大纲
HashMap
数组+链表+红黑树,线程不安全,允许null键null值
类声明
public class HashMap<K,V> extends AbstractMap<K,V> implements Map<K,V>, Cloneable, Serializable
主要字段
// table的缺省容量 16
static final int DEFAULT_INITIAL_CAPACITY = 1 << 4;
// table的最大容量 2^30
static final int MAXIMUM_CAPACITY = 1 << 30;
// 缺省的负载因子 0.75
static final float DEFAULT_LOAD_FACTOR = 0.75f;
// 链表转换为红黑树的阈值
static final int TREEIFY_THRESHOLD = 8
// 红黑树降级为链表的阈值
static final int UNTREEIFY_THRESHOLD = 6;
// 树化的最小容量,当哈希表中所有元素超过64个时才允许树化,否则直接扩容
static final int MIN_TREEIFY_CAPACITY = 64
// 哈希表
transient Node<K,V>[] table;
// entry的Set视图
transient Set<Map.Entry<K,V>> entrySet;
// 哈希表中元素的个数
transient int size
// 当前哈希表结构修改的次数,put/remove
transient int modCount;
// 扩容阈值 capacity * loadFactor
int threshold;
// 负载因子 用于计算threshold
final float loadFactor;
构造函数
// 使用指定的容量大小和负载因子构造HashMap
public HashMap(int initialCapacity, float loadFactor) {
// 检查初始容量是否小于0
if (initialCapacity < 0)
throw new IllegalArgumentException("Illegal initial capacity: " + initialCapacity);
// 检查初始容量是否大于最大容量,如果大于就置为最大容量
if (initialCapacity > MAXIMUM_CAPACITY)
initialCapacity = MAXIMUM_CAPACITY;
// 检查负载因子是否小于等于0或者是否是个非数
if (loadFactor <= 0 || Float.isNaN(loadFactor))
throw new IllegalArgumentException("Illegal load factor: " + loadFactor);
this.loadFactor = loadFactor;
// 计算扩容阈值
this.threshold = tableSizeFor(initialCapacity);
}
public HashMap(int initialCapacity) {
this(initialCapacity, DEFAULT_LOAD_FACTOR);
}
// 使用默认容量和负载因子构造HashMap
public HashMap() {
this.loadFactor = DEFAULT_LOAD_FACTOR;
}
public HashMap(Map<? extends K, ? extends V> m) {
this.loadFactor = DEFAULT_LOAD_FACTOR;
putMapEntries(m, false);
}
tableSizeFor
获取大于等于传入容量小于等于最大int数的2的n次幂数
static final int tableSizeFor(int cap) {
// 2的整次方的特性是二进制有效位只有一个1,退位后当前1消失,后面bit位全补1
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;
}
以 MAXIMUM_CAPACITY 为示例,先使 MAXIMUM_CAPACITY+1 便于观察
首先进行退位获取最高位的1,然后第一次右移1位做或运算进行bit复制,得到两个0110
第二次右移2位做或运算进行bit复制,得到四个0111 1
第三次右移4位做或运算进行bit复制,得到四个0111 1111 1
依次类推,因为int类型只有32位,只需要右移到16就可以将其余位全补1
最后再进行进位得到2的整次幂
bit | |
---|---|
cap | 0100 0000 0000 0000 0000 0000 0000 0001 |
n = cap - 1 | 0100 0000 0000 0000 0000 0000 0000 0000 |
n >>> 1 | 0010 0000 0000 0000 0000 0000 0000 0000 |
n |= n >>> 1 | 0110 0000 0000 0000 0000 0000 0000 0000 |
n >>> 2 | 0001 1000 0000 0000 0000 0000 0000 0000 |
n |= n >>> 2 | 0111 1000 0000 0000 0000 0000 0000 0000 |
n >>> 4 | 0000 0111 1000 0000 0000 0000 0000 0000 |
n |= n >>> 4 | 0111 1111 1000 0000 0000 0000 0000 0000 |
n >>> 8 | 0000 0000 0111 1111 1000 0000 0000 0000 |
n |= n >>> 8 | 0111 1111 1111 1111 1000 0000 0000 0000 |
n >>> 16 | 0000 0000 0000 0000 0111 1111 1111 1111 |
n |= n >>> 16 | 0111 1111 1111 1111 1111 1111 1111 1111 |
int n = cap - 1
如果不-1,遇到2的整次幂数16,32,64等会计算出32,64,128从而浪费容量
新增方法
put方法
public V put(K key, V value) {
return putVal(hash(key), key, value, false, true);
}
hash方法
对key的hashCode()做hash,让key的hash的高16位也参与路由运算
已知路由算法:(length - 1) & hash
hash值比较大,而在没有扩容前length-1是比较小的,导致hash值的高位大部分都不参与运算
static final int hash(Object key) {
int h;
return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}
以key="china"为例
bit | |
---|---|
key hash | 0000 0101 1010 0011 1111 0101 0101 0111 |
key hash >>> 16 | 0000 0000 0000 0000 0000 0101 1010 0011 |
key hash ^ (key hash >>> 16) | 0000 0101 1010 0011 1111 0000 1111 0100 |
putVal方法
/**
* @param hash key的hash值
* @param key key
* @param value value
* @param onlyIfAbsent 如果为true 对于已存在的key不更新值
* @param evict 给LinkedHasMap实现使用
* @return oldValue或者null
*/
final V putVal(int hash, K key, V value, boolean onlyIfAbsent, boolean evict) {
// tab 引用当前hashMap的散列表
// p 当前散列表的元素
// n 散列表数组的长度
// i 当前路由寻址的结果
Node<K,V>[] tab; Node<K,V> p; int n, i;
// 分支一:延迟初始化,第一次调用put会会初始化HashMap中的散列表
if ((tab = table) == null || (n = tab.length) == 0)
n = (tab = resize()).length;
// 分支二:寻找到的桶位Buckets刚好为null,直接将k-v构建的newNode放进去
if ((p = tab[i = (n - 1) & hash]) == null)
tab[i] = newNode(hash, key, value, null);
else {
// e:临时节点 k:临时节点的key
Node<K,V> e; K k;
// 分支三:桶内元素与当前插入元素的key完全一致,将e指向p,后续执行更新操作
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
e = p;
// 分支四:红黑树结构
else if (p instanceof TreeNode)
e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
else {
// 分支五:链表结构,并且链表的头元素与插入元素的key不一致
for (int binCount = 0; ; ++binCount) {
// p.next = null 代表当前节点是尾节点,还是没匹配上,则将元素插入链尾
if ((e = p.next) == null) {
p.next = newNode(hash, key, value, null);
// 判断链表长度是否达到树化阈值
if (binCount >= TREEIFY_THRESHOLD - 1)
// 进行树化
treeifyBin(tab, hash);
break;
}
// 如果条件成立,说明找到了完全相同的key,后续执行更新操作
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
break;
// 本轮循环没结束,将p(指向当前元素的引用)指向e(下个元素的引用)
p = e;
}
}
// 如果e不为null代表有需要将新值替换旧值的
if (e != null) {
V oldValue = e.value;
if (!onlyIfAbsent || oldValue == null)
e.value = value;
// 提供给LinkedHashMap的方法
afterNodeAccess(e);
return oldValue;
}
}
// 有新增元素,修改次数+1
++modCount;
// size自增,并判断自增后的size是否超过了扩容阈值
if (++size > threshold)
// 进行扩容
resize();
// 提供给LinkedHashMap的方法
afterNodeInsertion(evict);
return null;
}
扩容方法
resize方法
final Node<K,V>[] resize() {
// 扩容之前的哈希表引用
Node<K,V>[] oldTab = table;
// 扩容之前的table容量
int oldCap = (oldTab == null) ? 0 : oldTab.length;
// 扩容之前的扩容阈值,也就是本次需要扩容的大小
int oldThr = threshold;
// newCap:扩容后的table容量 newThr:扩容后下次再触发扩容的条件
int newCap, newThr = 0;
// --------------------------计算newCap和newThr------------------------------
// 代表不是初始化扩容,而是正常扩容
if (oldCap > 0) {
// 如果扩容之前table的大小就达到了扩容阈值,则不进行扩容,并将扩容条件设置为int的最大值
if (oldCap >= MAXIMUM_CAPACITY) {
threshold = Integer.MAX_VALUE;
return oldTab;
}
// oldCap左移一位实现翻倍并赋值给newCap, 如果newCap小于最大容量并且oldCap大于等于16
else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&
oldCap >= DEFAULT_INITIAL_CAPACITY)
// 将扩容前的扩容阈值直接翻倍赋值给新的扩容阈值
newThr = oldThr << 1;
}
// oldCap == 0 && oldThr > 0
// 以下三个构造函数会导致oldThr > 0
// HashMap(int initialCapacity, float loadFactor)
// HashMap(int initialCapacity)
// HashMap(Map<? extends K, ? extends V> m) 并且 m 中存在元素
else if (oldThr > 0)
// 将扩容后的table容量设值为阈值
newCap = oldThr;
else {
// oldCap == 0 && oldThr == 0
// HashMap() 这个构造函数会导致 oldThr == 0
// 设置为默认大小以及计算默认扩容阈值(capacity * loadFactor)
newCap = DEFAULT_INITIAL_CAPACITY; // 16
newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY); // 0.75 * 16 = 12
}
// 如果通过以上几个分支还未对newThr赋值,则通过newCap和loadFactor计算
if (newThr == 0) {
// 扩容阈值计算公式
float ft = (float)newCap * loadFactor;
// 主要是将float转为int
newThr = (newCap < MAXIMUM_CAPACITY && ft < (float)MAXIMUM_CAPACITY ?
(int)ft : Integer.MAX_VALUE);
}
threshold = newThr;
// --------------------------扩容并复制数据------------------------------
@SuppressWarnings({"rawtypes","unchecked"})
// 通过上面计算出的newCap创建Node数组
Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap];
table = newTab;
// 代表扩容之前的散列表中有数据
if (oldTab != null) {
for (int j = 0; j < oldCap; ++j) {
// 当前节点
Node<K,V> e;
// 说明当前桶位中有数据 但是还不明确是单个数据还是链表还是红黑树
if ((e = oldTab[j]) != null) {
// 将旧table的桶位元素置为null GC回收
oldTab[j] = null;
// 如果当前节点没有下个元素,代表该桶位存储的是单个数据
if (e.next == null)
// 那么就直接计算出应存储的位置放进去
newTab[e.hash & (newCap - 1)] = e;
// 说明当前节点是红黑树结构
else if (e instanceof TreeNode)
((TreeNode<K,V>)e).split(this, newTab, j, oldCap);
// 说明当前节点是链表结构
else {
// 低位链表:存放扩容之后数组下标位置和扩容之前一样的元素
Node<K,V> loHead = null, loTail = null; // loHead:头节点 loTail:尾节点
// 高位链表:存放扩容之后数组下标位置等于扩容之前下标位置 + 扩容之前的Node数组长度
Node<K,V> hiHead = null, hiTail = null;
// 下个节点
Node<K,V> next;
do {
next = e.next;
// 如果e.hash & oldCap == 0 代表将落在低位链表
if ((e.hash & oldCap) == 0) {
// 如果链表为null则将当前元素置为头节点,否则将下个节点指向当前元素
if (loTail == null)
loHead = e;
else
loTail.next = e;
// 将当前元素置为尾节点
loTail = e;
}
// e.hash & oldCap != 0 代表将落在高位链表
else {
if (hiTail == null)
hiHead = e;
else
hiTail.next = e;
hiTail = e;
}
} while ((e = next) != null);
// 将低位链表的尾节点的next指向null,并且插入newTab中
if (loTail != null) {
loTail.next = null;
newTab[j] = loHead;
}
// 将高位链表的尾节点的next指向null,并且插入newTab中
if (hiTail != null) {
hiTail.next = null;
// 原下标 + 原数组容量
newTab[j + oldCap] = hiHead;
}
}
}
}
}
return newTab;
}
链表节点扩容图
以16扩容到32为例
查询方法
get方法
public V get(Object key) {
Node<K,V> e;
return (e = getNode(hash(key), key)) == null ? null : e.value;
}
getNode方法
/**
* @param key经过hash的hash值
* @param 需要查找元素的key
* @return 返回查找到的节点或者null
*/
final Node<K,V> getNode(int hash, Object key) {
// tab 引用当前hashMap的散列表
// first 当前桶位的第一个的元素
// e 当前节点
// n 散列表数组的长度
// k 当前元素的key
Node<K,V>[] tab; Node<K,V> first, e; int n; K k;
// 对tab、frist赋值,数组存在元素并且当前桶位中有元素
if ((tab = table) != null && (n = tab.length) > 0 && (first = tab[(n - 1) & hash]) != null) {
// 第一种情况:第一个元素就是所需要查找的,那么不需要管是链表还是红黑树结构直接返回第一个元素
if (first.hash == hash && ((k = first.key) == key || (key != null && key.equals(k))))
return first;
// 还存在下一个节点
if ((e = first.next) != null) {
// 第二种情况:当前节点是红黑树结构
if (first instanceof TreeNode)
return ((TreeNode<K,V>)first).getTreeNode(hash, key);
// 第三种情况:当前节点是链表结构,循环查找
do {
if (e.hash == hash && ((k = e.key) == key || (key != null && key.equals(k))))
return e;
} while ((e = e.next) != null);
}
}
return null;
}
删除方法
remove方法
public V remove(Object key) {
Node<K,V> e;
return (e = removeNode(hash(key), key, null, false, true)) == null ? null : e.value;
}
removeNode方法
/**
* @param key经过hash的hash值
* @param 需要删除元素的key
* @param 需要删除元素的值
* @param 需要匹配的值,如果为true则查找到的节点value需要和传入的value相同才删除
* @param 如果为false,则在删除时不要移动其他节点,树节点才会用到
* @return 返回已删除的节点或者null
*/
final Node<K,V> removeNode(int hash, Object key, Object value,
boolean matchValue, boolean movable) {
// tab 引用当前hashMap的散列表
// p 通过路由寻址找到的当前桶位的第一个节点
// n 散列表数组的长度
// index 当前路由寻址的结果
Node<K,V>[] tab; Node<K,V> p; int n, index;
// 对tab、p赋值,数组存在元素并且当前桶位中有元素
if ((tab = table) != null && (n = tab.length) > 0 && (p = tab[index = (n - 1) & hash]) != null) {
// node: 需要删除的节点 当前节点: e
Node<K,V> node = null, e; K k; V v;
// 第一种情况:第一个元素就是所需要删除的,那么不需要管是链表还是红黑树结构将当前节点赋值给node
if (p.hash == hash && ((k = p.key) == key || (key != null && key.equals(k))))
node = p;
// 还存在下一个节点 将下个节点赋值给e
else if ((e = p.next) != null) {
if (p instanceof TreeNode)
// 第二种情况:当前节点是红黑树结构
node = ((TreeNode<K,V>)p).getTreeNode(hash, key);
else {
// 第三种情况:当前节点是链表结构,循环查找
do {
if (e.hash == hash && ((k = e.key) == key || (key != null && key.equals(k)))) {
node = e;
break;
}
p = e; // 被删除元素的上个节点
} while ((e = e.next) != null);
}
}
// 删除逻辑 对于remove(Object key) !matchVale恒为true所以不会走后半部分value的判断
if (node != null && (!matchValue || (v = node.value) == value ||
(value != null && value.equals(v)))) {
// 对应上面的第二种情况 红黑树结构
if (node instanceof TreeNode)
((TreeNode<K,V>)node).removeTreeNode(this, tab, movable);
// 对应上面的第一种情况 第一个元素就是需要删除的 将下个元素放到当前桶内
else if (node == p)
tab[index] = node.next;
// 对应上面第三种情况 链表结构 将上个节点的next指向当前需要删除的元素的下个元素
else
p.next = node.next;
// 有删除元素,修改次数+1 容量-1
++modCount;
--size;
// 提供给LinkedHashMap的方法
afterNodeRemoval(node);
return node;
}
}
return null;
}
替换方法
replace方法
@Override
public boolean replace(K key, V oldValue, V newValue) {
Node<K,V> e; V v;
// 通过通过getNode找到节点并判断旧value与传入的oldValue是否相同,相同则用newValue覆盖
if ((e = getNode(hash(key), key)) != null &&
((v = e.value) == oldValue || (v != null && v.equals(oldValue)))) {
e.value = newValue;
afterNodeAccess(e);
return true;
}
return false;
}
@Override
public V replace(K key, V value) {
Node<K,V> e;
// 通过getNode找到节点,用旧值替换新值并返回旧值
if ((e = getNode(hash(key), key)) != null) {
V oldValue = e.value;
e.value = value;
afterNodeAccess(e);
return oldValue;
}
return null;
}