Jdk1.7下的HashMap源码分析

本文主要讨论jdk1.7下hashMap的源码实现，其中主要是在扩容时容易出现死循环的问题，以及put元素的整个过程。

1、数组结构

数组+链表

示例图如下：

常量属性

/**
 * The default initial capacity - MUST be a power of two.
 * 默认初始容量大小
 */
static final int DEFAULT_INITIAL_CAPACITY = 1 << 4; // aka 16

/**
 * MUST be a power of two <= 1<<30.
 * hashMap最大容量，可装元素个数
 */
static final int MAXIMUM_CAPACITY = 1 << 30;

/**
 * The load factor used when none specified in constructor.
 * 加载因子，如容量为16，默认阈值即为16*0.75=12,元素个数超过(包含)12且，扩容
 */
static final float DEFAULT_LOAD_FACTOR = 0.75f;
/**
 * 空数组，默认数组为空，初始化后才才有内存地址，第一次put元素时判断，延迟初始化
 */
static final Entry<?,?>[] EMPTY_TABLE = {};

2、存在的死循环问题

扩容导致的死循环，jdk1.7中在多线程高并发环境容易出死循环，导致cpu使用率过高问题，问题出在扩容方法resize()中,更具体内部的transfer方法：将旧数组元素转移到新数组过程中,源码如下：

void resize(int newCapacity) {
    Entry[] oldTable = table;
    int oldCapacity = oldTable.length;
 //1.如果原来数组容量等于最大值了，2^30,设置扩容阈值为Integer最大值，不需要再扩容
    if (oldCapacity == MAXIMUM_CAPACITY) {
        threshold = Integer.MAX_VALUE;
        return;
    }
  //2.创建新数组对象
    Entry[] newTable = new Entry[newCapacity];
 //3.将旧数组元素转移到新数组中,分析一
    transfer(newTable, initHashSeedAsNeeded(newCapacity));
 //4.重新引用新数组对象和计算新的阈值
    table = newTable;
    threshold = (int)Math.min(newCapacity * loadFactor, MAXIMUM_CAPACITY + 1);
}

transfer方法

/**
 * Transfers all entries from current table to newTable.
 * 从当前数组中转移所有的节点到新数组中
 */
void transfer(Entry[] newTable, boolean rehash) {
    int newCapacity = newTable.length;
    //遍历旧数组
    for (Entry<K,V> e : table) {
    //1,首先获取数组下标元素
        while(null != e) {
            //2.获取数组该桶位置链表中下一个元素
            Entry<K,V> next = e.next;
     //3.是否需要重新该元素key的hash值
            if (rehash) {
                e.hash = null == e.key ? 0 : hash(e.key);
            }
    //4，重新确定在新数组中下标位置
            int i = indexFor(e.hash, newCapacity);
    //5.头插法：插入新链表该桶位置，若有元素，就形成链表，每次新加入的节点都插在第一位，就数组下标位置
             e.next = newTable[i];
            newTable[i] = e;
    //6.继续获取链表下一个元素
            e = next;
        }
    }
}

//传入容量值返回是否需要对key重新Hash
final boolean initHashSeedAsNeeded(int capacity) {
    //1.hashSeed默认为0,因此currentAltHashing为false
    boolean currentAltHashing = hashSeed != 0;
   //2,sun.misc.VM.isBooted()在类加载启动成功后，状态会修改为true
  // 因此变数在于，capacity >= Holder.ALTERNATIVE_HASHING_THRESHOLD，debug发现正常情况ALTERNATIVE_HASHING_THRESHOLD是一个很大的值,使用的是Integer的最大值
    boolean useAltHashing = sun.misc.VM.isBooted() &&
            (capacity >= Holder.ALTERNATIVE_HASHING_THRESHOLD);
    //3,两者异或，只有不相同时才为true，即useAltHashing =true时，dubug代码发现useAltHashing =false，
    boolean switching = currentAltHashing ^ useAltHashing;
    if (switching) {
        hashSeed = useAltHashing
            ? sun.misc.Hashing.randomHashSeed(this)
            : 0;
    }
  //正常情况下是返回false，即不需要重新对key哈希
    return switching;
}

上面源码展示转移元素过程：

以下模拟2个线程并发操作hashMap 在put元素时造成的死循环过程：

链表死循环图例：

3、put方法

1.7的put方法，因没有红黑树结构，相比较1.8简单, 容易理解，流程图如下所示:

代码如下：

public V put(K key, V value) {
    //1,若当前数组为空，初始化
    if (table == EMPTY_TABLE) {
       //分析1
        inflateTable(threshold);
    }
    //2,若put的key为null,在放置在数组下标第一位，索引为0位置，从该源码可知
   // hashMap允许 键值对 key=null,但是只能有唯一一个
    if (key == null)
        // 分析2
        return putForNullKey(value);
    //3,计算key的hash，这里与1.8有区别
    //分析3
    int hash = hash(key);
    // 4,确定在数组下标位置，与1.8相同
    int i = indexFor(hash, table.length);
    // 5，遍历该数组位置,即该桶处遍历
    for (Entry<K,V> e = table[i]; e != null; e = e.next) {
        Object k;
        if (e.hash == hash && ((k = e.key) == key || key.equals(k))) {
        // 找到相同的key，则覆盖原value值，返回旧值
            V oldValue = e.value;
            e.value = value;
            //该方法为空，不用看
            e.recordAccess(this);
            return oldValue;
        }
    }
   //因为hashMap线程不安全，修改操作没有同步锁，
   //该字段值用于记录修改次数，用于快速失败机制 fail-fast,防止其他线程同时做了修改，抛出并发修改异常
    modCount++;
    // 6,原数组中没有相同的key，以头插法插入新的元素
    //分析4
    addEntry(hash, key, value, i);
    return null;
}

分析1: HashMap如何初始化数组的，延迟初始化有什么好处？

结论： 1、1.7,1.8都是延迟初始化，在put第一个元素时创建数组，目的是为了节省内存。

初始化代码：

private void inflateTable(int toSize) {
    // Find a power of 2 >= toSize
    //1.该方法非常重要，目的为了得到一个比toSize最接近的2的幂次方的数，
   // 且该数要>=toSize,这个2的幂次方方便后面各种位运算
   // 如：new HashMap(15),指定15大小集合，内部实际 创建数组大小为2^4=16
   // 分析见下
    int capacity = roundUpToPowerOf2(toSize);
   //2，确定扩容阈值
    threshold = (int) Math.min(capacity * loadFactor, MAXIMUM_CAPACITY + 1);
    //3，初始化数组对象
    table = new Entry[capacity];
    initHashSeedAsNeeded(capacity);
}

Q:如何确保获取到比toSize 最接近且大于等于它的2的幂次方的数？

深入理解roundUpToPowerOf2方法:

private static int roundUpToPowerOf2(int number) {
    // assert number >= 0 : "number must be non-negative";
//如果number大于等于最大值 2^30，赋值为最大，主要是防止传参越界，number一定是否非负的
    return number >= MAXIMUM_CAPACITY
            ? MAXIMUM_CAPACITY
        : (number > 1) ? Integer.highestOneBit((number - 1) << 1) : 1;
        //核心在于Integer.highestOneBit((number - 1) << 1) 此处
}

先抛出2个问题：

1：这个 （number - 1) << 1 的作用是什么？

2：这个方法highestOneBit肯定是为了获取到满足条件的2的幂次方的数，背后的原理呢？

结论： Integer的方法highestOneBit(i) 这个方法是通过位运算，获取到i的二进制位最左边（最高位）的1，其余位都抹去，置为0，即获取的是小于等于i的2的幂次方的数.

如果直接传入number,那么获取到的是2的幂次方的数，但是该数一定小于等于number，但这不是我们的目的；

如highestOneBit(15)=8highestOneBit(21)=16而我们是想要获取一个刚刚大于等于number的2次方的数，(number-1)<<1 因此需要先将number 扩大二倍number <<1 , 为什么需要number-1,是考虑到临界值问题，恰好number本身就是2的幂次方，如 number=16，扩大2倍后为32， highestOneBit方法计算后结果还是32，这不符合需求。

public static int highestOneBit(int i) {
    // HD, Figure 3-1
    i |= (i >>  1);
    i |= (i >>  2);
    i |= (i >>  4);
    i |= (i >>  8);
    i |= (i >> 16);
    return i - (i >>> 1);
}

2的幂次方二进值特点：只有最高位为1，其他位全为0

目的：将传入i的二进制最左边的1保留，其余低位的1全变为0

原理：某数二进制： 0001 ,不关心其低位是什么，以*代替，进行运算

• 右移1位

 i |= (i >> 1);
 0001****
|
 00001***
----------
 00011***  #保证左边2位是1

• 右移2位

 i |= (i >> 2);
 00011***
|
 0000011*
----------
 0001111*  #保证左边4位是1

• 右移4位

 i |= (i >> 4);
 0001111*
|
 00000001
----------
 00011111  #把高位以下所有位变为1了，该数还是只有5位，该计算可将8位下所有的置为1

Q:为什么要再执行右移8位，16位？

因int类型 4个字节，32位，这样可以一定可以保证将低位全置为1；

• 最后一步，大功告成！

i - (i >>> 1);
#此时 i= 00011111
 00011111
-
 00001111 #无符号右移1位
---------
 00010000  #拿到值

分析2： HashMap如何处理key 为null情况，value呢？

结论：

1. 允许key为null,但最多唯一存在一个，放在数组下标为0位置
2. value为null的键值对可以有多个
3. 由1,2 推得，键值对都为null的Entry对象可以有，但最多一个

private V putForNullKey(V value) {
    //1.直接table[0] 位置获取，先遍历链表(这里对该数组位置统称为链表，可能没有元素，或者只有一个元素，或者链表)查找是否存在相同的key,存在覆盖原值
    for (Entry<K,V> e = table[0]; e != null; e = e.next) {
        if (e.key == null) {
            V oldValue = e.value;
            e.value = value;
            e.recordAccess(this);
            return oldValue;
        }
    }
    modCount++;
  //此时注意添加节点时，第一个0即代表数组下标位置,后面会分析该方法
    addEntry(0, null, value, 0);
    return null;
}

分析3：如何实现hash算法，保证key的hash值均匀分散，减少hash冲突?

jdk1.7中为了尽可能的对key的hash后均匀分散，扰动函数实现采用了 5次异或+4次位移

final int hash(Object k) {
    int h = hashSeed;
    if (0 != h && k instanceof String) {
        return sun.misc.Hashing.stringHash32((String) k);
    }
    //k的hashCode值 与hashSeed 异或
    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).
    h ^= (h >>> 20) ^ (h >>> 12);
    return h ^ (h >>> 7) ^ (h >>> 4);
}

分析4：插入新的节点到map中,如果原数组总元素个数超过阈值，先扩容再插入节点

void addEntry(int hash, K key, V value, int bucketIndex) {
    //总元素个数大于等于阈值 且 当前数组下标已存在元素了： 扩容
    if ((size >= threshold) && (null != table[bucketIndex])) {
        //1，扩容，上面已分析过代码
        resize(2 * table.length);
        //2,计算新加key的hash值，key为null的hash值为0
        hash = (null != key) ? hash(key) : 0;
        //3，确保计算的数组下标一定在数组有效索引内，见分析5
        bucketIndex = indexFor(hash, table.length);
    }
    // 4，扩容后再插入新数组中
    createEntry(hash, key, value, bucketIndex);
}
//分析5
static int indexFor(int h, int length) {
    // 与数组长度-1与运算，一定可以确保结果值在数组有效索引内，且均匀分散
    return h & (length-1);
}
// 进一步分析插入节点方法
void createEntry(int hash, K key, V value, int bucketIndex) {
   //1,首先获取新数组索引位置元素
    Entry<K,V> e = table[bucketIndex];
    //2,头插法插入新节点， Entry构造方法第4个参数e表示指定当前新增节点的next指针指向该节点，形成链表
    table[bucketIndex] = new Entry<>(hash, key, value, e);
    //3,map元素个数+1
    size++;
}

---

参考：

一、1.7解析：https://blog.csdn.net/carson_ho/article/details/79373026

二、1.8解析：https://www.jianshu.com/p/8324a34577a0