HashMap:基于哈希表的 Map 接口的实现。此实现提供所有可选的映射操作,并允许使用 null 值和 null 键。
HashMap主要默认属性:
-
/** * 默认初始容量-必须为2的幂。 * * 默认初始容量为什么是16: * 1.小了可能频繁发生扩容,影响效率,太大了又浪费空间,不划算,16作为一个经验值被采用。 * * 容量为什么必须是2的幂次方: * 1.(n - 1) & hash,当n为2次幂时,会满足一个公式:(n - 1) & hash = hash % n * 2.&运算速度快 */ static final int DEFAULT_INITIAL_CAPACITY = 1 << 4;
-
/** * 最大容量,如果在构造函数指定了更高的容量值,则使用该容量。 * * 必须是2的幂次方 <= 1<<30. */ static final int MAXIMUM_CAPACITY = 1 << 30;
-
/** * 在构造函数中未指定时使用的加载因子。 * * 加载因子为什么是0.75: * 这其实是出于容量和性能之间平衡的结果: * 1.当加载因子设置比较大的时候,扩容的门槛就被提高了,扩容发生的频率比较低, * 占用的空间会比较小,但此时发生 Hash 冲突的几率就会提升,因此需要更复杂的 * 数据结构来存储元素,这样对元素的操作时间就会增加,运行效率也会因此降低; * * 2.而当加载因子值比较小的时候,扩容的门槛会比较低,因此会占用更多的空间, * 此时元素的存储就比较稀疏,发生哈希冲突的可能性就比较小,因此操作性能会比较高。 * * 3.为了提升扩容效率,HashMap的容量(capacity)有一个固定的要求,那就是一定是2的幂。 * 所以,如果负载因子是3/4的话,那么和capacity的乘积结果就可以是一个整数 */ static final float DEFAULT_LOAD_FACTOR = 0.75f;
-
/** * 链表树化阈值 * 为什么树化的临界值为8? * 作者通过泊松分布算出,当桶中结点个数为8时,出现的几率是亿分之6的, * 因此常见的情况是桶中个数小于8的情况,此时链表的查询性能和红黑树相差不多, * 因为转化为树还需要时间和空间,所以此时没有转化成树的必要。 */ static final int TREEIFY_THRESHOLD = 8;
-
/** * 红黑树退化成链表的阈值 * 为什么红黑树退化成链表和树化的大小不一样? * 为了避免频繁来回转化 */ static final int UNTREEIFY_THRESHOLD = 6;
-
/** * 链表树化的最小容量 */ static final int MIN_TREEIFY_CAPACITY = 64;
HashMap主要构造方法:
-
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); }
-
public HashMap(int initialCapacity) { this(initialCapacity, DEFAULT_LOAD_FACTOR); }
-
public HashMap() { this.loadFactor = DEFAULT_LOAD_FACTOR; // all other fields defaulted }
HashMap主要方法:
-
/** * 散列函数,或叫哈希函数。它可以将不定长的输入,通过散列算法转换成一个定长的输出,这个输出就是散列值 * * 为什么要进行右移16位运算? * 可以将高低位二进制特征混合起来,如果我们不做刚才移位异或运算,那么在计算槽位时将丢失高区特征。 * 一般容量都会小于2的16次方,在进行(n - 1) & hash计算时,就会丢失高16位特性。 * 这样做的好处是可以降低hash冲突的概率 */ static final int hash(Object key) { int h; return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16); }
-
/** * 保证HashMap扩容后容量大小总是2的n次幂 * * 这个算法的思路就是将该数字的最高非0位后面全置为1 * n= ; 1000 0000 0000 0000 0000 0000 0000 0000 * n |= n >>> 1; 1100 0000 0000 0000 0000 0000 0000 0000 将最高位拷贝到下1位 * n |= n >>> 2; 1111 0000 0000 0000 0000 0000 0000 0000 将上述2位拷贝到紧接着的2位 * n |= n >>> 4; 1111 1111 0000 0000 0000 0000 0000 0000 将上述4位拷贝到紧接着的4位 * n |= n >>> 8; 1111 1111 1111 1111 0000 0000 0000 0000 将上述8位拷贝到紧接着的8位 * n |= n >>> 16; 1111 1111 1111 1111 1111 1111 1111 1111 将上述16位拷贝到紧接着的16位 * * 一开始进行减一的操作是为了防止出现二的整数幂时,没有把自身包含进范围 */ 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; }
-
/** * 返回指定键映射到的值 */ public V get(Object key) { Node<K,V> e; // 寻找key对应哈希表中的数据节点,如果没有找到返回NULL 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; if ((tab = table) != null && (n = tab.length) > 0 && // 如果哈希表不是空 根据hash值取出第一个节点 (first = tab[(n - 1) & hash]) != null) { // 总是对比第一个节点 如果第一个节点就是要找的节点 则返回第一个节点 if (first.hash == hash && // always check first node ((k = first.key) == key || (key != null && key.equals(k)))) return first; // 如果第一个节点不是要找的节点 继续往下寻找 if ((e = first.next) != null) { // 如果第一节点是树节点类型 则在树中查找 if (first instanceof TreeNode) return ((TreeNode<K,V>)first).getTreeNode(hash, key); // 在链表中查找 do { if (e.hash == hash && ((k = e.key) == key || (key != null && key.equals(k)))) return e; } while ((e = e.next) != null); } } // 如果没有找到则返回NULL return null; }
-
/** * 如果此映射包含指定键的映射true * * 通过getNode实现,如果getNode返回不为NULL,就代表包含这个key */ public boolean containsKey(Object key) { return getNode(hash(key), key) != null; }
-
/** * 哈希表的初始化或扩容方法 * */ final Node<K,V>[] resize() { Node<K,V>[] oldTab = table; // 记录旧的哈希表容量 int oldCap = (oldTab == null) ? 0 : oldTab.length; // 记录旧的哈希表扩容阈值 int oldThr = threshold; // 定义新的哈希表容量和阈值 int newCap, newThr = 0; // 如果旧的容量大于0 if (oldCap > 0) { // 旧的容量是否大于等于最大容量值 if (oldCap >= MAXIMUM_CAPACITY) { // 设置最大容量值位最大值, 返回当前哈希表 threshold = Integer.MAX_VALUE; return oldTab; } // 扩容一倍 else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY && oldCap >= DEFAULT_INITIAL_CAPACITY) newThr = oldThr << 1; // double threshold } // 初始容量置于阈值(调用初始容量构造方法时,会初始化theshold值,如果第一次扩容,那么会将构造函数中的容量大小设置为新的容量) else if (oldThr > 0) // initial capacity was placed in threshold newCap = oldThr; // 零初始阈值表示使用默认值 else { // zero initial threshold signifies using defaults newCap = DEFAULT_INITIAL_CAPACITY; newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY); } // 如果新的阈值没有被初始化,则初始化阈值(通过新的容量进行计算) 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"}) // 创建一个新的容量的hash表 Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap]; table = newTab; // 如果旧的哈希表不为空,重新散列旧的hash值 if (oldTab != null) { // 遍历旧的hash表 for (int j = 0; j < oldCap; ++j) { Node<K,V> e; // hash表对应桶中不为空,进行处理 if ((e = oldTab[j]) != null) { oldTab[j] = null; // 第一个元素没有下一个节点 直接在新的hash表中散列 if (e.next == null) newTab[e.hash & (newCap - 1)] = e; // 第一个元素是树节点 进行红黑树处理 else if (e instanceof TreeNode) ((TreeNode<K,V>)e).split(this, newTab, j, oldCap); // 链表扩容处理 else { // preserve order // 低位链:下标不变情况下的链表头 下标不变情况下的链表尾 Node<K,V> loHead = null, loTail = null; // 高位链:下标改变情况下的链表头 下标改变情况下的链表尾 Node<K,V> hiHead = null, hiTail = null; // 遍历旧哈希表的节点 Node<K,V> next; do { next = e.next; // 代表下标不改变 组成新的链表 if ((e.hash & oldCap) == 0) { if (loTail == null) loHead = e; else loTail.next = e; loTail = e; } // 代表下标改变 组成新的链表 else { if (hiTail == null) hiHead = e; else hiTail.next = e; hiTail = e; } } while ((e = next) != null); // 将下标不变的链表放在原桶中 if (loTail != null) { loTail.next = null; newTab[j] = loHead; } // 将下标变的链表放在新桶中 if (hiTail != null) { hiTail.next = null; newTab[j + oldCap] = hiHead; } } } } } return newTab; }
- /**
* 将指定值与该映射中的指定键相关联。 如果该映射先前包含该键的映射,则将替换旧值。 * */ public V put(K key, V value) { return putVal(hash(key), key, value, false, true); } /** * */ final V putVal(int hash, K key, V value, boolean onlyIfAbsent, boolean evict) { Node<K,V>[] tab; Node<K,V> p; int n, i; // 如果哈希表没有初始化,调用resize()方法进行扩容 if ((tab = table) == null || (n = tab.length) == 0) n = (tab = resize()).length; // (n - 1) & hash计算后,对应桶内没有元素,直接放入桶内 if ((p = tab[i = (n - 1) & hash]) == null) tab[i] = newNode(hash, key, value, null); // (n - 1) & hash计算后,对应桶内有元素 else { Node<K,V> e; K k; // 如果key值相同,直接替换 if (p.hash == hash && ((k = p.key) == key || (key != null && key.equals(k)))) e = p; // 如果是树节点 将这个值放入树中 else if (p instanceof TreeNode) e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value); // 如果是链表 else { // binCount记录链表长度 for (int binCount = 0; ; ++binCount) { // 如果链表下一个节点为空 if ((e = p.next) == null) { // 挂在节点后边 p.next = newNode(hash, key, value, null); // 链表长度大于等于8 进行树化,如果容量小于64进行扩容,不树化。 if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st treeifyBin(tab, hash); break; } // 如果链表中已经包含这个节点,跳出循环。 if (e.hash == hash && ((k = e.key) == key || (key != null && key.equals(k)))) break; p = e; } } // 对冲突的节点进行操作 if (e != null) { // existing mapping for key V oldValue = e.value;、 // 替换旧值 if (!onlyIfAbsent || oldValue == null) e.value = value; afterNodeAccess(e); return oldValue; } } ++modCount; // 容器大小大于阈值 进行扩容 if (++size > threshold) resize(); afterNodeInsertion(evict); return null; }
-
/** * 删除元素 */ 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; // 找到当前key对应桶的位置,判定是否存在元素 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; // 如果第一个元素就是要删除的元素,直接将p赋值给node if (p.hash == hash && ((k = p.key) == key || (key != null && key.equals(k)))) node = p; // 如果第一个元素下一个元素不为空 else if ((e = p.next) != null) { // 下一个元素为树节点,进行树操作 if (p instanceof TreeNode) node = ((TreeNode<K,V>)p).getTreeNode(hash, key); // 下一元素进行链表操作 else { // 遍历链表 do { if (e.hash == hash && ((k = e.key) == key || (key != null && key.equals(k)))) { node = e; break; } p = e; } while ((e = e.next) != null); } } // 找到要删除的节点 if (node != null && (!matchValue || (v = node.value) == value || (value != null && value.equals(v)))) { // 删除节点 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; }
-
/** * 清空哈希表 */ public void clear() { Node<K,V>[] tab; modCount++; // 如果哈希表不为空 if ((tab = table) != null && size > 0) { // 元素个数设置为0 size = 0; // 遍历清空每个哈希桶 for (int i = 0; i < tab.length; ++i) tab[i] = null; } }
添加过程流程图: