成员变量
//序列化版本号
private static final long serialVersionUID = 362498820763181265L;
//集合的初始化容量,必须是二的n次幂
//为什么必须是二的n次幂?向hashmap中添加一个元素的时候,会根据key计算出对应的hash值,去确定其在数组中的具体位置。这个算法 就是取模,hash%length,计算机中直接求余的效率不如直接位运算。所以源码中做了优化,使用hash&(length-1),而实际上hash% (length-1) == hash&(length-1)的前提是length是2的n次幂。
//如果length不是2的n次幂,计算出的hash码极其容易碰撞。
static final int DEFAULT_INITIAL_CAPACITY = 1 << 4; // aka 16
//默认最大容量
static final int MAXIMUM_CAPACITY = 1 << 30;
//默认加载因子,当size>capacity*loadFactor时,进行扩容
static final float DEFAULT_LOAD_FACTOR = 0.75f;
//当链表的值超过8时转成红黑树
static final int TREEIFY_THRESHOLD = 8;
//当红黑树的值小于6时从红黑树转成链表
static final int UNTREEIFY_THRESHOLD = 6;
//桶中结构转化为红黑树对应的数组长度最小的值
static final int MIN_TREEIFY_CAPACITY = 64;
//存储元素的数组
transient Node<K,V>[] table;
//存放具体元素的集合
transient Set<Map.Entry<K,V>> entrySet;
//存放元素的个数,这个不等于数组长度
transient int size;
//每次扩容和更改map结构的计数器
transient int modCount;
//临界值 当实际大小(容量*负载因子)超过临界值时,会进行扩容
int threshold;
//加载因子
final float loadFactor;
//当初始化hashmap并填入初始化容量时,就会调用此方法找出比初始化容量大并且距离初始化容量最近的2的n次方
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;
}
构造方法
//指定初始容量和加载因子的构造方法
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;
this.threshold = tableSizeFor(initialCapacity);
}
//指定初始容量的构造方法
public HashMap(int initialCapacity) {
//实际上方法体中调用了指定初始容量和默认加载因子的构造方法
this(initialCapacity, DEFAULT_LOAD_FACTOR);
}
//无参构造
public HashMap() {
this.loadFactor = DEFAULT_LOAD_FACTOR;
}
//将所给的map集合添加进创建的hashmap中
public HashMap(Map<? extends K, ? extends V> m) {
this.loadFactor = DEFAULT_LOAD_FACTOR;
putMapEntries(m, false);
}
//为什么float ft = ((float)s / loadFactor) + 1.0F;这一行后面要加1.0F?
//这是为了防止hashmap的存储元素到达临界点,再一次存储元素的时候容量不够,降低性能
final void putMapEntries(Map<? extends K, ? extends V> m, boolean evict) {
int s = m.size();
if (s > 0) {
if (table == null) { // pre-size
float ft = ((float)s / loadFactor) + 1.0F;
int t = ((ft < (float)MAXIMUM_CAPACITY) ?
(int)ft : MAXIMUM_CAPACITY);
if (t > threshold)
threshold = tableSizeFor(t);
}
else if (s > threshold)
resize();
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);
}
}
}
成员方法
put方法
- 先通过hash值计算出key映射到哪个bin
- 如果bin上没有哈希冲突,则直接插入
- 如果出现冲突,则处理冲突:
- 如果该bin使用红黑树处理冲突,则调用红黑树方法插入数据
- 否则采用传统的链式方法插入,如果链的长度到达临界值,则把链转换为红黑树
- 如果bin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
//添加方法
public V put(K key, V value) {
return putVal(hash(key), key, value, false, true);
}
//计算哈希值方法
static final int hash(Object key) {
int h;
//就相当于key计算出来的hashCode值对数组长度取余,不用%的原因是位运算效率比较高
return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}
//字符串计算hash值方法
public int hashCode() {
int h = 0;
Iterator<Entry<K,V>> i = entrySet().iterator();
while (i.hasNext())
h += i.next().hashCode();
return h;
}
//添加方法实际调用的方法
final V putVal(int hash, K key, V value, boolean onlyIfAbsent,
boolean evict) {
Node<K,V>[] tab; Node<K,V> p; int n, i;
//如果hashmap为空或者为null
if ((tab = table) == null || (n = tab.length) == 0)
//进行扩容
n = (tab = resize()).length;
//如果要加入的元素对应的bin为null
if ((p = tab[i = (n - 1) & hash]) == null)
//直接存入
tab[i] = newNode(hash, key, value, null);
//要加入的空间已经有数据了
else {
Node<K,V> e; K k;
//比较两个对象的hash值是否相等
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
//更改原有对象的value值
e = p;
else if (p instanceof TreeNode)
e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
//两个对象不相等
else {
//循环遍历拉链
for (int binCount = 0; ; ++binCount) {
if ((e = p.next) == null) {
//走到拉链末尾,添加节点
p.next = newNode(hash, key, value, null);
//判断是否需要转换为红黑树
if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st
treeifyBin(tab, hash);
break;
}
//判断hash值是否相等
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
break;
//p = p.next
p = e;
}
}
//不管发生hash冲突没都会走这个方法,如果没发生哈希冲突,则value不需要更改,直接返回oldValue,如果发生hash冲突, 并且旧的value为null或者onlyIfAbsent为false,则将新的value覆盖旧的value
if (e != null) { // existing mapping for key
//将之前的值赋给oldValue
V oldValue = e.value;
if (!onlyIfAbsent || oldValue == null)
e.value = value;
afterNodeAccess(e);
return oldValue;
}
}
++modCount;
//如果添加元素之后容量大于临界值,扩容
if (++size > threshold)
resize();
afterNodeInsertion(evict);
return null;
}
resize方法
什么时候需要扩容?
当hashmap中的元素个数超过数组大小*负载因子时,就会进行数组扩容。
当数组需要扩容时,就会将数组大小扩展一倍,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,所以如果我们已经知道HashMap中元素的个数,那么预知元素的个数能够有效的提高HashMap的性能。
HashMap的扩容是什么
进行扩容,会伴随着一次重新hash分配,是非常耗时的,在编写程序中,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,要么就被分配到“原位置+旧容量”
//扩容方法
final Node<K,V>[] resize() {
Node<K,V>[] oldTab = table;
int oldCap = (oldTab == null) ? 0 : oldTab.length;
int oldThr = threshold;
//定义两个新的容量、新的边界值
int newCap, newThr = 0;
if (oldCap > 0) {
if (oldCap >= MAXIMUM_CAPACITY) {
threshold = Integer.MAX_VALUE;
return oldTab;
}
//如果新的容量小于最大容量并且旧的容量大于等于默认初始化容量
else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&
oldCap >= DEFAULT_INITIAL_CAPACITY)
//新的边界值等于旧的边界值左移一位(相当于乘以2)
newThr = oldThr << 1; // double threshold
}
else if (oldThr > 0)
newCap = oldThr;
else {
//如果hashmap没有经过初始化,那么给当前hashmap赋予默认的容量和临界值
newCap = DEFAULT_INITIAL_CAPACITY;
newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);
}
//如果新的边界值为0
if (newThr == 0) {
float ft = (float)newCap * loadFactor;
newThr = (newCap < MAXIMUM_CAPACITY && ft < (float)MAXIMUM_CAPACITY ?
(int)ft : Integer.MAX_VALUE);
}
//边界值等于新的边界值
threshold = newThr;
@SuppressWarnings({"rawtypes","unchecked"})
Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap];
table = newTab;
if (oldTab != null) {
//循环遍历旧的数组
for (int j = 0; j < oldCap; ++j) {
Node<K,V> e;
if ((e = oldTab[j]) != null) {
oldTab[j] = null;
//如果只有一个元素
if (e.next == null)
//填入新的存储空间
newTab[e.hash & (newCap - 1)] = e;
else if (e instanceof TreeNode) // 如果是红黑树,拆分存储
((TreeNode<K,V>)e).split(this, newTab, j, oldCap);
else { // preserve order
//不是单个元素,也不是红黑树,而是链表
Node<K,V> loHead = null, loTail = null;
Node<K,V> hiHead = null, hiTail = null;
Node<K,V> next;
//遍历链表
do {
next = e.next;
if ((e.hash & oldCap) == 0) {
//如果最高位为0,则在原位置上存储
if (loTail == null)
loHead = e;
else
loTail.next = e;
loTail = e;
}
else {
//如果最高位为1,则在原位置+旧容量的位置上存储
if (hiTail == null)
hiHead = e;
else
hiTail.next = e;
hiTail = e;
}
} while ((e = next) != null);
//在原位置上存储
if (loTail != null) {
loTail.next = null;
newTab[j] = loHead;
}
//在原位置+旧容量的位置上存储
if (hiTail != null) {
hiTail.next = null;
newTab[j + oldCap] = hiHead;
}
}
}
}
}
return newTab;
}
treeifyBin方法
//原doc翻译:替换指定哈希表的索引处bin中的所有连接节点,除非表太小,否则将修改大小。
final void treeifyBin(Node<K,V>[] tab, int hash) {
int n, index; Node<K,V> e;
//如果元素数组为空或者数组长度小于最小长度,进行扩容
if (tab == null || (n = tab.length) < MIN_TREEIFY_CAPACITY)
resize();
//拿到当前bin中的元素,判断是否等于null
else if ((e = tab[index = (n - 1) & hash]) != null) {
//定义树节点的头节点和尾节点
TreeNode<K,V> hd = null, tl = null;
do {
//每次循环都会将当前节点(e)转换成一个树节点
TreeNode<K,V> p = replacementTreeNode(e, null);
if (tl == null)
//如果尾节点为null,将头节点设为当前节点
hd = p;
else {
//把当前节点和上一个节点双向连接
p.prev = tl;
tl.next = p;
}
//tl = tl.next
tl = p;
} while ((e = e.next) != null);//e = e.next
//将根节点放在bin里
if ((tab[index] = hd) != null)
//将链树旋转为平衡红黑树
hd.treeify(tab);
}
}
//将链树左旋右旋成红黑树
final void treeify(Node<K,V>[] tab) {
TreeNode<K,V> root = null;
for (TreeNode<K,V> x = this, next; x != null; x = next) {
next = (TreeNode<K,V>)x.next;
x.left = x.right = null;
if (root == null) {
x.parent = null;
x.red = false;
root = x;
}
else {
K k = x.key;
int h = x.hash;
Class<?> kc = null;
for (TreeNode<K,V> p = root;;) {
int dir, ph;
K pk = p.key;
if ((ph = p.hash) > h)
dir = -1;
else if (ph < h)
dir = 1;
else if ((kc == null &&
(kc = comparableClassFor(k)) == null) ||
(dir = compareComparables(kc, k, pk)) == 0)
dir = tieBreakOrder(k, pk);
TreeNode<K,V> xp = p;
if ((p = (dir <= 0) ? p.left : p.right) == null) {
x.parent = xp;
if (dir <= 0)
xp.left = x;
else
xp.right = x;
root = balanceInsertion(root, x);
break;
}
}
}
}
moveRootToFront(tab, root);
}
remove方法
//删除方法
public V remove(Object key) {
Node<K,V> e;
return (e = removeNode(hash(key), key, null, false, true)) == null ?
null : e.value;
}
final Node<K,V> removeNode(int hash, Object key, Object value,
boolean matchValue, boolean movable) {
Node<K,V>[] tab; Node<K,V> p; int n, index;
//数组不为null,长度不为0,空间位置有元素
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;
//判断删除的元素和传递的key值是否相等,如果相等,则把需要删除的元素给node
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
node = p;
//红黑树或者链表
else if ((e = p.next) != null) {
//红黑树,获得树节点
if (p instanceof TreeNode)
node = ((TreeNode<K,V>)p).getTreeNode(hash, key);
else {
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找到了
if (node != null && (!matchValue || (v = node.value) == value ||
(value != null && value.equals(v)))) {
//如果是红黑树,执行树的删除方法
if (node instanceof TreeNode)
((TreeNode<K,V>)node).removeTreeNode(this, tab, movable);
//链表删除
else if (node == p)
tab[index] = node.next;
//数组删除
else
p.next = node.next;
++modCount;
--size;
afterNodeRemoval(node);
return node;
}
}
return null;
}
HashMap源码算是比较晦涩的了,各种if-else,而且判断条件都能写四五行。特别是最后的红黑树api,看的老难受了。
这周学了学源码,下周要开项目+源码+算法了。