1.Android HashMap的使用
2.concurrenthashmap1.8源码如何详细解析?手机
3.HashMap实现原理一步一步分析(1-put方法源码整体过程)
4.HashMap 的初始值和最大值和扩容因子
5.JDK成长记7：3张图搞懂HashMap底层原理！
6.List LinkedList HashSet HashMap底层原理剖析

Android HashMap的使用

       HashMap 和 HashSet 是 Java Collection Framework 的两个重要成员，其中 HashMap 是 Map 接口的常用实现类，HashSet 是 Set 接口的常用实现类。虽然 HashMap 和 HashSet 实现的接口规范不同，但它们底层的 Hash 存储机制完全一样，甚至 HashSet 本身就采用 HashMap 来实现的。

       1. 程序试图将多个 key-value 放入 HashMap 中时，以如下代码片段为例：

       Java代码

       HashMap<String ,源源码 Double> map = new HashMap<String , Double>();

       map.put("语文" , .0);

       map.put("数学" , .0);

       map.put("英语" , .2);

       2.HashMap 采用一种所谓的“Hash 算法”来决定每个元素的存储位置。

       å½“程序执行 map.put("语文" , .0); 时，系统将调用"语文"的 hashCode() 方法得到其 hashCode 值——每个 Java 对象都有 hashCode() 方法，都可通过该方法获得它的 hashCode 值。得到这个对象的 hashCode 值之后，系统会根据该 hashCode 值来决定该元素的存储位置。

       3. HashMap 类的 put(K key , V value) 方法的源代码：

        public V put(K key, V value)

        {

        // 如果 key 为 null，调用 putForNullKey 方法进行处理

        if (key == null)

        return putForNullKey(value);

        // 根据 key 的 keyCode 计算 Hash 值

        int hash = hash(key.hashCode());

        // 搜索指定 hash 值在对应 table 中的索引

        int i = indexFor(hash, table.length);

        // 如果 i 索引处的 Entry 不为 null，通过循环不断遍历 e 元素的下一个元素

        for (Entry<K,V> e = table[i]; e != null; e = e.next)

        {

        Object k;

        // 找到指定 key 与需要放入的 key 相等（hash 值相同

        // 通过 equals 比较放回 true）

        if (e.hash == hash && ((k = e.key) == key

        || key.equals(k)))

        {

        V oldValue = e.value;

        e.value = value;

        e.recordAccess(this);

        return oldValue;

        }

        }

        // 如果 i 索引处的 Entry 为 null，表明此处还没有 Entry

        modCount++;

        // 将 key、value 添加到 i 索引处

        addEntry(hash, key, value, i);

        return null;

        }

concurrenthashmap1.8源码如何详细解析?

       ConcurrentHashMap在JDK1.8的线程安全机制基于CAS+synchronized实现，而非早期版本的手机分段锁。

       在JDK1.7版本中，源源码ConcurrentHashMap采用分段锁机制，手机包含一个Segment数组，源源码香蕉app源码每个Segment继承自ReentrantLock，手机并包含HashEntry数组，源源码每个HashEntry相当于链表节点，手机用于存储key、源源码value。手机默认支持个线程并发，源源码每个Segment独立，手机互不影响。源源码

       对于put流程，手机与普通HashMap相似，首先定位至特定的Segment，然后使用ReentrantLock进行操作，后续过程与HashMap基本相同。

       get流程简单，通过hash值定位至segment，再遍历链表找到对应元素。需要注意的是，value是volatile的，因此get操作无需加锁。

       在JDK1.8版本中，线程安全的关键在于优化了put流程。首先计算hash值，遍历node数组。若位置为空，则通过CAS+自旋方式初始化。

       若数组位置为空，尝试使用CAS自旋写入数据；若hash值为MOVED，表示需执行扩容操作；若满足上述条件均不成立，则使用synchronized块写入数据，同时判断链表或转换为红黑树进行插入。链表操作与HashMap相同，链表长度超过8时转换为红黑树。

       get查询流程与HashMap基本一致，通过key计算位置，若table对应位置的key相同则返回结果；如为红黑树结构，则按照红黑树规则获取；否则遍历链表获取数据。

HashMap实现原理一步一步分析(1-put方法源码整体过程)

       本文分享了HashMap内部的实现原理，重点解析了哈希(hash)、散列表(hash table)、哈希码(hashcode)以及hashCode()方法等基本概念。

       哈希(hash)是将任意长度的输入通过散列算法转换为固定长度输出的过程，建立一一对应关系。常见算法包括MD5加密和ASCII码表。

       散列表(hash table)是一种数据结构，通过关键码值映射到表中特定位置进行快速访问。

       哈希码(hashcode)是散列表中对象的存储位置标识，用于查找效率。

       Object类中的qt类源码hashCode()方法用于获取对象的哈希码值，以在散列存储结构中确定对象存储地址。

       在存储字母时，使用哈希码值对数组大小取模以适应存储范围，防止哈希碰撞。

       HashMap在JDK1.7中使用数组+链表结构，而JDK1.8引入了红黑树以优化性能。

       HashMap内部数据结构包含数组和Entry对象，数组用于存储Entry对象，Entry对象用于存储键值对。

       在put方法中，首先判断数组是否为空并初始化，然后计算键的哈希码值对数组长度取模，用于定位存储位置。如果发生哈希碰撞，使用链表解决。

       本文详细介绍了HashMap的存储机制，包括数组+链表的实现方式，以及如何处理哈希碰撞。后续文章将继续深入探讨HashMap的其他特性，如数组长度的优化、多线程环境下的性能优化和红黑树的引入。

HashMap 的初始值和最大值和扩容因子

       HashMap 初始化默认值为。你可以通过构造函数自定义初始值。

       最大值为1<<，这个值表示2的次方。在HashMap的源码注释中有明确说明。

       理解左移操作符<<是关键，它执行二进制左移操作。例如，1 << x 等同于2的x次方。

       当存储元素超过最大值时，HashMap会强制将数组大小capacity设置为最大值。

       初始化和扩容时，数组大小capacity被限制在两个地方：通过tableSizeFor()函数设置为2的幂次，不超过最大值；或在容量翻倍时，设置为1 << ，但实际容量为Integer.MAX_VALUE避免整型溢出。

       加载因子，即扩容因子，决定何时进行扩容。比如，加载因子为0.5，初始化容量为时，当元素数达到8个，HashMap会进行扩容。加载因子为0.时，考虑性能与容量平衡。

       以上参数在JDK源代码中定义，是使用HashMap的基础。

JDK成长记7：3张图搞懂HashMap底层原理！

       一句话讲， HashMap底层数据结构，JDK1.7数组+单向链表、鹿鼎记台源码JDK1.8数组+单向链表+红黑树。

       在看过了ArrayList、LinkedList的底层源码后，相信你对阅读JDK源码已经轻车熟路了。除了List很多时候你使用最多的还有Map和Set。接下来我将用三张图和你一起来探索下HashMap的底层核心原理到底有哪些？

       首先你应该知道HashMap的核心方法之一就是put。我们带着如下几个问题来看下图：

       如上图所示，put方法调用了putVal方法，之后主要脉络是：

       如何计算hash值？

       计算hash值的算法就在第一步，对key值进行hashCode()后，对hashCode的值进行无符号右移位和hashCode值进行了异或操作。为什么这么做呢？其实涉及了很多数学知识，简单的说就是尽可能让高和低位参与运算，可以减少hash值的冲突。

       默认容量和扩容阈值是多少？

       如上图所示，很明显第二步回调用resize方法，获取到默认容量为，这个在源码里是1<<4得到的，1左移4位得到的。之后由于默认扩容因子是0.，所以两者相乘就是扩容大小阈值*0.=。之后就分配了一个大小为的Node[]数组，作为Key-Value对存放的数据结构。

       最后一问题是，如何进行hash寻址的？

       hash寻址其实就在数组中找一个位置的意思。用的算法其实也很简单，就是用数组大小和hash值进行n-1&hash运算，这个操作和对hash取模很类似，只不过这样效率更高而已。hash寻址后，就得到了一个位置，可以把key-value的Node元素放入到之前创建好的Node[]数组中了。

       当你了解了上面的三个原理后，你还需要掌握如下几个问题:

       还是老规矩，看如下图：

       当hash值计算一致，比如当hash值都是时，Key-Value对的Node节点还有一个next指针，会以单链表的形式，将冲突的节点挂在数组同样位置。这就是数据结构中所提到解决hash 的冲突方法之一：单链法。当然还有探测法+rehash法有兴趣的人可以回顾《数据结构和算法》相关书籍。

       但是当hash冲突严重的时候，单链法会造成原理链接过长，导致HashMap性能下降，因为链表需要逐个遍历性能很差。所以JDK1.8对hash冲突的算法进行了优化。当链表节点数达到8个的时候，会自动转换为红黑树，自平衡的一种二叉树，有很多特点，比如区分红和黑节点等，具体大家可以看小灰算法图解。红黑树的ps工具源码遍历效率是O(logn)肯定比单链表的O(n)要好很多。

       总结一句话就是，hash冲突使用单链表法+红黑树来解决的。

       上面的图，核心脉络是四步，源码具体的就不粘出来了。当put一个之后，map的size达到扩容阈值，就会触发rehash。你可以看到如下具体思路：

       情况1:如果数组位置只有一个值：使用新的容量进行rehash，即e.hash & (newCap - 1)

       情况2:如果数组位置有链表，根据 e.hash & oldCap == 0进行判断，结果为0的使用原位置，否则使用index + oldCap位置,放入元素形成新链表，这里不会和情况1新的容量进行rehash与运算了，index + oldCap这样更省性能。

       情况3：如果数组位置有红黑树，根据split方法，同样根据 e.hash & oldCap == 0进行树节点个数统计，如果个数小于6，将树的结果恢复为普通Node，否则使用index + oldCap，调整红黑树位置，这里不会和新的容量进行rehash与运算了，index + oldCap这样更省性能。

       你有兴趣的话，可以分别画一下这三种情况的图。这里给大家一个图，假设都出发了以上三种情况结果如下所示：

       上面源码核心脉络，3个if主要是校验了一堆，没做什么事情，之后赋值了扩容因子，不传递使用默认值0.，扩容阈值threshold通过tableSizeFor(initialCapacity);进行计算。注意这里只是计算了扩容阈值，没有初始化数组。代码如下：

       竟然不是大小*扩容因子？

       n |= n >>> 1这句话，是在干什么？n |= n >>> 1等价于n = n | n >>>1; 而|表示位运算中的或，n>>>1表示无符号右移1位。遇到这种情况，之前你应该学到了，如果碰见复杂逻辑和算法方法就是画图或者举例子。这里你就可以举个例子：假设现在指定的容量大小是,n=cap-1=，那么计算过程应该如下：

       n是int类型，java中一般是4个字节，位。所以的二进制： 。

       最后n+1=，方法返回，赋值给threshold=。再次注意这里只是计算了扩容阈值，没有初始化数组。

       为什么这么做呢？一句话，为了提高hash寻址和扩容计算的卡车之家源码的效率。

       因为无论扩容计算还是寻址计算，都是二进制的位运算，效率很快。另外之前你还记得取余(%)操作中如果除数是2的幂次方则等同于与其除数减一的与(&)操作。即 hash%size = hash & (size-1)。这个前提条件是除数是2的幂次方。

       你可以再回顾下resize代码，看看指定了map容量，第一次put会发生什么。会将扩容阈值threshold，这样在第一次put的时候就会调用newCap = oldThr;使得创建一个容量为threshold的数组，之后从而会计算新的扩容阈值newThr为newCap*0.=*0.=。也就是说map到了个元素就会进行扩容。

       除了今天知识，技能的成长，给大家带来一个金句甜点，结束我今天的分享：坚持的三个秘诀之一目标化。

       坚持的秘诀除了上一节提到的视觉化，第二个秘诀就是目标化。顾名思义，就是需要给自己定立一个目标。这里要提到的是你的目标不要定的太高了。就比如你想要增加肌肉，给自己定了一个目标，每天5组，每次个俯卧撑，你看到自己胖的身形或者海报，很有刺激，结果开始前两天非常厉害，干劲十足，特别奥利给。但是第三天，你想到要个俯卧撑，你就不想起床，就算起来，可能也会把自己撅死过去......其实你的目标不要一下子定的太大，要从微习惯开始，比如我媳妇从来没有做过俯卧撑，就让她每天从1个开始,不能多，我就怕她收不住，做多了。一开始其实从习惯开始，先变成习惯，再开始慢慢加量。量太大养不成习惯，量小才能养成习惯。很容易做到才能养成，你想想是不是这个道理？

       所以，坚持的第二个秘诀就是定一个目标，可以通过小量目标，养成微习惯。比如每天你可以读五分钟书或者5分钟成长记，不要多，我想超过你也会睡着了的.....

       最后，大家可以在阅读完源码后，在茶余饭后的时候问问同事或同学，你也可以分享下，讲给他听听。

List LinkedList HashSet HashMap底层原理剖析

       ArrayList底层数据结构采用数组。数组在Java中连续存储，因此查询速度快，时间复杂度为O(1)，插入数据时可能会慢，特别是需要移动位置时，时间复杂度为O(N)，但末尾插入时时间复杂度为O(1)。数组需要固定长度，ArrayList默认长度为，最大长度为Integer.MAX_VALUE。在添加元素时，如果数组长度不足，则会进行扩容。JDK采用复制扩容法，通过增加数组容量来提升性能。若数组较大且知道所需存储数据量，可设置数组长度，或者指定最小长度。例如，设置最小长度时，扩容长度变为原有容量的1.5倍，从增加到。

       LinkedList底层采用双向列表结构。链表存储为物理独立存储，因此插入操作的时间复杂度为O(1)，且无需扩容，也不涉及位置挪移。然而，查询操作的时间复杂度为O(N)。LinkedList的add和remove方法中，add默认添加到列表末尾，无需移动元素，相对更高效。而remove方法默认移除第一个元素，移除指定元素时则需要遍历查找，但与ArrayList相比，无需执行位置挪移。

       HashSet底层基于HashMap。HashMap在Java 1.7版本之前采用数组和链表结构，自1.8版本起，则采用数组、链表与红黑树的组合结构。在Java 1.7之前，链表使用头插法，但在高并发环境下可能会导致链表死循环。从Java 1.8开始，链表采用尾插法。在创建HashSet时，通常会设置一个默认的负载因子（默认值为0.），当数组的使用率达到总长度的%时，会进行数组扩容。HashMap的put方法和get方法的源码流程及详细逻辑可能较为复杂，涉及哈希算法、负载因子、扩容机制等核心概念。

idea debug进入HashMap源码时传参不正确？

       我测试了下面的代码：

       分别在这四个位置打了断点以监控程序的运行情况，debug后，进入第一次断点的位置为：

       与题主说的情况一致，而没有进入我的第一个断点进行输出，而后F9：

       发现还是在put文件，经多次F9之后，可以看出来，其实java的jvm在启动的时候，在底层也自行调用的put方法，将jvm所需要的一些动态库、jar包put到某个map之中，具体是哪个map看不出来。要等到jvm底层将所有东西准备好后，才进行main函数。

       jvm准备需要put多少次我就不数了，现在我先把put的断点取消，让程序debug到我的第一个断点处：

       这个时候将put方法打上断点，F9发现：

       奇怪的key值增加了，它将我的classes编译目录丢进去了，继续F9，和上一步差不多，再再次F9，终于来了：

       继续F9，终于到达了我的第二个断点：

       继续F9，这次没有put奇怪的东西了：

       继续：

       最后：

       然后程序退出：

       综上，jvm在启动的时候会在程序背后隐式地将一些配置啊什么的通过put方法放到某些地方，不用关心，你遇到的情况是正常的也是正确的

结合源码探究HashMap初始化容量问题

       探究HashMap初始化容量问题

       在深入研究HashMap源码时，有一个问题引人深思：为何在知道需要存储n个键值对时，我们通常会选择初始化容量为capacity = n / 0. + 1？

       本文旨在解答这一疑惑，适合具备一定HashMap基础知识的读者。请在阅读前，思考以下问题：

       让我们通过解答这些问题，逐步展开对HashMap初始化容量的深入探讨。

       源码探究

       让我们从实际代码出发，通过debug逐步解析HashMap的初始化逻辑。

       举例：初始化一个容量为9的HashMap。

       执行代码后，我们发现初始化容量为，且阈值threshold设置为。

       解析

       通过debug，我们首先关注到构造方法中的初始化逻辑。注意到，初始化阈值时，实际调用的是`tabliSizeFor(int n)`方法，它返回第一个大于等于n的2的幂。例如，`tabliSizeFor(9)`返回，`tabliSizeFor()`返回，`tabliSizeFor(8)`返回8。

       继续解析

       在构造方法结束后，我们通过debug继续追踪至`put`方法，直至`putVal`方法。

       在`putVal`方法中，我们发现当第一次调用`put`时，table为null，从而触发初始化逻辑。在初始化过程中，关键在于`resize()`方法中对新容量`newCap`的初始化，即等于构造方法中设置的阈值`threshold`()。

       阈值更新

       在初始化后，我们进一步关注`updateNewThr`的代码逻辑，发现新的阈值被更新为新容量乘以负载因子，即 * 0.。

       案例分析

       举例：初始化一个容量为8的HashMap。

       解答：答案是8，因为`tableSizeFor`方法返回大于等于参数的2的幂，而非严格大于。

       扩容问题

       举例：当初始化容量为时，放入9个不同的entry是否会引发扩容。

       解答：不会，因为扩容条件与阈值有关，当map中存储的键值对数量大于阈值时才触发扩容。根据第一问，初始化容量是，阈值为 * 0. = 9，我们只放了9个，因此不会引起扩容。

       容量选择

       举例：已知需要存储个键值对，如何选择合适的初始化容量。

       解答：初始化容量的目的是减少扩容次数以提高效率并节省空间。选择容量时，应考虑既能防止频繁扩容又能充分利用空间。具体选择取决于实际需求和预期键值对的数量。

       总结

       通过本文的探讨，我们深入了解了HashMap初始化容量背后的逻辑和原因。希望这些解析能够帮助您更深入地理解HashMap的内部工作原理。如果您对此有任何疑问或不同的见解，欢迎在评论区讨论。

       最后，如有帮助，欢迎点赞分享。

原创|如果懂了HashMap这两点，面试就没问题了

       HashMap在后端面试中经常被问及，比如默认初始容量、加载因子和线程安全性等问题。通常，这些问题能对答如流，表明对HashMap有较好的理解。然而，近期团队的技术分享中，我从两个角度获得了一些新见解，现在分享给大家。

       首先，让我们探讨如何找到比初始容量值大的最小的2的幂次方整数。通常，使用默认构造器时，HashMap的初始容量为，加载因子为0.。这样做可能导致在数据量大时频繁进行扩容，影响性能。因此，通常会预估容量并使用带容量的构造器创建。通过分析源码，我们可以得知HashMap数组部分长度范围为[0,2^]。要找到比初始容量大的最小的2的幂次方整数，我们需重点关注tableSizeFor方法。此方法巧妙地设计，当输入的容量本身为2的整数次幂时，返回该容量；否则，返回比输入容量大的最小2的整数次幂。此设计旨在确保容量始终为2的整数次幂，从而优化哈希操作，避免哈希冲突。在获取key对应的数组下标时，通过key的哈希值与数组长度-1进行与运算，这种方法依赖于容量为2的整数次幂的特性，以确保哈希值的分散性。

       容量为2的整数次幂的关键在于，它允许通过与运算高效地定位key对应的数组下标。容量不是2的整数次幂时，与运算后的哈希值可能会导致位数为0的冲突，影响数据定位的准确性。tableSizeFor方法在计算过程中，首先对输入的容量进行-1操作，以避免容量本身就是2的整数次幂时，计算结果为容量的2倍。接着，通过连续的移位与或操作，找到比输入容量大的最小的2的整数次幂。这种方法确保了内存的有效利用，避免了不必要的扩容。

       下面，让我们通过一个示例来详细解释算法中的移位与或操作。假设初始容量n为一个位的整数，例如：n = xxx xxxxxxxx xxxxxxxx xxxxxxxx（x表示该位上是0还是1，具体值不关心）。首先，执行n |= n >> 1操作，用n本身与右移一位后的n进行或操作，可以将n的最高位的1及其紧邻的右边一位置为1。接下来，重复此操作，进行n |= n >> 2、n |= n >> 4、n |= n >> 8和n |= n >> 。最后，将n与最大容量进行比较，如果大于等于2^，则返回最大容量；否则，返回n + 1，找到比n大的最小的2的整数次幂。

       在实践中，这确保了在给定容量范围内高效地找到合适的容量值。例如，输入时，输出为，即比大的最小的2的整数次幂。

       接下来，我们探讨HashMap在处理key时进行哈希处理的特殊操作。在执行put操作时，首先对key进行哈希处理。在源码中，可以看到执行了(h = key.hashCode()) ^ (h >> )的操作。这个操作将key的hashCode值与右移位后的值进行异或操作，将哈希值的高位和低位混合计算，以生成更离散的哈希值。通过演示，我们可以发现，当三个不同的key生成的hashCode值的低位完全相同、高位不同时，它们在数组中的下标会相同，导致哈希冲突。通过异或操作，我们解决了这个问题，使得经过哈希处理后的key能被更均匀地分布在数组中，提高了数据的分散性，减少了哈希冲突。

       总结来说，这两个点揭示了HashMap在容量和哈希处理上的一些巧妙设计，这些设计提高了数据结构的效率和性能。理解这些原理不仅有助于解决面试问题，还能在实际工作中借鉴这些思想，优化数据存储和访问效率。希望我的讲解能帮助大家掌握这两个知识点，如有任何疑问，欢迎留言或私聊。通过深入研究和实践，我们可以更好地理解和利用HashMap这一强大的数据结构。