源码阅读之HashMap(JDK8)

概述

HashMap根据键的hashCode值存储数据，大多数情况下可以直接定位到它的值，因而具有很快的访问速度，但遍历顺序却是不确定的。 HashMap最多只允许一条记录的键为null，允许多条记录的值为null。HashMap非线程安全，即任一时刻可以有多个线程同时写HashMap，可能会导致数据的不一致。

内部结构

在jdk8中，HashMap处理“碰撞”增加了红黑树这种数据结构，当碰撞结点较少时，采用链表存储，当较大时（>8个），采用红黑树（特点是查询时间是O（logn））存储（有一个阀值控制，大于阀值(8个)，将链表存储转换成红黑树存储）

数据结构

　　1. 位桶数组

 transient Node<K,V>[] table;

　　2.数组元素Node<K,V>实现了Entry接口

//Node是单向链表，它实现了Map.Entry接口

static class Node<K,V> implements Map.Entry<K,V> {

    final int hash;//用来定位数组索引位置

    final K key;

    V value;

    Node<K,V> next; // 下一个节点  

    //构造函数Hash值 键 值 下一个节点

    Node(int hash, K key, V value, Node<K,V> next) {

        this.hash = hash;

        this.key = key;

        this.value = value;

        this.next = next;

    }

    public final K getKey()        { return key; }

    public final V getValue()      { return value; }

    public final String toString() { return key + "=" + value; }


　　//每一个节点的hash值，是将key的hashCode 和 value的hashCode 亦或得到的。

    public final int hashCode() {

        return Objects.hashCode(key) ^ Objects.hashCode(value);

    }

    public final V setValue(V newValue) {

        V oldValue = value;

        value = newValue;

        return oldValue;

    }

    //判断两个node是否相等,若key和value都相等，返回true。可以与自身比较为true

    public final boolean equals(Object o) {

        if (o == this)

            return true;

        if (o instanceof Map.Entry) {

            Map.Entry<?,?> e = (Map.Entry<?,?>)o;

            if (Objects.equals(key, e.getKey()) &&

                Objects.equals(value, e.getValue()))

                return true;

        }

        return false;

    }

}

　　3. 红黑树

static final class TreeNode<K,V> extends LinkedHashMap.Entry<K,V> {

    TreeNode<K,V> parent;  // 父节点

    TreeNode<K,V> left; //左子树

    TreeNode<K,V> right; //右子树

    TreeNode<K,V> prev;    // needed to unlink next upon deletion

    boolean red; //颜色属性

    TreeNode(int hash, K key, V val, Node<K,V> next) {

        super(hash, key, val, next);

    }

    /**

     * Returns root of tree containing this node.

     * 返回当前节点的根节点

     */

    final TreeNode<K,V> root() {

        for (TreeNode<K,V> r = this, p;;) {

            // 一层一层往上找

            if ((p = r.parent) == null)

                return r;

            r = p;

        }

    }

源码阅读

　　1. 基本元素

//默认初始容量为16，这里这个数组的容量必须为2的n次幂。

    static final int DEFAULT_INITIAL_CAPACITY = 1 << 4;

    //最大容量为2的30次方

    static final int MAXIMUM_CAPACITY = 1 << 30;

    //默认加载因子

    static final float DEFAULT_LOAD_FACTOR = 0.75f;

    //以Node<K,V>为元素的数组,长度是2的N次方，或者初始化时为0.

    transient Node<K,V>[] table;

    // 链表->红黑树阀值

    static final int TREEIFY_THRESHOLD = 8;

    // 红黑树->链表阀值

    static final int UNTREEIFY_THRESHOLD = 6;

    // 红黑树树化的最小表容量，最好>4*TREEIFY_THRESHOLD

    static final int MIN_TREEIFY_CAPACITY = 64;

    //已经储存的Node<key,value>的数量，包括数组中的和链表中的

    transient int size;

    //扩容的临界值，或者所能容纳的key-value对的极限。当size>threshold的时候就会扩容

    int threshold;

    //加载因子,用于计算哈希表元素数量的阈值。 threshold = 哈希桶.length * loadFactor;

    final float loadFactor;

　　2.构造函数

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); //新的扩容临界值

}

public HashMap(int initialCapacity) {

    this(initialCapacity, DEFAULT_LOAD_FACTOR);

}

public HashMap() {

    this.loadFactor = DEFAULT_LOAD_FACTOR; // all other fields defaulted

}

//根据期望容量cap，返回2的n次方形式的 哈希桶的实际容量 length。 返回值一般会>=cap    
 static final int tableSizeFor(int cap) {
　　　　//经过下面的 或 和位移 运算， n最终各位都是1。

        int n = cap - 1;

        n |= n >>> 1;

        n |= n >>> 2;

        n |= n >>> 4;

        n |= n >>> 8;

        n |= n >>> 16;
　　　　//判断n是否越界，返回 2的n次方作为 table（哈希桶）的阈值

        return (n < 0) ? 1 : (n >= 1 << 30) ? 1 << 30 : n + 1;

    }

这个方法就是算>=cap，且是2的倍数的最小值，例如

确定哈希桶数组索引位置

不管增加、删除、查找键值对，定位到哈希桶数组的位置都是很关键的第一步。前面说过HashMap的数据结构是数组和链表的结合，所以我们当然希望这个HashMap里面的元素位置尽量分布均匀些，尽量使得每个位置上的元素数量只有一个，那么当我们用hash算法求得这个位置的时候，马上就可以知道对应位置的元素就是我们要的，不用遍历链表，大大优化了查询的效率。HashMap定位数组索引位置，直接决定了hash方法的离散性能。

// 第一步

static final int hash(Object key) {

        int h;

        return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);

    }

//第二步

(n - 1) & hash

这里的Hash算法本质上就是三步：取key的hashCode值、高位运算、取模运算。

通过hashCode()的高16位异或低16位实现的：(h = k.hashCode()) ^ (h >>> 16)，主要是从速度、功效、质量来考虑的，这么做可以在数组table的length比较小的时候，也能保证考虑到高低Bit都参与到Hash的计算中，同时不会有太大的开销。

通过(n - 1) & hash来得到该对象的保存位，而HashMap底层数组的长度总是2的n次方，这是HashMap在速度上的优化。当length总是2的n次方时，(n - 1) & hash运算等价于对n取模，也就是h%n，但是&比%具有更高的效率。

添加元素

①.判断键值对数组table[i]是否为空或为null，否则执行resize()进行扩容；

②.根据键值key计算hash值得到插入的数组索引i，如果table[i]==null，直接新建节点添加，转向⑥，如果table[i]不为空，转向③；

③.判断table[i]的首个元素是否和key一样，如果相同直接覆盖value，否则转向④，这里的相同指的是hashCode以及equals；

④.判断table[i] 是否为treeNode，即table[i] 是否是红黑树，如果是红黑树，则直接在树中插入键值对，否则转向⑤；

⑤.遍历table[i]，判断链表长度是否大于8，大于8的话把链表转换为红黑树，在红黑树中执行插入操作，否则进行链表的插入操作；遍历过程中若发现key已经存在直接覆盖value即可；

⑥.插入成功后，判断实际存在的键值对数量size是否超多了最大容量threshold，如果超过，进行扩容。

1     public V put(K key, V value) {

 2     // 对key的hashCode()做hash

 3     return putVal(hash(key), key, value, false, true);

 4 }

 5

 6 final V putVal(int hash, K key, V value, boolean onlyIfAbsent,

 7                boolean evict) {

 8     Node<K,V>[] tab; Node<K,V> p; int n, i;

 9     // 步骤①：tab为空则创建

10     if ((tab = table) == null || (n = tab.length) == 0)

11         n = (tab = resize()).length;

12     // 步骤②：计算index，并对null做处理

13     if ((p = tab[i = (n - 1) & hash]) == null)

14         tab[i] = newNode(hash, key, value, null);

15     else {

16         Node<K,V> e; K k;

17         // 步骤③：节点key存在，直接覆盖value

18         if (p.hash == hash &&

19             ((k = p.key) == key || (key != null && key.equals(k))))

20             e = p;

21         // 步骤④：判断该链为红黑树

22         else if (p instanceof TreeNode)

23             e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);

24         // 步骤⑤：该链为链表

25         else {

26             for (int binCount = 0; ; ++binCount) {

27                 if ((e = p.next) == null) {

28                     p.next = newNode(hash, key,value,null);

                        //链表长度大于8转换为红黑树进行处理

29                     if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st

30                         treeifyBin(tab, hash);

31                     break;

32                 }

                    // key已经存在直接覆盖value

33                 if (e.hash == hash &&

34                     ((k = e.key) == key || (key != null && key.equals(k))))                                           
　　　　　　　　　　　　 break;

36                 p = e;

37             }

38         }

39        //如果e不是null，说明有需要覆盖的节点，

40         if (e != null) { // existing mapping for key

41             V oldValue = e.value;

42             if (!onlyIfAbsent || oldValue == null)

43                 e.value = value;

44             afterNodeAccess(e);

45             return oldValue;

46         }

47     }

48     ++modCount;

49     // 步骤⑥：超过最大容量 就扩容

50     if (++size > threshold)

51         resize();

52     afterNodeInsertion(evict);

53     return null;

54 }

扩容机制

扩容(resize)就是重新计算容量，向HashMap对象里不停的添加元素，而HashMap对象内部的数组无法装载更多的元素时，对象就需要扩大数组的长度，以便能装入更多的元素。当然Java里的数组是无法自动扩容的，方法是使用一个新的数组代替已有的容量小的数组，就像我们用一个小桶装水，如果想装更多的水，就得换大水桶。通过扩容也可以有效的解决碰撞问题。

   final Node<K,V>[] resize() {

        //oldTab 为当前表的哈希桶

        Node<K,V>[] oldTab = table;

        //当前哈希桶的容量 length

        int oldCap = (oldTab == null) ? 0 : oldTab.length;

        //当前的阈值

        int oldThr = threshold;

        //初始化新的容量和阈值为0

        int newCap, newThr = 0;

        //如果当前容量大于0

        if (oldCap > 0) {

            //如果当前容量已经到达上限

            if (oldCap >= MAXIMUM_CAPACITY) {

                //则设置阈值是2的31次方-1

                threshold = Integer.MAX_VALUE;

                //同时返回当前的哈希桶，不再扩容

                return oldTab;

            }//否则新的容量为旧的容量的两倍。

            else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&

                     oldCap >= DEFAULT_INITIAL_CAPACITY)//如果旧的容量大于等于默认初始容量16

                //那么新的阈值也等于旧的阈值的两倍

                newThr = oldThr << 1; // double threshold

        }//如果当前表是空的，但是有阈值。代表是初始化时指定了容量、阈值的情况

        else if (oldThr > 0) // initial capacity was placed in threshold

            newCap = oldThr;//那么新表的容量就等于旧的阈值

        else {}//如果当前表是空的，而且也没有阈值。代表是初始化时没有任何容量/阈值参数的情况               // zero initial threshold signifies using defaults

            newCap = DEFAULT_INITIAL_CAPACITY;//此时新表的容量为默认的容量 16

            newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);//新的阈值为默认容量16 * 默认加载因子0.75f = 12

        }

        if (newThr == 0) {//如果新的阈值是0，对应的是  当前表是空的，但是有阈值的情况

            float ft = (float)newCap * loadFactor;//根据新表容量 和 加载因子 求出新的阈值

            //进行越界修复

            newThr = (newCap < MAXIMUM_CAPACITY && ft < (float)MAXIMUM_CAPACITY ?

                      (int)ft : Integer.MAX_VALUE);

        }

        //更新阈值

        threshold = newThr;

        @SuppressWarnings({"rawtypes","unchecked"})

        //根据新的容量 构建新的哈希桶

            Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap];

        //更新哈希桶引用

        table = newTab;

        //如果以前的哈希桶中有元素

        //下面开始将当前哈希桶中的所有节点转移到新的哈希桶中

        if (oldTab != null) {

            //遍历老的哈希桶

            for (int j = 0; j < oldCap; ++j) {

                //取出当前的节点 e

                Node<K,V> e;

                //如果当前桶中有元素,则将链表赋值给e

                if ((e = oldTab[j]) != null) {

                    //将原哈希桶置空以便GC

                    oldTab[j] = null;

                    //如果当前链表中就一个元素，（没有发生哈希碰撞）

                    if (e.next == null)

                        //直接将这个元素放置在新的哈希桶里。

                        //注意这里取下标 是用 哈希值 与 桶的长度-1 。 由于桶的长度是2的n次方，这么做其实是等于 一个模运算。但是效率更高

                        newTab[e.hash & (newCap - 1)] = e;

                        //如果发生过哈希碰撞 ,而且是节点数超过8个，转化成了红黑树（暂且不谈 避免过于复杂， 后续专门研究一下红黑树）

                    else if (e instanceof TreeNode)

                        ((TreeNode<K,V>)e).split(this, newTab, j, oldCap);

                    //如果发生过哈希碰撞，节点数小于8个。则要根据链表上每个节点的哈希值，依次放入新哈希桶对应下标位置。

                    else { // preserve order

                        //因为扩容是容量翻倍，所以原链表上的每个节点，现在可能存放在原来的下标，即low位， 或者扩容后的下标，即high位。 high位=  low位+原哈希桶容量

                        //低位链表的头结点、尾节点

                        Node<K,V> loHead = null, loTail = null;

                        //高位链表的头节点、尾节点

                        Node<K,V> hiHead = null, hiTail = null;

                        Node<K,V> next;//临时节点 存放e的下一个节点

                        do {

                            next = e.next;

                            //这里又是一个利用位运算 代替常规运算的高效点： 利用哈希值 与 旧的容量，可以得到哈希值去模后，是大于等于oldCap还是小于oldCap，等于0代表小于oldCap，应该存放在低位，否则存放在高位

                            if ((e.hash & oldCap) == 0) {

                                //给头尾节点指针赋值

                                if (loTail == null)

                                    loHead = e;

                                else

                                    loTail.next = e;

                                loTail = e;

                            }//高位也是相同的逻辑

                            else {

                                if (hiTail == null)

                                    hiHead = e;

                                else

                                    hiTail.next = e;

                                hiTail = e;

                            }//循环直到链表结束

                        } while ((e = next) != null);

                        //将低位链表存放在原index处，

                        if (loTail != null) {

                            loTail.next = null;

                            newTab[j] = loHead;

                        }

                        //将高位链表存放在新index处

                        if (hiTail != null) {

                            hiTail.next = null;

                            newTab[j + oldCap] = hiHead;

                        }

                    }

                }

            }

        }

        return newTab;

    }

查询元素

    public V get(Object key) {

        Node<K,V> e;

        return (e = getNode(hash(key), key)) == null ? null : e.value;

    }

     final Node<K,V> getNode(int hash, Object key) {

        Node<K,V>[] tab; Node<K,V> first, e; int n; K k;

        // 找到hash对应的位置,也就是数组中的位置

        if ((tab = table) != null && (n = tab.length) > 0 &&

            (first = tab[(n - 1) & hash]) != null) {

            // 检查第一个Node是不是要找的Node

            if (first.hash == hash && // always check first node

                ((k = first.key) == key || (key != null && key.equals(k))))

                return first;

                // 检查first后面的node

              if ((e = first.next) != null) {

                if (first instanceof TreeNode) // 查询红黑树

                    return ((TreeNode<K,V>)first).getTreeNode(hash, key);

                do {

                    // 遍历后面的链表，找到key值和hash值都相同的Node

                    if (e.hash == hash &&

                        ((k = e.key) == key || (key != null && key.equals(k))))

                        return e;

                } while ((e = e.next) != null);

            }

        }

        return null;

    }

巴特西