基本概念
- HashMap是一个数组+链表的散列表，数组的每个元素存储了链表的第一个头节点
- 当链表存储节点长度超过8并且整个结构中的元素超过64个之后，链表开始树化，变成红黑树
- 红黑树的引入是为了解决链表过程造成的查找以及插入性能损失，红黑树是一个自平衡的二叉查找树，效率较高
- 数组的长度是2的次方
- 数组的扩容可以缓解链表查找纵深过高造成性能损失
HashMap插入元素基本过程
- 获取key的hash值
- hash值经过扰动算法使存放的数据更为散列
- 构造出承载key和value的Node节点
- 经过路由算法，计算出Node节点在数组中的存放位置，也就是角标。路由寻址公式：(table.length - 1) & node.hash。由于最后进行了 & 运算，实际就是(table.length - 1)二进制的最后非0位开始参与了运算。
源码分析
关键属性：
/**
* 默认的数组长度，table大小
*/
static final int DEFAULT_INITIAL_CAPACITY = 1 << 4; // aka 16
/**
* table最大长度
*/
static final int MAXIMUM_CAPACITY = 1 << 30;
/**
* 默认的加载因子
*/
static final float DEFAULT_LOAD_FACTOR = 0.75f;
/**
* 树化阈值
*/
static final int TREEIFY_THRESHOLD = 8;
/**
* 树降级成为链表的阈值
*/
static final int UNTREEIFY_THRESHOLD = 6;
/**
* 当整个HashMap中所有元素大于64的时候，链表才有可能升级为树
*/
static final int MIN_TREEIFY_CAPACITY = 64;
/**
* hash表
*/
transient Node<K,V>[] table;
/**
* 当前hash表结构修改次数
*/
transient int modCount;
//扩容阈值，当hash表中元素超过该阈值时触发扩容操作
int threshold;
构造方法
/**
* Constructs an empty <tt>HashMap</tt> 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);
//table容量最大值MAXIMUM_CAPACITY,超过最大值就设置为MAXIMUM_CAPACITY
if (initialCapacity > MAXIMUM_CAPACITY)
initialCapacity = MAXIMUM_CAPACITY;
//判断加载因子合法性
if (loadFactor <= 0 || Float.isNaN(loadFactor))
throw new IllegalArgumentException("Illegal load factor: " +
loadFactor);
this.loadFactor = loadFactor;
//根据指定容量，计算大于等会该容量大小的2的次方数
this.threshold = tableSizeFor(initialCapacity);
}
插入数据
首先看一下hash方法，使用key的hashCode进行了一次扰动算法的计算，之后这个计算的结果将会用于与数组长度进行运算得出数据在数组上存放的位置。
该算法的作用就是让key的hashCode的高16位也参与到路由计算中。
假设h = key.hashCode() = 0010 0101 1010 1100 0011 1111 0010 1110
所以h >>> 16 = 0000 0000 0000 0000 0010 0101 1010 1100
异或运算结果 = 0010 0101 1010 1100 0001 1010 1000 0010
public V put(K key, V value) {
return putVal(hash(key), key, value, false, true);
}
static final int hash(Object key) {
int h;
return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}
实际插入数据方法putVal()
/**
* 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 该参数决定在map中存在相同的key的时候，是否插入新的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) {
//tab是当前hashMap的散列表
//p是当前散列表的元素
//n表示散列表的长度
//i是路由寻址的下角标
Node<K,V>[] tab; Node<K,V> p; int n, i;
//判断当前散列表是否已经初始化（HashMap是延迟初始化的，第一次put数据的时候才会初始化）
if ((tab = table) == null || (n = tab.length) == 0)
n = (tab = resize()).length;
//通过路由寻址算法计算出下角标之后，在数组上获取该下角标的元素，如果==null，则将结果封装为Node并放在该角标的位置
if ((p = tab[i = (n - 1) & hash]) == null)
tab[i] = newNode(hash, key, value, null);
else {//此时代表i的位置已经存在元素，可能是链表结果，也能是红黑树
//一个不为null，找到一个与当前要插入的key-value一致的元素和临时的key
Node<K,V> e; K k;
//如果当前找打的元素p与当前出入的k相等则直接赋值给e，将会在之后进行数据插入
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
e = p;
//如果当前p元素类型为TreeNode，则代表当前数组位置节点已经树化了
else if (p instanceof TreeNode)
//进行红黑树结构的插入操作
e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
else {//链表的插入操作，且链表的头元素与当前要插入的key不一致
for (int binCount = 0; ; ++binCount) {//无限循环遍历当前链表
//如果当前元素的下一个元素==null，说明已经遍历到了链表的末尾
if ((e = p.next) == null) {
//在链表的末端直接进行元素插入
p.next = newNode(hash, key, value, null);
//判断插入了这个元素后是否满足树化的条件
if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st
//树化操作
treeifyBin(tab, hash);
break;
}
//找到了一个与当前待插入kv相同key的元素
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
break;
p = e;
}
}
//处理在之前找到的与当前待插入数据相同key的对象，替换该key的value并返回
if (e != null) { // existing mapping for key
V oldValue = e.value;
if (!onlyIfAbsent || oldValue == null)
e.value = value;
afterNodeAccess(e);
return oldValue;
}
}
//该变量代表散列表被修改的次数，替换Node元素的value不计数
++modCount;
//判断当前散列表的元素个数是否达到阈值，是否需要进行扩容
if (++size > threshold)
resize();//扩容操作
afterNodeInsertion(evict);
return null;
}
扩容操作
final Node<K,V>[] resize() {
//oldTab代表扩容之前的HashMap
Node<K,V>[] oldTab = table;
//扩容前数组的长度
int oldCap = (oldTab == null) ? 0 : oldTab.length;
//扩容之前的阈值，也就是触发本次扩容的阈值
int oldThr = threshold;
//扩容后的大小，扩容后的新阈值
int newCap, newThr = 0;
//如果该条件成立，代表散列表已经初始化过了，是一次正常扩容
if (oldCap > 0) {
//如果条件成立代表当前散列表已经达到最大，不能再次扩容了
if (oldCap >= MAXIMUM_CAPACITY) {
//将阈值改为最大值，直接返回旧的散列表
threshold = Integer.MAX_VALUE;
return oldTab;
}
//新的容量为旧容量的2倍，新的阈值为旧阈值的2倍
else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&
oldCap >= DEFAULT_INITIAL_CAPACITY)
newThr = oldThr << 1; // double threshold
}
//此处隐藏了一个条件oldCap == 0，说明当前散列表还没有初始化
//oldThr有值的情况如下：
//new HashMap(initCap, loadFactor)
//new HashMap(initCap)
//new HashMap(map)
else if (oldThr > 0) // initial capacity was placed in threshold
newCap = oldThr;
else {//ileCap == oldThr == 0的情况 // zero initial threshold signifies using defaults
//该情况下按照默认cap和loadFactor处理
newCap = DEFAULT_INITIAL_CAPACITY;
newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);
}
//什么时候newThr == 0？
//newThr初始化==0，当没有进行赋值的时候才等于0，回到上面代码，只有两处对newThr进行了赋值，也就是当不满足oldCap >= DEFAULT_INITIAL_CAPACITY或者oldThr > 0的时候，newThr == 0
if (newThr == 0) {
//计算newThr值,大多数情况newThr = (float)newCap * loadFactor
float ft = (float)newCap * loadFactor;
newThr = (newCap < MAXIMUM_CAPACITY && ft < (float)MAXIMUM_CAPACITY ?
(int)ft : Integer.MAX_VALUE);
}
threshold = newThr;
//创建一个更长更大的数组
@SuppressWarnings({"rawtypes","unchecked"})
Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap];
table = newTab;
//说明扩容之前已经存在数据了
if (oldTab != null) {
//循环旧数组，一个位置一个位置的处理扩容工作
for (int j = 0; j < oldCap; ++j) {
Node<K,V> e;
//将当前遍历元素赋值给临时变量，具体是单个数据，还是链表，还是红黑树，未知
if ((e = oldTab[j]) != null) {
//将当前元素赋值给临时变量后置空，以便JVM GC
oldTab[j] = null;
if (e.next == null)//条件成立代表当前元素是最后一个元素，也有可能当前链表只有这一个元素
//重新计算hash并放入新的table中
newTab[e.hash & (newCap - 1)] = e;
else if (e instanceof TreeNode)//判断当前数组位置是否树化
((TreeNode<K,V>)e).split(this, newTab, j, oldCap);
else { // preserve order 数组在该角标位置已经形成链表，按照链表方式处理
//低位链表：存放在扩容之后的数组的下标位置与向前链表位置一致
Node<K,V> loHead = null, loTail = null;
//高位链表：存放在扩容之后的数组的下标位置=当前链表位置+扩容之前数组的长度
Node<K,V> hiHead = null, hiTail = null;
Node<K,V> next;
do {
next = e.next;
//放入地位链表
if ((e.hash & oldCap) == 0) {
if (loTail == null)
loHead = e;
else
loTail.next = e;
loTail = e;
}
else {//放入高位链表
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;
}
get方法的原理也是依据put方法的存放于原理，这里就不多赘述了。
![重新认识HashMap[图]](data:image/gif;base64,R0lGODlhAQABAIAAAP///wAAACwAAAAAAQABAAACAkQBADs=)