深度剖析 HashMap：从 JDK 1.7 死循环到 1.8 高低位映射优化-编程实验室

作者：[予枫]

发布时间：2026年1月

分类：Java 后端 / 底层原理

一、引言：哈希冲突与 HashMap 的使命

在计算机科学中，哈希表通过哈希函数将 Key 映射到数组下标，实现 $O(1)$ 的查找效率。然而，由于哈希函数输出空间有限，哈希冲突（Hash Collision）避不可免。

常见的解决冲突方法包括：

链地址法（Separate Chaining）：HashMap 采用的核心策略。
开放定址法（Open Addressing）：如线性探测、平方探测。
再哈希法（Rehashing）：使用多个哈希函数。
建立公共溢出区。

HashMap 在单线程环境下表现卓越，但在多线程这片“深水区”，它就像一个没有交通灯的十字路口，极易引发致命灾难。

二、 HashMap 的五大线程安全陷阱

多线程同时修改同一个 HashMap 实例时，会引发以下问题：

扩容死循环（JDK 1.7）：最著名的 Bug，会导致 CPU 飙升至 100%。
数据丢失/覆盖（1.7 & 1.8 共有）：多个线程同时put时，由于没有加锁，计算出的索引若相同，后者的值会覆盖前者。
Size 计算不准：size++操作非原子性，并发下会导致计数不一致。
扩容覆盖（JDK 1.8）：多线程同时扩容生成多个新数组，最终只有最后一个线程的数组会被保留，其余线程插入的数据随之丢失。
快速失败（Fail-Fast）：在迭代过程中若有其他线程修改结构，会立即抛出ConcurrentModificationException。

三、深度复现：JDK 1.7 的“死亡之环”

1. 源码现场

JDK 1.7 扩容的核心在于transfer方法，其罪魁祸首是头插法（Head Insertion）。

void transfer(Entry[] newTable) { Entry[] src = table; int newCapacity = newTable.length; for (int j = 0; j < src.length; j++) { Entry<K,V> e = src[j]; if (e != null) { src[j] = null; do { Entry<K,V> next = e.next; // 【关键点 1】记录下一个节点 int i = indexFor(e.hash, newCapacity); e.next = newTable[i]; // 【关键点 2】头插到新表 newTable[i] = e; e = next; // 【关键点 3】移动到下一个 } while (e != null); } } }

2. 场景分析

假设原链表为A -> B -> null。

线程 T1执行到记录next = B后被挂起。此时 T1 视角：e = A, next = B。
线程 T2完成整个扩容，由于头插法，新链表变为B -> A -> null。此时 A 的next已指向null，而 B 的next指向了 A。
线程 T1 恢复：
1. 处理 A：将 A 插入新表，e变为 B。
2. 处理 B：此时由于 T2 修改了指针，B.next变成了 A。T1 记录next = A，将 B 插入 A 之前。
3. 再次处理 A：此时e = A，A.next被设为当前头节点 B。
- 结局：B.next = A且A.next = B，环形链表诞生。

3. 后果

当后续调用get()落入此桶时，while遍历将永不停止，导致 CPU 占用率瞬间达到 100%。

四、 JDK 1.8 的救赎：高低位映射全解析

JDK 1.8 废弃了头插法，改用尾插法并引入了高低位映射（High-Low Mapping）。

1. 数学基石：2 的幂次方

HashMap 容量 $n$ 始终为 $2^k$。扩容时，新容量是旧容量的 2 倍。

索引计算：$Index = (n-1) \& hash$。
奇妙现象：扩容后，掩码（Mask）仅在高位多出一个1。这意味着元素新索引只有两种可能：原位置或原位置 + 旧容量。

2. 核心算法：四指针分流

1.8 使用loHead, loTail（低位链表）和hiHead, hiTail（高位链表）进行分选：

判断条件：(e.hash & oldCap) == 0。
低位（0）：留在原位置。
高位（1）：搬移到index + oldCap位置。

3. 进阶：红黑树的`split`细节

若桶内是红黑树，扩容时调用TreeNode.split()：

同样按高低位拆分为两个双向链表。
去树化：若拆分后长度 $\le 6$，转回普通链表。
树化：若长度 $> 6$，重新构建红黑树。

五、总结与最佳实践

为什么 1.8 的设计更优？

特性	1.8 高低位映射	核心价值
位运算优化	`(hash & oldCap)`	极速判定，无需 rehash，性能翻倍。
尾插法	保持原序	彻底解决死循环问题。
树结构拆分	`split`逻辑	保证扩容后大桶依然具备 $O(\log n)$ 的检索效率。