HashMap奪命14問，你能堅持到第幾問？

1. HashMap的底層數(shù)據(jù)結(jié)構(gòu)是什么？

在JDK1.7中和JDK1.8中有所區(qū)別：

在JDK1.7中，由”數(shù)組+鏈表“組成，數(shù)組是HashMap的主體，鏈表則是主要為了解決哈希沖突而存在的。

在JDK1.8中，有“數(shù)組+鏈表+紅黑樹”組成。當(dāng)鏈表過長，則會嚴(yán)重影響HashMap的性能，紅黑樹搜索時間復(fù)雜度是O(logn)，而鏈表是O(n)。因此，JDK1.8對數(shù)據(jù)結(jié)構(gòu)做了進(jìn)一步的優(yōu)化，引入了紅黑樹，鏈表和紅黑樹在達(dá)到一定條件會進(jìn)行轉(zhuǎn)換：

當(dāng)鏈表超過8且數(shù)組長度(數(shù)據(jù)總量)超過64才會轉(zhuǎn)為紅黑樹

將鏈表轉(zhuǎn)換成紅黑樹前會判斷，如果當(dāng)前數(shù)組的長度小于64，那么會選擇先進(jìn)行數(shù)組擴(kuò)容，而不是轉(zhuǎn)換為紅黑樹，以減少搜索時間。

2. 說一下HashMap的特點(diǎn)

hashmap存取是無序的

鍵和值位置都可以是null，但是鍵位置只能是一個null

鍵位置是唯一的，底層的數(shù)據(jù)結(jié)構(gòu)是控制鍵的

jdk1.8前數(shù)據(jù)結(jié)構(gòu)是：鏈表+數(shù)組jdk1.8之后是：數(shù)組+鏈表+紅黑樹

閾值（邊界值）>8并且數(shù)組長度大于64，才將鏈表轉(zhuǎn)換成紅黑樹，變成紅黑樹的目的是提高搜索速度，高效查詢

3. 解決hash沖突的辦法有哪些?HashMap用的哪種？

解決Hash沖突方法有：開放定址法、再哈希法、鏈地址法（HashMap中常見的拉鏈法）、簡歷公共溢出區(qū)。HashMap中采用的是鏈地址法。

開放定址法也稱為再散列法，基本思想就是，如果p=H(key)出現(xiàn)沖突時，則以p為基礎(chǔ)，再次hash，p1=H(p)，如果p1再次出現(xiàn)沖突，則以p1為基礎(chǔ)，以此類推，直到找到一個不沖突的哈希地址pi。因此開放定址法所需要的hash表的長度要大于等于所需要存放的元素，而且因為存在再次hash，所以只能在刪除的節(jié)點(diǎn)上做標(biāo)記，而不能真正刪除節(jié)點(diǎn)

再哈希法（雙重散列，多重散列），提供多個不同的hash函數(shù)，R1=H1(key1)發(fā)生沖突時，再計算R2=H2（key1），直到?jīng)]有沖突為止。這樣做雖然不易產(chǎn)生堆集，但增加了計算的時間。

鏈地址法（拉鏈法），將哈希值相同的元素構(gòu)成一個同義詞的單鏈表，并將單鏈表的頭指針存放在哈希表的第i個單元中，查找、插入和刪除主要在同義詞鏈表中進(jìn)行，鏈表法適用于經(jīng)常進(jìn)行插入和刪除的情況。

建立公共溢出區(qū)，將哈希表分為公共表和溢出表，當(dāng)溢出發(fā)生時，將所有溢出數(shù)據(jù)統(tǒng)一放到溢出區(qū)

注意開放定址法和再哈希法的區(qū)別是

開放定址法只能使用同一種hash函數(shù)進(jìn)行再次hash，再哈希法可以調(diào)用多種不同的hash函數(shù)進(jìn)行再次hash

4. 為什么要在數(shù)組長度大于64之后，鏈表才會進(jìn)化為紅黑樹

在數(shù)組比較小時如果出現(xiàn)紅黑樹結(jié)構(gòu)，反而會降低效率，而紅黑樹需要進(jìn)行左旋右旋，變色，這些操作來保持平衡，同時數(shù)組長度小于64時，搜索時間相對要快些，總之是為了加快搜索速度，提高性能

JDK1.8以前HashMap的實現(xiàn)是數(shù)組+鏈表，即使哈希函數(shù)取得再好，也很難達(dá)到元素百分百均勻分布。當(dāng)HashMap中有大量的元素都存放在同一個桶中時，這個桶下有一條長長的鏈表，此時HashMap就相當(dāng)于單鏈表，假如單鏈表有n個元素，遍歷的時間復(fù)雜度就從O（1）退化成O（n），完全失去了它的優(yōu)勢，為了解決此種情況，JDK1.8中引入了紅黑樹（查找的時間復(fù)雜度為O（logn））來優(yōu)化這種問題

5. 為什么加載因子設(shè)置為0.75，初始化臨界值是12？

HashMap中的threshold是HashMap所能容納鍵值對的最大值。計算公式為length*LoadFactory。也就是說，在數(shù)組定義好長度之后，負(fù)載因子越大，所能容納的鍵值對個數(shù)也越大

loadFactory越趨近于1，那么數(shù)組中存放的數(shù)據(jù)（entry也就越來越多），數(shù)據(jù)也就越密集，也就會有更多的鏈表長度處于更長的數(shù)值，我們的查詢效率就會越低，當(dāng)我們添加數(shù)據(jù)，產(chǎn)生hash沖突的概率也會更高

默認(rèn)的loadFactory是0.75，loadFactory越小，越趨近于0，數(shù)組中個存放的數(shù)據(jù)(entry)也就越少，表現(xiàn)得更加稀疏

0.75是對空間和時間效率的一種平衡選擇

如果負(fù)載因子小一些比如是0.4，那么初始長度16*0.4=6，數(shù)組占滿6個空間就進(jìn)行擴(kuò)容，很多空間可能元素很少甚至沒有元素，會造成大量的空間被浪費(fèi)

如果負(fù)載因子大一些比如是0.9，這樣會導(dǎo)致擴(kuò)容之前查找元素的效率非常低

loadfactory設(shè)置為0.75是經(jīng)過多重計算檢驗得到的可靠值，可以最大程度的減少rehash的次數(shù)，避免過多的性能消耗

6. 哈希表底層采用何種算法計算hash值？還有哪些算法可以計算出hash值？

hashCode方法是Object中的方法，所有的類都可以對其進(jìn)行使用，首先底層通過調(diào)用hashCode方法生成初始hash值h1，然后將h1無符號右移16位得到h2，之后將h1與h2進(jìn)行按位異或（^）運(yùn)算得到最終hash值h3，之后將h3與(length-1)進(jìn)行按位與（&）運(yùn)算得到hash表索引

其他可以計算出hash值的算法有

平方取中法

取余數(shù)

偽隨機(jī)數(shù)法

7. 當(dāng)兩個對象的hashCode相等時會怎樣

hashCode相等產(chǎn)生hash碰撞，hashCode相等會調(diào)用equals方法比較內(nèi)容是否相等，內(nèi)容如果相等則會進(jìn)行覆蓋，內(nèi)容如果不等則會連接到鏈表后方，鏈表長度超過8且數(shù)組長度超過64，會轉(zhuǎn)變成紅黑樹節(jié)點(diǎn)

8. 何時發(fā)生哈希碰撞和什么是哈希碰撞，如何解決哈希碰撞？

只要兩個元素的key計算的hash碼值相同就會發(fā)生hash碰撞，jdk8之前使用鏈表解決哈希碰撞，jdk8之后使用鏈表+紅黑樹解決哈希碰撞

9. HashMap的put方法流程

以jdk8為例，簡要流程如下：

首先根據(jù)key的值計算hash值，找到該元素在數(shù)組中存儲的下標(biāo)

如果數(shù)組是空的，則調(diào)用resize進(jìn)行初始化；

如果沒有哈希沖突直接放在對應(yīng)的數(shù)組下標(biāo)里

如果沖突了，且key已經(jīng)存在，就覆蓋掉value

如果沖突后是鏈表結(jié)構(gòu)，就判斷該鏈表是否大于8，如果大于8并且數(shù)組容量小于64，就進(jìn)行擴(kuò)容；如果鏈表節(jié)點(diǎn)數(shù)量大于8并且數(shù)組的容量大于64，則將這個結(jié)構(gòu)轉(zhuǎn)換成紅黑樹；否則，鏈表插入鍵值對，若key存在，就覆蓋掉value

如果沖突后，發(fā)現(xiàn)該節(jié)點(diǎn)是紅黑樹，就將這個節(jié)點(diǎn)掛在樹上

10. HashMap的擴(kuò)容方式

HashMap在容量超過負(fù)載因子所定義的容量之后，就會擴(kuò)容。java里的數(shù)組是無法自己擴(kuò)容的，將HashMap的大小擴(kuò)大為原來數(shù)組的兩倍

我們來看jdk1.8擴(kuò)容的源碼

final Node《K，V》［］ resize（） {

//oldTab：引用擴(kuò)容前的哈希表

Node《K，V》［］ oldTab = table;

//oldCap：表示擴(kuò)容前的table數(shù)組的長度

int oldCap = （oldTab == null） ？ 0 ： oldTab.length;

//獲得舊哈希表的擴(kuò)容閾值

int oldThr = threshold;

//newCap：擴(kuò)容之后table數(shù)組大小

//newThr：擴(kuò)容之后下次觸發(fā)擴(kuò)容的條件

int newCap， newThr = 0;

//條件成立說明hashMap中的散列表已經(jīng)初始化過了，是一次正常擴(kuò)容

if （oldCap 》 0） {

//判斷舊的容量是否大于等于最大容量，如果是，則無法擴(kuò)容，并且設(shè)置擴(kuò)容條件為int最大值，

//這種情況屬于非常少數(shù)的情況

if （oldCap 》= MAXIMUM_CAPACITY） {

threshold = Integer.MAX_VALUE;

return oldTab;

}//設(shè)置newCap新容量為oldCap舊容量的二倍（《《1），并且《最大容量，而且》=16，則新閾值等于舊閾值的兩倍

else if （（newCap = oldCap 《《 1） 《 MAXIMUM_CAPACITY &&

oldCap 》= DEFAULT_INITIAL_CAPACITY）

newThr = oldThr 《《 1; // double threshold

}

//如果oldCap=0并且邊界值大于0，說明散列表是null，但此時oldThr》0

//說明此時hashMap的創(chuàng)建是通過指定的構(gòu)造方法創(chuàng)建的，新容量直接等于閾值

//1.new HashMap（intitCap，loadFactor）

//2.new HashMap（initCap）

//3.new HashMap（map）

else if （oldThr 》 0） // initial capacity was placed in threshold

newCap = oldThr;

//這種情況下oldThr=0;oldCap=0，說明沒經(jīng)過初始化，創(chuàng)建hashMap

//的時候是通過new HashMap（）的方式創(chuàng)建的

else {

// zero initial threshold signifies using defaults

newCap = DEFAULT_INITIAL_CAPACITY;

newThr = （int）（DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY）;

}

//newThr為0時，通過newCap和loadFactor計算出一個newThr

if （newThr == 0） {

//容量*0.75

float ft = （float）newCap * loadFactor;

newThr = （newCap 《 MAXIMUM_CAPACITY && ft 《 （float）MAXIMUM_CAPACITY ？

（int）ft ： Integer.MAX_VALUE）;

}

threshold = newThr;

@SuppressWarnings（{“rawtypes”，“unchecked”}）

//根據(jù)上面計算出的結(jié)果創(chuàng)建一個更長更大的數(shù)組

Node《K，V》［］ newTab = （Node《K，V》［］）new Node［newCap］;

//將table指向新創(chuàng)建的數(shù)組

table = newTab;

//本次擴(kuò)容之前table不為null

if （oldTab ！= null） {

//對數(shù)組中的元素進(jìn)行遍歷

for （int j = 0; j 《 oldCap; ++j） {

//設(shè)置e為當(dāng)前node節(jié)點(diǎn)

Node《K，V》 e;

//當(dāng)前桶位數(shù)據(jù)不為空，但不能知道里面是單個元素，還是鏈表或紅黑樹，

//e = oldTab［j］，先用e記錄下當(dāng)前元素

if （（e = oldTab［j］） ！= null） {

//將老數(shù)組j桶位置為空，方便回收

oldTab［j］ = null;

//如果e節(jié)點(diǎn)不存在下一個節(jié)點(diǎn)，說明e是單個元素，則直接放置在新數(shù)組的桶位

if （e.next == null）

newTab［e.hash & （newCap - 1）］ = e;

//如果e是樹節(jié)點(diǎn)，證明該節(jié)點(diǎn)處于紅黑樹中

else if （e instanceof TreeNode）

（（TreeNode《K，V》）e）.split（this， newTab， j， oldCap）;

//e為鏈表節(jié)點(diǎn)，則對鏈表進(jìn)行遍歷

else { // preserve order

//低位鏈表：存放在擴(kuò)容之后的數(shù)組的下標(biāo)位置，與當(dāng)前數(shù)組下標(biāo)位置一致

//loHead：低位鏈表頭節(jié)點(diǎn)

//loTail低位鏈表尾節(jié)點(diǎn)

Node《K，V》 loHead = null， loTail = null;

//高位鏈表，存放擴(kuò)容之后的數(shù)組的下標(biāo)位置，=原索引+擴(kuò)容之前數(shù)組容量

//hiHead：高位鏈表頭節(jié)點(diǎn)

//hiTail：高位鏈表尾節(jié)點(diǎn)

Node《K，V》 hiHead = null， hiTail = null;

Node《K，V》 next;

do {

next = e.next;

//oldCap為16:10000，與e.hsah做&運(yùn)算可以得到高位為1還是0

//高位為0，放在低位鏈表

if （（e.hash & oldCap） == 0） {

if （loTail == null）

//loHead指向e

loHead = e;

else

loTail.next = e;

loTail = e;

}

//高位為1，放在高位鏈表

else {

if （hiTail == null）

hiHead = e;

else

hiTail.next = e;

hiTail = e;

}

} while （（e = next） ！= null）;

//低位鏈表已成，將頭節(jié)點(diǎn)loHead指向在原位

if （loTail ！= null） {

loTail.next = null;

newTab［j］ = loHead;

}

//高位鏈表已成，將頭節(jié)點(diǎn)指向新索引

if （hiTail ！= null） {

hiTail.next = null;

newTab［j + oldCap］ = hiHead;

}

}

}

}

}

return newTab;

}

擴(kuò)容之后原位置的節(jié)點(diǎn)只有兩種調(diào)整

保持原位置不動（新bit位為0時）

散列原索引+擴(kuò)容大小的位置去（新bit位為1時）

擴(kuò)容之后元素的散列設(shè)置的非常巧妙，節(jié)省了計算hash值的時間，我們來看一 下具體的實現(xiàn)

當(dāng)數(shù)組長度從16到32，其實只是多了一個bit位的運(yùn)算，我們只需要在意那個多出來的bit為是0還是1，是0的話索引不變，是1的話索引變?yōu)楫?dāng)前索引值+擴(kuò)容的長度，比如5變成5+16=21

這樣的擴(kuò)容方式不僅節(jié)省了重新計算hash的時間，而且保證了當(dāng)前桶中的元素總數(shù)一定小于等于原來桶中的元素數(shù)量，避免了更嚴(yán)重的hash沖突，均勻的把之前沖突的節(jié)點(diǎn)分散到新的桶中去

11. 一般用什么作為HashMap的key？

一般用Integer、String這種不可變類當(dāng)HashMap當(dāng)key

因為String是不可變的，當(dāng)創(chuàng)建字符串時，它的hashcode被緩存下來，不需要再次計算，相對于其他對象更快

因為獲取對象的時候要用到equals()和hashCode()方法，那么鍵對象正確的重寫這兩個方法是非常重要的，這些類很規(guī)范的重寫了hashCode()以及equals()方法

12. 為什么Map桶中節(jié)點(diǎn)個數(shù)超過8才轉(zhuǎn)為紅黑樹？

8作為閾值作為HashMap的成員變量，在源碼的注釋中并沒有說明閾值為什么是8

在HashMap中有這樣一段注釋說明，我們繼續(xù)看

* Because TreeNodes are about twice the size of regular nodes， we

* use them only when bins contain enough nodes to warrant use

* （see TREEIFY_THRESHOLD）。 And when they become too small （due to * removal or resizing） they are converted back to plain bins. In

* usages with well-distributed user hashCodes， tree bins are

* rarely used. Ideally， under random hashCodes， the frequency of

* nodes in bins follows a Poisson distribution

* （http://en.wikipedia.org/wiki/Poisson_distribution） with a

* parameter of about 0.5 on average for the default resizing

* threshold of 0.75， although with a large variance because of

* resizing granularity. Ignoring variance， the expected

* occurrences of list size k are （exp（-0.5） * pow（0.5， k） / * factorial（k））.

翻譯

因為樹節(jié)點(diǎn)的大小大約是普通節(jié)點(diǎn)的兩倍，所以我們只在箱子包含足夠的節(jié)點(diǎn)時才使用樹節(jié)點(diǎn)（參見TREEIFY_THRESHOLD）。當(dāng)他們邊的太?。ㄓ捎趧h除或調(diào)整大?。r，就會被轉(zhuǎn)換回普通的桶，在使用分布良好的hashcode時，很少使用樹箱。 理想情況下，在隨機(jī)哈希碼下，箱子中節(jié)點(diǎn)的頻率服從泊松分布第一個值是：

* 0：

0.60653066 * 1：

0.30326533 * 2：

0.07581633 * 3：

0.01263606 * 4：

0.00157952 * 5：

0.00015795 * 6：

0.00001316 * 7：

0.00000094 * 8：

0.00000006 * more：

less than 1 in ten million

樹節(jié)點(diǎn)占用空間是普通Node的兩倍，如果鏈表節(jié)點(diǎn)不夠多卻轉(zhuǎn)換成紅黑樹，無疑會耗費(fèi)大量的空間資源，并且在隨機(jī)hash算法下的所有bin節(jié)點(diǎn)分布頻率遵從泊松分布，鏈表長度達(dá)到8的概率只有0.00000006，幾乎是不可能事件，所以8的計算是經(jīng)過重重科學(xué)考量的

從平均查找長度來看，紅黑樹的平均查找長度是logn，如果長度為8，則logn=3，而鏈表的平均查找長度為n/4，長度為8時，n/2=4，所以閾值8能大大提高搜索速度

當(dāng)長度為6時紅黑樹退化為鏈表是因為logn=log6約等于2.6，而n/2=6/2=3，兩者相差不大，而紅黑樹節(jié)點(diǎn)占用更多的內(nèi)存空間，所以此時轉(zhuǎn)換最為友好

13. HashMap為什么線程不安全？

多線程下擴(kuò)容死循環(huán)。JDK1.7中的HashMap使用頭插法插入元素，在多線程的環(huán)境下，擴(kuò)容的時候有可能導(dǎo)致環(huán)形鏈表的出現(xiàn)，形成死循環(huán)。因此JDK1.8使用尾插法插入元素，在擴(kuò)容時會保持鏈表元素原本的順序，不會出現(xiàn)環(huán)形鏈表的問題

多線程的put可能導(dǎo)致元素的丟失。多線程同時執(zhí)行put操作，如果計算出來的索引位置是相同的，那會造成前一個key被后一個key覆蓋，從而導(dǎo)致元素的丟失。此問題在JDK1.7和JDK1.8中都存在

put和get并發(fā)時，可能導(dǎo)致get為null。線程1執(zhí)行put時，因為元素個數(shù)超出threshold而導(dǎo)致rehash，線程2此時執(zhí)行g(shù)et，有可能導(dǎo)致這個問題，此問題在JDK1.7和JDK1.8中都存在

14. 計算hash值時為什么要讓低16bit和高16bit進(jìn)行異或處理

我們計算索引需要將hashCode值與length-1進(jìn)行按位與運(yùn)算，如果數(shù)組長度很小，比如16，這樣的值和hashCode做異或?qū)嶋H上只有hashCode值的后4位在進(jìn)行運(yùn)算，hash值是一個隨機(jī)值，而如果產(chǎn)生的hashCode值高位變化很大，而低位變化很小，那么有很大概率造成哈希沖突，所以我們?yōu)榱耸乖馗玫纳⒘?，將hash值的高位也利用起來

舉個例子

如果我們不對hashCode進(jìn)行按位異或，直接將hash和length-1進(jìn)行按位與運(yùn)算就有可能出現(xiàn)以下的情況

如果下一次生成的hashCode值高位起伏很大，而低位幾乎沒有變化時，高位無法參與運(yùn)算

可以看到，兩次計算出的hash相等，產(chǎn)生了hash沖突

所以無符號右移16位的目的是使高混亂度地區(qū)與地混亂度地區(qū)做一個中和，提高低位的隨機(jī)性，減少哈希沖突。

-End-

審核編輯 ：李倩