---

HashMap底层实现与扩容原理深度解析

一、底层数据结构

1.1 核心组成

• 数组：存储元素的入口（桶），长度始终为2的幂次方
• 链表/红黑树：解决哈希冲突，JDK 1.8后链表长度>8时转为红黑树
• Node结构：

  static class Node<K,V> implements Map.Entry<K,V> {
      final int hash;    // 哈希值
      final K key;       // 键
      V value;           // 值
      Node<K,V> next;    // 链表指针
  }
  

1.2 数据存储流程

1. 计算哈希值：hash(key.hashCode())（高位异或低位增强散列）
2. 定位桶位置：index = (n-1) & hash（n为数组长度）
3. 处理冲突：
   • 空桶：直接插入新节点
   • 非空桶：遍历链表/红黑树，存在相同key则覆盖，否则追加尾部

二、扩容机制详解

2.1 触发条件

• 负载因子：默认0.75（容量 * 负载因子 = 阈值）
• 扩容阈值：当元素数量超过阈值时触发扩容

2.2 扩容过程

graph TD
    A[触发扩容] --> B{创建新数组}
    B -->|容量翻倍| C[2倍原容量]
    B -->|最大容量限制| D[设为2^30]
    C --> E[元素重哈希]
    E --> F[高低位链表拆分]
    F --> G[重新分配元素]

2.3 扩容细节

1. 新数组创建：

   int newCap = oldCap << 1;  // 容量翻倍
   Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap];
   

2. 元素迁移：
   • 单节点：直接计算新位置
   • 链表：拆分为低位链表（原位置）和高位链表（原位置+旧容量）
   • 红黑树：调用split()方法拆分到新数组

2.4 JDK 1.8优化

• 尾插法：解决JDK 1.7头插法导致的死循环问题
• 红黑树转换：链表长度>8且数组>64时转换
• 哈希计算优化：hash(key) ^ (hash >>> 16)增强散列

三、关键参数与性能

3.1 核心参数

参数	默认值	作用
initialCapacity	16	初始容量
loadFactor	0.75	负载因子，触发扩容阈值计算依据
threshold	动态计算	扩容触发阈值（capacity * loadFactor）

3.2 性能影响

• 扩容成本：O(n)时间复杂度，需重新计算所有元素位置
• 最佳实践：

  // 预估容量计算公式
  int expectedSize = 1000000;
  int initialCapacity = (int)(expectedSize / 0.75) + 1;
  

四、线程安全与替代方案

4.1 线程安全问题

• 非同步设计：多线程并发put可能导致数据覆盖
• 解决方案：

  Map<String, String> safeMap = Collections.synchronizedMap(new HashMap<>());
  

4.2 高并发替代方案

实现类	特性
ConcurrentHashMap	分段锁，支持高并发读写
LinkedHashMap	保持插入顺序，继承自HashMap
EnumMap	键为枚举类型，内存效率更高

五、源码关键点解析

5.1 putVal方法流程

final V putVal(int hash, K key, V value, boolean onlyIfAbsent, boolean evict) {
    Node<K,V>[] tab; Node<K,V> p; int n, i;
    if ((tab = table) == null || (n = tab.length) == 0)
        n = (tab = resize()).length;  // 初始化数组
    if ((p = tab[i = (n - 1) & hash]) == null)
        tab[i] = newNode(hash, key, value, null);  // 直接插入
    else {
        Node<K,V> e; K k;
        if (p.hash == hash && ((k = p.key) == key || (key != null && key.equals(k))))
            e = p;  // 覆盖旧值
        else if (p instanceof TreeNode)
            e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);  // 红黑树插入
        else {
            for (int binCount = 0; ; ++binCount) {
                if ((e = p.next) == null) {
                    p.next = newNode(hash, key, value, null);  // 链表插入
                    if (binCount >= TREEIFY_THRESHOLD - 1)  // 链表转红黑树
                        treeifyBin(tab, hash);
                    break;
                }
                if (e.hash == hash && ((k = e.key) == key || (key != null && key.equals(k))))
                    break;
                p = e;
            }
        }
        if (e != null) {  // 覆盖旧值
            V oldValue = e.value;
            e.value = value;
            return oldValue;
        }
    }
    if (++size > threshold)
        resize();  // 触发扩容
    return null;
}

5.2 resize方法实现

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;
        }
        newCap = oldCap << 1;  // 容量翻倍
        newThr = oldThr << 1;  // 阈值翻倍
    } else if (oldThr > 0) {
        newCap = oldThr;
    } else {
        newCap = DEFAULT_INITIAL_CAPACITY;  // 默认16
        newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);  // 默认12
    }
    // 创建新数组并迁移元素
    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;  // 单节点直接迁移
                else if (e instanceof TreeNode)
                    ((TreeNode<K,V>)e).split(this, newTab, j, oldCap);  // 红黑树拆分
                else {  // 链表拆分
                    Node<K,V> loHead = null, loTail = null;
                    Node<K,V> hiHead = null, hiTail = null;
                    Node<K,V> next;
                    do {
                        next = e.next;
                        if ((e.hash & oldCap) == 0) {  // 低位链表
                            if (loTail == null)
                                loHead = e;
                            else
                                loTail.next = e;
                            loTail = e;
                        } else {  // 高位链表
                            if (hiTail == null)
                                hiHead = e;
                            else
                                hiTail.next = e;
                            hiTail = e;
                        }
                    } while ((e = next) != null);
                    if (loTail != null)
                        loTail.next = null;
                    newTab[j] = loHead;  // 低位链表放原位置
                    if (hiTail != null)
                        hiTail.next = null;
                    newTab[j + oldCap] = hiHead;  // 高位链表放新位置
                }
            }
        }
    }
    return newTab;
}

六、总结与建议

1. 容量规划：根据预估数据量设置初始容量，避免频繁扩容
2. 哈希优化：重写hashCode()方法保证散列均匀性
3. 版本选择：JDK 1.8+优先使用，享受红黑树优化
4. 监控指标：关注map.size()与threshold的关系，及时扩容

通过深入理解底层实现原理，我们可以：

• 避免常见的哈希碰撞问题
• 合理设置初始参数提升性能
• 在高并发场景选择合适的替代方案