文章目录
HashMap是基于哈希表的Map实现
哈希表的特点：关键字 key 和它在表中的存放位置 bucketIndex 之间存在一种确定的关系。即bucketIndex = hash(key)
哈希函数：一般情况下，需要在关键字与它在表中的存储位置之间建立一个函数关系，以f(key)作为关键字为key的记录在表中的位置，通常称这个函数f(key)为哈希函数。
hash : 翻译为“散列”，就是把任意长度的输入，通过散列算法，变成固定长度的输出，该输出就是散列值。这种转换是一种压缩映射，散列值的空间通常远小于输入的空间，不同的输入可能会散列成相同的输出，所以不可能从散列值来唯一的确定输入值。
(好的哈希函数会尽可能地保证计算简单和散列地址分布均匀，但是数组是一块连续的固定长度的内存空间，再好的哈希函数也不能保证得到的存储地址绝对不发生冲突)
hash冲突：关键字 key 和它在表中的存放位置 bucketIndex之间存在一种确定的关系。多个key计算出来的bucketIndex是一样的，即产生哈希冲突，需要存放在一个位置。
源码分析：
HashMap是数组+单列表/红黑树的结构
JDK 1.7及以前版本链表是头插法，JDK1.8链表是尾插法
当 Hash 冲突严重时，在桶上形成的单链表会变的越来越长，这样在查询时的效率就会越来越低，时间复杂度为 O(N)。所以引入了红黑树，当一个桶上值大于一个TREEIFY_THRESHOLD时，单链表转换为红黑树，时间复杂度为O（logN），MIN_TREEIFY_CAPACITY默认为64。
以下是JDK1.8的源码分析：
普通单链表的节点Node
static class Node<K,V> implements Map.Entry<K,V> {
final int hash;//对key的hashcode值进行hash运算后得到的值，存储在Entry，避免重复计算
final K key;
V value;
Node<K,V> next;//存储指向下一个Node的引用，单链表结构
Node(int hash, K key, V value, Node<K,V> next) {
this.hash = hash;
this.key = key;
this.value = value;
this.next = next;
}
}
构造函数HashMap()
只是指定了加载因子loadFactor 或者初始容量，并没有给table分配内存空间。
putVal（）中会判断table是否为空，为空则初始化，分配存储空间。
public class HashMap<K,V> extends AbstractMap<K,V> implements Map<K,V>, Cloneable, Serializable {
//存储节点的数组
transient Node<K,V>[] table; //用于存储Node节点（Map结构的数据）
//实际存储的节点总数
transient int size;
//门限值，是2的整数次幂，= capacity * loadFactor
int threshold;
//加载因子，默认是0.75
final float loadFactor;
//设置初始容量，加载因子默认为0.75
public HashMap(int initialCapacity) {
this(initialCapacity, DEFAULT_LOAD_FACTOR);
}
//设置初始容量和加载因子（加载因子默认为0.75）
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); //返回>=initialCapacity，且是2的整数次幂的值
}
//默认加载因子为0.75
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);
}
//是否需要扩容，赋值
final void putMapEntries(Map<? extends K, ? extends V> m, boolean evict) {
int s = m.size();
if (s > 0) {
if (table == null) { // pre-size 初始table容量为0
float ft = ((float)s / loadFactor) + 1.0F; //
int t = ((ft < (float)MAXIMUM_CAPACITY) ?
(int)ft : MAXIMUM_CAPACITY);
if (t > threshold)
threshold = tableSizeFor(t); //返回一个2的整数次幂，且>=t
}
else if (s > threshold) //table已经存储过，且需要存储的大于门限值
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);
}
}
}
tableSizeFor(int cap)
返回一个大于等于cap且最接近的2的幂次方整数，如给定15/16，返回2的4次方16，给定17返回32
比如有个int cap。
cap - 1 的 值： ： 01000000 0000000 00000000 00000000
n | n右移 1 位：01100000 0000000 00000000 00000000
n | n右移 2 位：01111000 0000000 00000000 00000000
n | n右移 4 位：01111111 1000000 00000000 00000000
n | n右移 8 位：01111111 11111111 10000000 00000000
n | n右移16位：01111111 11111111 11111111 11111111
也就说第一个bit为1的后面所有bit都为1
n + 1 则为大于等于给定整数且最接近的2的幂次方整数
//最大容量
static final int MAXIMUM_CAPACITY = 1 << 30;
//返回一个大于等于cap且最接近的2的幂次方整数
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;
}
get(key) 取操作
如果没有找到匹配key的value，返回null；否则返回value
tab[(n - 1) & hash] 相当于tab[hash]，table的索引（0 -> n-1， n = table.length）
因为n是2的整数幂，n -1，即1之后所有bit都是1，&1也为1，例如：8(2的三次幂，1000) -> 0111。
注释里简写为tab[hash]
//如果没有找到匹配key的value，返回null；否则返回node节点的value值
public V get(Object key) {
Node<K,V> e;
return (e = getNode(hash(key), key)) == null ? null : e.value;
}
// 返回匹配的节点node
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) { //如果table不为空，且table[hash]不为空
if (first.hash == hash && // always check first node，匹配桶的第一个节点
((k = first.key) == key || (key != null && key.equals(k))))
return first; //匹配则返回节点first
if ((e = first.next) != null) {
if (first instanceof TreeNode) //如果是红黑树，则按照树的方式查找
return ((TreeNode<K,V>)first).getTreeNode(hash, key);
do { //否则，单链表的结构
if (e.hash == hash && //链表遍历，去匹配key值和hash值，匹配则返回节点e
((k = e.key) == key || (key != null && key.equals(k))))
return e;
} while ((e = e.next) != null); //直到链表的尾部
}
}
return null;
}
//允许存入key为null的map对象，存放位置index = 0
//key的hashcode，高十六16不变，低16位为高16位与低16位的异或值，保证最终获取的存储位置尽量分布均匀
static final int hash(Object key) {
int h;
return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}
put(K key, V value) 插入操作
1、如果table == null, resize() ，table初始化扩容
2、如果table[(n - 1) & hash] 为空，空链表则直接插入
3、如果table[(n - 1) & hash] 的刚好匹配上key，执行步骤5
4、通过p.next不断遍历，如果匹配上key，则break, 执行步骤5，返回oldValue；否则一直遍历到链表的尾部，p.next为空的状态，则将p.next指向新的Node节点（并判断是否需要扩容resize）
5、如果有匹配的key，则用value替代oldValue, 返回oldValue
public V put(K key, V value) {
return putVal(hash(key), key, value, false, true);
}
// * @param onlyIfAbsent if true, don't change existing value
// * @param evict if false, the table is in creation mode.
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)
n = (tab = resize()).length; //如果table尚未初始化，则resize()扩容
if ((p = tab[i = (n - 1) & hash]) == null)
tab[i] = newNode(hash, key, value, null); //如果bucket的首位置为null，直接放入Node节点
else { //p是bucket的首节点，先判断首节点，不满足再遍历链表或者红黑树结构
Node<K,V> e; K k;
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
e = p; //如果bucket的首位置刚好匹配
else if (p instanceof TreeNode) //如果是红黑树的结构，按红黑树的方式查找插入
e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
else {
for (int binCount = 0; ; ++binCount) { //遍历链表，如果匹配上则退出循环，否则尾插
if ((e = p.next) == null) { //遍历到链表尾部，仍没匹配上，则在链表尾部插入新节点
p.next = newNode(hash, key, value, null);
if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st
treeifyBin(tab, hash); //如果链表上串联的个数大于门限值，则将链表转换为红黑树
break;
}
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
break; //匹配上key值，直接退出循环
p = e; // p指向p.next
}
}
if (e != null) { // 存在匹配的key，替换为新的value，并返回oldValue
V oldValue = e.value;
if (!onlyIfAbsent || oldValue == null) //onlyIfAbsent为false，则value替换oldValue
e.value = value;
afterNodeAccess(e);
return oldValue; //返回oldValue
}
}
//如果e == null，不存在匹配的key，尾插法
++modCount;
if (++size > threshold) //如果当前存储的节点总数size，大于门限值，扩容
resize();
afterNodeInsertion(evict);
return null;
}
Node<K,V> newNode(int hash, K key, V value, Node<K,V> next) {
return new Node<>(hash, key, value, next);
}
Jdk1.7之前是头插法
Entry<K,V> e = table[bucketIndex];
table[bucketIndex] = new Entry<K,V>(hash, key, value, e);
JDK1.8 是尾插法
if ((e = p.next) == null) {
p.next = newNode(hash, key, value, null);
}
resize() 扩容
包括第一次的初始化操作和扩容（2倍操作）。
-
如果oldTable为null，指定了initialCapacity，则newCap = tableSizeFor(initialCapacity)，newThr = newCap * loadFactor（不指定，loadFactor默认为0.75）
-
如果oldTable为null，没指定initialCapacity，则newCap = DEFAULT_INITIAL_CAPACITY（16），newThr = DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY（即16 * 0.75）
-
如果oldTable不为null，newCap = oldCap << 1，newThr = oldThr << 1，两倍方式扩容，table = newTab = (Node<K,V>[])new Node[newCap]，oldTable的值迁移到newTable上来。
/**
* 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() {
Node<K,V>[] oldTab = table;
int oldCap = (oldTab == null) ? 0 : oldTab.length;
int oldThr = threshold; //如果指定了initialCapacity，则等于tableSizeFor(initialCapacity)
int newCap, newThr = 0;
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)
// 如果指定了initialCapacity，newCap = oldThr = tableSizeFor(initialCapacity)
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]; //真正分配存储空间
table = newTab;
if (oldTab != null) {
for (int j = 0; j < oldCap; ++j) {
Node<K,V> e;
if ((e = oldTab[j]) != null) {c
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;
if ((e.hash & oldCap) == 0) { //这里很有意思，见上面解释。
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;
}
- HashMap的容量始终是2的整数次幂，默认初始化容量为16。
- 存储的bucket位置为key.hash() & (n -1) ，也就是取hash值的后n位。
- 假设原始capacity为2的N次幂 ，扩容两倍为 2的（N+1）次幂，存储位置取决于第N+1位（要么为0，要么为1），后N位位置不变，所以说以前的Node要么存放在相同的bucketIndex位置，要么存放在bucketIndex + oldCapacity位置。
不为空需要扩容时，因为我们使用的是2的整数次幂扩容，以前的Node要么存放在相同的bucketIndex位置，
要么存放在bucketIndex + oldCapacity位置。因为
oldBucketIndex = (table.length - 1) & hash
newBucktIndex = (newTable.length - 1) & hash
newTable.length 和 table.length是两倍的关系，只有最高一位N不一致
遍历oldTable数组的每一个bucket位置，索引为j，如bucket中存的是个单链表
原来的单链表中的每一个Node的key值，第N位的值为0，则存放位置和以前一致，为j；为1，则存放位置为 j + oldCap
- 对链表中的每一个Node进行判断，如果hash & oldCapacity为0，则newTab[j] = loHead
- 为1则链接在hiHead上。newTab[j + oldCap] = hiHead
remove(Object k) 删除操作
1、如果table不为null且table[(n - 1) & hash]不为空，取出table[(n - 1) & hash] 为p，p为表头；
2.1、如果p刚好能够匹配key,将p赋给node, 执行步骤3；
2.2、否则遍历，此时p会更新为e的上一个节点，如果找到能匹配上的key，e赋值给node，break，执行步骤3(也许不存在匹配的key，则直接返回null)
3、存在node(可匹配上key的这么一个节点)，如果node是表头，则table[index] = node.next；否则p.next = node.next，返回node
4、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;
}
// @param value the value to match if matchValue, else ignored
// @param matchValue if true only remove if value is equal
// @param movable if false do not move other nodes while removing
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;
if ((tab = table) != null && (n = tab.length) > 0 &&
(p = tab[index = (n - 1) & hash]) != null) {
//如果table不为空，且bucket位置的首节点p不为空
Node<K,V> node = null, e; K k; V v;
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
node = p; //检查bucket的首节点是否匹配，匹配直接将p赋给node
else if ((e = p.next) != null) { //e指向p.next
if (p instanceof TreeNode) //如果是红黑树，按红黑树的方式遍历查找
node = ((TreeNode<K,V>)p).getTreeNode(hash, key);
else {
do { //链表，遍历查找是否存在相同的key，将e赋给node并返回
if (e.hash == hash &&
((k = e.key) == key ||
(key != null && key.equals(k)))) {
node = e; //e指向p的下一个节点，node != p
break;
}
p = e; // p指向自己的下一个节点，e指向e的下一个节点，直到遍历完成
} while ((e = e.next) != null);
}
}
if (node != null && (!matchValue || (v = node.value) == value ||
(value != null && value.equals(v)))) {
//如果存在匹配key的node，且不需要匹配value或者value相等
if (node instanceof TreeNode) //如果是红黑树类型的节点，红黑树的方式移除
((TreeNode<K,V>)node).removeTreeNode(this, tab, movable);
else if (node == p) //如果首节点就匹配上，将node节点移除
tab[index] = node.next;
else //不是首节点，则将node节点移除
p.next = node.next;
++modCount;
--size;
afterNodeRemoval(node);
return node;
}
}
return null; //如果都没匹配上，返回null
}
hash(Object key) 二次哈希
如果key为null，则经过hash计算的bucketIndex为0；二次哈希让键值对均匀分布在数组的N个位置之中。
计算索引位置index = (n - 1 ) & hash，只取hash值的低n位，容易发生hash碰撞。
hash ^ (hash >>> 16) ，将高16位的变化反应到低16位，不容易产生hash碰撞些。
位运算(&)效率要比代替取模运算(%)高很多，主要原因是位运算直接对内存数据进行操作，不需要转成十进制，因此处理速度非常快。
只要保证length的长度是2^n的话，就可以实现取模运算了。HashMap中的length默认初始值是16，之后每次扩充为原来的2倍。
static final int hash(Object key) {
int h;
return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}
size()返回的是真实存储的Node数目
size() 返回的是真实存储的Node数目，而不是
isEmpty() 也是判断是否有node存储
// Returns the number of key-value mappings in this map.
public int size() {
return size;
}
public boolean isEmpty() {
return size == 0;
}
关于threshold的一些讨论
- size是实际存储的节点个数
- capacity = table.size （数组大小）
- threShold = capacity * loadFactor （门限值 = 数组大小 * 加载因子）
new HashMap()：指定threshold为默认值0.75，不初始化table分配内存空间
resize()初始化table时，capacity = 默认值16，threshold = 16 * 0.75 = 12，table = new Node[capacity]
判断++size > threshold时，resize()扩容时，都以两倍方式扩容，capacity 和 threshold都*2
HashMap(int initialCapacity)
HashMap(int initialCapacity, float loadFactor)
指定loadFactor，threshold = tableSizeFor(initialCapacity)，不初始化table分配内存空间
resize()初始化table时， newCap = oldThr，threshold = newCap * loadFactor
比方说initialCapacity = 16，loadFactor为默认值0.75，则oldThr = 16，newCap = 16，threshold = 12
判断++size > threshold时，resize()扩容时，都以两倍方式扩容，capacity 和 threshold都*2
HashMap总结：
- 可接受空值和空键，空键会默认存储在bucketIndex为0的地方，
- key值重复可选择性覆盖，put(K key, V value) 返回oldValue；
- 没有实现同步，是线程不安全的，相对也就效率更快
结构：一个数组Node<K, V>[] table， 每一个Node节点是一个单链表（jdk1.8之后加入了红黑树） （数组存储空间连续，寻址快，插入删除慢；链表存储空间离散，寻址慢，插入删除快）
存储对象 put(K key, V value)：根据key的HashCode()值得到数组中的bucket位置，用来存储键值对，当这个bucket位置没有存储过任何内容时，则直接存放；若已经有人占了位置，即两个key的HashCode()值相同，产生了哈希冲突（碰撞），具有同样hashCode()的键值对会存放在同一个bucket位置；假如存在 key 的 equals() 也相同的情况下，则标记为重复键，用新的value 值替代旧的 value值，并返回旧的value值； 否则的话，每个新进来的node对象放在链表的尾部，形成单链表，返回null
取值 get(v key) : 根据key的HashCode()找到bucket位置，如果存在多个，遍历链表，对key的equals() 进行匹配，匹配成功的则返回value。
key需要实现hashCode() 和 equals()，String 源码实现了hashCode() 和 equals方法，所以用的多
扩容：对数组进行扩容，当存储容量size大于threshold时，会创建一个两倍大小容量的bucket，将旧的数组 移动到 新的数组中去。（多线程的情况下会产生条件竞争，同时扩容，不适用多线程情况）
894
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
