前情回顾
红黑树原理+手写红黑树代码
HashMap底层源码解析上
文章目录
前言
HashMap成员方法
put(K key, V value)
put方法是比较复杂的，实现步骤大致如下
-
先通过hash值计算出key映射到哪个桶
-
如果桶上没有碰撞冲突，则直接插入
-
如果出现碰撞冲突了，则需要处理冲突
-
如果该桶使用红黑树处理冲突，则调用红黑树的方法插入数据
-
否则采用传统的链式方式插入，如果链的长度达到临界值，将链转变成红黑树
-
-
如果桶中存在重复的键，则为该键替换新值value
-
如果size大于阈值threshold，则进行扩容
具体的方法如下
public V put(K key, V value) {
//根据key计算其hash值
return putVal(hash(key), key, value, false, true);
}
static final int hash(Object key) {
int h;
//key可以为null，如果为null，hash值就为0，将其放在数组的第一个位置上，和hashTable不一样，hashTable中key不允许为null
return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}
我们可以看到在putVal()方法中key在这里执行了一下hash()方法，来看一下hash()方法是如何实现的
static final int hash(Object key) {
int h;
/*
1)如果key等于null
可以看到key等于null的时候也是有哈希值的，此时为0，如果进行寻址
会找到数组的第一个位置
2)如果key不等于null
首先计算出key的hashCode赋值给h，然后与h的无符号后移16位的二进制数进行按位异或
得到最后的hash值
*/
return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}
从上面可以得知HashMap是支持key为空的，而HashTable是直接用key来获取HashCode，如果key为空则会抛空指针异常
- 其实上面就已经解释了为什么HashMap的长度为什么要是2的幂，因为HashMap使用的方法很巧妙，他通过hash&(table.length-1)来获得该对象的保存位，前面说过HashMap的底层数组的长度总是2的n次方，这是HashMap在速度上的优化。当length总是2的n次方时，hash&(length-1)运算等价于对length取模，也就是hash%length，但是&比%具有更高的效率，比如n%32=n&(32-1)
解读上述hash方法：
我们先研究下key的哈希值是如何计算出来的，key的哈希值是通过上述方法计算出来的
这个哈希方法首先计算出key的hashCode赋值给h，然后与h无符号右移16位后的二进制数进行按位异或得到最后的hash值
在putVal函数中使用到了上述hash函数计算的hash值
final V putVal(int hash, K key, V value, boolean onlyIfAbsent,
boolean evict) {
。。。。。。。。。。
//p为存储空间的索引
if ((p = tab[i = (n - 1) & hash]) == null)
。。。。。。。。。。
}
hash值计算过程如下
说明：
- key.hashCode():返回散列值就是hashCode,假设是随便生成的一个值
- n表示数组初始化的长度为16
- &（按位与运算）：运算规则：相同的二进制数位上，都是1的时候结果为1，否则为0
- ^（按位异或运算）：运算规则：相同的二进制数位上，数字相同，结果为0，不同为1
总流程：
简单来说就是：
- 高16bit不变，低16bit和高16bit做了一个异或（得到的hashcode转化为32位二进制，前16位和后16位低16bit和高16bit做了一个异或）
问题，为什么要让高16位也参与运算呢
如果当n即数组长度很小，假设是16的话，那么n-1为1111,这样的值和hashCode()直接做按位与操作， 实际上只使用了hash值的后4位，如果当哈希值的高位变化很大，低位变化很小，这样就很容易造成哈希冲突了，所以这里把高低位都利用起来，从而解决了这个问题
我们还是举个例子吧
如果不对h进行按位异或操作，而直接将hashCode值与n-1进行与操作，就会出现这样的情况，我们将数据存放在索引为10的空间中
当我们得到一个高位变化比较大的hashCode时，它的高位就无法参与&运算，比如：我们发现他得到的索引值依然为10，这样就会引起hash冲突
故：如果hashCode值的高位变化很大，而低位变化很小或没有变化，那么直接和数组长度进行&运算。会很容易造成计算的结果是一样的，导致hash冲突，而>>>16便是使高混乱度地区与低混乱度地区做一个中和，提高低位的随机性，减少哈希冲突
这里博客中有位老哥总结的很好：
右移16位，自己的高半区和低半区异或，就是为了混合原始哈希码的高位和低位，以此来加大低位随机性。
现在我们回到putVal方法，看看它具体做了什么
主要参数：
- hash key的hash值
- key原始key
- value要存放的值
- onlyIfAvsent如果true代表不更改现有的值
- evict如果为false表示table为创建状态
putVal()方法源代码以及逐行解释如下所示：
/**
* Implements Map.put and related methods
*
* @param hash hash for key
* @param key the key
* @param value the value to put
* @param onlyIfAbsent if true, don't change existing value
* @param evict if false, the table is in creation mode.
* @return previous value, or null if none
*/
final V putVal(int hash, K key, V value, boolean onlyIfAbsent,
boolean evict) {
//tab:引用当前hashmap的散列表
//p:表示当前散列表的元素
//n:表示散列表数组的长度
//i:表示路由寻址结果
Node<K,V>[] tab; Node<K,V> p; int n, i;
//延迟初始化逻辑，在这里初始化table，第一次调用putVal方法会创建
//hashMap中最耗费内存的散列表，如果只是new HashMap()并不会初始化散列表
if ((tab = table) == null || (n = tab.length) == 0)
n = (tab = resize()).length;
//如果当前桶没有哈希冲突，则直接添加
if ((p = tab[i = (n - 1) & hash]) == null)
tab[i] = newNode(hash, key, value, null);
//有哈希冲突，则对链表或红黑树情况分别进行判断
else {
Node<K,V> e; K k;
//p.hash == hash &&((k = p.key) == key 将p.key赋给k，并判断与当前节点的hash值是否相等
//与当前节点地址值是否相等，相等则直接覆盖原节点
//key != null && key.equals(k)，如果key不是空，并且内容相等（一般情况下内容相等默认hash值也相等）
//则直接覆盖原节点
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
e = p;
//判断是否是树节点
else if (p instanceof TreeNode)
e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
else {
//是链表，并且头节点和我们要插入的节点不一致
//for循环：遍历每个节点，确定要插入的位置
for (int binCount = 0; ; ++binCount) {
//如果当前节点的下一个节点为null，代表已经到了最后一个节点位置
if ((e = p.next) == null) {
//将元素作为新节点插入到链表末尾
p.next = newNode(hash, key, value, null);
//判断当前链表长度是否达到树化标准，如果达到标准还会在
//方法内继续判断，数组长度cap是否超过64，没有则扩容而非树化
//因为先++binCount所以走到第8个节点时binCount为7，加上头节点为8，
//而要添加的节点位于第8个节点之后，所以触发树化操作
if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st
treeifyBin(tab, hash);
break;
}
//判断当前节点的key是否和目标节点一致，一致则覆盖
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
break;
p = e;
}
}
//e!=null，执行替换操作
if (e != null) { // existing mapping for key
V oldValue = e.value;
if (!onlyIfAbsent || oldValue == null)
//将新value值替换老的value值
e.value = value;
afterNodeAccess(e);
return oldValue;
}
}
//HashMap的修改次数+1
++modCount;
//刚刚放进一个元素，所以size++
// size++之后如果数组容量大于规定阈值，则直接进行扩容
if (++size > threshold)
resize();
afterNodeInsertion(evict);
return null;
}
当节点数量大于8个时，会调用treeifBin方法，我们看一下源码（链表转换成红黑树）
if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st
treeifyBin(tab, hash);
break;
整体代码如下：
将满足条件的链表变成红黑树
/**
* Replaces all linked nodes in bin at index for given hash unless
* table is too small, in which case resizes instead.
*/
//将原来链表中的节点替换成树节点
final void treeifyBin(Node<K,V>[] tab, int hash) {
int n, index; Node<K,V> e;
//tab == null：判断数组是否为空
//n = tab.length将数组长度赋给变量n
//(n = tab.length) < MIN_TREEIFY_CAPACITY判断数组长度是否小于64
//如果小于则进行扩容，否则进行红黑树转换
if (tab == null || (n = tab.length) < MIN_TREEIFY_CAPACITY)
resize();
//n=64
//e = tab[index = (n - 1) & hash]拿到当前桶中的元素，判断是否为空
else if ((e = tab[index = (n - 1) & hash]) != null) {
//hd表示红黑树的头节点,tl表示红黑树的尾节点
TreeNode<K,V> hd = null, tl = null;
do {
//创建一个标准树节点
/*
TreeNode<K,V> replacementTreeNode(Node<K,V> p, Node<K,V> next) {
return new TreeNode<>(p.hash, p.key, p.value, next);
}
*/
TreeNode<K,V> p = replacementTreeNode(e, null);
//如果红黑树的尾节点为null,则p节点为红黑树的头节点
if (tl == null)
hd = p;
else {
//有了头节点之后走这一步
//当前p的上一个节点指向尾节点
//tl的下一个节点指向p
p.prev = tl;
tl.next = p;
}
//在只有一个节点时，头节点和尾节点都为p
tl = p;
//e向后移动
} while ((e = e.next) != null);
//把转换的以head为头节点的红黑树放入桶中
if ((tab[index] = hd) != null)
//红黑树为了保持平衡进行的旋转
hd.treeify(tab);
}
}
resize扩容方法
扩容机制
想要了解HashMap的扩容机制你要有这两个问题
-
什么时候才需要扩容
-
HashMap的扩容是什么
1.什么时候才需要扩容
当HashMap中的元素个数超过数组大小（数组长度）*loadFactor（负载因子）时，就会进行数组扩容
loadFactor的默认值（DEFAULT_LOAD_FACTOR）是0.75，这是一个折中的取值，也就是说，默认情况下，数组大小为16，那么当HashMap中的元素个数超过16x0.75=12（这个值就是阈值或者边界值threshold值）的时候，就把数组的大小扩展为2x16=32，即扩大一倍，然后重新计算每个元素在数组中的位置，这是一个非常耗性能的操作，所以如果我们已经预知HashMap中元素的个数，这能很好的提高HashMap的性能
补充：
当HashMap中的一个链表的对象个数如果达到了8个，此时如果数组长度没有达到64，那么HashMap会先扩容解决，如果已经达到了64，那么这个链表会变成红黑树。节点类型有Node变成TreeNode类型。当然，如果映射关系被移除后，下次执行resize方法时判断树的节点个数低于6，也会再把树转换成链表
故：
- HashMap中的元素个数超过数组大小（数组长度）*loadFactor（负载因子）时，就会进行数组扩容
- 某个链表的长度大于8，且数组长度小于64，会进行扩容
2.HashMap的扩容是什么
进行扩容，会伴随着一次重新hash分配，并且会遍历hash表中所有的元素，是非常耗时的，再编写程序中，要尽量避免resize
HashMap在进行扩容时，使用的rehash方式非常巧妙，因为每次扩容都是翻倍，与原来计算的(n-1)&hash的结果相比，只是多了一个bit位，所以节点要么就在原来的位置上，要么就被分配到原位置+旧容量这个位置
怎么理解呢？例如我们从16扩展为32时，具体的变化如下所示：
我们发现当数组长度从16扩容至32，只是多了一个bit位的运算，我们只需在意多的bit位是1还是0，如果为0，则索引不变，如果为1，则多了旧容量的长度，从原索引值5变成了索引值为21,21=16+5，得出新的索引值=原位置+旧容量
扩容之后的索引位置要么是原来索引，要么是原来索引+旧数组容量
因此我们在扩容HashMap的时候，不需要重新计算hash，只需要来看看原来的hash值新增的那个bit是1还是0就可以了，是0的话索引不变，是1的话索引变成原位置+旧容量，可以看看下图为16扩充为32的resize示意图
正式因为这样巧妙地rehash方式，既省去了重新计算hash值的时间，而且同时，由于新增的1bit是0还是1是随机的，
在resize的过程汇总保证了rehash之后每个桶上的节点数一定小于等于原来桶上的节点数，保证了rehash之后不会出
现更严重的hash冲突，均匀的把之前的冲突的节点分散到新的桶中了
resize源码
final Node<K,V>[] resize() {
//oldTab：引用扩容前的哈希表
Node<K,V>[] oldTab = table;
//oldCap：表示扩容前的table数组的长度
int oldCap = (oldTab == null) ? 0 : oldTab.length;
//获得旧哈希表的扩容阈值
int oldThr = threshold;
//newCap:扩容之后table数组大小
//newThr:扩容之后下次触发扩容的条件
int newCap, newThr = 0;
//条件成立说明hashMap中的散列表已经初始化过了，是一次正常扩容
if (oldCap > 0) {
//判断旧的容量是否大于等于最大容量，如果是，则无法扩容，并且设置扩容条件为int最大值，
//这种情况属于非常少数的情况
if (oldCap >= MAXIMUM_CAPACITY) {
threshold = Integer.MAX_VALUE;
return oldTab;
}//设置newCap新容量为oldCap旧容量的二倍（<<1）,并且<最大容量，而且>=16，则新阈值等于旧阈值的两倍
else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&
oldCap >= DEFAULT_INITIAL_CAPACITY)
newThr = oldThr << 1; // double threshold
}
//如果oldCap=0并且边界值大于0，说明散列表是null，但此时oldThr>0
//说明此时hashMap的创建是通过指定的构造方法创建的,新容量直接等于阈值
//1.new HashMap(intitCap,loadFactor)
//2.new HashMap(initCap)
//3.new HashMap(map)
else if (oldThr > 0) // initial capacity was placed in threshold
newCap = oldThr;
//这种情况下oldThr=0;oldCap=0，说明没经过初始化，创建hashMap
//的时候是通过new HashMap()的方式创建的
else { // zero initial threshold signifies using defaults
newCap = DEFAULT_INITIAL_CAPACITY;
newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);
}
//newThr为0时，通过newCap和loadFactor计算出一个newThr
if (newThr == 0) {
//容量*0.75
float ft = (float)newCap * loadFactor;
newThr = (newCap < MAXIMUM_CAPACITY && ft < (float)MAXIMUM_CAPACITY ?
(int)ft : Integer.MAX_VALUE);
}
threshold = newThr;
@SuppressWarnings({"rawtypes","unchecked"})
//根据上面计算出的结果创建一个更长更大的数组
Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap];
//将table指向新创建的数组
table = newTab;
//本次扩容之前table不为null
if (oldTab != null) {
//对数组中的元素进行遍历
for (int j = 0; j < oldCap; ++j) {
//设置e为当前node节点
Node<K,V> e;
//当前桶位数据不为空，但不能知道里面是单个元素，还是链表或红黑树，
//e = oldTab[j]，先用e记录下当前元素
if ((e = oldTab[j]) != null) {
//将老数组j桶位置为空，方便回收
oldTab[j] = null;
//如果e节点不存在下一个节点，说明e是单个元素，则直接放置在新数组的桶位
if (e.next == null)
newTab[e.hash & (newCap - 1)] = e;
//如果e是树节点，证明该节点处于红黑树中
else if (e instanceof TreeNode)
((TreeNode<K,V>)e).split(this, newTab, j, oldCap);
//e为链表节点，则对链表进行遍历
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
//loHead：低位链表头节点
//loTail低位链表尾节点
Node<K,V> loHead = null, loTail = null;
//高位链表，存放扩容之后的数组的下标位置，=原索引+扩容之前数组容量
//hiHead:高位链表头节点
//hiTail:高位链表尾节点
Node<K,V> hiHead = null, hiTail = null;
Node<K,V> next;
do {
next = e.next;
//oldCap为16:10000，与e.hsah做&运算可以得到高位为1还是0
//高位为0，放在低位链表
if ((e.hash & oldCap) == 0) {
if (loTail == null)
//loHead指向e
loHead = e;
else
loTail.next = e;
loTail = e;
}
//高位为1，放在高位链表
else {
if (hiTail == null)
hiHead = e;
else
hiTail.next = e;
hiTail = e;
}
} while ((e = next) != null);
//低位链表已成，将头节点loHead指向在原位
if (loTail != null) {
loTail.next = null;
newTab[j] = loHead;
}
//高位链表已成，将头节点指向新索引
if (hiTail != null) {
hiTail.next = null;
newTab[j + oldCap] = hiHead;
}
}
}
}
}
return newTab;
}
remove源码
删除的话首先找到元素的位置，如果是链表就遍历链表找到元素之后删除，如果是红黑树就遍历树找到之后做删除，树小于6的时候要转链表
remove方法：
public V remove(Object key) {
Node<K,V> e;
return (e = removeNode(hash(key), key, null, false, true)) == null ?
null : e.value;
}
remove方法的具体实现在removeNode方法中，所以我们重点看下removeNode方法
/**
* Implements Map.remove and related methods
*
* @param hash hash for key
* @param key the key
* @param value the value to match if matchValue, else ignored
* @param matchValue if true only remove if value is equal
* @param movable if false do not move other nodes while removing
* @return the node, or null if none
*/
//matchValue:表示只有key和value均对应的情况下才可删除
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
p:当前node元素
n:散列表的数组长度
index:寻址结果
*/
Node<K,V>[] tab; Node<K,V> p; int n, index;
//(tab = table) != null：删除的时候保证数组不为空，并且在要删除的桶中有数据
if ((tab = table) != null && (n = tab.length) > 0 &&
(p = tab[index = (n - 1) & hash]) != null) {
//e:表示当前Node的下一个元素
Node<K,V> node = null, e; K k; V v;
//如果当前桶元素的hash值相等并且key的地址相同，则证明桶中元素即为要删除的元素
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
node = p;
//存在hash冲突，桶中可能有红黑树或链表
else if ((e = p.next) != null) {
//如果是红黑树
if (p instanceof TreeNode)
node = ((TreeNode<K,V>)p).getTreeNode(hash, key);
//如果是链表
else {
do {
//如果当前节点的hash值与key值均一致，则证明当前节点即为要删除的节点
if (e.hash == hash &&
((k = e.key) == key ||
(key != null && key.equals(k)))) {
node = e;
break;
}
//p前进，指向e的位置
p = e;
//e继续前进
} while ((e = e.next) != null);
}
}
//如果node不为空且node的value和要删除的value一致，则进行删除
if (node != null && (!matchValue || (v = node.value) == value ||
(value != null && value.equals(v)))) {
//如果是树节点，则删除树节点
if (node instanceof TreeNode)
((TreeNode<K,V>)node).removeTreeNode(this, tab, movable);
//桶中只有一个元素，直接tab[index]=null
else if (node == p)
tab[index] = node.next;
else
//删除该链表节点
p.next = node.next;
//数组被修改的+1
++modCount;
--size;
afterNodeRemoval(node);
return node;
}
}
return null;
}
get方法源码
查找方法，通过元素的key找到value
代码如下
public V get(Object key) {
Node<K,V> e;
return (e = getNode(hash(key), key)) == null ? null : e.value;
}
get方法主要调用的是getNode方法，代码如下
/**
* Implements Map.get and related methods
*
* @param hash hash for key
* @param key the key
* @return the node, or null if none
*/
final Node<K,V> getNode(int hash, Object key) {
/*
tab:引用当前hashmap的散列表
first:桶中的头元素
e:临时node节点
n：数组的长度
*/
Node<K,V>[] tab; Node<K,V> first, e; int n; K k;
//判断数组是否为空，只有不为空的时候才能从中得到数据
if ((tab = table) != null && (n = tab.length) > 0 &&
(first = tab[(n - 1) & hash]) != null) {
//如果头元素的hash值和key地址值与目标元素一致或者key的内容与目标元素一致，则证明头元素即为要查找的元素
if (first.hash == hash && // always check first node
((k = first.key) == key || (key != null && key.equals(k))))
return first;
//可能是红黑树或链表
if ((e = first.next) != null) {
//是红黑树二等情况下
if (first instanceof TreeNode)
return ((TreeNode<K,V>)first).getTreeNode(hash, key);
do {
//遍历链表，找到与所寻元素一致的元素，将其返回
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
return e;
} while ((e = e.next) != null);
}
}
return null;
}
遍历HashMap集合的几种方式
1.分别遍历key和Values
//分别遍历key和value
public static void method1(HashMap<String, Integer> map){
for (String s:map.keySet()){
System.out.println(s);
}
for (Object value:map.values()){
System.out.println(value);
}
}
2.使用iterator迭代器迭代
//使用迭代器
public static void method2(HashMap<String, Integer> map){
Iterator<Map.Entry<String, Integer>> iterator =
map.entrySet().iterator();
while (iterator.hasNext()){
Map.Entry<String, Integer> next = iterator.next();
System.out.println(next.getKey()+":"+next.getValue());
}
}
3.通过get方式
//通过get方式
public static void method3(HashMap<String, Integer> map){
for (String key:map.keySet()){
System.out.println(key+":"+map.get(key));
}
}
注意：
根据阿里手册，不推荐使用get方式来遍历HashMap集合，因为迭代两次，keySet获取iterator一次，还有通过get又迭代一次，降低性能
4.jdk8之后使用Map接口中的默认方法
public void forEach(BiConsumer<? super K, ? super V> action)
对此映射中的每个条目执行给定的操作，直到所有条目都被处理或操作引发异常
参数：
BiConsumer 消费接口
抽象方法：void accept(T t,U u)对给定的参数执行此操作
参数：
t:key
v:value
//通过foreach方式
public static void method4(HashMap<String, Integer> map){
map.forEach((key,value)->{
System.out.println(key+":"+value);
});
}
360
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
