目录
1.数据结构
1.Node
static class Node<K,V> implements Map.Entry<K,V> {
final int hash;
final K key;
V value;
Node<K,V> next;
Node(int hash, K key, V value, Node<K,V> next) {
this.hash = hash;
this.key = key;
this.value = value;
this.next = next;
}
public final K getKey() { return key; }
public final V getValue() { return value; }
public final String toString() { return key + "=" + value; }
public final int hashCode() {
return Objects.hashCode(key) ^ Objects.hashCode(value);
}
public final V setValue(V newValue) {
V oldValue = value;
value = newValue;
return oldValue;
}
public final boolean equals(Object o) {
if (o == this)
return true;
if (o instanceof Map.Entry) {
Map.Entry<?,?> e = (Map.Entry<?,?>)o;
if (Objects.equals(key, e.getKey()) &&
Objects.equals(value, e.getValue()))
return true;
}
return false;
}
}
2.LinkedHashMap$Entry
多了before、after指针,用来维护顺序(insert order/access order)
static class Entry<K,V> extends HashMap.Node<K,V> {
Entry<K,V> before, after;
Entry(int hash, K key, V value, Node<K,V> next) {
super(hash, key, value, next);
}
}
3.TreeNode
1.类结构
static final class TreeNode<K,V> extends LinkedHashMap.Entry<K,V> {
TreeNode<K,V> parent; // 父节点
TreeNode<K,V> left; // 左子树指针
TreeNode<K,V> right; // 右子树指针
TreeNode<K,V> prev; // prev和next指针维护双向链表
boolean red; // 节点颜色
TreeNode(int hash, K key, V val, Node<K,V> next) {
super(hash, key, val, next);
}
...
}
2.root()
查找红黑树的根节点
final TreeNode<K,V> root() {
for (TreeNode<K,V> r = this, p;;) {
if ((p = r.parent) == null)
return r;
r = p;
}
}
3.moveRootToFront()
保持红黑树的root节点永远处于slot上的第一个元素
因为这个方法是在红黑树平衡后调用 所以是不需要调整红黑树结构的 但是TreeNode维护的双向链表可能是需要调整的
static <K,V> void moveRootToFront(Node<K,V>[] tab, TreeNode<K,V> root) {
int n;
if (root != null && tab != null && (n = tab.length) > 0) {
int index = (n - 1) & root.hash;
TreeNode<K,V> first = (TreeNode<K,V>)tab[index];
// 如果当前slot的第一个元素不是root节点
if (root != first) {
Node<K,V> rn;
tab[index] = root; // slot第一个元素改为root节点
// 将root节点移动后 维护双向链表顺序
TreeNode<K,V> rp = root.prev;
if ((rn = root.next) != null)
((TreeNode<K,V>)rn).prev = rp;
if (rp != null)
rp.next = rn;
if (first != null)
first.prev = root;
root.next = first;
root.prev = null;
}
assert checkInvariants(root);
}
}
4.find()
从红黑树的当前节点,一直向下搜索保存了给定Key的节点
确定红黑树的搜索方向,首先比较哈希值
-
如果哈希值不一样,向左/右子树继续搜索
-
如果哈希值一样,立马进行Key的比较,如果Key也一样,则立即返回当前节点
-
如果哈希值一样,但是Key不一样,则进行Key的Class类型比较,来确定继续搜索的方向
-
如果依然确定不了搜索方向,则先从右子树向下搜索,如果搜索不到再去左子树向下搜索
-
final TreeNode<K,V> find(int h, Object k, Class<?> kc) {
TreeNode<K,V> p = this;
do {
int ph, dir; K pk;
TreeNode<K,V> pl = p.left, pr = p.right, q;
if ((ph = p.hash) > h)
p = pl;
else if (ph < h)
p = pr;
// hash一样 key地址值(equals判断)一样 直接返回当前节点
else if ((pk = p.key) == k || (k != null && k.equals(pk)))
return p;
// hash一样时 如果不存在左子树 则下次从右子树开始寻找
else if (pl == null)
p = pr;
// hash一样时 如果不存在右子树 则下次从左子树开始寻找
else if (pr == null)
p = pl;
// hash一样时 左右子树都存在 则进行Key的Class类型比较来确定搜索方向
else if ((kc != null ||
(kc = comparableClassFor(k)) != null) &&
(dir = compareComparables(kc, k, pk)) != 0)
p = (dir < 0) ? pl : pr;
// 哈希一样时 左右子树都存在 且上面Key的Class类型比较依然确定不了方向
// 则从右子树向下搜索 如果搜索到了立马返回
else if ((q = pr.find(h, k, kc)) != null)
return q;
// 走到这里 说明上面从右子树去搜索没搜索到
// 这个时候再去左子树上搜索
else
p = pl;
} while (p != null);
return null;
}
5.tieBreakOrder()
当哈希值相同,且Key的Class类型比较依然相同时,通过这个方法来最终确定方向
-
如果a和b都不为null,则进行全类名字符串的比较,比较结果不为0立即返回
-
如果a或者b为null,或者上面的全类名字符串比较结果依然是0,则通过System.identityHashCode()拿到哈希值进行比较
static int tieBreakOrder(Object a, Object b) {
int d;
if (a == null || b == null ||
(d = a.getClass().getName().
compareTo(b.getClass().getName())) == 0)
d = (System.identityHashCode(a) <= System.identityHashCode(b) ?
-1 : 1);
return d;
}
6.treeify()
将TreeNode维护的双向链表上的节点挨个取出来,然后生成一棵红黑树
final void treeify(Node<K,V>[] tab) {
TreeNode<K,V> root = null;
// 从当前节点一直找到链表末尾
for (TreeNode<K,V> x = this, next; x != null; x = next) {
next = (TreeNode<K,V>)x.next;
x.left = x.right = null;
if (root == null) { // 第一个插入节点为根节点
x.parent = null;
x.red = false; // 根节点为黑色
root = x;
}
else {
K k = x.key;
int h = x.hash;
Class<?> kc = null;
// 如果根节点不为null 则从根节点开始寻找 找到待插入节点的父节点
for (TreeNode<K,V> p = root;;) {
int dir, ph;
K pk = p.key;
// 确定搜索方向
if ((ph = p.hash) > h)
dir = -1;
else if (ph < h)
dir = 1;
else if ((kc == null &&
(kc = comparableClassFor(k)) == null) ||
(dir = compareComparables(kc, k, pk)) == 0)
dir = tieBreakOrder(k, pk);
TreeNode<K,V> xp = p;
// dir<=0时 且左子树为null 则当前节点就是待插入节点的父节点
// dir>0时 且右子树为null 则当前节点就是待插入节点的父节点
if ((p = (dir <= 0) ? p.left : p.right) == null) {
// 维护二叉搜索树的关系
x.parent = xp;
if (dir <= 0)
xp.left = x;
else
xp.right = x;
// 节点插入后的平衡操作 然后跳出循环 继续链表上next节点的插入
root = balanceInsertion(root, x);
break;
}
}
}
}
// 红黑树生成后 将root节点移动到slot第一个元素
moveRootToFront(tab, root);
}
7.untreeify()
将双向链表上维护的TreeNode变为普通Node组织的单链表,返回单链表头指针
final Node<K,V> untreeify(HashMap<K,V> map) {
Node<K,V> hd = null, tl = null;
for (Node<K,V> q = this; q != null; q = q.next) {
Node<K,V> p = map.replacementNode(q, null);
if (tl == null)
hd = p;
else
tl.next = p;
tl = p;
}
return hd;
}
8.balanceInsertion()
二叉搜索树插入节点后的平衡操作,平衡后返回红黑树根节点
static <K,V> TreeNode<K,V> balanceInsertion(TreeNode<K,V> root,
TreeNode<K,V> x) { // x为新插入的节点
x.red = true; // 红黑树规则:新插入节点都是红色
for (TreeNode<K,V> xp, xpp, xppl, xppr;;) {
if ((xp = x.parent) == null) { // 父节点为null 说明当前节点是根节点 染黑后结束
x.red = false;
return x;
}
// 父节点不为null时 如果父节点是黑色或者父节点是根节点 不需要平衡
else if (!xp.red || (xpp = xp.parent) == null)
return root;
// 父节点是祖父节点的左子树
if (xp == (xppl = xpp.left)) {
// 存在叔父节点 且叔父节点是红色的
// 染黑父节点和叔父节点 染红祖父节点 再将祖父节点作为新插入节点去递归判断
if ((xppr = xpp.right) != null && xppr.red) {
xppr.red = false;
xp.red = false;
xpp.red = true;
x = xpp;
}
else {
if (x == xp.right) { // LR
// 这里相当于两步操作 rotate(root, xp); x = 旋转后的xp;
// 这个时候的x其实就是左旋到下面去的之前的父节点 而xp则是之前父节点的右子树
root = rotateLeft(root, x = xp);
xpp = (xp = x.parent) == null ? null : xp.parent; // 最新的祖父节点
}
if (xp != null) { // LL
// 将xp染黑 将xpp染红 然后对xpp进行右旋
xp.red = false;
if (xpp != null) {
xpp.red = true;
root = rotateRight(root, xpp);
}
}
}
}
// 父节点是祖父节点的右子树
else {
// 叔父节点是红色 染黑父节点和叔父节点 染红祖父节点
// 将祖父节点作为新节点插入递归调用本方法
if (xppl != null && xppl.red) {
xppl.red = false;
xp.red = false;
xpp.red = true;
x = xpp;
}
else {
if (x == xp.left) { // RL
root = rotateRight(root, x = xp); // 先对父节点进行右旋
xpp = (xp = x.parent) == null ? null : xp.parent; // 更新祖父节点
}
if (xp != null) { // RR
xp.red = false;
if (xpp != null) {
xpp.red = true;
root = rotateLeft(root, xpp); // 对祖父节点进行左旋 相关节点染色
}
}
}
}
}
}
static <K,V> TreeNode<K,V> rotateLeft(TreeNode<K,V> root,
TreeNode<K,V> p) {
TreeNode<K,V> r, pp, rl;
if (p != null && (r = p.right) != null) {
// p.right = r.left;
// rl = r.left;
// if(rl != null) rl.parent = p;
if ((rl = p.right = r.left) != null)
rl.parent = p;
// r.parent = p.parent;
// pp = p.parent;
// if (pp == null) { root = r; root.red = false; }
if ((pp = r.parent = p.parent) == null)
(root = r).red = false;
// if (pp != null && p == pp.left) pp.left = r;
else if (pp.left == p)
pp.left = r;
// if (pp != null && p = pp.right) pp.right = r;
else
pp.right = r;
// p.parent = r; r.left = p;
r.left = p;
p.parent = r;
}
return root;
}
static <K,V> TreeNode<K,V> rotateRight(TreeNode<K,V> root,
TreeNode<K,V> p) {
TreeNode<K,V> l, pp, lr;
if (p != null && (l = p.left) != null) {
if ((lr = p.left = l.right) != null)
lr.parent = p;
if ((pp = l.parent = p.parent) == null)
(root = l).red = false;
else if (pp.right == p)
pp.right = l;
else
pp.left = l;
l.right = p;
p.parent = l;
}
return root;
}
9.banalceDeletion()
红黑树节点删除后的平衡操作,删除后的平衡操作逻辑要比添加复杂
这里的x节点是真正删除节点的替代节点,能来到这里,说明基本二叉搜索树删除节点后的指针关系已经维护完了
static <K,V> TreeNode<K,V> balanceDeletion(TreeNode<K,V> root,
TreeNode<K,V> x) {
for (TreeNode<K,V> xp, xpl, xpr;;) {
// 如果替代节点为null或者是root 直接return
if (x == null || x == root)
return root;
// 如果替代节点是root 则将它染黑后返回
else if ((xp = x.parent) == null) {
x.red = false;
return x;
}
// 如果替代节点是红色的 将它染黑后返回
else if (x.red) {
x.red = false;
return root;
}
else if ((xpl = xp.left) == x) { // 替代节点x是黑色 且为左子树 说明此时删除节点的兄弟节点是右子树
// 如果存在兄弟节点 且为红色 则对父节点进行一次左旋
// 旋转的目的是为了创造一个黑色兄弟节点
if ((xpr = xp.right) != null && xpr.red) {
xpr.red = false;
xp.red = true;
root = rotateLeft(root, xp);
xpr = (xp = x.parent) == null ? null : xp.right;
}
// 如果不存在黑色兄弟节点 则将父节点作为替代节点递归判断
if (xpr == null)
x = xp;
// 存在黑色兄弟节点
else {
// 如果黑兄弟的子节点都是黑色的
// 则将兄弟节点染红 再将父节点作为替代节点递归判断
TreeNode<K,V> sl = xpr.left, sr = xpr.right;
if ((sr == null || !sr.red) &&
(sl == null || !sl.red)) {
xpr.red = true;
x = xp;
}
// 走到这里说明兄弟节点存在红色子节点
else {
// 如果兄弟节点的左节点是红色的 先对兄弟节点进行一次右旋 构造RR情况
// 旋转后更新兄弟节点
if (sr == null || !sr.red) { // !sr.red => sl.red
if (sl != null)
sl.red = false;
xpr.red = true;
root = rotateRight(root, xpr);
xpr = (xp = x.parent) == null ?
null : xp.right;
}
// 旋转前进行染色 让兄弟节点继承父节点颜色 将兄弟节点的右节点染黑
if (xpr != null) {
xpr.red = (xp == null) ? false : xp.red;
if ((sr = xpr.right) != null)
sr.red = false;
}
// 将旋转前的父节点染黑 即旋转后的父节点(之前兄弟节点)的左右子节点都染黑
// 对父节点进行右旋
if (xp != null) {
xp.red = false;
root = rotateLeft(root, xp);
}
x = root;
}
}
}
else { // 删除节点的兄弟节点是左子树 与上面的情况是镜像对映的
if (xpl != null && xpl.red) {
xpl.red = false;
xp.red = true;
root = rotateRight(root, xp);
xpl = (xp = x.parent) == null ? null : xp.left;
}
if (xpl == null)
x = xp;
else {
TreeNode<K,V> sl = xpl.left, sr = xpl.right;
if ((sl == null || !sl.red) &&
(sr == null || !sr.red)) {
xpl.red = true;
x = xp;
}
else {
if (sl == null || !sl.red) { // !sl.red => sr.red
if (sr != null)
sr.red = false;
xpl.red = true;
root = rotateLeft(root, xpl);
xpl = (xp = x.parent) == null ?
null : xp.left;
}
if (xpl != null) {
xpl.red = (xp == null) ? false : xp.red;
if ((sl = xpl.left) != null)
sl.red = false;
}
if (xp != null) {
xp.red = false;
root = rotateRight(root, xp);
}
x = root;
}
}
}
}
}
10.split()
这个方法只会在resize()方法中调用,将红黑树上TreeNode维护的双向链表拆为高低链表
-
若拆完后高/低链表上的节点个数小于等于6,则把高/低链表上面的TreeNode变为普通Node,然后将普通Node节点维护的单链表放到新哈希表的目标slot上
-
若拆完后高/低链表上的节点个数大于6,则将高/低链表上的TreeNode维护的双向链表转为红黑树
注意啦!!put()和resize()过程中的红黑树数据结构转变,都是先维护链表,然后再将链表转为红黑树
/**
* map为旧哈希表 tab为新哈希表 index为旧表上的slot对应索引 bit为oldCap
*/
final void split(HashMap<K,V> map, Node<K,V>[] tab, int index, int bit) {
TreeNode<K,V> b = this;
// 这里的逻辑与下面resize()方法中 对于普通单链表处理是一样的 拆分高低位链表
// 低位即节点的Key的哈希值与旧表容量与运算后结果为0 高位即与运算后结果不为0
TreeNode<K,V> loHead = null, loTail = null;
TreeNode<K,V> hiHead = null, hiTail = null;
int lc = 0, hc = 0;
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;
}
}
// 如果低位链表上存在元素 再去进行判断
if (loHead != null) {
// 低位链表上的节点个数小于等于6 则将低位链表上的TreeNode转为普通Node
if (lc <= UNTREEIFY_THRESHOLD)
tab[index] = loHead.untreeify(map);
// 低位链表上的节点个数大于6 则将低位链表上的TreeNode挨个取出来组成新的红黑树插入新哈希表的目标slot上
else {
// 将低位链表头节点放到新哈希表上
tab[index] = loHead;
// 这个判断很精髓!!!
// 如果hiHead为null 代表高位链表上根本没节点 则通过上面一行代码已经完成了新红黑树生成
// 因为这个时候 新红黑树和旧红黑树是完全一样的
if (hiHead != null)
loHead.treeify(tab);
}
}
// 与上面对低位链表分析是对应的 新哈希表的目前slot索引是旧索引加旧表容量
if (hiHead != null) {
if (hc <= UNTREEIFY_THRESHOLD)
tab[index + bit] = hiHead.untreeify(map);
else {
tab[index + bit] = hiHead;
if (loHead != null)
hiHead.treeify(tab);
}
}
}
11.putTreeVal()
final TreeNode<K,V> putTreeVal(HashMap<K,V> map, Node<K,V>[] tab,
int h, K k, V v) {
Class<?> kc = null;
// 搜索过的标志
boolean searched = false;
// 先找到红黑树的根节点
TreeNode<K,V> root = (parent != null) ? root() : this;
// 在循环中找到待插入节点的父节点
for (TreeNode<K,V> p = root;;) {
// 下面一段都是确认搜索方向的逻辑 与上面分析过的find()类似
int dir, ph; K pk;
if ((ph = p.hash) > h)
dir = -1;
else if (ph < h)
dir = 1;
// 如果哈希值一样 且key一样 则返回这个节点 在putVal()后续进行value更新
else if ((pk = p.key) == k || (k != null && k.equals(pk)))
return p;
// 如果哈希值一样 Key不一样 且Key的Class类型比较后结果依然为0
// 会在searched为false 会去搜索当前节点的左子树和右子树 看是不是由某个节点的Key与指定Key是一样的
// 如果第一次没找到 那说明以当前节点为根节点的树上根本就没这样一个包含指定Key的节点 之后就没必要在搜索了
// 为什么在这里要搜索呢?因为当前节点的Key与指定Key不同 但左右子树上可能存在一样的节点
else if ((kc == null &&
(kc = comparableClassFor(k)) == null) ||
(dir = compareComparables(kc, k, pk)) == 0) {
if (!searched) {
TreeNode<K,V> q, ch;
searched = true;
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;
}
// 如果没搜索到 因为上面Key的Class类型比较结果为0
// 所以要通过这个方法来强制确定待插入节点的父节点的搜索方向
dir = tieBreakOrder(k, pk);
}
TreeNode<K,V> xp = p;
// 待插入节点的夫节点已经找到了 就是xp
if ((p = (dir <= 0) ? p.left : p.right) == null) {
// 下面的代码分别是双向链表和红黑树的维护
// 如果只维护一个红黑树 那么将红黑树转为普通单向链表时就很麻烦
Node<K,V> xpn = xp.next;
TreeNode<K,V> x = map.newTreeNode(h, k, v, xpn); // 注意!这行代码里面有 x.next = xpn 逻辑
if (dir <= 0)
xp.left = x;
else
xp.right = x;
xp.next = x;
x.parent = x.prev = xp;
if (xpn != null)
((TreeNode<K,V>)xpn).prev = x;
// 先进行红黑树新节点插入后的平衡操作 如果平衡后root变了 则将新root移动到slot第一个元素
moveRootToFront(tab, balanceInsertion(root, x));
return null;
}
}
}
12.removeTreeNode()
这个方法复杂的原因有两点:
-
相比较简单二叉搜索树,找到前驱后继节点后的值替换,然后删除前驱或者后继节点即可,但是这里交换的不是值而是指针
-
红黑树的节点删除后的平衡操作本来就很复杂
下面这个方法的逻辑:
-
维护双向链表,如果双向链表上元素太少,转为普通单链表
-
找到后继节点,先交换删除节点和后继节点颜色,然后交换它们的指针,然后确定后继节点的替代节点
-
删除后继节点,维护二叉搜索树关系,然后进行节点删除后的平衡操作
final void removeTreeNode(HashMap<K,V> map, Node<K,V>[] tab,
boolean movable) {
int n;
if (tab == null || (n = tab.length) == 0)
return;
int index = (n - 1) & hash;
// 拿到红黑树的根节点,拿到双向链表的prev和succ指针
TreeNode<K,V> first = (TreeNode<K,V>)tab[index], root = first, rl;
TreeNode<K,V> succ = (TreeNode<K,V>)next, pred = prev;
// 这部分是双向链表的维护
if (pred == null) // 如果prev为null 说明是双向链表头节点 这个时候将头节点变为succ
tab[index] = first = succ;
else
pred.next = succ;
if (succ != null)
succ.prev = pred;
if (first == null)
return;
// 判断此时红黑树上面的元素个数 如果根节点、左子树、右子树、或者左子树的左子树为null
// 则将红黑树变为单链表
if (root.parent != null)
root = root.root();
if (root == null || root.right == null ||
(rl = root.left) == null || rl.left == null) {
tab[index] = first.untreeify(map); // too small
return;
}
// 下面这部分是红黑树节点的删除 this为要删除的节点本身
TreeNode<K,V> p = this, pl = left, pr = right, replacement;
// 如果这个节点同时存在左右子树
if (pl != null && pr != null) {
TreeNode<K,V> s = pr, sl;
// s为后继节点
while ((sl = s.left) != null)
s = sl;
// 找到后继节点后 先交换删除节点和其后继节点颜色
boolean c = s.red; s.red = p.red; p.red = c;
// 下面这部分逻辑是 交换后继节点s和删除节点的指针
TreeNode<K,V> sr = s.right;
TreeNode<K,V> pp = p.parent;
if (s == pr) { // 如果后继节点直接是删除节点右子树
p.parent = s;
s.right = p;
}
else {
TreeNode<K,V> sp = s.parent;
if ((p.parent = sp) != null) {
if (s == sp.left)
sp.left = p;
else
sp.right = p;
}
if ((s.right = pr) != null)
pr.parent = s;
}
p.left = null;
if ((p.right = sr) != null)
sr.parent = p;
if ((s.left = pl) != null)
pl.parent = s;
if ((s.parent = pp) == null)
root = s;
else if (p == pp.left)
pp.left = s;
else
pp.right = s;
// 因为是后继节点 所以sl肯定是null 如果存在sr不为null 则替代节点就是sr
// 否则替代节点就是p
if (sr != null)
replacement = sr;
else
replacement = p;
}
else if (pl != null)
replacement = pl;
else if (pr != null)
replacement = pr;
else
replacement = p;
// 对照下面 replacement == p 这种情况更加复杂
// 先维护二叉搜索树节点删除逻辑 再去进行平衡操作
if (replacement != p) {
TreeNode<K,V> pp = replacement.parent = p.parent;
if (pp == null)
root = replacement;
else if (p == pp.left)
pp.left = replacement;
else
pp.right = replacement;
p.left = p.right = p.parent = null;
}
// 参见上面balanceDeletion()分析
TreeNode<K,V> r = p.red ? root : balanceDeletion(root, replacement);
// 如果替代节点就是p 说明后继节点之前就是p的右子树 经过指针交换后后继节点的替代节点才是p
// 这个时候因为之前已经维护完指针了 所以只需要断掉后继节点的引用即可
if (replacement == p) {
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);
}
2.HashMap
1.静态和成员变量
// 默认容量16
static final int DEFAULT_INITIAL_CAPACITY = 1 << 4;
// 最大容量支持2的30次方
static final int MAXIMUM_CAPACITY = 1 << 30;
// 默认负载因子0.75
static final float DEFAULT_LOAD_FACTOR = 0.75f;
// 当slot上链表元素个数大于8(包含头节点)时 将链表转为红黑树
static final int TREEIFY_THRESHOLD = 8;
// 当红黑树上面的节点个数小于6时 将红黑树转为链表
static final int UNTREEIFY_THRESHOLD = 6;
// 当数组容量到64时 才会进行数据结构转变 否则扩容
static final int MIN_TREEIFY_CAPACITY = 64;
// 底层的数组
transient Node<K,V>[] table;
// 键值对集合
transient Set<Map.Entry<K,V>> entrySet;
// 键值对个数
transient int size;
// 记录对Map的修改次数 遍历时支持fail-fast
transient int modCount;
// 哈希表扩容临界值
int threshold;
// 负载因子
final float loadFactor;
2.构造方法
// 默认构造方法只是设定了负载因子 其余都没初始化
public HashMap() {
this.loadFactor = DEFAULT_LOAD_FACTOR;
}
public HashMap(int initialCapacity) {
this(initialCapacity, DEFAULT_LOAD_FACTOR);
}
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); // 这里计算的临界值是通过tableSizeFor()得到的
}
3.静态工具方法
1.hash()
-
如果key为null,返回0
-
否则先调用key的hashCode()方法计算一个初始哈希值,然后将它无符号右移16位后,进行异或操作
这样做的操作是混合初始哈希值的高位特征和地位特征,因为数组长度一般比较小,所以进行与运算寻址时,主要是哈希值的低位起作用,这个时候如果高位不同、低位相同还是会哈希冲突
static final int hash(Object key) {
int h;
return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}
2.comparableClassFor()
通过反射泛型的方式来判断X的泛型是否实现了Comparable接口,如果没实现返回null
static Class<?> comparableClassFor(Object x) {
if (x instanceof Comparable) {
Class<?> c; Type[] ts, as; Type t; ParameterizedType p;
if ((c = x.getClass()) == String.class) // bypass checks
return c;
if ((ts = c.getGenericInterfaces()) != null) {
for (int i = 0; i < ts.length; ++i) {
if (((t = ts[i]) instanceof ParameterizedType) &&
((p = (ParameterizedType)t).getRawType() ==
Comparable.class) &&
(as = p.getActualTypeArguments()) != null &&
as.length == 1 && as[0] == c) // type arg is c
return c;
}
}
}
return null;
}
3.compareComparables()
如果k和x都实现了Comparable接口,通过比较接口来进行比较
static int compareComparables(Class<?> kc, Object k, Object x) {
return (x == null || x.getClass() != kc ? 0 :
((Comparable)k).compareTo(x));
}
4.tableSizeFor()
计算一个大于等于cap的最小的2的N次方的数值
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;
}
4.putVal()
final V putVal(int hash, K key, V value, boolean onlyIfAbsent,
boolean evict) {
Node<K,V>[] tab; Node<K,V> p; int n, i;
// 第一次调用这个方法 数组还未初始化 先通过扩容方法完成数组初始化
if ((tab = table) == null || (n = tab.length) == 0)
n = (tab = resize()).length;
// 寻址到的slot上如果为null 这个时候不存在哈希冲突
// 不用考虑什么数据结构 直接new一个Node放上去完事
if ((p = tab[i = (n - 1) & hash]) == null)
tab[i] = newNode(hash, key, value, null);
else { // 出现哈希冲突了
// e代表与指定key相同的某个node 如果存在则下面进行value的更新
Node<K,V> e; K k;
// 如果哈希值一样 则e为当前节点
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
e = p;
// 如果p是TreeNode 则在红黑树上插入节点
// 根据上面对TreeNode分析 这里的p肯定是红黑树的root
else if (p instanceof TreeNode)
e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
// 链表
else {
for (int binCount = 0; ; ++binCount) {
// 遍历链表后 没有包含指定key的节点 则new一个node进行尾插
if ((e = p.next) == null) {
p.next = newNode(hash, key, value, null);
// 注意当binCount为0时 其实遍历到了链表的第二个节点
// 所以当binCount大于等于7时 链表上已经有了8个节点 而这时正在插入第9个节点
if (binCount >= TREEIFY_THRESHOLD - 1)
// 判断是否要将链表转为红黑树
treeifyBin(tab, hash);
break;
}
// 遍历链表找到了包含指定key的node 跳出循环
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
break;
p = e;
}
}
// 找到了包含指定Key的节点 这个时候进行value更新 并返回旧value
if (e != null) {
V oldValue = e.value;
if (!onlyIfAbsent || oldValue == null)
e.value = value;
afterNodeAccess(e);
return oldValue;
}
}
// 如果是新插入节点 modCount加1 size加1
++modCount;
// 如果size超过了临界值 进行扩容
if (++size > threshold)
resize();
// 这个方法是钩子方法 具体实现在LinkedHashMap中有
afterNodeInsertion(evict);
return null;
}
5.resize()
final Node<K,V>[] resize() {
// 拿到旧table的容量和临界值
Node<K,V>[] oldTab = table;
int oldCap = (oldTab == null) ? 0 : oldTab.length;
int oldThr = threshold;
int newCap, newThr = 0;
// 如果旧容量大于0 说明已经经过了初始化了
if (oldCap > 0) {
if (oldCap >= MAXIMUM_CAPACITY) {
threshold = Integer.MAX_VALUE;
return oldTab;
}
// 新容量为旧容量的2倍 新临界值也为旧临界值的2倍
else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&
oldCap >= DEFAULT_INITIAL_CAPACITY)
newThr = oldThr << 1;
}
// 当调用有参构造方法传入一个给定容量后 会将临界值变为一个大于等于给定容量的最小的2的N次方
// 所以初始化时就取旧临界值即可
else if (oldThr > 0)
newCap = oldThr;
// 说明调用的是默认构造方法 旧容量和旧临界值都是0
// 初始化容量是16 临界值是12
else {
newCap = DEFAULT_INITIAL_CAPACITY;
newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);
}
// 计算新的临界值 新临界值是新容量乘负载因子
if (newThr == 0) {
float ft = (float)newCap * loadFactor;
newThr = (newCap < MAXIMUM_CAPACITY && ft < (float)MAXIMUM_CAPACITY ?
(int)ft : Integer.MAX_VALUE);
}
threshold = newThr;
// 进行底层Node数组初始化
@SuppressWarnings({"rawtypes","unchecked"})
Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap];
table = newTab;
// 如果旧表不为null 则要把旧哈希表的节点取出来重新散列到新哈希表上去
if (oldTab != null) {
for (int j = 0; j < oldCap; ++j) {
Node<K,V> e;
// 拿到每个slot上的第一个节点 然后将旧slot置为null
if ((e = oldTab[j]) != null) {
oldTab[j] = null;
// 如果不存在next节点 则根据哈希值寻址后 放到新表的目标slot上
if (e.next == null)
newTab[e.hash & (newCap - 1)] = e;
// 如果当前节点是红黑树的根节点 则进行split操作
else if (e instanceof TreeNode)
((TreeNode<K,V>)e).split(this, newTab, j, oldCap);
// 如果当前节点是链表的头节点 则要把单条链表变为两条链表
// 分别是高位链表和低位链表
else {
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) { // 如果节点的哈希值与旧容量进行与运算后是0 则放到低位链表
if (loTail == null)
loHead = e;
else
loTail.next = e;
loTail = e;
}
else { // 如果节点哈希值与旧容量进行与运算后不为0 则放到高位链表
if (hiTail == null)
hiHead = e;
else
hiTail.next = e;
hiTail = e;
}
} while ((e = next) != null);
// 将之前链表拆为高低链表后 再放入新哈希表上
// 低位链表在新哈希表存放的slot索引与旧哈希表一样
// 高位链表在新哈希表存放的slot索引是(旧slot索引加上旧哈希表容量)
if (loTail != null) {
loTail.next = null;
newTab[j] = loHead;
}
if (hiTail != null) {
hiTail.next = null;
newTab[j + oldCap] = hiHead;
}
}
}
}
}
return newTab;
}
6.treeifyBin()
final void treeifyBin(Node<K,V>[] tab, int hash) {
int n, index; Node<K,V> e;
// 如果tab的长度没有到64 则进行扩容
if (tab == null || (n = tab.length) < MIN_TREEIFY_CAPACITY)
resize();
// tab长度大于等于64了 这个时候就把slot上的单链表转为红黑树了
// 首先将单链表上的节点由普通Node变为TreeNode 然后维护起来一个双向链表 最后通过双向链表来生成红黑树
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);
}
}
7.getNode()
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slot上为null 那肯定找不到
// slot上第一个节点Key与查询Key一样 则直接返回第一个节点
if (first.hash == hash &&
((k = first.key) == key || (key != null && key.equals(k))))
return first;
// 遍历后续节点 按照红黑树和单链表分别处理
if ((e = first.next) != null) {
if (first instanceof TreeNode)
return ((TreeNode<K,V>)first).getTreeNode(hash, key);
do {
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
return e;
} while ((e = e.next) != null);
}
}
return null;
}
// 这个方法里面的核心方法就是find() 上面已经分析过了
final TreeNode<K,V> getTreeNode(int h, Object k) {
return ((parent != null) ? root() : this).find(h, k, null);
}
8.removeNode()
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) {
// 这部分是逻辑是先去找到包含指定Key的Node 第一个节点不匹配后 区分红黑树和单链表逻辑
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;
else if ((e = p.next) != null) {
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);
}
}
// node就是找到的包含指定Key的节点 remove()里面传递的matchValue为false
// 如果matchVaulue为true 则需要再校验node节点的Value与指定Value是否一样
if (node != null && (!matchValue || (v = node.value) == value ||
(value != null && value.equals(v)))) {
// 红黑树节点删除
if (node instanceof TreeNode)
((TreeNode<K,V>)node).removeTreeNode(this, tab, movable);
// 单链表节点删除
else if (node == p)
tab[index] = node.next;
else
p.next = node.next;
++modCount;
--size;
afterNodeRemoval(node); // 钩子方法
return node;
}
}
return null;
}