HashMap(基于JDK1.8)
HashMap
- Map接口中使用最多的实现类之一
- JDK1.8以后 对 HashMap 有了底层数据结构的变换 由数组+链表 变为了 数组+链表+红黑树
依赖关系
2
implements Map<K,V>, Cloneable, Serializable类注解说明
- 基于哈希表 实现的 Map接口 K V都能为null 线程不安全 和Hashtable相似 但是Hashtable K V不能为空 且线程安全
- 无序 不能保证映射的顺序 不能保证顺序随时间 保持不变
- 如果不存在哈希冲突 迭代时间 和 size 以及 容量的 和 成正比 如果迭代性能重要 初始容量不要设置的太高 或者 哈希系数设置的太低
- 影响性能的两个参数 初始容量 负载因子（或称为 哈希系数，加载因子）
- 加载因子 默认大小为 0.75 是均衡了时间和空间损耗算出来的值 较高的值 扩容变慢 但是增加了查找成本（hash冲突增加 链表长度变长）
- HashMap 线程不安全 外部加锁 或者 使用 Collections#synchronizedMap 例子：Map m = Collections.synchronizedMap(new HashMap(…));
- 如果迭代的时候 HashMap 结构发生变化 将会快速失败
HashMap 属性
2
3
4
5
/**
* The default initial capacity - MUST be a power of two.
*/
static final int DEFAULT_INITIAL_CAPACITY = 1 << 4; // aka 16
2
static final int MAXIMUM_CAPACITY = 1 << 30;
2
static final float DEFAULT_LOAD_FACTOR = 0.75f;
2
3
// 容量大于64 将在后说明
static final int TREEIFY_THRESHOLD = 8;
2
static final int UNTREEIFY_THRESHOLD = 6;
2
static final int MIN_TREEIFY_CAPACITY = 64;
2
transient Node<K,V>[] table;
2
transient Set<Map.Entry<K,V>> entrySet;
2
transient int size;
2
transient int modCount;
2
final float loadFactor;内部类
2
3
4
5
6
7
8
* Basic hash bin node, used for most entries. (See below for
* TreeNode subclass, and in LinkedHashMap for its Entry subclass.)
*/
static class Node<K,V> implements Map.Entry<K,V> {
// 链表节点 定义了 键值 哈希值 指针 value值 以及基本的方法
// 具体内容略
}
2
3
4
5
6
7
8
9
* Entry for Tree bins. Extends LinkedHashMap.Entry (which in turn
* extends Node) so can be used as extension of either regular or
* linked node.
*/
static final class TreeNode<K,V> extends LinkedHashMap.Entry<K,V> {
// 树节点 定义了各种相关的方法属性
// 具体内容略
}构造器
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
public HashMap(int initialCapacity, float loadFactor) {
if (initialCapacity < 0)
throw new IllegalArgumentException("Illegal initial capacity: " +
initialCapacity);
// 如果 初始化容量大于 1 << 30 则 为 1 << 30
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);
}
// 入参 初始化容量 负载因子 0.75
public HashMap(int initialCapacity) {
this(initialCapacity, DEFAULT_LOAD_FACTOR);
}
// 无参构造
public HashMap() {
this.loadFactor = DEFAULT_LOAD_FACTOR; // all other fields defaulted
}
// 传入一个Map 默认负载因子 0.75
public HashMap(Map<? extends K, ? extends V> m) {
this.loadFactor = DEFAULT_LOAD_FACTOR;
putMapEntries(m, false);
}
方法
新增方法
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
return putVal(hash(key), key, value, false, true);
}
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 数组为空 使用resize初始化
if ((tab = table) == null || (n = tab.length) == 0)
n = (tab = resize()).length;
// 如果 为数组 哈希算法取n-1的与 放入数组
// 如果 插入的节点为空
if ((p = tab[i = (n - 1) & hash]) == null)
// 新建非树节点 放入数组
tab[i] = newNode(hash, key, value, null);
// 不为空
else {
Node<K,V> e; K k;
// 当前索引 是否有值（是否存在哈希冲突）
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
// 存在 赋值给临时变量
e = p;
// 如果是 红黑树
else if (p instanceof TreeNode)
// 使用红黑树的put方法
e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
else {
// 链表
// 自旋
for (int binCount = 0; ; ++binCount) {
// 遍历循环到尾部
if ((e = p.next) == null) {
p.next = newNode(hash, key, value, null);
// 当链表长度大于8时 树化
if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st
// 树化
treeifyBin(tab, hash);
break;
}
// 链表遍历时 如果发现有元素 和 新增元素一致 停止自旋
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
break;
// 链表节点 赋值给 临时变量
// 如果继续循环 链表节点一直后移
p = e;
}
}
// 找到 e 所对应的 键 即：链表的新增节点
if (e != null) { // existing mapping for key
V oldValue = e.value;
// 当onlyIfAbsent为false时 覆盖value
if (!onlyIfAbsent || oldValue == null)
e.value = value;
// 将节点移到最后
afterNodeAccess(e);
return oldValue;
}
}
// 记录HashMap版本数
++modCount;
// 如果HashMap实际大小 大于 扩容门槛 扩容
if (++size > threshold)
resize();
afterNodeInsertion(evict);
return null;
}说明（新增key value的大概步骤）
- 空数组 是否初始化 没有初始化则初始化
- 通过key的hash 找到的值 判断 是hash冲突 还是 追加成功
- 如果hash冲突 两种解决方案 链表 或者 红黑树
- 如果红黑树 调用红黑树的put方法
- 如果链表 链表自旋 将新增节点添加到尾端
- 无论是通过key的hash 还是红黑树 亦或者链表 将新节点追加成功 后两种需要判断是否需要覆盖
- 判断是否需要扩容 需要扩容则扩容 然后结束
链表树化方法
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
final void treeifyBin(Node<K,V>[] tab, int hash) {
int n, index; Node<K,V> e;
// 如果数组为空 或者 size小于64
if (tab == null || (n = tab.length) < MIN_TREEIFY_CAPACITY)
// 容量加倍
resize();
// 否则 将不为空的节点树化
else if ((e = tab[index = (n - 1) & hash]) != null) {
TreeNode<K,V> hd = null, tl = null;
do {
// 通过 更换树节点 创建 树节点
TreeNode<K,V> p = replacementTreeNode(e, null);
if (tl == null)
hd = p;
else {
p.prev = tl;
tl.next = p;
}
tl = p;
} while ((e = e.next) != null);
if ((tab[index] = hd) != null)
// 形成 以此链表 变成的 树
hd.treeify(tab);
}
}链表新增
- 把当前节点 追加到 链表的尾部 和LinkedList的追加实现一样
- 当链表长度大于8 并且数组大小大于64时 转换成红黑树 如果链表长度不大于8 只树数组大小大于64 则只会扩容 不会转换成红黑树
源码中 有关的注释翻译
2
3
4
5
6
7
8
9
10
11
12
13
14
// 在考虑设计 8 这个值的时候，我们参考了泊松分布概率函数，由泊松分布中得出结论，链表各个长度的命中概率为：
/*
* 0: 0.60653066
* 1: 0.30326533
* 2: 0.07581633
* 3: 0.01263606
* 4: 0.00157952
* 5: 0.00015795
* 6: 0.00001316
* 7: 0.00000094
* 8: 0.00000006
*/
// 意思是，当链表的长度是 8 的时候，出现的概率是 0.00000006，不到千万分之一，所以说正常情况下，链表的长度不可能到达 8 ，而一旦到达 8 时，肯定是 hash 算法出了问题，所以在这种情况下，为了让 HashMap 仍然有较高的查询性能，所以让链表转化成红黑树，我们正常写代码，使用 HashMap 时，几乎不会碰到链表转化成红黑树的情况，毕竟概念只有千万分之一。红黑树新增
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
final TreeNode<K,V> putTreeVal(HashMap<K,V> map, Node<K,V>[] tab,
int h, K k, V v) {
Class<?> kc = null;
boolean searched = false;
// 找到根节点
TreeNode<K,V> root = (parent != null) ? root() : this;
// 自旋
for (TreeNode<K,V> p = root;;) {
int dir, ph; K pk;
// p hash 值大于 h，说明 p 在 h 的右边
if ((ph = p.hash) > h)
dir = -1;
// p hash 值小于 h，说明 p 在 h 的左边
else if (ph < h)
dir = 1;
//要放进去key在当前树中已经存在了(equals来判断)
else if ((pk = p.key) == k || (k != null && k.equals(pk)))
return p;
//自己实现的Comparable的话，不能用hashcode比较了，需要用compareTo
else if ((kc == null &&
//得到key的Class类型，如果key没有实现Comparable就是null
(kc = comparableClassFor(k)) == null) ||
//当前节点pk和入参k不等
(dir = compareComparables(kc, k, pk)) == 0) {
if (!searched) {
TreeNode<K,V> q, ch;
searched = true;
if (((ch = p.left) != null &&
(q = ch.find(h, k, kc)) != null) ||
((ch = p.right) != null &&
(q = ch.find(h, k, kc)) != null))
return q;
}
dir = tieBreakOrder(k, pk);
}
TreeNode<K,V> xp = p;
//找到和当前hashcode值相近的节点(当前节点的左右子节点其中一个为空即可)
if ((p = (dir <= 0) ? p.left : p.right) == null) {
Node<K,V> xpn = xp.next;
//生成新的节点
TreeNode<K,V> x = map.newTreeNode(h, k, v, xpn);
//把新节点放在当前子节点为空的位置上
if (dir <= 0)
xp.left = x;
else
xp.right = x;
//当前节点和新节点简历父子关系 前后关系
xp.next = x;
x.parent = x.prev = xp;
if (xpn != null)
((TreeNode<K,V>)xpn).prev = x;
//balanceInsertion 对红黑树进行着色或旋转，以达到更多的查找效率，着色或旋转的几种场景如下
//着色：新节点总是为红色；如果新节点的父亲是黑色，则不需要重新着色；如果父亲是红色，那么必须通过重新着色或者旋转的方法，再次达到红黑树的5个约束条件
//旋转： 父亲是红色，叔叔是黑色时，进行旋转
//如果当前节点是父亲的右节点，则进行左旋
//如果当前节点是父亲的左节点，则进行右旋
//moveRootToFront 方法是把算出来的root放到根节点上
moveRootToFront(tab, balanceInsertion(root, x));
return null;
}
}
}说明
- 着色：指的是给红黑树的节点 着上 红色 或 黑色
- 旋转：为了让红黑树更加平衡 提高查询的效率
- 红黑树的五个原则
- 节点 是 红色 或者 黑色
- 根 是 黑色
- 所有的叶子 都是 黑色
- 从仍一节点 到其 每个叶子的所有 简单路径 都包含相同数目的 黑色节点
- 从 每个叶子 到 根 的 所有路径上 不能有两个连续的红色节点
20/11/09新增获得方法
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
Node<K,V> e;
// 将传入的key 使用getNode方法 拿到节点
// 如果 节点为空 意味着不存在 返回null
// 如果 节点不为空 意味着找到了对应值 将节点所对应的V 返回
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;
// 初始化数组
if ((tab = table) != null && (n = tab.length) > 0 &&
(first = tab[(n - 1) & hash]) != null) {
// 总是从第一个节点判断
// 找到节点 &&
//（判断第一个node节点的K 是否等于 传入的 K ||
// 传入的K 不为 null 并且 传入的 key 与 该节点的 key相等 ）
if (first.hash == hash && // always check first node
((k = first.key) == key || (key != null && key.equals(k))))
// 第一个节点 就是我们需要的
return first;
// 是否不止一个节点 如果只有一个节点 直接走外面的 返回null
if ((e = first.next) != null) {
// 有多个节点
// 判断是否是 树的根节点 （相当于判断 是 树 还是 链表）
if (first instanceof TreeNode)
// 这个节点为 红黑树的 根节点 走红黑树 获取节点的方法
return ((TreeNode<K,V>)first).getTreeNode(hash, key);
// 不是 根节点
// 遍历 链表
// 找到 返回 相对应的 节点
// 找不到 返回null
do {
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
return e;
} while ((e = e.next) != null);
}
}
return null;
}
// 找到树的节点
final TreeNode<K,V> getTreeNode(int h, Object k) {
return ((parent != null) ? root() : this).find(h, k, null);
}说明
- get方法 直接通过 哈希算法找到 所对应的 内存地址
- 如果 没找到 直接返回 null
- 如果 找到了 先取第一个节点 查找 看是否找到
- 如果 第一个节点 找到了 第一个节点即所需要的节点
- 如果 第一个节点 没找到 判断是否还有节点
- 如果 后面没有节点了 直接返回 null
- 如果 后面还存在节点
- 判断是 红黑树 还是链表
- 红黑树 ： 直接调用红黑树 查找节点方法
- 链表：循环遍历 直到找到相对应的值
- 都没有 返回 null
未完待续…
HashMap其他的 等研究 有关于红黑树相关内容再补充