【Java集合类源码精讲】：HashMap与HashSet工作机制深度解读

# 1. Java集合框架概述

Java集合框架是Java编程语言中用于存储和操作对象的集合的一组接口和类。这些集合类和接口是Java编程中不可或缺的一部分，它们为处理动态数据提供了基础支撑。集合框架允许开发者以统一的方式操作不同类型的数据集合，无需关心数据存储的具体细节。在处理大量数据时，使用集合框架可以显著提高代码的效率和可维护性。本章将为读者概述Java集合框架的基本结构，其中包括List、Set、Queue等主要接口，以及对应的ArrayList、LinkedList、HashSet、TreeSet等实现类。此外，我们会介绍如何选择合适的集合类型来满足特定需求，以及如何在集合框架中迭代、排序和搜索元素。通过对集合框架的初步了解，读者将为深入探索其内部机制和高级特性打下坚实的基础。

# 2. 深入理解HashMap机制

## 2.1 HashMap的数据结构

### 2.1.1 数组与链表的结合

在Java中，HashMap是基于散列的，它使用数组和链表结合的方式实现了数据的存储。散列是一个将任意长度的输入通过散列算法变换成固定长度的输出，这个输出值称为散列值。HashMap内部维护了一个数组，而数组的每一个元素是一个链表，用来解决散列冲突。具体来说，当有两个或多个键（key）的散列值相同时，这些键值对就会被存储在同一个数组位置上的链表中。

在分析这部分代码之前，我们来看一个简单的HashMap结构的示意图：

// 伪代码 - 描述HashMap内部数据结构
class HashMap {
    Node<K,V>[] table;  // 数组，存储节点的数组

    static class Node<K,V> {
        final int hash;   // 用于计算存储位置
        final K key;
        V value;
        Node<K,V> next;   // 指向下一个节点，形成链表
    }
}

### 2.1.2 散列冲突与处理

散列冲突是指不同的输入值通过散列函数计算得到相同的输出值。在HashMap中，处理散列冲突的方法就是使用链地址法。即当有新的键值对插入时，计算其散列值，如果该位置已经存在节点，就将新的节点以链表节点的形式追加到该位置。

// 伪代码 - 描述HashMap put操作中处理散列冲突的部分
public V put(K key, V value) {
    return putVal(hash(key), key, value, false, true);
}

// 伪代码 - putVal方法中的散列冲突处理
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;  // 扩容或初始化数组
    if ((p = tab[i = (n - 1) & hash]) == null)  // 计算索引位置
        tab[i] = newNode(hash, key, value, null);
    else {
        Node<K,V> e; K k;
        if (p.hash == hash && ((k = p.key) == key || (key != null && key.equals(k))))
            e = p;
        else if (p instanceof TreeNode)
            e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
        else {
            for (int binCount = 0; ; ++binCount) {
                if ((e = p.next) == null) {
                    p.next = newNode(hash, key, value, null); // 链表添加节点
                    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;
            }
        }
        if (e != null) {
            V oldValue = e.value;
            if (!onlyIfAbsent || oldValue == null)
                e.value = value;
            afterNodeAccess(e);
            return oldValue;
        }
    }
    ++modCount;
    if (++size > threshold)
        resize();
    afterNodeInsertion(evict);
    return null;
}

在以上伪代码中，我们可以看到，当新的键值对的散列值与已有的节点散列值相同，并且key也相同时，会执行替换操作。如果仅散列值相同，但key不同，则会将新的节点添加到链表的尾部，这样就处理了散列冲突。

## 2.2 HashMap的初始化与扩容

### 2.2.1 初始容量与加载因子

HashMap在初始化时，可以指定其内部数组的初始容量（Initial Capacity），默认为16。加载因子（Load Factor）是用来衡量HashMap满的程度，其默认值为0.75。加载因子越高，空间利用率越高，但冲突的机会也越高；加载因子越低，冲突机会越小，空间利用率越低，但可能减少冲突。当HashMap中的节点数（元素个数）超过了加载因子与当前容量的乘积时，HashMap就会进行扩容。

### 2.2.2 扩容机制详解

当HashMap中的元素数量超过阈值threshold时，就会触发扩容。扩容是一个相对昂贵的操作，因为它需要重新计算每个元素的存储位置。在Java 8中，HashMap的扩容不再是简单的两倍扩大，而是通过resize()方法将数组的长度变为原来的两倍，同时进行rehash操作。

// 伪代码 - 描述HashMap的扩容
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; // 双倍扩容，新的阈值是原来的两倍
    } else if (oldThr > 0)
        newCap = oldThr;
    else {               // 默认构造函数
        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
                    Node<K,V> loHead = null, loTail = null;
                    Node<K,V> hiHead = null, hiTail = null;
                    Node<K,V> next;
                    do {
                        next = e.next;
                        if ((e.hash & oldCap) == 0) {
                            if (loTail == null)
                                loHead = e;
                            else
                                loTail.next = e;
                            loTail = e;
                        } else {
                            if (hiTail == null)
                                hiHead = e;
                            else
                                hiTail.next = e;
                            hiTail = e;
                        }
                    } while ((e = next) != null);
                    if (loTail != null) {
                        loTail.next = null;
                        newTab[j] = loHead;
                    }
                    if (hiTail != null) {
                        hiTail.next = null;
                        newTab[j + oldCap] = hiHead;
                    }
                }
            }
        }
    }
    return newTab;
}

上述伪代码展示了resize方法的主要逻辑。它首先检查旧的容量，然