Java魔法解密：HashMap底层机制大揭秘

文章目录

• • 一、 源码深度解析
  • • 1.1 窥探Java集合框架中的设计思想
    • 1.2 逐行解读HashMap的源代码
    • • 1.2.1 类信息
      • 1.2.2 常量属性
      • 1.2.3 变量属性
      • 1.2.4 节点信息
      • 1.2.5 构造方法
      • 1.2.6 put方法
      • • 1.2.6.1 putVal方法
        • 1.2.6.2 putTreeVal方法
        • 1.2.6.3 tieBreakOrder方法
        • 1.2.6.4 treeifyBin方法
        • 1.2.6.5 treeify方法
      • 1.2.7 get方法
      • 1.2.8 remove方法
      • 1.2.9 resize方法
  • 二、 应用与最佳实践
  • • 2.1 在实际项目中如何合理使用HashMap
    • 2.2 最佳实践和注意事项
  • 三、 结论
  • • 3.1 对HashMap的全面总结
    • 3.2 鼓励读者深入学习和实践

一、 源码深度解析

1.1 窥探Java集合框架中的设计思想

Java集合框架是Java编程中非常重要的一部分，提供了各种数据结构和算法，使得开发者能够高效地组织和操作数据。

Java集合框架的设计思想主要包括以下几个方面：

1. 通用性（Generality）：
   • Java集合框架被设计成通用的、可重用的组件。这样一来，同一套集合框架可以用于存储和处理各种类型的对象。
2. 可扩展性（Scalability）：
   • 集合框架提供了一系列接口和类，允许开发者实现自定义的集合类型。这种可扩展性使得开发者能够根据具体的需求创建新的集合类。
3. 高性能（Performance）：
   • 集合框架在设计时考虑了性能的因素，通过选择合适的数据结构和算法来提高操作的效率。例如，ArrayList和LinkedList都是List接口的实现，但它们在插入和删除操作上有不同的性能表现。
4. 互操作性（Interoperability）：
   • 集合框架中的各个接口和类都被设计成可以互相操作的。这种互操作性使得不同的集合类之间能够轻松地进行转换和使用。
5. 可读性和简洁性（Readability and Simplicity）：
   • 集合框架的设计追求代码的可读性和简洁性。通过提供一组清晰的接口和方法，开发者可以更容易地理解和使用集合框架。
6. 线程安全性（Thread Safety）：
   • 部分集合类（如Hashtable、Vector）被设计成线程安全的，适用于多线程环境。此外，Java提供了一些在多线程环境中使用时更安全的并发集合类，如ConcurrentHashMap。
7. Fail-Fast机制（快速失败机制）：
   • 集合框架在迭代过程中使用了快速失败机制，当多个线程对同一集合进行修改时，可能会抛出ConcurrentModificationException，以提醒开发者在迭代过程中不要修改集合。

总体来说，Java集合框架的设计思想注重通用性、性能、可扩展性和简洁性，为开发者提供了丰富而强大的工具，用于处理各种不同类型的数据。

1.2 逐行解读HashMap的源代码

1.2.1 类信息

1.2.2 常量属性

1.2.3 变量属性

1.2.4 节点信息

1.2.5 构造方法

1、构造一个具有默认初始容量（16）和默认加载因子（0.75）的空HashMap。

2、构造一个带指定初始容量和默认加载因子（0.75）的空HashMap。

3、构造一个带指定初始容量和加载因子的空HashMap。

4、构造一个映射关系与指定Map相同的新HashMap。

5、扩展LRU实现方式与思路。

在实现一个基于LRU策略的缓存时，通常会使用一个数据结构来存储缓存中的数据，并且需要记录数据的访问顺序。常见的数据结构是双向链表和哈希表的结合。

基于双向链表和哈希表的实现方式：

1. 使用双向链表：双向链表可以记录数据的访问顺序，当某个数据被访问时，可以将其移动到链表的头部或尾部。头部表示最近访问的数据，尾部表示最久未被访问的数据。
2. 使用哈希表：哈希表用于快速查找缓存中的数据，可以将数据的键（key）映射到对应的链表节点，以实现快速的查找和插入操作。

实现LRU缓存的基本思路如下：

• 当需要访问缓存中的数据时，首先在哈希表中查找该数据是否存在。
• 如果存在，则将该数据移动到链表的头部，表示最近被访问过。
• 如果不存在，需要从后端的存储中加载数据，并插入到链表的头部，同时更新哈希表。
• 当缓存已满时，需要淘汰链表尾部的数据，同时更新哈希表。

通过这种方式，实现了一个基于LRU淘汰策略的缓存系统，可以确保最近最少被使用的数据会被及时地淘汰，从而保持缓存中的数据是最有用的。

1.2.6 put方法

由于put方法代码量偏多，故使用代码+注释形式解读源码。

1.2.6.1 putVal方法

/** * HashMap的put操作源码+注释 */public V put(K key, V value) {// 先根据hash()方法，计算存放元素在table数组中的下标return putVal(hash(key), key, value, false, true);}// hash方法static final int hash(Object key) {int h;// 如果key为null，返回hash=0// 如果key不为null，那么进行key的hashCode值的高低位异或运算，返回结果作为hash值return (key == null) " />0 : (h = key.hashCode()) ^ (h >>> 16);}// putVal方法final V putVal(int hash, K key, V value, boolean onlyIfAbsent, boolean evict) {Node<K,V>[] tab; Node<K,V> p; int n, i;// 如果第一次插入，table为空或者length等于0if ((tab = table) == null || (n = tab.length) == 0)// 调用resize方法进行初始化n = (tab = resize()).length;// 通过hash值计算索引位置，将该索引位置的头节点赋值给p且p为空// 实则进行取余操作 == p=tab[hash%length]if ((p = tab[i = (n - 1) & hash]) == null)// 在该索引位置新增一个节点tab[i] = newNode(hash, key, value, null);else {// table表该索引位置不为空，则会发生hash冲突Node<K,V> e; K k;// 当p节点的hash值和key跟传入的相等if (p.hash == hash &&((k = p.key) == key || (key != null && key.equals(k))))// p节点即为要查找的目标节点，将p节点赋值给e节点e = p;// 当p节点为TreeNodeelse if (p instanceof TreeNode)// 调用红黑树的putTreeVal方法查找目标节点e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);else {// 判断完，则p节点为普通链表节点//遍历节点操作，使用binCount统计链表的节点数for (int binCount = 0; ; ++binCount) {// p的next节点为空时，代表找不到目标节点if ((e = p.next) == null) {// 新增一个节点并插入链表尾部p.next = newNode(hash, key, value, null);// 当binCount节点数超过8个// TREEIFY_THRESHOLD - 1：由于循环是从p节点的下一个节点开始的if (binCount >= TREEIFY_THRESHOLD - 1)// 调用treeifyBin方法将链表节点转为红黑树节点treeifyBin(tab, hash);break;}// e节点的hash值和key值与传入的相同if (e.hash == hash &&((k = e.key) == key || (key != null && key.equals(k))))// e节点即为目标节点，跳出循环break;// 将p指向下一个节点，继续往后遍历p = e;}}// e节点不为空，代表目标节点存在if (e != null) {// 使用传入的value覆盖该节点的value，即保留原来元素的valueV oldValue = e.value;// 当oldValue为空if (!onlyIfAbsent || oldValue == null)// 替换valuee.value = value;// 用于LinkedHashMapafterNodeAccess(e);// 返回一个原有的valuereturn oldValue;}}// 添加操作执行后，对modCount、size做加一操作++modCount;// 插入节点后节点数超过阈值if (++size > threshold)// 调用resize方法进行扩容resize();// 用于LinkedHashMapafterNodeInsertion(evict); return null;}

1.2.6.2 putTreeVal方法

/** * 当阈值达到触发红黑树的put的源码+注释 */final TreeNode<K,V> putTreeVal(HashMap<K,V> map, Node<K,V>[] tab, int h, K k, V v) {Class<?> kc = null;boolean searched = false;// TreeNode继承于LinkedHashMap.Entry// parent节点不等于空，则查找根节点// 即得出索引位置的头节点并不一定为红黑树的根节点TreeNode<K,V> root = (parent != null) ? root() : this;// 将根节点赋值给p节点，开始进行查找for (TreeNode<K,V> p = root;;) {int dir, ph; K pk;// 当传入的hash值小于p节点的hash值if ((ph = p.hash) > h)// 将dir赋值为-1，代表向p的左边查找树dir = -1;// 否则传入的hash值大于p节点的hash值else if (ph < h)// 将dir赋值为1，代表向p的右边查找树dir = 1;// 当传入的key值等于p节点的key值else if ((pk = p.key) == k || (k != null && k.equals(pk)))// 即p节点为目标节点, 返回p节点return p;// 当k所属的类没有实现Comparable接口 或 k和p节点的key相等else if ((kc == null &&(kc = comparableClassFor(k)) == null) || (dir = compareComparables(kc, k, pk)) == 0) {// 由于局部变量初始为false，即当第一次判断是符合条件的if (!searched) {TreeNode<K,V> q, ch;// 查找过后标记为truesearched = true;// 从p节点的左节点和右节点分别调用find方法进行查找if (((ch = p.left) != null && (q = ch.find(h, k, kc)) != null) ||((ch = p.right) != null && (q = ch.find(h, k, kc)) != null))// 查找到目标节点则返回return q;}// 否则使用定义的一套规则来比较k和p节点的key的大小, 用来决定向左还是向右查找// dir<0则代表k<pk，则向p左边查找；反之亦然dir = tieBreakOrder(k, pk); } // xp赋值为x的父节点,中间变量,用于下面给x的父节点赋值TreeNode<K,V> xp = p; // dir<=0则向p左边查找,否则向p右边查找,如果为nullif ((p = (dir <= 0) ? p.left : p.right) == null) {// xp的next节点Node<K,V> xpn = xp.next;// 创建新的节点, 其中x的next节点为xpn, 即将x节点插入xp与xpn之间TreeNode<K,V> x = map.newTreeNode(h, k, v, xpn);// 调整x、xp、xpn之间的属性关系// 如果dir <= 0if (dir <= 0) //代表x节点为xp的左节点xp.left = x;else// 如果dir> 0, 则代表x节点为xp的右节点xp.right = x;// 将xp的next节点设置为xxp.next = x;// 将x的parent和prev节点设置为xpx.parent = x.prev = xp; // 当xpn不为空if (xpn != null)// 将xpn的prev节点设置为x节点,与上文的x节点的next节点对应((TreeNode<K,V>)xpn).prev = x;// 进行红黑树的插入平衡调整moveRootToFront(tab, balanceInsertion(root, x));return null;}}}

1.2.6.3 tieBreakOrder方法

/** * 使用定义的一套规则来比较k和p节点的key的大小 */static int tieBreakOrder(Object a, Object b) {int d;if (a == null || b == null ||(d = a.getClass().getName(). compareTo(b.getClass().getName())) == 0)// a  b为1d = (System.identityHashCode(a) <= System.identityHashCode(b) ? -1 : 1);return d;}

1.2.6.4 treeifyBin方法

/** * 将链表转为红黑树 */final void treeifyBin(Node<K,V>[] tab, int hash) {int n, index; Node<K,V> e;// 当tab为空或者tab的长度小于64if (tab == null || (n = tab.length) < MIN_TREEIFY_CAPACITY)// 进行扩容resize();// 根据hash值计算索引值，将该索引位置的节点赋值给e且e不为nullelse if ((e = tab[index = (n - 1) & hash]) != null) {TreeNode<K,V> hd = null, tl = null;// 从e开始遍历该索引位置的链表do {// 将链表节点转红黑树节点TreeNode<K,V> p = replacementTreeNode(e, null);// tl为空代表为第一次循环if (tl == null)// 将头节点赋值给hdhd = p;else {// 如果不是第一次遍历// 当前节点的prev属性设为上一个节点p.prev = tl;// 上一个节点的next属性设置为当前节点tl.next = p;}// 将p节点赋值给tl，用于在下一次循环中作为上一个节点进行一些链表的关联操作（p.prev = tl 和 tl.next = p）tl = p;} while ((e = e.next) != null);// 将tab该索引位置赋值为新的TreeNode的头节点，如果该节点不为空if ((tab[index] = hd) != null)// 以头节点(hd)为根节点, 构建红黑树hd.treeify(tab);}}// 将链表节点转红黑树节点TreeNode<K,V> replacementTreeNode(Node<K,V> p, Node<K,V> next) { return new TreeNode<>(p.hash, p.key, p.value, next);}

1.2.6.5 treeify方法

/** * 将哈希表中的链表结构转换为树形结构，以提高查找效率 */final void treeify(Node<K,V>[] tab) {TreeNode<K,V> root = null;// 开始一个循环，初始化变量x为当前节点，然后在每次迭代中将x更新为nextfor (TreeNode<K,V> x = this, next; x != null; x = next) {// next赋值为x的下个节点next = (TreeNode<K,V>)x.next;// 将x的左右节点设置为空x.left = x.right = null;// 如果还没有根节点if (root == null) {// 根节点没有父节点，设为nullx.parent = null; // 根节点必须为黑色,false为黑色x.red = false; // 在将x设置为根节点root = x; }// 如果有根节点else {// k赋值为x的keyK k = x.key;// h赋值为x的hash值int h = x.hash;// 定义一个类型未知的变量kcClass<?> kc = null;// 开始一个无限循环，初始化变量p为root节点，表示对树进行遍历for (TreeNode<K,V> p = root;;) {int dir, ph;K pk = p.key;// 比较当前节点x的哈希值h与节点p的哈希值ph，根据比较结果给变量dir赋值// 如果x节点的hash值小于p节点的hash值，则将dir赋值为-1, 代表向p的左边查找if ((ph = p.hash) > h)dir = -1;// 如果x节点的hash值大于p节点的hash值，则将dir赋值为1, 代表向p的右边查找else if (ph < h)dir = 1;// x的hash值和p的hash值相等，则比较key值// 如果k没有实现Comparable接口 或者 x节点的key和p节点的key相等else if ((kc == null && (kc = comparableClassFor(k)) == null) || (dir = compareComparables(kc, k, pk)) == 0)// 使用定义的一套规则来比较x节点和p节点的大小，用来决定向左还是向右查找dir = tieBreakOrder(k, pk); // 将p节点的父节点赋值给xp,中间变量用于下面给x的父节点赋值TreeNode<K,V> xp = p; // dir<=0则向p左边查找,否则向p右边查找,如果为null,则代表该位置即为x的目标位置if ((p = (dir <= 0) ? p.left : p.right) == null) {// x的父节点即为最后一次遍历的p节点x.parent = xp; // 如果dir <= 0, 代表x节点为父节点的左节点if (dir <= 0) xp.left = x;// 如果dir > 0, 代表x节点为父节点的右节点elsexp.right = x;// 进行红黑树的插入平衡(通过左旋、右旋和改变节点颜色来保证当前树符合红黑树的要求)root = balanceInsertion(root, x);break;}}}}// 如果root节点不在tab索引位置的头节点, 则将其调整为头节点moveRootToFront(tab, root);}

1.2.7 get方法

/** * HashMap的get操作源码+注释 */public V get(Object key) {Node<K,V> e;// 调用hash(key)方法计算键key的哈希值，然后调用getNode方法获取与该键对应的节点，将结果赋给变量e// 如果e为null，则返回null；否则返回e节点的值e.valuereturn (e = getNode(hash(key), key)) == null ? null : e.value;} // 获取与该键对应的节点final Node<K,V> getNode(int hash, Object key) {Node<K,V>[] tab; Node<K,V> first, e; int n; K k;// 对table进行校验：table不为空 && table长度大于0 && table索引位置(使用table.length - 1和hash值进行位与运算)的节点不为空if ((tab = table) != null && (n = tab.length) > 0 &&(first = tab[(n - 1) & hash]) != null) {// 检查first节点的hash值和key是否和入参的一样，如果一样则first即为目标节点，直接返回first节点if (first.hash == hash && // always check first node((k = first.key) == key || (key != null && key.equals(k))))return first;// 如果first不是目标节点，并且first的next节点不为空则继续遍历if ((e = first.next) != null) {if (first instanceof TreeNode)// 如果是红黑树节点，则调用红黑树的查找目标节点方法getTreeNodereturn ((TreeNode<K,V>)first).getTreeNode(hash, key);// 继续遍历do {// 执行链表节点的查找，向下遍历链表, 直至找到节点的key和入参的key相等时,返回该节点if (e.hash == hash &&((k = e.key) == key || (key != null && key.equals(k))))return e;} while ((e = e.next) != null);}}// 找不到符合的返回空return null;}

1.2.8 remove方法

/** * HashMap的remove操作源码+注释 */public V remove(Object key) {Node<K,V> e;return (e = removeNode(hash(key), key, null, false, true)) == null ?null : e.value;} final 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table不为空 && table长度大于0 && 根据hash值计算出来的索引位置不为空, 将该位置的节点赋值给pif ((tab = table) != null && (n = tab.length) > 0 &&(p = tab[index = (n - 1) & hash]) != null) {Node<K,V> node = null, e; K k; V v;// 如果p的hash值和key都与入参的相同, 则p即为目标节点, 赋值给nodeif (p.hash == hash &&((k = p.key) == key || (key != null && key.equals(k))))node = p;// 否则将p.next赋值给e，向下遍历节点else if ((e = p.next) != null) {// 如果p是TreeNode则调用红黑树的方法查找节点if (p instanceof TreeNode)node = ((TreeNode<K,V>)p).getTreeNode(hash, key);else {// 否则，进行普通链表节点的查找do {// 当节点的hash值和key与传入的相同,则该节点即为目标节点if (e.hash == hash &&((k = e.key) == key || (key != null && key.equals(k)))) {// 赋值给node, 并跳出循环node = e;break;}// p节点赋值为本次结束的e，在下一次循环中，e为p的next节点p = e;// e指向下一个节点} while ((e = e.next) != null); }}// 如果node不为空，即根据传入key和hash值查找到目标节点，则进行移除操作if (node != null && (!matchValue || (v = node.value) == value || (value != null && value.equals(v)))) {// 如果是TreeNode则调用红黑树的移除方法if (node instanceof TreeNode)((TreeNode<K,V>)node).removeTreeNode(this, tab, movable);// 如果node是该索引位置的头节点则直接将该索引位置的值赋值为node的next节点// “node == p”只会出现在node是头节点的时候，如果node不是头节点，则node为p的next节点else if (node == p)tab[index] = node.next;// 否则将node的上一个节点的next属性设置为node的next节点// 即将node节点移除, 将node的上下节点进行关联(链表的移除)elsep.next = node.next;++modCount;--size;// 供LinkedHashMap使用afterNodeRemoval(node); // 返回被移除的节点return node;}}return null;}

1.2.9 resize方法

/** * HashMap的resize操作源码+注释 */final Node<K,V>[] resize() {Node<K,V>[] oldTab = table;int oldCap = (oldTab == null) ? 0 : oldTab.length;int oldThr = threshold;int newCap, newThr = 0;// 旧表的容量不为0if (oldCap > 0) {// 判断旧表的容量是否超过最大容量值if (oldCap >= MAXIMUM_CAPACITY) {// 将阈值设置为Integer.MAX_VALUE，并直接返回旧表threshold = Integer.MAX_VALUE;return oldTab;}// 将newCap赋值为oldCap的2倍，如果newCap=16else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY && oldCap >= DEFAULT_INITIAL_CAPACITY)// 将新阈值设置为原来的两倍newThr = oldThr << 1; // double threshold}// 如果旧表的容量的阈值大于0, 是因为初始容量被放入阈值，则将新表的容量设置为旧表的阈值else if (oldThr > 0)newCap = oldThr;else {// 旧表的容量为0, 旧表的阈值为0，这种情况是没有传初始容量的new方法创建的空表，将阈值和容量设置为默认值newCap = DEFAULT_INITIAL_CAPACITY;newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);}// 如果新表的阈值为空, 则通过新的容量*负载因子获得阈值if (newThr == 0) {float ft = (float)newCap * loadFactor;newThr = (newCap < MAXIMUM_CAPACITY && ft < (float)MAXIMUM_CAPACITY ?(int)ft : Integer.MAX_VALUE);}// 将当前阈值设置为刚计算出来的新的阈值，定义新表，容量为刚计算出来的新容量，将table设置为新定义的表threshold = newThr;@SuppressWarnings({"rawtypes","unchecked"})Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap];table = newTab;// 如果旧表不为空，则需遍历所有节点，将节点赋值给新表if (oldTab != null) {for (int j = 0; j < oldCap; ++j) {Node<K,V> e;// 将索引值为j的旧表头节点赋值给eif ((e = oldTab[j]) != null) {// 将旧表的节点设置为空, 以便垃圾收集器回收空间oldTab[j] = null; // 如果e.next为空, 则代表旧表的该位置只有1个节点，计算新表的索引位置, 直接将该节点放在该位置if (e.next == null)newTab[e.hash & (newCap - 1)] = e;// 如果是红黑树节点，则进行红黑树的重hash分布(跟链表的hash分布基本相同)else if (e instanceof TreeNode)((TreeNode<K,V>)e).split(this, newTab, j, oldCap);else { // preserve order// 如果是普通的链表节点，则进行普通的重hash分布// 存储索引位置为:“原索引位置”的节点Node<K,V> loHead = null, loTail = null; // 存储索引位置为:“原索引位置+oldCap”的节点Node<K,V> hiHead = null, hiTail = null; Node<K,V> next;do {next = e.next;// 如果e的hash值与旧表的容量进行与运算为0,则扩容后的索引位置跟旧表的索引位置一样if ((e.hash & oldCap) == 0) {// 如果loTail为空if (loTail == null) // 将loHead赋值为第一个节点loHead = e; else// 否则将节点添加在loTail后面loTail.next = e;// 并将loTail赋值为新增的节点loTail = e; }else { // 如果hiTail为空, 代表该节点为第一个节点if (hiTail == null)// 将hiHead赋值为第一个节点hiHead = e; else// 否则将节点添加在hiTail后面hiTail.next = e; // 并将hiTail赋值为新增的节点hiTail = e; }} while ((e = next) != null);// 如果loTail不为空（说明旧表的数据有分布到新表上“原索引位置”的节点），则将最后一个节点的next设为空，并将新表上索引位置为“原索引位置”的节点设置为对应的头节点if (loTail != null) {loTail.next = null;newTab[j] = loHead;}// 如果hiTail不为空（说明旧表的数据有分布到新表上“原索引+oldCap位置”的节点），则将最后一个节点的next设为空，并将新表上索引位置为“原索引+oldCap”的节点设置为对应的头节点if (hiTail != null) {hiTail.next = null;newTab[j + oldCap] = hiHead;}}}}}// 返回新表return newTab;}

二、 应用与最佳实践

2.1 在实际项目中如何合理使用HashMap

合理使用HashMap的建议：

1. 缓存数据：可以使用HashMap作为缓存的数据结构，将计算结果或者频繁访问的数据存储在HashMap中，以提高数据的访问速度。
2. 数据索引：在需要按照某个字段快速查找数据的场景下，可以使用HashMap来构建索引，以便快速定位数据对象。
3. 配置信息存储：可以使用HashMap来存储应用程序的配置信息，例如键值对形式的配置参数。
4. 数据分组：当需要对数据进行分组时，可以使用HashMap来进行分组存储，以便快速获取特定分组的数据。
5. 缓存计算结果：在一些需要频繁计算的场景下，可以使用HashMap来缓存计算结果，避免重复计算。
6. 快速访问和修改：HashMap提供了快速的查找、插入和删除操作，适合于需要频繁进行这些操作的场景。
7. 代替多层嵌套的条件判断：有时候可以使用HashMap代替多层嵌套的条件判断，提高代码的可读性和可维护性。
8. 事件处理：可以在事件驱动的系统中使用HashMap来保存事件处理器，根据事件类型快速找到对应的处理器进行处理。
9. 路由表：在网络相关的应用中，可以使用HashMap来构建路由表，快速查找目标地址对应的路由信息。

2.2 最佳实践和注意事项

最佳实践：

1. 初始化容量： 在创建HashMap时，尽量提供初始容量，以减少扩容操作的频率。这可以通过构造函数中的参数来完成，如 HashMap(int initialCapacity)。

   Map<String, Integer> map = new HashMap<>(16); // 初始化容量为16

2. 负载因子： 负载因子是指哈希表在自动扩容之前可以达到多满的一个度量。默认负载因子是0.75，你可以根据你的需求调整。

   Map<String, Integer> map = new HashMap<>(16, 0.8f); // 指定负载因子为0.8

3. 选择好的哈希函数： 如果你使用自定义对象作为键，确保实现了合适的hashCode()和equals()方法。

4. 线程安全性： 如果在多线程环境下使用HashMap，考虑使用ConcurrentHashMap，它提供了更好的并发性能。

   Map<String, Integer> concurrentMap = new ConcurrentHashMap<>();

5. 遍历方式： 使用entrySet()来遍历HashMap，而不是分别使用keySet()和values()。这可以避免多次计算哈希码。

   for (Map.Entry<String, Integer> entry : map.entrySet()) {// 处理每个键值对}

注意事项：

1. 空指针检查： 在使用get()方法获取值之前，最好先检查键是否存在，以避免空指针异常。

   if (map.containsKey(key)) {// 避免空指针异常Integer value = map.get(key);// 处理值}

2. 键和值的类型： 注意HashMap的键和值的类型，确保它们符合你的预期。使用泛型可以在编译时提供类型检查。

3. 扩容代价： HashMap在达到一定负载因子时会自动扩容，这可能导致性能损失。在性能敏感的场景中，可以考虑手动调整容量以减少扩容的发生。

4. 不要过度使用HashMap： 在某些情况下，可能有更适合的数据结构，如LinkedHashMap、TreeMap等，取决于你的需求。

5. 了解并发限制： 如果在并发环境下使用HashMap，要注意可能出现的并发限制，确保你的代码是线程安全的。

三、 结论

3.1 对HashMap的全面总结

HashMap的全面总结：

1. 概述：

• 定义： HashMap是Java集合框架中的一部分，实现了Map接口，用于存储键值对。
• 特性： 允许存储null键和null值，非同步（不是线程安全的）。

2. 基本操作：

• 插入元素： put(key, value)方法用于插入键值对。
• 获取元素： get(key)方法用于根据键获取值。
• 删除元素： remove(key)方法用于根据键删除键值对。

3. 内部实现：

• 数组+链表/红黑树： HashMap内部使用一个数组来存储桶(bucket)，每个桶是一个链表或者红黑树，用于解决哈希冲突。
• 哈希算法： 通过对键的哈希码进行运算，确定键在数组中的位置。

4. 哈希冲突：

• 链表解决冲突： 相同哈希码的键值对以链表形式存储在同一桶中。
• 红黑树优化： 当链表长度过长时，会将链表转换为红黑树，以提高检索效率。

5. 扩容和负载因子：

• 负载因子： 默认为0.75，表示当HashMap中的元素个数达到容量乘以负载因子时，进行扩容操作。
• 扩容： 当达到负载因子时，HashMap会创建一个新的容量是原容量两倍的数组，将原有元素重新分配到新的数组中。

6. 性能：

• 平均时间复杂度： 插入、删除、查找的平均时间复杂度都是O(1)，在理想情况下。
• 注意： 由于哈希冲突和扩容操作，性能可能会有所下降。

7. 使用注意事项：

• 线程安全： HashMap不是线程安全的，如果需要在多线程环境中使用，可以考虑使用ConcurrentHashMap。
• equals和hashCode方法： 为了正确存储和检索对象，键的类必须正确实现equals和hashCode方法。

8. JDK版本变化：

• JDK 8： 引入了红黑树优化，以提高性能。
• JDK 9： 基于树的桶(bin)中的元素现在是按插入顺序排序。

3.2 鼓励读者深入学习和实践

• 源码分析： 阅读HashMap的源代码是学习其实现原理的一种有效方式。通过查看Java标准库的HashMap源码，你可以深入了解它是如何处理哈希冲突、计算哈希码、扩容等细节的。
• 实际应用： 将HashMap应用于实际项目中，观察其在不同场景下的性能表现。理解何时使用HashMap以及如何调整其初始容量等参数是很重要的。
• 深入学习数据结构和算法： 了解哈希表是如何在计算机科学中工作的，并学习其他数据结构和算法，有助于更好地理解HashMap的优势和局限性。
• 参与开源项目： 如果可能，参与开源项目，特别是与数据结构和算法相关的项目。通过实际的编码和与其他开发者的交流，你可以深化对HashMap以及其他数据结构的理解。

盈若安好，便是晴天