每天学习一点点之HashMap

HashMap默认大小

static final int DEFAULT_INITIAL_CAPACITY = 1 << 4; // aka 16

HashMap最大容量，2的30次方 

static final int MAXIMUM_CAPACITY = 1 << 30;

HashMap负载系数，当size超过容量的0.75(初始化大小为 16 * 0.75 = 12)后扩容

static final float DEFAULT_LOAD_FACTOR = 0.75f;

jdk8之前hashmap的数据结构是数组+链表，在hash碰撞很频繁的情况下链表会很长，由于hashmap查询数据的链表部分是通过循环来比较值的，所以效率慢。
jdk8把数据结构改为数组+链表+红黑树的形式，当链表的长度大于6时，把链表转换成红黑树。

static final int TREEIFY_THRESHOLD = 8;

红黑树的一些特点：
1.根结点一定是黑色
2.每个节点非黑即红
3.红色节点的叶子节点一定是黑色
4.从任意节点到叶子节点的黑色节点数量相同
问：hashmap为什么使用红黑树，而不是使用二分查找树或者avl平衡树？
二分查找树在极端情况下会退化成链表影响效率。
avl平衡树参考 https://blog.csdn.net/21aspnet/article/details/88939297 

还有既然红黑树这么好，那为什么不直接使用红黑树，而要在链表和红黑树之间转换？
其实吧，红黑树毕竟是平衡树需要维持平衡就需要旋转，旋转也是耗时的，所以在量小的情况下，链表效率反而高。

 

 

退化阈值，当链表大小小于等于此值后把红黑树退化成链表

static final int UNTREEIFY_THRESHOLD = 6;

Hash桶化树的阈值

static final int MIN_TREEIFY_CAPACITY = 64;

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

计算hash值，很关键的一段代码，因为hashmap中所有的操作基本离不开它。

 

/**
     * Returns a power of two size for the given target capacity.
     */
    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;
    }

对于给定的目标容量，返回两倍大小的幂（2的幂次方）。这个函数在初始化指定容量的构造方法中会被调用。

例如：

cap=9   return 16

cap=15 return 16   

cap=16 return 16

cap=17 return 32

 

    /**
     * Constructs an empty <tt>HashMap</tt> with the specified initial
     * capacity and load factor.
     *
     * @param  initialCapacity the initial capacity
     * @param  loadFactor      the load factor
     * @throws IllegalArgumentException if the initial capacity is negative
     *         or the load factor is nonpositive
     */
    public HashMap(int initialCapacity, float loadFactor) {
        if (initialCapacity < 0)
            throw new IllegalArgumentException("Illegal initial capacity: " +
                                               initialCapacity);
        if (initialCapacity > MAXIMUM_CAPACITY)
            initialCapacity = MAXIMUM_CAPACITY;
        if (loadFactor <= 0 || Float.isNaN(loadFactor))
            throw new IllegalArgumentException("Illegal load factor: " +
                                               loadFactor);
        this.loadFactor = loadFactor;
        this.threshold = tableSizeFor(initialCapacity);
    }

说曹操曹操就到。这个自定义容量和负载因子的构造方法中调用tableSizeFor 方法，以确保hashmap的容量是2的幂次方

    /**
     * Constructs an empty <tt>HashMap</tt> with the specified initial
     * capacity and the default load factor (0.75).
     *
     * @param  initialCapacity the initial capacity.
     * @throws IllegalArgumentException if the initial capacity is negative.
     */
    public HashMap(int initialCapacity) {
        this(initialCapacity, DEFAULT_LOAD_FACTOR);
    }

会调用上面的方法 public HashMap(int initialCapacity, float loadFactor) 初始化。

    /**
     * Constructs an empty <tt>HashMap</tt> with the default initial capacity
     * (16) and the default load factor (0.75).
     */
    public HashMap() {
        this.loadFactor = DEFAULT_LOAD_FACTOR; // all other fields defaulted
    }

默认负载因子是0.75，容量是16

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

初始化的时候把参数m放入map中

final void putMapEntries(Map<? extends K, ? extends V> m, boolean evict) {
        //获取传入map大小
        int s = m.size();
        if (s > 0) {//如果传入的map没数据就没必要走下去了
            //首先如果当前table为null（也就是是一个新的map），根据传入的map大小重新计算容量
            //如果当前table不为空，但传入的map容量 大于 当前map容量，扩容
            //然后把传入的map放入新的map中
            if (table == null) { // pre-size
                float ft = ((float)s / loadFactor) + 1.0F;
                int t = ((ft < (float)MAXIMUM_CAPACITY) ?
                         (int)ft : MAXIMUM_CAPACITY);
                if (t > threshold)
                    threshold = tableSizeFor(t);
            }
            else if (s > threshold)
                resize();
            for (Map.Entry<? extends K, ? extends V> e : m.entrySet()) {
                K key = e.getKey();
                V value = e.getValue();
                putVal(hash(key), key, value, false, evict);
            }
        }
    }

 

public V get(Object key) {
        Node<K,V> e;
        return (e = getNode(hash(key), key)) == null ? null : e.value;
}

获取元素的方法，调用hash算法算出下标，然后在table中取值。参数是一个object值，那也就可以是一个对象，如果一个对象作为key在进行hash运算的时候是不是要求参数对象重新hashcode算法。

final Node<K,V> getNode(int hash, Object key) {
        Node<K,V>[] tab; Node<K,V> first, e; int n; K k;
        if ((tab = table) != null && (n = tab.length) > 0 &&
            (first = tab[(n - 1) & hash]) != null) {
            //通过hash在tab中获取数据，没取到直接返回null

            if (first.hash == hash && // always check first node
                ((k = first.key) == key || (key != null && key.equals(k))))
                //判断第一个node的值是不是我们要的值
                return first;
            if ((e = first.next) != null) {
                //如果第一个节点不是，就接着判断后面的节点
                if (first instanceof TreeNode)
                    //这个是红黑树
                    return ((TreeNode<K,V>)first).getTreeNode(hash, key);

                //链表通过循环比较获取
                do {
                    if (e.hash == hash &&
                        ((k = e.key) == key || (key != null && key.equals(k))))
                        return e;
                } while ((e = e.next) != null);
            }
        }
        return null;
}

//调用getNode方法判断key存不存在
public boolean containsKey(Object key) {
    return getNode(hash(key), key) != null;
}

final V putVal(int hash, K key, V value, boolean onlyIfAbsent,
                   boolean evict) {
        Node<K,V>[] tab; Node<K,V> p; int n, i;
        if ((tab = table) == null || (n = tab.length) == 0)
            //tab还未初始化，初始化tab
            n = (tab = resize()).length;
        if ((p = tab[i = (n - 1) & hash]) == null)
            //tab中未找到就新new一个node
            tab[i] = newNode(hash, key, value, null);
        else {
            //如果在tab中找到了node，并且第一个节点就是
            Node<K,V> e; K k;
            if (p.hash == hash &&
                ((k = p.key) == key || (key != null && key.equals(k))))
                e = p;
            else if (p instanceof TreeNode)
                //第一个节点不是，接着查找下面的节点，如果节点转换为红黑树了，就走红黑树逻辑
                e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
            else {
                //如果是链表，就循环查找
                for (int binCount = 0; ; ++binCount) {
                    if ((e = p.next) == null) {
                        //链表找完了都没找到的情况
                        p.next = newNode(hash, key, value, null);
                        if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st
                            //判断是扩容还是转红黑树
                            treeifyBin(tab, hash);
                        break;
                    }
            
                    //找到了的情况
                    if (e.hash == hash &&
                        ((k = e.key) == key || (key != null && key.equals(k))))
                        break;
                    p = e;
                }
            }
            //替换值
            if (e != null) { // existing mapping for key
                V oldValue = e.value;
                if (!onlyIfAbsent || oldValue == null)
                    e.value = value;
                afterNodeAccess(e);
                return oldValue;
            }
        }
        ++modCount;
        if (++size > threshold)
            //扩容
            resize();
        afterNodeInsertion(evict);
        return null;
    }

//扩容
final Node<K,V>[] resize() {
        Node<K,V>[] oldTab = table;
        int oldCap = (oldTab == null) ? 0 : oldTab.length;
        int oldThr = threshold;
        int newCap, newThr = 0;
        if (oldCap > 0) {
            if (oldCap >= MAXIMUM_CAPACITY) {
                //如果旧map的容量超过最大容量，就把容量设置为int最大值
                threshold = Integer.MAX_VALUE;
                return oldTab;
            }
            else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&
                     oldCap >= DEFAULT_INITIAL_CAPACITY)
                //如果当前容量扩容2倍后满足条件就扩容2倍
                newThr = oldThr << 1; // double threshold
        }
        else if (oldThr > 0) // initial capacity was placed in threshold
            newCap = oldThr;
        else {               // zero initial threshold signifies using defaults
            newCap = DEFAULT_INITIAL_CAPACITY;
            newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);
        }
        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
            for (int j = 0; j < oldCap; ++j) {
                Node<K,V> e;
                if ((e = oldTab[j]) != null) {
                    oldTab[j] = null;
                    if (e.next == null)
                        newTab[e.hash & (newCap - 1)] = e;
                    else if (e instanceof TreeNode)
                        ((TreeNode<K,V>)e).split(this, newTab, j, oldCap);
                    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;
                            //这里的算法很有意思，扩容后原数据位置是否不变是由高位确定
                            //举例讨论数组大小从8扩容到16的过程

                            //容量是8
                            //tab.length -1 = 7   0 0 1 1 1
                            //e.hashCode = x      0 x x x x
                            //==============================
                            //                    0 0 y y y 

                            //扩容到16
                            //tab.length -1 = 15   0 1 1 1 1
                            //e.hashCode = x       x x x x x
                            //==============================
                            //                     0 z y y y
                             /**
                              * 扩容后，index的位置由低四位来决定,而低三位和扩容前一致。
                              * 也就是说扩容后index的位置是否改变是由高字节来决定的,
                              * 也就是说我们只需要将hashCode和高位进行运算即可得到index是否改变。
                              * 而刚好扩容之后的高位和oldCap的高位一样。
                              * 如上面的15二进制是1111,
                              * 而8的二进制是1000,他们的高位都是一样的。
                              * 所以我们通过e.hash & oldCap运算的结果即可判断index是否改变。
                              *
                              * 同理，如果扩容后index该变了。
                              * 新的index和旧的index的值也是高位不同，
                              * 其新值刚好是 oldIndex + oldCap的值。
                              * 所以当index改变后,新的index是 j + oldCap。
                              *
                              * 至此,resize方法结束,元素被插入到了该有的位置。
                              *
                              * 链接：https://www.jianshu.com/p/fb282d3d2e87
                              */

                            if ((e.hash & oldCap) == 0) {
                                if (loTail == null)
                                    loHead = e;
                                else
                                    loTail.next = e;
                                loTail = e;
                            }
                            else {
                                if (hiTail == null)
                                    hiHead = e;
                                else
                                    hiTail.next = e;
                                hiTail = e;
                            }
                        } while ((e = next) != null);
                        if (loTail != null) {
                            loTail.next = null;
                            newTab[j] = loHead;
                        }
                        if (hiTail != null) {
                            hiTail.next = null;
                            newTab[j + oldCap] = hiHead;
                        }
                    }
                }
            }
        }
        return newTab;
    }

//链表转换为红黑树
final void treeifyBin(Node<K,V>[] tab, int hash) {
        int n, index; Node<K,V> e;
        if (tab == null || (n = tab.length) < MIN_TREEIFY_CAPACITY)
            //当数组tab小于64的时候，扩容？
            //这个作用是通过扩容从新分配节点来减少hash碰撞后的链表长度？
            resize();
        else if ((e = tab[index = (n - 1) & hash]) != null) {
            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);
        }
    }