1、HashMap 简介
1.1、常用数据结构
数组:采用一段连续的存储单元来存储数据。对于指定下标的查找,时间复杂度为O(1);通过给定值进行查找,需要遍历数组,逐一比对给定关键字和数组元素,时间复杂度为O(n),当然,对于有序数组,则可采用二分查找,插值查找,斐波那契查找等方式,可将查找复杂度提高为O(logn);对于一般的插入删除操作,涉及到数组元素的移动,其平均复杂度也为O(n)
线性链表:对于链表的新增,删除等操作(在找到指定操作位置后),仅需处理结点间的引用即可,时间复杂度为O(1),而查找操作需要遍历链表逐一进行比对,复杂度为O(n)
二叉树:对一棵相对平衡的有序二叉树,对其进行插入,查找,删除等操作,平均复杂度均为O(logn)。
哈希表:相比上述几种数据结构,在哈希表中进行添加,删除,查找等操作,性能十分之高,不考虑哈希冲突的情况下,仅需一次定位即可完成,时间复杂度为O(1),接下来我们就来看看哈希表是如何实现达到惊艳的常数阶O(1)的。
1.2、HashMap 如何做到 O(1)
而我们知道,数据的存储结构只有两种方式:顺序存储结构 和 链式存储结构(像栈,队列,树,图等是从逻辑结构去抽象的,映射到内存中,也这两种物理组织形式),而在上面我们提到过,在数组中根据下标查找某个元素,一次定位就可以达到,哈希表利用了这种特性,哈希表的主干就是数组。
我们要新增或查找某个元素,我们通过把当前元素的关键字 通过某个函数映射到数组中的某个位置,通过数组下标一次定位就可完成操作。
存储位置 = f(关键字)
这个函数f一般称为哈希函数,这个函数的设计好坏会直接影响到哈希表的优劣。
查找操作同理,先通过哈希函数计算出实际存储地址,然后从数组中对应地址取出即可。
1.3、哈希冲突
如果两个不同的元素,通过哈希函数得出的实际存储地址相同怎么办?
也就是说,当我们对某个元素进行哈希运算,得到一个存储地址,然后要进行插入的时候,发现已经被其他元素占用了,其实这就是所谓的哈希冲突,也叫哈希碰撞。
前面我们提到过,哈希函数的设计至关重要,好的哈希函数会尽可能地保证 计算简单和散列地址分布均匀,但是,我们需要清楚的是,数组是一块连续的固定长度的内存空间,再好的哈希函数也不能保证得到的存储地址绝对不发生冲突。那么哈希冲突如何解决呢?
哈希冲突的解决方案有多种:开放定址法(发生冲突,继续寻找下一块未被占用的存储地址),再散列函数法,链地址法,而HashMap即是采用了链地址法,也就是数组+链表的方式。(JDK1.8 链表+红黑树)
1.4、两个重要定论
- key1==key2,则hash1==hash2
- 同一个桶中,可能存在不同的hash值的节点
具体原因可以看 ConcurrentHashMap 中的讨论!!!
2、HashMap 结构图
HashMap由数组+链表组成的,数组是HashMap的主体,链表则是主要为了解决哈希冲突而存在的,如果定位到的数组位置不含链表(当前entry的next指向null),那么对于查找,添加等操作很快,仅需一次寻址即可;如果定位到的数组包含链表,对于添加操作,其时间复杂度为O(n),首先遍历链表,存在即覆盖,否则新增;对于查找操作来讲,仍需遍历链表,然后通过key对象的equals方法逐一比对查找。所以,性能考虑,HashMap中的链表出现越少,性能才会越好。
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)。
3、HashMap 继承关系图
4、HashMap 源码分析
HashMap共有13个内部类。分别是:(1)Node<K,V> (2)KeySet (3)Values (4)EntrySet (5)HashIterator
(6)KeyIterator (7)ValueIterator (8)EntryIterator (9)HashMapSpliterator<K,V> (10)KeySpliterator<K,V>
(11)ValueSpliterator<K,V> (12)EntrySpliterator<K,V> (13)TreeNode<K,V>。我们在这不一一介绍了,只介绍几个和我们关注的成员方法有关的。
4.1、下面介绍下HashMap的内部类
Node<K,V>
static class Node<K,V> implements Map.Entry<K,V> {
final int hash; // hash值
final K key; // 注意key不可改变
V value;
Node<K,V> next; // 下一个节点
// 构造方法
Node(int hash, K key, V value, Node<K,V> next) {
this.hash = hash;
this.key = key;
this.value = value;
this.next = next;
}
// 获取key和value
public final K getKey() { return key; }
public final V getValue() { return value; }
public final String toString() { return key + "=" + value; }
// 计算节点的hashCode(key的hashCode和value的想与)
public final int hashCode() {
return Objects.hashCode(key) ^ Objects.hashCode(value);
}
// 设置value,没有设置key的方法(key为final)
public final V setValue(V newValue) {
V oldValue = value;
value = newValue;
return oldValue;
}
// 比较两个节点是否相等
public final boolean equals(Object o) {
if (o == this)
return true;
if (o instanceof Map.Entry) {
Map.Entry<?,?> e = (Map.Entry<?,?>)o;
if (Objects.equals(key, e.getKey()) && Objects.equals(value, e.getValue()))
return true;
}
return false;
}
}
Node节点的定义比较简单。成员变量4个:hash、key(final)、value、next(Node);成员方法主要包含获取、添加、对比。
TreeNode<K,V>
static final class TreeNode<K,V> extends LinkedHashMap.Entry<K,V> {
TreeNode<K,V> parent; // 红黑树parent节点
TreeNode<K,V> left; // 左节点
TreeNode<K,V> right; // 右节点
TreeNode<K,V> prev; // 前驱节点
boolean red; // 颜色
// 构造方法
TreeNode(int hash, K key, V val, Node<K,V> next) {
super(hash, key, val, next);
}
......
}
4.2、HashMap 的成员变量 和 构造方法
public class HashMap<K,V> extends AbstractMap<K,V> implements Map<K,V>, Cloneable, Serializable {
private static final long serialVersionUID = 362498820763181265L; //版本序列号
static final int DEFAULT_INITIAL_CAPACITY = 1 << 4; // 默认初始容量(16)
static final int MAXIMUM_CAPACITY = 1 << 30; // 最大容量(2^30)
static final float DEFAULT_LOAD_FACTOR = 0.75f; // 默认装载因子(0.75),和扩容有关
static final int TREEIFY_THRESHOLD = 8; //当某个桶节点数量大于8时,会转换为红黑树。
static final int UNTREEIFY_THRESHOLD = 6; //当某个桶节点数量小于6时,会转换为链表,前提是它当前是红黑树结构。
static final int MIN_TREEIFY_CAPACITY = 64; // 当整个hashMap中元素数量大于64时,也会进行转为红黑树结构
//存储元素的数组,transient关键字表示该属性不能被序列化
transient Node<K,V>[] table;
//将数据转换成set的另一种存储形式,这个变量主要用于迭代功能
transient Set<Map.Entry<K,V>> entrySet;
//元素数量
transient int size;
//统计该map修改的次数
transient int modCount;
//临界值,也就是元素数量达到临界值时,会进行扩容
int threshold;
//也是加载因子,只不过这个是变量
final float loadFactor;
下面是构造方法(4个)
// 1.默认构造方法
public HashMap() {
this.loadFactor = DEFAULT_LOAD_FACTOR; // all other fields defaulted
}
// 2.带初始化容量
public HashMap(int initialCapacity) {
this(initialCapacity, DEFAULT_LOAD_FACTOR);
}
// 3.带初始化容量,装载因子
public HashMap(int initialCapacity, float loadFactor) {
// 初始化容量只能在 0~MAXIMUM_CAPACITY 之间
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);
this.loadFactor = loadFactor;
this.threshold = tableSizeFor(initialCapacity);
}
// 4.用一个Map来初始化HashMap
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) {
if (table == null) { // table还没有初始化
// 求出需要的容量,因为实际使用的长度=容量*0.75得来的,+1是因为小数相除,基本都不会是整数
//容量大小不能为小数的,后面转换为int,多余的小数就要被丢掉,所以+1,
//例如,map实际长度22,22/0.75=29.3,所需要的容量肯定为30,
//有人会问如果刚刚好除得整数呢,除得整数的话,容量大小多1也没什么影响
float ft = ((float)s / loadFactor) + 1.0F;
// 容量不能超过上限
int t = ((ft < (float)MAXIMUM_CAPACITY) ? (int)ft : MAXIMUM_CAPACITY);
//对临界值进行初始化,tableSizeFor(t)这个方法会返回大于t值的,且离其最近的2次幂,例如t为29,则返回的值是32
if (t > threshold)
threshold = tableSizeFor(t); // 后面介绍
}
//如果table已经初始化,则进行扩容操作,resize()就是扩容
else if (s > threshold)
resize(); // 后面介绍
//遍历m,将(k,v)一个一个放入HashMap中。为什么使用这个方式进行遍历,因为效率高
for (Map.Entry<? extends K, ? extends V> e : m.entrySet()) {
K key = e.getKey();
V value = e.getValue();
putVal(hash(key), key, value, false, evict);
}
}
}
4.3、扩容,计算容量的方法
tableSizeFor(int) 计算目标容量(大于参数,最接近2的幂方)
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;
}
resize() 扩容(非常重要!!!这里有延迟初始化)
// 扩容
final Node<K,V>[] resize() {
// 1.保存oldTab,oldCap,oldThr
Node<K,V>[] oldTab = table;
int oldCap = (oldTab == null) ? 0 : oldTab.length;
int oldThr = threshold;
// 2.计算新的newCap,newThr
int newCap, newThr = 0;
// 不是首次初始化
if (oldCap > 0) {
if (oldCap >= MAXIMUM_CAPACITY) { // 如果原来的容量已达最大容量,则调大threshold,但不会扩容
threshold = Integer.MAX_VALUE;
return oldTab;
}
// ##其它情况,扩容两倍,并且扩容后的长度要小于最大值,old长度也要大于16
else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&
oldCap >= DEFAULT_INITIAL_CAPACITY)
newThr = oldThr << 1; // 阈值也扩大1倍
}
//如果oldCap<0,但是已经初始化了,像把元素删除完之后的情况,那么它的临界值肯定还存在,
//如果是首次初始化,它的临界值则为0
else if (oldThr > 0)
newCap = oldThr;
// 首次初始化,给与默认的值
else {
newCap = DEFAULT_INITIAL_CAPACITY;
newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);
}
//此处的if为上面标记##的补充,也就是初始化时容量小于默认值16的,此时newThr没有赋值
if (newThr == 0) {
float ft = (float)newCap * loadFactor;
//判断是否new容量是否大于最大值,临界值是否大于最大值
newThr = (newCap < MAXIMUM_CAPACITY && ft < (float)MAXIMUM_CAPACITY ?
(int)ft : Integer.MAX_VALUE);
}
//把上面各种情况分析出的临界值,在此处真正进行改变,也就是容量和临界值都改变了(!!!)
threshold = newThr;
//表示忽略该警告
@SuppressWarnings({"rawtypes","unchecked"})
Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap];
//赋予当前的table
table = newTab;
// 如果oldTab!=null,则将oldTab中的键值对移到table
if (oldTab != null) {
for (int j = 0; j < oldCap; ++j) { // 遍历oldTab
Node<K,V> e; // 临时变量
if ((e = oldTab[j]) != null) { //去除的键值对赋给临时变量
oldTab[j] = null; // GC
// 该桶中不存在冲突(只有一个节点)
if (e.next == null)
//把该变量的值存入newTab中,e.hash & (newCap - 1)并不等于j
newTab[e.hash & (newCap - 1)] = e;
//该节点为红黑树结构,也就是存在哈希冲突,该哈希桶中有多个元素
else if (e instanceof TreeNode)
//把此树进行转移到newTab中
((TreeNode<K,V>)e).split(this, newTab, j, oldCap);
//链表结构,同样把链表转移到newCap中,就是把链表遍历后,把值转过去,在置位null
else {
// lo链表 和 hi链表, loHead 和 loTail 分别指向 lo链表的头节点和尾节点, hiHead 和 hiTail以此类推
Node<K,V> loHead = null, loTail = null;
Node<K,V> hiHead = null, hiTail = null;
Node<K,V> next;
do {
next = e.next;
// 插入lo链表
if ((e.hash & oldCap) == 0) {
if (loTail == null)
loHead = e;
else
loTail.next = e;
loTail = e;
}
// 插入hi链表
else {
if (hiTail == null)
hiHead = e;
else
hiTail.next = e;
hiTail = e;
}
//我们首先准备了两个链表 lo 和 hi, 然后我们顺序遍历该存储桶上的链表的每个节点
// // 如果 (e.hash & oldCap) == 0, 我们就将节点放入lo链表, 否则, 放入hi链表
} while ((e = next) != null);
//如果lo链表非空, 我们就把整个lo链表放到新table的j位置上
//如果hi链表非空, 我们就把整个hi链表放到新table的j+oldCap位置上
if (loTail != null) {
loTail.next = null; //尾节点置空
newTab[j] = loHead;
}
if (hiTail != null) {
hiTail.next = null; //尾节点置空
newTab[j + oldCap] = hiHead;
}
}
}
}
}
return newTab; //返回扩容后的代码
}
最后的段代码的意义就是将原来的链表拆分成两个链表, 并将这两个链表分别放到新的table的 j
位置和 j+oldCap
上, j
位置就是原链表在原table中的位置, 拆分的标准就是:
(e.hash & oldCap) == 0
4.4、关于 (e.hash & oldCap) == 0
j
以及 j+oldCap
上面我们已经弄懂了链表拆分的代码, 但是这个拆分条件看上去很奇怪, 这里我们来稍微解释一下:
首先我们要明确三点:
- oldCap一定是2的整数次幂, 这里假设是2^m
- newCap是oldCap的两倍, 则会是2^(m+1)
- hash对数组大小取模
(n - 1) & hash
其实就是取hash的低m
位
例如:
我们假设 oldCap = 16, 即 2^4,
16 - 1 = 15, 二进制表示为 0000 0000 0000 0000 0000 0000 0000 1111
可见除了低4位, 其他位置都是0(简洁起见,高位的0后面就不写了), 则 (16-1) & hash
自然就是取hash值的低4位,我们假设它为 abcd
.
以此类推, 当我们将oldCap扩大两倍后, 新的index的位置就变成了 (32-1) & hash
, 其实就是取 hash值的低5位. 那么对于同一个Node, 低5位的值无外乎下面两种情况:
0abcd
1abcd
其中, 0abcd
与原来的index值一致, 而1abcd
= 0abcd + 10000
= 0abcd + oldCap
故虽然数组大小扩大了一倍,但是同一个key
在新旧table中对应的index却存在一定联系: 要么一致,要么相差一个 oldCap
。
而新旧index是否一致就体现在hash值的第4位(我们把最低为称作第0位), 怎么拿到这一位的值呢, 只要:
hash & 0000 0000 0000 0000 0000 0000 0001 0000
上式就等效于
hash & oldCap
故得出结论:
如果(e.hash & oldCap) == 0
则该节点在新表的下标位置与旧表一致都为j
如果(e.hash & oldCap) == 1
则该节点在新表的下标位置j + oldCap
根据这个条件, 我们将原位置的链表拆分成两个链表, 然后一次性将整个链表放到新的Table对应的位置上.
怎么样? 这个设计是不是很巧妙, 反正LZ是无比佩服源码作者的!
总结
- resize发生在table初始化, 或者table中的节点数超过
threshold
值的时候,threshold
的值一般为负载因子乘以容量大小. - 每次扩容都会新建一个table, 新建的table的大小为原大小的2倍.
- 扩容时,会将原table中的节点re-hash到新的table中, 但节点在新旧table中的位置存在一定联系: 要么下标相同, 要么相差一个
oldCap
(原table的大小).
4.5、计算hash值(注意,hash之和key有关,和value无关)
// 先获取到key的hashCode,然后进行移位再进行异或运算,为什么这么复杂,不用想肯定是为了减少hash冲突
static final int hash(Object key) {
int h;
return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}
4.6、获取元素 get(Object key)
没有获取value的操作,因为查找要用到hash定位,而hash之和key有关
// 根据key获取value
public V get(Object key) {
// 实际上就是调用的 getNode(int hash, Object k)方法
Node<K,V> e;
return (e = getNode(hash(key), key)) == null ? null : e.value;
}
// 根据hash值获取value
final Node<K,V> getNode(int hash, Object key) {
//first 头结点(那个桶的头节点),e 临时变量,n 长度,k key
Node<K,V>[] tab; Node<K,V> first, e; int n; K k;
//头结点也就是数组下标的节点
if ((tab = table) != null && (n = tab.length) > 0 &&
(first = tab[(n - 1) & hash]) != null) {
//情况1:如果是头结点,则直接返回头结点
if (first.hash == hash &&
((k = first.key) == key || (key != null && key.equals(k))))
return first;
//情况2:不是头结点,且桶中元素不止一个,则遍历桶查找
if ((e = first.next) != null) {
//判断是否是红黑树结构
if (first instanceof TreeNode)
return ((TreeNode<K,V>)first).getTreeNode(hash, key); //去红黑树中找,然后返回
do { //链表节点,一样遍历链表,找到该节点并返回
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
return e;
} while ((e = e.next) != null);
}
}
// 情况3:找不到
return null;
}
4.7、添加(修改)元素 put(K key , V value) 和 putAll(Map<? extends K, ? extends V> m)
// 实际上是调用 putVal(...)方法
public V put(K key, V value) {
return putVal(hash(key), key, value, false, true);
}
//第1个hash值,第4个参数表示如果该key存在值,如果为null的话,则插入新的value
//最后一个参数,在hashMap中没有用,可以不用管,使用默认的即可
final V putVal(int hash, K key, V value, boolean onlyIfAbsent, boolean evict) {
//tab 哈希数组,p 该哈希桶的首节点,n hashMap的长度,i 计算出的数组下标
Node<K,V>[] tab; Node<K,V> p; int n, i;
// 1.获取长度并进行扩容,使用的是懒加载,table一开始是没有加载的,等put后才开始加载(!!!)
if ((tab = table) == null || (n = tab.length) == 0)
n = (tab = resize()).length;
// 2.如果计算出的该哈希桶的位置没有值,则把新插入的key-value放到此处,此处就算没有插入成功,
//也就是发生哈希冲突时也会把哈希桶的首节点赋予p
if ((p = tab[i = (n - 1) & hash]) == null)
tab[i] = newNode(hash, key, value, null);
// 3.发生哈希冲突的几种情况
else {
Node<K,V> e; K k; //e 临时节点的作用, k 存放该当前节点的key
// 3.1首节点就是:插入的key-value的hash值,key都与当前节点的相等,e = p
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
e = p;
// 3.2 hash值不等于首节点
else if (p instanceof TreeNode) // p属于红黑树
e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value); //在红黑树中增加
else { // p在链表上(非首节点)
// 遍历链表
for (int binCount = 0; ; ++binCount) {
//如果找到尾部,则表明添加的key-value没有重复,在尾部进行添加
if ((e = p.next) == null) {
p.next = newNode(hash, key, value, null);
//判断是否要转换为红黑树结构
if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st
treeifyBin(tab, hash);
break;
}
//如果链表中有重复的key,e则为当前重复的节点,结束循环
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
break;
p = e; // p=p.next
}
}
// 4.有重复的key,则用待插入值进行覆盖,返回旧值
if (e != null) { // existing mapping for key
V oldValue = e.value;
if (!onlyIfAbsent || oldValue == null)
e.value = value; // 替换
// 5.此方法在hashMap中是为了让子类去实现,主要是对修改结点后的链表关系进行处理
afterNodeAccess(e);
return oldValue;
}
}
++modCount; // hashMap修改次数+1
// 6.如果大小超过阈值,扩容
if (++size > threshold)
resize();
// 此方法在hashMap中是为了让子类去实现,主要是对添加结点后的链表关系进行处理
afterNodeInsertion(evict);
return null;
}
public void putAll(Map<? extends K, ? extends V> m) {
putMapEntries(m, true); //就是遍历map,然后调用putVal()一个一个放
}
4.8、删除元素 remove(Object key)
// 根据key删除Entry
public V remove(Object key) {
Node<K,V> e;
// 实际上是调用的 根据hash删除元素
return (e = removeNode(hash(key), key, null, false, true)) == null ?
null : e.value;
}
// 根据hash值,删除元素
//第1参数为哈希值,第2个为key,第3个value,第4个为是为true的话,则表示删除它key对应的value,不删除key,
//第5个如果为false,则表示删除后,不移动节点
final Node<K,V> removeNode(int hash, Object key, Object value, boolean matchValue, boolean movable) {
// 1.tab 数组,p 数组下标的节点,n 长度,index 当前数组下标
Node<K,V>[] tab; Node<K,V> p; int n, index;
// 2.哈希数组不为null,且长度大于0,然后获得到要删除key的节点所在是数组下标位置
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;
// 3.(头节点就是)如果数组下标的节点正好是要删除的节点,把值赋给临时变量node
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
node = p;
// 4.头节点不是
else if ((e = p.next) != null) { // 有冲突元素
if (p instanceof TreeNode) // 在红黑树上
node = ((TreeNode<K,V>)p).getTreeNode(hash, key); //遍历红黑树,找到节点并返回
else { // 遍历链表,找到节点并返回
do {
if (e.hash == hash &&
((k = e.key) == key ||
(key != null && key.equals(k)))) {
node = e;
break;
}
// 如果进入了链表中的遍历,那么此处的p不再是数组下标的节点,而是要删除结点node的上一个结点
p = e;
} while ((e = e.next) != null);
}
}
// 5.找到要删除的节点后,判断!matchValue,我们正常的remove删除,!matchValue都为true
if (node != null && (!matchValue || (v = node.value) == value ||
(value != null && value.equals(v)))) {
// 节点node是红黑树上的节点,在红黑树中删除节点
if (node instanceof TreeNode)
((TreeNode<K,V>)node).removeTreeNode(this, tab, movable);
// 如果是链表结构,且删除的节点为数组下标节点,也就是头结点,直接让下一个作为头
else if (node == p)
tab[index] = node.next; // node.next也可以
// 为链表结构,删除的节点在链表中,把要删除的下一个结点设为上一个结点的下一个节点
else
p.next = node.next;
++modCount; // HashMap修改次数+1
--size; // 更新大小
// 6.此方法在hashMap中是为了让子类去实现,主要是对删除结点后的链表关系进行处理
afterNodeRemoval(node);
// 7.返回删除的节点
return node;
}
}
return null;
}
4.9 清空hashMap clear()
// 清空hashMap
public void clear() {
Node<K,V>[] tab;
modCount++; //hashMap修改次数+1
if ((tab = table) != null && size > 0) {
size = 0;
for (int i = 0; i < tab.length; ++i)
tab[i] = null; // 将桶的头节点全部置空
}
}
4.10、包含元素 containsKey(Object key) 和 containsValue(Object value)
// 是否包含键 key
public boolean containsKey(Object key) {
return getNode(hash(key), key) != null;
}
// 是否包含值 value
public boolean containsValue(Object value) {
Node<K,V>[] tab; V v;
if ((tab = table) != null && size > 0) {
// 遍历数组
for (int i = 0; i < tab.length; ++i) {
// 遍历桶中
for (Node<K,V> e = tab[i]; e != null; e = e.next) {
if ((v = e.value) == value ||
(value != null && value.equals(v)))
return true;
}
}
}
return false;
}
其他方法就不做介绍了!!!!!
5、常见面试题
5.1、当两个对象的hashcode相同会发生什么?
hashcode相同,说明两个对象HashMap数组的同一位置上,接着HashMap会遍历链表中的每个元素,通过key的equals方法来判断是否为同一个key,如果是同一个key,则新的value会覆盖旧的value,并且返回旧的value。如果不是同一个key,则存储在该位置上的链表的链尾。(在jdk1.8之前是插入头部的,在jdk1.8中是插入尾部的)
5.2、如果两个键的hashcode相同,你如何获取值对象?
遍历HashMap链表中的每个元素,并对每个key进行hash计算,最后通过get方法获取其对应的值对象
你了解重新调整HashMap大小存在什么问题吗?
当多线程的情况下,可能产生条件竞争。当重新调整HashMap大小的时候,确实存在条件竞争,如果两个线程都发现HashMap需要重新调整大小了,它们会同时试着调整大小。在调整大小的过程中,存储在链表中的元素的次序会反过来,因为移动到新的数组位置的时候,HashMap并不会将元素放在LinkedList的尾部,而是放在头部,这是为了避免尾部遍历(tail traversing)。如果条件竞争发生了,那么就死循环了。
6、参考文章
(1)HaspMap 源码分析及原理 https://segmentfault.com/a/1190000017362670
(2)HashMap 源码分析 https://blog.csdn.net/weixin_39759846/article/details/86654136
(3)HashMap详解以及源码分析 https://www.jianshu.com/p/0a70ce2d3b67
(4)HashMap源码解读 https://www.jianshu.com/p/8b6eb2fd15ab
(5)HashMap源码详解一篇就够 https://www.jianshu.com/p/4aa3bb16f36c