HashMap，是Java语言中比较基础也比较重要的一种数据结构，由于其用途广泛，所以，Java的工程师在设计HashMap的时候考虑了很多因素。
通过阅读HashMap的源码，可以学习到很多知识，本文就是一篇基于HashMap源码的深度分析。
全文文字+代码大概有1.5W左右，阅读时间大概半小时。如果你没有完整的半个小时时间，请先收藏，欢迎转发。
关于HashMap，还有几篇文章可以结合着一起看：
HashMap
作为哈希表的Map接口实现，其具备以下几个特点：
-
和HashTable类似，采用数组+单链表形式存储元素，从jdk1.8开始，增加了红黑树的结构，当单链表中元素个数超过指定阈值，会转化为红黑树结构存储，目的就是为了解决单链表元素过多时查询慢的问题。
-
和HashTable不同的是，HashMap是线程不安全的，方法都未使用synchronized关键字。因为内部实现不同，允许key和value值为null。
-
构建HashMap实例时有两个重要的参数，会影响其性能：初始大小和加载因子。初始大小用来规定哈希表数组的长度，即桶的个数。加载因子用来表示哈希表元素的填满程度，越大则表示允许填满的元素就越多，哈希表的空间利用率就越高，但是冲突的机会也就增加了。反之，越小则冲突的机会就会越少，但是空间很多就浪费了。
静态常量
1、源码：
/**
* 默认初始大小，值为16，要求必须为2的幂
*/
static final int DEFAULT_INITIAL_CAPACITY = 1 << 4; // aka 16
/**
* 最大容量，必须不大于2^30
*/
static final int MAXIMUM_CAPACITY = 1 << 30;
/**
* 默认加载因子，值为0.75
*/
static final float DEFAULT_LOAD_FACTOR = 0.75f;
/**
* hash冲突默认采用单链表存储，当单链表节点个数大于8时，会转化为红黑树存储
*/
static final int TREEIFY_THRESHOLD = 8;
/**
* hash冲突默认采用单链表存储，当单链表节点个数大于8时，会转化为红黑树存储。
* 当红黑树中节点少于6时，则转化为单链表存储
*/
static final int UNTREEIFY_THRESHOLD = 6;
/**
* hash冲突默认采用单链表存储，当单链表节点个数大于8时，会转化为红黑树存储。
* 但是有一个前提：要求数组长度大于64，否则不会进行转化
*/
static final int MIN_TREEIFY_CAPACITY = 64;
注意：HashMap默认采用数组+单链表方式存储元素，当元素出现哈希冲突时，会存储到该位置的单链表中。但是单链表不会一直增加元素，当元素个数超过8个时，会尝试将单链表转化为红黑树存储。但是在转化前，会再判断一次当前数组的长度，只有数组长度大于64才处理。否则，进行扩容操作。此处先提到这，后续会有详细的讲解。
2、问题：
问：为何加载因子默认为0.75？
答：通过源码里的javadoc注释看到，元素在哈希表中分布的桶频率服从参数为0.5的泊松分布，具体可以参考下StackOverflow里的解答：https://stackoverflow.com/questions/10901752/what-is-the-significance-of-load-factor-in-hashmap
构造函数
1、无参构造函数：
public HashMap() {
this.loadFactor = DEFAULT_LOAD_FACTOR; // all other fields defaulted
}
2、带参构造函数，指定初始容量：
public HashMap(int initialCapacity) {
this(initialCapacity, DEFAULT_LOAD_FACTOR);
}
3、带参构造函数，指定初始容量和加载因子：
3.1、源码：
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)//通过后面扩容的方法知道，该值就是初始创建数组时的长度
}
//返回大于等于cap最小的2的幂，如cap为12，结果就是16
static final int tableSizeFor(int cap) {
int n = cap - 1;//为了保证当cap本身是2的幂的情况下，能够返回原本的数，否则返回的是cap的2倍
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;
}
3.2、示例：
下面我们以cap等于8为例：
不减一的过程如下：
图注:tableSizeFor不减一过程
最后执行加1操作，那么返回的是2^4=16，是cap的2倍。
减一的过程如下：
图注:tableSizeFor减一过程
最后执行加1操作，那么返回的是2^3=8，也就是cap本身。
3.3、问题：
问：为何数组容量必须是2次幂？
答：索引计算公式为i = (n - 1) & hash，如果n为2次幂，那么n-1的低位就全是1，哈希值进行与操作时可以保证低位的值不变，从而保证分布均匀，效果等同于hash%n，但是位运算比取余运算要高效的多。
4、带参构造函数，指定Map集合：
public HashMap(Map<? extends K, ? extends V> m) {
this.loadFactor = DEFAULT_LOAD_FACTOR;
putMapEntries(m, false);
}
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);
}
}
}
添加元素
1、源码：
public V put(K key, V value) {
return putVal(hash(key), key, value, false, true);
}
//将key的哈希值，进行高16位和低16位异或操作，增加低16位的随机性，降低哈希冲突的可能性
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;
//首次table为null，首先通过resize()进行数组初始化
if ((tab = table) == null || (n = tab.length) == 0)
n = (tab = resize()).length;
//利用index=(n-1)&hash的方式，找到索引位置
//如果索引位置无元素，则创建Node对象，存入数组该位置中
if ((p = tab[i = (n - 1) & hash]) == null)
tab[i] = newNode(hash, key, value, null);
else { //如果索引位置已有元素，说明hash冲突，存入单链表或者红黑树中
Node<K,V> e; K k;
//hash值和key值都一样，则进行value值的替代
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
e = p;
else if (p instanceof TreeNode) //hash值一致，key值不一致，且p为红黑树结构，则往红黑树中添加
e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
else { //hash值一致，key值不一致，且p为单链表结构，则往单链表中添加
for (int binCount = 0; ; ++binCount) {
if ((e = p.next) == null) {
p.next = newNode(hash, key, value, null); //追加到单链表末尾
if (binCount >= TREEIFY_THRESHOLD - 1) // //超过树化阈值则进行树化操作
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) //当元素个数大于新增阈值，则通过resize()扩容
resize();
afterNodeInsertion(evict);
return null;
}
2、流程图：
图注:添加元素流程图
3、hash计算：
问：获取hash值时：为何在hash方法中加上异或无符号右移16位的操作？
答：此方式是采用"扰乱函数"的解决方案，将key的哈希值，进行高16位和低16位异或操作，增加低16位的随机性，降低哈希冲突的可能性。
下面我们通过一个例子，来看下有无"扰乱函数"的情况下，计算出来索引位置的值：
图注:hash计算
扩容
1、源码：
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) {//数组不为空
if (oldCap >= MAXIMUM_CAPACITY) { //当前长度超过MAXIMUM_CAPACITY，新增阈值为Integer.MAX_VALUE
threshold = Integer.MAX_VALUE;
return oldTab;
}
else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&
oldCap >= DEFAULT_INITIAL_CAPACITY) //进行2倍扩容，如果当前长度超过初始16，新增阈值也做2倍扩容
newThr = oldThr << 1; // double threshold
}
else if (oldThr > 0) // 数组为空，指定了新增阈值
newCap = oldThr;
else { //数组为空，未指定新增阈值，采用默认初始大小和加载因子，新增阈值为16*0.75=12
newCap = DEFAULT_INITIAL_CAPACITY;
newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);
}
if (newThr == 0) { //按照给定的初始大小计算扩容后的新增阈值
float ft = (float)newCap * loadFactor;
newThr = (newCap < MAXIMUM_CAPACITY && ft < (float)MAXIMUM_CAPACITY ?
(int)ft : Integer.MAX_VALUE);
}
threshold = newThr; //扩容后的新增阈值
@SuppressWarnings({"rawtypes","unchecked"})
Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap]; //扩容后的数组
table = newTab;
if (oldTab != null) { //将原数组中元素放入扩容后的数组中
for (int j = 0; j < oldCap; ++j) {
Node<K,V> e;
if ((e = oldTab[j]) != null) {
oldTab[j] = null;
if (e.next == null) //无后继节点，则直接计算在新数组中位置，放入即可
newTab[e.hash & (newCap - 1)] = e;
else if (e instanceof TreeNode) //为树节点需要拆分
((TreeNode<K,V>)e).split(this, newTab, j, oldCap);
else { //有后继节点，且为单链表，将原数组中单链表元素进行拆分，一部分在原索引位置，一部分在原索引+原数组长度
Node<K,V> loHead = null, loTail = null; //保存在原索引的链表
Node<K,V> hiHead = null, hiTail = null; //保存在新索引的链表
Node<K,V> next;
do {
next = e.next;
if ((e.hash & oldCap) == 0) { //哈希值和原数组长度进行&操作，为0则在原数组的索引位置，非0则在原数组索引位置+原数组长度的新位置
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;
}
2、流程图：
2.1 首次调用扩容方法：
图注:首次调用扩容方法
2.2 示例：
情况一：
-
使用无参构造函数：
HashMap<String, Integer> hashMap = new HashMap<>();
-
put元素，发现table为null，调用resize扩容方法：
int oldCap = (oldTab == null) ? 0 : oldTab.length;
int oldThr = threshold;
-
oldCap为0，oldThr为0，执行resize()里的该分支：
newCap = DEFAULT_INITIAL_CAPACITY;
newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);
threshold = newThr;
@SuppressWarnings({"rawtypes","unchecked"})
Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap];
table = newTab;
-
newCap为16，newThr为12，也就是说HashMap默认数组长度为16，元素添加阈值为12。
-
threshold为12。创建大小为16的数组，赋值给table。
情况二：
使用有参构造函数：
HashMap<String, Integer> hashMap = new HashMap<>(7);
oldCap为0，oldThr为8，执行resize()里的该分支：
else if (oldThr > 0) // initial capacity was placed in threshold
newCap = oldThr;
newCap为8，newThr为0，执行resize()里的该分支：
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;
threshold为6。创建大小为8的数组，赋值给table。
2.3 非首次调用扩容方法：
图注:非首次调用扩容方法
2.4 示例：
接着2.2里的情况二，继续添加元素，直到扩容：
oldCap为8，oldThr为6，执行resize()里的该分支：
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
}
oldCap小于MAXIMUM_CAPACITY，进行2倍扩容，newCap为16。oldCap小于DEFAULT_INITIAL_CAPACITY，不做newThr的扩容，为0，执行resize()里的该分支：
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;
..........省略.......//将原数组元素存入新数组中
因为newCap小于MAXIMUM_CAPACITY ，ft为newCap*加载因子为12，threshold为12。创建大小为16的数组，赋值给table，并将原数组元素放入新数组中。
继续添加元素，直到扩容：
oldCap为16，oldThr为12，执行resize()里的该分支：
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
}
oldCap小于MAXIMUM_CAPACITY，将数组长度进行2倍扩容，newCap为32。oldCap>=DEFAULT_INITIAL_CAPACITY，将添加元素的阈值也进行2倍扩容，注意此时不再用加载因子去计算阈值，而是随着数组长度进行相应的2倍扩容，threshold为24。
创建大小为32的数组，赋值给table，并将原数组元素放入新数组中。
threshold = newThr;
@SuppressWarnings({"rawtypes","unchecked"})
Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap];
table = newTab;
..........省略.......//将原数组元素存入新数组中
继续添加元素，扩容到数组长度等于MAXIMUM_CAPACITY：
oldCap为MAXIMUM_CAPACITY，执行resize()里的该分支：
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
}
因为oldCap等于MAXIMUM_CAPACITY，threshold设置为 Integer.MAX_VALUE，不再扩容，直接返回原数组。此时继续添加元素，Integer.MAX_VALUE+1=Integer.MIN_VALUE，不再大于threshold，则不再进行扩容操作了。
树化操作
1、源码：
将原本的单链表转化为双向链表，再遍历这个双向链表转化为红黑树：
final void treeifyBin(Node<K,V>[] tab, int hash) {
int n, index; Node<K,V> e;
//树形化还有一个要求就是数组长度必须大于等于64，否则继续采用扩容策略
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;//hd指向首节点，tl指向尾节点
do {
TreeNode<K,V> p = replacementTreeNode(e, null);//将链表节点转化为红黑树节点
if (tl == null) // 如果尾节点为空，说明还没有首节点
hd = p; // 当前节点作为首节点
else { // 尾节点不为空，构造一个双向链表结构，将当前节点追加到双向链表的末尾
p.prev = tl; // 当前树节点的前一个节点指向尾节点
tl.next = p; // 尾节点的后一个节点指向当前节点
}
tl = p; // 把当前节点设为尾节点
} while ((e = e.next) != null); // 继续遍历单链表
//将原本的单链表转化为一个节点类型为TreeNode的双向链表
if ((tab[index] = hd) != null) // 把转换后的双向链表，替换数组原来位置上的单向链表
hd.treeify(tab); // 将当前双向链表树形化
}
}
将双向链表转化为红黑树的具体实现：
final void treeify(Node<K,V>[] tab) {
TreeNode<K,V> root = null; // 定义红黑树的根节点
for (TreeNode<K,V> x = this, next; x != null; x = next) { // 从TreeNode双向链表的头节点开始逐个遍历
next = (TreeNode<K,V>)x.next; // 头节点的后继节点
x.left = x.right = null;
if (root == null) {
x.parent = null;
x.red = false;
root = x; // 头节点作为红黑树的根，设置为黑色
}
else { // 红黑树存在根节点
K k = x.key;
int h = x.hash;
Class<?> kc = null;
for (TreeNode<K,V> p = root;;) { // 从根开始遍历整个红黑树
int dir, ph;
K pk = p.key;
if ((ph = p.hash) > h) // 当前红黑树节点p的hash值大于双向链表节点x的哈希值
dir = -1;
else if (ph < h) // 当前红黑树节点的hash值小于双向链表节点x的哈希值
dir = 1;
else if ((kc == null &&
(kc = comparableClassFor(k)) == null) ||
(dir = compareComparables(kc, k, pk)) == 0) // 当前红黑树节点的hash值等于双向链表节点x的哈希值，则如果key值采用比较器一致则比较key值
dir = tieBreakOrder(k, pk); //如果key值也一致则比较className和identityHashCode
TreeNode<K,V> xp = p;
if ((p = (dir <= 0) ? p.left : p.right) == null) { // 如果当前红黑树节点p是叶子节点，那么双向链表节点x就找到了插入的位置
x.parent = xp;
if (dir <= 0) //根据dir的值，插入到p的左孩子或者右孩子
xp.left = x;
else
xp.right = x;
root = balanceInsertion(root, x); //红黑树中插入元素，需要进行平衡调整(过程和TreeMap调整逻辑一模一样)
break;
}
}
}
}
//将TreeNode双向链表转化为红黑树结构之后，由于红黑树是基于根节点进行查找，所以必须将红黑树的根节点作为数组当前位置的元素
moveRootToFront(tab, root);
}
将红黑树的根节点移动到数组的索引所在位置上：
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; //找到红黑树根节点在数组中的位置
TreeNode<K,V> first = (TreeNode<K,V>)tab[index]; //获取当前数组中该位置的元素
if (root != first) { //红黑树根节点不是数组当前位置的元素
Node<K,V> rn;
tab[index] = root;
TreeNode<K,V> rp = root.prev;
if ((rn = root.next) != null) //将红黑树根节点前后节点相连
((TreeNode<K,V>)rn).prev = rp;
if (rp != null)
rp.next = rn;
if (first != null) //将数组当前位置的元素，作为红黑树根节点的后继节点
first.prev = root;
root.next = first;
root.prev = null;
}
assert checkInvariants(root);
}
}
红黑树插入
1、源码：
final TreeNode<K,V> putTreeVal(HashMap<K,V> map, Node<K,V>[] tab,
int h, K k, V v) {
Class<?> kc = null;
boolean searched = false;
TreeNode<K,V> root = (parent != null) ? root() : this;
for (TreeNode<K,V> p = root;;) {
int dir, ph; K pk;
if ((ph = p.hash) > h)//进行哈希值的比较
dir = -1;
else if (ph < h)
dir = 1;
else if ((pk = p.key) == k || (k != null && k.equals(pk)))
return p;
else if ((kc == null &&
(kc = comparableClassFor(k)) == null) ||
(dir = compareComparables(kc, k, pk)) == 0) {//hash值相同，则按照key进行比较
if (!searched) {
TreeNode<K,V> q, ch;
searched = true;
if (((ch = p.left) != null &&
(q = ch.find(h, k, kc)) != null) ||//去左子树中查找哈希值相同，key相同的节点
((ch = p.right) != null &&
(q = ch.find(h, k, kc)) != null))//去右子树中查找哈希值相同，key相同的节点
return q;
}
dir = tieBreakOrder(k, pk);//通过比较k与pk的hashcode
}
TreeNode<K,V> xp = p;
if ((p = (dir <= 0) ? p.left : p.right) == null) {//找到红黑树合适的位置插入
Node<K,V> xpn = xp.next;
TreeNode<K,V> x = map.newTreeNode(h, k, v, xpn);
if (dir <= 0) //插入到左节点或者右节点
xp.left = x;
else
xp.right = x;
xp.next = x;//插入到双向链表合适的位置
x.parent = x.prev = xp;
if (xpn != null)
((TreeNode<K,V>)xpn).prev = x;
moveRootToFront(tab, balanceInsertion(root, x));//做插入后的平衡调整 将平衡后的红黑树节点作为数组该位置的元素
return null;
}
}
}
2、说明:
当hash冲突时，单链表元素个数超过树化阈值(TREEIFY_THRESHOLD)后，转化为红黑树存储。之后再继续冲突，则就变成往红黑树中插入元素了。关于红黑树插入元素，请看我之前写的文章：TreeMap之元素插入
红黑树拆分
1、源码：
将红黑树按照扩容后的数组，重新计算索引位置，并且拆分后的红黑树还需要判断个数，从而决定是做去树化操作还是树化操作：
final void split(HashMap<K,V> map, Node<K,V>[] tab, int index, int bit) {
TreeNode<K,V> b = this;
// Relink into lo and hi lists, preserving order
TreeNode<K,V> loHead = null, loTail = null; //保存在原索引的红黑树
TreeNode<K,V> hiHead = null, hiTail = null; //保存在新索引的红黑树
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) { //哈希值和原数组长度进行&操作，为0则在原数组的索引位置，非0则在原数组索引位置+原数组长度的新位置
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;
}
}
if (loHead != null) {
if (lc <= UNTREEIFY_THRESHOLD) //当红黑树的节点不大于去树化阈值，则将原索引处的红黑树进行去树化操作
tab[index] = loHead.untreeify(map); //红黑树根节点作为原索引处的元素
else { //当红黑树的节点大于去树化阈值，则将原索引处的红黑树进行树化操作
tab[index] = loHead;
if (hiHead != null) // (else is already treeified)
loHead.treeify(tab);
}
}
if (hiHead != null) {
if (hc <= UNTREEIFY_THRESHOLD) //当红黑树的节点不大于去树化阈值，则将新索引处的红黑树进行去树化操作
tab[index + bit] = hiHead.untreeify(map); //红黑树根节点作为新索引处的元素
else { //当红黑树的节点大于去树化阈值，则将新索引处的红黑树进行树化操作
tab[index + bit] = hiHead;
if (loHead != null)
hiHead.treeify(tab);
}
}
}
去树化操作
1、源码：
遍历红黑树，还原成单链表结构：
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) { //遍历红黑树，依次将TreeNode转化为Node，还原成单链表形式
Node<K,V> p = map.replacementNode(q, null);
if (tl == null)
hd = p;
else
tl.next = p;
tl = p;
}
return hd;
}
综合示例
1、代码：
//插入38个元素，无hash冲突，依次存入索引0~37的位置
HashMap<Integer, Integer> hashMap = new HashMap<>(64);
for(int i=0; i<38; i++){
hashMap.put(i, i);
}
//依次插入64、128、182、256、320、384，448，索引位置为0，出现hash冲突，往单链表中插入
for (int i=1; i <= 7; i++) {
hashMap.put(64*i, 64*i);
}
//插入512，hash冲突，往单链表中插入。此时单链表个数大于TREEIFY_THRESHOLD，将单链表转化为红黑树
hashMap.put(64*8, 64*8);
//插入576，hash冲突，往红黑树中插入
hashMap.put(64*9, 64*9);
//hash不冲突，保存到数组索引为38的位置，此时总元素个数为48，新增阈值为48，不做处理。
hashMap.put(38, 38);
//hash不冲突，保存到数组索引为39的位置，此时总元素个数为49，新增阈值为48，扩容！！！
hashMap.put(39, 39);
2、内部实现过程：
图注:添加0~37
图注:添加64~448
图注:添加512
图注:树化操作
图注:调整根的位置
图注:添加576
图注:添加38
图注:添加39
图注:扩容
图注:去树化
讨论题
-
为何单链表转化为红黑树，要求节点个数大于8？
-
为何转化为红黑树前，要求数组总长度要大于64？
-
为何红黑树转化为单链表，要求节点个数小于等于6？
扫一扫
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
