简介
HashMap 的特点:
- 存取顺序无序
- 键和值位置都可以是 null,但是键位置只能是一个 null
- 键位置是唯一的,底层数据结构是:数组+链表+红黑树
- 引入红黑树的目的是提高查询的速度
底层结构:
- 数组是一个
Node<K,V>[]
数组,这个数组也称为哈希表
,表中的每个空间用于存放各链表或者红黑树的头节点,每一个子集合称为一个哈希桶
。 - 在往
HashMap
中添加元素的时候,会先通过 hash 算法得到该元素的索引位置,并以链表的形式添加其后 - 当链表的长度大于等于 8,并且哈希表的长度大于 64 的时候,该链表会进化为
红黑树
源码解读
PS:HashMap 底层源码还是比较复杂的,建议通过 Debug 的方式去阅读源码
首先我们可以看一下 HashMap 类的基本结构
public class HashMap<K,V> extends AbstractMap<K,V>
implements Map<K,V>, Cloneable, Serializable {
private static final long serialVersionUID = 362498820763181265L;
// 默认初始化容量 1×2^4 = 16
static final int DEFAULT_INITIAL_CAPACITY = 1 << 4;
// 集合最大容量 1×2^30 = 10737411824
static final int MAXIMUM_CAPACITY = 1 << 30;
// 默认加载因子大小 0.75f
static final float DEFAULT_LOAD_FACTOR = 0.75f;
// hashMap的链表数组(哈希表,哈希桶)
transient Node<K,V>[] table;
// hashMap的大小
transient int size;
// 结构修改次数
transient int modCount;
// 扩容阈值
int threshold;
// 负载因子
final float loadFactor;
static class Node<K,V> implements Map.Entry<K,V> {
// hash 值
final int hash;
// 键
final K key;
// 值
V value;
// 后驱节点
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;
}
...
}
// 方法
...
}
从中我们可以看到 HashMap 类中有个内部类 Node
,它是用于具体存放数据的类,Node
类中有四个属性 hash
、key
、value
和 next
,它们分别存放 hash 值(根据 key 通过算法计算得来)
、键值对的键
、键值对的值
和后驱节点
,并且 Node
类中重写了 hashCode()
和 equals()
方法。
HashMap
类有几个较为关键的属性,分别是:
- Node<K,V>[]
table
:hashMap 的链表数组(哈希表,哈希桶) - int
size
:hashMap的大小 - int
threshold
:扩容阈值 - float
loadFactor
:负载因子
接下来我大概解析下 HashMap 的这几个方法:
/**
* Constructs an empty <tt>HashMap</tt> with the default initial capacity
* (16) and the default load factor (0.75).
*/
public HashMap() {
this.loadFactor = DEFAULT_LOAD_FACTOR; // all other fields defaulted
}
它的无参构造方法中设置了负载因子
的大小,跟进 DEFAULT_LOAD_FACTOR
可知负载因子为 0.75f
/**
* The load factor used when none specified in constructor.
*/
static final float DEFAULT_LOAD_FACTOR = 0.75f;
loadFactor
加载因子的主要作用就是通过集合的大小计算出 阈值
,在添加元素的时候,如果集合大小超过了这个 阈值
,就会去扩容
方法一:
public HashMap(int initialCapacity, float loadFactor) {
// 容量初始长度校验
if (initialCapacity < 0)
throw new IllegalArgumentException("Illegal initial capacity: " +
initialCapacity);
// 如果初始化的长度超过容量的最大值,取容量最大值
if (initialCapacity > MAXIMUM_CAPACITY)
initialCapacity = MAXIMUM_CAPACITY;
// 负载因子校验
if (loadFactor <= 0 || Float.isNaN(loadFactor))
throw new IllegalArgumentException("Illegal load factor: " +
loadFactor);
// 负载因子赋值
this.loadFactor = loadFactor;
//
this.threshold = tableSizeFor(initialCapacity);
}
hashMap 中哈希表的长度只能是 2 的次方数
,并不会根据传进来的 initialCapacity
的值来创建指定大小的数组,而是需要通过 tableSeizFor()
这个方法去计算得到的值作为初始化数组的长度。tableSeizFor()
方法会返回一个大于等于当前 cap 的一个数字,而且该数字一定是 2 的次方数。
/**
* Returns a power of two size for the given target capacity.
*/
// 返回一个大于等于当前 cap 的一个数字,而且该数字一定是 2 的次方数
static final int tableSizeFor(int cap) {
int n = cap - 1;
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;
}
方法二:
/**
* Constructs an empty <tt>HashMap</tt> with the specified initial
* capacity and the default load factor (0.75).
*
* @param initialCapacity the initial capacity.
* @throws IllegalArgumentException if the initial capacity is negative.
*/
public HashMap(int initialCapacity) {
this(initialCapacity, DEFAULT_LOAD_FACTOR);
}
方法三:
/**
* Constructs a new <tt>HashMap</tt> with the same mappings as the
* specified <tt>Map</tt>. The <tt>HashMap</tt> is created with
* default load factor (0.75) and an initial capacity sufficient to
* hold the mappings in the specified <tt>Map</tt>.
*
* @param m the map whose mappings are to be placed in this map
* @throws NullPointerException if the specified map is null
*/
public HashMap(Map<? extends K, ? extends V> m) {
this.loadFactor = DEFAULT_LOAD_FACTOR;
putMapEntries(m, false);
}
initialCapacity
是集合的初始容量
。
该方法的作用是:往 Map 集合中添加一对键值对数据 key-value
这个方法是 HashMap 中一个比较重要,也是比较复杂的方法,我先大概说下put()
方法的逻辑:
- 在添加键值对前会先通过 key 计算出一个 hash 值
- 如果是第一次添加数据,数组的长度会扩容到 16
- 数据添加时会先通过数组长度和 hash 值计算出当前添加的数据应处于哪个索引上
- 如果索引上没有节点,则创建新的节点将数据赋值该节点上并置于索引上
- 如果索引上有节点,则遍历链表或者红黑树,对比 key 是否存在
- 存在,则替换原 value 的值,结束方法
- 不存在,则创建新的节点将数据赋值该节点上并挂载到链表或者红黑树后
- 集合大小 + 1
- 判断当前集合大小是否超过阈值
- 超过,则扩容
OK,上源码:
/**
* Associates the specified value with the specified key in this map.
* If the map previously contained a mapping for the key, the old
* value is replaced.
*
* @param key key with which the specified value is to be associated
* @param value value to be associated with the specified key
* @return the previous value associated with <tt>key</tt>, or
* <tt>null</tt> if there was no mapping for <tt>key</tt>.
* (A <tt>null</tt> return can also indicate that the map
* previously associated <tt>null</tt> with <tt>key</tt>.)
*/
public V put(K key, V value) {
return putVal(hash(key), key, value, false, true);
}
该方法中会先取键值对数据的 key
,通过 hash()
方法计算出一个 hash值
。
static final int hash(Object key) {
int h;
// 如果 key 为 null 则 返回 0
// 如果 key 不为 null 则将 hashCode 值无符号右移16位再进行异或操作 得到的值返回
return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}
- 当 key
为 null
时,得到的hash值
为0
- 当 key
不为 null
时,该方法计算出的hash值
是hashCode 无符号右移 16 位再进行异或操作计算出来的值
这样计算 hash 值时为了让不同的 key 尽量避免得到相同的 hash 值,降低 hash 冲突
哈希碰撞:两个元素的 key 计算的 hash 码值相同就会发生 hash 碰撞
跟进 putVal()
方法
/**
* 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) {
// 定义了一些辅助变量
Node<K,V>[] tab; Node<K,V> p; int n, i;
// 如果数组为空
if ((tab = table) == null || (n = tab.length) == 0)
// 第一次扩容数组到16个空间
n = (tab = resize()).length;
// 通过(数组长度-1)和hash值进行 & 运算,得到当前键值对应存放的索引位置
// 判断该索引位置上是否为空
if ((p = tab[i = (n - 1) & hash]) == null)
// 为空则创建新的节点存放键值对数据并赋值在 tab[i] 索引处
tab[i] = newNode(hash, key, value, null);
else {
// 如果不为空,则表示当前索引位置已添加过节点
// 定义一些变量
Node<K,V> e; K k;
// 通过hash值和equals()方法比较索引位置上节点 p 的key是否和当前插入的一样
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
// 如果一样,则将 p 赋值给 e
e = p;
// 判断索引位置上节点 p 是否为树节点
else if (p instanceof TreeNode)
// 将当前数据挂载到树上(方法内部也会通过 hash 和 equals 去对比 key)
e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
else {
// 死循环遍历数组下的链表,每循环一次 binCount+1
for (int binCount = 0; ; ++binCount) {
// 判断是否为链表的最后一个节点
if ((e = p.next) == null) {
// 尾插法:如果是,则将节点挂载到当前链表后
p.next = newNode(hash, key, value, null);
// 判断当前链表上的节点是否大于或者等于8个
if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st
// 如果是,则会进入当下方法对链表进行树化
// treeifBin 方法还会去判断数组的长度是否小于 64,没有则会进行扩容
treeifyBin(tab, hash);
// 结束循环
break;
}
// 如果链表上有节点的 key 和当前需存放键值对的 key 相同
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
// 结束循环
break;
// e 赋值给 p,这段代码可以理解为指针在链表上往下游
p = e;
}
}
// 判断 e 是否不为空
if (e != null) { // existing mapping for key
// 不为空说明当前 key 已在 map 中存在
V oldValue = e.value;
if (!onlyIfAbsent || oldValue == null)
// 替换掉原来 key 所对应的 value 值
e.value = value;
// 该方法供子类实现,自己什么都不干
afterNodeAccess(e);
// 返回原 value 值
return oldValue;
}
}
// 修改次数+1
++modCount;
// 判断集合大小是否大于它的阈值
if (++size > threshold)
// 是,则进行扩容
resize();
// 该方法供子类实现,自己什么都不干
afterNodeInsertion(evict);
// 插入成功会返回 null
return null;
}
我已经将上面代码的注释尽可能写得较详细了,所以就不再写一遍该方法的逻辑,这里我就挑几个点深入:
- 通过 (n - 1) & hash 计算出当前元素应插入到哈希表中的哪个索引上
- newNode() 为创建节点的方法,同时也会将键值对的数据封装到该节点中
- resize() 方法为
hashMap
底层的扩容方法,在以下情况中会调用- 第一次添加元素,哈希表扩容至 16 格
- 集合大小超过阈值,哈希表扩容为原数组长度的 2 倍
- 执行 treeifyBin() 进行树化,未满足树化条件时
- treeifyBin() 链表树化的方法
(n - 1) & hash
为什么这句代码能够得到当前元素应插入的索引位置?
这里的n
为哈希表的长度,假设哈希表的长度为 16,hash 值为5847
,即 15 & 5847
15 ====== 0000 0000 0000 1111
5847 === & 0001 0110 1101 0111
计算结果: 0000 0000 0000 0111 ==> 为 7
由此可见当两个数进行&
运算的时候得到的结果一定是小于等于低位数
// Create a regular (non-tree) node
Node<K,V> newNode(int hash, K key, V value, Node<K,V> next) {
return new Node<>(hash, key, value, next);
}
该方法就很简单,创建一个 Node
对象,然后进行赋值。
/**
* Initializes or doubles table size. If null, allocates in
* accord with initial capacity target held in field threshold.
* Otherwise, because we are using power-of-two expansion, the
* elements from each bin must either stay at same index, or move
* with a power of two offset in the new table.
*
* @return the table
*/
final Node<K,V>[] resize() {
// 获取扩容前的哈希表 oldTab
Node<K,V>[] oldTab = table;
// 获取扩容前 table 的长度 oldCap
int oldCap = (oldTab == null) ? 0 : oldTab.length;
// 获取当前扩容的阈值 oldThr
int oldThr = threshold;
// 定义扩容后的 table 大小 newCap 和扩容之后的扩容阈值大小 newThr
int newCap, newThr = 0;
// 判断当前数组大小是否大于 0
if (oldCap > 0) {
// 条件成立则表示 hashMap 中的散列表已经初始化过了,这是一次正常的扩容
// 判断扩容前的数组大小是否 >= 最大容量
if (oldCap >= MAXIMUM_CAPACITY) {
// 将阈值设置到最大
threshold = Integer.MAX_VALUE;
// 不扩容,直接返回当前数组
return oldTab;
}
// 设置 newCap = oldCap × 2;新数组的长度为原来的2倍
// 判断新数组长度是否小于最大容量,并且当前数组长度需要 >= 16
else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&
oldCap >= DEFAULT_INITIAL_CAPACITY)
// 如果满足,新扩容阈值 = 原扩容阈值 × 2
newThr = oldThr << 1; // double threshold
}
// oldCap == 0,说明 hashMap 中的散列表是 null
// 1. new HashMap(initCap,loadFactor);
// 2. new hashMap(initCap);
// 3. new HashMap(map); 并且 map 中有数据
else if (oldThr > 0) // initial capacity was placed in threshold
// 新数组的长度 = tableSizeFor()方法计算出的扩容阈值,这个数一定是 2 的次方数
newCap = oldThr;
// oldCap == 0,oldThr == 0
// new HashMap();
else { // zero initial threshold signifies using defaults
// 数组大小 = 16
newCap = DEFAULT_INITIAL_CAPACITY;
// 扩容阈值 = 16 × 0.75 = 12
newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);
}
// 判读新的扩容阈值是否等于 0
if (newThr == 0) {
// 通过 newCap 和 loadFactor 计算出一个扩容阈值
float ft = (float)newCap * loadFactor;
newThr = (newCap < MAXIMUM_CAPACITY && ft < (float)MAXIMUM_CAPACITY ?
(int)ft : Integer.MAX_VALUE);
}
// 设置 hashMap 新的扩容阈值
threshold = newThr;
// 压制警告
@SuppressWarnings({"rawtypes","unchecked"})
// 根据 newCap 新建一个数组 newTab
Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap];
// 新创建的数组赋值给 table
table = newTab;
// 判断原哈希表是否为空
if (oldTab != null) {
// 遍历原数组,进行数据迁移
for (int j = 0; j < oldCap; ++j) {
// 当前 node 节点
Node<K,V> e;
// 将原数组中索引位置上的节点 oldTab[j] 赋值给 e
// 判断 e 是否为空
if ((e = oldTab[j]) != null) {
// 如果 e 不为 null,说明在原数组中 j 处索引上是有数据的
// 清空老数组中的数据,方便 JVM GC
oldTab[j] = null;
// 判断 e 的后驱节点为 null
if (e.next == null)
// 是,则说明当前桶位只有一个元素,从未发生过 hash 碰撞,直接计算出当前元素应存放在新数组中的位置,然后扔进去即可
newTab[e.hash & (newCap - 1)] = e;
// 判断当前节点是否已经树化
else if (e instanceof TreeNode)
// 作为红黑树的节点,调用split方法进行处理
((TreeNode<K,V>)e).split(this, newTab, j, oldCap);
else { // preserve order
// 桶位已形成链表
// 低位链表:存放在扩容之后的数组的下标位置,与当前的下标位置一致
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;
// 定义变量 next,表示当前链表的下一个节点
Node<K,V> next;
do {
next = e.next;
// 判断节点 e 是存放在低位链表还是高位链表上
if ((e.hash & oldCap) == 0) {
//表明节点 e 为低位节点,将低位节点存放到低位链表上
if (loTail == null)
loHead = e;
else
loTail.next = e;
loTail = e;
}
else {
// 表明节点 e 为高位节点,将高位节点存放到高位链表上
if (hiTail == null)
hiHead = e;
else
hiTail.next = e;
hiTail = e;
}
// 链表遍历结束,则跳出循环
} while ((e = next) != null);
// 判断低位链表尾节点是否存在
if (loTail != null) {
// 将低位链表尾节点指向 null
loTail.next = null;
// 将低位链表挂载到原数组索引位置上
newTab[j] = loHead;
}
// 判断高位俩表尾节点是否存在
if (hiTail != null) {
// 将高位链表尾节点指向 null
hiTail.next = null;
// 将高位链表挂载到(原数组索引 + 原数组大小)的索引位置上
newTab[j + oldCap] = hiHead;
}
}
}
}
}
return newTab;
}
为什么 HashMap 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
这个方法会先去计算扩容后的哈希表长度 newCap
和扩容后的扩容阈值 newThr
,根据 newCap
新键一个 Node[] 数组
作为扩容后的哈希表,再将原数组 oldTab
里面的元素迁移到新数组 newTab
中。
比较难理解的地方就是数据迁移那块代码了,分为三种情况:
- 第一种情况是
哈希桶
中只有一个节点
,这种情况也是最简单的,可直接通过hash & (newCap - 1)
来确定该节点在扩容后的数组中存放的位置,直接添加上去即可,该节点在新数组的坐标位置要么和原坐标位置相同,要么在原坐标的位置上加上原数组的长度 - 第二中情况是哈希桶中存放的是
红黑树
,会调用split()
方法进行处理 - 第三种情况是哈希桶中存放的是
单链表
,就去遍历该链表中的元素,将这些元素通过hash & oldCap
分为两组(低位链表和高位链表),将低位链表中的节点保存在原索引
位置下,高位链表中的节点保存在(原索引+原数组长度)
计算得来的索引位置上
为什么能通过
hash & oldCap
将哈希桶中的子集分为高、低两组?
因为哈希表的长度为 2n ,也就是说在进行 & 操作的时候得到的结果只可能是0
或者大于 0
,为 0 则加入低链表组,大于 0
则加入高链表组,例如:
16 ====== 0000 0000 0001
0000
5847 === & 0001 0110 1101
0111
计算结果: 0000 0000 0001 0000==> 在第 5 位的两个数进行 & 运算只有两种结果,0 或 1
这也间接说明了为何哈希表的长度必须
是 2n 了
/**
* Replaces all linked nodes in bin at index for given hash unless
* table is too small, in which case resizes instead.
*/
final void treeifyBin(Node<K,V>[] tab, int hash) {
int n, index; Node<K,V> e;
// 先判断 tab 的大小是否 < 64
if (tab == null || (n = tab.length) < MIN_TREEIFY_CAPACITY)
// 进行扩容
resize();
// 转成红黑树
else if ((e = tab[index = (n - 1) & hash]) != null) {
TreeNode<K,V> hd = null, tl = null;
do {
TreeNode<K,V> p = replacementTreeNode(e, null);
if (tl == null)
hd = p;
else {
p.prev = tl;
tl.next = p;
}
tl = p;
} while ((e = e.next) != null);
if ((tab[index] = hd) != null)
hd.treeify(tab);
}
}
可以看到链表如果想要进化成 红黑树
结构,还必须要求哈希表的长度大于等于 64
。
以上就是 HashMap 的 put()
方法的源码解读了,关于如何进化成红黑树,以及红黑树中怎么添加节点,就不放在本文赘述了,到时候再盘一盘红黑树的底层逻辑。
该方法的作用是通过 key 来获取对应的 value 值的。
源码如下:
/**
* Returns the value to which the specified key is mapped,
* or {@code null} if this map contains no mapping for the key.
*
* <p>More formally, if this map contains a mapping from a key
* {@code k} to a value {@code v} such that {@code (key==null ? k==null :
* key.equals(k))}, then this method returns {@code v}; otherwise
* it returns {@code null}. (There can be at most one such mapping.)
*
* <p>A return value of {@code null} does not <i>necessarily</i>
* indicate that the map contains no mapping for the key; it's also
* possible that the map explicitly maps the key to {@code null}.
* The {@link #containsKey containsKey} operation may be used to
* distinguish these two cases.
*
* @see #put(Object, Object)
*/
public V get(Object key) {
Node<K,V> e;
return (e = getNode(hash(key), key)) == null ? null : e.value;
}
可以看到该方法会先通过 hash() 方法计算出哈希值,然后再调用了 getNode()
方法
/**
* 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:桶位中的头元素
// e:临时节点
// n:table 数组长度
Node<K,V>[] tab; Node<K,V> first, e; int n; K k;
// 判断 table 是否为空,并且定位的哈希桶里面是否有数据
if ((tab = table) != null && (n = tab.length) > 0 &&
(first = tab[(n - 1) & hash]) != null) {
// 情况一:定位出来的桶位元素,就是需要 get 的数据
if (first.hash == hash && // always check first node
((k = first.key) == key || (key != null && key.equals(k))))
// 返回
return first;
// 情况二:桶位不是单个元素,可能是树,也可能是链表
if ((e = first.next) != null) {
// 判断头节点是否位树节点
if (first instanceof TreeNode)
// 从树节点中获取数据
return ((TreeNode<K,V>)first).getTreeNode(hash, key);
// 桶位形成链表,遍历列表获取目标节点
do {
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
return e;
} while ((e = e.next) != null);
}
}
return null;
}
- 先通过
(n - 1) & hash
定位坐标,获取对应的哈希桶 - 如果桶位节点是 get 的目标节点,则直接返回
- 不是,则分为两种情况
- 红黑树,通过
getThreeNode()
方法获取目标节点,返回 - 链表,通过遍历的方式获取目标节点,返回
- 红黑树,通过
该方法的作用就是移除指定 key 的数据。
/**
* Removes the mapping for the specified key from this map if present.
*
* @param key key whose mapping is to be removed from the map
* @return the previous value associated with <tt>key</tt>, or
* <tt>null</tt> if there was no mapping for <tt>key</tt>.
* (A <tt>null</tt> return can also indicate that the map
* previously associated <tt>null</tt> with <tt>key</tt>.)
*/
public V remove(Object key) {
Node<K,V> e;
return (e = removeNode(hash(key), key, null, false, true)) == null ?
null : e.value;
}
方法内部其实是调用了 removeNode()
方法移除节点,matchValue
的参数为 false
/**
* 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
*/
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:表示散列表数组长度
// index:表示寻址结果
Node<K,V>[] tab; Node<K,V> p; int n, index;
// 判断 table 是否为空,并且定位的哈希桶里面是否有数据
if ((tab = table) != null && (n = tab.length) > 0 &&
(p = tab[index = (n - 1) & hash]) != null) {
// node:表示查找到的结果
// e:表示当前 node 的后驱节点
Node<K,V> node = null, e; K k; V v;
// 情况一:定位出来的桶位元素,就是需要 remove 的数据
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
node = p;
// 说明当前桶位要么是链表,要么是红黑树
else if ((e = p.next) != null) {
// 判断当前桶位是否为红黑树
if (p instanceof TreeNode)
// 红黑树查找
node = ((TreeNode<K,V>)p).getTreeNode(hash, key);
else {
// 遍历链表查找
do {
if (e.hash == hash &&
((k = e.key) == key ||
(key != null && key.equals(k)))) {
node = e;
break;
}
p = e;
} while ((e = e.next) != null);
}
}
// node 不为空,表示获取到需要删除的数据
// 看是否满足删除的条件
if (node != null && (!matchValue || (v = node.value) == value ||
(value != null && value.equals(v)))) {
// 判断节点是否为树节点
if (node instanceof TreeNode)
// removeTreeNode() 方法删除节点
((TreeNode<K,V>)node).removeTreeNode(this, tab, movable);
// 删除的为链表中的首位元素
else if (node == p)
// 将 node 节点的后驱节点作为头节点
tab[index] = node.next;
else
// 将 node 节点的后驱节点作为当前节点的后驱节点
p.next = node.next;
// 修改次数+1
++modCount;
// 集合大小-1
--size;
// 供子类实现的方法
afterNodeRemoval(node);
return node;
}
}
return null;
}
该方法的大概逻辑就是先找到需要删除的 node 节点,然后判断是否满足删除的条件,根据节点的位置 remove
节点数据。