jdk1.7-：由数组 + 链表组成，数组是主体，链表主要是为了解决哈希冲突（即通过key计算的数组索引值相同）而存在的（“拉链法”解决冲突）。 jdk1.8+：由数组 + 链表+红黑树组成，在解决哈希冲突时有了较大的变化，当链表长度大于阈值（红黑树的边界值，默认为8），并且当前数组长度大于64时，此索引位置上数据存储结构转变为红黑树。 补充：链表转换成红黑树之前，即使阈值大于8，但数组长度小于64时，并不会将链表变为红黑树，而是对数组进行扩容。 目的是：当数组较小情况下，尽量避开红黑树结构。因为数组较小情况下，变为红黑树结构，反而会降低效率（红黑树需要逬行左旋，右旋，变色这些操作来保持平衡）。同时数组长度小于64时，搜索时间相对要快些。所以结上所述为了提高性能，底层阈值大于8并且数组长度大于64时，链表才转换为红黑树，具体可以参考 treeifyBin() 方法。 当然虽然增了红黑树作为底层数据结构，结构变得复杂了，但是阈值大于8并且数组长度大于64时，链表转换为红黑树时，效率也变的更高效。
1、HashMap的存取是没有顺序的
2、KV均允许为NULL
3、多线程情况下该类安全，可以考虑用HashTable。
4、JDk8底层是数组 + 链表 + 红黑树，JDK7底层是数组 + 链表。
5、初始容量和装载因子是决定整个类性能的关键点,轻易不要动。
6、HashMap是懒汉式创建的，只有在你put数据时候才会build
7、单向链表转换为红黑树的时候会先变化为双向链表最终转换为红黑树，双向链表跟红黑树是共存的，切记。
8、对于传入的两个key，会强制性的判别出个高低，判别高低主要是为了决定向左还是向右。
9、链表转红黑树后会努力将红黑树的root节点和链表的头节点 跟table[i]节点融合成一个。
10、在删除的时候是先判断删除节点红黑树个数是否需要转链表，不转链表就跟RBT类似，找个合适的节点来填充已删除的节点。
11、红黑树的root节点不一定跟table[i]也就是链表的头节点是同一个哦，三者同步是靠MoveRootToFront实现的。而HashIterator.remove()会在调用removeNode的时候movable=false。
静态变量
/** 序列化版本号 */
private static final long serialVersionUID = 362498820763181265L;
/** 集合初始化容量,必须是2的n次幂，默认的初始容量是16 */
static final int DEFAULT_INITIAL_CAPACITY = 1 << 4;
/** 集合最大容量,默认为2的30次幂 */
static final int MAXIMUM_CAPACITY = 1 << 30;
/** 默认加载因子,默认值 0.75 */
static final float DEFAULT_LOAD_FACTOR = 0.75f;
/** 当链表元素数量超过该值,则会转为红黑树（jdk1.8新增） */
static final int TREEIFY_THRESHOLD = 8;
/** 当链表的值小于6,则会从红黑树转回链表 */
static final int UNTREEIFY_THRESHOLD = 6;
/** 当存放元素数量超过该值,表中的桶才能转换为红黑树,否则桶内元素超过指定条件时只会进行扩容 */
static final int MIN_TREEIFY_CAPACITY = 64;
/** 数组结构 */
transient Node<K,V>[] table;
/**存放缓存数据 */
transient Set<Map.Entry<K,V>> entrySet;
/**存放元素数量 */
transient int size;
/** 用来记录HashMap修改次数,即每次扩容和更改map结构的计数器 */
transient int modCount;
/** 扩容临界值,当存放元素数量超过临界值（容量*负载因子）时，会进行扩容 */
int threshold;
/** 哈希表加载因子 */
final float loadFactor;存放元素的数据结构
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;
}
}构造函数
1、自定义容量和负载因子
2、自定义容量，默认负载因子0.75
3、默认容量16，默认负载因子0.75
4、传入一个map
/**
* 指定容量大小和负载因子的构造函数
* @param initialCapacity 容量
* @param loadFactor 负载因子
*/
public HashMap(int initialCapacity, float loadFactor) {
// 判断初始化容量initialCapacity是否小于0，如果小于0,则抛出非法的参数异常IllegalArgumentException
if (initialCapacity < 0)
throw new IllegalArgumentException("Illegal initial capacity: " +
initialCapacity);
// 判断初始化容量initialCapacity是否大于集合的最大容量MAXIMUM_CAPACITY，如果是，则使用最大值
if (initialCapacity > MAXIMUM_CAPACITY)
initialCapacity = MAXIMUM_CAPACITY;
// 判断负载因子loadFactor是否小于等于0或者是否是一个非数值
if (loadFactor <= 0 || Float.isNaN(loadFactor))
throw new IllegalArgumentException("Illegal load factor: " +
loadFactor);
// 将指定的负载因子赋值给HashMap成员变量的负载因子loadFactor
this.loadFactor = loadFactor;
this.threshold = tableSizeFor(initialCapacity);
}
/**
* 制定容量大小的构造函数。负载因子使用默认的0.75
* @param initialCapacity 容量.
*/
public HashMap(int initialCapacity) {
this(initialCapacity, DEFAULT_LOAD_FACTOR);
}
/**
* 使用默认容量16和默认负载因子0.75的构造函数
*/
public HashMap() {
this.loadFactor = DEFAULT_LOAD_FACTOR; // all other fields defaulted
}
/**
构造一个新的HashMap，其映射与指定的map相同。
*/
public HashMap(Map<? extends K, ? extends V> m) {
this.loadFactor = DEFAULT_LOAD_FACTOR;
putMapEntries(m, false);
}以上1,2,3种构造方法都会调用以下方法
/**
* 返回比指定初始化容量大的最小的2的n次幂，
* 例如：制定的容量是11，返回16
*/
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;
}如果自定义的容量大于2的30次幂，则容量默认2的30次幂；如果自定义的容量不是2的n次幂，则容量改成大于自定义容量的最接近自定义的2的n次幂，例如，
/** 实际上的容量是16 */
Map<String, String> map = new HashMap<>(11);put操作
步骤：
1、先对key进行hash运算，得出要存的桶的下标
2、判断该桶上是否有值，如果没有，直接存入；如果有，则遇到了哈希冲突：
a、判断要插入的key与冲突的key值是否一致，如果是则更新value;
b、判断该桶冲突的节点是否是TreeNode（红黑树结构），如果是，则调用红黑树的插入方法putTreeNode()
c、最后的情况就是冲突节点使用的是链表结构，循环遍历链表，如果有相同的key则更新value，如果没有，则在末尾插入节点；判断链表长度是否大于等于8，如果是则调用转换成红黑树的方法treeifyBin，该方法中会对数组长度进行检查，如果小于MIN_TREEIFY_CAPACITY=64会对数组进行扩容，所以并不一定会转成红黑树。
3、如果 size 大于阈值 threshold（容量*负载因子），则进行扩容；
final V putVal(int hash, K key, V value, boolean onlyIfAbsent,
boolean evict) {
Node<K,V>[] tab; Node<K,V> p; int n, i;
// 判断集合是否新创建，即tab为null
if ((tab = table) == null || (n = tab.length) == 0)
n = (tab = resize()).length;
// 计算结点位置是否已存在元素，存在则表示有希碰撞冲突情况，不存在直接将元素插入该位置
// 将已存在的桶数据保存到变量p中
if ((p = tab[i = (n - 1) & hash]) == null)
// 创建一个新的结点存入到桶中
tab[i] = newNode(hash, key, value, null);
// 执行else说明tab[i]不等于null，表示这个位置已经有值了
else {
Node<K,V> e; K k;
// 1. 元素hash值相等，但是不能确定是同一个值
// 2. key是否是同一实例，或者值是否相等
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
// 说明：两个元素哈希值相等，并且key的值也相等，将旧的元素整体对象赋值给e，用e来记录
e = p;
// 如果hash值不相等或者key不相等；判断p是否为红黑树结点
else if (p instanceof TreeNode)
// 放入树中
e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
// 说明是链表结点
// 1)如果是链表的话需要遍历到最后结点然后插入
// 2)采用循环遍历的方式，判断链表中是否有重复的key
else {
for (int binCount = 0; ; ++binCount) {
// 判定p.next是否到达链表的尾部
// 取出p.next赋值给e
if ((e = p.next) == null) {
// 将节点插入到链表的尾部
p.next = newNode(hash, key, value, null);
// 判断是否达到转换为红黑树的临界条件，如果是则调用treeifyBin转换为红黑树
// 注意：treeifyBin方法会对数组长度进行检查，如果小于MIN_TREEIFY_CAPACITY会对数组进行扩容
if (binCount >= TREEIFY_THRESHOLD - 1)
// 这里虽然判断是7>=7，但是因为binCount是从0开始的，所以走到这第八个节点已经插入了
// 转换为红黑树
treeifyBin(tab, hash);
// 跳出循环
break;
}
// 没有到达链表尾部，判断key值是否相同
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
// 如果key相等，则跳出循环
break;
// 说明新添加的元素和当前结点不相等，继续查找下一个结点。
// 用于遍历桶中的链表，与前面的e = p.next组合，可以遍历链表
p = e;
}
}
// 表示在桶中找到key值、hash值与插入元素相等的结点
// 也就是说通过上面的操作找到了重复的键，所以这里就是把该键的值变为新的值，并返回旧值
// 这里完成了put方法的修改功能
if (e != null) { // existing mapping for key
// 记录e的value
V oldValue = e.value;
if (!onlyIfAbsent || oldValue == null)
// 更新值
e.value = value;
// 访问后回调
afterNodeAccess(e);
// 返回旧值
return oldValue;
}
}
// 修改记录次数
++modCount;
// 判断实际大小是否大于threshold阈值，如果超过则扩容
if (++size > threshold)
// 扩容
resize();
// 插入后回调
afterNodeInsertion(evict);
return null;
}hash值的运算
/**
* 返回key的哈希值
*/
static final int hash(Object key) {
int h;
/*
1）如果key等于null：返回的是0.
2）如果key不等于null：首先计算出key的hashCode赋值给h，然后与h无符号右移16位后的
二进制进行按位异或得到最后的hash值
*/
return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}putTreeNode()
先找到根节点，然后判断是从左边找还是右边找key。
找到了则直接返回找到的节点。
没找到则新建节点将该新建节点放到适当的位置，同时考虑红黑树跟双向链表的节点插入情况。
/**
* 红黑树的节点插入
*/
final TreeNode<K,V> putTreeVal(HashMap<K,V> map, Node<K,V>[] tab,
int h, K k, V v) {
Class<?> kc = null; // 定义k的class对象
boolean searched = false; // 标识是否已经遍历过一次树，未必是从根节点遍历的
TreeNode<K,V> root = (parent != null) ? root() : this; // 父节点不为空则查找根节点，为空则自身就是根节点
// 从根节点开始遍历，没有终止条件，只能从内部退出
for (TreeNode<K,V> p = root;;) {
// 声明查找方向，当前节点的hash值，当前节点
int dir, ph; K pk;
if ((ph = p.hash) > h) // 如果当前节点的hash值大于指定key的hash值
dir = -1; // 要插入的节点应在当前节点的左边
else if (ph < h) // 如果当前节点的hash值小于指定key的hash值
dir = 1; // 要插入的节点应在当前节点的右边
else if ((pk = p.key) == k || (k != null && k.equals(pk))) // 如果当前节点的hash值和key跟指定的key一样
return p; // 返回该节点
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;
}
}
}流程图
get操作
步骤：
1、计算要查询的key的hash值，如果该hash对应的桶为空，返回null;
2、如果桶不为空，判断要查询的key与桶的key是否相等，如果相等，返回桶中的元素；
如果不相等，判断该桶是否有下一个节点，如果没有，返回null；
3、如果有下一个节点，判断桶节点是否是红黑树节点，如果是，调用红黑树的获取节点的方法getTreeNode()返回要查询的节点；如果不是红黑树节点，那就是链表节点，遍历链表，返回要查询的节点。
final Node<K,V> getNode(int hash, Object key) {
Node<K,V>[] tab; Node<K,V> first, e; int n; K k;
// 如果哈希表不为空并且key对应的桶上不为空
if ((tab = table) != null && (n = tab.length) > 0 &&
(first = tab[(n - 1) & hash]) != null) {
// 判断数组元素是否相等
// 根据索引的位置检查第一个元素
// 注意：总是检查第一个元素
if (first.hash == hash &&
((k = first.key) == key || (key != null && key.equals(k))))
return first;
// 如果数组上不是要找的元素，则判断该位置上是否有下一个节点
if ((e = first.next) != null) {
// 下个节点是红黑树节点
if (first instanceof TreeNode)
// 判断是否是红黑树，是的话调用红黑树中的getTreeNode方法获取结点
return ((TreeNode<K,V>)first).getTreeNode(hash, key);
do {
// 链表节点，循环遍历链表
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
return e;
} while ((e = e.next) != null);
}
}
return null;
}getTreeNode()
先获得根节点，左节点，右节点。
根据 左节点 < 根节点 < 右节点 对对数据进行逐步范围的缩小查找。
如果实现了Comparable方法则直接对比。
否则如果根节点不符合则递归性的调用find查找函数
final TreeNode<K,V> getTreeNode(int h, Object k) {
// 调用root()方法获取根节点然后进行红黑树查找
return ((parent != null) ? root() : this).find(h, k, null);
}
/**
* 获取红黑树的根节点
*/
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) {
// 根节点
TreeNode<K,V> p = this;
do {
int ph, dir; K pk;
TreeNode<K,V> pl = p.left, pr = p.right, q;
// 根据hash值判断向左还是向右查
if ((ph = p.hash) > h)
p = pl;
else if (ph < h) // 根据hash值判断向左还是向右查
p = pr;
else if ((pk = p.key) == k || (k != null && k.equals(pk))) // 如果该节点的key和hash值跟要查的一样
return p; // 返回这个节点
else if (pl == null) // 左边为空则遍历右边
p = pr;
else if (pr == null) // 右边为空遍历左边
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;
}remove操作
步骤：
1、计算要删除的key的hash值，跟get操作类似获取到要删除的节点
2、获取到要删除的节点之后，判断该节点的类型：
如果是桶元素，删除方式是将桶的下一节点赋值给桶
如果是红黑树节点，调用红黑树removeTreeNode方法删除节点
如果是链表节点，按照链表非头节点删除方法删除节点
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;
// 根据hash找到位置
// 如果当前key映射到的桶不为空
// 将桶对应的元素赋值给遍历p
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;
// 如果桶上的结点就是要找的key，则将node指向该结点
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
node = p;
// 说明结点存在下一个结点
else if ((e = p.next) != null) {
// 说明是以红黑树来处理的冲突，则获取红黑树要删除的结点
if (p instanceof TreeNode)
node = ((TreeNode<K,V>)p).getTreeNode(hash, key);
else {
// 判断是否以链表方式处理hash冲突，是的话则通过遍历链表来寻找要删除的结点
do {
if (e.hash == hash &&
((k = e.key) == key ||
(key != null && key.equals(k)))) {
node = e;
break;
}
p = e;
} while ((e = e.next) != null);
}
}
// 比较找到的key的value和要删除的是否匹配
if (node != null && (!matchValue || (v = node.value) == value ||
(value != null && value.equals(v)))) {
// 通过调用红黑树的方法来删除结点
if (node instanceof TreeNode)
((TreeNode<K,V>)node).removeTreeNode(this, tab, movable);
else if (node == p)
// 数组删除
tab[index] = node.next;
else
// 链表删除
p.next = node.next;
// 记录修改次数
++modCount;
// 变动的数量
--size;
// 回调
afterNodeRemoval(node);
return node;
}
}
return null;
}resize() 扩容
每次扩容都是翻倍，与原来计算的 (n - 1) & hash 的结果相比，只是多了一个bit位，所以结点要么就在原来的位置，要么就被分配到 “原位置 + 旧容量” 这个位置。
因此，在HashMap扩容时，不需要重新计算hash，只需要看看原来的hash值新增的那个bit是1还是0就可以了，是0的话索引没变，是1的话索引变成 “原位置 + 旧容量”
步骤：
1、获得老table数据，如果老table已经足够大则不再扩容，只调节阈值。
2、老table扩容后的范围也符合要求直接将容器大小跟阈值都扩容 。
3、如果是带参数构造函数则需要将阈值复制给容器容量。
4、否则认为该容器初始化时未传参，需初始化。
5、如果老table有数据，新他变了大小设置好了但是阈值没设置成功。此时要设置新阈值。
6、创建新容器。
7、老table成功扩容为新table，涉及到数据的转移。
数据不为空是单独的节点则直接重新hash分配新位置。
数据不为空后面是一个链表，则要把链表数据进行区分看那些分到老地方那些分到新地方。
如果该节点类型是个红黑树则调用split.
/**
* 每次扩容都是翻倍，与原来计算的 (n - 1) & hash 的结果相比，只是多了一个bit位，所以结点要么就在原来的位置，要么就被分配到 “原位置 + 旧容量” 这个位置。
* 因此，在HashMap扩容时，不需要重新计算hash，只需要看看原来的hash值新增的那个bit是1还是0就可以了，是0的话索引没变，是1的话索引变成 “原位置 + 旧容量”
* @return the table
*/
final Node<K,V>[] resize() {
// 得到当前数组
Node<K,V>[] oldTab = table;
// 如果当前数组等于null长度返回0, 否则返回当前数组的长度
int oldCap = (oldTab == null) ? 0 : oldTab.length;
// 当前阀值，默认是12(16*0.75)
int oldThr = threshold;
int newCap, newThr = 0;
// 如果旧数组长度大于0, 开始计算扩容后的大小
// 小于等于0，没有扩容的必要
if (oldCap > 0) {
// 超过最大值就不再扩充了，就只好随你碰撞去吧
if (oldCap >= MAXIMUM_CAPACITY) {
// 修改阈值为int的最大值
threshold = Integer.MAX_VALUE;
return oldTab;
}
// 容量扩充为原来的2倍
// 新容量不能超过2^30大小
// 原来的容量大于等于初始化DEFAULT_INITIAL_CAPACITY=16
else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&
oldCap >= DEFAULT_INITIAL_CAPACITY)
// 阈值扩大一倍
newThr = oldThr << 1; // double threshold
}
// 如果原来容量小于等于0, 且原来阈值点大于0
else if (oldThr > 0) // initial capacity was placed in threshold
// 原来阈值赋值给新的数组长度
newCap = oldThr;
else { // zero initial threshold signifies using defaults
// 都不满足的情况下，直接使用默认值
newCap = DEFAULT_INITIAL_CAPACITY;
newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);
}
// 如果原来容量小于等于0, 且原来阈值点大于0情况下，那么newThr是0
// 计算新的resize最大上限
if (newThr == 0) {
float ft = (float)newCap * loadFactor;
newThr = (newCap < MAXIMUM_CAPACITY && ft < (float)MAXIMUM_CAPACITY ?
(int)ft : Integer.MAX_VALUE);
}
// 新的阀值 默认原来是12 乘以2之后变为24
threshold = newThr;
// 创建新的哈希表
@SuppressWarnings({"rawtypes","unchecked"})
//newCap是新的数组长度
Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap];
table = newTab;
// 原来数组不为空
if (oldTab != null) {
// 把每个桶都移动到新的桶中
// 遍历原来的哈希表的每个桶，重新计算桶里元素的新位置
for (int j = 0; j < oldCap; ++j) {
Node<K,V> e;
if ((e = oldTab[j]) != null) {
// 原来的数据赋值为null,便于GC回收
oldTab[j] = null;
// 判断数组是否有下一个引用
if (e.next == null)
// 没有下一个引用，说明不是链表，当前桶上只有一个键值对，直接插入
newTab[e.hash & (newCap - 1)] = e;
// 判断是否是红黑树
else if (e instanceof TreeNode)
// 说明是红黑树来处理冲突的，则调用相关方法把树分开
((TreeNode<K,V>)e).split(this, newTab, j, oldCap);
// 采用链表处理冲突
else { // preserve order
Node<K,V> loHead = null, loTail = null;
Node<K,V> hiHead = null, hiTail = null;
Node<K,V> next;
// 通过上述讲解的原理来计算结点的新位置
do {
next = e.next;
// 这里来判断如果等于true e这个结点在resize之后不需要移动位置
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;
}
链表转成红黑树treeifyBin()
链表转换成红黑树之前，即使阈值大于8，但数组长度小于64时，并不会将链表变为红黑树，而是对数组进行扩容。
目的是：当数组较小情况下，尽量避开红黑树结构。因为数组较小情况下，变为红黑树结构，反而会降低效率（红黑树需要逬行左旋，右旋，变色这些操作来保持平衡）。同时数组长度小于64时，搜索时间相对要快些。所以结上所述为了提高性能，底层阈值大于8并且数组长度大于64时，链表才转换为红黑树
/**
* 将链表转换成红黑树
*/
final void treeifyBin(Node<K,V>[] tab, int hash) {
int n, index; Node<K,V> e;
// 如果当前数组为空,或者数组的长度小于进行树形化的阈值(MIN_TREEIFY_CAPACITY = 64),就去扩容。
// 而不是将结点变为红黑树。
// 目的：如果数组很小,那么转换红黑树，然后遍历效率要低一些。
// 这时进行扩容,那么重新计算哈希值，链表长度有可能就变短了，数据会放到数组中，这样相对来说效率高一些。
if (tab == null || (n = tab.length) < MIN_TREEIFY_CAPACITY)
// 扩容
resize();
// 获取key哈希值的桶元素，判断是否为空
else if ((e = tab[index = (n - 1) & hash]) != null) {
// 执行步骤
// 1. 先将元素转换为红黑树节点
// 2. 然后再将其设置为链表结构
// 3. 最后将链表结构转换为红黑树
// hd：红黑树的头结点 tl：红黑树的尾结点
TreeNode<K,V> hd = null, tl = null;
do {
// 将当前桶结点替换为红黑树节点
TreeNode<K,V> p = replacementTreeNode(e, null);
// 首次操作，,红黑树尾节点为空
if (tl == null)
// 将新创键的p结点赋值给红黑树的头结点
hd = p;
else {
p.prev = tl; // 将上一个结点p赋值给现在的p的前一个结点
tl.next = p; // 将现在结点p作为树的尾结点的下一个结点
}
tl = p;
// 直到循环到链表末尾,以及将链表元素都替换为红黑树节点
} while ((e = e.next) != null);
// 让桶中的第一个元素即数组中的元素指向新建的红黑树的结点，
// 以后这个桶里的元素就是红黑树,而不是链表数据结构了
if ((tab[index] = hd) != null)
hd.treeify(tab);
}
}
/**
* 将链表转成红黑树
* @return root of tree
*/
final void treeify(Node<K,V>[] tab) {
TreeNode<K,V> root = null;
// 遍历链表中的每一个TreeNode，当前结点为x
for (TreeNode<K,V> x = this, next; x != null; x = next) {
next = (TreeNode<K,V>)x.next;
x.left = x.right = null;
//对于第一个树结点，当前红黑树的root == null，所以第一个结点是树的根，设置为黑色
if (root == null) {
x.parent = null;
x.red = false;
root = x;
}
else {
K k = x.key;
int h = x.hash;
Class<?> kc = null;
//从根结点开始遍历，寻找当前结点x的插入位置
for (TreeNode<K,V> p = root;;) {
int dir, ph;
K pk = p.key;
if ((ph = p.hash) > h) //如果当前结点的hash值小于根结点的hash值，方向dir = -1；
dir = -1;
else if (ph < h) //如果当前结点的hash值大于根结点的hash值，方向dir = 1；
dir = 1;
//如果x结点的key没有实现comparable接口，或者其key和根结点的key相等（k.compareTo(x) == 0）仲裁插入规则
//只有k的类型K直接实现了Comparable<K>接口，才返回K的class，否则返回null，间接实现也不行。
else if ((kc == null &&
(kc = comparableClassFor(k)) == null) ||
(dir = compareComparables(kc, k, pk)) == 0)
//仲裁插入规则
dir = tieBreakOrder(k, pk);
TreeNode<K,V> xp = p;
if ((p = (dir <= 0) ? p.left : p.right) == null) { //如果p的左右结点都不为null，继续for循环，否则执行插入
x.parent = xp;
if (dir <= 0) //dir <= 0，插入到左节点
xp.left = x;
else //否则插入到右结点
xp.right = x;
//插入后进行树的调整，使之符合红黑树的性质
root = balanceInsertion(root, x);
break;
}
}
}
}
// 将桶元素节点指向红黑树的根节点
moveRootToFront(tab, root);
}红黑树转成链表untreeify
/**
* 将红黑树转成链表，节点数<=6才会触发
* this node.
*/
final Node<K,V> untreeify(HashMap<K,V> map) {
Node<K,V> hd = null, tl = null; // hd指向头结点，tl指向尾节点
for (Node<K,V> q = this; q != null; q = q.next) {// 红黑树和双向链表的结构是并存的，这里是链表头结点开始遍历
Node<K,V> p = map.replacementNode(q, null); // 将每个节点转换成链表节点
if (tl == null)
hd = p;
else
tl.next = p;
tl = p;
}
// 返回转成后的链表的头节点
return hd;
}问题
1、什么情况下可能会扩容
put、putAll以及传参是map的时候
2、什么情况下链表转成红黑树
节点数>=8，且数组长度大于64的时候
3、什么时候红黑树转成链表
删除树节点的时候、扩容的时候可能会
4、在JDK8中寻找待插入点 e是通过==尾插法==(类似与排队在最后面)，而在JDK7中是==前插法==(类似与加塞在最前面，之所以这样做是HashMap发明者认为后插入节被访问概率更大)
5、JDK7中找Hash用了4次，JDK8中只用了1次。
JDK7 = 数组 + 链表，JDK8 = 数组 + 链表 + 红黑树
JDK7中是头插法，多线程容易造成环，JDK8中是尾插法。
JDK7的扩容是全部数据重新定位，JDK8中是位置不变+ 移动旧size大小来实现更好些。
JDK7是先判断是否要扩容再插入，JDK8中是先插入再看是否要扩容。
HashMap线程不安全
355
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
