HashMap源码分析

最新推荐文章于 2024-07-09 19:36:25 发布

LPF_FORFREE

最新推荐文章于 2024-07-09 19:36:25 发布

阅读量242

点赞数

分类专栏：源码文章标签： hashmap 链表数据结构 android

本文链接：https://blog.csdn.net/Jason_Lewis/article/details/104653994

版权

源码专栏收录该内容

3 篇文章 0 订阅

订阅专栏

这次我们还是从HashMap的构造方法入手，通过几个重要的方法来一步步深入HashMap的源码。在介绍构造方法之前先看一下几个比较重要的常量。

1.常量

	//默认初始容量
    static final int DEFAULT_INITIAL_CAPACITY = 1 << 4; // aka 16
   //最大容量
    static final int MAXIMUM_CAPACITY = 1 << 30;
    //默认加载因子
    static final float DEFAULT_LOAD_FACTOR = 0.75f;
	//默认转化红黑树的阈值，当链表节点数量>=8时，转换为红黑树
    static final int TREEIFY_THRESHOLD = 8;
	//这儿我叫他去红黑树的阈值，当链表节点数<=6时，红黑树转化为链表
    static final int UNTREEIFY_THRESHOLD = 6;
    //最小的树化容量，当哈希表的容量大于64时也会转化为红黑树
    static final int MIN_TREEIFY_CAPACITY = 64;

关于初始容量为什么这么大，阈值的取值等后面会讲到，下面继续看HashMap的构造函数

2.HashMap的构造函数

    public HashMap(int initialCapacity, float loadFactor) {
    	//如果初始容量<0则抛出异常
        if (initialCapacity < 0)
            throw new IllegalArgumentException("Illegal initial capacity: " +
                                               initialCapacity);
        if (initialCapacity > MAXIMUM_CAPACITY)
            initialCapacity = MAXIMUM_CAPACITY;
         //加载因子取值合适
        if (loadFactor <= 0 || Float.isNaN(loadFactor))
            throw new IllegalArgumentException("Illegal load factor: " +
                                               loadFactor);
         //设置加载因子，调整阈值
        this.loadFactor = loadFactor;
        this.threshold = tableSizeFor(initialCapacity);
    }

    public HashMap(int initialCapacity) {
        this(initialCapacity, DEFAULT_LOAD_FACTOR);
    }

    public HashMap() {
        this.loadFactor = DEFAULT_LOAD_FACTOR; // all other fields defaulted
    }

    public HashMap(Map<? extends K, ? extends V> m) {
        this.loadFactor = DEFAULT_LOAD_FACTOR;
        putMapEntries(m, false);
    }

先看一下无参构造函数，只是设置了一下加载因子，其它都是默认的；带容量的构造函数调用了两个参数的构造函数，第二个参数是默认的加载因子；再看一下两个参数的构造函数，设置加载因子，调整阈值。阈值的计算方式为：threshold = initialCapacity * loadFactor；最后一个构造函数传入一个map，这是为了批量赋值，也是设置了加载因子，然后调用了putMapEntries(m, false)函数进行赋值，注意第二个参数为false。

我们看一下阈值的计算，找到tableSizeFor函数

static final int tableSizeFor(int cap) {
        int n = cap - 1;
        n |= n >>> 1;
        n |= n >>> 2;
        n |= n >>> 4;
        n |= n >>> 8;
        n |= n >>> 16;
        return (n < 0) ? 1 : (n >= MAXIMUM_CAPACITY) ? MAXIMUM_CAPACITY : n + 1;
    }

最终的结果是如果不大于最大容量的话返回目标容量的2的幂的大小，我们看一下cap-1这句话，为什么要cap-1呢？为了防止cap已经是2的幂了，但是确返回了cap的2倍大小。下面的计算都是为了返回离比cap值大且离cap值最近的2的幂。 扩容也是用的这个方法，保证了容量返回的都是2^n，也是这个原因，之后的取模操作才可以用hash & (table.length - 1)来替换hash % (table.length)。理论上&操作比%操作快10倍。

然后看一下putMapEntries方法

final void putMapEntries(Map<? extends K, ? extends V> m, boolean evict) {
        int s = m.size();
        if (s > 0) {
            if (table == null) { // pre-size
            	//求出需要的容量，这儿加1是因为计算大多数情况都是小数，转化时损失精度，就算正好是整数，加1也不影响
                float ft = ((float)s / loadFactor) + 1.0F;
                int t = ((ft < (float)MAXIMUM_CAPACITY) ?
                         (int)ft : MAXIMUM_CAPACITY);
                //如果计算的值比阈值大，则重新计算赋值给阈值
                if (t > threshold)
                    threshold = tableSizeFor(t);
            }
            //当前表还未初始化，不进行扩容
            else if (s > threshold)
                resize();
            for (Map.Entry<? extends K, ? extends V> e : m.entrySet()) {
                K key = e.getKey();
                V value = e.getValue();
                //添加到表中
                putVal(hash(key), key, value, false, evict);
            }
        }
    }

我们看到如果map的容量大于0，则跟上面一样，最后进行遍历添加，添加在之后的put函数中会讲到。

3.几个比较重要的函数

3.1 put函数

public V put(K key, V value) {
        return putVal(hash(key), key, value, false, true);
 }

我们看到put函数也是调用putVal方法，先计算key的哈希值，我们看一下是怎么计算的

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

如果key为空就返回0，否则执行扰动函数后返回，这儿为什么要这样做呢？我们可以从函数的介绍中得到：因为该表使用2的幂做掩码，所以只在当前掩码上的位中变化的哈希集总会发生冲突。由于我们用树来处理桶中的大量冲突，这样做可以以最小的消耗来减少系统损失总的来说就是把key的高位添加到低位，增加key的哈希值的随机性。那么为什么可以这样做呢？因为在取下标的时候我们通过hash & (table.length -1)来代替取模操作，而位操作的时候只有低位参与运算，高位不会在索引计算中用到 ，翻译理解可能不太准确，英文好的同学可以直接看方法注释。

继续往下看putVal

final V putVal(int hash, K key, V value, boolean onlyIfAbsent, boolean evict) {
        Node<K,V>[] tab; Node<K,V> p; int n, i;
        //如果表是空的，则是首次初始化
        if ((tab = table) == null || (n = tab.length) == 0)
            n = (tab = resize()).length; //扩容操作，之后会讲
         //如果当前位置没有数据，则通过newNode构建一个新的节点存入
        if ((p = tab[i = (n - 1) & hash]) == null)
            tab[i] = newNode(hash, key, value, null);
        else { //走这儿，说名有hash碰撞
            Node<K,V> e; K k;
            //判断key是否跟老数据的key相同，相同则把老数据赋值给一个局部变量
            if (p.hash == hash &&
                ((k = p.key) == key || (key != null && key.equals(k))))
                e = p;
            //红黑树操作
            else if (p instanceof TreeNode)
                e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
            else { //否则在链表尾端插入
                for (int binCount = 0; ; ++binCount) {
                	//循环到链表尾端，构建一个节点插入
                    if ((e = p.next) == null) {
                        p.next = newNode(hash, key, value, null);
						//如果链表长度>=8则转化为红黑树
                        if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st
                            treeifyBin(tab, hash);
                        break;
                    }
                    //如果本次循环的key与当前key相同，则退出，下面会进行赋值操作
                    if (e.hash == hash &&
                        ((k = e.key) == key || (key != null && key.equals(k))))
                        break;
                    p = e; 
                }
            }
            //如果key相同，替换value
            if (e != null) { // existing mapping for key
                V oldValue = e.value;
                //onlyIfAbsent为true则不替换
                if (!onlyIfAbsent || oldValue == null)
                    e.value = value;
                //LinkedHashMap预留方法，这儿空实现
                afterNodeAccess(e);
                return oldValue;
            }
        }
        //操作数加1
        ++modCount;
        //判断扩容
        if (++size > threshold)
            resize();
         //LinkedHashMap预留方法，这儿空实现
        afterNodeInsertion(evict);
        return null;
    }

总结一下put函数的流程

判断是否是首次初始化，如是进行扩容操作
判断是否有哈希冲突，没有则创建一个新节点插入，否则进入3
有哈希冲突，则判断key与当前key是否相同，如相同则替换value值，否则进入4
哈希冲突，如果节点判断为TreeNode，则进行树的添加操作
哈希冲突，节点判断为链表，找到链表的尾端进行插入，过程中如果发现有key跟当前key相同，则跳出循环进行替换操作，插入后判断链表长度是否>=8，如果是则进行树化
判断局部变量e!=null成立则通过onlyIfAbsent判断是否替换原来的值
更新修改次数和容量，如果容量大于阈值则进行扩容

3.2 resize函数

扩容操作是HashMap中比较重要的一个点，通过方法注释我们可以了解到，这个方法是用来初始化或者扩容用的。我们来看一下它的源码

/**
     * Initializes or doubles table size.  If null, allocates in
     * accord with initial capacity target held in field threshold.
     * Otherwise, because we are using power-of-two expansion, the
     * elements from each bin must either stay at same index, or move
     * with a power of two offset in the new table.
     *
     * @return the table
     */
final Node<K,V>[] resize() {
		//当前的表赋值给一个局部变量
        Node<K,V>[] oldTab = table; 
        int oldCap = (oldTab == null) ? 0 : oldTab.length;
        int oldThr = threshold;
        int newCap, newThr = 0;
        //如果不为空则已经初始化过
        if (oldCap > 0) {
        	//如果容量已经大于最大值，则阈值设为最大值不再进行扩容，返回当前表
            if (oldCap >= MAXIMUM_CAPACITY) {
                threshold = Integer.MAX_VALUE;
                return oldTab;
            }
            //如果当前表的容量大于等于默认值，并且当前表的2倍小于最大值，则进行扩容
            else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&
                     oldCap >= DEFAULT_INITIAL_CAPACITY)
                newThr = oldThr << 1; // double threshold
        }
        //当前阈值大于0，则调用了指定容量的构造函数
        else if (oldThr > 0) // initial capacity was placed in threshold
            newCap = oldThr;
         //表明调用了无参构造函数
        else {               // zero initial threshold signifies using defaults
            newCap = DEFAULT_INITIAL_CAPACITY;
            newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);
        }
        //成立表明前面未对新阈值进行赋值
        if (newThr == 0) {
            float ft = (float)newCap * loadFactor;
            newThr = (newCap < MAXIMUM_CAPACITY && ft < (float)MAXIMUM_CAPACITY ?
                      (int)ft : Integer.MAX_VALUE);
        }
        threshold = newThr;
        //更新table
        @SuppressWarnings({"rawtypes","unchecked"})
            Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap];
        table = newTab;
        //如果oldTab不为空，则表明之前有数据，需要进行重新计算移入新表，否则直接返回newTab
        if (oldTab != null) {
        	//遍历
            for (int j = 0; j < oldCap; ++j) {
                Node<K,V> e;
                //如果指定下表有数据，则置为空
                if ((e = oldTab[j]) != null) {
                    oldTab[j] = null;
                    //如果只有一个数据，则重新计算后放入新的表中
                    if (e.next == null)
                        newTab[e.hash & (newCap - 1)] = e;
                    //如果是树节点，则重新计算树的情况
                    else if (e instanceof TreeNode)
                        ((TreeNode<K,V>)e).split(this, newTab, j, oldCap);
                    else { // preserve order 剩下的即为链表
                        Node<K,V> loHead = null, loTail = null;
                        Node<K,V> hiHead = null, hiTail = null;
                        Node<K,V> next;
                        do {
                            next = e.next;
                            //通过计算值是否等于0分为两个链表
                            if ((e.hash & oldCap) == 0) { //低位链表，位置不变
                                if (loTail == null)
                                    loHead = e;
                                else
                                    loTail.next = e;
                                loTail = e;
                            }
                            else { //高位链表，存放到新位置
                                if (hiTail == null)
                                    hiHead = e;
                                else
                                    hiTail.next = e;
                                hiTail = e;
                            }
                        } while ((e = next) != null);
                        //如果低位链表不为空，则放在原位置
                        if (loTail != null) {
                            loTail.next = null;
                            newTab[j] = loHead;
                        }
                        //如果高位链表不为空，则放到新的下标位置
                        if (hiTail != null) {
                            hiTail.next = null;
                            newTab[j + oldCap] = hiHead;
                        }
                    }
                }
            }
        }
        return newTab;
    }

通过注释我们也看到了，resize方法的作用一个是初始化，一个是扩容。由于用的是2的幂进行扩容，其中的元素要么就存在原下标位置，要么就在新的表中移动2的幂的偏移量。

如果未初始化，则使用无参构造的默认值，如果已经初始化则进行扩容，如果不大于最大值，则扩容2倍
更新阈值，并根据newCap创建新的表赋值给table变量
遍历table，如果新的位置为空则直接插入，如果当前节点是红黑树，则进行拆分操作，如果是链表则通过hash算法对下标重新计算，链表分组，分别插入响应的位置

3.3 get函数

get函数相对与put函数来说比较简单，直接看源码

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;
        //如果table不为空并且长队>0,根据下标取值数据不为空则继续往下走，否则返回null
        if ((tab = table) != null && (n = tab.length) > 0 &&
            (first = tab[(n - 1) & hash]) != null) {
            //判断如果是第一个节点直接返回
            if (first.hash == hash && // always check first node
                ((k = first.key) == key || (key != null && key.equals(k))))
                return first;
            if ((e = first.next) != null) {
            	//如果是红黑树，进行树查找
                if (first instanceof TreeNode)
                    return ((TreeNode<K,V>)first).getTreeNode(hash, key);
                do { // 否则链表循环查找
                    if (e.hash == hash &&
                        ((k = e.key) == key || (key != null && key.equals(k))))
                        return e;
                } while ((e = e.next) != null);
            }
        }
        return null;
    }

通过key的哈希值来获取数据，有则返回，无返回null。源码比较简单就不再总结了，还有其他的函数如getOrDefault、containsKey、containsValue、replace等也比较简单就不再分析了，大家可以自己去看一下源码。

3.4 remove函数

remove函数会判断当前key有没有数据，如果有返回value，否则返回null

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) {
        Node<K,V>[] tab; Node<K,V> p; int n, index;
        //判空，通过下标找到节点
        if ((tab = table) != null && (n = tab.length) > 0 &&
            (p = tab[index = (n - 1) & hash]) != null) {
            Node<K,V> node = null, e; K k; V v;
            //如果第一个就是要找的节点，赋值给一个局部变量node
            if (p.hash == hash &&
                ((k = p.key) == key || (key != null && key.equals(k))))
                node = p;
            else if ((e = p.next) != null) {
            	//如果是红黑树，通过getTreeNode找到需要删除的节点
                if (p instanceof TreeNode)
                    node = ((TreeNode<K,V>)p).getTreeNode(hash, key);
                else { //否则，循环链表找到待删除节点
                    do {
                        if (e.hash == hash &&
                            ((k = e.key) == key ||
                             (key != null && key.equals(k)))) {
                            node = e;
                            break;
                        }
                        p = e;
                    } while ((e = e.next) != null);
                }
            }
            //判断如果待删除节点node不为null并且matchValue为false或这与待删除的节点value相等，则继续
            if (node != null && (!matchValue || (v = node.value) == value ||
                                 (value != null && value.equals(v)))) {
                 //如果是红黑树，通过红黑树删除节点
                if (node instanceof TreeNode)
                    ((TreeNode<K,V>)node).removeTreeNode(this, tab, movable);
				//如果是头节点，则更新头节点
                else if (node == p)
                    tab[index] = node.next;
                else //否则，直接指向下一个节点
                    p.next = node.next;
                ++modCount; //修改数加1
                --size;                 //容量减1
                afterNodeRemoval(node);
                return node;
            }
        }
        return null;
    }

//只有key，value都相同时才删除
@Override
    public boolean remove(Object key, Object value) {
        return removeNode(hash(key), key, value, true, true) != null;
    }

删除节点与get操作时很像，先找到待删除的节点，判断头节点是不是要删除的，是则直接更新头节点，如果判断是红黑树，通过树操作删除，如果是链表则直接指向下一个接单，最后更新变量，返回
HashMap的函数就说这么多，感兴趣的可以去源码看看。

4.其他相关总结

这一部分有些是整理别人的内容，1.7的源码并没有看过。有什么地方说的不对希望能够指出，更多的内容大家还可以看源码及下面的参考文章。

HashMap底层数据结构在JDK1.7之前是数据+链表，JDK1.8之后又新增了红黑树，链表长度>=8时，会先判断容量，如果容量<64则会先进行扩容（原因是数组容量越小，越容易出现碰撞，因此容量过小时，首先考虑的是扩容），如果容量>64，则会将链表转化成红黑树以提高效率。resize()之后数据位置会进行重新计算，如果红黑树的元素个数<=6则重新转化成链表。
HashMap的容量是2^n无论你传的值是多大，这样做的原因是下标取模运算的时候可以使用&运算符替换%运算符，可以极大的提高效率（只有在2的幂的时候&运算符跟%运算符的效率一样），同时降低hash冲突。
HashMap JDK1.7之前采用的是头插法，头插法在多线程扩容的时候有可能造成逆序，环形链表，死循环等问题。而JDK1.8之后采用了尾插法，扩容时保存了原链表的顺序就解决了链表成环的问题。但是HashMap还是非线程安全的，因为它并没有保证数据的同步
HashMap的初始值为啥是16？这是为了计算下标的算法，我们看一下index = hash(key) & (n - 1)这个公式，初始值为16那么n - 1的二进制就是1111，这样进行&运算之后，结果与%运算一致，这样会极大的提高效率。使用2的幂的数字的时候n - 1的二进制所有位都是1，这种情况下index的计算结果等同于key.hashCode的后面几位的值，所以只要key.hashCode的值是分布均匀的，hash算法的结果就是均匀的，也能减少hash碰撞
重写equals的时候为什么要重写hashCode呢？我们获取值的时候是通过key的hashCode来计算下标的，两个key的下标可能一样，这时候就需要通过equals来判断哪个是我们需要查找的值，所以当我们对equals进行了重写之后也要对hashCode进行重写，来保证相同的hash对象返回相同的值，不同的hash对象返回不同的值，避免hash碰撞的出错。

5.参考

面试必问的HashMap，你真的了解吗？
Java集合之HashMap 1.8 源码解析
 《我们一起进大厂》系列-HashMap
面试必问的HashMap知识点，类比1.7差异分析

LPF_FORFREE

关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
HashMap源码分析

这次我们还是从HashMap的构造方法入手，通过几个重要的方法来一步步深入HashMap的源码。在介绍构造方法之前先看一下几个比较重要的常量。1.常量 //默认初始容量 static final int DEFAULT_INITIAL_CAPACITY = 1 << 4; // aka 16 //最大容量 static final int MAXIMUM_CA...
复制链接

扫一扫