标签：while 图片 因此 表数据 put 顺序 == arch 死锁
Java8在Java7的基础上，做了一些改进和优化。
底层数据结构和实现方法上，HashMap几乎重写了一套
所有的集合都新增了函数式的方法，比如说forEach，也新增了很多好用的函数。
数组 + 链表
在Java1.7中HashMap使用数组+链表来作为存储结构
数组就类似一个个桶构成的容器，链表用来解决冲突，当出现冲突时，就找到当前数据应该存储的桶的位置(数组下标)，在当前桶中插入新链表结点。
如下图所示：
链表结点中存放(key，value)键值对
初始化：初始时，HashMap的数组大小(桶个数)默认为16，且数组大小必须是2的幂次方
看下图源码注释所示
resize方法扩容
什么时候扩容？
桶里链表结点元素超过threshole变量= 16 * 扩容因子0.75 = 12个时开始扩容
限定扩容最大值为Integer的大小
扩容一倍：
怎么扩容：开辟新的数组(桶)，使用transfer方法将旧数组数据拷贝到新数组中，部分元素重写计算hash值(rehash)
transfer函数，把旧表的桶搬到新的桶
遍历每一个桶的链表，重新rehash，indexFor拿到新表的下标，放到新表
举个栗子：比如，假设 数组长度为2的5次方，也就是32个长度，我们拿key的hash值(32位)与数组长度作&与运算，就能得到一个在数组长度范围内的下标，这个下标就是当前key应该在表table的位置了。
看下图演示吧：
所以数组大小必须规定为2的幂的原因就是为了hash算法将来计算key在数组中的index下标。
由key得到hashcode的算法，在1.7中比较复杂，就不过多陈述了。
1.hashmap1.7线程不安全
并发下并发下，扩容时，需要使用transfer函数拷贝链表数据，有坑，容易出现死循环链表，死锁
2.hash碰撞的安全问题
Java1.7中的hash算法会出现碰撞，可以通过恶意请求引发DOS
如下，hash值相同
解决方法：换一种hash计算方法
常见属性：
//初始容量为 16
static final int DEFAULT_INITIAL_CAPACITY = 1 << 4;
//最大容量
static final int MAXIMUM_CAPACITY = 1 << 30;
//负载因子默认值
static final float DEFAULT_LOAD_FACTOR = 0.75f;
//桶上的链表长度大于等于8时，链表转化成红黑树
static final int TREEIFY_THRESHOLD = 8;
//桶上的红黑树大小小于等于6时，红黑树转化成链表
static final int UNTREEIFY_THRESHOLD = 6;
//当数组容量大于 64 时，链表才会转化成红黑树
static final int MIN_TREEIFY_CAPACITY = 64;
//记录迭代过程中 HashMap 结构是否发生变化，如果有变化，迭代时会 fail-fast
transient int modCount;
//HashMap 的实际大小，可能不准(因为当你拿到这个值的时候，可能又发生了变化)
transient int size;
//存放数据的数组
transient Node<K,V>[] table;
// 扩容的门槛，有两种情况
// 如果初始化时，给定数组大小的话，通过 tableSizeFor 方法计算，数组大小永远接近于 2 的幂次方，比如你给定初始化大小 19，实际上初始化大小为 32，为 2 的 5 次方。
// 如果是通过 resize 方法进行扩容，大小 = 数组容量 * 0.75
int threshold;
//链表的节点
static class Node<K,V> implements Map.Entry<K,V> {
//红黑树的节点
static final class TreeNode<K,V> extends LinkedHashMap.Entry<K,V>* 0: 0.60653066
* 1: 0.30326533
* 2: 0.07581633
* 3: 0.01263606
* 4: 0.00157952
* 5: 0.00015795
* 6: 0.00001316
* 7: 0.00000094
* 8: 0.00000006意思是，当链表的长度是8的时候，出现的概率是0.00000006，不到千万分之一，所以说正常情况下，链表的长度不可能到达8，而一旦到达8时，肯定是hash 算法出了问题，所以在这种情况下，为了让HashMap仍然有较高的查询性能，所以让链表转化成红黑树，我们正常写代码，使用HashMap时，几乎不会碰到链表转化成红黑树的情况。
如果初始化时，给定数组大小的话，通过 tableSizeFor 方法计算，数组的容量大小会近似一下，数组大小永远是 2 的幂次方，比如你给定初始化大小 19，实际上初始化大小为 32，也就是 2 的 5 次方。
如果是通过 resize 方法进行扩容，当大小 > 数组容量 * 0.75进行resize
扩容时的高低位链表 不太懂。
resize效率低，需要拷贝，所以初始化时最好指定一定的容量，避免频繁扩容带来的性能问题。
// 入参 hash：通过 hash 算法计算出来的值。
// 入参 onlyIfAbsent：false 表示即使 key 已经存在了，仍然会用新值覆盖原来的值，默认为 false
final V putVal(int hash, K key, V value, boolean onlyIfAbsent,
boolean evict) {
// n 表示数组的长度，i 为数组索引下标，p 为 i 下标位置的 Node 值
Node<K,V>[] tab; Node<K,V> p; int n, i;
//如果数组为空，使用 resize 方法初始化
if ((tab = table) == null || (n = tab.length) == 0)
n = (tab = resize()).length;
// 如果当前索引位置是空的，直接生成新的节点在当前索引位置上
if ((p = tab[i = (n - 1) & hash]) == null)
tab[i] = newNode(hash, key, value, null);
// 如果当前索引位置有值的处理方法，即我们常说的如何解决 hash 冲突
else {
// e 当前节点的临时变量
Node<K,V> e; K k;
// 如果 key 的 hash 和值都相等，直接把当前下标位置的 Node 值赋值给临时变量
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
e = p;
// 如果是红黑树，使用红黑树的方式新增
else if (p instanceof TreeNode)
e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
// 是个链表，把新节点放到链表的尾端
else {
// 自旋
for (int binCount = 0; ; ++binCount) {
// e = p.next 表示从头开始，遍历链表
// p.next == null 表明 p 是链表的尾节点
if ((e = p.next) == null) {
// 把新节点放到链表的尾部
p.next = newNode(hash, key, value, null);
// 当链表的长度大于等于 8 时，链表转红黑树
if (binCount >= TREEIFY_THRESHOLD - 1)
treeifyBin(tab, hash);//树化
break;
}
// 链表遍历过程中，发现有元素和新增的元素相等，结束循环
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
break;
//更改循环的当前元素，使 p 在遍历过程中，一直往后移动。
p = e;
}
}
// 说明新节点的新增位置已经找到了
if (e != null) {
V oldValue = e.value;
// 当 onlyIfAbsent 为 false 时，才会覆盖值
if (!onlyIfAbsent || oldValue == null)
e.value = value;
afterNodeAccess(e);
// 返回老值
return oldValue;
}
}
// 记录 HashMap 的数据结构发生了变化
++modCount;
//如果 HashMap 的实际大小大于扩容的门槛，开始扩容
if (++size > threshold)
resize();
afterNodeInsertion(evict);
return null;
}如果数组有了key，但不想覆盖 value，可以选择putlfAbsent方法，这个方法有个内置变量onlylfAbsent，内置是true，就不会覆盖，我们平时使用的put方法，内置onlylfAbsent为false，是允许覆盖的。
//入参 h：key 的hash值
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;
//找到根节点
TreeNode<K,V> root = (parent != null) ? root() : this;
//自旋
for (TreeNode<K,V> p = root;;) {
int dir, ph; K pk;
// p hash 值大于 h，说明 p 在 h 的右边
if ((ph = p.hash) > h)
dir = -1;
// p hash 值小于 h，说明 p 在 h 的左边
else if (ph < h)
dir = 1;
//要放进去key在当前树中已经存在了(equals来判断)
else if ((pk = p.key) == k || (k != null && k.equals(pk)))
return p;
//自己实现的Comparable的话，不能用hashcode比较了，需要用compareTo
else if ((kc == null &&
//得到key的Class类型，如果key没有实现Comparable就是null
(kc = comparableClassFor(k)) == null) ||
//当前节点pk和入参k不等
(dir = compareComparables(kc, k, pk)) == 0) {
if (!searched) {
TreeNode<K,V> q, ch;
searched = true;
if (((ch = p.left) != null &&
(q = ch.find(h, k, kc)) != null) ||
((ch = p.right) != null &&
(q = ch.find(h, k, kc)) != null))
return q;
}
dir = tieBreakOrder(k, pk);
}
TreeNode<K,V> xp = p;
//找到和当前hashcode值相近的节点(当前节点的左右子节点其中一个为空即可)
if ((p = (dir <= 0) ? p.left : p.right) == null) {
Node<K,V> xpn = xp.next;
//生成新的节点
TreeNode<K,V> x = map.newTreeNode(h, k, v, xpn);
//把新节点放在当前子节点为空的位置上
if (dir <= 0)
xp.left = x;
else
xp.right = x;
//当前节点和新节点建立父子，前后关系
xp.next = x;
x.parent = x.prev = xp;
if (xpn != null)
((TreeNode<K,V>)xpn).prev = x;
//balanceInsertion 对红黑树进行着色或旋转，以达到更多的查找效率，着色或旋转的几种场景如下
//着色：新节点总是为红色；如果新节点的父亲是黑色，则不需要重新着色；如果父亲是红色，那么必须通过重新着色或者旋转的方法，再次达到红黑树的5个约束条件
//旋转： 父亲是红色，叔叔是黑色时，进行旋转
//如果当前节点是父亲的右节点，则进行左旋
//如果当前节点是父亲的左节点，则进行右旋
//moveRootToFront 方法是把算出来的root放到根节点上
moveRootToFront(tab, balanceInsertion(root, x));
return null;
}
}
}链表查询的时间复杂度是O（n），红黑树的查询复杂度是O（log（n）。在链表数据不多的时候，使用链表进行遍历也比较快，只有当链表数据比较多的时候，才会转化成红黑树，但红黑树需要的占用空间是链表的2倍，考虑到转化时间和空间损耗，所以我们需要定义出转化的边界值，链表结点>=8时才进行树化。
HashMap查找步骤：
// 采用自旋方式从链表中查找 key，e 初始为为链表的头节点
do {
// 如果当前节点 hash 等于 key 的 hash，并且 equals 相等，当前节点就是我们要找的节点
// 当 hash 冲突时，同一个 hash 值上是一个链表的时候，我们是通过 equals 方法来比较 key 是否相等的
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
return e;
// 否则，把当前节点的下一个节点拿出来继续寻找
} while ((e = e.next) != null);
使用异或计算hash，拿高16位异或低16位
static final int hash(Object key) {
int h;
return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}
key 在数组中的位置公式：tab[(n - 1) & hash]
因为树有可能退化到链表状态，所以红黑树是一个二叉平衡树，通过自旋来调整高度
public V getOrDefault(Object key, V defaultValue) {
Node<K,V> e;
return (e = getNode(hash(key), key)) == null ? defaultValue : e.value;
} public void compute(){
HashMap<Integer,Integer> map = Maps.newHashMap();
map.put(10,10);
log.info("compute 之前值为：{}",map.get(10));
map.compute(10,(key,value) -> key * value);
log.info("compute 之后值为：{}",map.get(10));
// 还原测试值
map.put(10,10);
// 如果为 11 的 key 不存在的话，需要注意 value 为空的情况，下面这行代码就会报空指针
// map.compute(11,(key,value) -> key * value);
// 为了防止 key 不存在时导致的未知异常，我们一般有两种办法
// 1：自己判断空指针
map.compute(11,(key,value) -> null == value ? null : key * value);
// 2：computeIfPresent 方法里面判断
map.computeIfPresent(11,(key,value) -> key * value);
log.info("computeIfPresent 之后值为：{}",map.get(11));
}
结果是：
compute 之前值为：10
compute 之后值为：100
computeIfPresent 之后值为：null（这个结果中，可以看出，使用 computeIfPresent 避免了空指针）Java8在Java7的基础上，做了一些改进和优化，通过default关键字来连接两代。HashMap几乎重写了一套，所有的集合都新增了函数式的方法，比如说forEach，也新增了很多好用的函数。
标签：while 图片 因此 表数据 put 顺序 == arch 死锁
原文地址：https://www.cnblogs.com/fisherss/p/11701244.html
