HashMap

首先，本文是以Java1.8的源码来解析的。

我们都知道，HashMap是以key和value来存储数据的，也就是键值对。
同时，我们从中取数据的时候，直接根据key来查找就可以，并且能保证唯一性，哪到底是怎么做到的呢？

先来看看HashMap的构造函数

    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
    }

十分简洁，判断参数值是否合法，还有设置默认大小和加载因子，加载因子默认是0.75，默认大小是16，扩容时指数递增。

    static final int tableSizeFor(int cap) {
        int n = cap - 1;
        n |= n >>> 1;
        n |= n >>> 2;
        n |= n >>> 4;
        n |= n >>> 8;
        n |= n >>> 16;
        return (n < 0) ? 1 : (n >= MAXIMUM_CAPACITY) ? MAXIMUM_CAPACITY : n + 1;
    }

或运算位移：（举例子，只取后面8位，int实际为32位）
例如设置个大小为14，二进制为0000 1110，右移1位得到0000 0111，然后或运算（同时为0得0，只要有1都得1），得到0000 1111。然后后面的操作也是一样，但是最后的结果，依然会是0000 1111，最后一句就会执行n+1，就是0001 0000，也就是16，HashMap的长度就是这么算出来的。
问题：扩容为什么要指数增长呢？
因为设置大小的时候，使用的是位运算，符合2进制的数值有利于运算。

存数据时具体逻辑到底是怎样的？

    public V put(K key, V value) {
        return putVal(hash(key), key, value, false, true);
    }

这里有一个十分重要的函数，就是hash，通过传进来的key的哈希值，通过运算，得到一个int的值，用于填入数据是使用。

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

可以看到，也是位运算，然后和哈希值进行异或运算（相同为0，不同为1），从而得到一个值。
h： 00000000 10000000 00000011 00011111
h>>>16:00000000 00000000 00000000 10000000
异或: 00000000 00000000 00000011 10011111
最后这个值，就是HashMap中的数组的下标，可以这么理解。

继续看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;
        if ((tab = table) == null || (n = tab.length) == 0)
            n = (tab = resize()).length;
        if ((p = tab[i = (n - 1) & hash]) == null)
            tab[i] = newNode(hash, key, value, null);
        else {
            Node<K,V> e; K k;
            if (p.hash == hash &&
                ((k = p.key) == key || (key != null && key.equals(k))))
                e = p;
            else if (p instanceof TreeNode)
                e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
            else {
                for (int binCount = 0; ; ++binCount) {
                    if ((e = p.next) == null) {
                        p.next = newNode(hash, key, value, null);
                        if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st
                            treeifyBin(tab, hash);
                        break;
                    }
                    if (e.hash == hash &&
                        ((k = e.key) == key || (key != null && key.equals(k))))
                        break;
                    p = e;
                }
            }
            if (e != null) { // existing mapping for key
                V oldValue = e.value;
                if (!onlyIfAbsent || oldValue == null)
                    e.value = value;
                afterNodeAccess(e);
                return oldValue;
            }
        }
        ++modCount;
        if (++size > threshold)
            resize();
        afterNodeInsertion(evict);
        return null;
    }

这里是重点部分，首先看Node<K,V>[] tab，是一个tab的Node数组，再看p = tab[i = (n - 1) & hash]这一句，作用就是找tab的下标，进行位的与运算，然后赋值给p，如果tab这个位置还没有数据，就直接创建一个新的Node，放在这个位置上。接下来就是tab数组这个位置原来就有数据在，如何处理的逻辑了：
①如果hash相同，key又相同，更新旧值。
②数据Node是树形Node，找到红黑树根节点开始遍历，寻找是否有相同key的节点，有就更新数据；没有就新建节点，放在红黑树相应的位置上，最后进行红黑树的平衡性调整。
③不是树形Node，遍历同时计数，
如果下一个元素Node为null，就直接new一个Node，链接上tab数组中的Node；

如果已经有元素Node了，或者说，tab数组的这个位置，已经有一条链表的数据了，检查链表中有没有key相同的Node，有就更新；

如果没有，把新Node链接到链表的最后，新建Node之后，还会检查链表的长度，如果>=7同时总长度>=64，就转变成红黑树结构，最后再检查总大小，决定是否需要进行扩容。

    final void treeifyBin(Node<K,V>[] tab, int hash) {
        int n, index; Node<K,V> e;
        if (tab == null || (n = tab.length) < MIN_TREEIFY_CAPACITY)
            resize();
        else if ((e = tab[index = (n - 1) & hash]) != null) {
            TreeNode<K,V> hd = null, tl = null;
            do {
                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);
            if ((tab[index] = hd) != null)
                hd.treeify(tab);
        }
    }

到这里为止，HashMap的存数据过程，就是这样的了。看完了整个存储过程，我们可以回答一些问题了。

1、HashMap的数据结构是怎么样的？

数据+链表+红黑树 image.png

2、什么时候用红黑树，什么时候用链表？

存数据时，当数组同一个位置的链表长度<7时，用链表，当长度>=7并且数组长度>>=64,则把链表转为红黑树。
取数据时，当红黑树的长度<=6时，会将红黑树重新转回链表。

3、为什么存数据时，链表转红黑树的阈值是8，而取数据时，红黑树转链表的阈值是6？

避免在同一个阈值来回转换数据结构。

存数据的逻辑基本完了，接下来看特殊情况，就是扩容。至于取数据的逻辑？其实就是取数据的反向，这里就不记录解析了。

扩容的条件：size(已经存储的节点数量)>扩容阈值threshold
源码：

    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;
            }
            else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&
                     oldCap >= DEFAULT_INITIAL_CAPACITY)
                newThr = oldThr << 1; // double threshold
        }
        else if (oldThr > 0) // initial capacity was placed in threshold
            newCap = oldThr;
        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);
        }
        threshold = newThr;
        @SuppressWarnings({"rawtypes","unchecked"})
            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;
                    else if (e instanceof TreeNode)
                        ((TreeNode<K,V>)e).split(this, newTab, j, oldCap);
                    else { // preserve order
                        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;
    }

代码表达的分为几步：
1、检查老数组是否已经达到了最大值，就是说已经无法再扩容了，把阈值改为Integer的最大值，然后直接结束，不扩容了。
2、容量、扩容阈值都变成原来的2倍，指向新的数组。
3、遍历旧数组，将元素重新放到新的数组中。
4、如果元素为红黑树节点，遍历这个红黑树，根据(e.hash & oldCap) == 0来判断，为真时加到loHead链表中，为假是加到hiHead链表中。然后处理这两个链表，loHead的数据，就放在旧数组的原位置并进行红黑树链表节点转换；hiHead的数据，就放在旧数组的index + oldCap的位置并进行红黑树链表节点转换；
5、如果元素是链表节点，处理跟红黑树的差不多，也是根据(e.hash & oldCap) == 0判断，存到loHead和hiHead中，loHead的数据放回原位置，hiHead的数据放到index + oldCap。
这样就完成了扩容处理了。
为什么是(e.hash & oldCap) == 0作为判断条件？
这里关系到旧数组存放时的逻辑，假设旧数组大小为16，扩容前，存放数据找下标，是对象的哈希值与15进行与运算，也就是1111，得到的结果就是下标，然后存放。

然后看扩容的逻辑，是对象的哈希值与16进行与运算，也就是10000，同时每次扩容容量都是增加一倍，这里变成了32，下标最大值11111，所以就很巧妙地直接与oldCap与运算。

如果为0，那就是说明这个对象的哈希值，第五位必定是0，那么放在loTail里；

如果不为0，说明这个对象的哈希值，第五位是1，放在index + oldCap正合适，因为就算当做再存放一次，与31的二进制11111进行与运算，也一样是index + oldCap的位置。

HashMap的重点内容，算是大概说完了，个人觉得其中最特色的就是对于位运算从而达到想要的结果，简洁还快。
另外HashMap的原理其实到处都有，例如android我会用到SparseArray、ArrayMap，也是基于HashMap的原理去优化的。
SpareArray是双数组结构，不需要封箱操作，直接是int，而且key会通过二分查找来排好序；另外在删除元素的时候，只是把object数组中的内容置空，留给下次备用。
但是key只能是int，而HashMap是Object。
所以如果key为int的时候，SpareArray会比HashMap好用。