量更大的數組來代替已有的容量小的數組，transfer() 方法將原有 Entry 數組的元素拷貝到新的 Entry 數組里。 ~~~java void transfer(Entry[] newTable) { Entry[] src = table; //src引用了舊的Entry數組 int newCapacity = newTable.length; for (int j = 0; j < src.length; j++) { //遍歷舊的Entry數組 Entry<K,V> e = src[j]; //取得舊Entry數組的每個元素 if (e != null) { src[j] = null;//釋放舊Entry數組的對象引用（for循環后，舊的Entry數組不再引用任何對象） do { Entry<K,V> next = e.next; int i = indexFor(e.hash, newCapacity); //！！重新計算每個元素在數組中的位置 e.next = newTable[i]; //標記[1] newTable[i] = e; //將元素放在數組上 e = next; //訪問下一個Entry鏈上的元素 } while (e != null); } } } ~~~ newTable\[i\] 的引用賦給了 e.next，也就是使用了單鏈表的頭插入方式，同一位置上新元素總會被放在鏈表的頭部位置；這樣先放在一個索引上的元素終會被放到 Entry 鏈的尾部(如果發生了 hash 沖突的話），這一點和 Jdk1.8 有區別，下文詳解。在舊數組中同一條 Entry 鏈上的元素，通過重新計算索引位置后，有可能被放到了新數組的不同位置上。 下面舉個例子說明下擴容過程。假設了我們的 hash 算法就是簡單的用 key mod 一下表的大小（也就是數組的長度）。其中的哈希桶數組 table 的 size=2， 所以 key = 3、7、5，put 順序依次為 5、7、3。在 mod 2 以后都沖突在 table\[1\] 這里了。這里假設負載因子 loadFactor=1，即當鍵值對的實際大小 size 大于 table 的實際大小時進行擴容。接下來的三個步驟是哈希桶數組 resize 成 4，然后所有的 Node 重新 rehash 的過程。 :-:  下面我們講解下 JDK1.8 做了哪些優化。經過觀測可以發現，我們使用的是 2 次冪的擴展 (指長度擴為原來 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動 2 次冪的位置。看下圖可以明白這句話的意思，n 為 table 的長度，圖（a）表示擴容前的 key1 和 key2 兩種 key 確定索引位置的示例，圖（b）表示擴容后 key1 和 key2 兩種 key 確定索引位置的示例，其中 hash1 是 key1 對應的哈希與高位運算結果。 :-:  元素在重新計算 hash 之后，因為 n 變為 2 倍，那么 n-1 的 mask 范圍在高位多 1bit (紅色)，因此新的 index 就會發生這樣的變化： :-:  因此，我們在擴充 HashMap 的時候，不需要像 JDK1.7 的實現那樣重新計算 hash，只需要看看原來的 hash 值新增的那個 bit 是 1 還是 0 就好了，是 0 的話索引沒變，是 1 的話索引變成“原索引+oldCap”，可以看看下圖為 16 擴充為 32 的 resize 示意圖： :-:  這個設計確實非常的巧妙，既省去了重新計算 hash 值的時間，而且同時，由于新增的 1bit 是 0 還是 1 可以認為是隨機的，因此 resize 的過程，均勻的把之前的沖突的節點分散到新的 bucket 了。這一塊就是 JDK1.8 新增的優化點。有一點注意區別，JDK1.7 中 rehash 的時候，舊鏈表遷移新鏈表的時候，如果在新表的數組索引位置相同，則鏈表元素會倒置，但是從上圖可以看出，JDK1.8 不會倒置。有興趣的同學可以研究下 JDK1.8 的 resize源 碼，寫的很贊，如下: ~~~java 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) { // 超過最大值就不再擴充了，就只好隨你碰撞去吧 if (oldCap >= MAXIMUM_CAPACITY) { threshold = Integer.MAX_VALUE; return oldTab; } // 沒超過最大值，就擴充為原來的2倍 else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY && oldCap >= DEFAULT_INITIAL_CAPACITY) newThr = oldThr << 1; // double threshold } 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); } // 計算新的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) { // 把每個bucket都移動到新的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 { // 鏈表優化重hash的代碼塊 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; } ~~~ ### 6\. 線程安全性 在多線程使用場景中，應該盡量避免使用線程不安全的 HashMap，而使用線程安全的 ConcurrentHashMap。那么為什么說 HashMap 是線程不安全的，下面舉例子說明在并發的多線程使用場景中使用 HashMap 可能造成死循環。代碼例子如下(便于理解，仍然使用 JDK1.7 的環境)： ~~~java public class HashMapInfiniteLoop { private static HashMap<Integer,String> map = new HashMap<Integer,String>(2，0.75f); public static void main(String[] args) { map.put(5， "C"); new Thread("Thread1") { public void run() { map.put(7, "B"); System.out.println(map); }; }.start(); new Thread("Thread2") { public void run() { map.put(3, "A); System.out.println(map); }; }.start(); } } ~~~ 其中，map初始化為一個長度為2的數組，loadFactor=0.75，threshold=2\*0.75=1，也就是說當put第二個key的時候，map就需要進行resize。 通過設置斷點讓線程1和線程2同時debug到transfer方法(3.3小節代碼塊)的首行。注意此時兩個線程已經成功添加數據。放開thread1的斷點至transfer方法的“Entry next = e.next;” 這一行；然后放開線程2的的斷點，讓線程2進行resize。結果如下圖。 :-:  注意，Thread1的 e 指向了key(3)，而next指向了key(7)，其在線程二rehash后，指向了線程二重組后的鏈表。 線程一被調度回來執行，先是執行 newTalbe\[i\] = e， 然后是e = next，導致了e指向了key(7)，而下一次循環的next = e.next導致了next指向了key(3)。 :-:  :-:  e.next = newTable\[i\] 導致 key(3).next 指向了 key(7)。注意：此時的key(7).next 已經指向了key(3)， 環形鏈表就這樣出現了。 :-:  于是，當我們用線程一調用map.get(11)時，悲劇就出現了——Infinite Loop。 ### 7\. JDK1.8與JDK1.7的性能對比 HashMap中，如果key經過hash算法得出的數組索引位置全部不相同，即Hash算法非常好，那樣的話，getKey方法的時間復雜度就是O(1)，如果Hash算法技術的結果碰撞非常多，假如Hash算極其差，所有的Hash算法結果得出的索引位置一樣，那樣所有的鍵值對都集中到一個桶中，或者在一個鏈表中，或者在一個紅黑樹中，時間復雜度分別為O(n)和O(lgn)。 鑒于JDK1.8做了多方面的優化，總體性能優于JDK1.7，下面我們從兩個方面用例子證明這一點。 ### 8\. Hash較均勻的情況 為了便于測試，我們先寫一個類Key，如下： ~~~java class Key implements Comparable<Key> { private final int value; Key(int value) { this.value = value; } @Override public int compareTo(Key o) { return Integer.compare(this.value, o.value); } @Override public boolean equals(Object o) { if (this == o) return true; if (o == null || getClass() != o.getClass()) return false; Key key = (Key) o; return value == key.value; } @Override public int hashCode() { return value; } } ~~~ 這個類復寫了equals方法，并且提供了相當好的hashCode函數，任何一個值的hashCode都不會相同，因為直接使用value當做hashcode。為了避免頻繁的GC，我將不變的Key實例緩存了起來，而不是一遍一遍的創建它們。代碼如下： ~~~java public class Keys { public static final int MAX_KEY = 10_000_000; private static final Key[] KEYS_CACHE = new Key[MAX_KEY]; static { for (int i = 0; i < MAX_KEY; ++i) { KEYS_CACHE[i] = new Key(i); } } public static Key of(int value) { return KEYS_CACHE[value]; } } ~~~ 現在開始我們的試驗，測試需要做的僅僅是，創建不同size的HashMap（1、10、100、......10000000），屏蔽了擴容的情況，代碼如下： ~~~java static void test(int mapSize) { HashMap<Key, Integer> map = new HashMap<Key,Integer>(mapSize); for (int i = 0; i < mapSize; ++i) { map.put(Keys.of(i), i); } long beginTime = System.nanoTime(); //獲取納秒 for (int i = 0; i < mapSize; i++) { map.get(Keys.of(i)); } long endTime = System.nanoTime(); System.out.println(endTime - beginTime); } public static void main(String[] args) { for(int i=10;i<= 1000 0000;i*= 10){ test(i); } } ~~~ 在測試中會查找不同的值，然后度量花費的時間，為了計算getKey的平均時間，我們遍歷所有的get方法，計算總的時間，除以key的數量，計算一個平均值，主要用來比較，絕對值可能會受很多環境因素的影響。結果如下： :-:  通過觀測測試結果可知，JDK1.8的性能要高于JDK1.7 15%以上，在某些size的區域上，甚至高于100%。由于Hash算法較均勻，JDK1.8引入的紅黑樹效果不明顯，下面我們看看Hash不均勻的的情況。 ### 9\. Hash極不均勻的情況 假設我們又一個非常差的Key，它們所有的實例都返回相同的hashCode值。這是使用HashMap最壞的情況。代碼修改如下： ~~~java class Key implements Comparable<Key> { //... @Override public int hashCode() { return 1; } } ~~~ 仍然執行main方法，得出的結果如下表所示： :-:  從表中結果中可知，隨著size的變大，JDK1.7的花費時間是增長的趨勢，而JDK1.8是明顯的降低趨勢，并且呈現對數增長穩定。當一個鏈表太長的時候，HashMap會動態的將它替換成一個紅黑樹，這話的話會將時間復雜度從O(n)降為O(logn)。hash算法均勻和不均勻所花費的時間明顯也不相同，這兩種情況的相對比較，可以說明一個好的hash算法的重要性。 測試環境：處理器為2.2 GHz Intel Core i7，內存為16 GB 1600 MHz DDR3，SSD硬盤，使用默認的JVM參數，運行在64位的OS X 10.10.1上。 ### 10\. HashMap與HashTable 1. HashTable 使用 synchronized 來進行同步。 2. HashMap 可以插入鍵為 null 的 Entry。 3. HashMap 的迭代器是 fail-fast 迭代器。 4. HashMap 不能保證隨著時間的推移 Map 中的元素次序是不變的。 ### 11\. 小結 1. 擴容是一個特別耗性能的操作，所以當程序員在使用 HashMap 的時候，估算 map 的大小，初始化的時候給一個大致的數值，避免 map 進行頻繁的擴容。 2. 負載因子是可以修改的，也可以大于1，但是建議不要輕易修改，除非情況非常特殊。 3. HashMap 是線程不安全的，不要在并發的環境中同時操作 HashMap，建議使用 ConcurrentHashMap。 4. JDK1.8 引入紅黑樹大程度優化了 HashMap 的性能。 參考資料：  * [Java 8系列之重新認識HashMap——美團技術](https://tech.meituan.com/java_hashmap.html) * [搞懂 Java HashMap 源碼 - 掘金](https://juejin.im/post/5ac83fa35188255c5668afd0) * [搞懂 Java equals 和 hashCode 方法 - 掘金](https://juejin.im/post/5ac4d8abf265da23a4050ae3)