Map是一个"Key Value"数据结构的集合，在Java企业级项目里使用频率非常高，仅次于List。
Map大家族里面成员非常多，有HashMap，TreeMap，LinkedHashMap，ConcurrentHashMap等等，这里重点聊一下HashMap和ConcurrentHashMap。
HashMap
HashMap的存储结构是基于数组+链表组成的，不过在jdk1.8之后有了一定的改变，当链表达到一定的长度就会转变成红黑树。HashMap在存储数据的时候有三个基本概念：
| 名称 | 说明 |
|---|---|
| table | 存储所有节点的数组 |
| slot | 哈希槽，即table[i]这个位置 |
| bucket | 哈希桶，table[i]上所有元素的集合 |
如下图所示，每一个紫色箭头指向的即是哈希槽，它仅仅是一个位置的标识。哈希桶即是哈希槽上形成的链表或树上所有元素的集合。那么我们可以得知一个Map的size大小就等于所有哈希桶的元素总和。
hashMap存储结构图
HashMap如何存放数据
HashMap里面每一个元素都是一个Node类型，JDK1.8之前每一个元素是Map.Entry类型，它和Node的属性是一样的。
static class Node<K,V> implements Map.Entry<K,V> {
final int hash;
final K key;
V value;
Node<K,V> next;
Node(int hash, K key, V value, Node<K,V> next) {
this.hash = hash;
this.key = key;
this.value = value;
this.next = next;
}
......
}
其中key和value就是我们存放键值对对应的属性，next属性链接链表的下一个元素，hash是HashMap的hash方法通过每一个对象的hashcode值位移运算计算出来的。
static final int hash(Object key) {
int h;
return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}
我们再来看一下hashMap的核心方法put，put方法逻辑其实比较容易理解，大概就是判断这个元素放到什么位置，table容量是否需要扩容，存放元素。
public V put(K key, V value) {
return putVal(hash(key), key, value, false, true);
}
final V putVal(int hash, K key, V value, boolean onlyIfAbsent, boolean evict) {
Node<K,V>[] tab; Node<K,V> p; int n, i;
//1、判断hash桶是否为空，为空的话就初始化一个桶
if ((tab = table) == null || (n = tab.length) == 0)
n = (tab = resize()).length;
//2、根据当前key的hash值计算出这个元素所存放的hash槽是否为空，为空就直接新建一个元素存放进去
if ((p = tab[i = (n - 1) & hash]) == null)
tab[i] = newNode(hash, key, value, null);
//3、如果该hash槽不为空就走下面的逻辑
else {
Node<K,V> e; K k;
//4、判断是否有hash冲突已经key值是否相等，如果key值相等就直接复制给临时变量，并统一放到后面处理
if (p.hash == hash &&((k = p.key) == key || (key != null && key.equals(k))))
e = p;
//5、判断当前桶是否是红黑树结构，如果是的话就以红黑数的方式写入数据
else if (p instanceof TreeNode)
e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
//6、当前桶如果不是红黑树就存放到桶内最后一个元素的末尾形成链表
else {
for (int binCount = 0; ; ++binCount) {
if ((e = p.next) == null) {
p.next = newNode(hash, key, value, null);
//7.判断当前链表的长度是否大于等于阈值，是的话就把链表转换成红黑树
if (binCount >= TREEIFY_THRESHOLD - 1)
treeifyBin(tab, hash);
break;
}
if (e.hash == hash && ((k = e.key) == key || (key != null && key.equals(k))))
break;
p = e;
}
}
//8.判断传入的key是否存在，存在的话就直接覆盖
if (e != null) {
V oldValue = e.value;
if (!onlyIfAbsent || oldValue == null)
e.value = value;
afterNodeAccess(e);
return oldValue;
}
}
++modCount;
//9.判断是否需要扩容
if (++size > threshold)
resize();
afterNodeInsertion(evict);
return null;
}
HashMap如何获取数据
HashMap获取数据逻辑比较简单，看一下get方法。
public V get(Object key) {
Node<K,V> e;
return (e = getNode(hash(key), key)) == null ? null : e.value;
}
/**
* Implements Map.get and related methods
*
* @param hash hash for key
* @param key the key
* @return the node, or null if none
*/
final Node<K,V> getNode(int hash, Object key) {
Node<K,V>[] tab; Node<K,V> first, e; int n; K k;
// 1、判断table里面是否有数据，有数据就走下面的逻辑如果没有直接返回null
if ((tab = table) != null && (n = tab.length) > 0 && (first = tab[(n - 1) & hash]) != null) {
// 2、判断hash槽的第一个元素的hash值和key是否一致，一致就直接返回hash槽的第一个元素
if (first.hash == hash && ((k = first.key) == key || (key != null && key.equals(k))))
return first;
if ((e = first.next) != null) {
//3、判断hash槽内的结构是否是红黑数，是的话就以红黑树的方式取数据
if (first instanceof TreeNode)
return ((TreeNode<K,V>)first).getTreeNode(hash, key);
//4、否则迭代链表，找到对应的元素并返回
do {
if (e.hash == hash &&((k = e.key) == key || (key != null && key.equals(k))))
return e;
} while ((e = e.next) != null);
}
}
return null;
}
HashMap如何扩容
通常HashMap扩容逻辑是复杂且耗时的，所以通常在初始化一个HashMap的时候按照预计插入的数据量设置一个初始容量initialCapacity是一个不错的选择。
/**
* Constructs an empty <tt>HashMap</tt> with the specified initial
* capacity and the default load factor (0.75).
*
* @param initialCapacity the initial capacity.
* @throws IllegalArgumentException if the initial capacity is negative.
*/
public HashMap(int initialCapacity) {
this(initialCapacity, DEFAULT_LOAD_FACTOR);
}
public HashMap(int initialCapacity, float loadFactor) {
if (initialCapacity < 0)
throw new IllegalArgumentException("Illegal initial capacity: " +
initialCapacity);
if (initialCapacity > MAXIMUM_CAPACITY)
initialCapacity = MAXIMUM_CAPACITY;
if (loadFactor <= 0 || Float.isNaN(loadFactor))
throw new IllegalArgumentException("Illegal load factor: " +
loadFactor);
this.loadFactor = loadFactor;
this.threshold = tableSizeFor(initialCapacity);
}
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;
}
那么设置多大的容量比较合适呢，我们可以看一下resize方法。
final Node<K,V>[] resize() {
Node<K,V>[] oldTab = table;
int oldCap = (oldTab == null) ? 0 : oldTab.length;
int oldThr = threshold;
int newCap, newThr = 0;
if (oldCap > 0) {
if (oldCap >= MAXIMUM_CAPACITY) {
threshold = Integer.MAX_VALUE;
return oldTab;
}
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
newCap = oldThr;
else { // zero initial threshold signifies using defaults
newCap = DEFAULT_INITIAL_CAPACITY;
newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);
}
if (newThr == 0) {
float ft = (float)newCap * loadFactor;
newThr = (newCap < MAXIMUM_CAPACITY && ft < (float)MAXIMUM_CAPACITY ?
(int)ft : Integer.MAX_VALUE);
}
threshold = newThr;
......
可以看到传入的初始化容量initialCapacity并不会直接使用，而是调用tableSizeFor方法转换成一个为2的N次幂的数newCap，然后当HashMap的size大于newCap * loadFactor(默认是0.75)的时候就会进行扩容。例如initialCapacity是10那么最终HashMap的初始容量就是16，当HashMap的size大于12(16 * 0.75)的时候就进行第一次扩容。initialCapacity是1000那么最终HashMap的初始容量就是1024，当HashMap的size大于768(1024 * 0.75)的时候就进行第一次扩容。
所以可以得出结论，你HashMap初始化可以设置为(需要存储的元素个数 / 负载因子) +1，例如你需要存7个元素那么应该设置map的初始值为7/0.75 +1 = 10。然后通过tableSizeFor方法的转换HashMap初始的initialCapacity就会变成16，这就大大减少了扩容的几率。
ConcurrentHashMap
考虑到线程并发安全性 ConcurrentHashMap 是比 HashMap 更加推荐的一种哈希式集合。其底层的数据结构依然是数组+链表+红黑数。JDK8对ConcurrentHashMap进行了脱胎换骨的改造，不再使用分段锁Segment来保证线程安全问题。进而使用的是CAS加synchronized来保证线程安全。
ConcurrentHashMap初始化容量
ConcurrentHashMap初始化容量的逻辑和HashMap略有不同。ConcurrentHashMap会把存入的初始容量加上其1/2然后再加上1，进而再通过tableSizeFor方法转换成一个2的N幂的数。这样初始化数组的的值会比HashMap要大，避免了哈希碰撞。
public ConcurrentHashMap(int initialCapacity,
float loadFactor, int concurrencyLevel) {
if (!(loadFactor > 0.0f) || initialCapacity < 0 || concurrencyLevel <= 0)
throw new IllegalArgumentException();
if (initialCapacity < concurrencyLevel) // Use at least as many bins
initialCapacity = concurrencyLevel; // as estimated threads
long size = (long)(1.0 + (long)initialCapacity / loadFactor);
int cap = (size >= (long)MAXIMUM_CAPACITY) ?
MAXIMUM_CAPACITY : tableSizeFor((int)size);
this.sizeCtl = cap;
}
ConcurrentHashMap是如何存放数据
ConcurrentHashMap会先初始化出一个数组，元素会优先插入到数组的槽点中，如果槽点有元素就锁住该槽点存放元素。
final V putVal(K key, V value, boolean onlyIfAbsent) {
if (key == null || value == null) throw new NullPointerException();
int hash = spread(key.hashCode());
int binCount = 0;
for (Node<K,V>[] tab = table;;) {
Node<K,V> f; int n, i, fh;
//第一次put数据的时候会线初始化一个table，再继续循环存入第一数据
if (tab == null || (n = tab.length) == 0)
tab = initTable();
//f 即为当前 key 定位出的槽点位置，如果为空表示当前槽点位置可以写入数据，利用 CAS 尝试写入，失败则自旋保证成功。
else if ((f = tabAt(tab, i = (n - 1) & hash)) == null) {
//进行cas操作，不断尝试把数据插入进去
if (casTabAt(tab, i, null, new Node<K,V>(hash, key, value, null)))
break; // no lock when adding to empty bin
}
//判断是否属于迁移状态，是的话则辅助迁移
else if ((fh = f.hash) == MOVED)
tab = helpTransfer(tab, f);
//如果该槽点有值，就锁住该槽点在后面插入元素
else {
V oldVal = null;
synchronized (f) {
if (tabAt(tab, i) == f) {
if (fh >= 0) {
binCount = 1;
for (Node<K,V> e = f;; ++binCount) {
K ek;
if (e.hash == hash &&
((ek = e.key) == key ||
(ek != null && key.equals(ek)))) {
oldVal = e.val;
if (!onlyIfAbsent)
e.val = value;
break;
}
Node<K,V> pred = e;
if ((e = e.next) == null) {
pred.next = new Node<K,V>(hash, key,
value, null);
break;
}
}
}
else if (f instanceof TreeBin) {
Node<K,V> p;
binCount = 2;
if ((p = ((TreeBin<K,V>)f).putTreeVal(hash, key,
value)) != null) {
oldVal = p.val;
if (!onlyIfAbsent)
p.val = value;
}
}
}
}
if (binCount != 0) {
//判断链表数量是否大于阈值，则转换成红黑树
if (binCount >= TREEIFY_THRESHOLD)
treeifyBin(tab, i);
if (oldVal != null)
return oldVal;
break;
}
}
}
addCount(1L, binCount);
return null;
}
ConcurrentHashMap如何取出数据
get的逻辑相对比较简单，通过hashcode来寻址，如果直接在hash槽找到数据就直接返回，如果在hash桶里就根据链表遍历或红黑树遍历来查找数据。
public V get(Object key) {
Node<K,V>[] tab; Node<K,V> e, p; int n, eh; K ek;
int h = spread(key.hashCode());
if ((tab = table) != null && (n = tab.length) > 0 &&
(e = tabAt(tab, (n - 1) & h)) != null) {
if ((eh = e.hash) == h) {
if ((ek = e.key) == key || (ek != null && key.equals(ek)))
return e.val;
}
else if (eh < 0)
return (p = e.find(h, key)) != null ? p.val : null;
while ((e = e.next) != null) {
if (e.hash == h &&
((ek = e.key) == key || (ek != null && key.equals(ek))))
return e.val;
}
}
return null;
}
ConcurrentHashMap如何更新元素数量
ConcurrentHashMap主要由两个属性来存储元素数量，baseCount和counterCells。
private transient volatile long baseCount;
@sun.misc.Contended static final class CounterCell {
volatile long value;
CounterCell(long x) { value = x; }
}
private transient volatile CounterCell[] counterCells;
- 当并发量比较小的时候，优先使用CAS的方式直接更新
baseCount。 - 当更新
baseCount冲突，则会通过启用counterCells减少线程竞争，通过CAS的方式把总数更新情况记录在counterCells对应的位置上。 - 如果更新
counterCells上的某个位置出现了多次失败，则会通过扩容counterCells的方式减少冲突。 - 当
counterCells处在扩容期间时，会尝试更新baseCount值。
对于元素总数的统计逻辑就很简单了，用baseCount加上各counterCells内的数据就可以得到ConcurrentHashMap总元素值，完全不需要加锁。
