Map是用于存储键值对（<key,value>）的集合类，也可以说是一组键值对，在Java 1.8以上，HashMap的数据结果如下
HashMap的内部数据结构是由数组，链表，红黑树组成的。下文结合put方法的流程图解先简单分析HashMap的流程，之后再进行详细介绍。图片引用自（https://blog.csdn.net/v123411739/article/details/78996181）
1 put方法图解（总体流程认知）
1.1 在通过new HashMap<Integer,Integer>()新建一个对象时，HashMap此时的数据结构如下
1.2 新建完对象后，调用put(1,1)方法时，在HashMap内部会利用key的值，计算出一个hash值，然后结合数组的长度n定位到一个数据的下标（细节的先忽略，后面再详细介绍），比如说这里通过key定位到的下标是1，这时候发现当前下标下的节点是个null对象，那么就新建一个链表类型节点（Node<K,V>）并且设置于当前下标下，如图所示
1.3 若此时又调用了put(5,8)，计算出来的table下标也是1（hash冲突），这个时候怎么办呢？很简单，新建多一个节点，拼接在后面不就行了？
1.4 又到了后面，我们不断调用put方法，计算出来的下标都是1，此时链表的长度很长了，难道一直往链表尾部添加节点，这时候会出现问题？当你调用get方法根据key获取一个value的时候，假如运气不好，就是查找尾部的节点，那要遍历整条链表，这时候效率非常低，因此，HashMap会在链表长度为8的时候，将链表转换成红黑树，此时可能的结构如下（后面的图省略value部分）。
转成红黑树后，红黑树的节点按照key自然排序，或者然后Comparable/Comparator方法定义的规则进行排序，那么后续的如果进行查找的话，只需要根据红黑树进行查找，效率非常高，时间复杂度达到log2(n)。
1.5 转换成红黑树后，再调用put方法进行添加节点的话，首选需要在红黑树进行查找，然后找到合适的位置进行替换值或者插入
1.6 然后我们又不断调用put方法，这个时候整个HashMap的节点数比较多了，会出现什么问题？当然后有的链表长或者红黑树过高了，这个时候就要对HashMap进行扩容了，Map默认是达到0.75 * n的节点数时触发扩容在。
从这5个步骤中，我们引出了几个问题
- Map中数组的长度是怎么计算的？
- Map是怎么通过key值定位到数组下表的？
- Map解决Hash冲突运用了什么方式？
- Map具体是怎么扩容的，什么时候触发扩容，细节是怎么样的？
- 为什么时0.75 * n的时候触发扩容
2 细节分析
先看一下HashMap中的几个参数
// 数组
transient Node<K,V>[] table;
// 节点数(链表节点+红黑树节点)
transient int size;
// 修改次数
transient int modCount;
// 促发扩容的节点数大小，如果是新建状态，那么这个字段代表的是当前数组最大容量
int threshold;
// 加载因子，默认0.75
final float loadFactor;
2.1 Map中数组的长度是怎么计算的？
- HashMap新建时如果不指定容量，那么默认的table数组长度时16。
- HashMap新建时如果指定了容量参数，比如30，那么计算出第一个大于等于指定容量、属于2的k次方的值作为table的容量，比如30的话会计算出32。
换而言之，HashMap的容量一定是2的k次方，假如当前table的长度为n，每次扩容时数组的长度增长到2*n。计算的算法比较巧妙，推荐大家看一下这位大神的文章HashMap容量计算
2.2 HashMap如何通过Key值定位数组下标？
static final int hash(Object key) {
int h;
return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}
如上代码所示，HashMap是key的hashCode跟hashCode的高16位置做异或操作，最终算出一个hash值，可能看的有点拗口，直接看例子
h 10100000000001100000000000000101
h>>>16 00000000000000001010000000000110
h ^ h>>>16 10100000000001101010000000000011
拿到计算出来的hash值后，就可以算出对应的table数组下标
// n代表的是数组的长度
(n - 1) & hash
HashMap通过上面的公式算出对应数组的下标，比如现在table数组的长度是16，那么（n-1）对应的二进制就是
0000000000000000001000000000001111
可以看到最终节点对应的table数组下标只跟低4位有关，所以这就说明了为什么key明明有hashCode，却还要做特殊的移位运算，因为这样可以尽量避免hash冲突。
2.3 在HashMap里面这种解决hash冲突的方法叫做链地址法，除了链地址法还有那些方法也可以解决hash冲突呢？
- 开放定址法（线性探测再散列，二次探测再散列，伪随机探测再散列）
- 再哈希法
- 建立一个公共溢出区
2.4 HashMap是怎么扩容的，回到1.5步骤中，当HashMap中的节点数大于 0.75 * 16时，那么就会触发扩容，如何扩容呢?
HashMap会新建一个2*n长度的newTable数组，然后把table[i]下标下的链表或者红黑树一拆为2，把n & hash == 0 的节点放到新数组table[i]下标下，把n & hash == 1的节点移动至新数组table[i+n]的下标下，最后用新数组替换旧数组，如下图2-1所示
扩容前,n = 16, 那么n-1的二进制位如下
0000000000000000001000000000001111
n 的二进制位如下
0000000000000000000000000000010000
扩容后，新数组长度n=32，那么n-1的二进制位如下
0000000000000000001000000000011111
显而易见，当 n & hash == 0 的时候，hash的第五位为0，此时
（n-1）& hash == (2n -1) & hash
当n & hash == 1的时候，hash的第五位为1，此时
（n-1）& hash + n == (2n -1) & hash
扩容的过程顺带说明了为什么HashMap每次选择两倍扩容，因为选择两倍扩容不需要再对节点重新根据hash值计算下标，只需要根据上述操作相应的把节点移动到newTable[i] 或者 newTable[i+n]下标下，避免了大量节点的重hash过程，效率上会比较好。
2.5 为什么时0.75 * n的时候触发扩容？
提高空间利用率和减少查询成本的折中，主要是泊松分布，0.75的话碰撞最小，关于泊松分布过于复杂，这里不再陈述，有兴趣的可以自行百度或者Google查看。说白了就是如果负载因子配的过低，比如0.5，0.4，那么HashMap的空间利用率不足，可能会造成很多数组下标下节点为空或者都是短链表，如果过高的话，那又可能红黑树过高或者链表长，造成查询效率降低。
3 put 代码分析
理解了上文put方法的过程再分析代码就轻松了许多了。
/**
* Associates the specified value with the specified key in this map.
* If the map previously contained a mapping for the key, the old
* value is replaced.
*
* @param key key with which the specified value is to be associated
* @param value value to be associated with the specified key
* @return the previous value associated with <tt>key</tt>, or
* <tt>null</tt> if there was no mapping for <tt>key</tt>.
* (A <tt>null</tt> return can also indicate that the map
* previously associated <tt>null</tt> with <tt>key</tt>.)
*/
public V put(K key, V value) {
return putVal(hash(key), key, value, false, true);
}
/**
* Implements Map.put and related methods.
*
* @param hash hash for key
* @param key the key
* @param value the value to put
* @param onlyIfAbsent if true, don't change existing value
* @param evict if false, the table is in creation mode.
* @return previous value, or null if none
*/
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table为空或者table的length等于0，那么调用resize方法进行初始化
// 即新建table
if ((tab = table) == null || (n = tab.length) == 0)
n = (tab = resize()).length;
// 通过(n - 1) & hash 定位头节点下标并且获取到头节点，赋值给p，如果p为空，那么直接新建一个链表类型节点，赋值给头节点
if ((p = tab[i = (n - 1) & hash]) == null)
tab[i] = newNode(hash, key, value, null);
else {
Node<K,V> e; K k;
// 如果头节点p的hash和传入的hash相等并且p节点的key和传入的key相等，那么即为目标节点，把p赋值给e
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
e = p;
// 如果头节点p不是目标节点并且p是红黑树类型节点，那么调用红黑树putTreeVal方法进行put
else if (p instanceof TreeNode)
e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
else {
// 遍历链表
for (int binCount = 0; ; ++binCount) {
// 如果遍历到了链表尾部，没有与传入的hash和key相对应的节点，那么新建一个链表类型节点，添加到链表尾部
if ((e = p.next) == null) {
p.next = newNode(hash, key, value, null);
// 如果链表中的节点数目大于阈值（8）， 那么调用treeifyBin方法将链表转换成红 黑树
if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st
treeifyBin(tab, hash);
break;
}
// 如果节点e的hash和传入的hash相等并且e节点的key和传入的key相等，那么即为目标节点,跳出循环
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
break;
// 把p赋值给e
p = e;
}
}
// 如果e节点不为空，那么证明与传入的hash和key相对应的节点存在，用value覆盖掉e节点的value即可，并且返回oldValue
if (e != null) { // existing mapping for key
V oldValue = e.value;
if (!onlyIfAbsent || oldValue == null)
e.value = value;
afterNodeAccess(e);
return oldValue;
}
}
++modCount;
// 如果当前节点数大于扩容阈值，那么进行扩容
if (++size > threshold)
resize();
// 空的钩子方法, 在LinkedHashMap等会用到
afterNodeInsertion(evict);
return null;
}
/**
* Tree version of putVal.
*/
final TreeNode<K,V> putTreeVal(HashMap<K,V> map, Node<K,V>[] tab,
int h, K k, V v) {
Class<?> kc = null;
boolean searched = false;
// 把红黑树得根节点赋值给root
TreeNode<K,V> root = (parent != null) ? root() : this;
// 把root赋值给p
for (TreeNode<K,V> p = root;;) {
int dir, ph; K pk;
// 把p.hash赋值给ph,并且判断p.hash是否比传入的h大,如果是,把dir赋值为-1，即下一步往红黑树的左子树进行查找
if ((ph = p.hash) > h)
dir = -1;
// 判断ph是否小于h,把dir赋值为1,即下一步往右子树查找
else if (ph < h)
dir = 1;
// 如果传入的hash和p节点的hash相等，并且传入的key和p节点的key相等，那么为目标节点直接返回
else if ((pk = p.key) == k || (k != null && k.equals(pk)))
return p;
// 判断传入的key是否实现了comparable接口，如果有，返回k的泛型类型Class对象给kc，如果，kc == null, 或者p的key和k相等，那么继续执行
else if ((kc == null &&
(kc = comparableClassFor(k)) == null) ||
(dir = compareComparables(kc, k, pk)) == 0) {
// 如果是循环第一次进行查找
if (!searched) {
TreeNode<K,V> q, ch;
searched = true;
// 先查询左子树是否有目标对象，否则，查询右子树是否有目标对象，为什么第二次第三次查询不需要，因为第一次查询符合上述if条件后，会往左或者往右走，往子树走，既然在上层找过一次之后没有，那么再往下层走了之后就肯定没有了
if (((ch = p.left) != null &&
(q = ch.find(h, k, kc)) != null) ||
((ch = p.right) != null &&
(q = ch.find(h, k, kc)) != null))
return q;
}
// 通过一种规则生成dir方向
dir = tieBreakOrder(k, pk);
}
TreeNode<K,V> xp = p;
// 如果p为空，那么证明没有目标节点，要新插入
if ((p = (dir <= 0) ? p.left : p.right) == null) {
// 把xp.next 赋值给xpn
Node<K,V> xpn = xp.next;
// 新建红黑树节点
TreeNode<K,V> x = map.newTreeNode(h, k, v, xpn);
// 如果dir < 0 ，插入左子节点
if (dir <= 0)
xp.left = x;
// 否则插入右子节点
else
xp.right = x;
// 在 xp 和 xpn 链表中间插入x
xp.next = x;
x.parent = x.prev = xp;
if (xpn != null)
((TreeNode<K,V>)xpn).prev = x;
// 插入后平衡红黑树，并且把红黑树的头节点刚到头节点位置处
moveRootToFront(tab, balanceInsertion(root, x));
return null;
}
}
}
/**
* Replaces all linked nodes in bin at index for given hash unless
* table is too small, in which case resizes instead.
*/
final void treeifyBin(Node<K,V>[] tab, int hash) {
int n, index; Node<K,V> e;
// 如果tab 为空或者tab.length 小于最小长度，那么用resize方法进行扩容
if (tab == null || (n = tab.length) < MIN_TREEIFY_CAPACITY)
resize();
// 如果头节点不为空
else if ((e = tab[index = (n - 1) & hash]) != null) {
TreeNode<K,V> hd = null, tl = null;
do {
// 新建红黑树节点
TreeNode<K,V> p = replacementTreeNode(e, null);
// 拼接链表
if (tl == null)
hd = p;
else {
p.prev = tl;
tl.next = p;
}
tl = p;
} while ((e = e.next) != null);
// 如果hd节点不为空，把hd赋值给头节点，并且调用treeify方法进行红黑树转换
if ((tab[index] = hd) != null)
hd.treeify(tab);
}
}
/**
* Forms tree of the nodes linked from this node.
*/
// 通过 treeifyBin 方法的操作，tab现在保持着链表结构
final void treeify(Node<K,V>[] tab) {
TreeNode<K,V> root = null;
// 首次循环把this即调用节点赋值给x，以后每次循环把 x.next 赋值给 x
for (TreeNode<K,V> x = this, next; x != null; x = next) {
// 把 x.next 赋值给 next
next = (TreeNode<K,V>)x.next;
x.left = x.right = null;
// 如果root == null, 也就是循环第一次调用，那么把x.parent 设为空，把x.red 设为false表示为黑节点, 把当前节点x赋值给root
if (root == null) {
x.parent = null;
x.red = false;
root = x;
}
else {
// 把x节点的key赋值给k
K k = x.key;
// 把x节点的hash赋值给h
int h = x.hash;
Class<?> kc = null;
// 从根节点开始往下确定位置插入
for (TreeNode<K,V> p = root;;) {
int dir, ph;
K pk = p.key;
// 往左子树走
if ((ph = p.hash) > h)
dir = -1;
// 往右子树走
else if (ph < h)
dir = 1;
// 判断k是否实现了comparable接口，如果有，返回k的泛型类型Class对象给kc，如果，kc == null, 或者pk和k相等，那么继续执行
else if ((kc == null &&
(kc = comparableClassFor(k)) == null) ||
(dir = compareComparables(kc, k, pk)) == 0)
// 通过某个规则定义方向
dir = tieBreakOrder(k, pk);
// 把p赋值给xp
TreeNode<K,V> xp = p;
// 如果dir<=0 把p.left 赋值为p，否则把p.right 赋值给p，如果p == null,那么进行插入
if ((p = (dir <= 0) ? p.left : p.right) == null) {
// 设置xp为x的parent
x.parent = xp;
// 如果dir<=0, 插入xp的左边
if (dir <= 0)
xp.left = x;
// 如果dir，插入xp的右边
else
xp.right = x;
// 插入后对红黑树进行平衡
root = balanceInsertion(root, x);
break;
}
}
}
}
// 把root节点移到头节点处
moveRootToFront(tab, root);
}
/**
* Ensures that the given root is the first node of its bin.
*/
static <K,V> void moveRootToFront(Node<K,V>[] tab, TreeNode<K,V> root) {
int n;
// 判断root，tab 是否等于null,并且tab.length >0
// 将tab.length 赋值给n
if (root != null && tab != null && (n = tab.length) > 0) {
// 计算root节点的hash并且赋值给index
int index = (n - 1) & root.hash;
// 当前的头节点赋值给first
TreeNode<K,V> first = (TreeNode<K,V>)tab[index];
// 如果root和first不是同一个节点
if (root != first) {
Node<K,V> rn;
// root赋值给头节点
tab[index] = root;
// root 前一个节点的next 指向root节点的next
// root 下一个节点的prev 指向root节点的pre
TreeNode<K,V> rp = root.prev;
if ((rn = root.next) != null)
((TreeNode<K,V>)rn).prev = rp;
if (rp != null)
rp.next = rn;
// 原头节点的prev 指向root
if (first != null)
first.prev = root;
// root节点的next指向原头节点
root.next = first;
root.prev = null;
}
//
assert checkInvariants(root);
}
}
/**
* 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;
int newCap, newThr = 0;
if (oldCap > 0) {
// 查找老表容量是否已经达到了最大值, MAXIMUM_CAPACITY = 1<<30, 如果超过
// 将阈值直接设置为 Integer.MAX_VALUE 并且返回老表
if (oldCap >= MAXIMUM_CAPACITY) {
threshold = Integer.MAX_VALUE;
return oldTab;
}
// 将新表容量newcap设置为老表容量的两倍,如果newcap 小于最大值，并且oldcap > 16
// 将新阈值设置为老阈值的两倍
else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&
oldCap >= DEFAULT_INITIAL_CAPACITY)
newThr = oldThr << 1; // double threshold
}
// 如果老表容量小于等于0，即为第一次初始化HashMap，把老表阈值赋值给newcap
else if (oldThr > 0) // initial capacity was placed in threshold
newCap = oldThr;
// 如果老表容量和阈值都小于等于0，那么newcap和newThr都设置为默认值
else { // zero initial threshold signifies using defaults
newCap = DEFAULT_INITIAL_CAPACITY;
newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);
}
// 如果newThr(新阈值等于0)，那么通过老表容量 * 新负载因子获取新阈值
if (newThr == 0) {
float ft = (float)newCap * loadFactor;
newThr = (newCap < MAXIMUM_CAPACITY && ft < (float)MAXIMUM_CAPACITY ?
(int)ft : Integer.MAX_VALUE);
}
// 指定新阈值，创建新表
threshold = newThr;
@SuppressWarnings({"rawtypes","unchecked"})
Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap];
table = newTab;
// 如果老表不为空，遍历老表
if (oldTab != null) {
for (int j = 0; j < oldCap; ++j) {
Node<K,V> e;
if ((e = oldTab[j]) != null) {
oldTab[j] = null;
// 如果老表头节点不为空，但是没有next元素，即这个头节点下结构为链表类型
// 并且只有一个节点，那么直接用新表容量计算下表，设置新表对应头节点
if (e.next == null)
newTab[e.hash & (newCap - 1)] = e;
// 如果是红黑树节点，那么调用红黑树的split方法进行操作
else if (e instanceof TreeNode)
((TreeNode<K,V>)e).split(this, newTab, j, oldCap);
// 如果是链表，将老表当前头节点开始的链表拆分成两条，假设链表中的节点为e
// e.hash & oldcap == 0 的节点拼接成一条链表 loHead
// e.hash & oldcap == 1 的节点拼接成一条链表 hiHead
// 把新表newTab[j] 的头节点直接设置为 e1的头节点
// 把新表newTab[j + oldcap] 的头节点直接设置为 e2的头节点
// 具体代码易读不解析
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) {
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;
}
/**
* Splits nodes in a tree bin into lower and upper tree bins,
* or untreeifies if now too small. Called only from resize;
* see above discussion about split bits and indices.
*
* @param map the map
* @param tab the table for recording bin heads
* @param index the index of the table being split
* @param bit the bit of hash to split on
*/
// 在链表转成红黑树后，依然保留着一条链表结构，但节点类型时红黑树节点
final void split(HashMap<K,V> map, Node<K,V>[] tab, int index, int bit) {
TreeNode<K,V> b = this;
// Relink into lo and hi lists, preserving order
TreeNode<K,V> loHead = null, loTail = null;
TreeNode<K,V> hiHead = null, hiTail = null;
int lc = 0, hc = 0;
// 按照红黑树保留的链表结构从头遍历，假设任意节点为e
// e.hash & oldcap == 0 的节点拼接成一条链表 loHead
// e.hash & oldcap == 1 的节点拼接成一条链表 hiHead
// 两条链表节点类型为TreeNode，即红黑树节点类型
for (TreeNode<K,V> e = b, next; e != null; e = next) {
next = (TreeNode<K,V>)e.next;
e.next = null;
if ((e.hash & bit) == 0) {
if ((e.prev = loTail) == null)
loHead = e;
else
loTail.next = e;
loTail = e;
++lc;
}
else {
if ((e.prev = hiTail) == null)
hiHead = e;
else
hiTail.next = e;
hiTail = e;
++hc;
}
}
// 如果loHead不为空
if (loHead != null) {
// 如果以loHead长度小于8，那么恢复成Node类型的链表
if (lc <= UNTREEIFY_THRESHOLD)
tab[index] = loHead.untreeify(map);
// 否则，转换成红黑树
else {
tab[index] = loHead;
if (hiHead != null) // (else is already treeified)
loHead.treeify(tab);
}
}
if (hiHead != null) {
// 如果以hiHead长度小于8，那么恢复成Node类型的链表
if (hc <= UNTREEIFY_THRESHOLD)
tab[index + bit] = hiHead.untreeify(map);
// 否则，转换成红黑树
else {
tab[index + bit] = hiHead;
if (loHead != null)
hiHead.treeify(tab);
}
}
}
/**
* Returns a list of non-TreeNodes replacing those linked from
* this node.
*/
final Node<K,V> untreeify(HashMap<K,V> map) {
Node<K,V> hd = null, tl = null;
// 从当前红黑树头节点开始，按照保持的链表结构遍历
for (Node<K,V> q = this; q != null; q = q.next) {
// 新建Node类型节点
Node<K,V> p = map.replacementNode(q, null);
// 拼接新类型链表
if (tl == null)
hd = p;
else
tl.next = p;
tl = p;
}
return hd;
}
4 get代码分析
/**
* Returns the value to which the specified key is mapped,
* or {@code null} if this map contains no mapping for the key.
*
* <p>More formally, if this map contains a mapping from a key
* {@code k} to a value {@code v} such that {@code (key==null ? k==null :
* key.equals(k))}, then this method returns {@code v}; otherwise
* it returns {@code null}. (There can be at most one such mapping.)
*
* <p>A return value of {@code null} does not <i>necessarily</i>
* indicate that the map contains no mapping for the key; it's also
* possible that the map explicitly maps the key to {@code null}.
* The {@link #containsKey containsKey} operation may be used to
* distinguish these two cases.
*
* @see #put(Object, Object)
*/
public V get(Object key) {
Node<K,V> e;
return (e = getNode(hash(key), key)) == null ? null : e.value;
}
/**
* Implements Map.get and related methods.
*
* @param hash hash for key
* @param key the key
* @return the node, or null if none
*/
final Node<K,V> getNode(int hash, Object key) {
Node<K,V>[] tab; Node<K,V> first, e; int n; K k;
// 判断table是否为空，并且table.length是否大于0
// 通过n - 1 & hash 找到头节点下标并且找出头节点
if ((tab = table) != null && (n = tab.length) > 0 &&
(first = tab[(n - 1) & hash]) != null) {
// 如果first节点（头节点）的 hash 和 key 和 入参的hash 还有key相同，则first为目标节 点，直接返回
if (first.hash == hash && // always check first node
((k = first.key) == key || (key != null && key.equals(k))))
return first;
// 如果first的next不为空
if ((e = first.next) != null) {
// 如果first节点是红黑树节点，那么调用红黑树的getTreeNode方法进行查找
if (first instanceof TreeNode)
return ((TreeNode<K,V>)first).getTreeNode(hash, key);
// 否则，对链表进行遍历查找
do {
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
return e;
} while ((e = e.next) != null);
}
}
return null;
}
/**
* Calls find for root node.
*/
final TreeNode<K,V> getTreeNode(int h, Object k) {
// 通过root方法找到红黑树头节点，进行遍历查找
return ((parent != null) ? root() : this).find(h, k, null);
}
/**
* Finds the node starting at root p with the given hash and key.
* The kc argument caches comparableClassFor(key) upon first use
* comparing keys.
*/
final TreeNode<K,V> find(int h, Object k, Class<?> kc) {
// 将当前调用节点赋值给p
TreeNode<K,V> p = this;
do {
int ph, dir; K pk;
// 将p的左节点赋值给pl，右节点赋值给pr
TreeNode<K,V> pl = p.left, pr = p.right, q;
// 如果p节点hash 值大于传入的hash值，那么把pl赋值给p（向左遍历）
if ((ph = p.hash) > h)r
p = pl;
// 如果p节点hash 值小于传入的hash值，那么把pr赋值给p（向右遍历）
else if (ph < h)
p = pr;
// 如果p节点hash值等于传入的hash值，并且p节点的key等于传入的key，那么p为目标节点，直 接返回
else if ((pk = p.key) == k || (k != null && k.equals(pk)))
return p;
// 如果p的左节点为空，那么把pr赋值给p（向右遍历）
else if (pl == null)
p = pr;
// 如果p的右节点为空，那么把pl赋值给p（向左遍历）
else if (pr == null)
p = pl;
// 调用comparableClassFor 判断传入的key k是否有实现Comparable接口，如果有，那么返 回k泛型参数的Class类型，并且调用compareComparables方法，通过Comparable的 compareTo方法判断p节点的key和入参k的大小关系，判断方向
else if ((kc != null ||
(kc = comparableClassFor(k)) != null) &&
(dir = compareComparables(kc, k, pk)) != 0)
// dir < 0 则向左遍历，否则向右遍历
p = (dir < 0) ? pl : pr;
// 上述条件都不满足的话，那么查询右子树，如果右子树有对应节点，那么直接返回
else if ((q = pr.find(h, k, kc)) != null)
return q;
// pl赋值给p（向左遍历）
else
p = pl;
} while (p != null);
return null;
}
5 remove代码分析
/**
* Implements Map.remove and related methods.
*
* @param hash hash for key
* @param key the key
* @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
* @return the node, or null if none
*/
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;
// 判断tab是否为空并且length是否大于0，获取到头节点p
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;
// 如果头节点就是要删除的目标节点，赋值p给node
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
node = p;
else if ((e = p.next) != null) {
// 如果头节点是红黑树类型，调用红黑树getTreeNode方法查找要删除的目标节点
if (p instanceof TreeNode)
node = ((TreeNode<K,V>)p).getTreeNode(hash, key);
// 如果头节点是链表节点类型，那么遍历链表查找要删除的目标节点
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);
}
}
// 如果目标节点存在
if (node != null && (!matchValue || (v = node.value) == value ||
(value != null && value.equals(v)))) {
// 如果要删除的节点是红黑树节点，那么调用红黑树removeTreeNode方法进行删除
if (node instanceof TreeNode)
((TreeNode<K,V>)node).removeTreeNode(this, tab, movable);
// 如果要删除的节点是链表类型节点，并且是头节点，那么头节点直接设置为node的next节点
else if (node == p)
tab[index] = node.next;
// 如果要删除的节点是链表类型节点，并且不是头节点，那么进行常规链表删除
// p为目标节点的前一个节点
else
p.next = node.next;
++modCount;
--size;
afterNodeRemoval(node);
return node;
}
}
return null;
}
/**
* Removes the given node, that must be present before this call.
* This is messier than typical red-black deletion code because we
* cannot swap the contents of an interior node with a leaf
* successor that is pinned by "next" pointers that are accessible
* independently during traversal. So instead we swap the tree
* linkages. If the current tree appears to have too few nodes,
* the bin is converted back to a plain bin. (The test triggers
* somewhere between 2 and 6 nodes, depending on tree structure).
*/
final void removeTreeNode(HashMap<K,V> map, Node<K,V>[] tab,
boolean movable) {
int n;
// 判断tab是否为空
if (tab == null || (n = tab.length) == 0)
return;
// ---start---
// 从这个start开始到下个end的步骤其实是在维护红黑树中的链表节点，即对链表进行删除
int index = (n - 1) & hash;
// first:头节点 root: 树头节点
TreeNode<K,V> first = (TreeNode<K,V>)tab[index], root = first, rl;
// succ：当前节点（目标删除节点的next节点） pred：当前节点的上一个节点
TreeNode<K,V> succ = (TreeNode<K,V>)next, pred = prev;
// 如果pred节点为空，那么当前节点是勾结点，那么把succ设置给头节点
if (pred == null)
tab[index] = first = succ;
// 如果pred不空，那么pred的下一个节点为目标节点的next节点
else
pred.next = succ;
// 如果succ不空，那么succ节点的前一个节点为目标节点的前一个节点
if (succ != null)
succ.prev = pred;
// 如果first为空，那么当前树为空，直接返回
if (first == null)
return;
// 如果root.parent 不为空，那么重新赋值
if (root.parent != null)
root = root.root();
// 如果树太小，那么直接转链表返回
if (root == null
|| (movable
&& (root.right == null
|| (rl = root.left) == null
|| rl.left == null))) {
tab[index] = first.untreeify(map); // too small
return;
}
// ---end---
TreeNode<K,V> p = this, pl = left, pr = right, replacement;
// 如果目标删除节点的左节点和右节点都不为空
// 交换p节点和s（p右子树key最小值节点）节点的位置
if (pl != null && pr != null) {
TreeNode<K,V> s = pr, sl;
// 从p节点的右节点开始，一直往左遍历，找到p节点右子树的key最小值节点
// 最小值节点为s
while ((sl = s.left) != null) // find successor
s = sl;
// 交换p节点和s节点的颜色
boolean c = s.red; s.red = p.red; p.red = c; // swap colors
TreeNode<K,V> sr = s.right;
TreeNode<K,V> pp = p.parent;
// 如果s节点等于p节点的右节点，即p节点的右节点没有左子树
if (s == pr) { // p was s's direct parent
// 把p的parent设置成s
p.parent = s;
// 把s的右节点设置成p
s.right = p;
}
// 如果s节点不等于p节点的右节点，即p节点的右节点有左子树
else {
TreeNode<K,V> sp = s.parent;
// 把s父节点的左节点或者右节点赋值为p
if ((p.parent = sp) != null) {
if (s == sp.left)
sp.left = p;
else
sp.right = p;
}
// 把s的右节点赋值成p节点的右节点
if ((s.right = pr) != null)
pr.parent = s;
}
// 直接把p.left 设置为空，因为s的左节点为空，交换之后p的左节点应该叶微孔
p.left = null;
// 把s的右节点赋值给p的右节点
if ((p.right = sr) != null)
sr.parent = p;
// 把p的左节点赋值给s的左节点
if ((s.left = pl) != null)
pl.parent = s;
// 把p的父节点这是给s的父节点，如果为空，那么pp就是root节点
if ((s.parent = pp) == null)
root = s;
// 否则把s赋值给pp节点的左节点或者右节点
else if (p == pp.left)
pp.left = s;
else
pp.right = s;
// 如果sr不为空，那么replacement=sr
if (sr != null)
replacement = sr;
// 否则replacement = p;
else
replacement = p;
}
// p的右子树为空
// replacement 等于p的左节点
else if (pl != null)
replacement = pl;
// p的左子树为空
// replacement 等于p的右节点
else if (pr != null)
replacement = pr;
else
replacement = p;
// 如果replacement != p，即对应原始p的右节点pr有左子树
// 把交换后的父节点从树中删除
if (replacement != p) {
// replacement的父节点等于p的父节点
TreeNode<K,V> pp = replacement.parent = p.parent;
// 如果pp是空，那么root就是replacement节点
if (pp == null)
root = replacement;
// 否则把replacement赋值给pp的左子节点或者右子节点
else if (p == pp.left)
pp.left = replacement;
else
pp.right = replacement;
p.left = p.right = p.parent = null;
}
// 删除后进行平衡处理，查看红黑树原理
TreeNode<K,V> r = p.red ? root : balanceDeletion(root, replacement);
// 如果replacement == p，p节点左右子树都为空，或者p节点的右子节点没有左右子树
if (replacement == p) { // detach
TreeNode<K,V> pp = p.parent;
p.parent = null;
if (pp != null) {
if (p == pp.left)
pp.left = null;
else if (p == pp.right)
pp.right = null;
}
}
if (movable)
moveRootToFront(tab, r);
}
8348
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
