目录
1、Hash核心属性分析（threshold,loadFactory,size,modCount）
一、基础入门
1、数组的优劣
优点：数组有下标索引速度快
缺点：大小固定，这就在插入数据的时候很蛋疼了，分配的4个用完了，项插入第五个数字的时候，就得先跟下边的图一样先申请一个五个长度大小的数组，把前四个挪进去 在写第五个。非常浪费性能。
2、链表的优劣
链表不是连续的内存，在每一块内存小空间里有一个引用，去保留下一个内存的地址。
链表要插入一个元素，就很简单了。把原来的指针拆开，然后指向新的元素，新元素的指针，指向刚才拆开的指针指向的地址。
但是存贮过程中，链表只会保留第一个元素的地址 head（头），所以要获取到第五个元素 还得从头依次head=head.next
3、有没有一种方式整合这两个存储结构的优缺点：散列表
4、散列表有什么特点
数组 查的快 插入慢
链表 插入快 查的慢
把他们整合一下 汲取一下各自的优点 不就是可以查的快 插入也快了吗？
5、什么是哈希
二、HashMap的原理
1、HashMap继承体系是什么样的
2、Node数据结构分析
hash
key
value
next
3、底层存储结构介绍
数组 +链表 +红黑树
hash 表所有元素达到64 ，并且链表长超过8，链表结构就会树化成红黑树
4、Put数据原理分析
5、什么是Hash碰撞
6、什么是链化
链化就是发生hash碰撞时，相同hash值的元素要链在一起
7、JDK1.8为什么引入红黑树
引入红黑树就是为了 数组查询的时间复杂度o（1） 当链化很多之后 时间复杂度就会变成o(n).
为了防止链化链的很长。
所以要引入 这种自平衡的 二叉查找树
8、HashMap扩容原理
以空间换时间的原理 ，在链表越来越多的情况下 时间复杂度就会越来越高 趋近于O（n）.
扩容就是增加数组的长度 进而减少链表节点的数量 以空间换时间。
三、手撕源码
1、Hash核心属性分析（threshold,loadFactory,size,modCount）
2、构造分析方法
//默认的table大小，左移4位等于16
static final int DEFAULT_INITIAL_CAPACITY = 1 << 4; // aka 16
//table最大长度
static final int MAXIMUM_CAPACITY = 1 << 30;
//默认的负载因子
static final float DEFAULT_LOAD_FACTOR = 0.75f;
//树化阈值，链表长度到达8
static final int TREEIFY_THRESHOLD = 8;
//树降级为链表的阈值6，树的子节点到达6时，降级为链表
static final int UNTREEIFY_THRESHOLD = 6;
//树化的另一个参数，当哈希表中的所有元素超过64时，才会允许树化
static final int MIN_TREEIFY_CAPACITY = 64;
//定义哈希表
transient Node<K,V>[] table;
//
transient Set<Map.Entry<K,V>> entrySet;
//当前哈希表的元素个数
transient int size;
//当前哈希表结构修改次数
transient int modCount;
//扩容阈值，当哈希表中的元素超过阈值时，触发扩容
int threshold;
//负载因子 用于计算扩容阈值，threshold=loadFactor*table大小
final float loadFactor;
//tableSizeFor的作用：计算大于等于当前cap的一个数字，并且这个数一定时二的次方数
static final int tableSizeFor(int cap) {//cap=10的话
int n = cap - 1;//n-1=9，
n |= n >>> 1;//9转换二进制0b1001, 0b1001|0b0100=>0b1101
n |= n >>> 2;//0b1101|0b0001=>0b1111
n |= n >>> 4;//0b1111|0b0000=>0b1111
n |= n >>> 8;//0b1111|0b0000=>0b1111
n |= n >>> 16;//0b1111|0b0000=>0b1111
//0b1111=>15 因为15>0 又因为15<MAXIMUM_CAPACITY 返回return 15+1 返回16
return (n < 0) ? 1 : (n >= MAXIMUM_CAPACITY) ? MAXIMUM_CAPACITY : n + 1;
}
//构造方法1 两个参数（表格大小，负载因子）
public HashMap(int initialCapacity, float loadFactor) {
//其实就是做了一些校验
if (initialCapacity < 0)
throw new IllegalArgumentException("Illegal initial capacity: " +initialCapacity);
if (initialCapacity > MAXIMUM_CAPACITY)
initialCapacity = MAXIMUM_CAPACITY;
if (loadFactor <= 0 || Float.isNaN(loadFactor))
throw new IllegalArgumentException("Illegal load factor: " + loadFactor);
//参数赋值
this.loadFactor = loadFactor;
//把initialCapacity转换为一个大于等于initialCapacity二的次方数
this.threshold = tableSizeFor(initialCapacity);
}
//构造方法2，套娃，构造方法1
public HashMap(int initialCapacity) {
this(initialCapacity, DEFAULT_LOAD_FACTOR);
}
//构造方法3，无参构造方法
public HashMap() {
//所有的其他参数都是默认参数
this.loadFactor = DEFAULT_LOAD_FACTOR; // all other fields defaulted
}
//构造方法4
public HashMap(Map<? extends K, ? extends V> m) {
this.loadFactor = DEFAULT_LOAD_FACTOR;
putMapEntries(m, false);
}3、HashMap put方法分析=>putVal方法分析
/**
作用：让key的hash的高16位也参与路由运算（[lengh-1&h]=index），扰动函数
假设 h=0b 0010 0101 1010 1100 0011 1111 0010 1110
0b 0010 0101 1010 1100 0011 1111 0010 1110
^(异或，相同等于0，不同为一)
0b 0000 0000 0000 0000 0010 0101 1010 1100（h>>>16）
=> 0010 0101 1010 1100 0001 1010 1000 0010
为什么要高16位参与运算呢？
在table长度还不是很高的情况下，让高16位也参与路由运算（[lengh-1&h]=index），使散列表更加松散，降低hash碰撞
*/
static final int hash(Object key) {
int h;
//key=null返回0
//key1=null返回key.hashCode()) ^ (h >>> 16)
return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}
//put方法
public V put(K key, V value) {
return putVal(hash(key), key, value, false, true);
}
//onlyIfAbsent=>如果散列表中已经存在某一个key,就不插入了，一般的话都是传入false，就是key有的话替换，没有的话传入一个新的
final V putVal(int hash, K key, V value, boolean onlyIfAbsent,boolean evict) {
//tab：引用当前hashMap的散列表
Node<K,V>[] tab;
//p:表示当前散列表的元素
Node<K,V> p;
//n:表示散列表数组的长度 ,i:表示路由寻址的结果
int n, i;
//延迟初始化逻辑，第一次调用putVal时会初始化hashMap对象中最耗费内存的散列表，
//（tab = table) == null说明table=null,还没有进行初始化
if ((tab = table) == null || (n = tab.length) == 0)
//resize（）创建散列表
//为什么要在put的时候创建散列表呢，
//这是一个懒加载机制，比如说我们新建一个hashMap时，只是放着，不存数据，
//，只有我们往里面加入数据的时候，才会新建散列表初始化，这样就节省了内存空间
n = (tab = resize()).length;
// 最简单的一种情况：寻址找到的桶位，刚好是null,这个时候，直接将当前的k-v=>node 扔进去就可以离
//n在上面语句判断赋值的，(n - 1) & hash路由算法，判断散列表i位置元素==null
if ((p = tab[i = (n - 1) & hash]) == null)
//直接把key,value新建节点
tab[i] = newNode(hash, key, value, null);
else {
//e:node临时元素
//k:表示临时的一个key
Node<K,V> e; K k;
//p在上面语句判断赋值，
//（p.hash == hash 表示桶位中的该元素，与你当前插入的元素的key完全一致，表示后续需要进行替换操作
if (p.hash == hash &&((k = p.key) == key || (key != null && key.equals(k))))
//p赋值给e,现在e为一个与当前要插入的key-value一致的key的元素
e = p;
//如果是红黑树的话
else if (p instanceof TreeNode)
e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
else {
//链表情况，而且链表的头元素，与我们要插入的key不一致
for (int binCount = 0; ; ++binCount) {
//(e = p.next) == null条件成立说明，链表迭代到末尾最后一个元素了，也没有找到与要插入的key一致的node
if ((e = p.next) == null) {
//那么就将node插入到当前链表的末尾
p.next = newNode(hash, key, value, null);
//触发树化操作：如果链表的长度达到树化标准了
//（TREEIFY_THRESHOLD=8，链表长度达到8，不算数组的长度就是8-1=7）
if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st
//树化函数
treeifyBin(tab, hash);
break;
}
//条件成立的话，说明找到了相同key的node元素，需要进行特换操作
if (e.hash == hash &&((k = e.key) == key || (key != null && key.equals(k))))
break;
//下一次循环
p = e;
}
}
//条件成立，说明找到一个与你插入元素key完全一直的元素，需要进行替换操作
if (e != null) { // existing mapping for key
V oldValue = e.value;
//onlyIfAbsent =false !onlyIfAbsent=true
if (!onlyIfAbsent || oldValue == null)
//把值覆写
e.value = value;
afterNodeAccess(e);
//返回覆盖后的值
return oldValue;
}
}
//表示散列表结构修改的次数。替换不算
++modCount;
//插入新元素。size自增，如果自增后的值大于扩容阈值，则触发扩容
if (++size > threshold)
//扩容操作
resize();
afterNodeInsertion(evict);
return null;
}4、HashMap resize扩容方法分析
扩容处理
//为什么需要扩容
//为了解决哈希冲突导致的链化影响查询效率的问题，扩容会缓解该问题
final Node<K,V>[] resize() {
//oldTab 引用扩容前的hash表
Node<K,V>[] oldTab = table;
//oldCap ：表示扩容前table数组的长度，oldTab ==null,是第一次没有放数据时是null
int oldCap = (oldTab == null) ? 0 : oldTab.length;
//oldThr :表示扩容之前的扩容阈值，触发本次扩容的阈值
int oldThr = threshold;
//newCap:扩容之后的table数组的大小
//newThr:扩容之后，下次再次触发扩容的阈值
int newCap, newThr = 0;
//条件如果成立：说明hashMap中的散列表已经初始化过了，这是一次正常扩容
if (oldCap > 0) {
//扩容之前的table数组大小，已经达到最大阈值（1<<30），则不扩容，且设置条件为int最大值(0x7fffffff)
if (oldCap >= MAXIMUM_CAPACITY) {
threshold = Integer.MAX_VALUE;
return oldTab;
}
//newCap = oldCap << 1:表示oldCap 左移一位赋值给newCap,左移一位就表示乘了一个2次方
//newCap < 数组最大值限制（1<<30），且扩容之前的阈值>=16
else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY && oldCap >= DEFAULT_INITIAL_CAPACITY)
//这种情况下，则下次扩容的阈值，等于当前阈值的翻倍
newThr = oldThr << 1; // double threshold
}
//oldCap==0，说明hashMap 中的散列表是null(还没有初始化)
//1. new HashMap(int initialCapacity, float loadFactor)
//2. new HashMap(int initialCapacity)
//3. new HashMap(map)并且map有数据
else if (oldThr > 0) // initial capacity was placed in threshold
//把oldThr赋值给新的数组大小（oldThr是通过tableSizeFor计算出来的 所以 一定是一个二的次方数）
newCap = oldThr;
//oldCap==0 ，oldThr==0这个是table数组大小为0，扩容阈值也为0
//new HashMap()；//无参构造时会出现这种情况
else { // zero initial threshold signifies using defaults
//默认数组大小16赋值newCap
newCap = DEFAULT_INITIAL_CAPACITY;
//扩容阈值等于，负载因子*默认数组大小16=12赋值给newThr
newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);
}
//什么时候newThr会等于0？
//1.当你自定义的 扩容阈值<16时
//2. oldThr > 0并且oldCap==0时
if (newThr == 0) {
//这种情况，就需要自己计算下次扩容阈值了 计算方法很简单 新的数组大小*负载因子
float ft = (float)newCap * loadFactor;
//newCap <(1<<30) ft<(1<<30) 如果条件成立则ft转换为int,不成立择把int的最大值赋值给newThr
//（其实一般都是成立的）
newThr = (newCap < MAXIMUM_CAPACITY && ft < (float)MAXIMUM_CAPACITY ?
(int)ft : Integer.MAX_VALUE);
}
//newThr赋值给扩容阈值
threshold = newThr;
//创建出一个更长更大的数组newTab
@SuppressWarnings({"rawtypes","unchecked"})
Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap];
//赋值
table = newTab;
//oldTab != null 说明hashMap本次扩容之前，table不为null
if (oldTab != null) {
for (int j = 0; j < oldCap; ++j) {
//当前node节点
Node<K,V> e;
//(e = oldTab[j]) != null，说明当前桶位有数据，但是数据具体是数据，还是链表，还是红黑树，并不知道
if ((e = oldTab[j]) != null) {
//方便JVM GC时回收内存
oldTab[j] = null;
//第一种情况：说明这个桶就一个元素，还没有生成链表，
//这是直接计算出当前元素应存放在新数组中的位置，然后扔进去就可以了
if (e.next == null)
//把这个e值赋值给寻址算法后的哈希表中
newTab[e.hash & (newCap - 1)] = e;
//第二种情况：当前节点已经树化
else if (e instanceof TreeNode)
((TreeNode<K,V>)e).split(this, newTab, j, oldCap);
//第三种情况：当前桶位已经形成链表
else { // preserve order
//低位链表：存放在扩容之后的数组的下标位置，与当前数组下标位置一致
Node<K,V> loHead = null, loTail = null;
//高位链表：存放在扩容之后的数组的下标位置为 当前数组下标位置 + 扩容之前数组的长度
Node<K,V> hiHead = null, hiTail = null;
//定义Node表示当链表的下一个元素
Node<K,V> next;
do {
//赋值
next = e.next;
//1.hash->.... ...1 1111
//2.hash->.... ...0 1111
//&
// oldCap=16 =>ob 1 0000
//1.=============>1
//2.=============>0
//(e.hash & oldCap) == 0说明hash的高位等于0，则表示当前这个元素要放到低位链中
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);
//低位链表有数据
if (loTail != null) {
//把loTail.next置空
loTail.next = null;
newTab[j] = loHead;
}
//
if (hiTail != null) {
hiTail.next = null;
newTab[j + oldCap] = hiHead;
}
}
}
}
}
return newTab;
}5、HashMap get 方法分析
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) {
//tob:引用当前hashMap的散列表
Node<K,V>[] tab;
//first：桶位中的头元素，e临时node元素
Node<K,V> first, e;
//n:table数组的长度
int n; K k;
//(tab = table) != null判断是表否有数据
//(first = tab[(n - 1) & hash]) != null判断桶中是否有数据
if ((tab = table) != null && (n = tab.length) > 0 &&
(first = tab[(n - 1) & hash]) != null) {
//第一种情况：定位出来的桶位元素，即为咱们要get的数据
if (first.hash == hash && // always check first node
((k = first.key) == key || (key != null && key.equals(k))))
return first;
//说明当前桶位不止一个元素，可能是链表，也可能是红黑树
if ((e = first.next) != null) {
//第二种情况：桶位升级成红黑树
if (first instanceof TreeNode)
return ((TreeNode<K,V>)first).getTreeNode(hash, key);
//第三种情况：桶位形成链表
do {
if (e.hash == hash &&((k = e.key) == key || (key != null && key.equals(k))))
return e;
} while ((e = e.next) != null);
}
}
return null;
}6、HashMap remove 方法分析
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) {
//tab:引用当前hashMap中的散列表
Node<K,V>[] tab;
//p:当前node元素
Node<K,V> p;
//n:表示散列表数组长度
//index:表示寻址结果
int n, index;
//(tab = table) != null判断是表否有数据
//(p = tab[index = (n - 1) & hash]) != null判断寻址算法找到桶位中是否有数据
if ((tab = table) != null && (n = tab.length) > 0 &&
(p = tab[index = (n - 1) & hash]) != null) {
//条件成立：说明桶位中有数据，需要进行查找，删除
//node:查找的的结果
//e:当前Node 的下一个元素
Node<K,V> node = null, e; K k; V v;
//第一种情况，当前桶位中的元素就是要删除的元素
if (p.hash == hash &&((k = p.key) == key || (key != null && key.equals(k))))
//找到元素赋值给node
node = p;
else if ((e = p.next) != null) {
//第二种情况：当前桶位中的元素是树结构
if (p instanceof TreeNode)
//找到元素赋值给node
node = ((TreeNode<K,V>)p).getTreeNode(hash, key);
//第三种情况：当前桶位中的元素是链表结构
else {
do {
if (e.hash == hash &&
((k = e.key) == key ||
(key != null && key.equals(k)))) {
//找到元素赋值给node
node = e;
break;
}
p = e;
} while ((e = e.next) != null);
}
}
//删除逻辑，node != null，说明按照key查找到需要删除的数据
if (node != null && (!matchValue || (v = node.value) == value ||
(value != null && value.equals(v)))) {
//树结构 ：node 是树节点
if (node instanceof TreeNode)
//树节点移出操作
((TreeNode<K,V>)node).removeTreeNode(this, tab, movable);
//数组：当前桶位的元素就是要删的元素
else if (node == p)
//将改元素的下一个元素放置桶位
tab[index] = node.next;
//链表结构
else
//链表删除：将当前元素p的下一个元素设置成要删除的下一个元素
p.next = node.next;
++modCount;
--size;
afterNodeRemoval(node);
return node;
}
}
return null;
}
@Override
public boolean remove(Object key, Object value) {
return removeNode(hash(key), key, value, true, true) != null;
}7、HashMap replace 方法分析
@Override
public boolean replace(K key, V oldValue, V newValue) {
Node<K,V> e; V v;
//e = getNode(hash(key), key)找到node节点
//(v = e.value) == oldValue 检查oldValue和找的node节点的value是否一致
if ((e = getNode(hash(key), key)) != null &&
((v = e.value) == oldValue || (v != null && v.equals(oldValue)))) {
//如果(v = e.value) == oldValue 则进行替换
e.value = newValue;
afterNodeAccess(e);
return true;
}
return false;
}
@Override
public V replace(K key, V value) {
Node<K,V> e;
//e = getNode(hash(key), key)找到node节点
if ((e = getNode(hash(key), key)) != null) {
//替换操作
V oldValue = e.value;
e.value = value;
afterNodeAccess(e);
return oldValue;
}
return null;
}
1341
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
