最后
如果觉得本文对你有帮助的话，不妨给我点个赞，关注一下吧！
-
如果找到了对应key的元素，则判断是否需要替换旧值，并直接返回旧值
-
如果插入了元素，则数量加1并判断是否需要扩容
public V put(K key, V value) {
// 调用hash(key)计算出key的hash值
return putVal(hash(key), key, value, false, true);
}
/**
-
作用：让key的hash值的高16位参与运算
-
@param key
-
@return
*/
static final int hash(Object key) {
int h;
//key==null直接返回0
//1、否则调用key的hashCode()方法计算出key的哈希值然后赋值给h,
//2、后与h无符号右移16位后的二进制进行按位异或得到最后的hash值,
//3、这样做是为了使计算出的hash更分散，让高16位可以参与（低16位具有高16位的特征）
return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}
/**
-
@param hash key的hash值
-
@param key 原始key
-
@param value 要存放的值
-
@param onlyIfAbsent 如果 true 代表不更改现有的值，也就是说如果存在key就不改变，一般传入false
-
@param evict 如果为false表示 table 为创建状态
-
@return
*/
final V putVal(int hash, K key, V value, boolean onlyIfAbsent,
boolean evict) {
//tab：引用当前hashMap的散列表
//p：表示当前散列表的元素
//n：表示散列表数组的长度
//i：表示路由寻址结果
Node<K,V>[] tab; Node<K,V> p; int n, i;
// 如果桶的数量为0，则初始化
if ((tab = table) == null || (n = tab.length) == 0)
// 调用resize()初始化
n = (tab = resize()).length;
//最简单的一种情况：寻址找到的桶位null，直接将创建一个新结点放入桶中
if ((p = tab[i = (n - 1) & hash]) == null)
tab[i] = newNode(hash, key, value, null);
else {
//e：不为null的话，找到一个与当前要插入的key-value一致的key元素
//k：临时的一个key
Node<K,V> e; K k;
//表示桶位中的该元素，与你当前插入的元素key完全一致，表示后续要进行替换操作
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
e = p;
else if (p instanceof TreeNode)
// 如果第一个元素是树节点，则调用树节点的putTreeVal插入元素
e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
else {
// 遍历这个桶对应的链表，binCount用于存储链表中元素的个数
for (int binCount = 0; ; ++binCount) {
//条件成立的话，说明迭代到最后一个元素了，也没找到一个与你插入的key一致的node
//说明需要加入到当前链表的尾部
if ((e = p.next) == null) {
p.next = newNode(hash, key, value, null);
//条件成立的话，说明当前链表的长度达到树化的标准了，需要进行树化
if (binCount >= TREEIFY_THRESHOLD - 1)
//树化操作
treeifyBin(tab, hash);
break;
}
//说明条件成立的化，找到了相同key的node元素，进行替换操作
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
break;
p = e;
}
}
//e不等于null，说明找到了一个与你插入元素key完全一致的数据，需要进行替换
if (e != null) { // existing mapping for key
V oldValue = e.value;
if (!onlyIfAbsent || oldValue == null)
e.value = value;
// 在节点被访问后做点什么事，在LinkedHashMap中用到
afterNodeAccess(e);
// 返回旧值
return oldValue;
}
}
//散列表结果修改次数加一，替换Node元素的value不计数
++modCount;
//插入新元素，size自增
//如果大于扩容阈值，扩容
if (++size > threshold)
resize();
// 在节点插入后做点什么事，在LinkedHashMap中用到
afterNodeInsertion(evict);
// 没找到元素返回null
return null;
}
整个扩容流程：
-
如果使用是默认构造方法，则第一次插入元素时初始化为默认值，容量为16，扩容门槛为12
-
如果使用的是非默认构造方法，则第一次插入元素时初始化容量等于扩容门槛，扩容门槛在构造方法里等于传入容量向上最近的2的n次方
-
如果旧容量大于0，则新容量等于旧容量的2倍，但不超过最大容量2的30次方，新扩容门槛为旧扩容门槛的2倍
-
创建一个新容量的桶
-
搬移元素，原链表分化成两个链表，低位链表存储在原来桶的位置，高位链表搬移到原来桶的位置加旧容量的位置
/**
-
为什么需要扩容？
-
为了解决hash冲突导致的链化影响查询效率的问题，扩容会缓解该问题
-
@return
*/
final Node<K, V>[] resize() {
//引用扩容前的哈希表
Node<K, V>[] oldTab = table;
//表示扩容之前的table数组的长度
int oldCap = (oldTab == null) ? 0 : oldTab.length;
//扩容之前的扩容阈值
int oldThr = threshold;
//newCap：扩容之后table数组的大小
//newThr：扩容之后，下次在触发扩容的条件
int newCap, newThr = 0;
//条件入如果成立：说明hashMap中的散列表已经初始化过了，是一次正常扩容
if (oldCap > 0) {
//如果旧容量达到最大容量，则不再进行扩容
if (oldCap >= MAXIMUM_CAPACITY) {
threshold = Integer.MAX_VALUE;
return oldTab;
}
// 如果旧容量的两倍小于最大容量并且旧容量大于默认初始容量（16），则容量扩大为两部，扩容门槛也扩大为两倍
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
//使用非默认构造方法创建的map，第一次插入元素会走到这里
//1.new HashMap(initCap,loadFactor);
//2.new HashMap(initCap);
//3.new HashMap(map); map有数据
// 如果旧容量为0且旧扩容门槛大于0，则把新容量赋值为旧门槛
newCap = oldThr;
else {
//使用默认构造方法创建的map，第一次插入元素会走这里
newCap = DEFAULT_INITIAL_CAPACITY;
//如果旧容量旧扩容门槛都是0，说明还未初始化过，则初始化容量为默认容量，扩容门槛为默认容量*默认装载因子
newThr = (int) (DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);
}
if (newThr == 0) {
//如果旧容量旧扩容门槛都是0，说明还未初始化过，则初始化容量为默认容量，扩容门槛为默认容量*默认装载因子
float ft = (float) newCap * loadFactor;
newThr = (newCap < MAXIMUM_CAPACITY && ft < (float) MAXIMUM_CAPACITY ?
(int) ft : Integer.MAX_VALUE);
}
//赋值扩容门槛为新门槛
threshold = newThr;
//创建一个新容量的数组
@SuppressWarnings({“rawtypes”, “unchecked”})
Node<K, V>[] newTab = (Node<K, V>[]) new Node[newCap];
//把桶赋值为新数组
table = newTab;
//如果旧数组不为空，则搬移元素
if (oldTab != null) {
//遍历旧数组
for (int j = 0; j < oldCap; ++j) {
//当前node节点
Node<K, V> e;
//如果当前桶中第一个元素不为空，说明当前桶位有数据，赋值给e
if ((e = oldTab[j]) != null) {
//清空旧桶，方便JVM GC时回收内存
oldTab[j] = null;
if (e.next == null)
//第一种情况：当前桶位只有一个元素，从未发生过碰撞
//该情况直接计算出当前元素应该存放的新数组中的位置，然后扔进去就行
newTab[e.hash & (newCap - 1)] = e;
else if (e instanceof TreeNode)
//第二种情况：当前桶位已经树化,则把这颗树打散成两颗树插入到新桶中去
((TreeNode<K, V>) e).split(this, newTab, j, oldCap);
else {
//第三种情况：链表情况
// 比如，假如原来容量为4，3、7、11、15这四个元素都在三号桶中
// 现在扩容到8，则3和11还是在三号桶，7和15要搬移到七号桶中去
// 也就是分化成了两个链表
//低位链表：存放在扩容之后下标位置与当前数组下标位置一致
Node<K, V> loHead = null, loTail = null;
//高位链表：存放在扩容之后的数组的下标位置=为当前数组下标位置+扩容之前数组的长度
Node<K, V> hiHead = null, hiTail = null;
Node<K, V> next;
do {
next = e.next;
// (e.hash & oldCap) == 0的元素放在低位链表中
//比如3&4==0
if ((e.hash & oldCap) == 0) {
if (loTail == null)
loHead = e;
else
loTail.next = e;
loTail = e;
} else {
// (e.hash & oldCap) != 0的元素放在高位链表中
//比如，7&4！=0
if (hiTail == null)
hiHead = e;
else
hiTail.next = e;
hiTail = e;
}
} while ((e = next) != null);
// 遍历完成分化成两个链表了
// 低位链表在新桶中的位置与旧桶一样（即3和11还在三号桶中）
if (loTail != null) {
loTail.next = null;
newTab[j] = loHead;
}
// 高位链表在新桶中的位置正好是原来的位置加上旧容量（即7和15搬移到七号桶了）
if (hiTail != null) {
hiTail.next = null;
newTab[j + oldCap] = hiHead;
}
}
}
}
}
return newTab;
}
public V get(Object key) {
Node<K, V> e;
//这里hash(key)是因为put的时候hash了，这里取自然也需要hash
return (e = getNode(hash(key), key)) == null ? null : e.value;
}
final Node<K, V> getNode(int hash, Object key) {
//引用当前hashMap的散列表
Node<K, V>[] tab;
//first:桶位中的头元素
//e:临时node元素
Node<K, V> first, e;
//n:table数组长度
int n;
K k;
// 如果桶的数量大于0并且待查找的key所在的桶的第一个元素不为空
if ((tab = table) != null && (n = tab.length) > 0 &&
(first = tab[(n - 1) & hash]) != null) {
// 检查第一个元素是不是要查的元素，如果是直接返回
if (first.hash == hash && // always check first node
((k = first.key) == key || (key != null && key.equals(k))))
return first;
// 第一个元素不是要查找的元素，并且当前桶位不止一个元素，可能存在链表或者树
if ((e = first.next) != null) {
// 如果第一个元素是树节点，则按树的方式查找
if (first instanceof TreeNode)
return ((TreeNode<K, V>) first).getTreeNode(hash, key);
// 否则就遍历整个链表查找该元素
do {
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
return e;
} while ((e = e.next) != null);
}
}
return null;
}
get方法具体分这几步：
-
计算key的hash值
-
找到key所在的桶及其第一个元素
-
如果第一个元素的key等于待查找的key，直接返回
-
如果第一个元素是树节点就按树的方式来查找
-
否则就按链表方式查找
public V remove(Object key) {
Node<K, V> e;
return (e = removeNode(hash(key), key, null, false, true)) == null ?
null : e.value;
}
final Node<K, V> removeNode(int hash, Object key, Object value,
boolean matchValue, boolean movable) {
//引用当前hashMap中的散列表
Node<K, V>[] tab;
//当前node元素
Node<K, V> p;
//n:表示散列表数组长度
//index:表示寻址结果
int n, index;
// 如果桶的数量大于0且待删除的元素所在的桶的第一个元素不为空
if ((tab = table) != null && (n = tab.length) > 0 &&
(p = tab[index = (n - 1) & hash]) != null) {
//node:表示查找到的结果
//e:表示当前node的下一个元素
Node<K, V> node = null, e;
K k;
V v;
// 如果第一个元素正好就是要找的元素，赋值给node变量后续删除使用
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
node = p;
// 第一个元素不是要查找的元素，并且当前桶位不止一个元素，可能存在链表或者树
else if ((e = p.next) != null) {
if (p instanceof TreeNode)
// 如果第一个元素是树节点，则以树的方式查找节点
node = ((TreeNode<K, V>) p).getTreeNode(hash, key);
else {
// 否则遍历整个链表查找元素
do {
if (e.hash == hash &&
((k = e.key) == key ||
(key != null && key.equals(k)))) {
node = e;
break;
}
p = e;
} while ((e = e.next) != null);
}
}
// 如果找到了元素，则看参数是否需要匹配value值，如果不需要匹配直接删除，如果需要匹配则看value值是否与传入的value相等
if (node != null && (!matchValue || (v = node.value) == value ||
(value != null && value.equals(v)))) {
if (node instanceof TreeNode)
// 如果是树节点，调用树的删除方法（以node调用的，是删除自己）
((TreeNode<K, V>) node).removeTreeNode(this, tab, movable);
else if (node == p)
// 如果待删除的元素是第一个元素，则把第二个元素移到第一的位置
tab[index] = node.next;
else
// 否则删除node节点，将当前元素p的下一个元素设置为删除元素的下一个元素
p.next = node.next;
++modCount;
–size;
// 删除节点后置处理
afterNodeRemoval(node);
return node;
}
}
return null;
}
整个remove流程分为这几步：
-
先查找元素所在的节点
-
如果找到的节点是树节点，则按树的移除节点处理
-
如果找到的节点是桶中的第一个节点，则把第二个节点移到第一的位置
-
否则按链表删除节点处理
-
修改size，调用移除节点后置处理等
-
HashMap是一种散列表，采用（数组 + 链表 + 红黑树）的存储结构
-
HashMap的默认初始容量为
16（1<<4），默认装载因子为0.75f，容量总是2的n次方 -
HashMap扩容时每次容量变为原来的两倍
-
当桶的数量小于64时不会进行树化，只会扩容
-
当桶的数量大于64且单个桶中元素的数量大于8时，进行树化
-
当单个桶中元素数量小于6时，进行反树化
-
HashMap是非线程安全的容器
-
HashMap查找添加元素的时间复杂度都为
O(1)
HashMap在JDK1.7和1.8中不同
-
1.7 数组 + 链表
-
1.8 数组 + （链表 | 红黑树）
为啥要用红黑树？
红黑树用来避免 DoS 攻击，防止链表超长时性能下降，树化应当是偶然情况，是保底策略
为何不一上来就树化？
-
hash 表的查找，更新的时间复杂度是 O ( 1 ) O(1) O(1)，而红黑树的查找，更新的时间复杂度是 O ( l o g 2 n ) O(log_2n ) O(log2n)
-
TreeNode 占用空间也比普通 Node 的大，如非必要，尽量还是使用链表
树化阈值为何是8？
hash 值如果足够随机，则在 hash 表内按泊松分布，在负载因子 0.75 的情况下，长度超过 8 的链表出现概率是 0.00000006，树化阈值选择 8 就是为了让树化几率足够小
树化规则
-
当链表长度超过树化阈值 8 时，先尝试扩容来减少链表长度，如果数组容量已经 >=64，才会进行树化
-
树化的两个条件：链表长度超过树化阈值
>8&& 数组容量>=64
退化规则
-
情况1：在扩容时如果拆分树时，树元素个数
<= 6则会退化链表 -
情况2：移除之前，remove 树节点时，若 root、root.left、root.right、root.left.left 有一个为 null ，也会退化为链表
索引计算方法
-
首先，计算对象的
hashCode() -
再进行调用 HashMap 的
hash()方法进行二次哈希。二次 hash() 是为了综合高位数据，让哈希分布更为均匀 -
最后
& (capacity – 1)得到索引
数组容量为何是 2 的 n 次幂
-
计算索引时效率更高：如果是 2 的 n 次幂可以使用位与运算代替取模
-
扩容时重新计算索引效率更高： hash & oldCap == 0 的元素留在原来位置 ，否则新位置 = 旧位置 + oldCap
总结
至此，文章终于到了尾声。总结一下，我们谈论了简历制作过程中需要注意的以下三个部分，并分别给出了一些建议：
- 技术能力：先写岗位所需能力，再写加分能力，不要写无关能力；
- 项目经历：只写明星项目，描述遵循 STAR 法则；
- 简历印象：简历遵循三大原则：清晰，简短，必要，要有的放矢，不要海投；
以及最后为大家准备的福利时间：简历模板+Java面试题+热门技术系列教程视频
-
首先，计算对象的
hashCode() -
再进行调用 HashMap 的
hash()方法进行二次哈希。二次 hash() 是为了综合高位数据，让哈希分布更为均匀 -
最后
& (capacity – 1)得到索引
数组容量为何是 2 的 n 次幂
-
计算索引时效率更高：如果是 2 的 n 次幂可以使用位与运算代替取模
-
扩容时重新计算索引效率更高： hash & oldCap == 0 的元素留在原来位置 ，否则新位置 = 旧位置 + oldCap
总结
至此，文章终于到了尾声。总结一下，我们谈论了简历制作过程中需要注意的以下三个部分，并分别给出了一些建议：
- 技术能力：先写岗位所需能力，再写加分能力，不要写无关能力；
- 项目经历：只写明星项目，描述遵循 STAR 法则；
- 简历印象：简历遵循三大原则：清晰，简短，必要，要有的放矢，不要海投；
以及最后为大家准备的福利时间：简历模板+Java面试题+热门技术系列教程视频
[外链图片转存中…(img-XY8G2ctS-1715654749975)]
[外链图片转存中…(img-Jjw8CZRl-1715654749975)]
[外链图片转存中…(img-O5LIfVP6-1715654749976)]
2634
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
