jdk1.8的hashMap相比1.7的最大的變動就是結構的修改，在之前數組+鏈表的基礎上，增加了紅黑樹的結構。
1.7的hashMap我們已經看過了，其中在查找節點的時候，會去根據hash找到對應的數組，接着去遍歷之後的鏈表結構，當hash衝突比較多的時候，鏈表就會非常的長，此時遍歷鏈表的效率就會很低，所以大神們在將紅黑樹加入到了1.8的hashMap中，當鏈表長度大於8的時候，會將鏈表轉換爲紅黑樹，提高了查找節點的效率。如下圖：
下面我們就來一起學習一下jdk1.8的hashMap源碼吧！
這裏我想先吐槽一下1.8的源碼，代碼可讀性比1.7差太多了...腦殼疼~但是在精簡程度上要比1.7的好一些。
先看put()方法
public V put(K key, V value) {
return putVal(hash(key), key, value, false, true);
}
final V putVal(int hash, K key, V value, boolean onlyIfAbsent,
boolean evict) {
// 這裏p可以視爲一個指針，指向tab[i]位置的節點
// n: 數組的length
// i: 根據hash算出的數組下標
Node<K,V>[] tab; Node<K,V> p; int n, i;
// 將tab數組指向table，並判斷table如果爲空，則進入resize()中進行初始化
if ((tab = table) == null || (n = tab.length) == 0)
// 1.8的hashMap將初始化方法和resize()合併到了一起
n = (tab = resize()).length;
// 很據hash值找到tab[i]並將p指向tabl[i]，如果沒有內容，創建新的鏈表節點放到i的位置
if ((p = tab[i = (n - 1) & hash]) == null)
tab[i] = newNode(hash, key, value,
else { // 進入else表示tabl[i]處有內容，下面需要進一步判斷key是否一致
Node<K,V> e; K k;
// 插入的key和tab[i]處的key相等，將p賦值給e(exist)節點
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
e = p;
// 如果該節點是代表紅黑樹的節點，調用紅黑樹的插值方法
else if (p instanceof TreeNode)
e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
else { // 進入else說明hash相同，且tab[i]處是一個多節點的鏈表
// 循環鏈表
for (int binCount = 0; ; ++binCount) {
// 將e指向p.next，並判斷p.next是否有內容，
// 如果沒有內容，說明tab[i]處沒找到一致的key，將會此節點作爲新節點插入
// 插入的位置爲鏈表尾部
if ((e = p.next) == null) {
p.next = newNode(hash, key, value, null);
// 鏈表節點數如果大於8，調用treeifyBin將鏈表轉爲紅黑樹
if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for
treeifyBin(tab, hash);
break;
}
// 在tab[i]中找到了相同的key，跳出循環
// 此時e指向tab[i]中key等於新插入key的鏈表節點
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
break;
p = e;
}
}
// 插入的key在鏈表中已存在，只需要直接覆蓋即可
if (e != null) { // existing mapping for key
V oldValue = e.value;
if (!onlyIfAbsent || oldValue == null)
e.value = value;
afterNodeAccess(e);
return oldValue;
}
}
++modCount;
// 判斷是否需要擴容
if (++size > threshold)
resize();
afterNodeInsertion(evict);
return null;
}還需要注意的是
- 1.8中的put方法是在鏈表結尾插入新節點，而1.7是在頭部插入新節點
- 1.8是先插入，再擴容，1.7是先擴容，再插入
接下來看一下resize()擴容方法
final Node<K,V>[] resize() {
Node<K,V>[] oldTab = table;
// 當前容量
int oldCap = (oldTab == null) ? 0 : oldTab.length;
// 當前閾值
int oldThr = threshold;
int newCap, newThr = 0;
// 當前容量>0，表示map中已有內容
if (oldCap > 0) {
if (oldCap >= MAXIMUM_CAPACITY) {
threshold = Integer.MAX_VALUE;
return oldTab;
}
// 擴容一倍，並將閾值×2
else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&
oldCap >= DEFAULT_INITIAL_CAPACITY)
newThr = oldThr << 1; // double threshold
}
// 首次put，oldThr > 0 表示使用的是`new HashMap(int initialCapacity)`構造器進行的初始化
else if (oldThr > 0) // initial capacity was placed in threshold
// 初始化大小=閾值
newCap = oldThr;
// 首次put，else 表示使用的是默認構造器`new HashMap()`進行的初始化
else { // zero initial threshold signifies using defaults
// 初始化大小=默認大小(16)並計算閾值
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"})
// 創建新數組
Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap];
table = newTab;
// 舊數據遷移
if (oldTab != null) {
// 遍歷舊數組
for (int j = 0; j < oldCap; ++j) {
Node<K,V> e;
if ((e = oldTab[j]) != null) {
oldTab[j] = null;
// oldTab[j]處只有一個節點，就不需要遍歷鏈表了，直接將此節點賦值到新數組對應hash位置上
if (e.next == null)
newTab[e.hash & (newCap - 1)] = e;
// 處理紅黑樹節點
else if (e instanceof TreeNode)
((TreeNode<K,V>)e).split(this, newTab, j, oldCap);
else { // preserve order
Node<K,V> loHead = null, loTail = null;
Node<K,V> hiHead = null, hiTail = null;
Node<K,V> next;
do {
next = e.next;
// e.hash & oldCap 將舊的鏈表分成了lo(e.hash & oldCap爲偶數)和hi(e.hash & oldCap爲奇數)兩個鏈
if ((e.hash & oldCap) == 0) {
if (loTail == null)
loHead = e;
else
loTail.next = e;
loTail = e;
}
else {
if (hiTail == null)
hiHead = e;
else
hiTail.next = e;
hiTail = e;
}
} while ((e = next) != null);
// lo鏈會分配到和原下標相同的位置
// hi鏈會被分配到原下標+oldCap的位置
if (loTail != null) {
loTail.next = null;
// lo鏈
newTab[j] = loHead;
}
if (hiTail != null) {
hiTail.next = null;
// hi鏈
newTab[j + oldCap] = hiHead;
}
}
}
}
}
return newTab;
} get() 方法
相對put方法，get就簡單了許多
final Node<K,V> getNode(int hash, Object key) {
Node<K,V>[] tab; Node<K,V> first, e; int n; K k;
if ((tab = table) != null && (n = tab.length) > 0 &&
(first = tab[(n - 1) & hash]) != null) {
// 如果第一個節點就是需要的，直接返回
if (first.hash == hash && // always check first node
((k = first.key) == key || (key != null && key.equals(k))))
return first;
if ((e = first.next) != null) {
// 從紅黑樹中取節點
if (first instanceof TreeNode)
return ((TreeNode<K,V>)first).getTreeNode(hash, key);
// 從鏈表中取節點
do {
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
return e;
} while ((e = e.next) != null);
}
}
return null;
} remove() 刪除節點
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;
if ((tab = table) != null && (n = tab.length) > 0 &&
(p = tab[index = (n - 1) & hash]) != null) {
// node: 要被刪除的節點
Node<K,V> node = null, e; K k; V v;
// 如果頭節點匹配，直接將node指向頭節點
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
node = p;
else if ((e = p.next) != null) {
// 如果頭節點不匹配，且頭節點屬於紅黑樹節點，從樹中取出要刪除的節點
if (p instanceof TreeNode)
node = ((TreeNode<K,V>)p).getTreeNode(hash, key);
// 如果頭節點不匹配，且頭節點屬於鏈表節點，遍歷鏈表取出要刪除的節點
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);
}
}
//如果找到了符合條件的待刪除節點，根據節點類型去紅黑樹中或者鏈表中刪除指定節點
if (node != null && (!matchValue || (v = node.value) == value ||
(value != null && value.equals(v)))) {
if (node instanceof TreeNode)
((TreeNode<K,V>)node).removeTreeNode(this, tab, movable);
else if (node == p)
tab[index] = node.next;
else
p.next = node.next;
++modCount;
--size;
afterNodeRemoval(node);
return node;
}
}
return null;
}總結一下：
- 相對1.7的hashmap不同，1.8的結構採用數組+鏈表+紅黑樹的結構
- 1.8中的put方法是在鏈表結尾插入新節點，而1.7是在頭部插入新節點
- 1.8是先插入，再擴容，1.7是先擴容，再插入
至此，1.8的hashMap源碼閱讀到這裏就告一段落了，後邊我們會繼續看一下不同版本的ConcurrentHashMap源碼，歡迎觀看~