深度解析HashMap源码

深度解析HashMap源码

put 操作解析：

put(K key, V value) 源码

   public V put(K key, V value) {
        return putVal(hash(key), key, value, false, true);
    }

调用putVal（）函数 ，hash()函数计算key的下标索引

hash(key) 源码

   static final int hash(Object key) {
        int h;
        return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
    }

获取key的hashCode,然后异或hashCode无符号右移16位，得到最终的的hash值，即key所在的索引下标

putVal 源码

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table为空，则进行扩容
        if ((tab = table) == null || (n = tab.length) == 0)
            n = (tab = resize()).length;
        //根据键值key计算hash值得到插入的数组索引  i  ,如果table[i] == null ，直接新建节点添加即可
        if ((p = tab[i = (n - 1) & hash]) == null)
            tab[i] = newNode(hash, key, value, null);
        else {
            Node<K,V> e; K k;
        //如果table[i]!=null,判断table[i] 的首个元素是否和key一样，如果相同（hashCode和equals）直接覆盖value
            if (p.hash == hash &&
                ((k = p.key) == key || (key != null && key.equals(k))))
                e = p;
        //判断table[i] 是否为treeNode，即table[i]是否为红黑树，如果是红黑树，则直接插入键值对
            else if (p instanceof TreeNode)
                e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
            else {
        //遍历table[i] ,判断链表长度是否大于8，大于8的话把链表转换成红黑树，进行插入操作，否则进行链表插入操作；遍历时遇到相同key直接覆盖value
                for (int binCount = 0; ; ++binCount) {
                    if ((e = p.next) == null) {
                        p.next = newNode(hash, key, value, null);
                        if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st
                            treeifyBin(tab, hash);
                        break;
                    }
                    if (e.hash == hash &&
                        ((k = e.key) == key || (key != null && key.equals(k))))
                        break;
                    p = e;
                }
            }
            if (e != null) { // existing mapping for key
                V oldValue = e.value;
                if (!onlyIfAbsent || oldValue == null)
                    e.value = value;
                afterNodeAccess(e);
                return oldValue;
            }
        }
        //插入成功后，判断实际存在的键值对数量size是否超过了threshold，如果超过，则扩容；
        ++modCount;
        if (++size > threshold)
            resize();
        afterNodeInsertion(evict);
        return null;
    }

1. 判断键值对数组table[i]是否为空或者为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 ，直接新建节点添加即可,插入成功后，判断实际存在的键值对数量size是否超过了threshold，如果超过则扩容,
3. 如果table[i] 不为空,判断table[i] 的首个元素是否和key一样，如果相同（hashCode和equals）直接覆盖value;
4. 判断table[i] 是否为treeNode，即table[i]是否为红黑树，如果是红黑树，则直接插入键值对，否则遍历table[i] ,判断链表长度是否大于8，大于8的话把链表转换成红黑树，进行插入操作，否则进行链表插入操作；遍历时遇到相同key直接覆盖value,插入成功后，判断实际存在的键值对数量size是否超过了threshold，如果超过，则扩容；

get 操作解析：

get(Object key) 源码

public V get(Object key) {
        Node<K,V> e;
        return (e = getNode(hash(key), key)) == null ? null : e.value;
    }

getNode(int hash, Object key) 源码

 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) {
            if (first.hash == hash && // always check first node
                ((k = first.key) == key || (key != null && key.equals(k))))
                return first;
            if ((e = first.next) != null) {
                if (first instanceof TreeNode)
                    return ((TreeNode<K,V>)first).getTreeNode(hash, key);
                do {
                    if (e.hash == hash &&
                        ((k = e.key) == key || (key != null && key.equals(k))))
                        return e;
                } while ((e = e.next) != null);
            }
        }
        return null;
    }

1. 指定key通过hash函数得到key的hash值；
2. 调用内部方法getNode（），得到桶号；
3. 比较桶的内部元素是否和key相等，如不相等，则没有找到，相等，则取出相等记录的value；
4. 如果得到key所在桶的头结点恰好是红黑树节点，就调用红黑树节点的getTreeNode（）方法，否则就遍历链表节点。getTreeNode（）方法通过调用树形节点的find（）方法进行查找。由于之前添加时已经保证这个树是有序的，因此查找时基本就是折半查找，效率高；
5. 如果对比节点的哈希值和要查找的哈希值相等，就会判断key是否相等，相等就直接返回；不相等就从子树中递归查找；