HashMap流程:
HashMap流程:
首先new HashMap(int initialCapacity, float
loadFactor)这是最全的,添加值是put函数,调用putVal函数,
第一种情况:查看table是否为空,为空先进行扩容,非空则(n - 1) &
hash定位到table的具体index位置上,判断当前位置是否有值,无值得话直接new一个节点放进去第二种情况:若当前table的index上有值,则先比较key是否一致,一致的话,便找到了这个需要替换的节点
第三种情况:若key不相等,且此时已经树化了,进行红黑树操作
第三种情况:若key不相等,死循环遍历链表,若遍历节点的next==null,则进行插入
第四种情况:节点数量达到树化阈值时进行树化,
第五种情况:或者找到相同的key便找到了需要替换的节点,break出死循环。
将找到需要替换的节点进行替换,返回oldValue,同时记录修改次数,若此时size大于扩容阈值,进行扩容
。
接下来扩容流程:先获取oldCap和oldThr,进行一些边界逻辑判断
第一种情况:当oldCap大于0时,oldCap>=最大容量时不进行扩容,将阈值设置为最大值,若newCap = oldCap <<1,扩为原来两倍后仍小于最大值且oldCap是大于默认16的,这时将newThr = oldThr << 1
第二种情况:当oldCap=0,oldThr大于0时,这就是初始化,进行newCap =
oldThr;这里把旧的扩容阈值赋值给newCap是因为在tableSizeFor函数时,比如输入10,tableSizeFor函数后输出16是赋值给了oldThr的第三种情况:oldThr = 0且oldCap = 0,这是new
HashMap(),也是我们最常使用的创建hashmap的方式,这时候newCap=默认16, newThr =
默认16*默认0.75=12这三种情况逻辑走一遍之后,若newThr==0,(这两种情况分别是容量小于16,和第一次初始化),newThr=newCap *
loadFactor,再一次更新扩容阈值为threshold = newThr;至此,经过上边的流程已经确定了newCap和newThr
接下来创建新一个更长更大的Node数组,若
hashMap本次扩容之前oldTab 不为null进行接下来操作,遍历oldTab,
第一种情况:当前桶位只有一个元素,从未发生过碰撞,这情况直接计算出当前元素应存放在新数组中的位置,然后扔进去就可以了
第二种情况:已经树化了,进行红黑树操作
//第三种情况:桶位已经形成链表,扩容后的分为低位链表:存放在扩容之后的数组的下标位置,与当前数组的下标位置一致。高位链表:存放在扩容之后的数组的下表位置为当前数组下标位置+扩容之前数组的
接下来get函数,是调用了getNode函数,先判断一下散列表tab不为空,得到桶位中的头元素first
第一种情况:定位出来的桶位的头元素即为咱们要get的数据
第二种情况:桶位升级成了红黑树
第三种情况:桶位形成链表
接下来remove函数调用了removeNode函数
先判断不为空说明桶位中有数据可以进行查找删除操作,就是一些普通的链表节点删除操作
第一种情况:当前桶位中的头元素即为你要删除的元素 第二种情况:红黑树查找 第三种:情况链表查找 将三种情况进行删除操作
第一种情况:node是树节点,说明需要进行树节点移除操作 第二种情况:桶位头元素即为查找结果,则将该元素的下一个元素放至桶位中
第三种情况:将当前元素p的下一个元素设置成要删除元素的下一个元素。
参数
//缺省table大小
static final int DEFAULT_INITIAL_CAPACITY = 1 << 4; // aka 16
//最大table长度
static final int MAXIMUM_CAPACITY = 1 << 30;
//缺省负载因子大小
static final float DEFAULT_LOAD_FACTOR = 0.75f;
//树化阈值
static final int TREEIFY_THRESHOLD = 8;
//树化降级为链表阈值
static final int UNTREEIFY_THRESHOLD = 6;
//树化的另一个参数,当哈希表中的元素个数超过64时
static final int MIN_TREEIFY_CAPACITY = 64;
//当前哈希表中元素个数
transient int size;
//结构修改次数
transient int modCount;
//扩容阈值,当前哈希表超过这个阈值,就会扩容 threshold = loadFactor*capacity
int threshold;
//负载因子
final float loadFactor;
构造函数
public HashMap(int initialCapacity, float loadFactor) {
//一些逻辑校验,initialCapacity必须大于0,最大为MAXIMUM_CAPACITY
if (initialCapacity < 0)
throw new IllegalArgumentException("Illegal initial capacity: " +
initialCapacity);
if (initialCapacity > MAXIMUM_CAPACITY)
initialCapacity = MAXIMUM_CAPACITY;
//loadFactor 必须大于0,且不能非数字
if (loadFactor <= 0 || Float.isNaN(loadFactor))
throw new IllegalArgumentException("Illegal load factor: " +
loadFactor);
this.loadFactor = loadFactor;
//将传进来一些不满足2的幂次方的initialCapacity变为大于当前值且相差最小的2的幂次方
this.threshold = tableSizeFor(initialCapacity);
}
tableSizeFor方法
作用:返回一个大于等于当前值cap的一个数字,并且这个数字一定是2的次方数
无符号右移
cap = 10
//这里不减1的话,最后会变成容量32
n = 10-1 => 9
0b1001 | 0b0100 => Ob1101
0b1101 | 0b0011 => 0b1111
0b1111 | 0b0000 => 0b1111
0b1111 => 15
return 15+1=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;
}
put函数
public V put(K key, V value) {
//套娃
return putVal(hash(key), key, value, false, true);
}
扰动函数
//作用:自己的高半区和低半区做异或,就是为了混合原始哈希码的高位和低位,以此来加大低位的随机性
static final int hash(Object key) {
int h;
return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}
putVal函数
final V putVal(int hash, K key, V value, boolean onlyIfAbsent,
boolean evict) {
//tab:引用当前hashMap的散列表
//p:表示当前散列表的元素
//n:表示散列表数组的长度
//i:表示路由寻址结果
Node<K,V>[] tab; Node<K,V> p; int n, i;
//延迟初始化逻辑,第一次调用putVal时会初始化hashMap对象中的最耗费内存的散列表
if ((tab = table) == null || (n = tab.length) == 0)
n = (tab = resize()).length;
//第一种情况:当前的桶位为null,直接将node放进去
if ((p = tab[i = (n - 1) & hash]) == null)
tab[i] = newNode(hash, key, value, null);
else {
//e:不为nulL的话,找到了一个与当前要插入的key-value一致的key的node元素
//k:表示临时的一个key
Node<K,V> e; K k;
//第二种情况:当前位置有值,表示桶位中的该元素,与你当前插入的元素的key完全一致,表示后续需要进行替换操作
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
e = p;
//第三种情况:是红黑树
else if (p instanceof TreeNode)
e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
else {
//第四种情况:链表的情况,而且链表的头元素与我们要插入的key不一致
//遍历链表
for (int binCount = 0; ; ++binCount) {
//条件成立的话,说明迭代到最后一个元素了,也没找到一个与你要插入的key一致的node
//说明需要加入到当前链表的末尾
if ((e = p.next) == null) {
p.next = newNode(hash, key, value, null);
//条件成立的话,说明当前链表的长度,达到树化标准了,需要进行树化
if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st
//树化操作
treeifyBin(tab, hash);
break;
}
//遍历链表找到了相同的key的node元素,需要进行替换操作
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
break;
p = e;
}
}
//e不等于null,条件成立说明,找到了一个与你插入元素key完全一致的数据,需要进行替换
if (e != null) { // existing mapping for key
V oldValue = e.value;
if (!onlyIfAbsent || oldValue == null)
//替换当前node的value值
e.value = value;
afterNodeAccess(e);
return oldValue;
}
}
//modcount:表示散列表结构被修改的次数
++modCount;
if (++size > threshold)
//插入新元素,size自增,如果自增后的值大子扩容阈值,则触发扩容
resize();
afterNodeInsertion(evict);
return null;
}
resize函数
//为了解决哈希冲突导致的链化影响查询效率的问题,扩容会缓解该问题
final Node<K,V>[] resize() {
//oldTab:引用扩容前的哈希表
Node<K,V>[] oldTab = table;
//oldCap:扩容前table数组的长度
int oldCap = (oldTab == null) ? 0 : oldTab.length;
//oldThr:扩容前的阈值,触发本次扩容的阈值
int oldThr = threshold;
//newCap:扩容之后table数组的大小
//newThr:扩容之后,下次再次触发扩容的条件
int newCap, newThr = 0;
//条件如果成立说明hashMap中的散列表已经初始化过了,这是一次正常扩容
if (oldCap > 0) {
//扩容之前的table数组大小已经达到最大阈值后,则不扩容,且设置扩容条件为int最大值。
if (oldCap >= MAXIMUM_CAPACITY) {
threshold = Integer.MAX_VALUE;
return oldTab;
}
//oldcap左移一位实现数值翻倍,并且赋值给newCap,newCap小于数组最大值限制且扩容之前的阈值>= 16
else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&
oldCap >= DEFAULT_INITIAL_CAPACITY)
//这种情况下,则下一次扩容的阈值等于当前阈值翻倍
** //newThr == 0第一种情况 传入的oldCap<16
newThr = oldThr << 1; // double threshold
}
//oldCap == 0,说明hashMap中的散列表是null
//以下情况下:oldThr有值
//1.new HashMap(initCap,LoadFactor);
//2.new HashMap(initcap);
//3.new HashMap(map);并且这个map有数据
//这里就是第一次创建hashMap进行扩容
else if (oldThr > 0) // initial capacity was placed in threshold 初始容量设为阈值
**//newThr == 0第二种情况
newCap = oldThr;
//oldCap == 0, oldThr == 0
//new HashMap();
else { // zero initial threshold signifies using defaults
newCap = DEFAULT_INITIAL_CAPACITY; //16
newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY); //16*0.75=12
}
// **标注了两种情况
//newThr为零时,通过newCap和loadFactor计算出一个newThr
if (newThr == 0) {
float ft = (float)newCap * loadFactor;
newThr = (newCap < MAXIMUM_CAPACITY && ft < (float)MAXIMUM_CAPACITY ?
(int)ft : Integer.MAX_VALUE);
}
threshold = newThr;
//创造一个更长更大的数组
@SuppressWarnings({"rawtypes","unchecked"})
Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap];
table = newTab;
//说明,hashMap本次扩容之前,table不为null
if (oldTab != null) {
for (int j = 0; j < oldCap; ++j) {
//当前节点
Node<K,V> e;
//说明当前桶位中有数据,但是数据具体是单个数据,还是链表还是红黑树并不知道
if ((e = oldTab[j]) != null) {
//方便GC回收
oldTab[j] = null;
//第一种情况:当前桶位只有一个元素,从未发生过碰撞,这情况直接计算出当前元素应存 放在新数组中的位置,然后扔进去就可以了
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
//第三种情况:桶位已经形成链表
//低位链表:存放在扩容之后的数组的下标位置,与当前数组的下标位置一致。
Node<K,V> loHead = null, loTail = null;
//高位链表:存放在扩容之后的数组的下表位置为当前数组下标位置+扩容之前数组的长度
Node<K,V> hiHead = null, hiTail = null;
Node<K,V> next;
do {
next = e.next;
//hash-> .... 1 1111
//hash->.... 0 1111
// 0b1 0000
//分开高位和低位链表
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);
if (loTail != null) {
loTail.next = null;
newTab[j] = loHead;
}
if (hiTail != null) {
hiTail.next = null;
newTab[j + oldCap] = hiHead;
}
}
}
}
}
return newTab;
}
get函数
public V get(Object key) {
Node<K,V> e;
//套娃
return (e = getNode(hash(key), key)) == null ? null : e.value;
}
getNode函数
final Node<K,V> getNode(int hash, Object key) {
//tab:引用当前hashMap的散列表
//first:桶位中的头元素
//e:临时node元素
//n:table数组长度
Node<K,V>[] tab; Node<K,V> first, e; int n; K k;
if ((tab = table) != null && (n = tab.length) > 0 &&
(first = tab[(n - 1) & hash]) != null) {
//第一种情况:定位出来的桶位的头元素即为咱们要get的数据
if (first.hash == hash && // always check first node
((k = first.key) == key || (key != null && key.equals(k))))
return first;
//说明当前桶位不止一个元素,可能是链表也可能是红黑树
if ((e = first.next) != null) {
//第二种情况:桶位升级成了红黑树
if (first instanceof TreeNode)
return ((TreeNode<K,V>)first).getTreeNode(hash, key);
//第三种情况:桶位形成链表
do {
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
return e;
} while ((e = e.next) != null);
}
}
return null;
}
remove函数
final Node<K,V> removeNode(int hash, Object key, Object value,
boolean matchValue, boolean movable) {
//tab:引用当前hashMap中的散列表
//p:当前node元素
//n:表示散列表数组长度
//index:表示寻址结果
Node<K,V>[] tab; Node<K,V> p; int n, index;
//说明路由的桶位是有数据的,需要进行查找操作,并且删除
if ((tab = table) != null && (n = tab.length) > 0 &&
(p = tab[index = (n - 1) & hash]) != null) {
//node:查找到的结果
//e:当前Node的下一个元素
Node<K,V> node = null, e; K k; V v;
//第一种情况:当前桶位中的头元素即为你要删除的元素
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
node = p;
//说明,当前桶位要么是链表要么是红黑树
else if ((e = p.next) != null) {
//:是否升级为红黑树
if (p instanceof TreeNode)
//第二种情况:红黑树查找
node = ((TreeNode<K,V>)p).getTreeNode(hash, key);
else {
第三种:情况链表查找
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node不为空的话,说明按照key查找到需要删除的数据了
if (node != null && (!matchValue || (v = node.value) == value ||
(value != null && value.equals(v)))) {
if (node instanceof TreeNode)
//第一种情况:node是树节点,说明需要进行树节点移除操作
((TreeNode<K,V>)node).removeTreeNode(this, tab, movable);
else if (node == p)
//第二种情况:桶位头元素即为查找结果,则将该元素的下一个元素放至桶位中
tab[index] = node.next;
else
//第三种情况:将当前元素p的下一个元素设置成要删除元素的下一个元素。
p.next = node.next;
++modCount;
--size;
afterNodeRemoval(node);
return node;
}
}
return null;
}