背景
HashMap在平时工作中使用频率高的离谱。 要说不熟悉吧？ 天天用哪里不熟悉了？
面试的时候，面试官：哦，那你说说底层怎么实现的吧？我：额，这个，我记得好像是通过hash计算存储到数组，还有链表和红黑树的转变过程、装载因子等，具体怎么实现的不是很清楚，平时有看过网上很多文章，不过不记得了。。
但是呢，要从本质上提升自己，还是要沉下心来去深入的学习，只有基础牢固了才能更好在平时工作的运用~
本文会从以下几个方面来进行学习：
- 基本原理： 从整体的角度，简单介绍HashMap的原理和涉及到一些概念
- 操作API： 主要是构造方法、插入、删除、遍历等具体细节
- 与其他Hash表的对比： 与Map系列其他集合的对比，加深理解
一、基本原理
HashMap继承自AbstractMap类，实现了Map接口。
首先来自网上一张图，侵删：
说明：
- 当调用
put(key，value)时，HashMap会对key进行hash操作，从而得到hash值，然后在根据hash值对数组的长度的进行取余操作（内部通过位运算进行了优化），得到数组的下标。 - 封装
key、value、hash、next为node节点，如果该数组下标不存在元素，则直接把Node节点存入数组下标中。 - 若有元素，判断是否是红黑树节点，是树节点则将新节点插入到红黑树中。
- 如果不是树节点，那么把新的节点插入到链表的尾部。此外，当链表的长度
>8时，由于链表查询的时间复杂度是O(N)，因此链表会树化为红黑树，时间复杂度变为O(logN),从而提高查询效率。 - 当
remove移除某个红黑树的节点后，如果红黑树的节点数<6时，为了节省内存空间，红黑树又会退化为链表。
红黑树，是平衡二叉搜索树的一种。它是一种特殊的二叉查找树。特点是对任何一个节点来说，其左子树中的任意节点值都比自己小，右子树中的任意节点的值比自己大（左小右大）。而红黑树能够在面对频繁数据操作中，始终保持从整体来看左右子树处于对称的状态，因此插入、删除、查询都能够高效的完成，时间复杂度为O(logN) N是节点数，非常的稳定。
1.1 存储节点梳理
HashMap中的存储节点涉及到四个：Entry、Node、TreeNode、LinkedHashMapEntry。其中的依赖关系如下： 
了解节点的内容，可以帮助后续理解！
1.2 常量和成员变量初识
常量：
//数组的初始长度：16。 必须是2的n次方，1<n<=30
static final int DEFAULT_INITIAL_CAPACITY = 1 << 4; // aka 16
//数组的最大长度： size=1 * 2^30
static final int MAXIMUM_CAPACITY = 1 << 30;
//默认加载因子
static final float DEFAULT_LOAD_FACTOR = 0.75f;
//树化（链表转换为红黑树）的阈值
static final int TREEIFY_THRESHOLD = 8;
//反树化阈值（红黑树转换为链表）
static final int UNTREEIFY_THRESHOLD = 6;
//数组的最小树化容量阈值。 当某个拉链的长度过长的时候，如果数组的长度没有达到64，那么优先扩容而不是树化。
static final int MIN_TREEIFY_CAPACITY = 64;
成员变量：
// 所有键值对的个数
transient int size;
// 下一次扩容的阈值。计算公式：capacity * load factor
int threshold;
//加载因子
final float loadFactor;
了解某些重要常量和成员变量的含义，方便后续理解！
二、操作API
2.1 构造方法
2.1.1 空参构造
public HashMap() {
this.loadFactor = DEFAULT_LOAD_FACTOR; // all other fields defaulted
}
只初始化加载因子为 0.75。其他的值都为默认。
2.1.2 有参构造
public HashMap(int initialCapacity, float loadFactor) {
if (initialCapacity < 0)
throw new IllegalArgumentException("Illegal initial capacity: " +
//数组的初始length不能超过限制 initialCapacity);
if (initialCapacity > MAXIMUM_CAPACITY)
initialCapacity = MAXIMUM_CAPACITY;
if (loadFactor <= 0 || Float.isNaN(loadFactor))
throw new IllegalArgumentException("Illegal load factor: " +
loadFactor);
this.loadFactor = loadFactor;
// 初始化或者扩容时候的阈值，肯定会是2的幂。
//注意： 由于外部可以传initialCapacity值，因此，这个值可能是3，那么tableSizeFor方法的作用就是保证threshold值始终为2的幂。
this.threshold = tableSizeFor(initialCapacity);
}
我们重点关注下tableSizeFor方法。
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;
}
原理： 根据给定的cap数组容量，返回以2^n（2的n次幂）的最小值。n的值是多少？那要根据cap的值来决定。
举个例子：
- cap=0，threshold=1。 2的0次幂
- cap=1，threshold=1。 2的1次幂
- cap=3，threshold=4。 2的2次幂，2的3次幂肯定不符合。
- cap=4，threshold=4。因为4是2的幂，所以不变。
- cap=5，threshold=8。2的3次幂
这样就清楚了。 这个函数的作用就是防止外部传入的cap不符合2^n，所以要调整。
有个疑问，成员变量定义的时候不是说threshold=capacity * load factor吗？ 怎么现在又等于tableSizeFor的返回值了？ 确实此时threshold有值，但是却没用，当扩容的时候才会用到。 看下如扩容代码：
final Node<K,V>[] resize() {
// ...省略
//1, threshold=4
int oldThr = threshold;
// ...省略
else if (oldThr > 0) // initial capacity was placed in threshold
//如果外部通过构造指定了初始化容量值，会走这里的初始化逻辑。new HashMap(3)
//2， threshold=4,newCap=4
newCap = oldThr;
// ...省略
if (newThr == 0) {
//3, newCap=4, newThr=3
float ft = (float)newCap * loadFactor;
newThr = (newCap < MAXIMUM_CAPACITY && ft < (float)MAXIMUM_CAPACITY ?(int)ft : Integer.MAX_VALUE);
}
//4,threshold=3
threshold = newThr;
// ...省略
先不要着急慌！扩容什么的先不管，我们看上面四步就可以了。
- 假设我们
new HashMap(3)。那么threshold=4。 - 经过四步,注释很清楚
- 最终，数组的容量就是4，而
threshold就变成了3。所以按照公式来理解是没有问题的！
因此，了解清楚后其实就不用纠结这里了。
2.2 插入元素 put()方法
put方法会调用putVal方法，我们重点看putVal内部原理。
2.2.1 putVal 方法
final V putVal(int hash, K key, V value, boolean onlyIfAbsent,
boolean evict) {
Node<K,V>[] tab; Node<K,V> p; int n, i;
// 1，如果数组为null，就初始化。（第一次put，肯定是null）
if ((tab = table) == null || (n = tab.length) == 0)
// 2，初始化数组，初始化size、threshold等
n = (tab = resize()).length;
// 3，hash值对数组长度取余得到下标，如果下标i的位置为null，则表示没有元素，newNode节点 直接存进去
if ((p = tab[i = (n - 1) & hash]) == null)
//null:这是第一个节点，没有后继节点next
tab[i] = newNode(hash, key, value, null);
else {
// 4，下标i的位置有值了
Node<K,V> e; K k;
// 4.1，先比较头节点与要插入的hash和key值是否相等，相等肯定是同一个节点。
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
e = p;
else if (p instanceof TreeNode)
// 4.2，头节点不等，如果是树节点，则插入到红黑树里面。
e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
else {
// 4.3，既不是头节点，也不是二叉树节点。则去链表中查找
for (int binCount = 0; ; ++binCount) {
//4.3.1 在整个链表都没有找到，这是新节点，插入到链表尾部
if ((e = p.next) == null) {
p.next = newNode(hash, key, value, null);
//4.3.2 检查是否触发树化逻辑
if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st
treeifyBin(tab, hash);
break;
}
//4.4 如果链表中某个节点匹配，则break循环，要插入的节点已经存在!
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
break;
p = e;
}
}
//4，如果要插入的节点已经存在，那么就更新value
if (e != null) { // existing mapping for key
// 更新
V oldValue = e.value;
if (!onlyIfAbsent || oldValue == null)
e.value = value;
// 5.1 专门留给LinkedHashMap的后续操作
afterNodeAccess(e);
return oldValue; // 如果已经存在过，则返回该元素。
}
}
//6, 只有插入新元素才会走这里逻辑，
++modCount;
// 更新size+1，判断插入的元素个数大于扩容阈值，则进行扩容
if (++size > threshold)
resize()；
//专门留给LinkedHashMap的后续操作
afterNodeInsertion(evict);
return null; //如果是新元素则返回null
}
- 总结：
put方法主要做了如下几点：
- 如果数组没有初始化，则直接扩容初始化数组。
- 根据插入元素的
key值计算hash值，hash值对数组大小取余得到下标。 - 如果下标位置没有元素，则直接插入
- 如果下标位置已经有元素，那么分三种情况：
-
4.1 该元素的
key、hash跟要插入的元素一致（认为是同一个节点），直接更新节点的value。 -
4.2 不一致，若是红黑树节点， 则插入到红黑树。如果已经在红黑树中存在则返回该节点；如果不在则当做新的节点插入，且返回null；
-
4.3 不一致且又不是红黑树节点，那么该元素只能是链表节点。 遍历链表，如果找到，则证明在链表中已经存在，更新
value即可，同时局部变量引用该节点（也就是方法中的e变量）；如果在链表中没有找到，则认为是新节点，直接加入到链表的尾部，此时e=null，加入新节点后如果节点数>8则进行树化；
- 插入了新元素，
size+1。如果size>threshold，则进行扩容。
流程图如下，图片来自美团技术：
不过图中有一些问题。
当插入的节点已经存在的时候，覆盖value后putVal方法是直接结束了的，不会触发size++后续的逻辑。只有新节点的插入才会触发后续的的逻辑。
2.2.2 扩容 resize()方法
final Node<K,V>[] resize() {
// 拿到旧的table数组 以及旧的size
Node<K,V>[] oldTab = table;
//oldCap一开始肯定是0
int oldCap = (oldTab == null) ? 0 : oldTab.length;
int oldThr = threshold; // 旧的扩容阈值，
int newCap, newThr = 0;
// 1，oldCap>0 表示正常的扩容逻辑
if (oldCap > 0) {
//如果旧的size已经很大了，超过2^30，那么指定为Integer.MAX_VALUE，也就是2^32。
if (oldCap >= MAXIMUM_CAPACITY) {
threshold = Integer.MAX_VALUE;
// 直接返回旧的hash数组 ，无法扩容了！！扩容失败！
return oldTab;
}
//新容量为旧的2倍。
else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&
oldCap >= DEFAULT_INITIAL_CAPACITY)
//如果新的数组长度是旧的2倍且小于2^30方 同时旧的数组长度> 16。
//那么新的扩容阈值是旧的2倍。本质上还是cap*load factor。没啥区别！
newThr = oldThr << 1; // double threshold
}
//2，如果外部通过构造指定了初始化容量值，会走这里的初始化逻辑。new HashMap(3)
else if (oldThr > 0) // initial capacity was placed in threshold
newCap = oldThr;
else { // zero initial threshold signifies using defaults
//3，走这里表示，我们是通过空参构造方法构造的如： new HashMap()
newCap = DEFAULT_INITIAL_CAPACITY; //16
newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY); //16*0.75=12
// newThr=12,也就是说如果size >=12，那么就表示触发扩容阈值，需要扩容了。换句话说，达到原始容量的 0.75倍（加载因子倍），即表示快装不下了，再装效率就会下降，必须要扩容。
}
//如果外部是通过构造指定了初始化容量值，会走这里的初始化逻辑。手动计算新的threashHold
if (newThr == 0) {
float ft = (float)newCap * loadFactor;
newThr = (newCap < MAXIMUM_CAPACITY && ft < (float)MAXIMUM_CAPACITY ?
(int)ft : Integer.MAX_VALUE);
}
//4，至此，我们需要明确两个概念cap和thr：
cap：数组容量。 thr：整个节点个数的扩容阈值。
以上不管是初始化还是正常的扩容逻辑，都是在根据旧的容量和扩容阈值，来计算得到新的容量和扩容阈值。
//更新扩容阈值，下次超过了它就需要再次扩容
threshold = newThr;
@SuppressWarnings({"rawtypes","unchecked"})
//5，直接根据newCap new出新数组newTab
Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap];
table = newTab;// 赋值新数组
//6，遍历旧的数组 ，准备拷贝到新数组里面
if (oldTab != null) {
for (int j = 0; j < oldCap; ++j) {
Node<K,V> e;
if ((e = oldTab[j]) != null) {
//把旧数组对应的位置置空。
oldTab[j] = null;
//该节点没有后继节点，也就是只有一个头结点。
if (e.next == null)
//那么根据该元素原来的hash值，重新计算下标，存入元素。
newTab[e.hash & (newCap - 1)] = e;
else if (e instanceof TreeNode)
//如果是二叉树类型，那么进行切割分组
//内部工作： 也是根据原来数组长度，进行切割分组：高、低。
//然后在重新存储对应新的下标位置。注意，这里有可能会因为二叉树的个数分组后会出现小于6的情况，也就是可能会触发二叉树退化为链表。
((TreeNode<K,V>)e).split(this, newTab, j, oldCap);
else { // preserve order 维护顺序
Node<K,V> loHead = null, loTail = null;
Node<K,V> hiHead = null, hiTail = null;
Node<K,V> next;
do {
// 链表有多个元素
next = e.next;
//e.hash & oldCap 用来判断>=oldCap。
//==0表示 新插入的位置还是之前的位置。处于低位，也就是j。为什么叫低位？j<oldCap。
//else表示 新插入的位置是高位，也就是j+oldCap位置。
//本质是吧原来的链表进行分组，在插入到新的数组里。
if ((e.hash & oldCap) == 0) {//表示是低位组。
//原因：hash不一样，那么数组长度变化后的取余值肯定也不一样了。但是由于是2的n次幂，所以余数也是有规律的。
if (loTail == null)
loHead = e;
else
loTail.next = e;
loTail = e;
}
else { //高位组
if (hiTail == null)
hiHead = e;
else
hiTail.next = e;
hiTail = e;
}
} while ((e = next) != null);
if (loTail != null) {
loTail.next = null;
//插入低位组链表
newTab[j] = loHead;
}
if (hiTail != null) {
//插入高位组链表
hiTail.next = null;
newTab[j + oldCap] = hiHead;
}
}
}
}
}
return newTab;
}
- 总结
resize的扩容工作可以分为两个部分：
- 创建新数组 根据旧的数组长度和扩容阈值，计算得到新的数组长度和扩容阈值。
- 迁移旧数据 循环旧数据，进行切割分组，在存储新数组中
主要流程如下（详细的过程可以看注释）：
创建新数组：
- 数组=null时：如果调用的是空参构造则初始化数组长度为16，扩容阈值12；如果调用有参，则根据掺入的cap计算得到新的数组长度newCap，扩容阈值为newCap*0.75。
- 数组不为null：如果超过最大容量2^30，则扩容失败，直接返回旧数组；反之，则直接以2倍大小扩容数组。同时按照之前的公式提高新的扩容阈值。
- 根据得到的新数组容量
newCap创建新数组newTable对象
迁移旧数据：
- 遍历旧数组，如果只有头结点，那么对头结点的
hash值重新对新数组长度取余，得到新下标，存入新数组。 - 如果头结点还有后继节点，且头结点红黑树节点？该位置肯定是红黑树结构。那么就对红黑树进行切割分组，得到两个新的红黑树结构，成为高位树和低位树，在插入到新数组中。这里可能会触发反树化（节点数<6，红黑树转换为链表）
- 如果头结点还有后继节点，是链表节点？ 也会进行分组，得到高位链表和低位链表，插入到新的数组中。
高位和低位怎么理解？其实本质就是要根据新的数组长度重新hash取余！
高低位切分过程如下，图片来自参考的文章，侵删：
如上，扩容前存储结构，数组长度为8。hash值为35、27、19、43都映射到了下标为3的位置。 当通过e.hash & oldCap操作后，我们可以看到蓝色部分分为了两组。
扩容后的存储结构，数组长度变为16。上面叫低位组，下面的叫高位组。
2.2.3 树化 treeifyBin()方法
树化的触发时机：当新元素插入到链表尾部后，链表长度>8。
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)
//1，如果数组为空，或者数组的长度小于64. 没达到最小树化容量。那么只进行扩容。
resize();
else if ((e = tab[index = (n - 1) & hash]) != null) {
// 获取新节点插入位置的链表头,开始遍历链表，转为树节点
TreeNode<K,V> hd = null, tl = null;
//hd 是什么？ tl是什么？
do {
TreeNode<K,V> p = replacementTreeNode(e, null);
//p虽然是TreeNode，但是还是以链表结构相连。hd就是链表的头结点。
//第一次tl肯定是null。所以hd、tl都指向第一个节点。
if (tl == null)
hd = p;// 树头
else {
//
p.prev = tl;
tl.next = p;
}
//tl不断的指向最后一个节点
tl = p;
} while ((e = e.next) != null);// 遍历原链表节点。
// 以上总结： 把以Node为节点的单向链表 转变为以TreeNode为节点的双向链表。双向链表用来干啥？？？？
//把双向链表存储到数组的位置
if ((tab[index] = hd) != null)
//从头结点开始真正构建红黑树
hd.treeify(tab);
}
}
- 总结
如果数组为null，则进入扩容方法。如果数组长度小于64，即使某个下标处的链表长度>8，也只会扩容，而不是树化操作。
树化的过程：
- 先得到节点插入位置对应的头结点，开始遍历链表。
- 每个节点
（Node）都转换为树节点(TreeNode)。 - 把以
Node为节点的单向链表 转变为以TreeNode为节点的双向链表。存入头结点。至此，还没有树化 - 调用
hd.treeify(tab)开始红黑树的转换，其实就是填充left、right、parent节点。
2.2.3.1 构造红黑树 TreeNode.treeify()
final void treeify(Node<K,V>[] tab) {
TreeNode<K,V> root = null;
// 从头结点开始遍历
for (TreeNode<K,V> x = this, next; x != null; x = next) {
next = (TreeNode<K,V>)x.next;
x.left = x.right = null;
if (root == null) {
//构造红黑树的根节点
x.parent = null;
x.red = false;
root = x;
}
else {
// 根节点不为空，准备要插入的节点 x
K k = x.key;
int h = x.hash;
Class<?> kc = null;
//根节点不为空， 从根节点root开始遍历 ，
for (TreeNode<K,V> p = root;;) {
int dir, ph;
K pk = p.key;
// 如果节点p的hash大于要插入的节点x的 hash值，dir=-1.
if ((ph = p.hash) > h)
dir = -1;
else if (ph < h) //如果小，dir=1.
dir = 1;
else if ((kc == null &&
(kc = comparableClassFor(k)) == null) ||
//通过compareTo方法 比较一次，如果dir==0，那么后面在比较一次
(dir = compareComparables(kc, k, pk)) == 0)
//dir==0，第二次key比较！！
dir = tieBreakOrder(k, pk);
//走出if-else逻辑，得到dir的值了
TreeNode<K,V> xp = p;
//一直遍历:如果dir<=0，则往左子树继续遍历。如果> 0则往右子树继续遍历.
//直到找到最后一个节点。
if ((p = (dir <= 0) ? p.left : p.right) == null) {
//p就是最后一个节点了，要插入的节点x的父节点指向xp。
x.parent = xp;
//插到xp的左边节点
if (dir <= 0)
xp.left = x;
else
xp.right = x;//插到xp的右边节点
//保证红黑树平衡
root = balanceInsertion(root, x);
break;
}
}
}
}
//确保root是树的根节点。
moveRootToFront(tab, root);
}
- 总结
理解的关键点在于两个循环：
- 链表维度的遍历 根据next后继节点遍历整个
TreeNode链表（从next的角度来看，可以称为链表）。 - 红黑树维度的遍历 得到每个链表节点，根据红黑树的特点（左小右大）遍历，插入
left或者right节点。
红黑树的特点就是，左小右大。因此，核心思想就是根据hash值的大小来决定是往左子树还是右子树插入。
根据hash值比较大小的过程，见注释。 至此，一颗红黑树已经构建完成。
2.3 获取元素 get()方法
get方法会调用getNode方法， 直接看getNode方法：
final Node<K,V> getNode(int hash, Object key) {
Node<K,V>[] tab; Node<K,V> first, e; int n; K k;
// 数组不为null+数组长度>0+hash对数组长度取余得到下标对应的第一个节点不为null
if ((tab = table) != null && (n = tab.length) > 0 &&
(first = tab[(n - 1) & hash]) != null) {
if (first.hash == hash && // always check first node
((k = first.key) == key || (key != null && key.equals(k))))
//如果hash相同，且key也相同，那么就是第一个节点。
return first;
if ((e = first.next) != null) {
//不是第一个节点。首先判断是否是红黑树节点，如果是那么接下来就去红黑树中查找
if (first instanceof TreeNode)
//first就是红黑树的根节点。遍历二叉树。
// 内部遍历过程： 根据hash的大小，进行递归查找。
return ((TreeNode<K,V>)first).getTreeNode(hash, key);
//链表结构，开始遍历查找，找到就返回。
do {
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
return e;
} while ((e = e.next) != null);
}
}
return null;
}
- 逻辑比较简单：
- 根据
key得到的hash值，取余得到数组下标。下标处如果不存在元素，那么返回null。 - 存在元素，是不是头结点？？是返回。
- 不是头结点，是不是红黑树节点？ 是就是去红黑树中查找（红黑树遍历~）。
- 不是头结点，不是红黑树节点，那么直接遍历链表，找到返回。
2.4 删除元素 remove() 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;
if ((tab = table) != null && (n = tab.length) > 0 &&
(p = tab[index = (n - 1) & hash]) != null) {
//得到hash取余对应数组下标的头结点
Node<K,V> node = null, e; K k; V v;
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
// 就是头结点
node = p;
else if ((e = p.next) != null) {
//不是头结点，则判断next节点是不是红黑树节点
if (p instanceof TreeNode)
node = ((TreeNode<K,V>)p).getTreeNode(hash, key); // 从红黑树拿到节点
else {
do {
if (e.hash == hash &&
((k = e.key) == key ||
(key != null && key.equals(k)))) {
//链表，找到节点
node = e;
break;
}
p = e;
} while ((e = e.next) != null); //链表的遍历
}
}
if (node != null && (!matchValue || (v = node.value) == value ||
(value != null && value.equals(v)))) {
//开始移除逻辑
if (node instanceof TreeNode)
// 走树节点的移除逻辑
((TreeNode<K,V>)node).removeTreeNode(this, tab, movable);
else if (node == p)
tab[index] = node.next; // 如果是数组下标对应的头结点，那么直接删除头结点
else
p.next = node.next; // 正常的节点node，指向node的next节点。删除node节点
++modCount;
--size; //容量更新
afterNodeRemoval(node);
return node;
}
}
return null;
}
- 总结
注释已经很清楚啦~ ~，简单总结如下：
- 根据
hash值对长度取余得到下标 - 如果是头结点，得到
node变量 - 如果不是头结点，是不是红黑树节点？ 是就去红黑树中查找，得到
node - 链表节点？ 则直接遍历链表，得到
node - 找到
node，进行删除操作。
2.5 遍历元素
2.5.1 三种方式遍历
HashMap<String, String> map = new HashMap<>();
map.entrySet().iterator() //1，从EntrySet维度
map.keySet().iterator()// 2，从key的维度
map.values().iterator()// 3，从values维度
三个维度的遍历都通过iterator迭代器实现遍历。
提出一个问题：entrySet、keySet、values到底是啥
2.5.2 map.entrySet()
//返回所有键值对数据。 EntrySet
public Set<Map.Entry<K,V>> entrySet() {
Set<Map.Entry<K,V>> es;
return (es = entrySet) == null ? (entrySet = new EntrySet()) : es;
}
返回的是HashMap中的所有键值对集合（Set类型）抽象视图（理解为所有键值对即可）！EntrySet中没有重复数据，支持是否包含、删除、迭代等功能。
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() {
//迭代器
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);
}
// ...省略
}
2.5.3 map.keySet()
public Set<K> keySet() {
Set<K> ks = keySet;
if (ks == null) {
ks = new KeySet();
keySet = ks;
}
return ks;
}
返回的是HashMap中的所有键集合（Set类型）的抽象视图！KeySet中没有重复数据，支持是否包含、删除、迭代等功能。
final class KeySet extends AbstractSet<K> {
public final int size() { return size; }
public final void clear() { HashMap.this.clear(); }
//迭代器
public final Iterator<K> iterator() { return new KeyIterator(); }
public final boolean contains(Object o) { return containsKey(o); }
public final boolean remove(Object key) {
//移除也是通过HashMap的函数
return removeNode(hash(key), key, null, false, true) != null;
}
public final Spliterator<K> spliterator() {
return new KeySpliterator<>(HashMap.this, 0, -1, 0, 0);
}
// 省略...
}
2.5.4 map.values()
public Collection<V> values() {
Collection<V> vs = values;
if (vs == null) {
vs = new Values();
values = vs;
}
return vs;
}
返回的是HashMap中的所有值的集合（Collection类型）的抽象视图！Values中可以有重复数据，支持是否包含、迭代等功能。
final class Values extends AbstractCollection<V> {
public final int size() { return size; }
public final void clear() { HashMap.this.clear(); }
public final Iterator<V> iterator() { return new ValueIterator(); }
public final boolean contains(Object o) { return containsValue(o); }
public final Spliterator<V> spliterator() {
return new ValueSpliterator<>(HashMap.this, 0, -1, 0, 0);
}
public final void forEach(Consumer<? super V> action) {
Node<K,V>[] tab;
if (action == null)
throw new NullPointerException();
if (size > 0 && (tab = table) != null) {
int mc = modCount;
// Android-changed: Detect changes to modCount early.
for (int i = 0; (i < tab.length && modCount == mc); ++i) {
for (Node<K,V> e = tab[i]; e != null; e = e.next)
action.accept(e.value);
}
if (modCount != mc)
throw new ConcurrentModificationException();
}
}
}
2.5.5 迭代逻辑 HashIterator
abstract class HashIterator {
Node<K,V> next; // next entry to return
Node<K,V> current; // current entry
int expectedModCount; // for fast-fail
int index; // current slot
HashIterator() {
expectedModCount = modCount;
Node<K,V>[] t = table;
current = next = null;
index = 0;
if (t != null && size > 0) { // advance to first entry
do {} while (index < t.length && (next = t[index++]) == null);
}
// 1，next是table数组中第一个有值的Node节点。
}
public final boolean hasNext() {
return next != null;
}
// 迭代的核心方法
final Node<K,V> nextNode() {
Node<K,V>[] t;
Node<K,V> e = next;
if (modCount != expectedModCount)
throw new ConcurrentModificationException();
if (e == null)
throw new NoSuchElementException();
//如果下一个不为null则返回，直到链表或红黑树的末尾
if ((next = (current = e).next) == null && (t = table) != null) {
//已经遍历完上一个节点，接着往数组下一个位置遍历。知道数组最后一个位置
do {} while (index < t.length && (next = t[index++]) == null);
}
//下一个不为null则返回.
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;
}
}
final class KeyIterator extends HashIterator
implements Iterator<K> {
public final K next() { return nextNode().key; }
}
final class ValueIterator extends HashIterator
implements Iterator<V> {
public final V next() { return nextNode().value; }
}
final class EntryIterator extends HashIterator
implements Iterator<Map.Entry<K,V>> {
public final Map.Entry<K,V> next() { return nextNode(); }
}
- 总结
继承关系很清晰。KeyIterator、ValueIterator、EntryIterator都继承了HashIterator，实现了next方法。本质都是在调用nextNode方法，返回Node、key、或者value不同而已。
迭代具体逻辑：
- 在构造方法中，会遍历数组，找到数组中第一个有元素的下标位置，拿到头结点。
- 当
nextNode方法被调用，如果map为空，则会抛出异常。不为空，则根据next节点获取下一个节点（不管是链表还是红黑树都是通过next指针来获取）。 - 随着
nextNode方法不断调用，一直遍历到拉链的末尾节点为null，表示当前下标位置的元素已经遍历完。 - 接着下标加1， 往数组下一个位置获取头结点，如果不为空则按照
第3步的逻辑再获取next节点。
三、与其他hash表的区别
后面再补充~
至此，HashMap的源码基本学习完毕，期间收获还是蛮多的。如果其中有什么错误之处，还请指正，共同进步~
参考：
树都是通过next指针来获取）。
3. 随着nextNode方法不断调用，一直遍历到拉链的末尾节点为null，表示当前下标位置的元素已经遍历完。
4. 接着下标加1， 往数组下一个位置获取头结点，如果不为空则按照第3步的逻辑再获取next节点。
三、与其他hash表的区别
后面再补充~
至此，HashMap的源码基本学习完毕，期间收获还是蛮多的。如果其中有什么错误之处，还请指正，共同进步~
参考：
最后
按照国际惯例，给大家分享一套十分好用的Android进阶资料：《全网最全Android开发笔记》。
整个笔记一共8大模块、729个知识点，3382页，66万字，可以说覆盖了当下Android开发最前沿的技术点，和阿里、腾讯、字节等等大厂面试看重的技术。
因为所包含的内容足够多，所以，这份笔记不仅仅可以用来当学习资料，还可以当工具书用。
如果你需要了解某个知识点，不管是Shift+F 搜索，还是按目录进行检索，都能用最快的速度找到你要的内容。
相对于我们平时看的碎片化内容，这份笔记的知识点更系统化，更容易理解和记忆，是严格按照整个知识体系编排的。
（一）架构师必备Java基础
1、深入理解Java泛型
2、注解深入浅出
3、并发编程
4、数据传输与序列化
5、Java虚拟机原理
6、高效IO
……
（二）设计思想解读开源框架
1、热修复设计
2、插件化框架设计
3、组件化框架设计
4、图片加载框架
5、网络访问框架设计
6、RXJava响应式编程框架设计
……
（三）360°全方位性能优化
1、设计思想与代码质量优化
2、程序性能优化
- 启动速度与执行效率优化
- 布局检测与优化
- 内存优化
- 耗电优化
- 网络传输与数据储存优化
- APK大小优化
3、开发效率优化
- 分布式版本控制系统Git
- 自动化构建系统Gradle
……
（四）Android框架体系架构
1、高级UI晋升
2、Android内核组件
3、大型项目必备IPC
4、数据持久与序列化
5、Framework内核解析
……
（五）NDK模块开发
1、NDK开发之C/C++入门
2、JNI模块开发
3、Linux编程
4、底层图片处理
5、音视频开发
6、机器学习
……
（六）Flutter学习进阶
1、Flutter跨平台开发概述
2、Windows中Flutter开发环境搭建
3、编写你的第一个Flutter APP
4、Flutter Dart语言系统入门
……
（七）微信小程序开发
1、小程序概述及入门
2、小程序UI开发
3、API操作
4、购物商场项目实战
……
（八）kotlin从入门到精通
1、准备开始
2、基础
3、类和对象
4、函数和lambda表达式
5、其他
……
好啦，这份资料就给大家介绍到这了，有需要详细文档的小伙伴，可以微信扫下方二维码免费领取哈~
522
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
