HashMap
1、hash算法介绍
散列表，又叫哈希表，它是基于快速存取的角度设计的，也是一种典型的“空间换时间”的做法。顾名思义，该数据结构可以理解为一个线性表，但是其中的元素不是紧密排列的，而是可能存在空隙。
散列表（hash table，也叫哈希表）是根据关键码值（key value）而直接访问的数据结构。也就是说，它通过把关键码值映射到表中的一个位置来访问记录，以加快查找的速度。这个映射函数叫做散列函数，存放记录的数组叫做散列表。
我们基于一种结果尽可能随机平均分布的固定函数H为每个元素安排存储位置，这样就可以避免遍历性质的线性搜索，以达到快速存取。但是由于此随机性，也必然导致一个问题就是冲突。所谓冲突，即两个元素通过散列函数H得到的地址相同，那么这两个元素称为“同义词”。
2、hashmap源码分析
HashMap存放数据的结构是：hash表+单向链表
// hash表
transient Node<K,V>[] table;
//这个结构非常简单，定义了一个hash和key，hash值是对key进行hash以后得到的。value保存实际要存储的对象。
//next指向下一个节点。当hash冲突以后，就会将冲突的元素放入这个单向链表中
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
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);
}
public HashMap(int initialCapacity) {
this(initialCapacity, DEFAULT_LOAD_FACTOR);
}
// 空参构造器，负载因子赋值DEFAULT_LOAD_FACTOR = 0.75f（默认负载因子）
public HashMap() {
this.loadFactor = DEFAULT_LOAD_FACTOR; // all other fields defaulted
}
public HashMap(Map<? extends K, ? extends V> m) {
this.loadFactor = DEFAULT_LOAD_FACTOR;
putMapEntries(m, false);
}
有参构造方法实际都是使用下面方法
static final int DEFAULT_INITIAL_CAPACITY = 1 << 4; // 默认初始容量 16
static final float DEFAULT_LOAD_FACTOR = 0.75f; // 默认负载因子
// 参数为初始容量、负载因子（未设置值就是默认值）
public HashMap(int initialCapacity, float loadFactor) {
// 参数校验设值
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;
// threshold 此时用于表示初始化数组大小
this.threshold = tableSizeFor(initialCapacity);
}
位运算算法：计算初始化数组大小，目的是找到大于或等于initialCapacity的最小的2的次幂。
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;
}
- 参数为(Map<? extends K, ? extends V> m, boolean evict)构造器
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) {
// 参数map大小
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) // map大小是否大于扩容阈值
// 扩容，下面再说
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);
}
}
}
// 计算key的hash值
static final int hash(Object key) {
int h;
// 如果key为null,hash值为0；否则，key的哈希码的高16位右移和低16位做异或操作，
// 目的是为了减少hash冲突，使hash值能均匀分布。
return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}
hashmap#put方法详解
public V put(K key, V value) {
// hash(key) 计算key的hash值
return putVal(hash(key), key, value, false, true);
}
final V putVal(int hash, K key, V value, boolean onlyIfAbsent,
boolean evict) {
Node<K,V>[] tab; Node<K,V> p; int n, i;
// 如果是第一次添加元素，那么table是空的，首先创建一个指定大小的table
if ((tab = table) == null || (n = tab.length) == 0)
// 初始化数组table
n = (tab = resize()).length;
// (n - 1) & hash 与运算，其实本质就是对n取余运算，与运算是为了优化速度 ，
// 获取元素存储位置
// 判断该存储位置是否有元素
if ((p = tab[i = (n - 1) & hash]) == null)
// 为空，创建节点设置到该位置
tab[i] = newNode(hash, key, value, null);
else {
// 如果当前位置已经存在元素，那么就要逐个读取这条链表的元素。
Node<K,V> e; K k;
// 如果key和hash值都等于当前头元素，那么将头元素赋值给e元素
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
e = p;
// 判断是否是树结构
else if (p instanceof TreeNode)
// 基于红黑树的插入
e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
else {
// 链表插入
for (int binCount = 0; ; ++binCount) {
// 遍历链表的所有元素，如果都未找到相同key的元素，
// 那么说明这个元素并不在容器中存在，因此将他添加到链表尾部，并结束遍历。
if ((e = p.next) == null) {
// 设置p的下一个节点
p.next = newNode(hash, key, value, null);
// 判断当前链表节点的数量是否大于树结构的阈值
if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st
// 转换结构 链表--->红黑树 （优化查询性能）O(n) --> O(lgn)
treeifyBin(tab, hash);
break;
}
// 如果在遍历过程中，发现了相同的key值，那么就结束遍历。
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
break;
p = e;
}
}
// 判断要插入值在hashmap中是否存在
if (e != null) { // existing mapping for key
V oldValue = e.value;
if (!onlyIfAbsent || oldValue == null)
// 覆盖原来老的value值
e.value = value;
afterNodeAccess(e);
return oldValue;
}
}
// 修改数+1
++modCount;
// 这里判断当前元素的数量是否超过了容量阈值，如果超过了，
// 就要重新进行扩容，并对当前元素重新hash，所以再次扩容以后的元素位置都是会改变的。
if (++size > threshold)
resize();
afterNodeInsertion(evict);
return null;
}
// 结构转换 当链表长度大于树结构阈值8时，调用该方法；
// 如果此时数组长度小于64只是会进行数组扩容，否则才会结构转换
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);
}
}
get获取元素
使用HashMap有一个明显的优点，就是他的存取时间开销基本维持在O(1)，除非在数据量大了以后hash冲突的元素多了以后，对其性能有一定的影响。那么现在介绍的get方法很好的体现了这个优势。
public V get(Object key) {
Node<K,V> e;
return (e = getNode(hash(key), key)) == null ? null : e.value;
}
//
final Node<K,V> getNode(int hash, Object key) {
Node<K,V>[] tab; Node<K,V> first, e; int n; K k;
// 当前数组不为空并且数组长度大于零且根据hash取余获取数组该位置不等于null
if ((tab = table) != null && (n = tab.length) > 0 && (first = tab[(n - 1) & hash]) != null)
{
// 判断头节点是否是我们需要的节点
if (first.hash == hash && ((k = first.key) == key || (key != null && key.equals(k))))
// 如果是直接返回头节点
return first;
// 数组该位置不止一个节点进入判断
if ((e = first.next) != null) {
// 如果是红黑树，走红黑树判断逻辑
if (first instanceof TreeNode)
return ((TreeNode<K,V>)first).getTreeNode(hash, key);
do {
// 否则遍历链表直到找到我们需要的元素 do...while 循环遍历，如果遍历完了以后都没找到，说明不存在这个key值
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
return e;
} while ((e = e.next) != null);
}
}
// 否则直接return null
return null;
}
remove删除元素
删除元素的实现原理和put，get都类似。remove通过给定的key值，找到在hash表中对应的位置，然后找出相同key值的元素，对其删除。
public V remove(Object key) {
Node<K,V> e;
return (e = removeNode(hash(key), key, null, false, true)) == null ?
null : e.value;
}
final Node<K,V> removeNode(int hash, Object key, Object value,
boolean matchValue, boolean movable) {
// 根据key的hash值和key值查询要删除的节点
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;
// node就是查找到的待删除的节点
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);
}
}
// !matchValue = true ，只要 需要删除节点 不为空，进行下边删除节点操作
// 如果找到了相同的key，接下来就要判断matchValue参数，matchValue如果是true的话，就说明
// 需要检查被删除的value是否相同，只有相同的情况下才能删除元素。如果matchValue是false的话
// 就不需要判断value是否相同。
if (node != null && (!matchValue || (v = node.value) == value ||
(value != null && value.equals(v)))) {
if (node instanceof TreeNode)
// 待删除节点是红黑树节点
((TreeNode<K,V>)node).removeTreeNode(this, tab, movable);
// 下面待删除节点是链表节点
else if (node == p)
// 待删除节点是头节点
tab[index] = node.next;
else
// 这种情况是待删除节点在链表中部，p是待删除节点的上一个节点（上述do...while逻辑）
p.next = node.next;
++modCount;
--size;
afterNodeRemoval(node);
return node;
}
}
return null;
}
动态扩容
put元素时，可能由于容量不够就会触发扩容。resize的目的是在容器的容量达到上限的时候，对其扩容，使得元素可以继续被添加进来。这里需要关注两个参数threshold和loadFactor，threshold表示容量的上限，当容器中元素数量大于threshold的时候，就要扩容，并且每次扩容都是原来的两倍。loadFactor表示hash表的哈希因子。这两个参数的配合使用可以有效的控制hash冲突数量。
final Node<K,V>[] resize() {
Node<K,V>[] oldTab = table;
// 记录原先数组长度以及容量阈值
int oldCap = (oldTab == null) ? 0 : oldTab.length;
int oldThr = threshold;
// 记录现在数组长度以及容量阈值
int newCap, newThr = 0;
// 如果容器并不是第一次扩容的话，那么oldCap必定会大于0
if (oldCap > 0) {
if (oldCap >= MAXIMUM_CAPACITY) {
threshold = Integer.MAX_VALUE;
return oldTab;
}
// threshold和数组大小cap共同扩大为原来的两倍
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 {
// （初始化数组）调用hashmap空参构造器，设置默认负载因子0.75，
// 第一次put操作就会调用resize方法oldCap、oldThr都为0；进入这个判断逻辑，设置初始容量16，容量阈值为12.
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"})
// 创建数组
Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap];
table = newTab;
// 如果不是第一次调用该方法初始化数组，oldTab一定不为空
if (oldTab != null) {
// 遍历数组所有元素
for (int j = 0; j < oldCap; ++j) {
Node<K,V> e;
if ((e = oldTab[j]) != null) {
oldTab[j] = null;
if (e.next == null)
// 只有头节点
// 重新计算在数组中的位置
newTab[e.hash & (newCap - 1)] = e;
else if (e instanceof TreeNode)
((TreeNode<K,V>)e).split(this, newTab, j, oldCap);
else { // preserve order
// 将原链表分成两条链表；两条链表分别维护两个指针分别指向头节点和尾节点
Node<K,V> loHead = null, loTail = null;
Node<K,V> hiHead = null, hiTail = null;
Node<K,V> next;
// 遍历链表
do {
next = e.next;
// 链表节点判断条件，分别尾插入两条链表
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);
// e.hash & oldCap == 0
// 将拆成的两条链表分别设置在新链表的不同位置
if (loTail != null) {
// 老索引位置
loTail.next = null;
newTab[j] = loHead;
}
if (hiTail != null) {
hiTail.next = null;
// 老索引 + 老容量 位置
newTab[j + oldCap] = hiHead;
}
}
}
}
}
return newTab;
}
遍历
HashMap遍历有三种方式，对key遍历，对entry遍历和对value遍历。这三种遍历方式都是基于对HashIterator的封装，三种实现方式大同小异，主要介绍entry遍历EntryIterator的实现。
HashMap<String, String> hashMap = new HashMap<>();
hashMap.put("1", "1");
hashMap.put("2", "3");
// 使用foreach 方法来遍历实现了 Iterable 接口的聚合对象，相当于调用
// 调用EntrySet#iterator()，遍历每个元素最后调用HashIterator#nextNode()返回每一个Entry对象
for (Map.Entry<String, String> entry : hashMap.entrySet()) {
System.out.println("key->" + entry.getKey());
System.out.println("value->" + entry.getValue());
}
// 第一次调用实例化entrySet
public Set<Map.Entry<K,V>> entrySet() {
Set<Map.Entry<K,V>> es;
return (es = entrySet) == null ? (entrySet = new EntrySet()) : es;
}
final class EntrySet extends AbstractSet<Map.Entry<K,V>> {
public final int size() { return size; }
public final void clear() { HashMap.this.clear(); }
public final Iterator<Map.Entry<K,V>> iterator() {
// 实例化子类也会调用父类无参构造方法HashIterator#HashIterator()
return new EntryIterator();
}
public final boolean contains(Object o) {
if (!(o instanceof Map.Entry))
return false;
Map.Entry<?,?> e = (Map.Entry<?,?>) o;
Object key = e.getKey();
Node<K,V> candidate = getNode(hash(key), key);
return candidate != null && candidate.equals(e);
}
public final boolean remove(Object o) {
if (o instanceof Map.Entry) {
Map.Entry<?,?> e = (Map.Entry<?,?>) o;
Object key = e.getKey();
Object value = e.getValue();
return removeNode(hash(key), key, value, true, true) != null;
}
return false;
}
public final Spliterator<Map.Entry<K,V>> spliterator() {
return new EntrySpliterator<>(HashMap.this, 0, -1, 0, 0);
}
public final void forEach(Consumer<? super Map.Entry<K,V>> action) {
Node<K,V>[] tab;
if (action == null)
throw new NullPointerException();
if (size > 0 && (tab = table) != null) {
int mc = modCount;
for (int i = 0; i < tab.length; ++i) {
for (Node<K,V> e = tab[i]; e != null; e = e.next)
action.accept(e);
}
if (modCount != mc)
throw new ConcurrentModificationException();
}
}
}
final class EntryIterator extends HashIterator
implements Iterator<Map.Entry<K,V>> {
public final Map.Entry<K,V> next() { return nextNode(); }
}
abstract class HashIterator {
Node<K,V> next; // 指向下一个节点
Node<K,V> current; // 指向当前节点
int expectedModCount; // for fast-fail
int index; // 当前节点的下标
HashIterator() {
expectedModCount = modCount;
Node<K,V>[] t = table;
current = next = null;
index = 0;
if (t != null && size > 0) {
// 初始化时，找到table第一个元素
do {} while (index < t.length && (next = t[index++]) == null);
}
}
public final boolean hasNext() {
return next != null;
}
final Node<K,V> nextNode() {
Node<K,V>[] t;
Node<K,V> e = next;
// fast-fail判断期望修改数和当前修改数是否一致
if (modCount != expectedModCount)
throw new ConcurrentModificationException();
if (e == null)
throw new NoSuchElementException();
// 判断当前节点是否是链表最后一个节点，如果是继续遍历数组找到下一个位置元素
if ((next = (current = e).next) == null && (t = table) != null) {
do {} while (index < t.length && (next = t[index++]) == null);
}
return e;
}
public final void remove() {
Node<K,V> p = current;
if (p == null)
throw new IllegalStateException();
if (modCount != expectedModCount)
throw new ConcurrentModificationException();
current = null;
K key = p.key;
removeNode(hash(key), key, null, false, false);
expectedModCount = modCount;
}
}
上述遍历的过程是 EntrySet -> EntryIterator -> HashIterator。同理对key的遍历过程就是 KeySet -> KeyIterator -> HashIterator。可以看出来不管是哪种遍历，最终都是调用了HashIterator。
LinkedHashMap
存储结构
继承自 HashMap，因此具有和 HashMap 一样的快速存取特性。
public class LinkedHashMap<K,V> extends HashMap<K,V> implements Map<K,V>{
}
内部维护了一个双向链表，用来维护插入顺序或者 LRU 顺序。(LRU全称是Least Recently Used翻译过来就是最近最久未使用，他通常应用于缓存的一种实现方式，当缓存数据满时，删除最少使用的缓存数据。)
节点结构继承HashMap.Node并新增前后指针
static class Entry<K,V> extends HashMap.Node<K,V> {
Entry<K,V> before, after;
Entry(int hash, K key, V value, Node<K,V> next) {
super(hash, key, value, next);
}
}
/**
* The head (eldest) of the doubly linked list.
*/
transient LinkedHashMap.Entry<K,V> head;
/**
* The tail (youngest) of the doubly linked list.
*/
transient LinkedHashMap.Entry<K,V> tail;
LinkedList结构为HashMap+双向链表
accessOrder决定了迭代顺序：访问顺序为true ，插入顺序为false 。
final boolean accessOrder;
LinkedHashMap 最重要的是以下用于维护顺序的函数，它们会在 put、get 等方法中调用
void afterNodeAccess(Node<K,V> p) { }
void afterNodeInsertion(boolean evict) { }
构造函数
创建LinkedHashMap时，可以指定以哪种方式维护元素顺序。
public LinkedHashMap(int initialCapacity,
float loadFactor,
boolean accessOrder) {
super(initialCapacity, loadFactor);
// 元素遍历顺序，true维护元素的访问顺序，最新访问的放入队尾，false维护元素的插入顺序，最新插入的在队尾
this.accessOrder = accessOrder;
}
获取元素get()
直接调用HashMap方法，根据key获取节点根据accessOrder值执行不同策略。在每次访问一个节点时，会将这个节点移到链表尾部，保证链表尾部是最近访问的节点，那么链表首部就是最近最久未使用的节点。
public V get(Object key) {
Node<K,V> e;
if ((e = getNode(hash(key), key)) == null)
return null;
// accessOrder为true；就将该访问节点移至链表末尾
if (accessOrder)
afterNodeAccess(e);
return e.value;
}
// 将当前访问节点移至末尾
void afterNodeAccess(Node<K,V> e) { // move node to last
LinkedHashMap.Entry<K,V> last;
// 查看当前节点是否是末尾节点
if (accessOrder && (last = tail) != e) {
LinkedHashMap.Entry<K,V> p =
(LinkedHashMap.Entry<K,V>)e, b = p.before, a = p.after;
p.after = null;
if (b == null)
head = a;
else
b.after = a;
if (a != null)
a.before = b;
else
last = b;
if (last == null)
head = p;
else {
p.before = last;
last.after = p;
}
tail = p;
++modCount;
}
}
设置元素put()
LinkedHashMap本身没有put方法直接调用HashMap里put方法；因为HashMap提供了两个回调方法作为他的扩展，LinkedHashMap只需要实现这两个方法即可。在HashMap#put方法中会调用afterNodeAccess(e);afterNodeInsertion(evict)，这两个方法就是HashMap预留的回调方法，LinkedHashMap#afterNodeAccess实现是将访问元素移至链表末尾（见上）；下面主要看afterNodeInsertion方法实现，这个方法的主要目的就是在插入元素之后，控制对链表头元素的删除与否。
// 当 removeEldestEntry() 方法返回 true 时会移除最晚的节点，也就是链表首部节点 first。
void afterNodeInsertion(boolean evict) { // possibly remove eldest
LinkedHashMap.Entry<K,V> first;
// 此时evict为true
if (evict && (first = head) != null && removeEldestEntry(first)) {
K key = first.key;
removeNode(hash(key), key, null, false, true);
}
}
// 这是用户实现的回调方法，判断当前最老的元素是否需要删除，如果为true，就删除链表头元素
protected boolean removeEldestEntry(Map.Entry<K,V> eldest) {
return false;
}
移除元素remove()
在HashMap移除元素基础上调用了LinkedHashMap的实现方法afterNodeRemoval
// 移除LinkedHashMap维护的链表元素 （链表移除元素）
void afterNodeRemoval(Node<K,V> e) { // unlink
LinkedHashMap.Entry<K,V> p =
(LinkedHashMap.Entry<K,V>)e,
// 当前节点前一个结点和后一个节点
b = p.before, a = p.after;
p.before = p.after = null;
// 头节点
if (b == null)
head = a;
else
b.after = a;
// 尾节点
if (a == null)
tail = b;
else
a.before = b;
}
迭代
由于LinkedHashMap中维护的链表，已经维护了要遍历的顺序，所以直接从该链表头节点依次向后遍历即可，类似HashMap有个核心迭代器。
abstract class LinkedHashIterator {
LinkedHashMap.Entry<K,V> next; // 下一节点
LinkedHashMap.Entry<K,V> current; //当前节点
int expectedModCount;
LinkedHashIterator() {
// 初始化时，next为头节点
next = head;
expectedModCount = modCount;
current = null;
}
public final boolean hasNext() {
return next != null;
}
// 从头到尾依次遍历
final LinkedHashMap.Entry<K,V> nextNode() {
LinkedHashMap.Entry<K,V> e = next;
if (modCount != expectedModCount)
throw new ConcurrentModificationException();
if (e == null)
throw new NoSuchElementException();
current = e;
next = e.after;
return e;
}
public final void remove() {
Node<K,V> p = current;
if (p == null)
throw new IllegalStateException();
if (modCount != expectedModCount)
throw new ConcurrentModificationException();
current = null;
K key = p.key;
removeNode(hash(key), key, null, false, false);
expectedModCount = modCount;
}
}
LRU缓存
使用 LinkedHashMap 实现的一个 LRU 缓存：
- 设定最大缓存空间 MAX_ENTRIES 为 3；
- 使用 LinkedHashMap 的构造函数将 accessOrder 设置为 true，开启 LRU 顺序；
- 重写removeEldestEntry() 方法，在节点多于 MAX_ENTRIES 就会将最近最久未使用的数据移除。
public class LRUCache<K, V> extends LinkedHashMap<K, V> {
public static final int MAX_ENTRIES = 3;
public LRUCache() {
super(MAX_ENTRIES, 0.75f, true);
}
@Override
protected boolean removeEldestEntry(Map.Entry<K, V> eldest) {
return size() > MAX_ENTRIES;
}
}
测试：
LRUCache<String, String> cache = new LRUCache<>();
cache.put("1", "a");
cache.put("2", "b");
cache.put("3", "c");
cache.get("1");
cache.put("4", "d");
System.out.println(cache.keySet()); // 3 1 4
结果分析：
实际结果：
232
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
