HashMap 1.8源码分析
HashMap的数据结构
用的是数组+链表+红黑树的结构,也叫哈希桶,在JDK 1.8之前都是数组+链表的结构,因为在链表的查询操作都是 O(N) 的时间复杂度,而且HashMap中查询操作也是占了很大比例的,如果当节点数量多,转换为红黑树结构,那么将会提高很大的效率,因为红黑树结构中,增删改查都是O(log n)。
哈希桶就是数组里面的一个位置中所占所有数据
类的继承关系
Cloneable接口表示可以合法的调用 clone(),如果不实现该接口而调用clone,会报CloneNotSupportedException。
HashMap 成员变量
//默认初始化map的容量:16
static final int DEFAULT_INITIAL_CAPACITY = 1 << 4;
//map的最大容量:2^30
static final int MAXIMUM_CAPACITY = 1 << 30;
//默认的填充因子:0.75,能较好的平衡时间与空间的消耗
static final float DEFAULT_LOAD_FACTOR = 0.75f;
//将链表(桶)转化成红黑树的临界值
static final int TREEIFY_THRESHOLD = 8;
//将红黑树转成链表(桶)的临界值
static final int UNTREEIFY_THRESHOLD = 6;
//转变成树的table的最小容量,小于该值则不会进行树化
static final int MIN_TREEIFY_CAPACITY = 64;
//上图所示的数组,长度总是2的幂次
transient Node<K,V>[] table;
//map中的键值对集合
transient Set<Map.Entry<K,V>> entrySet;
//map中键值对的数量
transient int size;
//用于统计map修改次数的计数器,用于fail-fast抛出ConcurrentModificationException
transient int modCount;
//大于该阈值,则重新进行扩容,threshold = capacity(table.length) * load factor
int threshold;
//填充因子
final float loadFactor;
HashMap 内部类
//Entry为Map的一个内部接口,定义了一些常用的 set, get 和比较方法
static class Node<K,V> implements Map.Entry<K,V> {
// key & value 的 hash 值
final int hash;
//键
final K key;
//值
V value;
//下一节点
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 int hashCode() {
return Objects.hashCode(key) ^ Objects.hashCode(value);
}
public final boolean equals(Object o) {
if (o == this)
return true;
if (o instanceof Map.Entry) {
Map.Entry<?,?> e = (Map.Entry<?,?>)o;
//此处说明为什么都要重写equals方法
if (Objects.equals(key, e.getKey()) &&
Objects.equals(value, e.getValue()))
return true;
}
return false;
}
}
HashMap 构造方法
//空参构造方法,不会创建数组,只是初始化了默认的负载因子 0.75f
public HashMap() {
this.loadFactor = DEFAULT_LOAD_FACTOR; // all other fields defaulted
}
//传初始化容量, 如果知道容量, 建议使用这种
public HashMap(int initialCapacity) {
//调用其他构造方法, 传入初始化容量和默认的负载因子
this(initialCapacity, DEFAULT_LOAD_FACTOR);
}
//传初始化容量和负载因子
public HashMap(int initialCapacity, float loadFactor) {
if (initialCapacity < 0)
throw new IllegalArgumentException("Illegal initial capacity: " +
initialCapacity);
//如果初始化容量超过了最大容量值, 则设置为最大容量值
if (initialCapacity > MAXIMUM_CAPACITY)
initialCapacity = MAXIMUM_CAPACITY;
if (loadFactor <= 0 || Float.isNaN(loadFactor))
throw new IllegalArgumentException("Illegal load factor: " +
loadFactor);
//初始化负载因子
this.loadFactor = loadFactor;
//初始化容量转化大于输入参数且最近的2的整数次幂的数
//比如initialCapacity = 7,那么转化后就是8。
this.threshold = tableSizeFor(initialCapacity);
}
//返回大于参数的最近 2 的整数次幂
static final int tableSizeFor(int cap) {
//如果传进来的本身就是 2 的整数幂次, 比如 8, 结果会是16,
//所以先减 1 的目的是如果恰好是 2 的整数次幂, 返回的也是本身
int n = cap - 1;
// | 或运算符, 0100 | 0011 = 0111,
// >>> 无符号右移, 空位 0 补齐 0100 >>> 2 = 0001
// >>> 操作目的把 n 从最高位一下的几位数都填充为 1, 例如 010011 为例
// 010011 >>> 1 = 001001, 001001 | 010011 = 011011 再 011011无符号右移两位
// 011011 >>> 2 = 000110, 000110 | 011011 = 011111 后续 4,8,16类似
//int类型为32位,所以到16就结束了, 最终最高位及一下都是 1,
//这样就保证了结果肯定大于或等于原来的n且为奇数,
//最后再加 1 , 结果肯定是大于且最接近输入值的 2 的整数次幂的数
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;
}
//传map转化为HashMap
public HashMap(Map<? extends K, ? extends V> m) {
this.loadFactor = DEFAULT_LOAD_FACTOR;
putMapEntries(m, false);
}
//evict参数表示是否初始化 map, false表示是初始化 map
final void putMapEntries(Map<? extends K, ? extends V> m, boolean evict) {
int s = m.size();
if (s > 0) {
if (table == null) { // pre-size
//计算map的容量 容量 * 负载因子
float ft = ((float)s / loadFactor) + 1.0F;
int t = ((ft < (float)MAXIMUM_CAPACITY) ?
(int)ft : MAXIMUM_CAPACITY);
//容量大于阈值,重新计算阈值
if (t > threshold)
threshold = tableSizeFor(t);
}
else if (s > threshold)
resize();
for (Map.Entry<? extends K, ? extends V> e : m.entrySet()) {
K key = e.getKey();
V value = e.getValue();
//添加方法
putVal(hash(key), key, value, false, evict);
}
}
}
HashMap 常用方法
public V put(K key, V value) {
return putVal(hash(key), key, value, false, true);
}
//onlyIfAbsent 如果为true,则在有值的时候不会更新
final V putVal(int hash, K key, V value, boolean onlyIfAbsent,
boolean evict) {
Node<K,V>[] tab; Node<K,V> p; int n, i;
//如果数组尚未初始化则进行扩容方法进行初始化
//注意在判断中的赋值操作
if ((tab = table) == null || (n = tab.length) == 0)
//所以初始化数组是在第一次调用put方法时进行,不是在调用构造方法就直接初始化数组
n = (tab = resize()).length;
//索引计算公式 index = (length - 1) & hash
if ((p = tab[i = (n - 1) & hash]) == null)
//该位置为空,则在该位置创建新的Node节点,并赋值
tab[i] = newNode(hash, key, value, null);
else {
Node<K,V> e; K k;
//该位置存在数据,hash值相同且key的地址值或equals方法相等
//则表示put的键值对已存在,赋值给e
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
e = p;
//如果是树节点,则调用插入树操作
else if (p instanceof TreeNode)
e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
else {
//上述都不满足,说明该位置为链表且第一个也不是,进行循环查找
for (int binCount = 0; ; ++binCount) {
//查找到链表的最后,都不满足则在最后插入节点
if ((e = p.next) == null) {
p.next = newNode(hash, key, value, null);
//如果链表长度大于树化阈值 8 ,则转化为树,然后退出循环
//注意binCount初始值为0, 所以需要 - 1
if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st
treeifyBin(tab, hash);
break;
}
//找到了对应的key,进行赋值退出循环
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
break;
//没找到,继续下一节点寻找
p = e;
}
}
//上述在循环中已经找到了e , 根据onlyIfAbsent 判断是否替换旧值
if (e != null) { // existing mapping for key
V oldValue = e.value;
if (!onlyIfAbsent || oldValue == null)
e.value = value;
//HashMap 中方法为空,钩子函数,用于给LinkedHashMap继承后使用
afterNodeAccess(e);
return oldValue;
}
}
//修改计数器 +1
++modCount;
//实际map数据大小+1, 如果大于当前阈值,则扩容并重新计算阈值
if (++size > threshold)
resize();
//HashMap 中方法为空,钩子函数,用于给LinkedHashMap继承后使用
afterNodeInsertion(evict);
return null;
}
//扩容方法
final Node<K,V>[] resize() {
Node<K,V>[] oldTab = table;
//扩容前的容量
int oldCap = (oldTab == null) ? 0 : oldTab.length;
//旧的阈值
int oldThr = threshold;
int newCap, newThr = 0;
//如果之前已经初始化过数组
if (oldCap > 0) {
//达到最大容量,则将阈值设置为最大,返回旧的数组
if (oldCap >= MAXIMUM_CAPACITY) {
threshold = Integer.MAX_VALUE;
return oldTab;
}
//如果两倍的旧容量小于最大容量且旧容量大于等于默认初始化容量
else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&
oldCap >= DEFAULT_INITIAL_CAPACITY)
//旧的阈值扩容为原来两倍
newThr = oldThr << 1; // double threshold
}
//旧的容量为0且阈值大于0,则赋值容量为阈值大小
else if (oldThr > 0) // initial capacity was placed in threshold
newCap = oldThr;
else { // zero initial threshold signifies using defaults
//调用空参构造情况,初始化容量大小为16
newCap = DEFAULT_INITIAL_CAPACITY;
//计算阈值 默认容量*填充因子
newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);
}
//如果阈值为0,则通过 新容量 * 负载因子 计算
if (newThr == 0) {
float ft = (float)newCap * loadFactor;
newThr = (newCap < MAXIMUM_CAPACITY && ft < (float)MAXIMUM_CAPACITY ?
(int)ft : Integer.MAX_VALUE);
}
threshold = newThr;
//创建新的容量大小数组并赋值给 table
Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap];
table = newTab;
//旧的数组中存在节点,则初始化给新的数组
if (oldTab != null) {
for (int j = 0; j < oldCap; ++j) {
Node<K,V> e;
//赋值并判断该位置是否有数据
if ((e = oldTab[j]) != null) {
//清空旧数组元素
oldTab[j] = null;
//如果只有一个键值对
if (e.next == null)
//计算索引 hash & (length - 1) 并赋值
newTab[e.hash & (newCap - 1)] = e;
//如果是树节点
else if (e instanceof TreeNode)
//进行树节点的拆分
((TreeNode<K,V>)e).split(this, newTab, j, oldCap);
else { // preserve order
//链表情况,将其拆分为两份,loHead是拆分后的,链表的头部,tail为尾部
Node<K,V> loHead = null, loTail = null;
Node<K,V> hiHead = null, hiTail = null;
Node<K,V> next;
do {
next = e.next;
//根据e的hash值和旧的容量做位与运算是否为0拆分
//此处并不是 hash & (length - 1)
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);
//拆分后如果不为空则赋值
if (loTail != null) {
loTail.next = null;
newTab[j] = loHead;
}
if (hiTail != null) {
hiTail.next = null;
//赋值位置索引为当前位置加上旧的length长度
newTab[j + oldCap] = hiHead;
}
}
}
}
}
return newTab;
}
链表拆分不一定是均分的,要看key的hash值, 扩容方法对整个数组进行了遍历,极其耗费性能,所以我们知道map要用的容量大小时,最好使用指定初始化容量的构造方法,减少扩容次数, 扩容后的元素:
链表转红黑树方法
final void treeifyBin(Node<K,V>[] tab, int hash) {
int n, index; Node<K,V> e;
//如果单个链表的长度达到了树化阈值8,
//但是总容量没有到最小树化阈值 64 则不会进行树化而是进行扩容
if (tab == null || (n = tab.length) < MIN_TREEIFY_CAPACITY)
resize();
else if ((e = tab[index = (n - 1) & hash]) != null) {
TreeNode<K,V> hd = null, tl = null;
do {
//创建树节点并返回
TreeNode<K,V> p = replacementTreeNode(e, null);
//如果为空表示是第一个节点,作为根节点
if (tl == null)
hd = p;
else {
//设置树的前后节点
p.prev = tl;
tl.next = p;
}
tl = p;
} while ((e = e.next) != null);
if ((tab[index] = hd) != null)
//进行树化处理,形成红黑树
hd.treeify(tab);
}
}
获取方法
public V get(Object key) {
Node<K,V> e;
return (e = getNode(hash(key), key)) == null ? null : e.value;
}
//根据hash值和key获取节点
final Node<K,V> getNode(int hash, Object key) {
Node<K,V>[] tab; Node<K,V> first, e; int n; K k;
//赋值并判断 (length - 1) & hash 索引位置是否有数据
if ((tab = table) != null && (n = tab.length) > 0 &&
(first = tab[(n - 1) & hash]) != null) {
//当前位置的 hash 值相等且 key的地址值相等或 equals 方法相同则表示找到
if (first.hash == hash && // always check first node
((k = first.key) == key || (key != null && key.equals(k))))
return first;
//第一个不是,且该位置是链表,还有其他元素
if ((e = first.next) != null) {
//红黑树节点则调用红黑树查询
if (first instanceof TreeNode)
return ((TreeNode<K,V>)first).getTreeNode(hash, key);
//普通链表则循环遍历查询
do {
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
return e;
} while ((e = e.next) != null);
}
}
return null;
}
删除方法
public V remove(Object key) {
Node<K,V> e;
return (e = removeNode(hash(key), key, null, false, true)) == null ?
null : e.value;
}
// @param value 与下面的matchValue结合,如果matchValue为false,则忽略value
// @param matchValue 为true,则判断是否与value相等
// @param movable 主要跟树节点的remove有关,为false,则不移动其他的树节点
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;
//赋值后判断
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;
//说明找到要删除的节点,赋值给临时节点
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
node = p;
else if ((e = p.next) != null) {
//索引位置的key不是要删除的,判断是否是红黑树节点,如果是则查询并返回节点
if (p instanceof TreeNode)
node = ((TreeNode<K,V>)p).getTreeNode(hash, key);
else {
//普通链表进行循环遍历查找出要删除的节点并赋值给临时节点
do {
if (e.hash == hash &&
((k = e.key) == key ||
(key != null && key.equals(k)))) {
node = e;
break;
}
p = e;
} while ((e = e.next) != null);
}
}
//临时节点不为空说明找到了要删除的node,进行删除操作
if (node != null && (!matchValue || (v = node.value) == value ||
(value != null && value.equals(v)))) {
//红黑树节点则调用红黑树的方法删除
if (node instanceof TreeNode)
((TreeNode<K,V>)node).removeTreeNode(this, tab, movable);
//说明该索引位置的头结点就是要删除的key
else if (node == p)
//将该索引位置直接指向下一节点
tab[index] = node.next;
else
//说明在链表中间,建该位置的上一个节点的next直接指向删除节点的下一个节点
p.next = node.next;
//修改计数器
++modCount;
//map实际大小减一
--size;
afterNodeRemoval(node);
return node;
}
}
return null;
}
其他
并发情况下 JDK1.7头插法为什么会形成链表成环
- 数组容量有限,数据多次插入,达到一定数量就会进行扩容
- 创建一个新的空数组,长度是原数组的两倍
- 遍历原数组,把所有的元素重新hash到新数组
- 不直接复制过去是因为长度扩大后, hash的计算规则也改变 hash & (length - 1)
- 在容量为2的容器里多线程插入ABC三个值,在扩容之前链表指向 A -> B -> C
- 因为扩容机制的赋值方式,使用了单链表的头插法,同一位置新元素总会被放在链表的头部
- 在就数组中同一条链表元素会重新计算索引位置,可能被放在新数组的不同位置上
- 所以可能会出现在新数组上 B -> A 情况
- 当线程都调用完,就可能出现环形链表,取值时就会出现死循环了
- JDK1.8使用尾插法,扩容时会保证链表元素原本的顺序,就不会出现链表成环问题
- 因为没有加同步锁,所以多线程下1.8的HashMap还是无法保证线程安全问题
- 多线程场景代替
- 使用Collections.synchronizedMap(Map)创建线程安全的map集合
- Hashtable
- ConcurrentHashMap
为什么默认初始容量为16
- 16 是2的整数次幂
- 为了位运算方便, 位运算比算数计算效率高很多
- 索引公式 index = hash & ( length - 1 ) 其实就是对 hash 取模运算 %
- 使用位运算代替取模运算要求容量一定是 2 的整数次幂
- 实现均匀分布
HashMap 的长度为什么是2的幂次方
- 为了能够让 HashMap 存取高效,尽量较少碰撞
- hash 值的范围大约40亿的映射空间, 但是内存放不下, 所以需要对数组的长度取模运算, 得到的余数才能用来存放的位置, 计算方法是 ( length - 1 ) & hash
- 取余%操作中如果除数是2的幂次则等价于除数减一的&操作, 所以( length - 1 ) & hash == hash % length 的前提条件是length是2的幂次,采用二进制 & 运算提高效率
为什么负载因子默认值是 0.75f
0.75 正好是 3/4, 而容量又是 2 的幂, 所以两个数的乘积都是整数