本文 java version “1.8.0_221”

static final int DEFAULT_INITIAL_CAPACITY = 1 << 4; // 初始默认容量大小，如果指定容量，容量必须是 2 的倍数

static final int MAXIMUM_CAPACITY = 1 << 30; // 最大的容量大小 1*2^30=1073741824 ，如果指定容量，容量必须是 2 的倍数

static final float DEFAULT_LOAD_FACTOR = 0.75f; // 默认负载因子

static final int TREEIFY_THRESHOLD = 8; // 超过 8 就变为 红黑树

static final int UNTREEIFY_THRESHOLD = 6; // 小于 6 变为链表

transient Node<K,V>[] table; // 存放元素的哈希桶数组

transient int size; // 当前 Map 中 键值对数量

final float loadFactor; // 负载因子

int threshold; // 当前 Map 能容纳的最大键值对数量，threshold = length * Load factor

transient int modCount; // 结构性修改的次数，用于 fail-fast 机制

key 对应到哈希桶的过程

static final int hash(Object key) {
    int h;
    return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}

index = hash(key) & (length - 1)

1. 若 key == null，放到数组第一位

2. key != null，调用 Object.hashCode() 方法将 key 进行 hash 得到 h

3. 将 h 与 h 右移 16 位后的数值进行异或得到一个 hash 值

4. 将第 3 步得到 hash 值与数组长度减一进行与运算，得到 key 在哈希桶的索引位置。

第 4 步非常巧妙，它通过 h&(table.length -1)来得到该对象的保存位，而 HashMap 底层数组的长度总是2的n次方，这是 HashMap 在速度上的优化。当 length 总是 2 的 n 次方时，h& (length-1)运算等价于对 length 取模，也就是h%length，但是 & 比 % 具有更高的效率。

get 方法

• put 方法支持，key、value 都为 null，并且是 尾插法

• get 方法返回 null，有两种情况：一是不包含这个键值对，二是该键值对的键 key 对应的 value 就是 null，可以通过 containsKey 方法判断 Map 是否包含该 key

public V get(Object key) {
        Node<K,V> e;
        return (e = getNode(hash(key), key)) == null ? null : e.value;
    }

final Node<K,V> getNode(int hash, Object key) {
    Node<K,V>[] tab; Node<K,V> first, e; int n; K k;
    if ((tab = table) != null && (n = tab.length) > 0 && (first = tab[(n - 1) & hash]) != null) {  // 找到 hash 值一样的桶 
        if (first.hash == hash && // always check first node
            ((k = first.key) == key || (key != null && key.equals(k)))) // 如果第一个元素 key 相同，返回这个 Node
            return first;
        if ((e = first.next) != null) {
            if (first instanceof TreeNode)
                return ((TreeNode<K,V>)first).getTreeNode(hash, key);  // 如果是树节点，那么去树里面找
            do {
                if (e.hash == hash &&
                    ((k = e.key) == key || (key != null && key.equals(k))))  // 在链表中找
                    return e;
            } while ((e = e.next) != null);
        }
    }
    return null;
}

static final int hash(Object key) {
    int h;
    return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}

put 方法

1. table 为 null 或者 tab.size = 0，进行 resize。

2. key 进行 hash 之后取模得到的索引位置，若在桶的位置元素为 null，那么直接插入元素。

3. 桶位置元素不为 null，那么进行比较

4. 判断 key 是否相同：

   • 如果 key 相同，e 保存该节点
   • 如果 key 不同，如果该是红黑树节点，那么执行红黑树的 put 方法；如果是链表节点，执行链表遍历操作，找到对应的节点并用 e 保存，如果链表长度大于 >=7，就将链表转为红黑树

5. Node e 保存找到的节点，如果没有找到返回 null

6. 如果 size 超过阈值，进行扩容

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;
    if ((tab = table) == null || (n = tab.length) == 0)
        n = (tab = resize()).length;
    // 如果 table 的在（n-1）&hash 的值是 null，就新建一个节点插入在该位置
    if ((p = tab[i = (n - 1) & hash]) == null)
        tab[i] = newNode(hash, key, value, null);
    // 表示该索引位置有值
    else {
        Node<K,V> e; K k;
        // 如果 key 相等，那么 Node e 保存原来的值用于替换
        if (p.hash == hash && ((k = p.key) == key || (key != null && key.equals(k)))){
            e = p;
        // 如果 key 最终不等，而且是树节点，执行红黑树的 put 方法
        } else if (p instanceof TreeNode)
            e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
        // 如果 key 最终不等，而且是链表节点，执行链表的 put 方法
        else {
            for (int binCount = 0; ; ++binCount) {
                // 如果指针为空就挂在后面
                if ((e = p.next) == null) {
                    p.next = newNode(hash, key, value, null);
                    if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st
                        // 链表数量 >= 7 就转为红黑树
                        treeifyBin(tab, hash);
                    break;
                }
                // 链表上面有相同的 key 的元素，那么 e 保存原来的值
                if (e.hash == hash &&
                    ((k = e.key) == key || (key != null && key.equals(k))))
                    break;
                p = e;
            }
        }

// 最终 Map 中有该元素，那么进行 value 替换
        if (e != null) { // existing mapping for key
            V oldValue = e.value;
            if (!onlyIfAbsent || oldValue == null)
                e.value = value;
            afterNodeAccess(e);
            return oldValue;
        }
    }
    // 结构修改次数加 1
    ++modCount;
    // 如果新增一个元素后容量大于阈值，进行扩容
    if (++size > threshold)
        resize();
    afterNodeInsertion(evict);
    return null;
}

resize 方法

• 扩容是 2 倍的倍数进行扩容
• 扩容后，换一个更大的数组重新映射，元素的位置要么是在原位置，要么是在原位置再移动 2 次幂的位置。

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) {
        // 如果原来的桶长度已经超过最大阈值，那么数组扩大到 2^31 -1
        if (oldCap >= MAXIMUM_CAPACITY) {
            threshold = Integer.MAX_VALUE;
            return oldTab;  
        // 如果原来桶长度扩大 2 倍后还是小于最大阈值，那么新阈值为原来阈值的 2 倍
        } 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;
    @SuppressWarnings({"rawtypes","unchecked"})
    Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap];
    table = newTab;
    if (oldTab != null) {
        for (int j = 0; j < oldCap; ++j) {
            Node<K,V> e;
            if ((e = oldTab[j]) != null) {
                oldTab[j] = null;
                if (e.next == null)
                    newTab[e.hash & (newCap - 1)] = e;
                else if (e instanceof TreeNode)
                    ((TreeNode<K,V>)e).split(this, newTab, j, oldCap);
                else { // preserve order
                	// 链表优化重hash的代码块
                    Node<K,V> loHead = null, loTail = null;
                    Node<K,V> hiHead = null, hiTail = null;
                    Node<K,V> next;
                    do {
                        next = e.next;
                        // 原索引
                        if ((e.hash & oldCap) == 0) {
                            if (loTail == null)
                                loHead = e;
                            else
                                loTail.next = e;
                            loTail = e;
                        }
                        // 原索引+oldCap
                        else {
                            if (hiTail == null)
                                hiHead = e;
                            else
                                hiTail.next = e;
                            hiTail = e;
                        }
                    } while ((e = next) != null);
                    // 原索引放到bucket里
                    if (loTail != null) {
                        loTail.next = null;
                        newTab[j] = loHead;
                    }
                    // 原索引+oldCap放到bucket里
                    if (hiTail != null) {
                        hiTail.next = null;
                        newTab[j + oldCap] = hiHead;
                    }
                }
            }
        }
    }
    return newTab;
}

HashMap的底层实现

Java8的HashMap详解（存储结构，功能实现，扩容优化，线程安全，遍历方法），是下面的总结

Java 8系列之重新认识HashMap