文章目录
结构
public class HashMap<K,V> extends AbstractMap<K,V>
implements Map<K,V>, Cloneable, Serializable {
}
HahsMap继承自AbstractMap,实现了Map、Cloneable、Serializable接口。
内部类
Node节点:
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;
}
}
HashMap节点类,实现了Map.Entry<K,V>接口,可以看出node节点实际上是一个单向链表。
TreeNode:
static final class TreeNode<K,V> extends LinkedHashMap.Entry<K,V> {
TreeNode<K,V> parent; // red-black tree links
TreeNode<K,V> left;
TreeNode<K,V> right;
TreeNode<K,V> prev; // needed to unlink next upon deletion
boolean red;
TreeNode(int hash, K key, V val, Node<K,V> next) {
super(hash, key, val, next);
}
/**
* Returns root of tree containing this node.
*/
final TreeNode<K,V> root() {
for (TreeNode<K,V> r = this, p;;) {
if ((p = r.parent) == null)
return r;
r = p;
}
}
....
}
红黑树节点。这里省略TreeNode中的方法,结构中存储着该节点的左右、父节点。
属性
public class HashMap<K,V> extends AbstractMap<K,V> implements Map<K,V>, Cloneable, Serializable {
// 序列号
private static final long serialVersionUID = 362498820763181265L;
// 默认的初始容量是16
static final int DEFAULT_INITIAL_CAPACITY = 1 << 4;
// 最大容量 2^30
static final int MAXIMUM_CAPACITY = 1 << 30;
// 默认的填充因子 0.75
static final float DEFAULT_LOAD_FACTOR = 0.75f;
// 当桶(bucket)上的结点数大于这个值时会转成红黑树
static final int TREEIFY_THRESHOLD = 8;
// 当桶(bucket)上的结点数小于这个值时树转链表
static final int UNTREEIFY_THRESHOLD = 6;
// 桶中结构转化为红黑树对应的table的最小大小
static final int MIN_TREEIFY_CAPACITY = 64;
// 存储元素的数组,长度总是2的幂次倍
transient Node<k,v>[] table;
// 存放具体元素的集
transient Set<map.entry<k,v>> entrySet;
// 存放元素的个数,注意这个不等于数组的长度。
transient int size;
// 每次扩容和更改map结构的计数器
transient int modCount;
// 临界值 当实际大小(容量*填充因子)超过临界值时,会进行扩容
int threshold;
// 加载因子
final float loadFactor;
}
构造器
带初始容量和加载因子
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;
//把阈值设置为和initialCapacity最接近的2的幂。
//注意!初试容量initialCapacity仅用为设置阈值,并不是初始了table的容量。
this.threshold = tableSizeFor(initialCapacity);
}
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;
}
返回大于输入参数且最近的2的整数次幂的数。
带初始容量的构造函数
//加载因子默认为0.75
public HashMap(int initialCapacity) {
this(initialCapacity, DEFAULT_LOAD_FACTOR);
}
将加载因子默认为0.75,然后调用public HashMap(int initialCapacity, float loadFactor) {}
默认构造器
//加载因子默认为0.75,其他为默认值
public HashMap() {
this.loadFactor = DEFAULT_LOAD_FACTOR; // all other fields defaulted
}
传入集合的构造器
public HashMap(Map<? extends K, ? extends V> m) {
this.loadFactor = DEFAULT_LOAD_FACTOR;
putMapEntries(m, false);
}
putMapEntries
final void putMapEntries(Map<? extends K, ? extends V> m, boolean evict) {
int s = m.size();
if (s > 0) {
if (table == null) { // 如果table没有初始化
float ft = ((float)s / loadFactor) + 1.0F;//计算数组长度
int t = ((ft < (float)MAXIMUM_CAPACITY) ?
(int)ft : MAXIMUM_CAPACITY); //如果数组长度大于MAXIMUM_CAPACITY,就把数组长度定义为MAXIMUM_CAPACITY
if (t > threshold)
threshold = tableSizeFor(t); 计算得到的t大于阈值,则初始化阈值
}
// 已初始化,并且m元素个数大于阈值,进行扩容处理
else if (s > threshold)
resize();
// 将m中的所有元素添加至HashMap中
for (Map.Entry<? extends K, ? extends V> e : m.entrySet()) {
K key = e.getKey();
V value = e.getValue();
putVal(hash(key), key, value, false, true);
}
}
}
常用方法
确定元素在桶中的位置
不管增加、删除、查找键值对,定位到哈希桶数组的位置都是很关键的第一步。前面说过HashMap的数据结构是数组和链表的结合,所以我们当然希望这个HashMap里面的元素位置尽量分布均匀些,尽量使得每个位置上的元素数量只有一个,那么当我们用hash算法求得这个位置的时候,马上就可以知道对应位置的元素就是我们要的,不用遍历链表,大大优化了查询的效率。HashMap定位数组索引位置,直接决定了hash方法的离散性能。
static final int hash(Object key) {
int h;
return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}
if ((p = tab[i = (n - 1) & hash]) == null){}
这里的Hash算法本质上就是三步:取key的hashCode值、高位运算、取模运算。
对于任意给定的对象,只要它的hashCode()返回值相同,那么程序调用方法一所计算得到的Hash码值总是相同的。我们首先想到的就是把hash值对数组长度取模运算,这样一来,元素的分布相对来说是比较均匀的。但是,模运算的消耗还是比较大的,在HashMap中是这样做的:调用方法二来计算该对象应该保存在table数组的哪个索引处。
这个方法非常巧妙,它通过h & (table.length -1)来得到该对象的保存位,而HashMap底层数组的长度总是2的n次方,这是HashMap在速度上的优化。当length总是2的n次方时,h& (length-1)运算等价于对length取模,也就是h%length,但是&比%具有更高的效率。
在JDK1.8的实现中,优化了高位运算的算法,通过hashCode()的高16位异或低16位实现的:(h = k.hashCode()) ^ (h >>> 16),主要是从速度、功效、质量来考虑的,这么做可以在数组table的length比较小的时候,也能保证考虑到高低Bit都参与到Hash的计算中,同时不会有太大的开销。
下面举例:
参考:https://zhuanlan.zhihu.com/p/21673805
1.添加元素:put方法
public V put(K key, V value) {
return putVal(hash(key), key, value, false, true);
}
put方法为面向外部的唯一添加元素的方法,先根据key算出hash值,再调用内部方法putVal。
/**
* Implements Map.put and related methods.
*
* @param hash key的hash值
* @param key the key
* @param value the value to put
* @param onlyIfAbsent if true, 不改变现有值
* @param evict if false,表处于创建模式.
* @return previous value, or null if none
*/
final V putVal(int hash, K key, V value, boolean onlyIfAbsent,
boolean evict) {
Node<K,V>[] tab; Node<K,V> p; int n, i;
//如果当前表中没有元素或者表为空,进行扩容操作。
if ((tab = table) == null || (n = tab.length) == 0)
n = (tab = resize()).length;
//根据[(n - 1) & hash]算出要插入的位置,判断数组中该位置是否有元素
if ((p = tab[i = (n - 1) & hash]) == null)
//如果没有元素直接赋值
tab[i] = newNode(hash, key, value, null);
else {
//如果有元素
Node<K,V> e; K k;
/**假如当前位置的元素的hash值和要插入的元素的hash相等,并且两者的key也相等
*直接覆盖
*/
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
e = p;
//否则,如果当前位置的节点是树节点,就调用putTreeVal
else if (p instanceof TreeNode)
e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
//否则,遍历链表,插入到最后一个位置
else {
for (int binCount = 0; ; ++binCount) {
if ((e = p.next) == null) {
p.next = newNode(hash, key, value, null);
//如果链表中的节点数大于等于7,转换为红黑树
if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st
treeifyBin(tab, hash);
break;
}
//如果链表中有hash值相等并且key也相等的节点,就直接替换。
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
break;
p = e;
}
}
//如果是覆盖原节点,就返回oldValue。
if (e != null) { // existing mapping for key
V oldValue = e.value;
if (!onlyIfAbsent || oldValue == null)
e.value = value;
afterNodeAccess(e);
return oldValue;
}
}
++modCount;
//如果插入后节点数大于阈值,就进行扩容操作。
if (++size > threshold)
resize();
afterNodeInsertion(evict);
return null;
}
对putVal方法添加元素的分析如下:
- 先判断当前的table是否是null或者为空,如果是就进行扩容操作。
- 根据[n-1 & hash]计算出元素要在数组中插入的位置i。n为数组长度,hash为根据要插入元素的key算出来的hash值。
- 如果table[i]中没有元素,就直接插入。
- 否则,判断table[i]的第一个元素的hash值和key是否和插入的元素相等,如果都相等,就直接覆盖。
- 否则,判断table[i]结点是否是树节点,如果是就调用putTreeVal方法。
- 否则,遍历链表,如果中间碰到与插入节点的key和hash值都相等的节点就直接覆盖,否则就插入到链表的最后一个结点。如果链表中的节点数大于7,就转换为红黑树。
- 如果过程中是直接覆盖原节点,就直接返回oldValue。
- 如果插入后的元素个数大于阈值,就进行扩容操作。
get方法:
public V get(Object key) {
Node<K,V> e;
return (e = getNode(hash(key), key)) == null ? null : e.value;
}
计算出key的hash值,调用的是内部函数getNode():
final Node<K,V> getNode(int hash, Object key) {
Node<K,V>[] tab; Node<K,V> first, e; int n; K k;
//table不为空,并且table的长度大于0,并且tab[(n - 1) & hash]有元素
if ((tab = table) != null && (n = tab.length) > 0 &&
(first = tab[(n - 1) & hash]) != null) {
//数组元素相等
if (first.hash == hash && // always check first node
((k = first.key) == key || (key != null && key.equals(k))))
return first;
// 桶中不止一个节点
if ((e = first.next) != null) {
//在树中get
if (first instanceof TreeNode)
return ((TreeNode<K,V>)first).getTreeNode(hash, key);
//在链表中get
do {
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
return e;
} while ((e = e.next) != null);
}
}
return null;
}
get方法分析:
- 利用 i = (n-1)&hash 算出元素在table中的位置。
- 如果table[i]相等,则返回table[i]。
- 否则, 如果table[i]是树节点,调用getTreeNode(hash, key)
- 否则,遍历链表,寻找相等的节点。
clear方法
public void clear() {
Node<K,V>[] tab;
modCount++;
if ((tab = table) != null && size > 0) {
size = 0;
for (int i = 0; i < tab.length; ++i)
tab[i] = null;
}
}
把size设为0,遍历table,table[i]设置为null
containsKsy方法
public boolean containsKey(Object key) {
return getNode(hash(key), key) != null;
}
内部调用getNode方法,和get方法分析一致。
containsValue方法
public boolean containsValue(Object value) {
Node<K,V>[] tab; V v;
if ((tab = table) != null && size > 0) {
for (int i = 0; i < tab.length; ++i) {
for (Node<K,V> e = tab[i]; e != null; e = e.next) {
if ((v = e.value) == value ||
(value != null && value.equals(v)))
return true;
}
}
}
return false;
}
遍历数组,在遍历数组中的链表,如果有value相等的值,就放回true。
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;
}
调用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;
//找出key在table中的位置
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;
//如果节点的key相等,就把节点赋值给node
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);
}
}
//判断值是不是相等,相等就移去。
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;
}
分析:
- 先找到key的节点,原理类似于getNode
- 移除节点
扩容机制!!!
resize()扩容:
final Node<K,V>[] resize() {
Node<K,V>[] oldTab = table;
//获取旧容量
int oldCap = (oldTab == null) ? 0 : oldTab.length;
//获取旧阈值
int oldThr = threshold;
//定义新容量、新阈值
int newCap, newThr = 0;
//旧容量大于0
if (oldCap > 0) {
//判断旧容量是否大于最大容量,如果是就把阈值设置为Integer.MAX_VALUE
if (oldCap >= MAXIMUM_CAPACITY) {
threshold = Integer.MAX_VALUE;
return oldTab;
}
//令新容量 = 旧容量的两倍,并判断新容量是否小于最大容量,并且老容量大于16,设置新阈值为老阈值的2倍
else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&
oldCap >= DEFAULT_INITIAL_CAPACITY)
newThr = oldThr << 1; // double threshold
}
//如果旧容量小于等于0,就阈值大于0,新容量为旧阈值
else if (oldThr > 0) // initial capacity was placed in threshold
newCap = oldThr;
//旧容量、旧阈值小于等于0,定义新容量为16,新阈值为16*0.75
else { // zero initial threshold signifies using defaults
newCap = DEFAULT_INITIAL_CAPACITY;
newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);
}
//如果新阈值等于0,赋值新阈值
if (newThr == 0) {
float ft = (float)newCap * loadFactor;
newThr = (newCap < MAXIMUM_CAPACITY && ft < (float)MAXIMUM_CAPACITY ?
(int)ft : Integer.MAX_VALUE);
}
//把阈值设置为newThr
threshold = newThr;
//新建table,容量设置为newCap
@SuppressWarnings({"rawtypes","unchecked"})
Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap];
//把newTab赋值给table
table = newTab;
//加入oldTab 不为空,把oldTab 的元素加入到table中。
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)
//重新计算原色的位置
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;
//如果e.hash & oldCap) == 0位置不变
if ((e.hash & oldCap) == 0) {
if (loTail == null)
loHead = e;
else
loTail.next = e;
loTail = e;
}
//否则,原索引+oldCap
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;
//重要优化
newTab[j + oldCap] = hiHead;
}
}
}
}
}
return newTab;
}
进行扩容,会伴随着一次重新hash分配,并且会遍历hash表中所有的元素,是非常耗时的。在编写程序中,要尽量避免resize。
触发:
①众所周知当HashMap的使用的桶数达到总桶数*加载因子的时候会触发扩容;
②当某个桶中的链表长度达到8进行链表扭转为红黑树的时候,会检查总桶数是否小于64,如果总桶数小于64也会进行扩容;
③当new完HashMap之后,第一次往HashMap进行put操作的时候,首先会进行扩容
oldTab:为数组类型,代表扩容之前HashMap中的数组,也就是所有的桶;
oldCap:为int类型代表扩容之前总桶数量;
oldThr:为int类型代表扩容之前下次扩容的阈值;
newCap:为int类型代表这次扩容之后总桶数量;
newThr:为int类型代表这次扩容之后下次扩容的阈值;
newTab:为数组类型,代表扩容之后HashMap中的数组。
下面进行分步分析扩容
[1] 首先在第3行对扩容之前HashMap的数组是否为空进行判断,上面已经分析过了当第一次new出来的HashMap之后数组就是空的,oldCap会被赋值为0,如果之前不是空的,就是该数组的长度;
[2] 在第6行判断oldCap是否大于0,如果大于0说明之前HashMap的数组不是空的,再对oldCap进行检测是否达到最大容量,若果达到最大容量就把下次扩容的阈值设置为int类型的最大值并且返回;否则就进行扩容为之前的二倍基于右移;
[3] 当oldCap为0,并且oldThr大于0的时候,以为着这是第一次进行扩容,在16、17行把newCap赋值为扩容之前的阈值,该阈值当时代表着是你要申请的容量进行处理为接近2次幂的那个数;
[4] 现在看第29行,就是在这里真正对HashMap里面的数组进行初始化的
(第[3]、[4]步为第一次使用刚new出来的HashMap时,进行扩容的时候才触发的情况,这种情况比较简单到这里扩容也就结束了。下面是在第2、3、4、5、6…n次扩容的情况)
HashMap扩容完了,下面就是之前的K-V在新的HashMap中的分配问题
下面我们讲解下JDK1.8做了哪些优化。经过观测可以发现,我们使用的是2次幂的扩展(指长度扩为原来2倍),所以,元素的位置要么是在原位置,要么是在原位置再移动2次幂的位置。看下图可以明白这句话的意思,n为table的长度,图(a)表示扩容前的key1和key2两种key确定索引位置的示例,图(b)表示扩容后key1和key2两种key确定索引位置的示例,其中hash1是key1对应的哈希与高位运算结果。
元素在重新计算hash之后,因为n变为2倍,那么n-1的mask范围在高位多1bit(红色),因此新的index就会发生这样的变化:
因此,我们在扩充HashMap的时候,不需要像JDK1.7的实现那样重新计算hash,只需要看看原来的hash值新增的那个bit是1还是0就好了,是0的话索引没变,是1的话索引变成“原索引+oldCap”,可以看看下图为16扩充为32的resize示意图:
参考:https://blog.csdn.net/qq_36856024/article/details/99688530
https://zhuanlan.zhihu.com/p/21673805