探秘HashMap：有趣的算法之旅-51CTO.COM

HashMap是Java中非常重要且被广泛使用的数据结构，其内部实现充满了有趣而复杂的算法。我们研究下HashMap内部的一些核心算法，包括哈希冲突的解决、扩容策略、树化与树退化等。

1. 容量计算方法

即tableSizeFor方法。其主要目的是确保HashMap的容量始终是2的幂次方，这一特性对HashMap的哈希算法和扩容策略都至关重要。

// cap为用户传入的map初始化大小，将返回一个大于该数的，距离最近的2的幂次方
static final int tableSizeFor(int cap) {
    int n = -1 >>> Integer.numberOfLeadingZeros(cap - 1);
    return (n < 0) ? 1 : (n >= MAXIMUM_CAPACITY) ? MAXIMUM_CAPACITY : n + 1;
}1.
2.
3.
4.
5.

Integer.numberOfLeadingZeros(cap - 1): 这个方法返回参数cap - 1的二进制表示中，从最高位开始连续的零的个数。这个值实际上表示了cap的二进制表示中，最高位的位置（不包括符号位）。
-1 >>> Integer.numberOfLeadingZeros(cap - 1): 这一步通过将-1右移numberOfLeadingZeros位，实际上将最高位至numberOfLeadingZeros位之间的所有位都置为1，其余位为0。这样做的目的是为了确保在后续的计算中，得到的值是一个2的幂次方减1的形式。
(n < 0) ? 1 : (n >= MAXIMUM_CAPACITY) ? MAXIMUM_CAPACITY : n + 1: 这一步对上述得到的值进行判断和修正。如果计算结果小于0，说明cap为0，因此将容量设为1；如果计算结果超过了MAXIMUM_CAPACITY，即HashMap的最大容量限制，将容量设为MAXIMUM_CAPACITY；否则，将容量设为n + 1。这里的n + 1保证了返回的容量是2的幂次方。

总的来说，tableSizeFor方法确保了HashMap的容量始终是2的幂次方。这种容量设置的方式有助于提高哈希算法的性能，同时与HashMap的扩容策略密切相关。这样的设计使得HashMap在进行哈希计算时，可以通过位运算，取代一些昂贵的除法运算，从而提高计算效率。

2. 哈希冲突：链表和红黑树

在HashMap中，哈希冲突是指不同的键可能映射到相同的索引位置的情况。为了解决冲突，HashMap采用了拉链法，即将具有相同哈希码的键值对存储在同一个数组位置，以链表的形式。

class Node<K, V> {
    final int hash;
    final K key;
    V value;
    Node<K, V> next;

    Node(int hash, K key, V value, Node<K, V> next) {
        this.hash = hash;
        this.key = key;
        this.value = value;
        this.next = next;
    }
}1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.
13.

上述Node类表示HashMap中的一个节点，包含了键、值、哈希码以及指向下一个节点的引用。当冲突的链表长度超过一定阈值（默认为8）时，HashMap会将链表转换为红黑树，以提高查找效率。

static final int TREEIFY_THRESHOLD = 8;

// 当链表长度达到8时，将链表转换为红黑树
void treeifyBin(Node<K, V>[] tab, int hash) {
    // ...
    if (n >= TREEIFY_THRESHOLD) {
        // 执行转换为红黑树的操作
        treeifyBin(tab, hash);
        // ...
    }
    // ...
}1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.

3. 扩容：2 的幂次方扩容

当HashMap的元素数量达到一定负载因子时（默认为0.75），为了避免链表过长，会触发扩容操作。在扩容时，HashMap将数组容量扩大至原来的两倍，并重新计算所有元素的索引位置。

void resize() {
    int oldCap = table.length;
    int newCap = oldCap << 1;
    // 创建新的数组，大小为原来的两倍
    Node<K, V>[] newTab = new Node[newCap];
    // 重新计算元素在新数组中的位置
    // ...
    table = newTab;
}1.
2.
3.
4.
5.
6.
7.
8.
9.

oldCap表示原数组的容量，newCap表示新数组的容量，通过位运算将原容量左移一位实现扩容。

4. 哈希码计算：扰动函数

为了减小哈希冲突的概率，HashMap采用了扰动函数，将键的哈希码进行“扰动”。

static final int hash(Object key) {
    int h;
    return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}1.
2.
3.
4.

这里的hash方法通过异或运算和无符号右移等位运算，将键的哈希码进行扰动，增加哈希码的随机性。

5. 树化与树退化

为了提高查找效率，当链表长度超过一定阈值（默认为8）时，HashMap会将链表转化成红黑树。而在删除或链表长度过短时，红黑树又可能退化成链表。

static final int UNTREEIFY_THRESHOLD = 6;

// 将红黑树退化为链表
void untreeify(Node<K, V>[] tab) {
    // ...
    if ((n <= UNTREEIFY_THRESHOLD) && (first instanceof TreeNode))
        // 执行退化为链表的操作
        untreeify(tab);
    // ...
}1.
2.
3.
4.
5.
6.
7.
8.
9.
10.

UNTREEIFY_THRESHOLD是一个阈值，表示当红黑树的节点数小于等于6时，将红黑树退化为链表。

6. 负载因子和重新哈希

负载因子是HashMap决定是否需要进行扩容的一个关键参数。当HashMap中的元素数量达到容量与负载因子的乘积时，就会触发扩容。在扩容时，HashMap会重新计算所有元素的索引位置，这个过程称为重新哈希。

static final float DEFAULT_LOAD_FACTOR = 0.75f;

void addEntry(int hash, K key, V value, int bucketIndex) {
    // ...
    if ((size >= threshold) && (null != table[bucketIndex])) {
        // 执行重新哈希的操作
        resize();
        // ...
    }
    // ...
}1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.

DEFAULT_LOAD_FACTOR是一个默认的负载因子，表示当元素数量达到容量的75%时，触发扩容。

通过这些代码示例，我们可以稍微了解到HashMap内部的一些核心算法。这些算法保证了HashMap在面对不同场景时能够保持高效的性能，同时保证了数据结构的稳定性。深入了解这些算法不仅有助于我们理解HashMap的内部工作原理，还能够在需要的情况下更好地优化我们的代码。希望通过这次的有趣之旅，大家对HashMap内部的奥秘有了更深层次的理解。