以下是个人浅薄分析，如有不对请赐教。
重点方法加粗
首先看看几个常量。
static final int DEFAULT_INITIAL_CAPACITY = 1 << 4;
static final int MAXIMUM_CAPACITY = 1 << 30;
static final float DEFAULT_LOAD_FACTOR = 0.75f;
static final int TREEIFY_THRESHOLD = 8;
static final int UNTREEIFY_THRESHOLD = 6;
static final int MIN_TREEIFY_CAPACITY = 64;可以看出，默认初始容量为16，最大为2^30，也即Integer.MAX_VALUE的一半左右，默认负载因子0.75，链表长度超过8后转为红黑树，退到6后又转回链表(给点空间，避免频繁转换)，大家知道红黑树是很高效的，链表长了查找会变慢，转为红黑树还有个条件就是表(数组)的容量达到阈值64，如果链表长度达到8而容量未到64，就先扩容数组。
下面是fields，很简单，不解释，需要注意下modCount。
transient Node<K,V>[] table;
transient Set<Map.Entry<K,V>> entrySet;
transient int size;
transient int modCount;
int threshold;
final float loadFactor;
构造器有4个，一个无参，一个参数为初始容量，一个参数为map，另一个在下面，可以看到最后调用了方法tableSizeFor对初始容量进行修整。
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);
}------------------------------------------------------------------------------------------------------------------------------
key的hash值算法：
static final int hash(Object key) {
int h;
return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}以上是key的hash值计算方法，相较于jdk1.7的四次扰动，这里只使用了一次，key的hashcode为int32位，与自身(无符号)右移16位做与运算，是为了将hashcode的低位更加随机，且位数变少。转载个图过来展示一下，可以看到，取低9位计算index（计算代码在下面），也即哈希表长度为512的时候，碰撞次数减少约10%，只用一次扰动应该是觉得多次扰动效果并不明显吧。
index的计算如下，这里n是哈希表容量（数组大小），hash为key的hash()，这个运算等价于于对n取模，不信你用16的容量跟各种hash值按位与试试看。这个位运算是很快的，为什么容量为2的幂次方就体现在这里，如果n不是2的幂次方，那么这个位运算和取模运算就无法保证结果一致了。
(n - 1) & hash下面再看看跟哈希表容量设置有关的一个方法tableSizeFor：
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;
}这个方法的作用是如果你给的初始容量值不是2的幂次方，那么它会帮你找到一个2的幂次方的值，刚好大于你给的初始值。具体过程很简单，就是将你给的值的二进制数的第一个高位1不断右移并做或运算，使这个1后面都变成1，然后再加上1，就得到一个2的幂次方的值了。比如13为1101，先变成1111，加1，变成16。
----------------------------------------------------------------------------------
下面是一个内部类，是链表的节点类，哈希表数组的每个位置都准备存储一个开始的节点。还有一个为红黑树服务的TreeNode节点类，差不多就不上代码了。
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;
}
}--------------------------------------------------------------------------------------------------------------
下面看一下get方法，它是通过getNode实现的
public V get(Object key) {
Node<K,V> e;
return (e = getNode(hash(key), key)) == null ? null : e.value;
}getNode里面，先判断表是不是null的，表的长度是不是0，以及要从表找的那个位置（hash&(n-1) 前面说过）中，元素是不是null的。
然后判断hash及key是不是跟链表的头节点一致，一致就返回，不然继续找。
继续找的时候先看看这个链表是否转成了红黑树，如果转了，就用红黑树的方法去找，速度要快。
如果没有，就一直next的找下去。找不到返回null。
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 &&
(first = tab[(n - 1) & hash]) != null) {
if (first.hash == hash && // always check first node
((k = first.key) == key || (key != null && key.equals(k))))
return first;
if ((e = first.next) != null) {
if (first instanceof TreeNode)
return ((TreeNode<K,V>)first).getTreeNode(hash, key);
do {
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
return e;
} while ((e = e.next) != null);
}
}
return null;
}getTreeNode这个方法依赖root和find方法，具体是先找到根节点然后调用find方法。parent如果为null表示现在的节点即是root。
final TreeNode<K,V> getTreeNode(int h, Object k) {
return ((parent != null) ? root() : this).find(h, k, null);
}root方法很简单，不断追本溯源，找到root。
final TreeNode<K,V> root() {
for (TreeNode<K,V> r = this, p;;) {
if ((p = r.parent) == null)
return r;
r = p;
}
} final TreeNode<K,V> find(int h, Object k, Class<?> kc) {
TreeNode<K,V> p = this;
do {
int ph, dir; K pk;
TreeNode<K,V> pl = p.left, pr = p.right, q;
if ((ph = p.hash) > h)
p = pl;
else if (ph < h)
p = pr;
else if ((pk = p.key) == k || (k != null && k.equals(pk)))
return p;
else if (pl == null)
p = pr;
else if (pr == null)
p = pl;
else if ((kc != null ||
(kc = comparableClassFor(k)) != null) &&
(dir = compareComparables(kc, k, pk)) != 0)
p = (dir < 0) ? pl : pr;
else if ((q = pr.find(h, k, kc)) != null)
return q;
else
p = pl;
} while (p != null);
return null;
}然后是put方法，依赖putVal方法
public V put(K key, V value) {
return putVal(hash(key), key, value, false, true);
}putVal方法里，先判断表是否null或表容量是否为0，如果是就先扩容。
然后判断要放进表中的位置是否没有节点存在，如果是，就直接把这个节点作为头节点放进去。modCount+1，size+1，判断是否需要扩容，然后返回前一个也就是null。
否则，先判断这个头节点位置的key是不是跟要插入节点的key相同，如果是，先放进节点e中。然后更新e中的值（其实这里新的值和旧的值相等，但这是一个公有代码片段），返回旧值。
如果头节点key跟插入的key不一样，且头节点是红黑树的节点，就调用红黑树的方法。
否则还是以链表的方式进行，不断的next下去：
1；如果到了链表末尾，就将新节点插入到后面即可。然后看看插入后是否达到链表转红黑树的条件，达到就转成红黑树。
2；如果找到某个节点key和要插入的相同，退出循环，也是更新e中的值。同样在代码的最后，检查是否需要扩容（更新又不是插入新节点，当然不用啦）
如果表达到阈值，也要扩容。afterNodeInsertion和afterNodeAccess这2个方法是回调用的，hashmap里为空。
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;
}下面看看已经是红黑树时，红黑树的put方法：
先找到根节点，如果根节点的key等于要插入节点的key，返回进行更新即可。如果自定义比较器，根据自定义的寻找插入点。
否则一直找到末尾为止，将新节点插入左或右节点，插入后进行调整，保证树依然是红黑树。
xpn!=null这个条件不知道什么时候满足。
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)
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) {
if (!searched) {
TreeNode<K,V> q, ch;
searched = true;
if (((ch = p.left) != null &&
(q = ch.find(h, k, kc)) != null) ||
((ch = p.right) != null &&
(q = ch.find(h, k, kc)) != null))
return q;
}
dir = tieBreakOrder(k, pk);
}
TreeNode<K,V> xp = p;
if ((p = (dir <= 0) ? p.left : p.right) == null) {
Node<K,V> xpn = xp.next;
TreeNode<K,V> x = map.newTreeNode(h, k, v, xpn);
if (dir <= 0)
xp.left = x;
else
xp.right = x;
xp.next = x;
x.parent = x.prev = xp;
if (xpn != null)
((TreeNode<K,V>)xpn).prev = x;
moveRootToFront(tab, balanceInsertion(root, x));
return null;
}
}
}再看看从链表转为红黑树的方法：
先看看是否需要对表扩容
然后看看头节点非空（你要转红黑树当然有节点了）
然后将这个单向链表转成双向的
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);
}
}再看看treeify方法：
这个方法是将双向链表转为红黑树，具体的跟数据结构有关，红黑树也不算复杂。
final void treeify(Node<K,V>[] tab) {
TreeNode<K,V> root = null;
for (TreeNode<K,V> x = this, next; x != null; x = next) {
next = (TreeNode<K,V>)x.next;
x.left = x.right = null;
if (root == null) {
x.parent = null;
x.red = false;
root = x;
}
else {
K k = x.key;
int h = x.hash;
Class<?> kc = null;
for (TreeNode<K,V> p = root;;) {
int dir, ph;
K pk = p.key;
if ((ph = p.hash) > h)
dir = -1;
else if (ph < h)
dir = 1;
else if ((kc == null &&
(kc = comparableClassFor(k)) == null) ||
(dir = compareComparables(kc, k, pk)) == 0)
dir = tieBreakOrder(k, pk);
TreeNode<K,V> xp = p;
if ((p = (dir <= 0) ? p.left : p.right) == null) {
x.parent = xp;
if (dir <= 0)
xp.left = x;
else
xp.right = x;
root = balanceInsertion(root, x);
break;
}
}
}
}
moveRootToFront(tab, root);
}再看看比较重要的resize方法：
1；如果旧表容量大于0：
1.1；如果它大于等于最大允许容量（不可能大于，因为旧表也是扩容而来的），旧的阈值为Integer的最大值，容量没法增加了，直接返回旧表。
1.2；如果旧表容量小于最大允许值的一半，并且旧表容量大于默认值，新表容量为旧表*2，阈值也为旧表*2
2；如果旧表容量小于等于0（空表），并且旧表阈值大于0，新表容量设为旧表阈值
3；如果旧表容量小于等于0，并且旧表阈值小于等于0，新表容量和阈值为默认值
以上进行完后，再进行一些判断：
如果新表阈值为0（对应上面2），如果新表容量小于最大允许值并且新表容量*负载因子小于最大允许值，则新表阈值为新表容量*负载因子，否则为Integer的最大值。
至此新表的容量和阈值都设置好了。
然后将旧表的数据倒腾到新表中，并删除旧表中元素。
这里值得提出的是，倒腾数据时，是将新表分成2个部分，每个部分大小等于旧表。请看if ((e.hash & oldCap) == 0)这个判断条件，之前根据key的hash值寻找数组位置是用hash&(n-1)，而这里是hash&oldCap，仔细分析就可知道，当其等于0时，表明这个节点应该在新表的第一部分进行插入，不等于0时在第二部分进行插入，在这里，应该又体现出容量为2的幂次方的作用。
对于旧表中数组index为i的e节点，它在新表中就可能分布在第一和第二部分了，loHead和loTail表示它在第一部分的链表的头节点和尾节点，hiHead和hiTail表示它在第二部分的链表的头节点和尾节点。当然，是先用2个链表存储旧表中的一个链表，然后将2个链表放入对应新表的位置中（索引应该是i和i+oldCap）。
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;
}将红黑树拆分节点。
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;
TreeNode<K,V> hiHead = null, hiTail = null;
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) {
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)
tab[index] = loHead.untreeify(map);
else {
tab[index] = loHead;
if (hiHead != null) // (else is already treeified)
loHead.treeify(tab);
}
}
if (hiHead != null) {
if (hc <= UNTREEIFY_THRESHOLD)
tab[index + bit] = hiHead.untreeify(map);
else {
tab[index + bit] = hiHead;
if (loHead != null)
hiHead.treeify(tab);
}
}
}再看看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;
}removeNode方法：
先判断对应数组位置头节点是否存在
如果头节点即是要异常的node，则直接移除，将下一个设为头节点
否则，如果是红黑树，用红黑树的查找方法，不是就循环查找
删除也一样，如果是红黑树，用红黑树的删除方法（这里要判断是否由红黑树转回链表）
具体细节熟悉红黑树就很好理解了。
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;
}
-------------------------------------------------------------------------------------------------------------------------------
下面方法判断一个类A是否实现了Comparable<A>，如果是，返回其Class类型。
先判断是否实现了Comparable，然后先检查是否是String类型（估计因为这个可能性大，单独拿出来判断了）
然后获得对象x的所有实现接口，判断接口是否是参数化的，并且接口是Comparable，并且参数只有一个且为A
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;
} @SuppressWarnings({"rawtypes","unchecked"}) // for cast to Comparable
static int compareComparables(Class<?> kc, Object k, Object x) {
return (x == null || x.getClass() != kc ? 0 :
((Comparable)k).compareTo(x));
}以上是2个辅助方法。
综上，重要的在hash值的计算，put/get方法，resize方法。当然源码还有很多类是方法，就不提了。
470
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
