HashMap1.8源码分析

目录
1.简介
类定义

public class HashMap<K,V>
         extends AbstractMap<K,V> 
         implements Map<K,V>, Cloneable, Serializable

主要简介
2.数据结构：引入了红黑树
2.1主要介绍
关于红黑树的介绍请移步
https://blog.csdn.net/v_july_v/article/details/6105630
2.2存储流程
2.3数组元素 & 链表节点的实现类

HashMap中的数组元素 & 链表节点 采用 Node类 实现

 
 

 
 
1

（与 JDK 1.7 的对比（Entry类），仅仅只是换了名字）
该类的源码分析如下

/** 
  * Node  = HashMap的内部类，实现了Map.Entry接口，本质是 = 一个映射(键值对)
  * 实现了getKey()、getValue()、equals(Object o)和hashCode()等方法
  **/  

static class Node<K,V> implements Map.Entry<K,V> {

    final int hash; // 哈希值，HashMap根据该值确定记录的位置
    final K key; // key
    V value; // value
    Node<K,V> next;// 链表下一个节点

    // 构造方法
    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; }   // 返回 与 此项 对应的键
    public final V getValue()      { return value; } // 返回 与 此项 对应的值
    public final String toString() { return key + "=" + value; }

    public final V setValue(V newValue) {
        V oldValue = value;
        value = newValue;
        return oldValue;
    }

  /** 
    * hashCode（） 
    */
    public final int hashCode() {
        return Objects.hashCode(key) ^ Objects.hashCode(value);
    }

  /** 
    * equals（）
    * 作用：判断2个Entry是否相等，必须key和value都相等，才返回true  
    */
    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;
    }
}

2.4 红黑树节点实现类
HashMap中的红黑树节点 采用 TreeNode 类 实现

/**
  * 红黑树节点 实现类：继承自LinkedHashMap.Entry<K,V>类
  */
  static final class TreeNode<K,V> extends LinkedHashMap.Entry<K,V> {  
// 属性 = 父节点、左子树、右子树、删除辅助节点 + 颜色
TreeNode&lt;K,V&gt; parent;  
TreeNode&lt;K,V&gt; left;   
TreeNode&lt;K,V&gt; right;
TreeNode&lt;K,V&gt; prev;   
boolean red;   

// 构造函数
TreeNode(int hash, K key, V val, Node&lt;K,V&gt; next) {  
    super(hash, key, val, next);  
}  

// 返回当前节点的根节点  
final TreeNode&lt;K,V&gt; root() {  
    for (TreeNode&lt;K,V&gt; r = this, p;;) {  
        if ((p = r.parent) == null)  
            return r;  
        r = p;  
    }  
}

3.具体使用
3.1 主要API使用（方法，函数）
（与JDK1.7基本相同）

V get(Object key); // 获得指定键的值
V put(K key, V value);  // 添加键值对
void putAll(Map<? extends K, ? extends V> m);  // 将指定Map中的键值对 复制到 此Map中
V remove(Object key);  // 删除该键值对

boolean containsKey(Object key); // 判断是否存在该键的键值对；是 则返回true
boolean containsValue(Object value); // 判断是否存在该值的键值对；是 则返回true

Set<K> keySet(); // 单独抽取key序列，将所有key生成一个Set
Collection<V> values(); // 单独value序列，将所有value生成一个Collection

void clear(); // 清除哈希表中的所有键值对
int size(); // 返回哈希表中所有 键值对的数量 = 数组中的键值对 + 链表中的键值对
boolean isEmpty(); // 判断HashMap是否为空；size == 0时 表示为 空

3.2 使用流程
（与JDK1.7基本相同）
使用的主要流程：

1. 声明1个HashMap的对象
2. 向HashMap添加数据（成对放入键-值对）
3. 获取HashMap的某个数据
4. 获取HashMap的全部数据：通过遍历HashMap

示例代码

import java.util.Collection;
import java.util.HashMap;
import java.util.Iterator;
import java.util.Map;
import java.util.Set;

public class HashMapTest {

public static void main(String[] args) {
  /**
    * 1. 声明1个 HashMap的对象
    */
    Map<String, Integer> map = new HashMap<String, Integer>();

  /**
    * 2. 向HashMap添加数据（成对 放入 键 - 值对）
    */
    map.put("Android", 1);
    map.put("Java", 2);
    map.put("iOS", 3);
    map.put("数据挖掘", 4);
    map.put("产品经理", 5);

   /**
    * 3. 获取 HashMap 的某个数据
    */
    System.out.println("key = 产品经理时的值为：" + map.get("产品经理"));

  /**
    * 4. 获取 HashMap 的全部数据：遍历HashMap
    * 核心思想：
    * 步骤1：获得key-value对（Entry） 或 key 或 value的Set集合
    * 步骤2：遍历上述Set集合(使用for循环 、 迭代器（Iterator）均可)
    * 方法共有3种：分别针对 key-value对（Entry） 或 key 或 value
    */

    // 方法1：获得key-value的Set集合 再遍历
    System.out.println("方法1");
    // 1. 获得key-value对（Entry）的Set集合
    Set<Map.Entry<String, Integer>> entrySet = map.entrySet();

    // 2. 遍历Set集合，从而获取key-value
    // 2.1 通过for循环
    for(Map.Entry<String, Integer> entry : entrySet){
        System.out.print(entry.getKey());
        System.out.println(entry.getValue());
    }
    System.out.println("----------");
    // 2.2 通过迭代器：先获得key-value对（Entry）的Iterator，再循环遍历
    Iterator iter1 = entrySet.iterator();
    while (iter1.hasNext()) {
        // 遍历时，需先获取entry，再分别获取key、value
        Map.Entry entry = (Map.Entry) iter1.next();
        System.out.print((String) entry.getKey());
        System.out.println((Integer) entry.getValue());
    }


    // 方法2：获得key的Set集合 再遍历
    System.out.println("方法2");

    // 1. 获得key的Set集合
    Set<String> keySet = map.keySet();

    // 2. 遍历Set集合，从而获取key，再获取value
    // 2.1 通过for循环
    for(String key : keySet){
        System.out.print(key);
        System.out.println(map.get(key));
    }

    System.out.println("----------");

    // 2.2 通过迭代器：先获得key的Iterator，再循环遍历
    Iterator iter2 = keySet.iterator();
    String key = null;
    while (iter2.hasNext()) {
        key = (String)iter2.next();
        System.out.print(key);
        System.out.println(map.get(key));
    }


    // 方法3：获得value的Set集合 再遍历
    System.out.println("方法3");

    // 1. 获得value的Set集合
    Collection valueSet = map.values();

    // 2. 遍历Set集合，从而获取value
    // 2.1 获得values 的Iterator
    Iterator iter3 = valueSet.iterator();
    // 2.2 通过遍历，直接获取value
    while (iter3.hasNext()) {
        System.out.println(iter3.next());
    }

}

}

// 注：对于遍历方式，推荐使用针对 key-value对（Entry）的方式：效率高
// 原因：
// 1. 对于 遍历keySet 、valueSet，实质上 = 遍历了2次：1 = 转为 iterator 迭代器遍历、2 = 从 HashMap 中取出 key 的 value 操作（通过 key 值 hashCode 和 equals 索引）
// 2. 对于 遍历 entrySet ，实质 = 遍历了1次 = 获取存储实体Entry（存储了key 和 value ）

运行结果

方法1
Java2
iOS3
数据挖掘4
Android1
产品经理5
----------
Java2
iOS3
数据挖掘4
Android1
产品经理5
方法2
Java2
iOS3
数据挖掘4
Android1
产品经理5
----------
Java2
iOS3
数据挖掘4
Android1
产品经理5
方法3
2
3
4
1
5

 
 

 
 

4.基础知识：HashMap中的重要参数（变量）
HashMap中的主要参数 同JDK1.7，即： 容量，加载因子，扩容阀值
但由于JDK1.8后引入了红黑树，所以多了红黑树相关的参数。具体如下

/** 
   * 主要参数 同  JDK 1.7 
   * 即：容量、加载因子、扩容阈值（要求、范围均相同）
   */

// 1. 容量（capacity）： 必须是2的幂 & <最大容量（2的30次方）
static final int DEFAULT_INITIAL_CAPACITY = 1 << 4; // 默认容量 = 16 = 1<<4 = 00001中的1向左移4位 = 10000 = 十进制的2^4=16
static final int MAXIMUM_CAPACITY = 1 << 30; // 最大容量 = 2的30次方（若传入的容量过大，将被最大值替换）

// 2. 加载因子(Load factor)：HashMap在其容量自动增加前可达到多满的一种尺度
final float loadFactor; // 实际加载因子
static final float DEFAULT_LOAD_FACTOR = 0.75f; // 默认加载因子 = 0.75

// 3. 扩容阈值（threshold）：当哈希表的大小 ≥ 扩容阈值时，就会扩容哈希表（即扩充HashMap的容量）
// a. 扩容 = 对哈希表进行resize操作（即重建内部数据结构），从而哈希表将具有大约两倍的桶数
// b. 扩容阈值 = 容量 x 加载因子
int threshold;

// 4. 其他
transient Node<K,V>[] table; // 存储数据的Node类型 数组，长度 = 2的幂；数组的每个元素 = 1个单链表
transient int size;// HashMap的大小，即 HashMap中存储的键值对的数量

/**

• 与红黑树相关的参数
  */
  // 1. 桶的树化阈值：即 链表转成红黑树的阈值，在存储数据时，当链表长度 > 该值时，则将链表转换成红黑树
  static final int TREEIFY_THRESHOLD = 8;
  // 2. 桶的链表还原阈值：即 红黑树转为链表的阈值，当在扩容（resize（））时（此时HashMap的数据存储位置会重新计算），在重新计算存储位置后，当原有的红黑树内数量 < 6时，则将 红黑树转换成链表
  static final int UNTREEIFY_THRESHOLD = 6;
  // 3. 最小树形化容量阈值：即 当哈希表中的容量 > 该值时，才允许树形化链表 （即 将链表 转换成红黑树）
  // 否则，若桶内元素太多时，则直接扩容，而不是树形化
  // 为了避免进行扩容、树形化选择的冲突，这个值不能小于 4 * TREEIFY_THRESHOLD
  static final int MIN_TREEIFY_CAPACITY = 64;

关于加载因子
总结：数据结构 & 参数方面与JDk1.7的区别
5.源码分析
分析内容如下
步骤1:声明1个HashMap的对象

/**
  * 函数使用原型
  */
  Map<String,Integer> map = new HashMap<String,Integer>();

/**

• 源码分析：主要是HashMap的构造函数 = 4个
• 仅贴出关于HashMap构造函数的源码
  */

public class HashMap<K,V>
extends AbstractMap<K,V>
implements Map<K,V>, Cloneable, Serializable{

// 省略上节阐述的参数

/**
* 构造函数1：默认构造函数（无参）
* 加载因子 & 容量 = 默认 = 0.75、16
*/
public HashMap() {
this.loadFactor = DEFAULT_LOAD_FACTOR;
}

/**
 * 构造函数2：指定“容量大小”的构造函数
 * 加载因子 = 默认 = 0.75 、容量 = 指定大小
 */
public HashMap(int initialCapacity) {
    // 实际上是调用指定“容量大小”和“加载因子”的构造函数
    // 只是在传入的加载因子参数 = 默认加载因子
    this(initialCapacity, DEFAULT_LOAD_FACTOR);
    
}

/**
 * 构造函数3：指定“容量大小”和“加载因子”的构造函数
 * 加载因子 & 容量 = 自己指定
 */
public HashMap(int initialCapacity, float loadFactor) {

    // 指定初始容量必须非负，否则报错  
     if (initialCapacity < 0)  
       throw new IllegalArgumentException("Illegal initial capacity: " +  
                                       initialCapacity); 

    // HashMap的最大容量只能是MAXIMUM_CAPACITY，哪怕传入的 > 最大容量
    if (initialCapacity > MAXIMUM_CAPACITY)
        initialCapacity = MAXIMUM_CAPACITY;

    // 填充比必须为正  
    if (loadFactor <= 0 || Float.isNaN(loadFactor))  
        throw new IllegalArgumentException("Illegal load factor: " +  
                                       loadFactor);  
    // 设置 加载因子
    this.loadFactor = loadFactor;

    // 设置 扩容阈值
    // 注：此处不是真正的阈值，仅仅只是将传入的容量大小转化为：>传入容量大小的最小的2的幂，该阈值后面会重新计算
    // 下面会详细讲解 ->> 分析1
    this.threshold = tableSizeFor(initialCapacity); 

}

/**
 * 构造函数4：包含“子Map”的构造函数
 * 即 构造出来的HashMap包含传入Map的映射关系
 * 加载因子 & 容量 = 默认
 */

public HashMap(Map<? extends K, ? extends V> m) {

    // 设置容量大小 & 加载因子 = 默认
    this.loadFactor = DEFAULT_LOAD_FACTOR; 

    // 将传入的子Map中的全部元素逐个添加到HashMap中
    putMapEntries(m, false); 
}

}

/**
* 分析1：tableSizeFor(initialCapacity)
* 作用：将传入的容量大小转化为：>传入容量大小的最小的2的幂
* 与JDK 1.7对比：类似于JDK 1.7 中 inflateTable()里的 roundUpToPowerOf2(toSize)
*/
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;
}

注：
1.此处仅用于接收初始容量大小（capacity），加载因子（Load factor），但仍无真正初始化哈希表，即初始化存储数组table
2此处先给出结论：真正初始化哈希表（初始化存储数组table）是在第一次添加键值对时，即第1次调用put（）时。

步骤2: 向HashMap添加数据（成对放入键-值对）
在该步骤中，与JDK1.7差别较大：

添加数据的流程如下
源码分析

/**
   * 函数使用原型
   */
   map.put("Android", 1);
        map.put("Java", 2);
        map.put("iOS", 3);
        map.put("数据挖掘", 4);
        map.put("产品经理", 5);

/**
* 源码分析：主要分析HashMap的put函数
*/
public V put(K key, V value) {
// 1. 对传入数组的键Key计算Hash值 ->>分析1
// 2. 再调用putVal（）添加数据进去 ->>分析2
return putVal(hash(key), key, value, false, true);
}

下面将详细讲解上面的2个主要分析点
分析1: hash（key）

/**
     * 分析1：hash(key)
     * 作用：计算传入数据的哈希码（哈希值、Hash值）
     * 该函数在JDK 1.7 和 1.8 中的实现不同，但原理一样 = 扰动函数 = 使得根据key生成的哈希码（hash值）分布更加均匀、更具备随机性，避免出现hash值冲突（即指不同key但生成同1个hash值）
     * JDK 1.7 做了9次扰动处理 = 4次位运算 + 5次异或运算
     * JDK 1.8 简化了扰动函数 = 只做了2次扰动 = 1次位运算 + 1次异或运算
     */
  // JDK 1.7实现：将 键key 转换成 哈希码（hash值）操作  = 使用hashCode() + 4次位运算 + 5次异或运算（9次扰动）
  static final int hash(int h) {
    h ^= k.hashCode(); 
    h ^= (h >>> 20) ^ (h >>> 12);
    return h ^ (h >>> 7) ^ (h >>> 4);
 }

  // JDK 1.8实现：将 键key 转换成 哈希码（hash值）操作 = 使用hashCode() + 1次位运算 + 1次异或运算（2次扰动）
  // 1. 取hashCode值： h = key.hashCode() 
  // 2. 高位参与低位的运算：h ^ (h >>> 16)  
  static final int hash(Object key) {
       int h;
        return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
        // a. 当key = null时，hash值 = 0，所以HashMap的key 可为null      
        // 注：对比HashTable，HashTable对key直接hashCode（），若key为null时，会抛出异常，所以HashTable的key不可为null
        // b. 当key ≠ null时，则通过先计算出 key的 hashCode()（记为h），然后 对哈希码进行 扰动处理： 按位 异或（^） 哈希码自身右移16位后的二进制
 }

/**
* 计算存储位置的函数分析：indexFor(hash, table.length)
* 注：该函数仅存在于JDK 1.7 ，JDK 1.8中实际上无该函数（直接用1条语句判断写出），但原理相同
* 为了方便讲解，故提前到此讲解
*/
static int indexFor(int h, int length) {
return h & (length-1);
// 将对哈希码扰动处理后的结果 与运算(&) （数组长度-1），最终得到存储在数组table的位置（即数组下标、索引）
}

总结计算存放在数组table中的位置（即数组下标，索引）的过程
1. 此处与JDK1.7的区别在与hash值求解过程中 哈希码的二次处理方式（扰动处理）
2. 步骤1，2 = hash值的求解过程
计算示意图
在了解如何计算存放数组table中的位置后，下面讲解为什么要这样计算，即主要回答以下3个问题
1. 为什么不直接采用经过hashCode（）处理的哈希码作为存储数组table的下标位置？
2. 为什么采用哈希码与运算（&）（数组长度-1）计算数组下标？
3. 为什么在计算数组下标前，需对哈希码进行二次处理：扰动处理 ？
在回答这三个问题前，请大家记住一个核心思想：

所有处理的根本目的，都是为了提高存储key-value的数组下标位置的随机性&分布均匀性，尽量避免出现hash值冲突。即对于不同key，存储位置的数组下标尽量一样

问题1: 为什么不直接采用经过hashCode（）处理的哈希码作为存储数组table的下标位置？

结论： 容易出现哈希码 与 数组大小范围不匹配的情况，即计算出来的哈希码可能不在数组大小范围内，从而导致无法匹配存储位置
原因描述
为了解决“哈希码与数组大小范围不匹配”的问题，HashMap给出了解决方案：哈希码 与运算（数组长度-1），即问题3

问题2：为什么采用哈希码与运算（&）（数组长度-1）计算数组下标？

结论：根据HashMap的容量大小（数组长度），按需取哈希码一定数量的低位作为存储的数组下标位置，从而解决“哈希码与数组大小范围不匹配”的问题

具体解决方案描述
问题3:为什么在计算数组下标前，需对哈希码进行二次处理：扰动处理 ？

结论：加大哈希码低位的随机性，使得分布更均匀，从而提高对应数组存储下标位置的随机性&均匀性，最终减少Hash冲突
具体描述

 
 

 
 
1
2

分析2: putVal（hash（key），key，value，false，true）

此处有2个主要讲解点
计算完存储位置后，具体该如何存放数据到哈希表中
具体如何扩容，即扩容机制
主要讲解点1:计算完存储位置后，具体该如何存放数组到哈希表中
由于数据结构中加入了红黑树，所以在存放数据到哈希表中时，需进行多次数据结构的判断：数组，红黑树，链表（JDk1.7只需要判断数组，链表）

/**
     * 分析2：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;

    // 1. 若哈希表的数组tab为空，则 通过resize() 创建
    // 所以，初始化哈希表的时机 = 第1次调用put函数时，即调用resize() 初始化创建
    // 关于resize（）的源码分析将在下面讲解扩容时详细分析，此处先跳过
    if ((tab = table) == null || (n = tab.length) == 0)
    n = (tab = resize()).length;

    // 2. 计算插入存储的数组索引i：根据键值key计算的hash值 得到
    // 此处的数组下标计算方式 = i = (n - 1) & hash，同JDK 1.7中的indexFor（），上面已详细描述

    // 3. 插入时，需判断是否存在Hash冲突：
    // 若不存在（即当前table[i] == null），则直接在该数组位置新建节点，插入完毕
    // 否则，代表存在Hash冲突，即当前存储位置已存在节点，则依次往下判断：a. 当前位置的key是否与需插入的key相同、b. 判断需插入的数据结构是否为红黑树 or 链表
    if ((p = tab[i = (n - 1) & hash]) == null)
    tab[i] = newNode(hash, key, value, null);  // newNode(hash, key, value, null)的源码 = new Node<>(hash, key, value, next)

else {
    Node<K,V> e; K k;

    // a. 判断 table[i]的元素的key是否与 需插入的key一样，若相同则 直接用新value 覆盖 旧value
    // 判断原则：equals（）
    if (p.hash == hash &&
        ((k = p.key) == key || (key != null && key.equals(k))))
        e = p;

    // b. 继续判断：需插入的数据结构是否为红黑树 or 链表
    // 若是红黑树，则直接在树中插入 or 更新键值对
    else if (p instanceof TreeNode)
        e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value); ->>分析3

    // 若是链表,则在链表中插入 or 更新键值对
    // i.  遍历table[i]，判断Key是否已存在：采用equals（） 对比当前遍历节点的key 与 需插入数据的key：若已存在，则直接用新value 覆盖 旧value
    // ii. 遍历完毕后仍无发现上述情况，则直接在链表尾部插入数据
    // 注：新增节点后，需判断链表长度是否>8（8 = 桶的树化阈值）：若是，则把链表转换为红黑树
    
    else {
        for (int binCount = 0; ; ++binCount) {
            // 对于ii：若数组的下1个位置，表示已到表尾也没有找到key值相同节点，则新建节点 = 插入节点
            // 注：此处是从链表尾插入，与JDK 1.7不同（从链表头插入，即永远都是添加到数组的位置，原来数组位置的数据则往后移）
            if ((e = p.next) == null) {
                p.next = newNode(hash, key, value, null);

                // 插入节点后，若链表节点>数阈值，则将链表转换为红黑树
                if (binCount >= TREEIFY_THRESHOLD - 1) 
                    treeifyBin(tab, hash); // 树化操作
                break;
            }

            // 对于i
            if (e.hash == hash &&
                ((k = e.key) == key || (key != null && key.equals(k))))
                break;

            // 更新p指向下一个节点，继续遍历
            p = e;
        }
    }

    // 对i情况的后续操作：发现key已存在，直接用新value 覆盖 旧value & 返回旧value
    if (e != null) { 
        V oldValue = e.value;
        if (!onlyIfAbsent || oldValue == null)
            e.value = value;
        afterNodeAccess(e); // 替换旧值时会调用的方法（默认实现为空）
        return oldValue;
    }
}

++modCount;

// 插入成功后，判断实际存在的键值对数量size > 最大容量threshold
// 若 > ，则进行扩容 ->>分析4（但单独讲解，请直接跳出该代码块）
if (++size > threshold)
    resize();

afterNodeInsertion(evict);// 插入成功时会调用的方法（默认实现为空）
return null;

}

/**
 * 分析3：putTreeVal(this, tab, hash, key, value)
 * 作用：向红黑树插入 or 更新数据（键值对）
 * 过程：遍历红黑树判断该节点的key是否与需插入的key 相同：
 *      a. 若相同，则新value覆盖旧value
 *      b. 若不相同，则插入
 */

 final TreeNode<K,V> putTreeVal(HashMap<K,V> map, Node<K,V>[] tab,
                                   int h, K k, V v) {
        Class<?> kc = null;
        boolean searched = false;
        TreeNode<K,V> root = (parent != null) ? root() : this;
        for (TreeNode<K,V> p = root;;) {
            int dir, ph; K pk;
            if ((ph = p.hash) > h)
                dir = -1;
            else if (ph < h)
                dir = 1;
            else if ((pk = p.key) == k || (k != null && k.equals(pk)))
                return p;
            else if ((kc == null &&
                      (kc = comparableClassFor(k)) == null) ||
                     (dir = compareComparables(kc, k, pk)) == 0) {
                if (!searched) {
                    TreeNode<K,V> q, ch;
                    searched = true;
                    if (((ch = p.left) != null &&
                         (q = ch.find(h, k, kc)) != null) ||
                        ((ch = p.right) != null &&
                         (q = ch.find(h, k, kc)) != null))
                        return q;
                }
                dir = tieBreakOrder(k, pk);
            }

            TreeNode<K,V> xp = p;
            if ((p = (dir <= 0) ? p.left : p.right) == null) {
                Node<K,V> xpn = xp.next;
                TreeNode<K,V> x = map.newTreeNode(h, k, v, xpn);
                if (dir <= 0)
                    xp.left = x;
                else
                    xp.right = x;
                xp.next = x;
                x.parent = x.prev = xp;
                if (xpn != null)
                    ((TreeNode<K,V>)xpn).prev = x;
                moveRootToFront(tab, balanceInsertion(root, x));
                return null;
            }
        }
    }

总结

主要讲解点2:扩容机制（即resize（）函数方法）
扩容流程如下
源码分析

/**
     * 分析4：resize（）
     * 该函数有2种使用情况：1.初始化哈希表 2.当前数组容量过小，需扩容
     */
   final Node<K,V>[] resize() {
    Node<K,V>[] oldTab = table; // 扩容前的数组（当前数组）
    int oldCap = (oldTab == null) ? 0 : oldTab.length; // 扩容前的数组的容量 = 长度
    int oldThr = threshold;// 扩容前的数组的阈值
    int newCap, newThr = 0;
// 针对情况2：若扩容前的数组容量超过最大值，则不再扩充
if (oldCap &gt; 0) {
    if (oldCap &gt;= MAXIMUM_CAPACITY) {
        threshold = Integer.MAX_VALUE;
        return oldTab;
    }

    // 针对情况2：若无超过最大值，就扩充为原来的2倍
    else if ((newCap = oldCap &lt;&lt; 1) &lt; MAXIMUM_CAPACITY &amp;&amp;
             oldCap &gt;= DEFAULT_INITIAL_CAPACITY)
        newThr = oldThr &lt;&lt; 1; // 通过右移扩充2倍
}

// 针对情况1：初始化哈希表（采用指定 or 默认值）
else if (oldThr &gt; 0) // initial capacity was placed in threshold
    newCap = oldThr;

else {               // zero initial threshold signifies using defaults
    newCap = DEFAULT_INITIAL_CAPACITY;
    newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);
}

// 计算新的resize上限
if (newThr == 0) {
    float ft = (float)newCap * loadFactor;
    newThr = (newCap &lt; MAXIMUM_CAPACITY &amp;&amp; ft &lt; (float)MAXIMUM_CAPACITY ?
              (int)ft : Integer.MAX_VALUE);
}

threshold = newThr;
@SuppressWarnings({"rawtypes","unchecked"})
    Node&lt;K,V&gt;[] newTab = (Node&lt;K,V&gt;[])new Node[newCap];
table = newTab;

if (oldTab != null) {
    // 把每个bucket都移动到新的buckets中
    for (int j = 0; j &lt; oldCap; ++j) {
        Node&lt;K,V&gt; e;
        if ((e = oldTab[j]) != null) {
            oldTab[j] = null;

            if (e.next == null)
                newTab[e.hash &amp; (newCap - 1)] = e;
            else if (e instanceof TreeNode)
                ((TreeNode&lt;K,V&gt;)e).split(this, newTab, j, oldCap);

            else { // 链表优化重hash的代码块
                Node&lt;K,V&gt; loHead = null, loTail = null;
                Node&lt;K,V&gt; hiHead = null, hiTail = null;
                Node&lt;K,V&gt; next;
                do {
                    next = e.next;
                    // 原索引
                    if ((e.hash &amp; oldCap) == 0) {
                        if (loTail == null)
                            loHead = e;
                        else
                            loTail.next = e;
                        loTail = e;
                    }
                    // 原索引 + oldCap
                    else {
                        if (hiTail == null)
                            hiHead = e;
                        else
                            hiTail.next = e;
                        hiTail = e;
                    }
                } while ((e = next) != null);
                // 原索引放到bucket里
                if (loTail != null) {
                    loTail.next = null;
                    newTab[j] = loHead;
                }
                // 原索引+oldCap放到bucket里
                if (hiTail != null) {
                    hiTail.next = null;
                    newTab[j + oldCap] = hiHead;
                }
            }
        }
    }
}
return newTab;

}

扩容流程（含与JDK1.7的对比）
此处主要讲解：JDK1.8扩容时，数据存储位置重新计算的方式
计算结论 & 原因解析
结论示意图
数组位置转换的示意图
JDK1.8根据此结论作出的新元素存储位置计算规则非常简单：JDK1.7在扩容后，都需按照原来方法重新计算，即
hashCode() ->>扰动处理 ->>(h & (length-1)

总结
添加数据的流程

与JDK1.7的区别
至此，关于HashMap的添加数据源码分析分析完毕。

步骤3:从HashMap获取数据

get（）函数流程如下

源码分析

/**
   * 函数原型
   * 作用：根据键key，向HashMap获取对应的值
   */ 
   map.get(key)；

/**

• 源码分析
  */
  public V get(Object key) {
  Node<K,V> e;
  // 1. 计算需获取数据的hash值
  // 2. 通过getNode（）获取所查询的数据 ->>分析1
  // 3. 获取后，判断数据是否为空
  return (e = getNode(hash(key), key)) == null ? null : e.value;
  }

/**

• 分析1：getNode(hash(key), key))
  */
  final Node<K,V> getNode(int hash, Object key) {
  Node<K,V>[] tab; Node<K,V> first, e; int n; K k;

// 1. 计算存放在数组table中的位置
if ((tab = table) != null && (n = tab.length) > 0 &&
    (first = tab[(n - 1) & hash]) != null) {

    // 4. 通过该函数，依次在数组、红黑树、链表中查找（通过equals（）判断）
    // a. 先在数组中找，若存在，则直接返回
    if (first.hash == hash && // always check first node
        ((k = first.key) == key || (key != null && key.equals(k))))
        return first;

    // b. 若数组中没有，则到红黑树中寻找
    if ((e = first.next) != null) {
        // 在树中get
        if (first instanceof TreeNode)
            return ((TreeNode<K,V>)first).getTreeNode(hash, key);

        // c. 若红黑树中也没有，则通过遍历，到链表中寻找
        do {
            if (e.hash == hash &&
                ((k = e.key) == key || (key != null && key.equals(k))))
                return e;
        } while ((e = e.next) != null);
    }
}
return null;

}

至此，关于“向HashMap获取数据”讲解完毕

步骤4：对HashMap的其他操作

HashMap除了核心的put（），get（）函数，还有以下主要使用的函数方法

void clear(); // 清除哈希表中的所有键值对
int size();  // 返回哈希表中所有 键值对的数量 = 数组中的键值对 + 链表中的键值对
boolean isEmpty(); // 判断HashMap是否为空；size == 0时 表示为 空 

void putAll(Map<? extends K, ? extends V> m); // 将指定Map中的键值对 复制到 此Map中
V remove(Object key); // 删除该键值对

boolean containsKey(Object key); // 判断是否存在该键的键值对；是 则返回true
boolean containsValue(Object value); // 判断是否存在该值的键值对；是 则返回true

上述方法的源码原理同JDK1.7
6.源码总结
下面，用3个图总结整个源码内容

总结内容=数据结构，主要参数，添加 & 查询数据流程，扩容机制
数据结构 & 主要参数
添加 & 查询数据流程

扩容机制

7.与JDK1.7的区别
HashMap的实现在JDK1.7和JDK1.8差别较大，具体区别如下

1. JDk1.8的优化目的主要是：减少Hash冲突 & 提高哈希表的存，取效率
2. 关于JDK1.7中HashMap的源码解析请看
https://blog.csdn.net/carson_ho/article/details/79373026

 
 

 
 
1
2
3

7.1 数据结构
7.2获取数据时（获取数据类似）
7.3 扩容机制
8.额外补充： 关于HashMap的其他问题
具体如下
8.1 哈希表如何解决Hash冲突
8.2为什么HashMap具备下述特点：键-值（key-value）都允许为空，线程不安全，不保证有序，储存位置随时间变化
下面主要讲解HashMap线程不安全的其中一个重要原因：多线程下容易出现resize（）死循环
本质=并发执行put（）操作导致触发扩容行为，从而导致环形链表，使得在获取数据遍历链表时形成死循环，即Infinite Loop
扩容的源码resize（）

/**
   * 源码分析：resize(2 * table.length)
   * 作用：当容量不足时（容量 > 阈值），则扩容（扩到2倍）
   */ 
   void resize(int newCapacity) {  
// 1. 保存旧数组（old table） 
Entry[] oldTable = table;  

// 2. 保存旧容量（old capacity ），即数组长度
int oldCapacity = oldTable.length; 

// 3. 若旧容量已经是系统默认最大容量了，那么将阈值设置成整型的最大值，退出    
if (oldCapacity == MAXIMUM_CAPACITY) {  
    threshold = Integer.MAX_VALUE;  
    return;  
}  

// 4. 根据新容量（2倍容量）新建1个数组，即新table  
Entry[] newTable = new Entry[newCapacity];  

// 5. （重点分析）将旧数组上的数据（键值对）转移到新table中，从而完成扩容 ->>分析1.1 
transfer(newTable); 

// 6. 新数组table引用到HashMap的table属性上
table = newTable;  

// 7. 重新设置阈值  
threshold = (int)(newCapacity * loadFactor); 

}

/**

• 分析1.1：transfer(newTable);

• 作用：将旧数组上的数据（键值对）转移到新table中，从而完成扩容

• 过程：按旧链表的正序遍历链表、在新链表的头部依次插入
  */
  void transfer(Entry[] newTable) {
  // 1. src引用了旧数组
  Entry[] src = table;

  // 2. 获取新数组的大小 = 获取新容量大小
  int newCapacity = newTable.length;

  // 3. 通过遍历 旧数组，将旧数组上的数据（键值对）转移到新数组中
  for (int j = 0; j < src.length; j++) {
  // 3.1 取得旧数组的每个元素
  Entry<K,V> e = src[j];
  if (e != null) {
  // 3.2 释放旧数组的对象引用（for循环后，旧数组不再引用任何对象）
  src[j] = null;

       do { 
           // 3.3 遍历 以该数组元素为首 的链表
           // 注：转移链表时，因是单链表，故要保存下1个结点，否则转移后链表会断开
           Entry<K,V> next = e.next; 
          // 3.3 重新计算每个元素的存储位置
          int i = indexFor(e.hash, newCapacity); 
          // 3.4 将元素放在数组上：采用单链表的头插入方式 = 在链表头上存放数据 = 将数组位置的原有数据放在后1个指针、将需放入的数据放到数组位置中
          // 即 扩容后，可能出现逆序：按旧链表的正序遍历链表、在新链表的头部依次插入
          e.next = newTable[i]; 
          newTable[i] = e;  
          // 访问下1个Entry链上的元素，如此不断循环，直到遍历完该链表上的所有节点
          e = next;             
      } while (e != null);
      // 如此不断循环，直到遍历完数组上的所有数据元素
  }
  

  }
  }

从上面可看出：在扩容resize（）过程中，在将旧数组上的数据转移到新数组上时，转移数据操作 = 按旧链表的正序遍历链表，在新链表的头部依次插入，即在转移数据，扩容后，容易出现链表逆序的情况

设重新计算存储位置后不变，即扩容前=1->2->3,扩容后 = 3->2->1

此时若（多线程）并发执行put（）操作，一旦出现扩容情况，则容易出现环形链表，从而在获取数据，遍历链表时 形成死循环（Infinite Loop），即死锁的状态，具体请看下图：
初始状态，步骤1，步骤2

注：由于JDK1.8转移数据操作 = 按旧链表的正序遍历链表，在新链表的尾部依次插入，所以不会出现链表逆序，倒置的情况，故不容易出现环形链表的情况

但JDk1.8还是线程不安全，因为无加同步锁保护

 
 

 
 
1

8.3 为什么HashMap中的String，Integer这样的包装类适合作为key
8.4HashMap中的key若Object类型，则需实现哪些方法？

转载自：https://www.jianshu.com/p/8324a34577a0?utm_source=oschina-app