hashmap源码分析
底层原理
hashmap底层是一个Node<K, V> 的数组，里面的K V也即我们想要存的key， value，但是具体存在table的哪个位置索引，则需要我们用hash值进行计算。hashmap的hash计算方法如下：也即先计算key的hashcode，再将这个hashcode结果和hashcode高位进行异或。这样做的原因是让高位和低位都参与最后的计算（index = hashcode & n-1）
static final int hash(Object key) {
int h;
return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}
如果发生冲突怎么办呢？当发现打算放的位置非空，首先会比较该位置所放的节点的key以及hash值与当前节点是否相同，如果相同则更新原节点的值；如果不同则插入到原节点的next节点（可能next也非空，那就一直向后遍历，直至next非空为止）。如果原节点后面已经放了8个next节点（Node），则需要把链表调整为红黑树（TreeNode），具体调整算法下面会介绍。
Node结构
static class Node<K,V> implements Map.Entry<K,V> {
final int hash;
final K key;
V value;
Node<K,V> next;
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; }
public final V getValue() { return value; }
public final String toString() { return key + "=" + value; }
public final int hashCode() {
return Objects.hashCode(key) ^ Objects.hashCode(value);
}
public final V setValue(V newValue) {
V oldValue = value;
value = newValue;
return oldValue;
}
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;
}
}
链表->红黑树调整算法
有必要复习一下红黑树的基本知识：
- 红黑树是平衡二叉搜索树（左孩子<根节点<右孩子，且左右高度差不超过1）
- 节点是红色或者黑色
- 根节点是黑色
- 每个叶子节点是黑色的空节点。
- 每个红色节点的两个子节点都是黑色的。
- 从任意节点到根节点的所有路径都包括相同个数的黑节点。
final void treeifyBin(Node<K,V>[] tab, int hash) {
int n, index; Node<K,V> e;
//如果tab为空或者tab长度小于64，则需要重新调整tab的大小
if (tab == null || (n = tab.length) < MIN_TREEIFY_CAPACITY)
resize();
else if ((e = tab[index = (n - 1) & hash]) != null) {//如果tab[index]非空，则将tab[index]及其后面的所有节点转化为treeNode节点。（将Node单向链表，转化为TreeNode双向链表）
TreeNode<K,V> hd = null, tl = null;
do {
TreeNode<K,V> p = replacementTreeNode(e, null);
if (tl == null)
hd = p;//hd指向当前节点需要插入的
else {
p.prev = tl;
tl.next = p;
}
tl = p;
} while ((e = e.next) != null);
if ((tab[index] = hd) != null)
hd.treeify(tab);//将链表转化为红黑树
}
}
//将链表转化为红黑树，this指向当前节点插入的位置，tab是链表
final void treeify(Node<K,V>[] tab) {
TreeNode<K,V> root = null;//root指向红黑树的根节点
for (TreeNode<K,V> x = this, next; x != null; x = next) {//从链表当前节点开始遍历
next = (TreeNode<K,V>)x.next;
x.left = x.right = null;
if (root == null) {//如果红黑树根节点为null，则将链表中的当前节点置为根节点，根节点颜色置为黑色。
x.parent = null;
x.red = false;
root = x;
}
else {//已经有根节点了，就判断当前节点位于左分支还是右分支。
K k = x.key;
int h = x.hash;
Class<?> kc = null;
//从树的根节点开始遍历。
//p指向树中的当前节点。
//x指向链表中的当前节点
for (TreeNode<K,V> p = root;;) {
int dir, ph;
K pk = p.key;
//通过比较树中的当前节点（p）和链表（x）的key.hash来判断x放入p的左侧还是右侧分支。
if ((ph = p.hash) > h)
dir = -1;//左侧
else if (ph < h)
dir = 1;//右侧
else if ((kc == null &&
(kc = comparableClassFor(k)) == null) ||
(dir = compareComparables(kc, k, pk)) == 0)
dir = tieBreakOrder(k, pk);
//xp指向当前节点（x）需要插入p那一侧的叶子节点的根节点
TreeNode<K,V> xp = p;
if ((p = (dir <= 0) ? p.left : p.right) == null) {
x.parent = xp;
if (dir <= 0)
xp.left = x;
else
xp.right = x;
//插入x节点后，红黑树需要重新调整平衡
root = balanceInsertion(root, x);
break;
}
}
}
}
moveRootToFront(tab, root);
}
//红黑树插入节点后，需要重新调整平衡
static <K,V> TreeNode<K,V> balanceInsertion(TreeNode<K,V> root,
TreeNode<K,V> x) {
//修改当前节点颜色为红色（它的父节点是叶子节点——黑色）
x.red = true;
for (TreeNode<K,V> xp, xpp, xppl, xppr;;) {
//xp表示当前节点的父节点，父节点为空，则说明红黑树中只有当前节点
if ((xp = x.parent) == null) {
x.red = false;
return x;
}
else if (!xp.red || (xpp = xp.parent) == null)//xpp指向父节点的父节点（为空）；此时只有两层，也不需要调整。
return root;
//插入节点的父节点位于左侧
/**
xpp
/
xp
/\
p p
*/
if (xp == (xppl = xpp.left)) {
if ((xppr = xpp.right) != null && xppr.red) {
xppr.red = false;
xp.red = false;
xpp.red = true;
x = xpp;
}
else {
/**
xpp
/
xp
\
p
左旋
*/
if (x == xp.right) {
root = rotateLeft(root, x = xp);
xpp = (xp = x.parent) == null ? null : xp.parent;
}
if (xp != null) {
xp.red = false;
if (xpp != null) {
xpp.red = true;
root = rotateRight(root, xpp);
}
}
}
}
else {
if (xppl != null && xppl.red) {
xppl.red = false;
xp.red = false;
xpp.red = true;
x = xpp;
}
else {
if (x == xp.left) {
root = rotateRight(root, x = xp);
xpp = (xp = x.parent) == null ? null : xp.parent;
}
if (xp != null) {
xp.red = false;
if (xpp != null) {
xpp.red = true;
root = rotateLeft(root, xpp);
}
}
}
}
}
}
增删改查
put
public V put(K key, V value) {
return 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;
if ((tab = table) == null || (n = tab.length) == 0)
// table还未创建，则新建之
n = (tab = resize()).length;
if ((p = tab[i = (n - 1) & hash]) == null)
// Hash 位置无数据，则直接插入
tab[i] = newNode(hash, key, value, null);
else {
Node<K,V> e; K k;
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
// hash 位置上已经存在该key，则后续判断是否需要修改value
e = p;
else if (p instanceof TreeNode)
// 红黑树节点，则将待插入节点插入到红黑树
// 如果插入过程中发现key已经存在于红黑树中，则后续判断是否需要修改value
e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
else {
// 链表，则插入链表末尾
// 遍历链表过程中如果发现key已经存在，则后续判断是否需要修改value
for (int binCount = 0; ; ++binCount) {
if ((e = p.next) == null) {
p.next = newNode(hash, key, value, null);
if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st
// 链表长度超过一定长度（默认为8）则将链表转换为红黑树
treeifyBin(tab, hash);
break;
}
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
break;
// 发现key已经存在于链表中了
p = e;
}
}
// table中已经存在该key了，根据onlyIfAbsent判断是否需要修改value
if (e != null) { // existing mapping for key
V oldValue = e.value;
if (!onlyIfAbsent || oldValue == null)
e.value = value;
afterNodeAccess(e);
return oldValue;
}
}
++modCount;
// 判断是否需要resize
if (++size > threshold)
resize();
afterNodeInsertion(evict);
return null;
}
remove
public V remove(Object key) {
Node<K,V> e;
return (e = removeNode(hash(key), key, null, false, true)) == null ?
null : e.value;
}
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) {
Node<K,V> node = null, e; K k; V v;
//先找到需要被删除的节点，用node表示
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
node = p;
else if ((e = p.next) != null) {
if (p instanceof TreeNode)
node = ((TreeNode<K,V>)p).getTreeNode(hash, key);
else {
do {
if (e.hash == hash &&
((k = e.key) == key ||
(key != null && key.equals(k)))) {
node = e;
break;
}
p = e;
} while ((e = e.next) != null);
}
}
//找到了被删除的节点，再remove
if (node != null && (!matchValue || (v = node.value) == value ||
(value != null && value.equals(v)))) {
if (node instanceof TreeNode)//调用红黑树的remove方法
((TreeNode<K,V>)node).removeTreeNode(this, tab, movable);
else if (node == p)
tab[index] = node.next;//如果tab[index]只有一个元素，不是链表，则用node的next放入node的位置
else
p.next = node.next;//链表，则用node.next放入node原来的位置
++modCount;
--size;
afterNodeRemoval(node);
return node;
}
}
return null;
}
get
public V get(Object key) {
Node<K,V> e;
return (e = getNode(hash(key), key)) == null ? null : e.value;
}
final Node<K,V> getNode(int hash, Object key) {
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) {
if (first.hash == hash && // always check first node,检查第一个节点的key值是否相等
((k = first.key) == key || (key != null && key.equals(k))))
return first;
if ((e = first.next) != null) {//检查next节点
if (first instanceof TreeNode)//红黑树节点
return ((TreeNode<K,V>)first).getTreeNode(hash, key);
do {//链表节点
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
return e;
} while ((e = e.next) != null);//遍历下一个节点
}
}
return null;
}
扩容策略
final Node<K,V>[] resize() {
Node<K,V>[] oldTab = table;
int oldCap = (oldTab == null) ? 0 : oldTab.length;
int oldThr = threshold;
int newCap, newThr = 0;
if (oldCap > 0) {
if (oldCap >= MAXIMUM_CAPACITY) {
threshold = Integer.MAX_VALUE;
return oldTab;
}
else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&
oldCap >= DEFAULT_INITIAL_CAPACITY)
// 通常情况下threshold成倍扩展
newThr = oldThr << 1; // double threshold
}
else if (oldThr > 0) // initial capacity was placed in threshold
newCap = oldThr;
else { // zero initial threshold signifies using defaults
// 初始化
newCap = DEFAULT_INITIAL_CAPACITY;
newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);
}
if (newThr == 0) {
float ft = (float)newCap * loadFactor;
newThr = (newCap < MAXIMUM_CAPACITY && ft < (float)MAXIMUM_CAPACITY ?
(int)ft : Integer.MAX_VALUE);
}
threshold = newThr;
@SuppressWarnings({"rawtypes","unchecked"})
Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap];
table = newTab;
// 如果不是初始化的resize，就需要重新hash了。
if (oldTab != null) {
// 根据oldCap遍历整个table
for (int j = 0; j < oldCap; ++j) {
Node<K,V> e;
if ((e = oldTab[j]) != null) {
oldTab[j] = null;
if (e.next == null)
// 如果是单独的一个节点，则重新hash到新table中
newTab[e.hash & (newCap - 1)] = e;
else if (e instanceof TreeNode)
// 如果是红黑树则分裂红黑树
((TreeNode<K,V>)e).split(this, newTab, j, oldCap);
else { // preserve order 保持原来的顺序，否则多线程同时resize会出现jdk1.7中的死链问题
// 对链表节点进行重新Hash，具体Hash算法下面详解
Node<K,V> loHead = null, loTail = null;
Node<K,V> hiHead = null, hiTail = null;
Node<K,V> next;
do {
next = e.next;
// oldCap就是新增的高位，相与 == 0则节点还应放在原下标
if ((e.hash & oldCap) == 0) {
if (loTail == null)
loHead = e;
else
loTail.next = e;
loTail = e;
}
else { // 相与 != 0 则节点应该放在 原下标+oldCap
if (hiTail == null)
hiHead = e;
else
hiTail.next = e;
hiTail = e;
}
} while ((e = next) != null);
if (loTail != null) {
loTail.next = null;
newTab[j] = loHead; // 应该放在原下标的节点组成的链表
}
if (hiTail != null) {
hiTail.next = null;
newTab[j + oldCap] = hiHead; // 应该放在 原下标+oldCap 位置的节点组成的链表
}
}
}
}
}
return newTab;
}
无论是链表还是红黑树，其中节点在resize过后都需要重新重新hash，但是Java8中重新Hash设计的非常巧妙。举例说明，假设table从16扩展为32，具体变化为：
元素在重新计算hash之后，因为n变为2倍(capacity << 1)，那么n-1的mask范围在高位多1bit(红色)，因此新的index就会发生这样的变化：
因此，我们在扩充HashMap的时候，不需要重新计算hash，只需要看看原来的hash值新增的那个bit是1还是0就好了，是0的话索引没变，是1的话索引变成“原索引+oldCap”。
参考：
https://www.cnblogs.com/snowater/p/7742287.html
https://www.cnblogs.com/williamjie/p/9099141.html
扫一扫
971
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
