一、构造函数
//initialCapacity 初始大小
//loadFactor 初始化负债因子
//threshold 阈值
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);
}
//返回大于输入参数且最近的2的整数次幂的数。
//例如 cap=10 n=cap-1=9
//转换二进制 n=1001
//对n右移1位 n=01001 再和原n 位或即 n=11011
//对n右移2位 n=0011011 再和原n 位或即 n=1111111
//接着右移4位再 位或 后可得 11个1
//综上可得,该算法让最高位的1后面的位全变为1。
//最后在让得到的结果 +1,也就得到2的整数次幂
//现在看一下int n = cap - 1
//让cap-1再赋值给n的目的是令 找到的目标值 大于或等于原值
//例如二进制1000,十进制数值为8。如果不对它减1而直接操作,将得到答案10000,即16。
//显然不是结果。减1后二进制为111,再进行操作则会得到原来的数值1000,即8。
//比如10,则返回16
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;
}
//不过在构造函数中 threshold 只是初始化一下,在resize()方法中会重新赋值
//应该是 threshold = LOAD_FACTOR * INITIAL_CAPACITY
二、核心方法 put()
public V put(K key, V value) {
return putVal(hash(key), key, value, false, true);
}
//先看key的hash方法
//关键点在key的hash值与 hash值右移16位的值做 异或运算,
//也就是高位做了异或运算,接着看下面的方法
static final int hash(Object key) {
int h;
return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}
//根据key的哈希值来决定在散列中的位置,初始容量是16,放到散列中,就是0-15的位置
//也就是 tab[i = (n - 1) & hash] 中(n - 1) & hash 是位置所在,
//可以发现,在做 与 运算时,只有后四位,也就是低位有效
//这样,当key的哈希值高位变化很大,低位变化很小时,会导致Hash值相同情况增多。
final V putVal(int hash, K key, V value, boolean onlyIfAbsent,
boolean evict) {
Node<K,V>[] tab; Node<K,V> p; int n, i;
//当散列为null时,调用resize()初始化散列
if ((tab = table) == null || (n = tab.length) == 0)
n = (tab = resize()).length;
//当没有发生哈希碰撞时,直接添加到散列中
if ((p = tab[i = (n - 1) & hash]) == null)
tab[i] = newNode(hash, key, value, null);
else {
//发生碰撞,需要放到链表或者红黑树中
Node<K,V> e; K k;
//p 链表的首节点
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
e = p;
//如果是红黑树,就调用树的插入方法
else if (p instanceof TreeNode)
e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
else {
//链表结构,
for (int binCount = 0; ; ++binCount) {
//如果下个节点为null,也就是到链表尾部了。
if ((e = p.next) == null) {
//直接构造新节点,并插入链表中
p.next = newNode(hash, key, value, null);
//如果节点总数大于8位,就把链表转成红黑树
if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st
treeifyBin(tab, hash);
break;
}
//如果找到了和插入值相同的key,则退出循环,并记录下当前节点
//在接下来的方法中,用新插入的value,替换现有的value
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
break;
p = e;
}
}
//如果该节点插入位置,已经有值,则用新值覆盖旧值,并返回旧值
if (e != null) { // existing mapping for key
V oldValue = e.value;
if (!onlyIfAbsent || oldValue == null)
e.value = value;
afterNodeAccess(e);
return oldValue;
}
}
++modCount;
//如果大于最大容量,扩容
if (++size > threshold)
resize();
afterNodeInsertion(evict);
return null;
}
三、扩容
final Node<K,V>[] resize() {
//旧散列数组
Node<K,V>[] oldTab = table;
//旧散列的容量
int oldCap = (oldTab == null) ? 0 : oldTab.length;
int oldThr = threshold;
int newCap, newThr = 0;
if (oldCap > 0) {
//如果已经超过最大容积,就直接返回接散列首节点
if (oldCap >= MAXIMUM_CAPACITY) {
threshold = Integer.MAX_VALUE;
return oldTab;
}
else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&
oldCap >= DEFAULT_INITIAL_CAPACITY)
//新的阈值为原来的2倍
newThr = oldThr << 1; // double threshold
}
//如果旧容量 小于等于 0,并且阈值大于0,则数组的新容量为老数组的阈值
else if (oldThr > 0) // initial capacity was placed in threshold
newCap = oldThr;
else { // zero initial threshold signifies using defaults
//使用默认值,容量为16,
newCap = DEFAULT_INITIAL_CAPACITY;
//阈值为(扩容因子*默认容量)16*0.75=12
newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);
}
//如果构造函数初始化时,设置容量为0,阈值大于0,导致新容量为0
if (newThr == 0) {
float ft = (float)newCap * loadFactor;
//则新容量为 新容量(老阈值*扩容因子) 或者 2^31 - 1
newThr = (newCap < MAXIMUM_CAPACITY && ft < (float)MAXIMUM_CAPACITY ?
(int)ft : Integer.MAX_VALUE);
}
//阈值重置
threshold = newThr;
//构建新容量的新数组
@SuppressWarnings({"rawtypes","unchecked"})
Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap];
table = newTab;
if (oldTab != null) {
//将旧的散列数组放到新散列数组中
for (int j = 0; j < oldCap; ++j) {
Node<K,V> e;
if ((e = oldTab[j]) != null) {
oldTab[j] = null;
//链表只有一个节点
if (e.next == null)
newTab[e.hash & (newCap - 1)] = e;
else if (e instanceof TreeNode)
//红黑树
((TreeNode<K,V>)e).split(this, newTab, j, oldCap);
else { // preserve order
// 进行链表复制
// 方法比较特殊: 它并没有重新计算元素在数组中的位置(1.7是重新hash)
// 而是采用了 原始位置加原数组长度的方法计算得到位置
Node<K,V> loHead = null, loTail = null;
Node<K,V> hiHead = null, hiTail = null;
Node<K,V> next;
do {
next = e.next;
// (e.hash & oldCap) 得到的是 元素的在数组中的位置是否需要移动,示例如下
// 示例1:
// e.hash=3 0000 0011
// oldCap=8 0000 1000
// & =0 0000 0000
//结论:元素位置在扩容后数组中的位置没有发生改变
// 示例2:
// e.hash=11 0000 1011
// oldCap=8 0000 1000
// & =1 0000 1000
//比如oldCap=8,hash是3,11,19,27时,
//(e.hash & oldCap)的结果是0,8,0,8,
//这样3,19组成新的链表,index为3;
//而11,27组成新的链表,新分配的index为3+8;
//两种结果,一个是0,一个是oldCap
//为0,说明还是原索引,将符合结果的元素组建成为新的链表lo
if ((e.hash & oldCap) == 0) {
if (loTail == null)
loHead = e;
else
loTail.next = e;
loTail = e;
}
// 原索引+oldCap,不符合组建成为链表hi
else {
if (hiTail == null)
hiHead = e;
else
hiTail.next = e;
hiTail = e;
}
} while ((e = next) != null);
// 原索引放到链表里
if (loTail != null) {
loTail.next = null;
newTab[j] = loHead;
}
// 原索引+oldCap放到bucket里
if (hiTail != null) {
hiTail.next = null;
newTab[j + oldCap] = hiHead;
}
}
}
}
}
return newTab;
}
四、相比较而言简单的get()
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;
//散列列表不为null并且length大于0
if ((tab = table) != null && (n = tab.length) > 0 &&
//所在位置不为null
(first = tab[(n - 1) & hash]) != null) {
//如果首位就是需要的值
if (first.hash == hash && // always check first node
((k = first.key) == key || (key != null && key.equals(k))))
return first;
if ((e = first.next) != null) {
//首位不是需要的值,如果是红黑树就在红黑树中查找
if (first instanceof TreeNode)
return ((TreeNode<K,V>)first).getTreeNode(hash, key);
do {
//否则就去链表中找
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
return e;
} while ((e = e.next) != null);
}
}
return null;
}
五、remove()
//和get()逻辑基本相同
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;
//散列列表不为null并且length大于0
if ((tab = table) != null && (n = tab.length) > 0 &&
//所在位置不为null
(p = tab[index = (n - 1) & hash]) != null) {
Node<K,V> node = null, e; K k; V v;
//如果首位就是需要的值
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
node = p;
else if ((e = p.next) != null) {
//否则就去红黑树或者链表中找到对应的值
if (p instanceof TreeNode)
node = ((TreeNode<K,V>)p).getTreeNode(hash, key);
else {
do {
if (e.hash == hash &&
((k = e.key) == key ||
(key != null && key.equals(k)))) {
node = e;
break;
}
p = e;
} while ((e = e.next) != null);
}
}
if (node != null && (!matchValue || (v = node.value) == value ||
(value != null && value.equals(v)))) {
//执行移除操作
if (node instanceof TreeNode)
//红黑树移除
((TreeNode<K,V>)node).removeTreeNode(this, tab, movable);
else if (node == p)
//链表
tab[index] = node.next;
else
//在首位
p.next = node.next;
++modCount;
--size;
afterNodeRemoval(node);
return node;
}
}
return null;
}