HashMap的源码主要包含三个重要的方法(get、put、remove)
get方法解析
public V get(Object key) {
//e:查找到的节点
Node<K,V> e;
//如果节点为空则返回null,否则返回该节点的value值
return (e = getNode(hash(key), key)) == null ? null : e.value;
}
补充说明:
①、在大部分源码中,都会将接口方法写的简单,而将具体的处理交给其他方法
②、HashMap中一般会优先声明变量,然后在后面的语句中直接赋值。
getNode方法解析
get方法的具体实现都getNode方法中
final Node<K,V> getNode(int hash, Object key) {
//tab:存放hashmap的数组,first:当前hash值对应的节点Node,e:便于遍历链表的一个临时变量,n:hashmap中Node数组的长度,k:当前处理Node节点的key值
Node<K,V>[] tab; Node<K,V> first, e; int n; K k;
//最开始都是判空处理,此处三个变量的赋值
if ((tab = table) != null && (n = tab.length) > 0 &&
(first = tab[(n - 1) & hash]) != null) {
//每一个Node节点都有可能是单一节点、链表、树,因为单一节点的概率很高,所以每次都会优先判断第一个节点是否为想要查找的节点
if (first.hash == hash && // always check first node
((k = first.key) == key || (key != null && key.equals(k))))
return first;
//如果逻辑能走到这,说明第一个节点不是想要查找的节点,所以判断下一个节点是否为空,判断是否为链表和树
if ((e = first.next) != null) {
//分开判断,是树的时候调用getTreeNode,该方法是TreeNode内部类的一个方法,所以强转first调用,该方法后续分析
if (first instanceof TreeNode)
return ((TreeNode<K,V>)first).getTreeNode(hash, key);
//如果能走到这个地方,说明first节点为链表
do {
//这个地方和first判断条件一样,只是此处的e已经是first的next节点
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
return e;
//一直找到最后为null的节点
} while ((e = e.next) != null);
}
}
//逻辑走到这个地方说明没有找到相应key的节点,直接返回null
return null;
}
补充说明:
①、在HashMap中有很多hash值的地方,主要调用的地方有几个
第一个:在Node节点中有一个计算hash值的方法,这个地方返回的是Node节点的hash值,重写了hashCode方法
public final int hashCode() {
return Objects.hashCode(key) ^ Objects.hashCode(value);
}
第二个:HashMap新增方法hash方法,这是一个用于计算HashMap节点key的hash值的方法,采用了key的hashCode前16位和后16位异或的方法,减少了在存入数组中发生哈希冲突(因为存入数组中只使用了后几位hash值,相同的概率很高)的概率。在HashMap中,针对key的hash处理一般都是采用这个方法计算
static final int hash(Object key) {
int h;
return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}
第三个:存入数组中使用了hash值,其中(n-1) & hash作为Node数组的下标,相当于截取key的hash值的后几位(n为数组长度,则n-1转换成二进制时全为1)
if ((tab = table) != null && (n = tab.length) > 0 &&
(first = tab[(n - 1) & hash]) != null)
②、先做hash值判断,然后再判断相等,都是细节处提高HashMap的效率
getTreeNode方法解析
如果此处对红黑树不太了解,建议先具体的学习下红黑树,直接跳过剩下树部分的查找
final TreeNode<K,V> getTreeNode(int h, Object k) {
//调用该方法的节点不为根节点时,则用根节点去调用find方法。
//root方法就是返回到parent节点为空的位置
return ((parent != null) ? root() : this).find(h, k, null);
}
root方法
final TreeNode<K,V> root() {
for (TreeNode<K,V> r = this, p;;) {
if ((p = r.parent) == null)
return r;
r = p;
}
}
find方法解析
final TreeNode<K,V> find(int h, Object k, Class<?> kc) {
//接上一个方法,在get方法中,此处为根节点
TreeNode<K,V> p = this;
do {
//ph:p节点的hash值,dir:在二叉搜索树/红黑树种,用于判断按左子树还是右子树查找,pk:p节点的key
int ph, dir; K pk;
//pl:p节点的左孩子,pr:p节点的右孩子,q:递归调用查找时的结果
TreeNode<K,V> pl = p.left, pr = p.right, q;
//二叉查找树的特性,如果p节点的hash值大于了查找key的hash值,则说明,查找节点在左边
if ((ph = p.hash) > h)
p = pl;
//与上面一样,说明在右边
else if (ph < h)
p = pr;
//逻辑能走到这个地方,说明hash值是相等的,hash值相等但key不一样的概率很小,直接进行判断
else if ((pk = p.key) == k || (k != null && k.equals(pk)))
return p;
//到这个地方说明hash值相等,但是key值不相等,概率很小很小,后续的节点也没几个,左右某一个子节点为空的概率很高
//pl,pr为空,则遍历其他节点
else if (pl == null)
p = pr;
else if (pr == null)
p = pl;
//针对key是Comparable <C>的实现类进行处理,可以忽略
else if ((kc != null ||
(kc = comparableClassFor(k)) != null) &&
(dir = compareComparables(kc, k, pk)) != 0)
p = (dir < 0) ? pl : pr;
//如果两个hash值相等左右节点都存在的情况,直接递归查找右边节点
else if ((q = pr.find(h, k, kc)) != null)
return q;
//逻辑能到这个地方说明右边节点不存在,则去查找左边节点
else
p = pl;
} while (p != null);
return null;
}
补充说明:
①、在遍历树的时候, 可能会有疑问,HashMap中同一个节点的hash值应该是相等的,为什么存在p节点的hash值和查询key的hash值不相等的情况?这就要回到上面hash值介绍的部分,同一个节点的hash值相等,是指后几位相等,而此处的hash值比较是整个节点的hash值比较。
put方法解析
到此为止,get方法的全部解析就完成了,由于get方法不会破坏HashMap的结构,所以相对简单,后续先分析put方法,然后分析remove方法,难度会逐渐上升
public V put(K key, V value) {
//与get方法一样,交给putVal方法处理
return putVal(hash(key), key, value, false, true);
}
putVal方法
final V putVal(int hash, K key, V value, boolean onlyIfAbsent,
boolean evict) {
//tab:Node数组,p:当前hash下标载tab数组的Node节点,n:tab长度,i:当前hash下标
Node<K,V>[] tab; Node<K,V> p; int n, i;
//首先对数组进行一个判断,是否是一个空map,此处可以下拉去看常用的HashMap的无参构造方法
if ((tab = table) == null || (n = tab.length) == 0)
//调用resize方法,初始化map,后面详细介绍初始化和扩容
n = (tab = resize()).length;
//如果当前节点没有值,则直接新建一个节点并存入
if ((p = tab[i = (n - 1) & hash]) == null)
tab[i] = newNode(hash, key, value, null);
else {
//逻辑到达此处,说明当前节点有值,需要采用挂链法
//e:为查询到的节点相等的节点(所有结构下),k:为当前遍历p节点的key值
Node<K,V> e; K k;
//还是和get方法一样,先判断第一个值是否相等,如果相等,这存入e中,便于最后进行value的替换,并将旧值返回
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
e = p;
//树节点进行调用putTreeVal方法,后续会进行介绍
else if (p instanceof TreeNode)
e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
//到此处,与get方法一样,说明是链表结构,且一个节点不是
else {
//binCount是统计当前挂链法的节点数
for (int binCount = 0; ; ++binCount) {
//如果当前节点的下一个节点为空,说明到链表的尾部了直接添加元素
//TREEIFY_THRESHOLD值为8,不难理解逻辑,是当链表节点数为8,而且新增了一个节点的时候才会调用treeifyBin方法,进行链表转树的操作,所以此时是有9个节点。treeifyBin方法后续介绍
if ((e = p.next) == null) {
p.next = newNode(hash, key, value, null);
if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st
treeifyBin(tab, hash);
break;
}
//如果e和寻找的值相同,则直接跳出循环
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
break;
//如果不相等,则将p指向e,也就是p的下一个节点
p = e;
}
}
//此处需要回顾下上面的多种情况
//1、数组位置无节点,直接新建插入,e没被赋值,所以为空
//2、数组第一个值与key相同,直接将p赋值给e,没有新建,不为空
//3、树节点直接返回e
//4、到达链表的最后节点,此时e为null,并且新建节点
//5、如果找到相同的节点直接返回,此时e有值
//综合分析可以看出,在新建节点的时候e是null的,在存在节点时,返回的e为所选值
if (e != null) { // existing mapping for key
//此处说明找到了一样的值,将旧值存储起来
V oldValue = e.value;
//onlyIfAbsent该变量是是否改变原值的控制
if (!onlyIfAbsent || oldValue == null)
e.value = value;
afterNodeAccess(e);
return oldValue;
}
}
//逻辑能走出这个部分,说明e为null,新增了节点
//操作数+1
++modCount;
//如果size超过了阈值,则进行扩容(此处的阈值是当前的HashMap的数组大小乘以加载因子决定的)
if (++size > threshold)
resize();
//供子类扩展功能的方法
afterNodeInsertion(evict);
//返回为null
return null;
}
补充说明:
①、在put第一个值的时候,map进行初始化,所以HashMap通常是在put第一个值的时候完成初始化,然后就是在多线程的时候会在两个put操作会导致重复resize从而导致线程安全的问题
②、size超过阈值如果默认大小为16,加载因子为0.75的时候,则是在添加第13个元素的时候才会扩容
HashMap常用的无参构造方法
public HashMap() {
//该构造方法只定义了一个加载因子,也就是0.75
this.loadFactor = DEFAULT_LOAD_FACTOR; // all other fields defaulted
}
resize方法
final Node<K,V>[] resize() {
//用于存储之前的tab
Node<K,V>[] oldTab = table;
//旧tab的长度
int oldCap = (oldTab == null) ? 0 : oldTab.length;
//旧tab的扩容阈值
int oldThr = threshold;
//新tab的容量和扩容阈值
int newCap, newThr = 0;
//此处用来判断是risize方法是新建还是扩容
if (oldCap > 0) {
//这个部分是扩容
//如果旧的tab的容量已经大于了2的30次方(①)
if (oldCap >= MAXIMUM_CAPACITY) {
//当达到最大扩容数的时候,直接将阈值设置为整数的最大值
threshold = Integer.MAX_VALUE;
return oldTab;
}
//如果现有的容量没有超过最大容量,而且也大于等于16,则进行扩容,同时容量阈值乘2
else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&
oldCap >= DEFAULT_INITIAL_CAPACITY)
//容量乘2
newThr = oldThr << 1; // double threshold
}
//逻辑能到这个地方说明是新建
//此处可以参考HashMap有参构造,使用的比较少,此时会定义扩容阈值,而且直接将map的容量设置为阈值的大小
else if (oldThr > 0) // initial capacity was placed in threshold
newCap = oldThr;
//此处为无参构造,默认容量为16,阈值为12
else { // zero initial threshold signifies using defaults
newCap = DEFAULT_INITIAL_CAPACITY;
newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);
}
//只有在有参构造的时候,newThr为0,重新赋值新的阈值
//此处没太明白为啥不将这个放在前面的逻辑。
if (newThr == 0) {
float ft = (float)newCap * loadFactor;
newThr = (newCap < MAXIMUM_CAPACITY && ft < (float)MAXIMUM_CAPACITY ?
(int)ft : Integer.MAX_VALUE);
}
//获取阈值
threshold = newThr;
@SuppressWarnings({"rawtypes","unchecked"})
Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap];
//新的tab
table = newTab;
//此处将旧的tab数据转移到新的中,做了一个旧tab为空的判断,所以新建的流程在此处已经处理完
if (oldTab != null) {
//旧tab的数据转移到新的tab中,遍历整个tab数组
for (int j = 0; j < oldCap; ++j) {
//一如既往的e
Node<K,V> e;
if ((e = oldTab[j]) != null) {
//清空旧tab
oldTab[j] = null;
//如果只有一个节点,则直接找到在新cap中找到对应的位置
if (e.next == null)
newTab[e.hash & (newCap - 1)] = e;
//如果为树节点,则调用split方法
else if (e instanceof TreeNode)
((TreeNode<K,V>)e).split(this, newTab, j, oldCap);
//如果为链表
else { // preserve order
//loHead:低位头部,loTail:低位尾部
//hiHead:高位头部,hiTail:高位尾部,next:下一个节点
//总结起来就是,将一个链表分为两队,分别插入两个位置(②)
Node<K,V> loHead = null, loTail = null;
Node<K,V> hiHead = null, hiTail = null;
Node<K,V> next;
do {
//记录next的值
next = e.next;
//低位
if ((e.hash & oldCap) == 0) {
//如果为空,说明还没插入
if (loTail == null)
loHead = e;
//否则直接尾部插入
else
loTail.next = e;
//让尾部指针指向尾部
loTail = e;
}
//高位逻辑
else {
if (hiTail == null)
hiHead = e;
else
hiTail.next = e;
hiTail = e;
}
} while ((e = next) != null);
//分别将对应头部存入新的tab中
if (loTail != null) {
loTail.next = null;
newTab[j] = loHead;
}
if (hiTail != null) {
hiTail.next = null;
newTab[j + oldCap] = hiHead;
}
}
}
}
}
return newTab;
}
补充说明:
①、在扩容的时候,存在一个最大容量,为2的30次方,可能会问,为啥int的最大值为2的31次方,为啥不是2的31次方,在我理解的是1左移31位就是负数了。
②、在旧tab转新tab时,由于key的hash值是不变的,所以在扩容时同一个链表的后N位是一样的,只有最新的一位是不同的,只会重新分配到两个节点上,而key的hash和旧容量做与操作,得到的就是这个不同的值
split方法
树的分割其实和链表很像,首先变成两个双链表,然后进行处理
final void split(HashMap<K,V> map, Node<K,V>[] tab, int index, int bit) {
//获取当前节点
TreeNode<K,V> b = this;
// Relink into lo and hi lists, preserving order
//与链表分离一样,lc:统计低位链表个数,决定是否转树,但是转为单链表,hc:统计高位链表元素个数
TreeNode<K,V> loHead = null, loTail = null;
TreeNode<K,V> hiHead = null, hiTail = null;
int lc = 0, hc = 0;
//e:又是e,next:e的下一个节点
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) {
//每次都会判断,并将e的前一个节点设置为loTail,从而形成双链表
if ((e.prev = loTail) == null)
loHead = e;
else
loTail.next = e;
loTail = e;
++lc;
}
//高位链表的处理
else {
if ((e.prev = hiTail) == null)
hiHead = e;
else
hiTail.next = e;
hiTail = e;
++hc;
}
}
//首先有个判空
if (loHead != null) {
//如果小于6,则调用untreeify进行双链表转链表
if (lc <= UNTREEIFY_THRESHOLD)
tab[index] = loHead.untreeify(map);
else {
//否则双链表转树调用treeify方法
tab[index] = loHead;
if (hiHead != null) // (else is already treeified)
loHead.treeify(tab);
}
}
//高位链表相同的操作
if (hiHead != null) {
if (hc <= UNTREEIFY_THRESHOLD)
tab[index + bit] = hiHead.untreeify(map);
else {
tab[index + bit] = hiHead;
if (loHead != null)
hiHead.treeify(tab);
}
}
}
untreeify方法
该方法就是将双链表转换成单链表,减少存储
final Node<K,V> untreeify(HashMap<K,V> map) {
//hd:新单链表的头节点,tl:作为处理的指针,可以理解成常用的那个e
Node<K,V> hd = null, tl = null;
for (Node<K,V> q = this; q != null; q = q.next) {
//将树节点q转换成Node节点p
Node<K,V> p = map.replacementNode(q, null);
//头节点则直接赋值
if (tl == null)
hd = p;
else
tl.next = p;
tl = p;
}
return hd;
}
补充说明:
①、一直传了一个map参数,作用就是调用replacementNode方法,替换节点
treeify方法
此处为双链表转换成树
final void treeify(Node<K,V>[] tab) {
//根节点
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;
//第一个节点自动变成根节点,根节点为黑色
if (root == null) {
x.parent = null;
x.red = false;
root = x;
}
//对于后面的节点,进行逐个插入
else {
K k = x.key;
int h = x.hash;
Class<?> kc = null;
for (TreeNode<K,V> p = root;;) {
//dir:类似于get时的dir,ph为新建树的p节点的hash值
int dir, ph;
K pk = p.key;
//h为插入节点的hash值,当前树节点大于h,则说明x需要插入左边,所以-1对应左边,1对应右边
if ((ph = p.hash) > h)
dir = -1;
else if (ph < h)
dir = 1;
//此处可以暂时不考虑,只需要知道如果相等的时候,也会有一种方法计算出一个dir值
else if ((kc == null &&
(kc = comparableClassFor(k)) == null) ||
(dir = compareComparables(kc, k, pk)) == 0)
dir = tieBreakOrder(k, pk);
TreeNode<K,V> xp = p;
//找到可以插入的点,如果没找到会继续循环查找
if ((p = (dir <= 0) ? p.left : p.right) == null) {
//此处就是一个很简单的设置parent节点和叶子节点的操作
x.parent = xp;
if (dir <= 0)
xp.left = x;
else
xp.right = x;
//调用balanceInsertion进行平衡二叉树的操作,后面详细介绍
root = balanceInsertion(root, x);
//插入成功后直接break,在上一轮循环进行插入
break;
}
}
}
}
//将根节点,变为第一个节点
moveRootToFront(tab, root);
}
补充说明:
①、这个方法就是将一个链表转换成一个红黑树的过程,也可以理解成将一个链表中的节点逐个put到一个新建的树中的过程。
balanceInsertion方法
对于红黑树的调整,最好是能先去了解,虽然调整的方法有很多,但是这个里面的调整方法应该是最优的,至于为什么这么调整,目前也解释不清楚,待后续补充,所以直接记住这种调整方法,调整步骤
static <K,V> TreeNode<K,V> balanceInsertion(TreeNode<K,V> root,
TreeNode<K,V> x) {
//对于二叉树的插入,该插入节点必为红色
x.red = true;
//部分变量可以直接根据名字判断,xp为x的父节点,xpp为x的祖父节点,xppl为祖父节点的左孩子,xppr为祖父节点的右孩子
for (TreeNode<K,V> xp, xpp, xppl, xppr;;) {
//如果x的parent为null,也就是x为根节点,直接将x涂黑,并返回x
if ((xp = x.parent) == null) {
x.red = false;
return x;
}
//如果x的parent为黑,直接插入不会影响二叉树的特性,或者是xpp为空,也就是xp为根节点
//其实此处的判断,只需要判断前面一个条件即可,因为父节点一定为黑。
else if (!xp.red || (xpp = xp.parent) == null)
return root;
//逻辑到这个地方就是开始调整,所以说完成调成必须满足上述条件之一,下面分为六种情况处理,情况456是情况123的对应
//插入后调整是以父节点在祖父节点的左右进行讨论的,删除后的讨论则是以自身作为父节点的左右讨论
if (xp == (xppl = xpp.left)) {
//情况123都是在x的父节点是x祖父节点的左子节点的情况
//情况1:x祖父节点的右节点叫做叔父节点,如果叔父节点不为空且为红色
//直接将x父节点叔父节点变为黑色,祖父节点变为黑色,并将x指向祖父节点
if ((xppr = xpp.right) != null && xppr.red) {
xppr.red = false;
xp.red = false;
xpp.red = true;
x = xpp;
}
else {
//情况23其实是并列的关系,不是if-else关系,所以要逐个判断
//情况2:如果x是x父节点的右子节点
//以x的父节点为顶点左旋,然后x指向xp
if (x == xp.right) {
root = rotateLeft(root, x = xp);
xpp = (xp = x.parent) == null ? null : xp.parent;
}
//如果情况2成立处理后,则情况3是一定成立的
//情况3:x的父节点不为空
//将父节点变黑,再判断x的祖父节点是否为空,如果不为空,则变红,然后以祖父节点为顶点右旋
if (xp != null) {
xp.red = false;
if (xpp != null) {
xpp.red = true;
root = rotateRight(root, xpp);
}
}
}
}
//对于父节点为祖父节点的右孩子的情况,分为情况456,与123一样
else {
//情况4:其实此处可以跟情况1并列为同一种情况,就是对于x的叔父节点存在且不为红色的情况
//将父节点和叔父节点变黑,祖父节点变红,并指向祖父节点
if (xppl != null && xppl.red) {
xppl.red = false;
xp.red = false;
xpp.red = true;
x = xpp;
}
//情况5:x为xp的左节点时,以父节点为顶点右旋,然后重新指定下xpp,其实也可以跟情况2合并下
//如果x是xp的左孩子,xp是xpp的右孩子或者是x是xp的右孩子,xp是xpp的左孩子,也就是正好相反的情况,形成了一个大于号或者小于号的形状,直接以中间节点为顶点,将这个形状变成一个直线,并重新定义下xpp,毕竟左右旋只管最近的关系
else {
if (x == xp.left) {
root = rotateRight(root, x = xp);
xpp = (xp = x.parent) == null ? null : xp.parent;
}
//情况6:x的父节点不为空,父节点涂黑,祖父节点不为空,祖父节点图红,并以祖父节点左旋
//可以综合情况3和情况6,可以合并在一起,就是判断父节点是否为空,不为空则变黑,祖父节点是否为空,不为空则变红,并且将父节点替换祖父节点的方向旋转
if (xp != null) {
xp.red = false;
if (xpp != null) {
xpp.red = true;
root = rotateLeft(root, xpp);
}
}
}
}
}
}
补充说明:
①、完成调整的要求,x为根节点,或者x的parent为黑,或者x的父节点为根节点,虽然第三个是第二个的子情况。
②、由于左旋和指针的变换,x节点会逐渐上移,所以总会到达根节点
③、看似复杂,其实可以进行一个总结,就是三种情况:
1、如果x的叔父节点存在且为红色,将父节点和叔父节点变黑,祖父节点变红,这时候祖父节点以下的节点都已调整完毕,并将x指向祖父节点重新判断
2、如果不满足第一种情况才会进行第二个情况的判断,如果1、x是xp的左孩子,xp是xpp的右孩子,2、x是xp的右孩子,xp是xpp的左孩子,也就是正好相反的情况,形成了一个大于号或者小于号的形状,直接以中间节点为顶点,将这个形状变成一个直线,并重新定义下xpp指向的节点
3、只要判断了情况2,就会再次判断情况3,判断父节点是否为空,不为空则变黑,祖父节点是否为空,不为空则变红,并且将父节点替换祖父节点的方向旋转
moveRootToFront方法
在插入所有节点后,树结构满足了,为了保证root是双链表节点的头节点,进行的操作
static <K,V> void moveRootToFront(Node<K,V>[] tab, TreeNode<K,V> root) {
int n;
//判空
if (root != null && tab != null && (n = tab.length) > 0) {
//找到插入的位置
int index = (n - 1) & root.hash;
//找到第一个节点,此处获取的是现有的第一个节点
TreeNode<K,V> first = (TreeNode<K,V>)tab[index];
//判断是否改变了根节点的位置
if (root != first) {
//root的下一个节点
Node<K,V> rn;
//首先是直接将root存到数组中
tab[index] = root;
//后面就是将root抽离出来,将first放在起始位置。
//可能有个疑问,为什么root都是根节点了为啥还不是第一个,这个地方主要是针对双链表的调整,也就手prev节点和next节点的调整,跟树无关
TreeNode<K,V> rp = root.prev;
if ((rn = root.next) != null)
((TreeNode<K,V>)rn).prev = rp;
if (rp != null)
rp.next = rn;
if (first != null)
first.prev = root;
root.next = first;
root.prev = null;
}
assert checkInvariants(root);
}
}
rotateLeft方法
红黑树的左旋,网上有很多动图,一看就能明白
static <K,V> TreeNode<K,V> rotateLeft(TreeNode<K,V> root,
TreeNode<K,V> p) {
//r:p的右节点,pp:p的父节点,rl,p的右节点的左孩子
TreeNode<K,V> r, pp, rl;
//红黑树的左旋必须满足的条件,是p的右节点不为空
if (p != null && (r = p.right) != null) {
//其实在这个地方我看的很懵逼,三个等号好难理解,其实直接理解成,前面的两个为指针,最后的一个理解成节点更好
//如果右节点的左子节点不为空,变为p的右节点
if ((rl = p.right = r.left) != null)
//不为空则指定下父节点
rl.parent = p;
//将r的parent指向p的parent,存在一个判断,如果p为根节点,则需要将r变成root并将颜色改为黑色
if ((pp = r.parent = p.parent) == null)
(root = r).red = false;
//如果p为pp的左节点,则r也为pp的左节点,右节点同理
else if (pp.left == p)
pp.left = r;
else
pp.right = r;
//然后将r的左节点设置为p,p的父节点设置为r
r.left = p;
p.parent = r;
}
return root;
}
rotateRight方法
右旋和左旋对称
static <K,V> TreeNode<K,V> rotateRight(TreeNode<K,V> root,
TreeNode<K,V> p) {
TreeNode<K,V> l, pp, lr;
if (p != null && (l = p.left) != null) {
if ((lr = p.left = l.right) != null)
lr.parent = p;
if ((pp = l.parent = p.parent) == null)
(root = l).red = false;
else if (pp.right == p)
pp.right = l;
else
pp.left = l;
l.right = p;
p.parent = l;
}
return root;
}
看完左旋和右旋其实可以总结旋转分为三步
1、确定旋转节点的另一个节点
2、确定旋转节点左/右节点的父节点
3、确定旋转节点的父节点
分析了这么多,可能都忘记分析到那个地方了,做一个简单的总结。
目前是在分析put方法,在put方法中,如果HashMap第一次赋值,则需要初始化tab,如果HashMap容量超过了阈值,则需要进行扩容,而这两种情况都需要调用resize方法,在resize方法中需要将resize分为三种情况,单节点、链表、树,其中树的比较复杂,树的分解调用的是split方法,跟链表一样,将树结构转化成两个双链表,如果双链表长度小于等于6,则将双链表转成单链表,否则转为树。
对于转为树的操作,其实就是逐个将双链表put到一个数结构的过程,每次插入一个元素都需要进行一个平衡,平衡的步骤都有规律可循。所以接下来重新回到put方法中,针对树节点的put进行操作,其实看到这个地方,后面两个方法就似乎都分析完了。
putTreeVal方法
final TreeNode<K,V> putTreeVal(HashMap<K,V> map, Node<K,V>[] tab,
int h, K k, V v) {
Class<?> kc = null;
//查找标,是否已经搜索过
boolean searched = false;
//保证从root节点进行查找
TreeNode<K,V> root = (parent != null) ? root() : this;
for (TreeNode<K,V> p = root;;) {
//此处的逻辑不过多分析,和查找一样,就是为了找到最终可以插入的位置,或者是查找到key值相等的,直接返回
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);
}
//对于找到插入位置的
TreeNode<K,V> xp = p;
if ((p = (dir <= 0) ? p.left : p.right) == null) {
//进行插入,逻辑也不过多分析,和双链表转树的逻辑一样
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;
//此处就是调整+双链表节点修正
moveRootToFront(tab, balanceInsertion(root, x));
return null;
}
}
}
看完整个方法可以明显的发现,此处的逻辑基本在之前都覆盖到了
treeifyBin方法
此方法是在put方法中,当链表节点插入节点后,总节点数到达9时,进行转换
final void treeifyBin(Node<K,V>[] tab, int hash) {
int n, index; Node<K,V> e;
//此处有一个判断,只有当tab的长度大于了能转换成树的最小总容量64时,才会进行链表转换树
if (tab == null || (n = tab.length) < MIN_TREEIFY_CAPACITY)
resize();
//首先生成一个双链表,然后调用treeify转换成一个树
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);
}
}
补充说明:
①、此处可以解释,是不是单链到达8个节点时,再次添加元素不一定会扩容的原因。
到此处,put方法基本上分析完了,简单概括下:
1、首先判断是否初始化了tab数组,如果没有则进行初始化
2、然后判断当前key的hash值对应tab数组位置是否有节点,如果没有,则直接插入新节点
3、当前节点有值,则判断为单节点、树节点还是链表节点,分别完成对应的put操作
4、如果是旧节点则返回旧值,否则map的size加1,并判断是否阈值进行扩容
remove方法解析
和get、put方法一样,将功能交给removeNode方法处理,如果删除成功,则返回删除节点的value
public V remove(Object key) {
Node<K,V> e;
//第一个布尔值,是为了判断需不需要匹配value,第二个布尔值是需不需要在树调整后移动root节点到双链表的头部
return (e = removeNode(hash(key), key, null, false, true)) == null ?
null : e.value;
}
removeNode方法
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);
}
}
//这行代码以前的代码,基本上等同于getVal的代码,不同点在于,找到对应节点之后的操作
if (node != null && (!matchValue || (v = node.value) == value ||
(value != null && value.equals(v)))) {
//对于树节点,调用removeTreeNode方法,后续会进行详细介绍
if (node instanceof TreeNode)
((TreeNode<K,V>)node).removeTreeNode(this, tab, movable);
//如果为首节点,则删除首节点
else if (node == p)
tab[index] = node.next;
//不为首节点,直接删除
else
p.next = node.next;
//操作数+1,size-1
++modCount;
--size;
afterNodeRemoval(node);
return node;
}
}
return null;
}
removeTreeNode方法
final void removeTreeNode(HashMap<K,V> map, Node<K,V>[] tab,
boolean movable) {
int n;
if (tab == null || (n = tab.length) == 0)
return;
int index = (n - 1) & hash;
TreeNode<K,V> first = (TreeNode<K,V>)tab[index], root = first, rl;
//前驱节点和后驱节点,都是针对删除节点额而言
TreeNode<K,V> succ = (TreeNode<K,V>)next, pred = prev;
//直接从双链表的维度删掉root
if (pred == null)
tab[index] = first = succ;
else
pred.next = succ;
if (succ != null)
succ.prev = pred;
//first为空直接不用处理
if (first == null)
return;
//找到真实的root
if (root.parent != null)
root = root.root();
//奇怪的判断,真有他的,做了一堆判断,就是判断一下这个树够不够大,不够大的话直接转换成单链表,交给后续的链表处理
if (root == null || root.right == null ||
(rl = root.left) == null || rl.left == null) {
tab[index] = first.untreeify(map); // too small
return;
}
//真正的树删除操作从此开始
//p:待删除节点,pl:p的左子节点,pr:p的右子节点,replacement:替换删除节点的一个节点
TreeNode<K,V> p = this, pl = left, pr = right, ;
//删除节点存在左右子节点
if (pl != null && pr != null) {
//查找后驱节点,也就是找到右子节点中,第一个左子节点为空的节点.并且s节点就时后驱节点
TreeNode<K,V> s = pr, sl;
while ((sl = s.left) != null) // find successor
s = sl;
//替换后驱节点和删除节点颜色
boolean c = s.red; s.red = p.red; p.red = c; // swap colors
TreeNode<K,V> sr = s.right;
TreeNode<K,V> pp = p.parent;
//对于s就是pr的情况,直接将s节点上移一层即可,下方的代码主要就干了一件事情,就是将p和s互换位置
if (s == pr) { // p was s's direct parent
p.parent = s;
s.right = p;
}
else {
//如果不是,则根据s在s的父节点的左还是右,将后继节点放在s的父节点的下方
TreeNode<K,V> sp = s.parent;
if ((p.parent = sp) != null) {
if (s == sp.left)
sp.left = p;
else
sp.right = p;
}
//将p的右节点移动到s节点上
if ((s.right = pr) != null)
pr.parent = s;
}
//p到后继节点位置,则p的左节点一定是空的
p.left = null;
//p的右节点跟s同步
if ((p.right = sr) != null)
//同时处理sr节点的父节点
sr.parent = p;
//s的left进行替换
if ((s.left = pl) != null)
pl.parent = s;
//s的parent节点,同时做了一个是否是根节点的判断
if ((s.parent = pp) == null)
root = s;
//将s放入p的父节点下
else if (p == pp.left)
pp.left = s;
else
pp.right = s;
//此时p和s互换位置的操作已经完成,如果sr是存在的也就是单子节点的情况,替代子节点为s的右节点
if (sr != null)
replacement = sr;
//如果无子节点,则为当前的p节点
else
replacement = p;
}
//单子节点,则替换节点就为单子节点
else if (pl != null)
replacement = pl;
else if (pr != null)
replacement = pr;
//无子节点,替换节点就为p
else
replacement = p;
//上面代码就是为了确定replacement的值
//对于有子节点的情况
if (replacement != p) {
//进行一个替换的操作,为什么这个操作要单独拿出来,可能就是为了代码的简洁
TreeNode<K,V> pp = replacement.parent = p.parent;
if (pp == null)
root = replacement;
else if (p == pp.left)
pp.left = replacement;
else
pp.right = replacement;
p.left = p.right = p.parent = null;
}
//平衡调整,如果p节点的颜色为红色,则不用调整
TreeNode<K,V> r = p.red ? root : balanceDeletion(root, replacement);
//如果p为末节点,则直接删除
if (replacement == p) { // detach
TreeNode<K,V> pp = p.parent;
p.parent = null;
if (pp != null) {
if (p == pp.left)
pp.left = null;
else if (p == pp.right)
pp.right = null;
}
}
//传参一般为true,就是进行双链表的调整
if (movable)
moveRootToFront(tab, r);
}
通过上述分析,可以简单的概括删除操作,其实和平衡二叉树(AVL)的操作很想
1、删除节点存在双子节点,直接将其于后继节点交换位置,这样双子节点的问题转换成了单子节点的问题
2、删除单子节点,直接让单子节点上移即可
3、删除无子节点的情况,直接删除
所以后续重点分析删除后调整操作
balanceDeletion方法
static <K,V> TreeNode<K,V> balanceDeletion(TreeNode<K,V> root,
TreeNode<K,V> x) {
//分析之前首先要清楚,x节点只有两种情况,要么和p节点一样,要么为p节点的左/右子节点
for (TreeNode<K,V> xp, xpl, xpr;;) {
//如果替换节点为空格或者为根节点,则直接返回,不用调整
if (x == null || x == root)
return root;
//如果替换节点的父节点是根节点,则直接将x的颜色变黑,然后返回x
else if ((xp = x.parent) == null) {
x.red = false;
return x;
}
//如果替换节点是红色节点,则直接让节点变黑并返回
else if (x.red) {
x.red = false;
return root;
}
//替换节点是父节点的左节点时
else if ((xpl = xp.left) == x) {
//如果替换节点的兄弟节点为红色,则兄弟节点变黑,父节点变红,并对父节点左旋,并重新指定xpr的值
if ((xpr = xp.right) != null && xpr.red) {
xpr.red = false;
xp.red = true;
root = rotateLeft(root, xp);
xpr = (xp = x.parent) == null ? null : xp.right;
}
//如果xpr为空,则x指向上一层
if (xpr == null)
x = xp;
//否则判断兄弟节点的左子节点和右子节点的情况
else {
TreeNode<K,V> sl = xpr.left, sr = xpr.right;
//如果左右子节点只要没有红色节点,则将右兄弟节点变红,然后x指向上一层
if ((sr == null || !sr.red) &&
(sl == null || !sl.red)) {
xpr.red = true;
x = xp;
}
else {
//如果右子节点是空或者黑,直接将右子界定啊变黑,右兄弟界定啊百年红,并以右兄弟节点为顶点右旋,并重新制定xpr这个指针指向的节点
if (sr == null || !sr.red) {
//此处的判断是无效的
if (sl != null)
sl.red = false;
xpr.red = true;
root = rotateRight(root, xpr);
xpr = (xp = x.parent) == null ?
null : xp.right;
}
//判断兄弟节点是否为空
if (xpr != null) {
//判断父亲节点的颜色,存在父亲节点则将父节点的颜色给右兄弟节点,否则置为黑
xpr.red = (xp == null) ? false : xp.red;
//如果兄弟节点的右子节点不为空,则将其右子节点变为红色
if ((sr = xpr.right) != null)
sr.red = false;
}
//如果父节点不为空,则将父节点变为黑,并左旋
if (xp != null) {
xp.red = false;
root = rotateLeft(root, xp);
}
//此处其实就是退出循环,完成调整
x = root;
}
}
}
//对于x节点是父节点的右子节点时,对称的处理
else { // symmetric
if (xpl != null && xpl.red) {
xpl.red = false;
xp.red = true;
root = rotateRight(root, xp);
xpl = (xp = x.parent) == null ? null : xp.left;
}
if (xpl == null)
x = xp;
else {
TreeNode<K,V> sl = xpl.left, sr = xpl.right;
if ((sl == null || !sl.red) &&
(sr == null || !sr.red)) {
xpl.red = true;
x = xp;
}
else {
if (sl == null || !sl.red) {
if (sr != null)
sr.red = false;
xpl.red = true;
root = rotateLeft(root, xpl);
xpl = (xp = x.parent) == null ?
null : xp.left;
}
if (xpl != null) {
xpl.red = (xp == null) ? false : xp.red;
if ((sl = xpl.left) != null)
sl.red = false;
}
if (xp != null) {
xp.red = false;
root = rotateRight(root, xp);
}
x = root;
}
}
}
}
}
到这个地方,get,put和remove方法的解析就完成了。如果明白红黑树的相关操作,应该不会特别难以理解