HashMap源码分析 （JDK1.8)

首先，hashMap存储结构类似于位桶，总体结构是 位桶+链表+红黑树， 这与之前版本的实现有所改进。

常量域

默认容量16
static final int DEFAULT_INITIAL_CAPACITY = 1 << 4;
最大容量2的30次方
static final int MAXIMUM_CAPACITY = 1 << 30;
默认加载因子
static final float DEFAULT_LOAD_FACTOR = 0.75f;
这是链表转换为红黑树的门槛值，即对于一个桶中的节点大于8时，就改为红黑树存储
static final int TREEIFY_THRESHOLD = 8;
和上面是逆过程，红黑树中节点少于6时，改为链表
static final int UNTREEIFY_THRESHOLD = 6;
table中最少要有64个节点才会转换为红黑树
static final int MIN_TREEIFY_CAPACITY = 64;

Hashmap的成员变量

Node<K,V>[] table;//保存key-value健值对的数组，在第一次插入时初始化
Set<Map.Entry<K,V>> entrySet
int size;//hashMap中key-value健值对的数量
int modCount;//修改次数，在有效的put和remove操作中会自增1，主要用在迭代器中

final Node<K,V> nextNode() {
    Node<K,V>[] t;
    Node<K,V> e = next;
    if (modCount != expectedModCount)
        throw new ConcurrentModificationException();
    if (e == null)
        throw new NoSuchElementException();
    if ((next = (current = e).next) == null && (t = table) != null) {
        do {} while (index < t.length && (next = t[index++]) == null);
    }
    return e;
}
即迭代过程中，如果执行了put或remove操作，导致modCount与开始迭代前expectedModCount的值不一样，会抛出异常

int threshold;//门槛值，大于这个值时将会进行resize操作
float loadFactor//加载因子，默认0.75

1.构造方法

HashMap共有4个构造方法

    

public HashMap()
public HashMap(int initialCapacity)
public HashMap(int initialCapacity, float loadFactor)
public HashMap(Map<? extends K, ? extends V> m)

这里说下第三个

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);
}

中的tableSizeFor方法

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;
}

对于参数cap，它将返回比cap大且最小的2的整数次方对，例如10，它返回16。

算法原理即是每次向右移动2的0次方、1次方。。。然后与n相或，这系列计算后会得到从n的二进制数从左到右不为0的位起，将后面的位全部变为1，即n=10 =00001010，会变为00001111=15，在返回时+1变为16

2.put的方法

public V put(K key, V value) {
    return putVal(hash(key), key, value, false, true);
}

转到 putVal方法，它是final的

//参数意义分别为
//hash     key的hash值
//key       健值
//onlyIfAbsent  如果为true不改变已经存在的旧值
//evict
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put的操作时初始化table
    if ((tab = table) == null || (n = tab.length) == 0)
        n = (tab = resize()).length;
//hash计算方法是 (n - 1) & hash,如果为此处为null直接插入
//这里想到一个问题：不同的key为什么 (n - 1) & hash能相等？ 对于n=10=1010,key=7=0111,
//和key=3=0011 它们的 (n - 1) & hash是相等的，可见对于任意的key， (n - 1) & hash<=10
    if ((p = tab[i = (n - 1) & hash]) == null)
        tab[i] = newNode(hash, key, value, null);
    else {
        Node<K,V> e; K k;
//如果当前节点即一个链表中的第一节点与要插入的值相同
//需要注意的是，hash值相等对象不一定相等，所以附带key一起比较
//这里比较过程是 p.hash == hash成立才会有可能执行 (key != null && key.equals(k)))
//而key可能是不同地址但值相等的对象
        if (p.hash == hash &&
            ((k = p.key) == key || (key != null && key.equals(k))))
            e = p;
//判断是否是红黑树节点
        else if (p instanceof TreeNode)
            e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
        else {
//因为前面已判断过一个节点，所以binCount 初始值应该是1的
            for (int binCount = 0; ; ++binCount) {

                if ((e = p.next) == null) {
                    p.next = newNode(hash, key, value, null);
因为前面已判断过一个节点，所以binCount 实际应该+1的
                    if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st
//转换为红黑树
                        treeifyBin(tab, hash);
                    break;
                }
//此处与前面一样
                if (e.hash == hash &&
                    ((k = e.key) == key || (key != null && key.equals(k))))
                    break;
                p = e;
            }
        }
//e != null说明插入的值已存在
        if (e != null) { // existing mapping for key
            V oldValue = e.value;
            if (!onlyIfAbsent || oldValue == null)
                e.value = value;
//这方法是为 LinkedHashMap准备的
            afterNodeAccess(e);
            return oldValue;
        }
    }
//修改次数+1
    ++modCount;
//size>门槛值了，重新计算容量
    if (++size > threshold)
        resize();
    afterNodeInsertion(evict);
    return null;
}

再来看看treeifyBin方法

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);
    }
}

这里面用到了MIN_TREEIFY_CAPACITY常量，也就是说如果健值对个数少于64它依然不会转化为红黑树，它会调用了resize方法就行扩容，扩容后健值对会分散，即达到一个链表中的健值对个数不大于8.

再看resize方法

这之前我们看看什么情况会进行reszie操作，即扩容操作

（1）前面所讲的红黑树转换时，扩容目的是为分散健值对，如何分散请看下面

（2）首次进行put的操作时，会进行初始操作，各个成员变量会赋默认值

（3）put方法中，当此时size>threshold(容量上限)时

final Node<K,V>[] resize() {
    Node<K,V>[] oldTab = table;
    int oldCap = (oldTab == null) ? 0 : oldTab.length;
    int oldThr = threshold;//当前table门槛值，oldCap 为table的length
    int newCap, newThr = 0;
//已经初始化过了
    if (oldCap > 0) {
//如果已经是最大容量，table不变
        if (oldCap >= MAXIMUM_CAPACITY) {
            threshold = Integer.MAX_VALUE;
            return oldTab;
        }
//门槛值变为旧的两倍
        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;
//初始化
    else {               // zero initial threshold signifies using defaults
        newCap = DEFAULT_INITIAL_CAPACITY;
//扩容门槛值实际为加载因子与table长度乘积，即table
        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) {
//将旧table内容转移到新table中
        for (int j = 0; j < oldCap; ++j) {
            Node<K,V> e;
            if ((e = oldTab[j]) != null) {
                oldTab[j] = null;
                if (e.next == null)
//赋值
                    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;
//这里进行健值对分散
                    do {
                        next = e.next;
//由于容量cap始终是2的幂次方，e.hash & oldCap只有e.hash>=oldCap时不会为0，
//其余皆为0，即在table中的位置不变
                        if ((e.hash & oldCap) == 0) {
                            if (loTail == null)
                                loHead = e;
                            else
                                loTail.next = e;
                            loTail = e;
                        }
//位置为原来index+oldCap
                        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;
}