HashMap采用数据+链表+红黑树作为存储结构,HashMap中每一个元素(就是一个键值队)都会封装成一个Entry对象。该对象有key(键) value(值) next(下一个元素) ,hash(哈希值,),每次存储元素(Entry对象)时,根据hashcode()方法计算出哈希值来得到下标,但是由于%模运算性能消耗较大,所以采用(长度减一)&hash的位运算方式来计算存储位置,这时在HashMap长度为2的幂次方时计算效率最高,拿到下标之后看该位置上是否有其他元素,如果已经有(产生哈希冲突)那么在这个位置上的元素将以链表的形式进行存储,这时候就用到next指向下一个新的元素,形成链表。从JDK1.8开始,HashMap在解决哈希冲突时有了较大的变化,当链表大于8时,并且数组长度大于64时,将链表转换成红黑树,用来减少搜索时间。
具体的实现过程:
hashMap的put过程是怎样的?
1判断数组table是否为空,为空进行初始化,不为空用hash()方法计算key的hash值,来得到下标存放的位置
static final int DEFAULT_INITIAL_CAPACITY = 1 << 4; // aka 16
//数组初始容量为1<<4
public V put(K key, V value) {
return putVal(hash(key), key, value, false, true);
//使用哈希方法计算key的hashCode
}
static final int hash(Object key) {
int h;
// 通过key的hashCode()方法返回的哈希值与它的高16位进行异或运算
// 作用:计算出的hash值,在计算下标位置时,会更“散列”,减少哈希冲突
return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}
这里有一个知识点数组容量:基础数组Node<k v>的长度,如果没有指定长度,添加第一元素时候按照默认16进行初始化
加载因子:加载因子就是填满程度,默认为0.75f越大则表示允许填满的元素越多,集合空间的利用率就越多,冲突的机会随之增加,但反之冲突机会虽然小了,但是空间的很多就浪费了,所以采取一个中间值0.75
2查看table[index]是否有数据,没有的话创建一个Node<key value>对象存放在这个对象中,如果下标位置存在的话产生哈希冲突 ,然后判断(key)值是否相等,相等的话新值覆盖旧值,如果不相同,采用链地址法进行存储方法,就是将新添加的值一链表的形式存储将新元素封装成新的Node对象,插入到给下标位置的尾部(尾插法)当链表的长度超过8并且数组长度超过64时候,为了避免查找索引性能下降,链表就会换成红黑树
这是基本的源代码,大家浅看一下
final Node<K,V>[] resize() {
// 获取原数组
Node<K,V>[] oldTab = table;
// 计算原容量
int oldCap = (oldTab == null) ? 0 : oldTab.length;
// 获取原扩容阈值
int oldThr = threshold;
// 定义新容量、新扩容阈值
int newCap, newThr = 0;
if (oldCap > 0) {
// 如果原容量超出最大容量,则退出扩容
if (oldCap >= MAXIMUM_CAPACITY) {
threshold = Integer.MAX_VALUE;
return oldTab;
}
// 计算新容量(新容量=原容量的2倍)
// 新容量没有超出最大容量,并且原容量大于等于默认初始容量16
else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&
oldCap >= DEFAULT_INITIAL_CAPACITY)
newThr = oldThr << 1; // 设置新扩容阈值(同样为原扩容阈值的2倍)
}
else if (oldThr > 0) // 新容量按照初始化(构造方法)中的扩容阈值设置
newCap = oldThr;
else { // 默认
newCap = DEFAULT_INITIAL_CAPACITY; // 默认初始化容量16
newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY); // 默认扩展阈值 = 默认加载因子0.75 * 默认初始化容量16
}
// 如果新扩容阈值等于0,则需要重新计算,最大不超过Integer.MAX_VALUE
if (newThr == 0) {
float ft = (float)newCap * loadFactor;
newThr = (newCap < MAXIMUM_CAPACITY && ft < (float)MAXIMUM_CAPACITY ?
(int)ft : Integer.MAX_VALUE);
}
threshold = newThr;
// 创建数组
@SuppressWarnings({"rawtypes","unchecked"})
Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap];
// 保存
table = newTab;
if (oldTab != null) {
// 遍历原数组
for (int j = 0; j < oldCap; ++j) {
Node<K,V> e;
// 将原数组中的元素,重新保存
if ((e = oldTab[j]) != null) {
oldTab[j] = null;
if (e.next == null) // 当前元素为单节点(不是链表),则重新按照哈希值,计算下标位置
newTab[e.hash & (newCap - 1)] = e;
else if (e instanceof TreeNode) // 当前元素为红黑树节点,将当前红黑树拆分为2棵红黑树
((TreeNode<K,V>)e).split(this, newTab, j, oldCap);
else { // 当前元素为链表节点,将当前链表拆分为两条链表(高位链表、低位链表)
Node<K,V> loHead = null, loTail = null;
Node<K,V> hiHead = null, hiTail = null;
Node<K,V> next;
// 遍历链表,根据每个节点的hash值,重新计算链表位置
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);
// 低位链表保存在数组的原位置
if (loTail != null) {
loTail.next = null;
newTab[j] = loHead; // 原位置
}
// 高位链表保存在数组的新位置
if (hiTail != null) {
hiTail.next = null;
newTab[j + oldCap] = hiHead; // 新位置
}
}
}
}
}
// 返回新数组
return newTab;
}