HahsMap实现了Map接口。其继承关系如下图： 
HashMap有两个影响性能的重要参数：初始容量和加载因子。容量是Hash表中桶的个数，当HashMap初始化时，容量就是初始容量。加载因子是衡量hash表多满的一个指标，用来判断是否需要增加容量。当HashMap需要增加容量时，将会导致rehash操作。 默认情况下，0.75的加载因子在时间和空间方面提供了很好的平衡。加载因子越大，增加了空间利用率但是也增加了查询的时间。
在JDK1.7之前，HashMap采用的是数组+链表的结构，其结构图如下： 
左边部分代表Hash表，数组的每一个元素都是一个单链表的头节点，链表是用来解决冲突的，如果不同的key映射到了数组的同一位置处，就将其放入单链表中。
JDK1.8之前的HashMap都采用上图的结构，都是基于一个数组和多个单链表，hash值冲突的时候，就将对应节点以链表形式存储。如果在一个链表中查找一个节点时，将会花费O(n)的查找时间，会有很大的性能损失。到了JDK1.8，当同一个Hash值的节点数不小于8时，不再采用单链表形式存储，而是采用红黑树，如下图所示： 
HashMap中有几个重要的字段，如下：
//Hash表结构 transient Node<K,V>[] table; //元素个数 transient int size; //确保fail-fast机制 transient int modCount; //下一次增容前的阈值 int threshold; //加载因子 final float loadFactor; //默认初始容量 static final int DEFAULT_INITIAL_CAPACITY = 1 << 4; // aka 16 //最大容量 static final int MAXIMUM_CAPACITY = 1 << 30; //加载因子 static final float DEFAULT_LOAD_FACTOR = 0.75f; //链表转红黑树的阈值 static final int TREEIFY_THRESHOLD = 8;HashMap一共有4个构造方法，主要的工作就是完成容量和加载因子的赋值。Hash表都是采用的懒加载方式，当第一次插入数据时才会创建。
public HashMap(int initialCapacity, float loadFactor) { if (initialCapacity < 0) throw new IllegalArgumentException("Illegal initial capacity: " + initialCapacity); if (initialCapacity > MAXIMUM_CAPACITY) initialCapacity = MAXIMUM_CAPACITY; if (loadFactor <= 0 || Float.isNaN(loadFactor)) throw new IllegalArgumentException("Illegal load factor: " + loadFactor); this.loadFactor = loadFactor; this.threshold = tableSizeFor(initialCapacity); } public HashMap(int initialCapacity) { this(initialCapacity, DEFAULT_LOAD_FACTOR); } public HashMap() { this.loadFactor = DEFAULT_LOAD_FACTOR; // all other fields defaulted } public HashMap(Map<? extends K, ? extends V> m) { this.loadFactor = DEFAULT_LOAD_FACTOR; putMapEntries(m, false); }HashMap允许K和V为null，添加一个键值对时使用put方法，如果之前已经存在K的键值，那么旧值将会被新值替换。实现如下：
public V put(K key, V value) { 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; //如果哈希表为空或长度为0，调用resize()方法创建哈希表 if ((tab = table) == null || (n = tab.length) == 0) n = (tab = resize()).length; //如果哈希表中K对应的桶为空，那么该K，V对将成为该桶的头节点 if ((p = tab[i = (n - 1) & hash]) == null) tab[i] = newNode(hash, key, value, null); //该桶处已有节点，即发生了哈希冲突 else { Node<K,V> e; K k; //如果添加的值与头节点相同，将e指向p if (p.hash == hash && ((k = p.key) == key || (key != null && key.equals(k)))) e = p; //如果与头节点不同，并且该桶目前已经是红黑树状态，调用putTreeVal()方法 else if (p instanceof TreeNode) e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value); //桶中仍是链表阶段 else { //遍历，要比较是否与已有节点相同 for (int binCount = 0; ; ++binCount) { //将e指向下一个节点，如果是null，说明链表中没有相同节点，添加到链表尾部即可 if ((e = p.next) == null) { p.next = newNode(hash, key, value, null); //如果此时链表个数达到了8，那么需要将该桶处链表转换成红黑树，treeifyBin()方法将hash处的桶转成红黑树 if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st treeifyBin(tab, hash); break; } //如果与已有节点相同，跳出循环 if (e.hash == hash && ((k = e.key) == key || (key != null && key.equals(k)))) break; p = e; } } //如果有重复节点，那么需要返回旧值 if (e != null) { // existing mapping for key V oldValue = e.value; if (!onlyIfAbsent || oldValue == null) e.value = value; //子类实现 afterNodeaccess(e); return oldValue; } } //是一个全新节点，那么size需要+1 ++modCount; //如果超过了阈值，那么需要resize()扩大容量 if (++size > threshold) resize(); //子类实现 afterNodeInsertion(evict); return null; }从上面代码可以看到putVal()方法的流程： 1. 判断哈希表是否为空，如果为空，调用resize()方法进行创建哈希表 2. 根据hash值得到哈希表中桶的头节点，如果为null，说明是第一个节点，直接调用newNode()方法添加节点即可 3. 如果发生了哈希冲突，那么首先会得到头节点，比较是否相同，如果相同，则进行节点值的替换返回 4. 如果头节点不相同，但是头节点已经是TreeNode了，说明该桶处已经是红黑树了，那么调用putTreeVal()方法将该结点加入到红黑树中 5. 如果头节点不是TreeNode，说明仍然是链表阶段，那么就需要从头开始遍历，一旦找到了相同的节点就跳出循环或者直到了链表尾部，那么将该节点插入到链表尾部 6. 如果插入到链表尾部后，链表个数达到了阈值8，那么将会将该链表转换成红黑树，调用treeifyBin()方法 7. 如果是新加一个数据，那么将size+1，此时如果size超过了阈值，那么需要调用resize()方法进行扩容
下面我们一个一个分析上面提到的方法。首先是resize()方法，resize()在哈希表为null时将会初始化，但是在已经初始化后就会进行容量扩展。下面是resize()的具体实现：
final Node<K,V>[] resize() { Node<K,V>[] oldTab = table; int oldCap = (oldTab == null) ? 0 : oldTab.length;//旧表容量 int oldThr = threshold;//旧表与之 int newCap, newThr = 0; //旧表存在 if (oldCap > 0) { //旧表已经达到了最大容量，不能再大，直接返回旧表 if (oldCap >= MAXIMUM_CAPACITY) { threshold = Integer.MAX_VALUE; return oldTab; } //否则，新容量为旧容量2倍，新阈值为旧阈值2倍 else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY && oldCap >= DEFAULT_INITIAL_CAPACITY) newThr = oldThr << 1; // double threshold } //如果就阈值>0，说明构造方法中指定了容量 else if (oldThr > 0) // initial capacity was placed in threshold newCap = oldThr; //初始化时没有指定阈值和容量，使用默认的容量16和阈值16*0.75=12 else { // zero initial threshold signifies using defaults newCap = DEFAULT_INITIAL_CAPACITY; newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY); } if (newThr == 0) { float ft = (float)newCap * loadFactor; newThr = (newCap < MAXIMUM_CAPACITY && ft < (float)MAXIMUM_CAPACITY ? (int)ft : Integer.MAX_VALUE); } //更新阈值 threshold = newThr; //创建表,初始化或更新表 @SupPRessWarnings({"rawtypes","unchecked"}) Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap]; table = newTab; //如果属于容量扩展，rehash操作 if (oldTab != null) { //遍历旧表 for (int j = 0; j < oldCap; ++j) { Node<K,V> e; //如果该桶处存在数据 if ((e = oldTab[j]) != null) { //将旧表数据置为null，帮助gc oldTab[j] = null; //如果只有一个节点，直接在新表中赋值 if (e.next == null) newTab[e.hash & (newCap - 1)] = e; //如果该节点已经为红黑树 else if (e instanceof TreeNode) ((TreeNode<K,V>)e).split(this, newTab, j, oldCap); //如果该桶处仍为链表 else { // preserve order //下面这段暂时没有太明白，通过e.hash & oldCap将链表分为两队，参考知乎上的一段解释 /** * 把链表上的键值对按hash值分成lo和hi两串，lo串的新索引位置与原先相同[原先位 * j]，hi串的新索引位置为[原先位置j+oldCap]； * 链表的键值对加入lo还是hi串取决于 判断条件if ((e.hash & oldCap) == 0)，因为* capacity是2的幂，所以oldCap为10...0的二进制形式，若判断条件为真，意味着 * oldCap为1的那位对应的hash位为0，对新索引的计算没有影响（新索引 * =hash&(newCap-*1)，newCap=oldCap<<2）；若判断条件为假，则 oldCap为1的那位* 对应的hash位为1， * 即新索引=hash&( newCap-1 )= hash&( (oldCap<<2) - 1)，相当于多了10...0， * 即 oldCap * 例子： * 旧容量=16，二进制10000；新容量=32，二进制100000 * 旧索引的计算： * hash = xxxx xxxx xxxy xxxx * 旧容量-1 1111 * &运算 xxxx * 新索引的计算： * hash = xxxx xxxx xxxy xxxx * 新容量-1 1 1111 * &运算 y xxxx * 新索引 = 旧索引 + y0000，若判断条件为真，则y=0(lo串索引不变)，否则y=1(hi串 * 索引=旧索引+旧容量10000) */ 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) { if (loTail == null) loHead = e; else loTail.next = e; loTail = e; } else { if (hiTail == null) hiHead = e; else hiTail.next = e; hiTail = e; } } while ((e = next) != null); if (loTail != null) { loTail.next = null; newTab[j] = loHead; } if (hiTail != null) { hiTail.next = null; newTab[j + oldCap] = hiHead; } } } } } return newTab; }从上面可以看到，resize()首先获取新容量以及新阈值，然后根据新容量创建新表。如果是扩容操作，则需要进行rehash操作，通过e.hash&oldCap将链表分为两列，更好地均匀分布在新表中。 当头节点是TreeNode时，将调用TreeNode的split方法将红黑树复制到新表中，代码实现如下：
final void split(HashMap<K,V> map, Node<K,V>[] tab, int index, int bit) { TreeNode<K,V> b = this;//就是上面的头结点e // Relink into lo and hi lists, preserving order //与链表rehash时类似，将红黑树分为两部分 TreeNode<K,V> loHead = null, loTail = null; TreeNode<K,V> hiHead = null, hiTail = null; int lc = 0, hc = 0; //遍历 for (TreeNode<K,V> e = b, next; e != null; e = next) { next = (TreeNode<K,V>)e.next; e.next = null; //分散规则与rehash中相同 if ((e.hash & bit) == 0) { if ((e.prev = loTail) == null) loHead = e; else loTail.next = e; loTail = e; ++lc; } else { if ((e.prev = hiTail) == null) hiHead = e; else hiTail.next = e; hiTail = e; ++hc; } } //如果存在低端 if (loHead != null) { //如果分散后的红黑树节点小于等于6，将红黑树节点转换成链表节点 if (lc <= UNTREEIFY_THRESHOLD) tab[index] = loHead.untreeify(map); else { tab[index] = loHead; //将链表转换成红黑树 if (hiHead != null) // (else is already treeified) loHead.treeify(tab); } } //如果存在高端 if (hiHead != null) { //如果分散后的红黑树节点小于等于6，将红黑树节点转换成链表节点 if (hc <= UNTREEIFY_THRESHOLD) tab[index + bit] = hiHead.untreeify(map); else { tab[index + bit] = hiHead; //将链表转换成红黑树节点 if (loHead != null) hiHead.treeify(tab); } } }TreeNode的split方法首先将头节点从头开始遍历，区分出两条单链表，再根据如果节点数小于等于6，那么将单链表的每个TreeNode转换成Node节点；否则将单链表转换成红黑树结构。 至此，resize()方法结束。需要注意的是rehash时，由于容量扩大一倍，本来一条链表有可能会分成两条链表，而如果将红黑树结构复制到新表时，有可能需要完成红黑树到单链表的转换。
treeifyBin()方法将表中某一个桶处的单链表结果转换成红黑树结构，其实现如下：
final void treeifyBin(Node<K,V>[] tab, int hash) { int n, index; Node<K,V> e; //如果哈希表不存在，或者哈希表尺寸小于64，进行resize()扩容 if (tab == null || (n = tab.length) < MIN_TREEIFY_CAPACITY) resize(); //如果桶处头节点不为null else if ((e = tab[index = (n - 1) & hash]) != null) { TreeNode<K,V> hd = null, tl = null; //将单链表节点转换成TreeNode结构的单链表 do { //将Node转换成TreeNode TreeNode<K,V> p = replacementTreeNode(e, null); if (tl == null) hd = p; else { p.prev = tl; tl.next = p; } tl = p; } while ((e = e.next) != null); //调用treeify将该TreeNode结构的单链表转换成红黑树 if ((tab[index] = hd) != null) hd.treeify(tab); } }当调用put插入一个键值对时，在表为空时，会创建表。如果桶为空时，直接插入节点，如果桶不为空时，则需要对当前桶中包含的结构做判断，如果已是红黑树结构，那么需要使用红黑树的插入方法；如果不是红黑树结构，则需要遍历链表，如果添加到链表后端，如果该条链表达到了8，那么需要将该链表转换成红黑树，从treeifyBin方法可以看到，当容量小于64时，不会进行红黑树转换，只会扩容。当成功新加一个桶，那么需要将尺寸和阈值进行判断，是否需要进行resize()操作。
get(K k)根据键得到值，如果值不存在，那么返回null。其实现如下：
public V get(Object key) { Node<K,V> e; return (e = getNode(hash(key), key)) == null ? null : e.value; }//根据键的hash值和键得到对应节点final Node<K,V> getNode(int hash, Object key) { Node<K,V>[] tab; Node<K,V> first, e; int n; K k; //可以从桶中得到对应hash值的第一个节点 if ((tab = table) != null && (n = tab.length) > 0 && (first = tab[(n - 1) & hash]) != null) { //检查首节点，如果首节点匹配，那么直接返回首节点 if (first.hash == hash && // always check first node ((k = first.key) == key || (key != null && key.equals(k)))) return first; //如果首节点还有后续节点 if ((e = first.next) != null) { //如果首节点是红黑树节点，调用getTreeNode()方法 if (first instanceof TreeNode) return ((TreeNode<K,V>)first).getTreeNode(hash, key); //首节点是链表结构，从前往后遍历 do { //一旦匹配，返回节点 if (e.hash == hash && ((k = e.key) == key || (key != null && key.equals(k)))) return e; } while ((e = e.next) != null); } } return null; }从上面代码可以看到getNode()方法中有多种情况： 1. 表为空或表的长度为0或表中不存在key对应的hash值桶，那么返回null 2. 如果表中有key对应hash值的桶，得到首节点，如果首节点匹配，那么直接返回； 3. 如果首节点不匹配，并且没有后续节点，那么返回null 4. 如果首节点有后续节点并且首节点是TreeNode,调用getTreeNode方法寻找节点 5. 如果首节点有后续节点并且是链表结构，那么从前往后遍历，一旦找到则返回节点，否则返回null
remove(K k)用于根据键值删除键值对，如果哈希表中存在该键，那么返回键对应的值，否则返回null。其实现如下：
public V remove(Object key) { Node<K,V> e; return (e = removeNode(hash(key), key, null, false, true)) == null ? null : e.value; }//按照hash和key删除节点，如果不存在节点，则返回nullfinal Node<K,V> removeNode(int hash, Object key, Object value, boolean matchValue, boolean movable) { Node<K,V>[] tab; Node<K,V> p; int n, index; //如果哈希表不为空并且存在桶与hash值匹配,p为桶中的头节点 if ((tab = table) != null && (n = tab.length) > 0 && (p = tab[index = (n - 1) & hash]) != null) { Node<K,V> node = null, e; K k; V v; //case 1：如果头节点匹配 if (p.hash == hash && ((k = p.key) == key || (key != null && key.equals(k)))) node = p; else if ((e = p.next) != null) { //case2：如果头节点不匹配，且头节点是TreeNode，即桶中的结构为红黑树结构 if (p instanceof TreeNode) node = ((TreeNode<K,V>)p).getTreeNode(hash, key); else { //case 3:如果头节点不匹配，且头节点是Node，即桶中的结构为链表结构，遍历链表 do { //一旦匹配，跳出循环 if (e.hash == hash && ((k = e.key) == key || (key != null && key.equals(k)))) { node = e; break; } p = e; } while ((e = e.next) != null); } } //如果存在待删除节点节点 if (node != null && (!matchValue || (v = node.value) == value || (value != null && value.equals(v)))) { //如果节点是TreeNode，使用红黑树的方法 if (node instanceof TreeNode) ((TreeNode<K,V>)node).removeTreeNode(this, tab, movable); //如果待删除节点是头节点，更改桶中的头节点即可 else if (node == p) tab[index] = node.next; //在链表遍历过程中，p代表node节点的前驱节点 else p.next = node.next; ++modCount; --size; //子类实现 afterNodeRemoval(node); return node; } } return null; }从上面的代码可以看出，removeNode()方法首先是找到待删除的节点，如果存在待删除节点，接下来再执行删除操作。查询时流程与getNode()方法的流程类似，只不过多了在遍历链表时还需要保存前驱节点，因为后面删除时要用到（单链表结构）。删除节点时就比较简单了，三种情况三种处理方式,分别是： 1. 如果待删除节点是TreeNode，那么调用removeTreeNode()方法 2. 如果待删除节点是Node，并且待删除节点就是头节点，那么将头节点更改为原有节点的下一个节点就可以了 3. 如果待删除节点是Node且待删除节点不是头节点，那么将遍历过程中保存的前驱节点p的后继节点设为node的后继节点就可以了
至此，我们分析完了HashMap的主要方法：构造器、put、get和remove。只需要明白JDK1.8的HashMap底层结构，那么就很好理解了。需要注意的是什么时候应该将链表结构转换成红黑树结构，什么时候又应该将红黑树结构重新转换成链表结构，本文没有具体解释有关红黑树的结构，但是这并不影响理解HashMap的基本原理。 另外需要注意的是，本文的源码是基于JDK1.8的。
新闻热点
疑难解答
