一、如何使用HashMap
HashMap以key-value键值对的方式存储数据;
1、key可以为null值,有且仅有1个,存储在下标为0的位置,多次put会覆盖
2、key无序且唯一,key相同value覆盖
// 创建HashMap对象
HashMap<String, String> map = new HashMap<>();
// 存
map.put("key","value");
map.put(null,"nullValue");
map.put(null,"nullValue1");
// 取
String value = map.get("key");
String nullValue = map.get(null);
System.out.println(value);
System.out.println(nullValue);
// 遍历
for (Map.Entry<String, String> entry : map.entrySet()) {
System.out.println("key = " + entry.getKey() + " : value = " + entry.getValue());
}
二、HashMap原理
hash表+链表+红黑树的形式
hash表和数组的区别:hash表的下标是通过对 (key.hash & length - 1) 的方式计算的,所以我们注意到在使用hashMap的时候并没有索引的说法
hash表在代码中的体现是一个Node数组
通过阅读源码的形式理解HashMap原理
1、new HashMap
static final float DEFAULT_LOAD_FACTOR = 0.75f;
public HashMap() {
this.loadFactor = DEFAULT_LOAD_FACTOR; // all other fields defaulted
}
构造方法中,并没有创建Node数组(原因可能是防止我这种低级程序员无脑的new hashMap,减少内存开销),仅仅是对loadFactor进行了赋值。
DEFAULT_LOAD_FACTOR = 0.75f 即扩容因子
2、put方法
代码片段:计算key的hash值
上图代码特征1:
// 对key进行了判空,如果为空hash值为0,也就是说key可以为null,存储在数组中的下标为0
(key == null) ? 0
上图代码特征2:
// 扰动算法:目的是减少hash碰撞的概率,即减少key与key的下标相同的概率
// 如果hash碰撞频率较高,会导致hashMap频繁扩容
(h = key.hashCode()) ^ (h >>> 16)
代码片段2:整体put逻辑
final V putVal(int hash, K key, V value, boolean onlyIfAbsent,
boolean evict) {
// table: Node数组,Node是对key-value进行了一个封装
// p: 通过key值计算出的下标所在的节点
// i: 下标
Node<K,V>[] tab; Node<K,V> p; int n, i;
// ,如果table没有创建,调用resize()方法进行创建 n: 数组长度,默认16
if ((tab = table) == null || (n = tab.length) == 0)
n = (tab = resize()).length;
// 通过 (n - 1) & hash 计算出下标,如果下标所在节点Node为null,直接将当前Node存入
if ((p = tab[i = (n - 1) & hash]) == null)
tab[i] = newNode(hash, key, value, null);
else {
// 下标所在节点Node已存在(变量p),执行else中的逻辑
// 这段逻辑是就是键重复值覆盖,hash冲突转为链表和红黑树转换
Node<K,V> e; K k;
// 通过比较hash值,比较地址值,equals比较(这就是为什么要重写equals方法的原因,如果不重写比较的就是地址值)
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
// 如果key相同,就覆盖 (看下面key的覆盖逻辑)
e = p;
else if (p instanceof TreeNode)
e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
else {
// for循环:key不相同,转为链表和红黑树
// binCount:链表的长度
for (int binCount = 0; ; ++binCount) {
// 判断链表下一个节点是否为null
if ((e = p.next) == null) {
// 如果链表的下一个节点是null, 就将需要存入的key-value存到链表的下一个节点上
p.next = newNode(hash, key, value, null);
// 判断链表的长度是否 >= 8 (长度从0开始计算,所以是 8-1)
// TREEIFY_THRESHOLD = 8
if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st
// 如果链表长度达到了8,转为红黑树
treeifyBin(tab, hash);
break;
}
// 如果链表的下一个节点(变量e)不为null,判断需要存的key和下一个节点的key是否相同
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
// 如果相同就结束,且覆盖下一个节点(看下面key的覆盖逻辑)
break;
p = e;
}
}
// key的覆盖逻辑
if (e != null) { // existing mapping for key
V oldValue = e.value;
if (!onlyIfAbsent || oldValue == null)
e.value = value;
afterNodeAccess(e);
return oldValue;
}
}
++modCount;
// 当数组存入的元素大于threshold阈值(16 * 0.75),就调用resize()方法进行扩容
if (++size > threshold)
resize();
afterNodeInsertion(evict);
return null;
}
链表长度>=8不一定会转为红黑树,还要容量达到64的条件同时满足;具体看treeifyBin方法
final void treeifyBin(Node<K,V>[] tab, int hash) {
int n, index; Node<K,V> e;
// MIN_TREEIFY_CAPACITY = 64
if (tab == null || (n = tab.length) < MIN_TREEIFY_CAPACITY)
// 如果数组容量没有达到64,不会转为红黑树,会进行扩容
resize();
else if ((e = tab[index = (n - 1) & hash]) != null) {
// 数组容量达到64,才会进行红黑树转换
TreeNode<K,V> hd = null, tl = null;
do {
TreeNode<K,V> p = replacementTreeNode(e, null);
if (tl == null)
hd = p;
else {
p.prev = tl;
tl.next = p;
}
tl = p;
} while ((e = e.next) != null);
if ((tab[index] = hd) != null)
hd.treeify(tab);
}
}
代码片段3:resize()方法创建Node数组
创建Node数组的执行流程为注释的点
final Node<K,V>[] resize() {
Node<K,V>[] oldTab = table;
int oldCap = (oldTab == null) ? 0 : oldTab.length;
int oldThr = threshold;
int newCap, newThr = 0;
// 判断旧数组的长度
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; // double threshold
}
else if (oldThr > 0) // initial capacity was placed in threshold
newCap = oldThr;
else { // zero initial threshold signifies using defaults
// 旧数组长度不大于0(数组没创建当然是0), 初始化数组长度newCap为16, 扩容阈值newThr为 16 * 0.75 = 12
newCap = DEFAULT_INITIAL_CAPACITY;
newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);
}
if (newThr == 0) {
// ...
}
threshold = newThr;
@SuppressWarnings({"rawtypes","unchecked"})
// 在这里创建了数组
Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap];
table = newTab;
if (oldTab != null) {
// 扩容过程...
}
return newTab;
}
代码片段4:resize()方法扩容过程
final Node<K,V>[] resize() {
Node<K,V>[] oldTab = table;
int oldCap = (oldTab == null) ? 0 : oldTab.length; // 16
int oldThr = threshold; // 12
int newCap, newThr = 0;
// 判断旧数组的长度
if (oldCap > 0) {
// MAXIMUM_CAPACITY = 1 << 30 = 2^30 即集合的最大容量
if (oldCap >= MAXIMUM_CAPACITY) {
// threshold阈值设置的这么大,结束扩容,且不能再扩容了
threshold = Integer.MAX_VALUE;
return oldTab;
}
// newCap = oldCap << 1 计算新集合的容量 newCap = 16 * 2^1 = 32 就是翻倍
// 判断旧集合容量是否达到阈值12
else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&
oldCap >= DEFAULT_INITIAL_CAPACITY)
// 达到了阈值要进行扩容了,阈值也翻倍 newThr = 24
newThr = oldThr << 1; // double threshold
}
// 赋值到成员变量threshold阈值,用于下一次put时判断是否需要扩容
threshold = newThr;
@SuppressWarnings({"rawtypes","unchecked"})
// 创建新的数组,容量为32
Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap];
table = newTab;
// 旧数组的元素 转到 新数组的过程
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)
// 如果节点是单独节点,没有链表或红黑树结构,将hash和新数组容量32计算下标,将节点赋值到新数组的该下标位置
newTab[e.hash & (newCap - 1)] = e;
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;
// 原始hash & 原始容量 == 0,元素放在原来的位置
if ((e.hash & oldCap) == 0) {
if (loTail == null)
loHead = e;
else
loTail.next = e;
loTail = e;
}
else {
// 否则:元素放在 原来的位置 + 原始容量 的位置
if (hiTail == null)
hiHead = e;
else
hiTail.next = e;
hiTail = e;
}
} while ((e = next) != null);
// 元素放在原来的位置
if (loTail != null) {
loTail.next = null;
newTab[j] = loHead;
}
// 元素放在 原来的位置 + 原始容量 的位置
if (hiTail != null) {
hiTail.next = null;
newTab[j + oldCap] = hiHead;
}
}
}
}
}
return newTab;
}
三、原理总结
1、key可以为null,存在下标0,多次put覆盖
2、原始hash值算法: key.hashCode() ^ (h >>> 16)
3、new HashMap懒加载不会创建数组,初次put值才会创建数组,初始容量16
4、计算下标:(n - 1) & hash :原始hash值与容量-1进行与运算
5、下标重复时,先通过equals方法判断key是否相同,相同就覆盖value
6、key不相同:
链表长度<8:存到链表的下一个节点
链表长度>=8,数组容量<64:进行扩容
链表长度>=8,数组容量>=64:转换为红黑树
7、扩容因子:
扩容因子在new HashMap时指定,默认为0.75
小于0.75,扩容频繁,占空间
大于0.75,扩容少,省空间,但是链表长度长,影响性能
8、扩容容量和阈值
都是 = oldValue * 2^1,从初始容量的角度来看,就是2*n次方
数组容量: 16 -> 32 -> 64 -> 128 ...
阈值: 12 -> 24 -> 48 -> 96 ...
是2*n次方的原因:用公式(n - 1) & hash 位与运算代表取模运算
2*n次方优势:
- 搭配位与运算可以减少冲突
- 扩容时重新计算下标效率更高
- 原始hash & oldCap原始容量 == 0 的元素放在原来的位置
- 否则新位置 = 旧位置 + oldCap