# 集合
# Map
Java中，一般耳熟能详的Map通常有这么几类（HashMap、Hashtable、LinkedHashMap、TreeMap）
他们之间的关系如下图所示
这几类Map的特点
HashMap用的最多，允许一个key为null，无序，非线程安全，在需要线程安全的场景下需要使用Collections的synchronizedMap方法或者ConcurrentHashMap类ConcurrentHashMap线程安全，支持高并发，高吞吐量的map，内部实现采用分段锁技术LinkedHashMap有序的Map，是HashMap的一个子类，记录了插入的顺序，在使用Iterator遍历时，会按照插入顺序进行输出TreeMap实现了SortedMap接口，也是有序的，默认按照字典序排序，也可以自定义比较器进行排序Hashtable被弃用的类，功能和HashMap相似，线程安全，但性能比较差，因为同一时间只有一个线程可以执行写操作，没有遵循驼峰命名
这里就重点总结HashMap相关的内容
# HashMap
HashMap在JDK7中仅仅是数组+链表，而在JDK8中的存储结构优化为了数组+链表+红黑树
这样做的目的是如果在key很多的情况下，大量的数据由于哈希碰撞，聚集在同一个下标的元素上，这时链表的查询效率会退化成O(n)
HashMap存储数据时，是先计算key的哈希值，然后和数组长度-1相与（在JDK7中是进行取模运算）得到的值必定为数组中某一个下标的值，因此将该key放入这个数组所对应的链表中
这里用JDK8举例，看一下put方法时是如何处理的，在put方法中，最终调用了putVal方法
final V putVal(int hash, K key, V value, boolean onlyIfAbsent,boolean evict) {
Node<K,V>[] tab; Node<K,V> p; int n, i;
// 对数组初始化，默认数组初始化长度为16
if ((tab = table) == null || (n = tab.length) == 0)
n = (tab = resize()).length;
// Hash值和数组长度减一相与后，判断对应下标的数组元素中是否为空，如果为空则直接新建一个节点放入数组中
if ((p = tab[i = (n - 1) & hash]) == null)
tab[i] = newNode(hash, key, value, null);
else {
Node<K,V> e; K k;
// 如果对应下标元素中已经存在节点，则判断这个节点中的key和当前key是否一致
// 如果一致，则把旧节点赋予e，后续直接对节点e的value进行覆盖操作即可
if (p.hash == hash && ((k = p.key) == key || (key != null && key.equals(k))))
e = p;
// 判断当前链表是否已经转换为红黑树，如果是，则进行红黑树插入值处理
else if (p instanceof TreeNode)
e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
else {
// 当链表中的头元素中的key不匹配时，进入到这里，遍历链表
for (int binCount = 0; ; ++binCount) {
// 判断当前链表节点的next元素是否为空，如果为空，则直接新建节点放入next即可
if ((e = p.next) == null) {
p.next = newNode(hash, key, value, null);
// 判断链表长度是否超过8，若是则将链表转换为红黑树
// 注意在treeifyBin方法中又判断了数组长度是否大于64，若不大于仅仅做一次扩容
if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st
treeifyBin(tab, hash);
break;
}
// 若next节点不为空，则判断next节点的key是否和当前key相同
// 如果相同，退出循环，后续进行覆盖value操作
if (e.hash == hash && ((k = e.key) == key || (key != null && key.equals(k))))
break;
// 如果next节点的key不一致，则将next节点赋予当前节点，继续遍历
p = e;
}
}
// 如果通过以上逻辑发现有相同的key，则在这里进行value值的覆盖，并返回旧数据
if (e != null) { // existing mapping for key
V oldValue = e.value;
if (!onlyIfAbsent || oldValue == null)
e.value = value;
afterNodeAccess(e);
return oldValue;
}
}
++modCount;
// 判断数组元素数量是否超过长度*负载因子，是否需要扩容
if (++size > threshold)
resize();
afterNodeInsertion(evict);
return null;
}
从以上代码中可以看出，在JD8中插入数据时采用的是尾插法，同时在代码中我们可以看到modCount属性，这个属性记录的是当前容器对象被修改的次数，用于快速失败机制，所有非线程安全地集合类都存在该属性
Fail-Fast 策略
我们知道 java.util.HashMap 不是线程安全的，因此如果在使用迭代器的过程中有其他线程修改了map，那么将抛出ConcurrentModificationException，这就是所谓fail-fast策略。
这一策略在源码中的实现是通过 modCount 属性。modCount 顾名思义就是修改次数，对HashMap 内容的修改都将增加这个值。 在迭代器初始化过程中会将这个值赋给迭代器的 expectedModCount。 在迭代过程中，不断判断 modCount 跟 expectedModCount 是否相等，如果不相等就表示已经有其他线程修改了 Map，立刻抛出 ConcurrentModificationException 异常。 注意， modCount 声明为 volatile，以保证线程之间修改的可见性。
上面的代码我可以看到在数组长度达到阈值的时候，会对数组进行扩容，并依据hash重新分配链表位置，下面我们看一下负责数组扩容的方法resize()
final Node<K,V>[] resize() {
Node<K,V>[] oldTab = table;
// 这里判断MAP是否经历过初始化
int oldCap = (oldTab == null) ? 0 : oldTab.length;
// 下次扩容时的元素上限，如果在初始化时指定容量，实际修改的是threshold
// 在后面会将threshold赋值给newCap，并且依据newCap重新计算threshold
int oldThr = threshold;
int newCap, newThr = 0;
if (oldCap > 0) {
// 判断旧数组长度是否大于2的30次方，如果大于则不进行扩容，仅仅是将threshold调整为int的最大值，后面介绍为什么是2的30次方
if (oldCap >= MAXIMUM_CAPACITY) {
threshold = Integer.MAX_VALUE;
return oldTab;
}
// 判断数组扩容后是否小于2^30且是否大于等于默认容量
// 未看懂为什么必须大于等于默认容量
else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&
oldCap >= DEFAULT_INITIAL_CAPACITY)
// 全满足后进行扩容一倍容量
newThr = oldThr << 1;
}
// 如果初始化指定容量时，在这里会依据初始容量进行扩容
else if (oldThr > 0)
newCap = oldThr;
else { // zero initial threshold signifies using defaults
// 对未指定初始容量的map使用默认容量和阈值
newCap = DEFAULT_INITIAL_CAPACITY;
newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);
}
// 这里计算指定初始容量的Map的阈值
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) {
// 遍历旧数组，重新计算元素在新数组的下标
for (int j = 0; j < oldCap; ++j) {
Node<K,V> e;
// 判断原数组中当前下标是否有元素
if ((e = oldTab[j]) != null) {
oldTab[j] = null;
// 判断链表上是否还有其他节点，如果没有就直接计算新数组中的下标
if (e.next == null)
newTab[e.hash & (newCap - 1)] = e;
// 判断链表是否转换为红黑树（暂时未看）
else if (e instanceof TreeNode)
((TreeNode<K,V>)e).split(this, newTab, j, oldCap);
else {
// 假设从16扩容到32，那么经过重新计算得到的下标依旧在0-15中则成为低位，反正称为高位
// 用来保存低位的头元素和尾元素
Node<K,V> loHead = null, loTail = null;
// 用来保存高位的头元素和尾元素
Node<K,V> hiHead = null, hiTail = null;
Node<K,V> next;
do {
// 保存当前节点的next节点引用
next = e.next;
// 判断新下标是否为低位
if ((e.hash & oldCap) == 0) {
// 判断当前是否有头节点，如果没有，则把当前节点保存为头节点，否则将当前节点放入链表的尾部
if (loTail == null)
loHead = e;
else
loTail.next = e;
// 更新链表尾部指向
loTail = e;
}
else {
// 高位处理逻辑同低位
if (hiTail == null)
hiHead = e;
else
hiTail.next = e;
hiTail = e;
}
// 判断当前链表是否遍历完成
} while ((e = next) != null);
// 将低位的新链表放入新数组中
if (loTail != null) {
loTail.next = null;
newTab[j] = loHead;
}
// 将高位的新链表放入当前下标 + 旧数组长度位置
if (hiTail != null) {
hiTail.next = null;
newTab[j + oldCap] = hiHead;
}
}
}
}
}
return newTab;
}
在代码中这个判断为什么只需要判断是否等于0if((e.hash & oldCap) == 0)，这是因为相与之后的结果只能是0或者是旧数组的长度
例如旧数组长度是16，有两个hash值分别是后八位分别是1111 1111和1110 1111，那么相与的结果分别是16和0，因此结果只取决于hash值中倒数第五的值是否为1，因此在本例子中，结果只能是0或者16