HashMap简介
一、内部结构
transient Node<K,V>[] table;
static class Node<K,V> implements Map.Entry<K,V> {
final int hash;
final K key;
V value;
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;
}
}
static final class TreeNode<K,V> extends LinkedHashMap.Entry<K,V> {
TreeNode<K,V> parent; // red-black tree links
TreeNode<K,V> left;
TreeNode<K,V> right;
TreeNode<K,V> prev; // needed to unlink next upon deletion
boolean red;
TreeNode(int hash, K key, V val, Node<K,V> next) {
super(hash, key, val, next);
}
}
由上面源码可以看出 HashMap实际上是一个 数组+链表+红黑树的结构，也就是散列表的结构
如图：
二、构造函数
/**
* Constructs an empty {@code HashMap} with the specified initial
* capacity and load factor.
*
* @param initialCapacity the initial capacity
* @param loadFactor the load factor
* @throws IllegalArgumentException if the initial capacity is negative
* or the load factor is nonpositive
*/
public HashMap(int initialCapacity, float loadFactor) {
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;
//下一次扩容大小
this.threshold = tableSizeFor(initialCapacity);
}
构造函数主要就是赋值 系数loadFactor和下次扩容大小threshold
那么为什么loadFactor默认值是0.75？
因为：
- 数据一开始是保存在数组里面的，当发生了Hash碰撞的时候，就是在这个数据节点上，生出一个链表，当链表长度达到一定长度的时候，就会把链表转化为红黑树。
- 当负载因子为1.0的时候，就会产生很多hash碰撞，红黑树就会变得异常复杂，查询数据的效率就会大大降低
- 当负载因子为0.5的时候，虽然可以减少hash碰撞，链表和红黑树也会变得简单，但是这样会增加数据的占用空间，原本1M的数据现在需要2M
- 复杂因子0.75也是为了权衡查询效率和空间利用率得出来的默认值
下次扩容大小tableSizeFor如下
/**
* Returns a power of two size for the given target capacity.
*/
static final int tableSizeFor(int cap) {
//Integer.numberOfLeadingZeros :得到 32 - 二进制最高位数 ；eg ：参数5 转换为二进制 101；有两位，那么结果就等于32-3=29
//n = -1>>>29 = 7
//整个连起来 得到 初始大小-1 数据的 二进制最高位的最大数据
int n = -1 >>> Integer.numberOfLeadingZeros(cap - 1);
//最终结果在 n的基础上 +1，或者最大值
return (n < 0) ? 1 : (n >= MAXIMUM_CAPACITY) ? MAXIMUM_CAPACITY : n + 1;
}
三、get数据
public V get(Object key) {
Node<K,V> e;
return (e = getNode(key)) == null ? null : e.value;
}
final Node<K,V> getNode(Object key) {
Node<K,V>[] tab; Node<K,V> first, e; int n, hash; K k;
//使用 (tab.length-1) & (hash(key)) 得到数组index
if ((tab = table) != null && (n = tab.length) > 0 &&
(first = tab[(n - 1) & (hash = hash(key))]) != null) {
//判断first节点是否为查询的node
if (first.hash == hash && // always check first node
((k = first.key) == key || (key != null && key.equals(k))))
return first;
if ((e = first.next) != null) {
//区分节点是否为TreeNode
if (first instanceof TreeNode)
//使用TreeNode自身的get函数
return ((TreeNode<K,V>)first).getTreeNode(hash, key);
do {
//遍历后续节点，拿到数据
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
return e;
} while ((e = e.next) != null);
}
}
return null;
}
整个get函数过程：
-
采用 (tab.length-1) & (hash(key)) 得到数组index 进行判断此index在数组tab中是否有数据
-
判断首节点是否为查询的Node
-
不是首节点，则判断是否是TreeNode，是TreeNode则使用getTreeNode查询数据，链表则使用链表遍历方法进行查询后续节点数据
时间复杂度：
-
由key获取hash值然后定位到首节点的时间复杂度都是O（1）
-
如果没有后续节点那么时间复杂度就是O（1）
-
如果后续节点为链表，则需要遍历链表，时间复杂度为O（n）
-
如果后续节点为红黑树，则查询数据时间复杂度为O（logn）
三、put数据
public V put(K key, V value) {
return putVal(hash(key), key, value, false, true);
}
/**
* 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) {
Node<K,V>[] tab; Node<K,V> p; int n, i;
if ((tab = table) == null || (n = tab.length) == 0)
//当前没有数据，则需要初始化
n = (tab = resize()).length;
if ((p = tab[i = (n - 1) & hash]) == null)
//查询到数组index位置没有数据，则newNode
tab[i] = newNode(hash, key, value, null);
else {
Node<K,V> e; K k;
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
//首节点是否为需要修改的node
e = p;
else if (p instanceof TreeNode)
//使用红黑树的方式put
e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
else {
//使用链表方式put
for (int binCount = 0; ; ++binCount) {
if ((e = p.next) == null) {
p.next = newNode(hash, key, value, null);
//重要点：当链表长度 >= TREEIFY_THRESHOLD（8）的时候会变为红黑树treeNode
if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st
treeifyBin(tab, hash);
break;
}
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
break;
p = e;
}
}
if (e != null) { // existing mapping for key
V oldValue = e.value;
if (!onlyIfAbsent || oldValue == null)
e.value = value;
afterNodeAccess(e);
return oldValue;
}
}
++modCount;
if (++size > threshold)
//超过下次扩容容量则需要扩容
resize();
afterNodeInsertion(evict);
return null;
}
整个put函数过程：
-
当前没有数据，则需要初始化容量
-
采用 (tab.length-1) & (hash(key)) 得到数组index 进行判断此index在数组tab中是否有数据，没有数据则new一个node数据
-
判断首节点是否为需要修改的node，如果是则修改
-
判断后续节点是否是红黑树，如果是则使用红黑树put函数
-
不为红黑树，则使用链表遍历查找是否是需要修改的node，如果是则修改，如果遍历玩置灰仍然没有则new一个node；
重要点：当链表长度 >= TREEIFY_THRESHOLD（8）的时候会变为红黑树treeNode
四、扩容机制
为什么hashmap 采用的是2倍扩容机制？
HashMap的容量为什么是2的n次幂，和这个(n - 1) & hash的计算方法有着千丝万缕的关系，符号&是按位与的计算，这是位运算，计算机能直接运算，特别高效，按位与&的计算方法是，只有当对应位置的数据都为1时，运算结果也为1，当HashMap的容量是2的n次幂时，(n-1)的2进制也就是1111111***111这样形式的，这样与添加元素的hash值进行位运算时，能够充分的散列，使得添加的元素均匀分布在HashMap的每个位置上，减少hash碰撞
598
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
