HashMap源码分析与常见八股
源码分析
基本属性(阈值&系数&容量)
public class HashMap<K,V> extends AbstractMap<K,V>
implements Map<K,V>, Cloneable, Serializable {
// 序列号
@java.io.Serial
private static final long serialVersionUID = 362498820763181265L;
// 默认容量，也就是 16
static final int DEFAULT_INITIAL_CAPACITY = 1 << 4;
/**
* 最大容量，如果通过构造函数隐式指定了更高的值，则使用此值。
* 必须是2的幂且 <= 1<<30。
* 也就是最大容量是 2^30
*/
static final int MAXIMUM_CAPACITY = 1 << 30;
/**
* 构造函数未指定时使用的负载因子。
*/
static final float DEFAULT_LOAD_FACTOR = 0.75f;
// 当桶上的节点数>=这个值时会转化为红黑树
static final int TREEIFY_THRESHOLD = 8;
// 当桶上的节点数小于这个值时会转化为链表
static final int UNTREEIFY_THRESHOLD = 6;
// 转化为红黑树对应的所需要的最小的数组容量
static final int MIN_TREEIFY_CAPACITY = 64;
// 存储元素的数组，容量总是2的幂次倍
transient Node<K,V>[] table;
// transient用于标识这个字段不应该被序列化
transient Set<Map.Entry<K,V>> entrySet;
// 存放元素的个数，
transient int size;
// 每次扩容和更改map结构的计数器
/*
* 1.检测并发修改：在迭代过程中，如果 modCount 发生变化，迭代器会抛出 ConcurrentModificationException，以防止并发修改导致的不一致性。
2.维护内部状态：在某些操作（如插入、删除、扩容）中，modCount 会增加，以确保 HashMap 的内部状态保持一致
*/
transient int modCount;
// 阈值(容量*负载因子) 当实际大小超过阈值时，会进行扩容
int threshold;
// 负载因子
final float loadFactor;
}loadFactor负载因子
负载因子是控制数组存放数据的疏密程度，loadFactor越接近1，那么数组中存放的数据(entry)也就越多,否则就越少。
太大查找元素的效率低，太小利用率太低
所以默认 16 * 0.75 = 12，超过这个数据量时，就会进行扩容
threshold
threshold = capacity * loadFacotry，是数组扩容的标准因为hashmap中没有capacity这个属性，所以即使指定了初始化的capacity，也会被扩容到2的最接近这个大小的幂次方
Node 节点类源码
// 继承Map.Entry<K,V>
static class Node<K,V> implements Map.Entry<K,V> {
// hash值，存放元素到hashmap时用来与其他元素进行比较
final int hash;
final K key;
V value;
// 指向下一个节点
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;
return o instanceof Map.Entry<?, ?> e
&& Objects.equals(key, e.getKey())
&& Objects.equals(value, e.getValue());
}}树节点源码
// 仅截取部分源码
static final class TreeNode<K,V> extends LinkedHashMap.Entry<K,V> {
TreeNode<K,V> parent; // 父
TreeNode<K,V> left; // 左
TreeNode<K,V> right; // 右
TreeNode<K,V> prev; // needed to unlink next upon deletion
boolean red;
}hash方法
put
put方法实际就是调用putVal，并且putVal用户不可直接使用
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;
// 如果表为空或长度为0，则进行初始化或扩容
// 将属性中的table赋值，并且判断是否为空或者长度为0，如果是就进行初始化或者扩容
if ((tab = table) == null || (n = tab.length) == 0)
// resize()函数就是进行扩容或者初始化
n = (tab = resize()).length;
// 计算索引位置，如果当前位置为空，则直接插入新节点
// (n - 1) & hash 确定元素放在哪个桶里，桶为空，新生成节点放入数组中
if ((p = tab[i = (n - 1) & hash]) == null)
tab[i] = newNode(hash, key, value, null);
else {
Node<K,V> e; K k;
// 如果当前位置的节点的哈希值和键都相等，则直接覆盖
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
e = p;
// 如果是树节点，则调用树节点的插入方法
else if (p instanceof TreeNode)
e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
else {
// 遍历链表，查找插入位置或相同键的节点
for (int binCount = 0; ; ++binCount) {
if ((e = p.next) == null) {
p.next = newNode(hash, key, value, null);
// 如果链表长度达到阈值，则转换为树结构
if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st
treeifyBin(tab, hash);
break;
}
// 如果找到相同键的节点，则跳出循环
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
break;
p = e;
}
}
// 如果找到相同键的节点，则更新值
if (e != null) { // existing mapping for key
V oldValue = e.value;
if (!onlyIfAbsent || oldValue == null)
e.value = value;
afterNodeAccess(e);
return oldValue;
}
}
// 修改计数器
++modCount;
// 如果大小超过阈值，则进行扩容
if (++size > threshold)
resize();
afterNodeInsertion(evict);
return null;
}基本逻辑：
- 如果定位到的数组位置没有元素，则直接插入
- 如果有元素，就要与插入的key进行比较，如果相同，就覆盖。如果不同就判断p是否是树节点，如果不是就直接遍历链表插入，使用尾插法，否则调用putTreeVal函数
get
public V get(Object key) {
Node<K,V> e;
return (e = getNode(key)) == null ? null : e.value;
}
final Node<K,V> getNode(Object key) {
Node<K,V>[] tab; Node<K,V> first, e; int n, hash; K k;
// 检查表是否为空且长度大于0，并计算哈希值和索引
if ((tab = table) != null && (n = tab.length) > 0 &&
(first = tab[(n - 1) & (hash = hash(key))]) != null) {
// 检查第一个节点是否匹配
if (first.hash == hash && // 始终检查第一个节点
((k = first.key) == key || (key != null && key.equals(k))))
return first;
// 遍历链表或树节点
if ((e = first.next) != null) {
if (first instanceof TreeNode)
return ((TreeNode<K,V>)first).getTreeNode(hash, key);
do {
// 检查链表中的每个节点是否匹配
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
return e;
} while ((e = e.next) != null);
}
}
// 如果没有找到匹配的节点，返回null
return null;
}resize
final Node<K,V>[] resize() {
Node<K,V>[] oldTab = table; // 旧的哈希表
int oldCap = (oldTab == null) ? 0 : oldTab.length; // 旧的容量
int oldThr = threshold; // 旧的阈值
int newCap, newThr = 0; // 新的容量和阈值
if (oldCap > 0) { // 如果旧的容量大于0
if (oldCap >= MAXIMUM_CAPACITY) { // 如果旧的容量已经达到最大容量
threshold = Integer.MAX_VALUE; // 将阈值设为最大整数值
return oldTab; // 返回旧的哈希表
}
else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY && oldCap >= DEFAULT_INITIAL_CAPACITY)
newThr = oldThr << 1; // 将容量和阈值都翻倍
}
else if (oldThr > 0) // 如果旧的阈值大于0
newCap = oldThr; // 将新的容量设为旧的阈值
else { // 如果旧的阈值为0，使用默认值
newCap = DEFAULT_INITIAL_CAPACITY; // 默认初始容量
newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY); // 默认阈值
}
if (newThr == 0) { // 如果新的阈值为0
float ft = (float)newCap * loadFactor; // 计算新的阈值
newThr = (newCap < MAXIMUM_CAPACITY && ft < (float)MAXIMUM_CAPACITY ? (int)ft : Integer.MAX_VALUE);
}
threshold = newThr; // 更新阈值
@SuppressWarnings({"rawtypes","unchecked"})
Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap]; // 创建新的哈希表
table = newTab; // 更新哈希表引用
if (oldTab != null) { // 如果旧的哈希表不为空
for (int j = 0; j < oldCap; ++j) { // 遍历旧的哈希表
Node<K,V> e;
if ((e = oldTab[j]) != null) { // 如果旧表中的桶不为空
oldTab[j] = null; // 清空旧表中的桶
if (e.next == null) // 如果桶中只有一个节点
newTab[e.hash & (newCap - 1)] = e; // 直接放入新表
else if (e instanceof TreeNode) // 如果桶中是树节点
((TreeNode<K,V>)e).split(this, newTab, j, oldCap); // 拆分树节点
else { // 如果桶中是链表节点
Node<K,V> loHead = null, loTail = null; // 低位链表的头和尾
Node<K,V> hiHead = null, hiTail = null; // 高位链表的头和尾
Node<K,V> next;
do {
next = e.next;
if ((e.hash & oldCap) == 0) { // 低位链表
if (loTail == null)
loHead = e;
else
loTail.next = e;
loTail = e;
}
else { // 高位链表
if (hiTail == null)
hiHead = e;
else
hiTail.next = e;
hiTail = e;
}
} while ((e = next) != null);
if (loTail != null) {
loTail.next = null;
newTab[j] = loHead; // 放入低位链表
}
if (hiTail != null) {
hiTail.next = null;
newTab[j + oldCap] = hiHead; // 放入高位链表
}
}
}
}
}
return newTab; // 返回新的哈希表
}ConcurrentHashMap
JDK1.7
JDK1.7中，ConcurrentHashMap是由多个Segment组合，而每一个Segment都是一个类似于HashMap的结构，可以内部进行扩容，但是Segment的个数一旦初始化就不能改变了。默认支持16个，也就是默认支持16个线程并发
初始化
无参构造中调用了有参构造，传入三个默认值
/**
* 默认初始化容量
*/
static final int DEFAULT_INITIAL_CAPACITY = 16;
/**
* 默认负载因子
*/
static final float DEFAULT_LOAD_FACTOR = 0.75f;
/**
* 默认并发级别
*/
static final int DEFAULT_CONCURRENCY_LEVEL = 16;初始化逻辑
@SuppressWarnings("unchecked")
public ConcurrentHashMap(int initialCapacity,float loadFactor, int concurrencyLevel) {
// 参数校验
if (!(loadFactor > 0) || initialCapacity < 0 || concurrencyLevel <= 0)
throw new IllegalArgumentException();
// 校验并发级别大小，大于 1<<16，重置为 65536
if (concurrencyLevel > MAX_SEGMENTS)
concurrencyLevel = MAX_SEGMENTS;
// Find power-of-two sizes best matching arguments
// 2的多少次方
int sshift = 0;
int ssize = 1;
// 这个循环可以找到 concurrencyLevel 之上最近的 2的次方值
while (ssize < concurrencyLevel) {
++sshift;
ssize <<= 1;
}
// 记录段偏移量
this.segmentShift = 32 - sshift;
// 记录段掩码
this.segmentMask = ssize - 1;
// 设置容量
if (initialCapacity > MAXIMUM_CAPACITY)
initialCapacity = MAXIMUM_CAPACITY;
// c = 容量 / ssize ，默认 16 / 16 = 1，这里是计算每个 Segment 中的类似于 HashMap 的容量
int c = initialCapacity / ssize;
if (c * ssize < initialCapacity)
++c;
int cap = MIN_SEGMENT_TABLE_CAPACITY;
//Segment 中的类似于 HashMap 的容量至少是2或者2的倍数
while (cap < c)
cap <<= 1;
// create segments and segments[0]
// 创建 Segment 数组，设置 segments[0]
Segment<K,V> s0 = new Segment<K,V>(loadFactor, (int)(cap * loadFactor),
(HashEntry<K,V>[])new HashEntry[cap]);
Segment<K,V>[] ss = (Segment<K,V>[])new Segment[ssize];
UNSAFE.putOrderedObject(ss, SBASE, s0); // ordered write of segments[0]
this.segments = ss;
}- 校验并发等级大小，如果大于最大值，就重置为最大值
- 初始化容量为大于并发等级最近的2的幂次方，默认16
- 记录segmentShift偏移量，2^n 中的n，默认为32 - sshift = 28
- 记录segmentMask，默认是ssize - 1 = 16 - 1 = 15
- 初始化
segment[0]，默认大小为2，扩容阈值为 2 * 0.75 = 1.5。插入第二个值时才会进行扩容
put
/**
* Maps the specified key to the specified value in this table.
* Neither the key nor the value can be null.
*
* <p> The value can be retrieved by calling the <tt>get</tt> method
* with a key that is equal to the original key.
*
* @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>
* @throws NullPointerException if the specified key or value is null
*/
public V put(K key, V value) {
Segment<K,V> s;
if (value == null)
throw new NullPointerException();
int hash = hash(key);
// hash 值无符号右移 28位（初始化时获得），然后与 segmentMask=15 做与运算
// 其实也就是把高4位与segmentMask（1111）做与运算
int j = (hash >>> segmentShift) & segmentMask;
if ((s = (Segment<K,V>)UNSAFE.getObject // nonvolatile; recheck
(segments, (j << SSHIFT) + SBASE)) == null) // in ensureSegment
// 如果查找到的 Segment 为空，初始化
s = ensureSegment(j);
return s.put(key, hash, value, false);
}
/**
* Returns the segment for the given index, creating it and
* recording in segment table (via CAS) if not already present.
*
* @param k the index
* @return the segment
*/
@SuppressWarnings("unchecked")
private Segment<K,V> ensureSegment(int k) {
final Segment<K,V>[] ss = this.segments;
long u = (k << SSHIFT) + SBASE; // raw offset
Segment<K,V> seg;
// 判断 u 位置的 Segment 是否为null
if ((seg = (Segment<K,V>)UNSAFE.getObjectVolatile(ss, u)) == null) {
Segment<K,V> proto = ss[0]; // use segment 0 as prototype
// 获取0号 segment 里的 HashEntry<K,V> 初始化长度
int cap = proto.table.length;
// 获取0号 segment 里的 hash 表里的扩容负载因子，所有的 segment 的 loadFactor 是相同的
float lf = proto.loadFactor;
// 计算扩容阀值
int threshold = (int)(cap * lf);
// 创建一个 cap 容量的 HashEntry 数组
HashEntry<K,V>[] tab = (HashEntry<K,V>[])new HashEntry[cap];
if ((seg = (Segment<K,V>)UNSAFE.getObjectVolatile(ss, u)) == null) { // recheck
// 再次检查 u 位置的 Segment 是否为null，因为这时可能有其他线程进行了操作
Segment<K,V> s = new Segment<K,V>(lf, threshold, tab);
// 自旋检查 u 位置的 Segment 是否为null
while ((seg = (Segment<K,V>)UNSAFE.getObjectVolatile(ss, u))
== null) {
// 使用CAS 赋值，只会成功一次
if (UNSAFE.compareAndSwapObject(ss, u, null, seg = s))
break;
}
}
}
return seg;
}- 计算key的位置，获取指定位置的Segment
- 如果指定位置的Segment为空，则初始化这个Segment
- 如果为null，使用
Segment[0]的容量和负载因子创建一个HashEntry数组 - 再次检查是否为null
- 使用HashEntry初始化这个Segment
- 自旋计算得到的指定位置是否为null，使用CAS在这个位置赋值Segment
- 如果为null，使用
- Segment.put插入key，value
final V put(K key, int hash, V value, boolean onlyIfAbsent) { // 获取 ReentrantLock 独占锁，获取不到，scanAndLockForPut 获取。 HashEntry<K,V> node = tryLock() ? null : scanAndLockForPut(key, hash, value); V oldValue; try { HashEntry<K,V>[] tab = table; // 计算要put的数据位置 int index = (tab.length - 1) & hash; // CAS 获取 index 坐标的值 HashEntry<K,V> first = entryAt(tab, index); for (HashEntry<K,V> e = first;;) { if (e != null) { // 检查是否 key 已经存在，如果存在，则遍历链表寻找位置，找到后替换 value K k; if ((k = e.key) == key || (e.hash == hash && key.equals(k))) { oldValue = e.value; if (!onlyIfAbsent) { e.value = value; ++modCount; } break; } e = e.next; } else { // first 有值没说明 index 位置已经有值了，有冲突，链表头插法。 if (node != null) node.setNext(first); else node = new HashEntry<K,V>(hash, key, value, first); int c = count + 1; // 容量大于扩容阀值，小于最大容量，进行扩容 if (c > threshold && tab.length < MAXIMUM_CAPACITY) rehash(node); else // index 位置赋值 node，node 可能是一个元素，也可能是一个链表的表头 setEntryAt(tab, index, node); ++modCount; count = c; oldValue = null; break; } } } finally { unlock(); } return oldValue; }
-
tryLock()获取锁，获取不到使用scanAndLockForPut方法继续获取。 -
计算 put 的数据要放入的 index 位置，然后获取这个位置上的
HashEntry。 -
遍历 put 新元素，为什么要遍历？因为这里获取的
HashEntry可能是一个空元素，也可能是链表已存在，所以要区别对待。如果这个位置上的
HashEntry不存在：- 如果当前容量大于扩容阀值，小于最大容量，进行扩容。
- 直接头插法插入。
如果这个位置上的
HashEntry存在：- 判断链表当前元素 key 和 hash 值是否和要 put 的 key 和 hash 值一致。一致则替换值
- 不一致，获取链表下一个节点，直到发现相同进行值替换，或者链表表里完毕没有相同的。
- 如果当前容量大于扩容阀值，小于最大容量，进行扩容。
- 直接链表头插法插入。
-
如果要插入的位置之前已经存在，替换后返回旧值，否则返回 null.
resize
扩容使用的是头插法
JDK1.8
由原先的Segment数组 + HashEntry转化为Node数组 + 链表/红黑树
重要属性
public class ConcurrentHashMap<K,V> extends AbstractMap<K,V>
implements ConcurrentMap<K,V>, Serializable {
transient volatile Node<K,V>[] table; // 哈希表数组，存储键值对
/**
* 下一个哈希表数组，仅在扩容时使用，不为空
*/
private transient volatile Node<K,V>[] nextTable;
/**
* 基础计数器值，主要在没有竞争时使用，也作为表初始化竞争期间的回退。通过CAS更新
*/
private transient volatile long baseCount;
/**
* 表初始化和扩容控制。当为负数时，表示表正在初始化或扩容：-1表示初始化，否则为-(1 + 活动扩容线程数)。
* 否则，当表为空时，保存创建时使用的初始表大小，默认为0。初始化后，保存下一个用于扩容的元素计数值
*/
private transient volatile int sizeCtl;
/**
* 扩容时要拆分的下一个表索引（加一）
*/
private transient volatile int transferIndex;
/**
* 扩容和/或创建CounterCells时使用的自旋锁（通过CAS锁定）
*/
private transient volatile int cellsBusy;
/**
* 计数单元表。当不为空时，大小为2的幂
*/
private transient volatile CounterCell[] counterCells;
// views
private transient KeySetView<K,V> keySet; // 键集合视图
private transient ValuesView<K,V> values; // 值集合视图
private transient EntrySetView<K,V> entrySet; // 键值对集合视图
}Node
基本与HashMap中的相同，所以略过
initTable
初始化
private final Node<K,V>[] initTable() {
Node<K,V>[] tab; int sc;
while ((tab = table) == null || tab.length == 0) {
// sizeCtl < 0 说明其他线程CAS成功，正在初始化或
if ((sc = sizeCtl) < 0)
// 让出cpu
Thread.yield();
else if (U.compareAndSwapInt(this, SIZECTL, sc, -1)) {
try {
if ((tab = table) == null || tab.length == 0) {
int n = (sc > 0) ? sc : DEFAULT_CAPACITY;
@SuppressWarnings("unchecked")
Node<K,V>[] nt = (Node<K,V>[])new Node<?,?>[n];
table = tab = nt;
sc = n - (n >>> 2);
}
} finally {
sizeCtl = sc;
}
break;
}
}
return tab;
}- 通过自旋 + CAS操作来完成初始化
- sizeCtl 的值
- -1 ： 正在初始化
-
- N：正在扩容高16位位扩容的标识戳，低16位-1位正在扩容的线程数
- 0 ：table初始化大小，如果table没有初始化
-
0 ： 扩容阈值
put
public V put(K key, V value) {
return putVal(key, value, false);
}
/** Implementation for put and putIfAbsent */
final V putVal(K key, V value, boolean onlyIfAbsent) {
if (key == null || value == null) throw new NullPointerException();
// 计算hash
int hash = spread(key.hashCode());
// 计数器，检测链表长度，统计节点个数，控制循环
int binCount = 0;
for (Node<K,V>[] tab = table;;) {
// f是目标元素的位置, fh是后面存放目标位置元素的hash值
Node<K,V> f; int n, i, fh;
if (tab == null || (n = tab.length) == 0)
// 数据桶为空，就先初始化
tab = initTable();
// 定位到这个位置之后发现桶中没有数据，就直接放入，不加锁，然后跳出即可
else if ((f = tabAt(tab, i = (n - 1) & hash)) == null) {
if (casTabAt(tab, i, null,
new Node<K,V>(hash, key, value, null)))
break; // no lock when adding to empty bin
}
// 检查当前桶中的第一个节点是否是一个 ForwardingNode。ForwardingNode 是在哈希表扩容时使用的一种特殊节点类型，用于指示该桶的内容已经被移动到新的哈希表中。
// 如果是就需要helpTranfer
else if ((fh = f.hash) == MOVED)
tab = helpTransfer(tab, f);
else {
V oldVal = null;
// 对节点f加锁
synchronized (f) {
if (tabAt(tab, i) == f) {
// 发现是链表
if (fh >= 0) {
binCount = 1;
// 循环加入新的节点，或者覆盖
for (Node<K,V> e = f;; ++binCount) {
K ek;
if (e.hash == hash &&
((ek = e.key) == key ||
(ek != null && key.equals(ek)))) {
oldVal = e.val;
if (!onlyIfAbsent)
e.val = value;
break;
} Node<K,V> pred = e;
if ((e = e.next) == null) {
pred.next = new Node<K,V>(hash, key,
value, null);
break;
} } } else if (f instanceof TreeBin) {
//发现是红黑树
Node<K,V> p;
binCount = 2;
if ((p = ((TreeBin<K,V>)f).putTreeVal(hash, key,
value)) != null) {
oldVal = p.val;
if (!onlyIfAbsent)
p.val = value;
} } } } if (binCount != 0) {
if (binCount >= TREEIFY_THRESHOLD)
treeifyBin(tab, i);
if (oldVal != null)
return oldVal;
break;
} } } addCount(1L, binCount);
return null;
}- 通过key计算hashcode
- 判断是否需要初始化
- 定位到Node，如果为空直接用CAS写入，失败就自旋保证成功
- 如果hashcode == MOVED == - 1需要进行扩容
- 如果都不满足就使用synchronized锁写入数据
- 如果数量大于TREEIFY_THRESHOLD调用treeifyBin进行转化
get
public V get(Object key) {
Node<K,V>[] tab; Node<K,V> e, p; int n, eh; K ek;
// key 所在的 hash 位置
int h = spread(key.hashCode());
if ((tab = table) != null && (n = tab.length) > 0 &&
(e = tabAt(tab, (n - 1) & h)) != null) {
// 如果指定位置元素存在，头结点hash值相同
if ((eh = e.hash) == h) {
if ((ek = e.key) == key || (ek != null && key.equals(ek)))
// key hash 值相等，key值相同，直接返回元素 value
return e.val;
}
else if (eh < 0)
// 头结点hash值小于0，说明正在扩容或者是红黑树，find查找
return (p = e.find(h, key)) != null ? p.val : null;
while ((e = e.next) != null) {
// 是链表，遍历查找
if (e.hash == h &&
((ek = e.key) == key || (ek != null && key.equals(ek))))
return e.val;
}
}
return null;
}常见八股
HashMap的底层实现是什么
JDK1.8之前是数组 + 链表，数组是HashMap的主体，链表是用来解决哈希冲突。使用拉链法来解决。
JDK1.8之后变为数组+链表/红黑树，当链表长度大于等于阈值 8 时，会转化，如果当前数组长度小于64就学会先进行数组扩容，否则就转化为红黑树，默认大小为16，每次扩容2倍。
拉链法到底是什么
拉链法就是使用一个链表数组，数组中的每一格都是一个链表，如果遇见哈希冲突，则将冲突的值加到链表中。
JDK1.8之后会先判断链表的长度是否大于阈值8，然后去根据数据来判断是否转化为红黑树。
为什么使用2作为底数
- 使用2作为底数可以使用位运算而不是取模去计算索引，比较方便，提高性能
- 同时容量是2的幂次时，哈希值的低位和高位都可以参与索引的计算，减少哈希冲突(capacity 是 2 的幂次，因此 capacity - 1 的二进制表示全是 1，这样 hash & (capacity - 1) 就能高效地计算出索引。)
- 扩容更更简单，重新计算哈希只需要检查哈希值的一个额外位
讲解一下put的过程
- 判断map是否为空，如果为空或者长度位0就及逆行初始化或者扩容
- 之后计算hash值，去匹配Node数组，如果定位到的数组没有位置为空，则直接插入到Node数组中
- 如果不为空，判断是否是树节点，如果是就调用putTreeVal，否则就去遍历这个数组所对应的链表，如果出现哈希值和key完全一致就覆盖数据，否则就遍历到最后使用尾插法，插入数据
- 插入或者覆盖数据之后判断是否需要扩容或者转化为树形结构
为什么JDK1.8使用尾插法而不是和JDK1.7一样使用头插法
因为多线程的情况头插法有可能会出现环
HashMap何时会扩容
当链表的长度大于TREEIFY_THRESHOLD(默认为8)时会开始转化，同时要判断Node数组的个数是否大于MIN_TREEIFY_CAPACITY(默认64)，如果小于就会先进行扩容，而不是转化，如果大于就直接转化为红黑树
扫一扫
772
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
