{
for (int j = 0; j < oldCap; ++j) {
Node<K,V> e;
if ((e = oldTab[j]) != null) {
oldTab[j] = null;
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
Node<K,V> loHead = null, loTail = null;
Node<K,V> hiHead = null, hiTail = null;
Node<K,V> next;
do {
next = e.next;
/**
* 重点在这里(e.hash & oldCap) == 0,这里这么写的原因还需要从hashMap在put的时候计算数组下标开始说,
* 第一步:
* 计算下标的源码如下:
* if ((p = tab[i = (n - 1) & hash]) == null)
* tab[i] = newNode(hash, key, value, null);
*上面代码中,i = (n - 1) & hash是计算的数组下标值,这个算法是数组的下标长度与key的hash码做运算与操作,也就是做交集,
*由于n的值等于数组长度,而数组长度都是2的次幂,因此(n - 1)的值一定在有效位数上全部是1,例如:数组的初始长度为16,那么16-1的二进制就是1111,
* 因此 (n - 1) & hash的计算为1111&hash值,而hash值无论是什么,总归不是0就是1,所以1111&hash的最小值为0,最大值为1111,因此每一个hash值肯定在当前数组中能找到对应的位置。
* 第二步:
* 介绍完下标获取的问题,接下来看看为什么(e.hash & oldCap) == 0这样进行判断,
* oldCap就是第一步中的tab,所以(e.hash & oldCap)这步位运算实际是在确定oldCap的最高位和e.hash对应的那一位的与运算,
* 而oldCap的最高位就是1,(为什么呢,因为oldCap的容量是2的次幂,因此最高位是1,其他位是0,比如16表示成二进制为:10000)
* 所以就是判断(e.hash & oldCap) 中的e.hash的对应的这一位是不是0,那问题又来了,判断e.hash的对应的这一位是不是0干什么,
* 这得先从hashmap的扩容中每次扩容数组容量来说,hashmap每次扩容时,会把当前容量扩大2倍,也就是2的1次幂,那这样数组的容量
* 在二进制中表示就是把原理的数组大小向左移动一位,例如,oldCap为16,二进制位是10000,那么扩大2倍的容量就是32,二进制位是100000,
*在新的容量下,当put时,计算的数组下标时:i = (n - 1) & hash,此时的n-1已经比第一步时多出一位,比如,之前是16-1=15,现在是32-1=31,
* 表示成二进制位15是1111,31是11111,因此这次计算数组下标,实际就是计算上面(e.hash & oldCap)中,e.hash的最高有效比较位是不是0,
* 如果是0,那么数组下标还是原来扩容前的数组下标,因为11111和0xxxx的与运算跟1111和xxxx的与运算结果是一样的。
* 因此进行(e.hash & oldCap) == 0判断,是为了避免把每个key值取出来重新计算,这样当(e.hash & oldCap) = 0时,直接把oldcap中存储该节点的下标,放到新数组同样的下标位置就可以了,
* 而如果(e.hash & oldCap)=1,那说明比原来计算的数组下标的位置大了2倍,因此新的下标是j + oldCap。
*
*/
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;
}
}
}
}
}
JDK1.8HashMap扩容原理之一(非红黑树情况)
最新推荐文章于 2024-09-04 20:25:49 发布