https://segmentfault.com/a/1190000012926722
HashMap的结构:数组+(链表/红黑树)
数组特点:查询效率高,插入、删除效率低
链表特点:查询效率低,插入、删除效率高
这种结构解决了数组链表的问题,使得查询,插入,删除效率都很高
1.初始化
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;
//返回大于等于初始化容量最近的2次幂值,之所以是取2次幂值的原因有两个:1.扩容重新散列之后,大大减少了迁移的元素数量,因为重新hash之后只有两个位置,2.取模使用的n-1是全1,散列性强
this.threshold = tableSizeFor(initialCapacity);
}
//该算法让最高位1后面的位全变为1
static final int tableSizeFor(int cap) {
//让cap-1再赋值给n的目的是令找到的目标值大于或等于原值,比如cap值本身就是2次幂值
int n = cap - 1;
n |= n >>> 1;
n |= n >>> 2;
n |= n >>> 4;
n |= n >>> 8;
n |= n >>> 16;
//当前n=2次幂值-1,所以进行+1
return (n < 0) ? 1 : (n >= MAXIMUM_CAPACITY) ? MAXIMUM_CAPACITY : n + 1;
}
n位操作部分:先来假设n的二进制为01xxx...xxx。接着
对n右移1位:001xx...xxx,再位或:011xx...xxx
对n右移2为:00011...xxx,再位或:01111...xxx
此时前面已经有四个1了,再右移4位且位或可得8个1
同理,有8个1,右移8位肯定会让后八位也为1。
综上可得,该算法让最高位的1后面的位全变为1。
最后再让结果n+1,即得到了2的整数次幂的值了。
2.存
public V put(K key, V value) {
return putVal(hash(key), key, value, false, true);
}
//高16位不变,低16位与高16位进行异或操作
static final int hash(Object key) {
int h;
return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}
putVal主要做了以下操作:
当桶数组 table 为空时,通过扩容的方式初始化 table
查找要插入的键值对是否已经存在,存在的话用新值替换旧值
如果不存在,则将键值对插入链表中,并根据链表长度决定是否将链表转为红黑树
判断键值对数量是否大于阈值,大于的话则进行扩容操作
final V putVal(int hash, K key, V value, boolean onlyIfAbsent,
boolean evict) {
Node<K,V>[] tab; Node<K,V> p; int n, i;
//初始化table,table在第一次插入新数据时通过resize懒加载方式进行初始化
if ((tab = table) == null || (n = tab.length) == 0)
n = (tab = resize()).length;
//如果通过hash值计算得到的桶没有元素,直接插入新元素。计算下标的时候是使用&位操作(n-1)&hash,而不是%取余操作的原因是,对于处理器来说,除法和求余数(模运算)是最慢的动作,用&操作性能高。而使用&操作需要保证计算下标的时候二进制位全为 1,才能最大限度的利用hash值,更好的散列,这也是为什么table长度要是2次幂值的原因
if ((p = tab[i = (n - 1) & hash]) == null)
tab[i] = newNode(hash, key, value, null);//线程不安全--可能发生覆盖
else {
Node<K,V> e; K k;
//如果跟首节点key相同,记录到e,后续进行更新操作
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
e = p;
//如果首节点是TreeNode类型,插入到树中
else if (p instanceof TreeNode)
e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
else {
//如果是链表结构,遍历链表,统计链表长度
for (int binCount = 0; ; ++binCount) {
//将新节点插入到链表尾,终止遍历。在1.7是将新节点插入到头,之所以现在插入尾1.是因为判断是否树化统计链表长度要遍历所有节点,2.是可以解决1.7版本的死循环问题
if ((e = p.next) == null) {
p.next = newNode(hash, key, value, null);//线程不安全,同上
//如果链表长度大于等于树化阈值,则进行树化
if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st
treeifyBin(tab, hash);
break;
}
//如果有相同Key,记录到e并终止遍历,后续进行更新操作
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
break;
p = e;
}
}
//如果key已存在,更新
if (e != null) { // existing mapping for key
V oldValue = e.value;
//onlyIfAbsent 表示是否仅在 oldValue 为 null 的情况下更新键值对的值
if (!onlyIfAbsent || oldValue == null)
e.value = value;
afterNodeAccess(e);
return oldValue;
}
}
// 因为hashmap是线程不安全的,所以要保存modCount。用于fail-fast策略
++modCount;
// 键值对数量超过扩容阈值时,则进行扩容
if (++size > threshold)//线程不安全,元素个数比实际少
resize();
//空实现
afterNodeInsertion(evict);
return null;
}
//扩容
final Node<K,V>[] resize() {
Node<K,V>[] oldTab = table;
int oldCap = (oldTab == null) ? 0 : oldTab.length;
int oldThr = threshold;
int newCap, newThr = 0;
//情形1:table已被初始化
if (oldCap > 0) {
//当table容量超过容量最大值,则不再扩容
if (oldCap >= MAXIMUM_CAPACITY) {
threshold = Integer.MAX_VALUE;
return oldTab;
}
//否则容量和阈值都加倍
else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&
oldCap >= DEFAULT_INITIAL_CAPACITY)
newThr = oldThr << 1; // 移位可能会导致溢出,比如 new HashMap(2^28, 8)
}
//情形2:调用 HashMap(int) 和 HashMap(int, float) 构造方法时会产生这种情况,此种情况下threshold > 0,且桶数组未被初始化。
else if (oldThr > 0)
/*等价于newCap = threshold = tableSizeFor(initialCapacity)。
我们在初始化时传入的 initialCapacity 参数经过 threshold 中转最终赋值给了 newCap。通过这种方式initialCapacity参与到了桶数组的初始化过程
newThr在下面newThr == 0分支中赋值*/
newCap = oldThr;
//情形3:调用 HashMap()时会产生这种情况
else {
newCap = DEFAULT_INITIAL_CAPACITY;
newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);
}
if (newThr == 0) {
float ft = (float)newCap * loadFactor;
newThr = (newCap < MAXIMUM_CAPACITY && ft < (float)MAXIMUM_CAPACITY ?
(int)ft : Integer.MAX_VALUE);
}
threshold = newThr;
@SuppressWarnings({"rawtypes","unchecked"})
//创建新的桶数组,桶数组的初始化也是在这里完成的
Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap];
table = newTab;
//说明是扩容场景,需要重新进行hash分布
if (oldTab != null) {
for (int j = 0; j < oldCap; ++j) {
Node<K,V> e;
if ((e = oldTab[j]) != null) {
oldTab[j] = null;
if (e.next == null)
newTab[e.hash & (newCap - 1)] = e;
//对于树形节点,需先拆分红黑树再映射。
else if (e instanceof TreeNode)
((TreeNode<K,V>)e).split(this, newTab, j, oldCap);
//对于链表节点,需先对链表进行分组,再映射。需要的注意的是,分组后,组内节点相对位置保持不变。
else { // preserve order
//2倍扩容后一个桶中的节点重新映射后会有两种情况:1.原位置 2.原位置+oldCap
//loHead,loTail指向扩容后桶位置不变的节点,一个指向链表头,一个指向链表尾
Node<K,V> loHead = null, loTail = null;
//hiHead,hiTail指向扩容后桶位置变化的节点(原位置+oldCap),一个指向链表头,一个指向链表尾
Node<K,V> hiHead = null, hiTail = null;
Node<K,V> next;
do {
next = e.next;
/*这里重新hash不是使用的 [e.hash & (newCap - 1)] 方法,而是使用更加效率的方法,直接 hash 老的数组容量,又简化了减一的操作
例如 oldCap = 10000,oldCap-1 = 01111,那么 newCap = 100000,newCap-1 = 011111,
可以计算出[e.hash & (newCap - 1)]重新hash后是否与[e.hash & (oldCap - 1)]相同,只取决于与最高位1相与的结果是0还是1,而最高位1对应的大小就是oldCap,所以可以简化成直接与oldCap相与*/
//重新映射后还是原位置
if ((e.hash & oldCap) == 0) {
if (loTail == null)
loHead = e;
else
loTail.next = e;
loTail = e;
}
//重新映射后是原位置+oldCap
else {
if (hiTail == null)
hiHead = e;
else
hiTail.next = e;
hiTail = e;
}
} while ((e = next) != null);
if (loTail != null) {
loTail.next = null;
newTab[j] = loHead;
}
if (hiTail != null) {
hiTail.next = null;
newTab[j + oldCap] = hiHead;
}
}
}
}
}
return newTab;
}
//树化
final void treeifyBin(Node<K,V>[] tab, int hash) {
int n, index; Node<K,V> e;
/*树化要满足两个条件:1.链表长度大于等于8,2.桶数组容量大于等于64。
当桶数组容量比较小时,键值对节点hash的冲突率会比较高,进而导致链表长度较长。这个时候应该优先扩容,而不是立马树化。毕竟高冲突率是因为桶数组容量较小引起的,这个是主因。
容量小时,优先扩容可以避免一些列的不必要的树化过程。同时,桶容量较小时,扩容会比较频繁,扩容时需要拆分红黑树并重新映射。所以在桶容量比较小的情况下,将长链表转成红黑树是一件吃力不讨好的事。*/
if (tab == null || (n = tab.length) < MIN_TREEIFY_CAPACITY)
resize();
else if ((e = tab[index = (n - 1) & hash]) != null) {
TreeNode<K,V> hd = null, tl = null;//hd是头节点,tl是尾节点
// 通过一个循环,先把普通链表转成树形双向链表
do {
// 将节点先替换成树形节点,这里就只是简单的通过new一个TreeNode,将Node存储的属性赋给TreeNode的属性
TreeNode<K,V> p = replacementTreeNode(e, null);
if (tl == null)//p是头节点的情况
hd = p;
else {
p.prev = tl;
tl.next = p;
}
tl = p;
} while ((e = e.next) != null);// 将普通链表转成由树形节点链表
if ((tab[index] = hd) != null)//将头节点放入桶
// 将树形链表转换成红黑树
hd.treeify(tab);
}
}
//生成红黑树,由某个桶位置的根节点调用该方法,传入整个table[],对这个位置树化
final void treeify(Node<K,V>[] tab) {
TreeNode<K,V> root = null;
//遍历链表,将节点x插入红黑树
for (TreeNode<K,V> x = this, next; x != null; x = next) {
next = (TreeNode<K,V>)x.next;
x.left = x.right = null;
//先生成根节点,根节点是黑色,且没有父节点
if (root == null) {
x.parent = null;
x.red = false;
root = x;
}// 如果有了根节点
else {
K k = x.key;
int h = x.hash;
Class<?> kc = null;
//从红黑树的根节点开始遍历,比较插入项x和树中节点的hash值,决定插入位置
for (TreeNode<K,V> p = root;;) {
// dir:根据其值决定插入路径,-1为左子树,+1为右子树。
int dir, ph;
K pk = p.key;
if ((ph = p.hash) > h)
dir = -1;
else if (ph < h)
dir = 1;
// 这是ph == h的情况,通过其他方式比较,决定dir的值
else if ((kc == null &&
// 如果K没有实现Comparable接口,comparableClassFor返回null,不走后面的或运算,直接通过tieBreakOrder比较;如果key实现了Comparable接口,返回key的class,需要执行后面的或运算
(kc = comparableClassFor(k)) == null) ||
// 如果pk=null 或 pk的class不是kc,compareComparables直接返回0,就需要通过下面的tieBreakOrder方法比较;否则调用compareTo方法返回结果,如果compareTo的结果不是0,dir值就确定了,否则还需要通过tieBreakOrder继续比较
(dir = compareComparables(kc, k, pk)) == 0)
//如果k和pk都不为null,比较k和pk的className,如果有一个为null或者它们的className相等,通过System.identityHashCode()来比较
dir = tieBreakOrder(k, pk);
TreeNode<K,V> xp = p;
//找到了叶节点,就可以将x插入了,并跳出循环,执行插入下一个链表中节点
//否则,就要根据dir的值继续往左子树或右子树寻找可插入的位置
if ((p = (dir <= 0) ? p.left : p.right) == null) {
x.parent = xp;
if (dir <= 0)
xp.left = x;
else
xp.right = x;
//插入可能破坏树结构,平衡红黑树结构
root = balanceInsertion(root, x);
//当前添加项x已经插入,跳出循环,执行添加下一个链表添加项
break;
}
}
}
}
moveRootToFront(tab, root);
}
定义:
(1) 每个节点或者是黑色,或者是红色。
(2) 根节点是黑色。
(3) 每个叶子节点是黑色。 [注意:这里叶子节点,是指为空的叶子节点!]
(4) 如果一个节点是红色的,则它的子节点必须是黑色的。即红色节点不能连续。(红色节点的子和父不能为红)
(5) 从一个节点到该节点的子孙节点的所有路径上包含相同数目的黑节点。
变色的情况:当前节点的父节点和叔叔节点都是红色;
1)把父节点和叔叔节点都设为黑色;
2)把祖父节点设为红色;
3)将指针移到祖父节点(因为可能涉及旋转操作,旋转是要从祖父节点开始);
// 返回的是调整后的根节点
static <K,V> TreeNode<K,V> balanceInsertion(TreeNode<K,V> root,
TreeNode<K,V> x) {
// 新插入节点都是红色
x.red = true;
for (TreeNode<K,V> xp, xpp, xppl, xppr;;) {
// 如果X没有父节点,说明x是根节点,根节点是黑色,所以需要变色,
// x是根节点的话,那么当前肯定只有这一个节点,可以直接返回
if ((xp = x.parent) == null) {
x.red = false;
return x;
}// 如果父节点是黑色,可以直接插入,不需要做其他操作,直接返回
// 或后面的逻辑,感觉只是为了给xpp赋值,毕竟能执行或后面的逻辑,说明父节点肯定是红色,而如果祖父节点是null的话,那父节点就是根节点了,根节点是黑色,是矛盾的,所以不会执行return,而是得到祖父节点以后执行下面的逻辑
else if (!xp.red || (xpp = xp.parent) == null)
return root;
// 3 走到这儿,说明父节点是红色的
// 3.1 如果父节点是祖父节点的左孩子
if (xp == (xppl = xpp.left)) {
// 3.1.1 xppr是叔叔节点,也就是祖父节点的右孩子,叔叔节点是红色
// 这种情况下,即父节点和叔叔节点都是红色,那么祖父节点一定是黑色的,可以直接变色,将父节点和叔叔节点变为黑色,
// 为了满足规则5,将祖父节点直接变为红色,否则可能导致规则5不满足,但祖父节点变色的话,可能破坏规则4,所以需要将当前操作指针移到祖父节点,进行后续检查和旋转
if ((xppr = xpp.right) != null && xppr.red) {
xppr.red = false;
xp.red = false;
xpp.red = true;
x = xpp;
}
// 3.1.2 这个分支说明,1.有可能是没有叔叔节点,这种情况可以是插入新数据后出现的场景;2.可能叔叔节点是黑色的,这种情况不可能是新插入数据出现的场景,一定是插入数据后,经历过变色或者旋转后的一个过渡态
// 走到这儿还有的背景是,父节点是左孩子,且是红色
else {
// 如果新插入的节点是父节点的右孩子,又是红色,直接左旋
if (x == xp.right) {
// 左旋后的效果就是新插入的节点x,作为了祖父节点的右孩子
root = rotateLeft(root, x = xp);
// 重新获得祖父节点
xpp = (xp = x.parent) == null ? null : xp.parent;
}
// 场景1,x是红色左孩子,需要变色右旋,父节点变黑色,祖父变红色,祖父变为父节点的右孩子
// 场景2,基于上面左旋后,再右旋的场景
if (xp != null) {
xp.red = false;
if (xpp != null) {
xpp.red = true;
root = rotateRight(root, xpp);
}
}
}
}
// 3.2 说明父节点是右孩子,且是红色,逻辑都同上
else {
// 如果叔叔节点不空,且是红色,同上,直接变色
if (xppl != null && xppl.red) {
xppl.red = false;
xp.red = false;
xpp.red = true;
x = xpp;
}
// 有可能叔叔为空,有可能是黑色
else {
if (x == xp.left) {
root = rotateRight(root, x = xp);
xpp = (xp = x.parent) == null ? null : xp.parent;
}
if (xp != null) {
xp.red = false;
if (xpp != null) {
xpp.red = true;
root = rotateLeft(root, xpp);
}
}
}
}
}
}
static <K,V> TreeNode<K,V> rotateLeft(TreeNode<K,V> root,
TreeNode<K,V> p) {
TreeNode<K,V> r, pp, rl;
// p不空,右子树不空
if (p != null && (r = p.right) != null) {
//
if ((rl = p.right = r.left) != null)
rl.parent = p;
if ((pp = r.parent = p.parent) == null)
(root = r).red = false;
else if (pp.left == p)
pp.left = r;
else
pp.right = r;
r.left = p;
p.parent = r;
}
return root;
}
https://www.cnblogs.com/finite/p/8251587.html
static <K,V> TreeNode<K,V> balanceInsertion(TreeNode<K,V> root, TreeNode<K,V> x) {
//新加节点默认是红色的(因为被插入前的树结构是构建好的,一但我们进行添加黑色的节点,无论添加在哪里都会破坏原有路径上的黑色节点的数量平等关系,所以插入红色节点是正确的选择。)
x.red = true;
// 进入else说明不是根节点。
// 如果父节点是黑色,红色的x节点可以直接添加到黑色节点后面,返回根就行了不需要任何多余的操作。
// 如果父节点是红色的,但祖父节点为空的话也可以直接返回根,此时父节点就是根节点,因为根必须是黑色的,添加在后面没有任何问题。
else if (!xp.red || (xpp = xp.parent) == null)
return root;
// 1.x的父节点xp是红色的,这样就遇到两个红色节点相连的问题,所以必须经过旋转变换。
// 2.并且x的祖父节点xpp不为空。
// 如果父节点xp是祖父节点的左节点xppl
if (xp == (xppl = xpp.left)) {
// 如果祖父节点的右节点不为空并且是红色的
// 此时xpp的左右节点都是红的,进行变换,将两个子节点变成黑色,将xpp变成红色,然后将x = xpp
//x = xpp? 这是由于将xpp变成红色以后可能与xpp的父节点发生两个相连红色节点的冲突,这就又需要变换,所以必须从底向上的进行变换,直到根。
所以令x = xpp,然后进行下下一层循环,接着往上走。
if ((xppr = xpp.right) != null && xppr.red) {
xppr.red = false;
xp.red = false;
xpp.red = true;
x = xpp;
}
// 如果祖父节点xpp的右节点xppr是黑色节点或者为空,默认规定空节点也是黑色的。
else {
// x是xp的右节点,此时的结构是:xpp左->xp右->x。需要进行两次旋转,这里先进行一次旋转。
if (x == xp.right) {
root = rotateLeft(root, x = xp);
xpp = (xp = x.parent) == null ? null : xp.parent;
}
// 针对本身就是xpp左->xp左->x的结构或者由于上面的旋转造成的这种结构进行一次旋转。
if (xp != null) {
xp.red = false;
if (xpp != null) {
xpp.red = true;
root = rotateRight(root, xpp);
}
}
}
}
// 这里的分析方式和前面的相对称只不过全部在右测不再重复分析。
else {
if (xppl != null && xppl.red) {
xppl.red = false;
xp.red = false;
xpp.red = true;
x = xpp;
}
else {
if (x == xp.left) {
root = rotateRight(root, x = xp);
xpp = (xp = x.parent) == null ? null : xp.parent;
}
if (xp != null) {
xp.red = false;
if (xpp != null) {
xpp.red = true;
root = rotateLeft(root, xpp);
}
}
}
}
}
}
这种结构需要进行双旋转,首先先进行一次向左旋转。
static <K,V> TreeNode<K,V> rotateLeft(TreeNode<K,V> root,TreeNode<K,V> p) {
// r:right,右节点。
// pp:parent parent,父节点的父节点。
// rl:right left,右节点的左节点。
TreeNode<K,V> r, pp, rl;
if (p != null && (r = p.right) != null) {
if ((rl = p.right = r.left) != null)
rl.parent = p;
if ((pp = r.parent = p.parent) == null)
(root = r).red = false;
else if (pp.left == p)
pp.left = r;
else
pp.right = r;
r.left = p;
p.parent = r;
}
return root;
}
static <K,V> TreeNode<K,V> rotateRight(TreeNode<K,V> root,
TreeNode<K,V> p) {
TreeNode<K,V> l, pp, lr;
if (p != null && (l = p.left) != null) {
if ((lr = p.left = l.right) != null)
lr.parent = p;
if ((pp = l.parent = p.parent) == null)
(root = l).red = false;
else if (pp.right == p)
pp.right = l;
else
pp.left = l;
l.right = p;
p.parent = l;
}
return root;
}
TreeNode从JDK8开始引入,作用是当HashMap解决冲突的链表长度超过了8时,生成一个红黑树来加速查找和插入,这里树结构存在并不影响本身依然存在线性链表结构,意思是Node.next这个属性依然有效,所以说树替换了线性链表依然还是链表法解决冲突,只不过链表的实现策略换了。当结点因为移除或分裂操作少于6个时,消除树结构。虽然生产树之后能加快查找插入和删除,但是建立和消除树本身是存在消耗的,所以在两个临界值之间来回插入和删除会导致开销快速增加。
4.遍历
for(Object key : map.keySet()) {
// do something
}
或
for(HashMap.Entry entry : map.entrySet()) {
// do something
}
上面代码片段中用 foreach 遍历 keySet 方法产生的集合,在编译时会转换成用迭代器遍历,等价于:
Set keys = map.keySet();
Iterator ite = keys.iterator();
while (ite.hasNext()) {
Object key = ite.next();
// do something
}
在遍历 HashMap 的过程中会发现,多次对 HashMap 进行遍历时,遍历结果顺序都是一致的。但这个顺序和插入的顺序一般都是不一致的。
public Set<K> keySet() {
Set<K> ks = keySet;
if (ks == null) {
ks = new KeySet();
keySet = ks;
}
return ks;
}
}
/**
* 键集合
*/
final class KeySet extends AbstractSet<K> {
public final int size() { return size; }
public final void clear() { HashMap.this.clear(); }
public final Iterator<K> iterator() { return new KeyIterator(); }
public final boolean contains(Object o) { return containsKey(o); }
public final boolean remove(Object key) {
return removeNode(hash(key), key, null, false, true) != null;
}
// 省略部分代码
}
/**
* 键迭代器
*/
final class KeyIterator extends HashIterator
implements Iterator<K> {
public final K next() { return nextNode().key; }
}
abstract class HashIterator {
Node<K,V> next; // next entry to return
Node<K,V> current; // current entry
int expectedModCount; // for fast-fail
int index; // current slot
HashIterator() {
expectedModCount = modCount;
Node<K,V>[] t = table;
current = next = null;
index = 0;
if (t != null && size > 0) { // advance to first entry
// 寻找第一个包含链表节点引用的桶
do {} while (index < t.length && (next = t[index++]) == null);
}
}
public final boolean hasNext() {
return next != null;
}
final Node<K,V> nextNode() {
Node<K,V>[] t;
Node<K,V> e = next;
if (modCount != expectedModCount)
throw new ConcurrentModificationException();
if (e == null)
throw new NoSuchElementException();
//先在链表里寻找下一个节点
if ((next = (current = e).next) == null && (t = table) != null) {
// 寻找下一个包含链表节点引用的桶
do {} while (index < t.length && (next = t[index++]) == null);
}
return e;
}
//省略部分代码
}
HashMap大体上跟HashTable等效的,除了HashMap非线程安全的以及允许null。