HashMap 是 数组+链表+红黑树的结构,先付一张结构图有助于更好的理解源码:
如果对红黑树不了解,可以参考我另一片红黑树的简介:红黑树原理
HashMap实现了 Map、Cloneable、Serializable,说明其是一个Map 并能够克隆和序列化,源码如下:
public class HashMap<K,V> extends AbstractMap<K,V> implements Map<K,V>, Cloneable, Serializable {
// 初始化容量大小
static final int DEFAULT_INITIAL_CAPACITY = 1 << 4;
// 最大容量
static final int MAXIMUM_CAPACITY = 1 << 30;
// 默认加载因子【即使用量达到容量的0.75倍时,出发扩容机制】
static final float DEFAULT_LOAD_FACTOR = 0.75f;
// 树化阀值【长度达到8时,转为树结构】
static final int TREEIFY_THRESHOLD = 8;
// 反数化阀值【长度降低为6时,转为链式结构】
static final int UNTREEIFY_THRESHOLD = 6;
// 最小树化容量
// 为了避免进行扩容、树形化选择的冲突,这个值不能小于 4 * TREEIFY_THRESHOLD
static final int MIN_TREEIFY_CAPACITY = 64;
transient Node<K,V>[] table;
transient Set<Map.Entry<K,V>> entrySet;
transient int size;
transient int modCount;
int threshold;
final float loadFactor;
}
一、初始化
1、初始化集合容量及扩容的加载因子的构造函数【默认为16 和 0.75f 可根据自己的要求定制】
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);
}
2、初始化集合容量构造函数
public HashMap(int initialCapacity) {
this(initialCapacity, DEFAULT_LOAD_FACTOR);
}
可以看到,虽然是另一个构造函数,但最终还是调用第一个构造函数,只是加载因子为默认的0.75f 。
3、无参构造函数
public HashMap() {
// all other fields defaulted
this.loadFactor = DEFAULT_LOAD_FACTOR;
}
4、集合构造函数
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);
}
}
}
构造函数没有什么可说的,主要还是从添加数据,了解Map的底层结构。
二、put(k,v) 函数
先看下map 调用 put() 时,做了哪些事【以下基于无参构造】:
public V put(K key, V value) {
return putVal(hash(key), key, value, false, true);
}
//onlyIfAbsent 为true 则不改变现有值;evict为false 则表处于创建模式
final V putVal(int hash, K key, V value, boolean onlyIfAbsent, boolean evict) {
Node<K,V>[] tab; Node<K,V> p; int n, i;
// 无参构造时并没有指定容量大小,所以在第一次put时会出发resize()
if ((tab = table) == null || (n = tab.length) == 0)
n = (tab = resize()).length;
// 此处判断将要放的位置中有没有元素,如果没有直接放进去
if ((p = tab[i = (n - 1) & hash]) == null)
tab[i] = newNode(hash, key, value, null);
else {
Node<K,V> e; K k;
// 此处判断 如果hash值相等,并且key相等,则替换已有的元素
if (p.hash == hash && ((k = p.key) == key || (key != null && key.equals(k))))
e = p;
else if (p instanceof TreeNode)
// 如果是一个树节点 则添加到树节点中
e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
else {
for (int binCount = 0; ; ++binCount) {
// 如果 该节点的下一个节点为空 则继续进行
if ((e = p.next) == null) {
p.next = newNode(hash, key, value, null);
// 如果 binCount 达到树化阀值,则进行树化变形
if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st
// 树化操作
treeifyBin(tab, hash);
break;
}
// 如果 hash 值碰撞且key值相同则跳出循环
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;
}
由于本文使用无参构造函数,由上面的无参构造可知,在创建对象的时候并没有初始化容量的大小。所以在创建对象之后的第一次put 时,会触发resize() 函数:
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)
newCap = oldThr;
else {
// 初次设置为 默认大小 16
newCap = DEFAULT_INITIAL_CAPACITY;
// 阀值为 16*0.75=12
newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);
}
if (newThr == 0) {
float ft = (float)newCap * loadFactor;
// 每次扩容需要判断阀值,如果大于等于默认最大值,则设置为MAX_VALUES
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;
}
当第一次触发resize()函数时,HashMap 的容量置为16,阀值为12【即集合中的元素达到此值时,会再次触发扩容resize()函数】。
同理,当进行第12次put时,再次触发resize()扩容函数。
if (++size > threshold)
resize();
执行结束之后HashMap 的容量为newCap = oldCap << 1 即 32 翻倍扩容,阀值为newThr = oldThr << 1; 即 24 翻倍扩容。此时HashMap仍为链式结构,我们从HashMap的全局变量可知,树化阀值为8,即长度达到8时才会进行树化操作。继续添加元素,一旦发生hash碰撞?,就会执行putval中else的部分,新添加的节点指向发生hash碰撞的节点的下一个节点【为空】:
if ((e = p.next) == null) {
p.next = newNode(hash, key, value, null);
if (binCount >= TREEIFY_THRESHOLD - 1)
treeifyBin(tab, hash);
break;
}
由此可以看出,一旦节点数量达到树化阀值,便会触发树化操作 treeifyBin(tab, hash); 具体代码如下:
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);
}
}
可以看出,虽然触发树化操作,但还有进一步的判断,如果集合的元素长度小于默认的最小树化容量,则继续执行resize() . 否则进行树化操作【也就是当达到树化阀值,才会进行树化操作】。
有人可能会想,为什么设置8为树化阀值 不是4 也不是16 或者其他值呢,对此在网上搜集大量的资料,基本就是根据平均查找长度来的。如链式结构,平均查找长度为(1+2+3+...+n)/n 可以得到长度为8时的链式结构的平均查找长度为4。而树的平均查找长度为log(8)=3,由此可知 当链表长度达到8时,树的查找效率更高,就别说大于8的值了。而如果长度为4 的话 链式结构和树结构的平均查找长度都为2,表面看起来效率是差不多的,但是我们还要考虑树化操作也是需要时间的。所以选择8为树化的阀值。
三、remove(k)函数
public V remove(Object key) {
Node<K,V> e;
return (e = removeNode(hash(key), key, null, false, true)) == null ? null : e.value;
}
可以看出,移除元素同样是根据key的hash值及key的条件,进入removeNode函数:
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)))) {
// 判断 如果当前是树节点的实例,则执行移除树节点的操作
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;
}
如果是开始的链式结构我们不需要看什么,因为还是非常简单的,在此我们只考虑在树形结构通过remove 转为链式结构,底层是如何实现的, 所以前面的源码没有什么好看的 也都非常简单。重点我们看一下 removeTreeNode 这个方法,此方法就是用来移除树节点,并判断是否需要将树形结构转为链式结构,源码如下:
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;
TreeNode<K,V> succ = (TreeNode<K,V>)next, pred = prev;
if (pred == null)
tab[index] = first = succ;
else
pred.next = succ;
if (succ != null)
succ.prev = pred;
if (first == null)
return;
if (root.parent != null)
root = root.root();
if (root == null || root.right == null ||
(rl = root.left) == null || rl.left == null) {
tab[index] = first.untreeify(map); // too small
return;
}
TreeNode<K,V> p = this, pl = left, pr = right, replacement;
if (pl != null && pr != null) {
TreeNode<K,V> s = pr, sl;
while ((sl = s.left) != null) // find successor
s = sl;
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;
if (s == pr) { // p was s's direct parent
p.parent = s;
s.right = p;
}
else {
TreeNode<K,V> sp = s.parent;
if ((p.parent = sp) != null) {
if (s == sp.left)
sp.left = p;
else
sp.right = p;
}
if ((s.right = pr) != null)
pr.parent = s;
}
p.left = null;
if ((p.right = sr) != null)
sr.parent = p;
if ((s.left = pl) != null)
pl.parent = s;
if ((s.parent = pp) == null)
root = s;
else if (p == pp.left)
pp.left = s;
else
pp.right = s;
if (sr != null)
replacement = sr;
else
replacement = p;
}
else if (pl != null)
replacement = pl;
else if (pr != null)
replacement = pr;
else
replacement = p;
if (replacement != p) {
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;
}
TreeNode<K,V> r = p.red ? root : balanceDeletion(root, replacement);
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;
}
}
if (movable)
moveRootToFront(tab, r);
}
我们以一个临界点来说明,因为反树化的阀值为6,也就是当链表长度达到6时,就会执行untreeify 操作。当然也有人问 为什么反树化阀值是6而不是7,那是因为方式频繁的增加删除元素导致 树与链的频繁转化而影响效率。