HashMap源码解析(JDK1.8)
目录
1. 定义
HashMap实现了Map接口,继承AbstractMap。其中Map接口定义了键映射到值的规则,而AbstractMap类提供 Map 接口的骨干实现,以最大限度地减少实现此接口所需的工作,其实AbstractMap类已经实现了Map
2. 构造函数
HashMap提供了四个构造函数:
HashMap():构造一个具有默认初始容量 (16) 和默认加载因子 (0.75) 的空 HashMap。
HashMap(int initialCapacity):构造一个带指定初始容量和默认加载因子 (0.75) 的空 HashMap。
HashMap(int initialCapacity, float loadFactor):构造一个带指定初始容量和加载因子的空 HashMap。
HashMap(Map<? extends K, ? extends V> m):使用与指定映射相同的映射构造一个新的hashmap,默认加载因子0.75,和初始化足够容纳指定映射中的映射的初始容量。
在这里提到了两个参数:初始容量,加载因子。这两个参数是影响HashMap性能的重要参数,其中容量表示哈希表中桶的数量,初始容量是创建哈希表时的容量,加载因子是哈希表在其容量自动增加之前可以达到多满的一种尺度,它衡量的是一个散列表的空间的使用程度,负载因子越大表示散列表的装填程度越高,反之愈小。对于使用链表法的散列表来说,查找一个元素的平均时间是O(1+a),因此如果负载因子越大,对空间的利用更充分,然而后果是查找效率的降低;如果负载因子太小,那么散列表的数据将过于稀疏,对空间造成严重浪费。系统默认负载因子为0.75,一般情况下我们是无需修改的。
HashMap是一种支持快速存取的数据结构,要了解它的性能必须要了解它的数据结构。
3. 数据结构
我们知道在Java中最常用的两种结构是数组和模拟指针(引用),几乎所有的数据结构都可以利用这两种来组合实现,HashMap也是如此。实际上HashMap是一个“链表散列”。
在Jdk1.8中HashMap的实现方式做了一些改变,但是基本思想还是没有变得,只是在一些地方做了优化,下面来看一下这些改变的地方,**数据结构的存储由数组+链表的方式,变化为数组+链表+红黑树的存储方式,当链表长度超过阈值(8)时,将链表转换为红黑树。**在性能上进一步得到提升。
从上图我们可以发现数据结构由数组+链表组成,一个长度为16的数组中,每个元素存储的是一个链表的头结点。那么这些元素是按照什么样的规则存储到数组中呢。一般情况是通过hash(key.hashCode())%len获得,也就是元素的key的哈希值对数组长度取模得到。比如上述哈希表中,12%16=12,28%16=12,108%16=12,140%16=12。所以12、28、108以及140都存储在数组下标为12的位置。
从上图我们可以看出HashMap底层实现还是数组,只是数组的每一项都是一条链,当链表长度超过了阈值,将链表转换为红黑树。其中参数initialCapacity就代表了该数组的长度。
下面为HashMap双参数构造函数的源码:
public HashMap(int initialCapacity, float loadFactor) {
// 判断容量initialCapacity
if (initialCapacity < 0)
throw new IllegalArgumentException("Illegal initial capacity: " +
initialCapacity);
// 判断容量是否超过最大值,超过将最大值赋给它
if (initialCapacity > MAXIMUM_CAPACITY)
initialCapacity = MAXIMUM_CAPACITY;
//负载因子判断
if (loadFactor <= 0 || Float.isNaN(loadFactor))
throw new IllegalArgumentException("Illegal load factor: " +
loadFactor);
//tableSizeFor:返回传入initialCapacity的最小接近的几次幂。
this.loadFactor = loadFactor;
this.threshold = tableSizeFor(initialCapacity);
}
//返回给定目标容量的两倍幂,比如传入15,返回的是16,即返回传入值最小接近几次幂的值。
static final int tableSizeFor(int cap) {
//比如传入12,n = cap - 1 = 11;
int n = cap - 1;
// 0000 1011 = 11 初始 n
// 0000 0101 = 5 n >>> 1
// 0000 1111 = 15 结果:n = 15 接着做下面的运算,最后结果还是 15 + 1 = 16
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;
}
再来看看 HashMap(Map<? extends K, ? extends V> m)
public HashMap(Map<? extends K, ? extends V> m) {
this.loadFactor = DEFAULT_LOAD_FACTOR;
putMapEntries(m, false);
}
final void putMapEntries(Map<? extends K, ? extends V> m, boolean evict) {
int s = m.size();
if (s > 0) {
// 判断table是否为null, 源码:transient Node<K,V>[] table;
if (table == null) { // pre-size
//获取数组里面的值,如果数组里面的值大于MAXIMUM_CAPACITY,则取MAXIMUM_CAPACITY,否则就是ft。
//比如说map的大小为15,那么ft = 20;
float ft = ((float)s / loadFactor) + 1.0F;
int t = ((ft < (float)MAXIMUM_CAPACITY) ?
(int)ft : MAXIMUM_CAPACITY);
//判断是否达到最大用来,t > threshold,那么进行tablesize重计算。
if (t > threshold)
threshold = tableSizeFor(t);
}
else if (s > threshold)
//如果s大于threshold(threshold= capacity * load factor),那么需要扩容
resize();
for (Map.Entry<? extends K, ? extends V> e : m.entrySet()) {
//获取key,value,再根据key获取hash值,再把值放到对应的地址。
K key = e.getKey();
V value = e.getValue();
putVal(hash(key), key, value, false, evict);
}
}
}
再看看** putVal(hash(key), key, value, false, evict);方法中的hash方法**
//获取key的hash值
static final int hash(Object key) {
int h;
// int 32位 1111 1111 1111 1111 0000 0000 0000 0000
// 对象的hashCode值 ^(异或:相同为1,不同为0) 对象的hashCode值的高位(前16位)
// 目的:提高hashCode的随机性
return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}
4. 存储实现
源码:
public V put(K key, V value) {
//根据传入参数key,获取hashCode的值
return putVal(hash(key), key, value, false, true);
}
//onlyIfAbsent = false;(默认)
// evict = true;(默认)
final V putVal(int hash, K key, V value, boolean onlyIfAbsent,
boolean evict) {
Node<K,V>[] tab; Node<K,V> p; int n, i;
// 判断table数组是否为null或长度为0.
if ((tab = table) == null || (n = tab.length) == 0)
// 初始化table长度
n = (tab = resize()).length;
// 假设 i = 16; i = (n - 1) & hash ; i表示元素在tab数组中存储的位置。
// p = tab[i], 判断 p链表是否为null
// (n - 1) & hash 取余运算,目的优化计算速度。
if ((p = tab[i = (n - 1) & hash]) == null)
// 如果为null,创建节点,直接存放到tab[i]位置
tab[i] = newNode(hash, key, value, null);
else {
// tab[i] 有元素
Node<K,V> e; K k;
// hash值相同,key相同,是同一元素,那么直接=。
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
e = p;
// 判断是否为树结构, JDK1.8 有了红黑树的优化方案。
else if (p instanceof TreeNode)
// 基于红黑树的插入逻辑。
e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
else {
// 否则链表插入元素
for (int binCount = 0; ; ++binCount) {
if ((e = p.next) == null) {
// p的下一个元素 = newNode(hash, key, value, null);
p.next = newNode(hash, key, value, null);
// 判断当前链表的数量是否大于数结构的阈值
if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st
// 如果大于则转换结构
// 链表 --> 红黑树 (优化查询性能)
// static final int TREEIFY_THRESHOLD = 8; 链表长度达到7时转换成红黑树
treeifyBin(tab, hash);
break;
}
// 当前的链表包含要插入的值,结束遍历
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
break;
p = e;
}
}
// 判断插入的值是否存在hashmap中,如果存在老值
if (e != null) { // existing mapping for key
V oldValue = e.value;
if (!onlyIfAbsent || oldValue == null)
e.value = value;
afterNodeAccess(e);
return oldValue;
}
}
// 修改次数+1
++modCount;
// 判断当前数组大小是否大于阈值,大于则要扩容。
if (++size > threshold)
resize();
afterNodeInsertion(evict);
return null;
}
再看看 resize扩容方法
final Node<K,V>[] resize() {
// 数组初始化
Node<K,V>[] oldTab = table;
// 扩容前的变量初始化,旧容量和旧阈值。
int oldCap = (oldTab == null) ? 0 : oldTab.length;
int oldThr = threshold;
// 扩容后的变量初始化。
int newCap, newThr = 0;
if (oldCap > 0) {
// 如果大于最大容量,那么返回,无法扩容。
if (oldCap >= MAXIMUM_CAPACITY) {
threshold = Integer.MAX_VALUE;
return oldTab;
}
// oldCap << 1 乘以2 = newCap。 MAXIMUM_CAPACITY = 1 << 30
else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&
oldCap >= DEFAULT_INITIAL_CAPACITY)
// oldThr 乘以2 = newThr
newThr = oldThr << 1; // double threshold
}
else if (oldThr > 0) // initial capacity was placed in threshold
newCap = oldThr;
else { // zero initial threshold signifies using defaults
// 如果调用的无参构造方法,则进入这个分支。newCap=初始容量(8);
newCap = DEFAULT_INITIAL_CAPACITY;
// 阈值 = 负载因子 * 初始容量。
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"})
// 创建一个新的 *2 的容量的数组
Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap];
table = newTab;
// 准备重新对元素进行定位。
if (oldTab != null) {
for (int j = 0; j < oldCap; ++j) {
Node<K,V> e;
// 获取第j个位置的元素。
if ((e = oldTab[j]) != null) {
// 清空原数组
oldTab[j] = null;
// 判断原有j位置上是否还有元素
if (e.next == null)
// 如果没有,则重新计算,进行元素保存
// 例如16,e.hash & 31 = 新元素的位置
newTab[e.hash & (newCap - 1)] = e;
else if (e instanceof TreeNode)
// 红黑树拆分
((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 {
// 遍历链表,将链表节点按顺序进行分组
next = e.next;
// old链表添加到一组
if ((e.hash & oldCap) == 0) {
if (loTail == null)
loHead = e;
else
loTail.next = e;
loTail = e;
}
// 计算原有元素在扩容后的位置。
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;
// 原位置 j + 原容量 = 新的位置。
newTab[j + oldCap] = hiHead;
}
}
}
}
}
return newTab;
}
5. 删除操作源码分析
源码:
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 &&
// 元素要存储的位置p
(p = tab[index = (n - 1) & hash]) != null) {
Node<K,V> node = null, e; K k; V v;
// hash没有冲突情况
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
//定位删除节点node
node = p;
// 有冲突,不只是一个元素在同一位置上
else if ((e = p.next) != null) {
// 判断是否为红黑树,定位删除元素
if (p instanceof TreeNode)
node = ((TreeNode<K,V>)p).getTreeNode(hash, key);
else {
do {
//那就是链表结构,定位删除元素
if (e.hash == hash &&
((k = e.key) == key ||
(key != null && key.equals(k)))) {
node = e;
break;
}
p = e;
} while ((e = e.next) != null);
}
}
// node要删除的元素
if (node != null && (!matchValue || (v = node.value) == value ||
(value != null && value.equals(v)))) {
if (node instanceof TreeNode)
// 红黑树删除节点
((TreeNode<K,V>)node).removeTreeNode(this, tab, movable);
else if (node == p)
// 链表删除节点
tab[index] = node.next;
else
// 否则判断数组中p位置的对象下一个元素 = 删除元素的下一个元素。
p.next = node.next;
++modCount;
--size;
afterNodeRemoval(node);
return node;
}
}
return null;
}
6. hashMap遍历和异常解析
测试代码:
HashMap<Integer, String> map = new HashMap<>(16);
map.put(20, "abc");
map.put(3, "abc");
map.put(12, "abc");
map.put(5, "abc");
map.put(16, "abc");
System.out.println("遍历结果:");
for (Integer key : map.keySet()) {
System.out.print(key + " -> ");
}
输出结果:
当调整put顺序,代码如下:
HashMap<Integer, String> map = new HashMap<>(16);
map.put(12, "abc");
map.put(5, "abc");
map.put(16, "abc");
map.put(20, "abc");
map.put(3, "abc");
System.out.println("遍历结果:");
for (Integer key : map.keySet()) {
System.out.print(key + " -> ");
}
输出结果:
可以看到:两者的输出结果是一样的。也就是说,输入的顺序是无法保证,但不管怎么put操作,输出的结果是一样的。因为它是按hash结构进行输出的,如下
源码如下:
final Node<K,V> nextNode() {
Node<K,V>[] t;
Node<K,V> e = next;
if (modCount != expectedModCount)
// 如果迭代过程中进行操作,modCount 会被修改,所以就会报错:ConcurrentModificationException()
throw new ConcurrentModificationException();
if (e == null)
throw new NoSuchElementException();
if ((next = (current = e).next) == null && (t = table) != null) {
// 寻找数组中下一个hash槽不为null的节点。
do {} while (index < t.length && (next = t[index++]) == null);
}
return e;
}
遍历的时候进行添加或删除等操作,会报错,附上报错截图:
参考博客:
- java提高篇(二三)-----HashMap:https://www.cnblogs.com/chenssy/p/3521565.html
- HashMap实现原理及源码分析详解:https://www.bilibili.com/video/av53287823/?p=1