类层次图：
hashmap实现了Map接口，提供了所有可选的map操作，允许Null值和null的key，基本和Hashtable差不多。区别是它线程不安全以及允许null。
Hashmap不保证顺序，它的插入和删除都是常量时间的（在哈希值散列分布的情况下）。遍历需要的时间和哈希表的容量以及当前k-v的数量成正比。
如果遍历的需求比较高，那么不要给哈希表设置太大的初始容量，因为那样装填因子太低。
初始容量和装填因子影响哈希表的性能，初识容量是它创建时的容量，装填因子是表中元素个数和表容量的比例。
当哈希表的容量不够时，会扩容，然后整个表都会重新哈希化。
一般来说装填因子在0.75左右，能保证性能和空间消耗的折中。为了最小化再哈希操作带来的成本消耗，初识容量设置时需要考虑它将要装入的元素数量。
如果很多元素的hashCode()相同，会严重降低哈希表的性能。为了改善这种情况，如果key实现了Comparable接口，将会比较这些key的顺序来打破僵局。
如果有多个线程同时操作一个hashmap，其中有线程改变了表的结构（插入和删除。修改不算），那么必须要同步。
下面的操作可以提供一个线程安全的map
Map m = Collections.synchronizedMap(new HashMap(...));
在一个iterator被创建之后，如果map的结构改变了，iterator会抛出ConcurrentModificationException。
由于树结构节点空间是普通节点的2倍，所以在数据量足够大的时候才会使用树结构，而在hashmap的节点降低到阈值时，又会恢复成普通结构。对于hashCode良好分布的数据，树结构很少被使用。理想的数据分布是泊松分布（装填因子0.5）。
在树模式和普通模式之间转换是复杂的，在子类LinkedHashMap的treeNode中。树模式的部分和TreeMap差不多。
默认的初识容量必须是2的倍数，最大容量必须是1 << 30。因为每次扩容，容量都会翻倍，如果达到最大容量，再翻倍时，就会变成0。所以这个容量最大值设计为2的30次方。
默认装填因子0.75f。
插入的时候，使用树模式而不是列表模式的阈值是8。也就是说连续8个阈值聚集在一起的时候，就会转换为树模式。
TREEIFY_THRESHOLD
移除的时候，转换回普通模式的阈值是6。
一个普通结构的容器可以被树化的容量必须大于64。至少4*TREEIFY_THRESHOLD，从而避免调整大小的时候与树阈值冲突。
普通模式的节点：
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;
}
}
针对集中分布的 哈希值，使用其高位以及位运算计算出新的哈希值。
static final int hash(Object key) {
int h;
return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}
针对实现了Comparable接口的类，返回它的class。
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;
}
通过强转k为Comparable,如果x不是Comparable或者是null，则返回0
static int compareComparables(Class<?> kc, Object k, Object x) {
return (x == null || x.getClass() != kc ? 0 :
((Comparable)k).compareTo(x));
}
获取表的2的幂次的容量。返回不小于cap的最小的一个2的n次方，这样在扩容后表的装填因子一定大于0.5。
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;
}
存储数据的载体
transient Node<K,V>[] table;
transient Set<Map.Entry<K,V>> entrySet;
数据的个数
transient int size;
记录结构变化的次数
transient int modCount;
再次扩展表容量的阈值，有容量*装填因子获得
int threshold;
哈希表的装填因子
final float loadFactor;
构造函数：
第一个构造函数，指定初始容量和装填因子。初始化了loadFactor和threshold，没有分配实际内存空间。threshold 的初始值是不小于initialCapacity的2的n次幂
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);
}
第二个构造函数，指定初始容量。和第一个差不多
public HashMap(int initialCapacity) {
this(initialCapacity, DEFAULT_LOAD_FACTOR);
}
第三个构造函数，全部使用默认参数。默认初始容量是16，装载因子是0.75。
public HashMap() {
this.loadFactor = DEFAULT_LOAD_FACTOR; // all other fields defaulted
}
最后一个构造函数，接收一个已有的map作为参数初始化。
public HashMap(Map<? extends K, ? extends V> m) {
this.loadFactor = DEFAULT_LOAD_FACTOR;
putMapEntries(m, false);
}
主要方法
putMapEntries ：用于把一个map全部添加到当前hashmap中
把一个现有map添加到当前map中，由putAll方法调用或者构造函数调用。
final void putMapEntries(Map<? extends K, ? extends V> m, boolean evict) {
int s = m.size();
if (s > 0) {
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);
}
}
}
resize :调整表的大小，扩容2倍
关于数组复制，对于第一种数组模式的，只需要重新计算哈希值就行了。
对于树模式的表，走树流程。
第三种复制，是针对的是链地址法的哈希表，(e.hash & oldCap) == 0，分别对哈希值大于旧表容量的做了不同的处理。
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) {
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) // 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) {
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;
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;
}
put方法和上面的putMapEntries 都有调用putVal，所以这是核心方法。
public V put(K key, V value) {
return putVal(hash(key), key, value, false, true);
}
整数的高位和低位做异或运算，降低哈希值重复的几率
static final int hash(Object key) {
int h;
return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}
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;
if ((p = tab[i = (n - 1) & hash]) == null)
tab[i] = newNode(hash, key, value, null);
else {
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)
e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
else {
for (int binCount = 0; ; ++binCount) {
if ((e = p.next) == null) {
p.next = newNode(hash, key, value, null);
if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st
treeifyBin(tab, hash);
break;
}
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
break;
p = e;
}
}
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)
resize();
afterNodeInsertion(evict);
return null;
}
前面多次提到了树化的方法，下面详细分析下：
treeifyBin使用TreeNode节点替换了默认的Node节点，TreeNode继承于LinkedHashMap的内部类Entry。而LinkedHashMap又继承于父类HashMap，所有关系有点绕。
static final class TreeNode<K,V> extends LinkedHashMap.Entry<K,V>
树化是针对发生聚集的节点的，如果哈希表为空或者小于树化的最小容量要求，则扩容，不树化。
新的节点的哈希值对应的索引处必须已经有节点了才能树化，也就是说树化的前提是发生聚集。
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)
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);
}
}
remove方法：
public V remove(Object key) {
Node<K,V> e;
return (e = removeNode(hash(key), key, null, false, true)) == null ?
null : e.value;
}
遍历链表这个环节，有2种模式，一种是普通链表，另外一种是红黑树模型的。
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) {
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);
}
}
if (node != null && (!matchValue || (v = node.value) == value ||
(value != null && value.equals(v)))) {
if (node instanceof TreeNode)
((TreeNode<K,V>)node).removeTreeNode(this, tab, movable);
else if (node == p)
tab[index] = node.next;
else
p.next = node.next;
++modCount;
--size;
afterNodeRemoval(node);
return node;
}
}
return null;
}
keySet()它会返回一个空的集合，这是一个内部类，主要用于迭代器，关于迭代器会在另一篇文章中解析。
public Set<K> keySet() {
Set<K> ks = keySet;
if (ks == null) {
ks = new KeySet();
keySet = ks;
}
return ks;
}
扫一扫
2万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
