一、前言
上篇认真的分析了在JDK7下的HashMap, 如果还没看过的或者忘记了的可以先去回顾下，这样可以更好的了解JDK8下的HashMap基于JDK7做了什么改动。分析JDK8下的HashMap 主要是因为JDK8在目前使用已成主流，且其在某些性能程度远远大于JDK7。下面逐一分析。
二、内部结构
其实大部分结构跟JDK7是一样的， 比如是基于数组+链表的形式构成的。下面主要分析下引入新的变量或者有改变的：
2.1 容器：数组
transient Node<K,V>[] table;
数组类名有变化，JDK7下是Entry， 但是其内部结果没有改变，Node的内部结构如下：
2.2 链表转树形的阈值
// 表示如果某条链表的节点数量大于等于这个值的时候，则将其转化为树形结构。 static final int TREEIFY_THRESHOLD = 8;
2.3 树形转链表的阈值
// 如果树的节点小于等于阈值的时候就开始转换成链表 static final int UNTREEIFY_THRESHOLD = 6;
2.4 容器可以树化的最小容量
// 由于有这个限制，会使第一个值在满足这个条件时才会生效，具体看后面解释 static final int MIN_TREEIFY_CAPACITY = 64;
2.5 树节点类
static final class TreeNode<K,V> extends LinkedHashMap.Entry<K,V> { TreeNode<K,V> parent; // red-black tree links . 可以理解为红黑树 TreeNode<K,V> left; // 左节点 TreeNode<K,V> right; // 右节点 TreeNode<K,V> prev; // needed to unlink next upon deletion boolean red; // 区分是否为红节点 TreeNode(int hash, K key, V val, Node<K,V> next) { super(hash, key, val, next); } ... }
2.6 总结
从上面看，HashMap在JDK8的内存结构还是有些变化的，当满足某些条件时链表会转化为红黑树。所以在JDK8下HashMap的内存结构应该是：数组+链表+红黑树， 结构示意图如下：
下面通过几个重要的函数看下它是什么时候开始转红黑树的。
三、put函数
public V put(K key, V value) { // 内部做事情的还是putVal函数 return putVal(hash(key), key, value, false, true); }
先看下hash函数有什么变化，如下：与JDK7版本对比，这里简化了很多。
static final int hash(Object key) { int h; return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16); }
接下来看重点putVal()函数：
final V putVal(int hash, K key, V value, boolean onlyIfAbsent, boolean evict) { Node<K,V>[] tab; Node<K,V> p; int n, i; // table为空，则通过扩容来创建，后面在看扩容函数 if ((tab = table) == null || (n = tab.length) == 0) n = (tab = resize()).length; // 根据key的hash值 与 数组长度进行取模来得到数组索引 if ((p = tab[i = (n - 1) & hash]) == null) // 空链表，创建节点 tab[i] = newNode(hash, key, value, null); else { Node<K,V> e; K k; // 不为空，则判断是否与当前节点一样，一样就进行覆盖 if (p.hash == hash && ((k = p.key) == key || (key != null && key.equals(k)))) e = p; else if (p instanceof TreeNode) // 不存在重复节点，则判断是否属于树节点，如果属于树节点，则通过树的特性去添加节点 e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value); else { // 该链为链表 for (int binCount = 0; ; ++binCount) { // 当链表遍历到尾节点时，则插入到最后 -> 尾插法 if ((e = p.next) == null) { p.next = newNode(hash, key, value, null); // 检测是否该从链表变成树（注意：这里是先插入节点，没有增加binCount,所以判断条件是大于等于阈值-1） if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st // 满足则树形化 treeifyBin(tab, hash); break; } if (e.hash == hash && ((k = e.key) == key || (key != null && key.equals(k)))) break; p = e; } } // 存在相同的key,则替换value if (e != null) { // existing mapping for key V oldValue = e.value; if (!onlyIfAbsent || oldValue == null) e.value = value； // 注意这里，这里是供子类LinkedHashMap实现 afterNodeAccess(e); return oldValue; } } ++modCount; // 注意细节：先加入节点，再加长度与阈值进行判断，是否需要扩容。 if (++size > threshold) resize(); // 注意这里，这里是供子类LinkedHashMap实现 afterNodeInsertion(evict); return null; }
总结下：
- 先会判断数组是否为空，如果为空则通过扩容函数来创建
- 根据key的哈希值与数组长度取模获取索引，对应节点为空则直接创建节点
- 如果对应节点不为空，先判断是否与插入元素相等，如果相等则进行替换；不想等继续判断.
- 判断获取的节点是否是树形节点，如果是则通过树形节点添加元素；
- 如果不是树形节点， 则一定是链表。然后遍历链表至最后一个节点，将节点添加至链尾。如果当前链表的数量（没有算新插入节点）大于等于转换树形的阈值-1，则需要将该链表进行树形转换。
- 插入节点后，长度+1； 然后判断是否大于阈值进行扩容操作。
四、resize函数
看了下注释：resize()方法主要用于初始化或者扩容。其实我们从putVal()方法中就能看出来了，下面详细看下：
final Node<K,V>[] resize() { // copy 数组、容量、阈值 Node<K,V>[] oldTab = table; int oldCap = (oldTab == null) ? 0 : oldTab.length; int oldThr = threshold; int newCap, newThr = 0; // 判断旧容量是否大于0 if (oldCap > 0) { // 超过最大值就不再扩充 if (oldCap >= MAXIMUM_CAPACITY) { threshold = Integer.MAX_VALUE; return oldTab; } // 没超过最大值，就扩充为原来的 2 倍 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 // 如果旧容量小于等于0 and 旧阈值大于0， 则将旧阈值赋给新容量 newCap = oldThr; else { // zero initial threshold signifies using defaults // 否则都使用默认值 newCap = DEFAULT_INITIAL_CAPACITY; newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY); } if (newThr == 0) { // 如果新的阈值是 0，对应的是当前表是空的. 根据新的容量和加载因子计算新的阈值 float ft = (float)newCap * loadFactor; newThr = (newCap < MAXIMUM_CAPACITY && ft < (float)MAXIMUM_CAPACITY ? (int)ft : Integer.MAX_VALUE); } // 更新阈值 threshold = newThr; @SuppressWarnings({"rawtypes","unchecked"}) Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap]; table = newTab; // 下面开始将当前哈希桶中的所有节点转移到新的哈希桶中 if (oldTab != null) { for (int j = 0; j < oldCap; ++j) { Node<K,V> e; // 遍历每个位置，将元素赋值给e if ((e = oldTab[j]) != null) { // 置空原来元素，方便GC回收 oldTab[j] = null; if (e.next == null) // 当前就一个元素，直接定位到下标 newTab[e.hash & (newCap - 1)] = e; else if (e instanceof TreeNode) // 如果是树节点，则通过树形节点去拆分 ((TreeNode<K,V>)e).split(this, newTab, j, oldCap); else { // preserve order // 高效之处 // 利用哈希值的高低位去区分存储位置，如果高位是0，则存储在原来的位置；如果是1则存储在原来位置+oldCap。 // 低位链表的头结点、尾节点 Node<K,V> loHead = null, loTail = null; // 高位链表的头节点、尾节点 Node<K,V> hiHead = null, hiTail = null; Node<K,V> next; do { next = e.next; // 低位链表 if ((e.hash & oldCap) == 0) { if (loTail == null) loHead = e; else loTail.next = e; loTail = e; } // 高位链表 else { if (hiTail == null) hiHead = e; else hiTail.next = e; hiTail = e; } } while ((e = next) != null); // 将低位链表存放在原索引处 if (loTail != null) { loTail.next = null; newTab[j] = loHead; } // 将高位链表存放在 原索引+oldCap if (hiTail != null) { hiTail.next = null; newTab[j + oldCap] = hiHead; } } } } } return newTab; }
总结：
- 如果原数组为空，则需要初始化；如果不为空则扩容，容量为原来的两倍。然后更新阈值
- 遍历原数组中的元素，将其添加至新数组中：
-
- 如果当前节点只有一个节点时，则根据其hash值与新容量-1进行取模操作取得下标，将元素添加到此位置上。
- 如果当前节点是树节点，则需要根据树形节点特性进行调整。
- 如果当前节点是链表，则根据节点的hash值与原容量进行高位判断，如果是0则添加到新数组上的原索引位置上；如果是1，则添加至新数组的原索引+原容量的位置上。
举例说明：假设原容量为16，索引下标为10的位置上存在链表且有两个节点，将设第一个节点的hash值为10，第二个的hash值为26。此时进行扩容操作的时候新容量变成32，
当我们操作索引下标为10的链表时，按照取模的算法，第一个节点：10&（32-1） = 10，定位在原来索引位置上；第二个节点：26&（32-1） = 26定位到索引下标为26的位置上。该位置=原索引+原容量。所以该处用的很巧妙。
五、treeifyBin函数
final void treeifyBin(Node<K,V>[] tab, int hash) { int n, index; Node<K,V> e; // 会判断数组长度是否大于最小树化容量，如果不大于先进行扩容减少冲突。 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); } }
这里单独提出来分析，是为了说明当某链表节点大于等于8时并不一定会树化，还要判断当前容量是否大于最小树化的容量。如果小于的话是不会进行树化，而是通过扩容来减少冲突。
六、两个版本对比
- 底层数据结构有变化。
-
- JDK7：数组+链表。在极端的情况下会形成一条单链表，那么它的查找时间复杂度会达到O(n)。
- JDK8: 数组+链表+红黑树。 当容量超过最小树化容量64时，如果存在链表节点大于等于8时就会树化，形成红黑树（类似平衡查找二叉树）。所以最坏的情况下的查找时间复杂度为O(logN). 比JDK7效率要好。
2. 计算Hash值的计算方式JDK8比JDK7要简化。所以数据量大时也会有明显的差异。
3. 当hash冲突时，插入链表不一样：JDK7是头插法（同索引下的节点顺序相反），JDK8是尾插法(同索引下的节点顺序不变)。
4. 扩容途径JDK8比JDK7多一种。JDK8多一种：当某链表长度大于等于8且当前容量还没达到树化容量时，会进行扩容减少冲突。
5. 扩容的具体操作不一样，JDK8要优于JDK7。 JDK7需要重新进行 索引下标 的计算，而 JDK8 不需要，通过判断高位（与原容量比较）是 0 还是 1，要么依旧是原 index，要么是 oldCap + 原 index。
6. JDK8下的HashMap不会产生死循环。但依然是线程不安全的。
通过上面对比，赶紧去升级JDK版本吧。HashMap的性能提升仅仅是JDK1.8的冰山一角。