一个 HashMap 跟面试官扯了半个小时
The following article is from 安琪拉的博客 Author 安琪拉
前言
HashMap 应该算是 Java 后端工程师面试的必问题。因为其中的知识点太多，很适合用来考察面试者的 Java 基础。
开场
面试官: 你先自我介绍一下吧！
安琪拉: 我是安琪拉，草丛三婊之一，最强中单（钟馗不服）！哦，不对，串场了，我是**，目前在--公司做--系统开发。
面试官: 看你简历上写熟悉 Java 集合，HashMap 用过的吧？
安琪拉: 用过的。(还是熟悉的味道)
面试官: 那你跟我讲讲 HashMap 的内部数据结构？
安琪拉: 目前我用的是 JDK1.8 版本的，内部使用数组 + 链表 / 红黑树；
安琪拉: 方便我给您画个数据结构图吧。
面试官: 那你清楚 HashMap 的数据插入原理吗？
安琪拉: 呃[做沉思状]。我觉得还是应该画个图比较清楚，如下。
判断数组是否为空，为空进行初始化; 不为空，计算 k 的 hash 值，通过 (n - 1) & hash计算应当存放在数组中的下标 index ; 查看 table[index] 是否存在数据，没有数据就构造一个Node节点存放在 table[index] 中； 存在数据，说明发生了hash冲突, 继续判断 key 是否相等。如果相等，用新的 value 替换原数据（onlyIfAbsent 为 false）； 如果不相等，判断当前节点类型是不是树型节点，如果是树型节点，创建树型节点插入红黑树中； 如果不是树型节点，创建普通 Node 加入链表中；判断链表长度是否大于 8， 大于的话链表转换为红黑树； 插入完成之后判断当前节点数是否大于阈值，如果大于开始扩容为原数组的两倍。
面试官: 刚才你提到 HashMap 的初始化，那 HashMap 怎么设定初始容量大小的吗？
安琪拉: [这也算问题？?] 一般如果 new HashMap() 不传值，默认大小是 16，负载因子是 0.75。如果自己传入初始大小 k，初始化大小为大于 k 的 2 的整数次方。例如，如果传 10，大小为 16。（补充说明：实现代码如下）
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;}补充说明：下图是详细过程。算法就是让初始二进制分别右移 1，2，4，8，16 位，与自己异或。把高位第一个为 1 的数通过不断右移，把高位为 1 的后面全变为 1。111111 + 1 = 1000000 = （符合大于 50 并且是 2 的整数次幂 ）
面试官: 你提到 hash 函数，你知道 HashMap 的哈希函数怎么设计的吗？
安琪拉: [问的还挺细] hash 函数是先拿到通过 key 的 hashcode，是 32 位的 int 值，然后让 hashcode 的高 16 位和低 16 位进行异或操作。
面试官: 那你知道为什么这么设计吗？
安琪拉: [这也要问]，这个也叫扰动函数，这么设计有两个原因：
一定要尽可能降低 hash 碰撞，越分散越好； 算法一定要尽可能高效，因为这是高频操作，因此采用位运算。
面试官: 为什么采用 hashcode 的高 16 位和低 16 位异或能降低 hash 碰撞？hash 函数能不能直接用 key 的 hashcode？
[这问题有点刁钻], 安琪拉差点原地💥了，恨不得出biubiubiu 二一三连招。
安琪拉: 因为 key.hashCode() 函数调用的是 key 键值类型自带的哈希函数，返回 int 型散列值。int 值范围为-2147483648~2147483647，前后加起来大概 40 亿的映射空间。只要哈希函数映射得比较均匀松散，一般应用是很难出现碰撞的。
但问题是一个 40 亿长度的数组，内存是放不下的。你想，如果 HashMap 数组的初始大小才 16，用之前需要对数组的长度取模运算，得到的余数才能用来访问数组下标。
源码中模运算就是把散列值和数组长度 -1 做一个"与"操作，位运算比 % 运算要快。
bucketIndex = indexFor(hash, table.length);static int indexFor(int h, int length) { return h & (length - 1);}顺便说一下，这也正好解释了为什么 HashMap 的数组长度要取 2 的整数幂。因为这样（数组长度 -1）正好相当于一个“低位掩码”。“与”操作的结果就是散列值的高位全部归零，只保留低位值，用来做数组下标访问。
以初始长度 16 为例，16-1=15。二进制表示是 00000000 00000000 00001111。和某散列值做“与”操作如下，结果就是截取了最低的四位值。
10100101 11000100 00100101 & 00000000 00000000 00001111----------------------------------00000000 00000000 00000101 //高位全部归零，只保留末四位但这时候问题就来了：这样就算我的散列值分布再松散，要是只取最后几位的话，碰撞也会很严重。更要命的是如果散列本身做得不好，分布上成等差数列的漏洞，如果正好让最后几个低位呈现规律性重复，就无比蛋疼。
这时候 hash 函数（“扰动函数”）的价值就体现出来了，说到这里大家应该猜出来了。看下面这个图：
右位移 16 位，正好是 32bit 的一半。自己的高半区和低半区做异或，就是为了混合原始哈希码的高位和低位，以此来加大低位的随机性。而且混合后的低位掺杂了高位的部分特征，这样高位的信息也被变相保留下来。
最后，我们来看一下Peter Lawley的一篇专栏文章《An introduction to optimising a hashing strategy》里的的一个实验：他随机选取了 352 个字符串，在它们散列值完全没有冲突的前提下，对它们做低位掩码，取数组下标。
结果显示，当 HashMap 数组长度为 512 的时候（），也就是用掩码取低 9 位的时候，在没有扰动函数的情况下，发生了 103 次碰撞，接近 30%。而在使用了扰动函数之后只有 92 次碰撞。碰撞减少了将近 10%。看来扰动函数确实还是有功效的。
另外 Java 1.8 相比 Java 1.7 做了调整。Java 1.7 做了四次移位和四次异或，但明显 Java 1.8 觉得扰动做一次就够了。做 4 次的话，多了可能边际效用也不大，所谓为了效率考虑就改成一次了。
下面是 Java 1.7 的 hash 代码：
static int hash(int h) { h ^= (h >>> 20) ^ (h >>> 12); return h ^ (h >>> 7) ^ (h >>> 4);}面试官: 看来做过功课，有点料啊！是不是偷偷看了安琪拉的博客公众号？你刚刚说到 Java 1.8 对 hash 函数做了优化，Java 1.8还有别的优化吗？
安琪拉: Java 1.8还有三点主要的优化：
数组+链表改成了数组+链表或红黑树； 链表的插入方式从头插法改成了尾插法。简单说就是插入时，如果数组位置上已经有元素，Java 1.7 将新元素放到数组中，原始节点作为新节点的后继节点，Java 1.8 遍历链表，将元素放置到链表的最后； 扩容的时候 Java 1.7 需要对原数组中的元素进行重新 hash 定位在新数组的位置。Java 1.8 采用更简单的判断逻辑，位置不变或索引+旧容量大小；在插入时，Java 1.7 先判断是否需要扩容，再插入。Java 1.8先进行插入，插入完成再判断是否需要扩容。
面试官: 你分别跟我讲讲为什么要做这几点优化？
安琪拉: 【咳咳，果然是连环炮】
防止发生 hash 冲突。链表长度过长，将时间复杂度由 O(n) 降为 O(logn);
因为 Java 1.7头插法扩容时，头插法会使链表发生反转，多线程环境下会产生环。
A 线程在插入节点 B，B 线程也在插入。遇到容量不够开始扩容，重新 hash，放置元素。采用头插法，后遍历到的 B 节点放入了头部，这样形成了环。
如下图所示：
Java 1.7 的扩容调用 transfer 代码，如下所示：
void transfer(Entry[] newTable, boolean rehash) { int newCapacity = newTable.length; for (Entry < K, V > e: table) { while (null != e) { Entry < K, V > next = e.next; if (rehash) { e.hash = null == e.key ? 0 : hash(e.key); } int i = indexFor(e.hash, newCapacity); e.next = newTable[i]; //A线程如果执行到这一行挂起，B线程开始进行扩容 newTable[i] = e; e = next; } }}扩容的时候为什么 Java 1.8 不用重新 hash 就可以直接定位原节点在新数据的位置呢?
这是由于扩容是扩大为原数组大小的 2 倍，用于计算数组位置的掩码仅仅只是高位多了一个 1。举个例子：扩容前长度为 16，用于计算 (n-1) & hash 的二进制 n - 1 为 0000 1111， 扩容后为32后的二进制就高位多了 1，============>为 0001 1111。
因为是 & 运算，1 和任何数 & 都是它本身。那就分两种情况，
原数据 hashcode 高位第 4 位为 0 和高位为 1 的情况；
第四位高位为 0，重新 hash 数值不变，第四位为 1，重新 hash 数值比原来大 16（旧数组的容量）。
如下图：
面试官: 那 HashMap 是线程安全的吗？
安琪拉: 不是。在多线程环境下，Java 1.7 会产生死循环、数据丢失、数据覆盖的问题，Java 1.8 中会有数据覆盖的问题。
以 Java 1.8 为例，
当 A 线程执行到下面代码第 8 行判断 index 位置为空后正好挂起；
B 线程开始执行第 7 行，往 index 位置的写入节点数据；
这时 A 线程恢复现场，执行赋值操作，就把 A 线程的数据给覆盖了；
还有第 41 行 ++size 这个地方也会造成多线程同时扩容等问题。
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) //多线程执行到这里 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) // 多个线程走到这，可能重复resize() resize(); afterNodeInsertion(evict); return null;}面试官: 那你平常怎么解决这个线程不安全的问题？
安琪拉: Java 中有 HashTable、Collections.synchronizedMap、以及 ConcurrentHashMap 可以实现线程安全的 Map。
HashTable 是直接在操作方法上加 synchronized 关键字，锁住整个数组，粒度比较大；
Collections.synchronizedMap 是使用 Collections 集合工具的内部类，通过传入 Map 封装出一个 SynchronizedMap 对象，内部定义了一个对象锁，方法内通过对象锁实现；
ConcurrentHashMap 使用分段锁，降低了锁粒度，让并发度大大提高。
面试官: 那你知道 ConcurrentHashMap 的分段锁的实现原理吗？
安琪拉: 【天啦撸！俄罗斯套娃，一个套一个】ConcurrentHashMap 成员变量使用 volatile 修饰，免除了指令重排序，同时保证内存可见性。另外，使用 CAS 操作和 synchronized 结合实现赋值操作，多线程操作只会锁住当前操作索引的节点。
如下图，线程 A 锁住 A 节点所在链表，线程 B 锁住 B 节点所在链表，操作互不干涉。
面试官: 你前面提到链表转红黑树是链表长度达到阈值，这个阈值是多少？
安琪拉: 阈值是 8，红黑树转链表阈值为 6。
面试官: 为什么是 8，不是1 6、32 甚至是 7 ？又为什么红黑树转链表的阈值是 6，不是 8 了呢？
安琪拉: 【你去问作者啊！天啦撸，biubiubiu 真想 213 连招】
因为作者就这么设计的。哦，不对，因为经过计算，在 hash 函数设计合理的情况下，发生 hash 碰撞 8 次的几率为百万分之 6，概率说话。因为 8 够用了，至于为什么转回来是 6，因为如果 hash 碰撞次数在 8 附近徘徊，会一直发生链表和红黑树的转化，为了预防这种情况的发生。
面试官: HashMap 内部节点是有序的吗？
安琪拉: 是无序的。根据 hash 值随机插入。
面试官: 那有没有有序的 Map？
安琪拉: LinkedHashMap 和 TreeMap。
面试官: 跟我讲讲 LinkedHashMap 怎么实现有序的？
安琪拉: LinkedHashMap 内部维护了一个单链表，有头尾节点。同时 LinkedHashMap 节点 Entry 内部除了继承 HashMap 的 Node 属性，还有 before 和 after 用于标识前置节点和后置节点。可以实现按插入的顺序或访问顺序排序。
/** * The head (eldest) of the doubly linked list. */transient LinkedHashMap.Entry < K, V > head;
/** * The tail (youngest) of the doubly linked list. */transient LinkedHashMap.Entry < K, V > tail;//链接新加入的p节点到链表后端private void linkNodeLast(LinkedHashMap.Entry < K, V > p) { LinkedHashMap.Entry < K, V > last = tail; tail = p; if (last == null) head = p; else { p.before = last; last.after = p; }}//LinkedHashMap的节点类static class Entry < K, V > extends HashMap.Node < K, V > { Entry < K, V > before, after; Entry(int hash, K key, V value, Node < K, V > next) { super(hash, key, value, next); }}示例代码：
public static void main(String[] args) { Map < String, String > map = new LinkedHashMap < String, String > (); map.put("1", "安琪拉"); map.put("2", "的"); map.put("3", "博客");
for (Map.Entry < String, String > item: map.entrySet()) { System.out.println(item.getKey() + ":" + item.getValue()); }}//console输出1: 安琪拉2: 的3: 博客面试官: 跟我讲讲 TreeMap 怎么实现有序的？
安琪拉：TreeMap 是按照 Key 的自然顺序或者 Comprator 的顺序进行排序，内部是通过红黑树来实现。所以，要么 key 所属的类实现 Comparable 接口，或者自定义一个实现了 Comparator 接口的比较器，传给 TreeMap 用户 key 的比较。
面试官: 前面提到通过 CAS 和 synchronized 结合实现锁粒度的降低，你能给我讲讲CAS 的实现以及 synchronized 的实现原理吗？
安琪拉: 下一期咋们再约时间，OK？
面试官: 好吧，回去等通知吧！
- EOF -
1、Java 8 ConcurrentHashMap源码中竟然隐藏着两个BUG
看完本文有收获？请转发分享给更多人
关注「ImportNew」，提升Java技能
点赞和在看就是最大的支持❤️