目录
HashMap源码分析
我们分为 成员变量,构造方法,核心方法三方面理解HashMap
HashMap内部定义的常量与Node节点
public class HashMap<K,V> extends AbstractMap<K,V>
implements Map<K,V>, Cloneable, Serializable {
private static final long serialVersionUID = 362498820763181265L;
/**
* 默认初始容量是16 -必须是2的幂。
*/
static final int DEFAULT_INITIAL_CAPACITY = 1 << 4; // aka 16
/**
*最大容量，如果两个构造函数中的任何一个带参数地隐式指定了更高的值，则使用最大容量。
*必须是2的幂<= 1<<30。
*/
static final int MAXIMUM_CAPACITY = 1 << 30;
/**
* 表示当在HashMap的构造函数中没有明确指定负载因子时，会使用的默认负载因子
*/
static final float DEFAULT_LOAD_FACTOR = 0.75f;
/**
*链表转红黑树时的链表节点个数阈值,还需要满足数组长度>64才能树化
*/
static final int TREEIFY_THRESHOLD = 8;
/**
* 链表节点个数小于6 从树退化成链表的阈值(红黑树转换回链表的触发条件)
*/
static final int UNTREEIFY_THRESHOLD = 6;
/**
*当数组长度小于64(MIN_TREEIFY_CAPACITY)并且链表节点个数大于8(TREEIFY_THRESHOLD)则链表转红黑树
*/
static final int MIN_TREEIFY_CAPACITY = 64;
/**
*节点Node 存放的是key-value键值对,以及hash值便于计算索引,next指针指向下一个节点
*/
static class Node<K,V> implements Map.Entry<K,V> {
final int hash;
final K key;
V value;
Node<K,V> next;
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; }
public final int hashCode() {
return Objects.hashCode(key) ^ Objects.hashCode(value);
}
public final V setValue(V newValue) {
V oldValue = value;
value = newValue;
return oldValue;
}
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;
}
}HashMap成员变量分析
/**
*表在第一次使用时初始化，并根据需要调整大小。在分配时，长度总是2的幂
*/
transient Node<K,V>[] table;
/**
* 该变量是一个Set集合，用于存储Map中所有的键值对的集合。它提供了对Map中键值对的迭代和访问操作。
*/
transient Set<Map.Entry<K,V>> entrySet;
/**
* 用于记录Map中键值对的数量。
*/
transient int size;
/**
*用于记录Map结构发生变化的次数，主要用于迭代器的快速失败机制。
*/
transient int modCount;
/**
* 当HashMap中存储的键值对数量达到了阈值时，就会进行扩容。这个阈值是通过计算容量与负载因子的乘积
* 得到的，即capacity * load factor
*/
int threshold;
/**
* 表示负载因子，用于计算哈希表的容量阈值。默认情况下，负载因子为0.75，表示当哈希表填充因子超过
* 0.75时，进行扩容。
*/
final float loadFactor;构造方法
/**
* 带初始容量和负载因子参数的构造方法 :用户可以同时指定初始容量和负载因子
*/
public HashMap(int initialCapacity, float loadFactor) {
//检查初始容量的合法性，确保初始容量为非负数.
if (initialCapacity < 0)
throw new IllegalArgumentException("Illegal initial capacity: " +
initialCapacity);
//如果用户指定的初始容量超过HashMap所允许的最大容量(MAXIMUM_CAPACITY)
//则将初始容量设为最大容量。
if (initialCapacity > MAXIMUM_CAPACITY)
initialCapacity = MAXIMUM_CAPACITY;
//检查负载因子的合法性，负载因子为正数。
if (loadFactor <= 0 || Float.isNaN(loadFactor))
throw new IllegalArgumentException("Illegal load factor: " +
loadFactor);
//使用用户给定的负载因子
this.loadFactor = loadFactor;
//计算阈值,为大于等于初始容量的2的整数倍
this.threshold = tableSizeFor(initialCapacity);
}
/**
* 带初始容量参数的构造方法 : 用户可以指定初始容量，负载因子使用默认值
*/
public HashMap(int initialCapacity) {
this(initialCapacity, DEFAULT_LOAD_FACTOR);
}
/**
* 无参构造方法，默认初始容量为16，负载因子为0.75 使用默认的初始容量和负载因子
*/
public HashMap() {
this.loadFactor = DEFAULT_LOAD_FACTOR; // all other fields defaulted
}
/**
* HashMap的带有另一个Map作为参数的构造方法
*/
public HashMap(Map<? extends K, ? extends V> m) {
this.loadFactor = DEFAULT_LOAD_FACTOR;
putMapEntries(m, false);
}
final void putMapEntries(Map<? extends K, ? extends V> m, boolean evict) {
int s = m.size();
if (s > 0) {//首先检查传入的Map的大小,如果大于0,则根据当前HashMap的状态进行初始化或扩容操作
if (table == null) { //如果当前HashMap还没有初始化
//计算初始容量(初始容量为(传入Map的size大小/负载因子)+ 1)
float ft = ((float)s / loadFactor) + 1.0F;
int t = ((ft < (float)MAXIMUM_CAPACITY) ?
(int)ft : MAXIMUM_CAPACITY);
//设置阈值
if (t > threshold)
threshold = tableSizeFor(t);
}
else if (s > threshold)
//如果当前HashMap已经初始化，并且传入Map的大小超过了阈值，则进行扩容操作。
resize();
//遍历传入的Map的每个键值对，对每个键值对调用putVal方法插入到当前HashMap中。
for (Map.Entry<? extends K, ? extends V> e : m.entrySet()) {
K key = e.getKey();
V value = e.getValue();
putVal(hash(key), key, value, false, evict);
}
}
}静态工具方法
hash方法
static final int hash(Object key) {
int h;
return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}这个hash方法就是计算key的hashcode的.
hashcode有什么用呢 ?
- 通过hashcode(哈希值)可以进一步计算出索引值
- 好的hashcode 可以减少哈希冲突.
这里使用的hash方法也叫作二次hash.
如果传过来的key为null,那么它的hash值就是0,否则不是null就计算key的hash值,先得到key的hashcode 然后 在异或 key的hashcode右移16位.主要是为了让hashcode散步的更为均匀,链表就不会有过长的情况
为什么这么计算hashcode就更为均匀呢 ?
- 先说一下结论, 如果不采用上面那种算法,直接使用hashcode为hash值,会很容易的造成哈希冲突.
- 当数组长度很小的时候假设为16 16-1 = 15 二进制位1111,这样的值和hashcode做按位与操作,实际上只使用了hash值的后4位,如果当哈希值高位变化很大的时候,低位变化很小或者不变的时候,就很容易计算出的索引值是一样的. 这里与hashcode右移16位就是让高地位都利用起来,从而解决这个问题
就比如这个例子如果只使用hashcode作为hash值的时候, 当第一个key计算出索引为10,当下一个key低位不变,高位变化很大的时候,计算出的索引值依然为10,这就很容易导致哈希冲突
- 所以我们要进行二次哈希,做一个扰动,让高位的数字中和进来,确保hashcode分布的更加均匀,这样元素也分布的均匀,防止超长链表的产生
如何计算索引值
final V putVal(int hash, K key, V value, boolean onlyIfAbsent,
boolean evict) {
HashMap.Node<K,V>[] tab; HashMap.Node<K,V> p; int n, i;
if ((tab = table) == null || (n = tab.length) == 0)
n = (tab = resize()).length;
if ((p = tab[i = (n - 1) & hash]) == null)
tab[i] = newNode(hash, key, value, null);上面是我截取的put方法的代码.可以看到tab[i=(n-1) &hash] 就能看见怎么计算的索引值
它是使用(哈希表的长度 - 1) 与 hash值进行按位与操作
这样的计算其实与 哈希表的长度 % hash值 得到的结果是一致的.
原因是 按位与操作 要比 取余 效率更高一些.
tableSizeFor方法
/**
* 根据给定的目标容量，返回一个最接近且大于等于该容量的2的幂次方大小。
*/
static final int tableSizeFor(int cap) {
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;
}- 首先将
cap减 1，这样做的目的是为了将计算的结果保持在 2 的幂次方的形式，方便后续的位操作。 - 接着使用位操作
n |= n >>> 1，将n右移 1 位并与原值进行按位或操作。这个操作将把n的二进制表示的高位都填充为 1，确保n向上取到最近的一个 2 的幂次。 - 然后继续对
n进行类似的位操作，每次右移的位数递增，分别是 2、4、8、16，最终得到一个大于等于cap的最小的 2 的幂次。 - 最后，根据计算得到的
n的值进行返回。如果n小于 0，则返回 1，表示容量至少为 1。如果n大于等于MAXIMUM_CAPACITY，则返回MAXIMUM_CAPACITY，表示容量达到 HashMap 容量的上限。否则，返回n + 1。
这个方法的作用是为了优化 HashMap 的容量，将传入的容量 cap 转换为 大于等于指定容量的最小的2 的n次幂. 保证赋值给阈值的是2的n次幂
还有没有其他方法得到2的n次幂?
还可以考虑通过循环和移位运算来计算大于等于传入数的最近的 2 的 n 次幂。以下是一个示例代码：
int num = ...; // 传入的数
int powerOfTwo = 1; // 初始值为 1
while (powerOfTwo < num) {
powerOfTwo <<= 1; // 左移 1 位，相当于乘以 2
}
// 此时 powerOfTwo 是大于等于传入数的最近的 2 的 n 次幂这个方法利用了左移运算符（<<）来进行乘以 2 的操作，通过循环不断更新 powerOfTwo 的值，直到找到大于等于传入数的最近的 2 的 n 次幂。
需要注意的是，这个方法的时间复杂度是 O(log N)，其中 N 是传入的数的大小。对于较大的数来说，这个方法可能需要进行多次迭代。
为什么HashMap的数组长度一定是2的n次幂?
计算索引的时候效率更高, 如果容量是2的n次幂,就可以使用位与运算代替取模,效率会更高;
在扩容重新计算索引效率更高 : hash & oldCap == 0的元素留在原来的位置,否则元素移动到 新位置(=旧位置 + oldCap)
HashMap更注重性能,所以选择2的n次幂
- 选择2的n次幂作为数组容量如果数组中的元素都是偶数的情况,那么哈希分布就不均匀,如果要追求更高的效率那么可以使用2的n次幂.HashMap更追求与性能,所以使用2的N次幂
- 当我们选择质数作为数组容量的时候,即使元素不那么好,哈希分布也均匀,如果要保证好的哈希分布性就选择质数作为数组容量
具体到底选不选择2的N次幂作为数组容量主要还是要综合各种因素考虑来看
HashMap核心方法
put方法
public V put(K key, V value) {
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;
//判断数组是否未初始化
if ((tab = table) == null || (n = tab.length) == 0)
//如果未初始化，调用resize方法 进行初始化
n = (tab = resize()).length;
//通过 & 运算求出该数据（key）的数组下标并判断该下标位置是否有数据
if ((p = tab[i = (n - 1) & hash]) == null)
//如果没有，直接将数据放在该下标位置
tab[i] = newNode(hash, key, value, null);
//该数组下标有数据的情况
else {
Node<K,V> e; K k;
//判断该位置数据的key和新来的数据是否一样
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
//如果一样，证明为修改操作，该节点的数据赋值给e,后边会用到
e = p;
//判断是不是红黑树
else if (p instanceof TreeNode)
//如果是红黑树的话，进行红黑树的操作
e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
//新数据和当前数组既不相同，也不是红黑树节点，证明是链表
else {
//遍历链表
for (int binCount = 0; ; ++binCount) {
//判断next节点，如果为空的话，证明遍历到链表尾部了
if ((e = p.next) == null) {
//把新值放入链表尾部
p.next = newNode(hash, key, value, null);
//因为新插入了一条数据，所以判断链表长度是不是大于等于8
if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st
//如果是，进行转换红黑树操作
treeifyBin(tab, hash);
break;
}
//判断链表当中有数据相同的值，如果一样，证明为修改操作
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
break;
//把下一个节点赋值为当前节点
p = e;
}
}
//判断e是否为空（e值为修改操作存放原数据的变量）
if (e != null) { // existing mapping for key
//不为空的话证明是修改操作，取出老值
V oldValue = e.value;
//一定会执行 onlyIfAbsent传进来的是false
if (!onlyIfAbsent || oldValue == null)
//将新值赋值当前节点
e.value = value;
afterNodeAccess(e);
//返回老值
return oldValue;
}
}
//计数器，计算当前节点的修改次数
++modCount;
//当前数组中的数据数量如果大于扩容阈值
if (++size > threshold)
//进行扩容操作
resize();
//空方法
afterNodeInsertion(evict);
//添加操作时 返回空值
return null;
}put方法流程总结 :
- 判断键值对数组table是否为null
- 如果为null(代表第一次添加数据),则进入resize()方法进行扩容,初始化长度为16的数组
- 根据key计算hash值得到索引
- 判断该位置table[i]是否为空
- 如果为null,则直接新建节点添加
- 如果不为null
- 判断table[i]的首个元素是否和key相同,如果相同则直接覆盖value
- 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
- 否则就是链表,则遍历链表,看key是否存在,如果key已经存在则直接覆盖value,否则在链表尾部插入该键值对,然后判断链表长度是否大于8,如果大于8走链表转红黑树的逻辑(treeifyBin).
- 插入元素成功后,判断实际存在的键值对size是否超过了阈值threshold,如果超过则进行扩容(调用resize方法)
将链表转换为红黑树的treeifyBin方法方法
/**
* Replaces all linked nodes in bin at index for given hash unless
* table is too small, in which case resizes instead.
替换指定哈希表的索引处桶中的所有链接节点，除非表太小，否则将修改大小。
Node<K,V>[] tab = tab 数组名
int hash = hash表示哈希值
*/
final void treeifyBin(Node<K,V>[] tab, int hash) {
int n, index; Node<K,V> e;
/*
如果当前数组为空或者数组的长度小于进行树形化的阈值(MIN_TREEIFY_CAPACITY = 64),
就去扩容。而不是将节点变为红黑树。
目的：如果数组很小，那么转换红黑树，然后遍历效率要低一些。这时进行扩容，那么重新计算哈希值
，链表长度有可能就变短了，数据会放到数组中，这样相对来说效率高一些。
*/
if (tab == null || (n = tab.length) < MIN_TREEIFY_CAPACITY)
//扩容方法
resize();
else if ((e = tab[index = (n - 1) & hash]) != null) {
/*
1）执行到这里说明哈希表中的数组长度大于阈值64，开始进行树形化
2）e = tab[index = (n - 1) & hash]表示将数组中的元素取出赋值给e,e是哈希表中指定位 置桶里的链表节点，从第一个开始
*/
//hd：红黑树的头结点 tl :红黑树的尾结点
TreeNode<K,V> hd = null, tl = null;
do {
//新创建一个树的节点，内容和当前链表节点e一致
TreeNode<K,V> p = replacementTreeNode(e, null);
if (tl == null)
//将新创键的p节点赋值给红黑树的头结点
hd = p;
else {
/*
p.prev = tl：将上一个节点p赋值给现在的p的前一个节点
tl.next = p;将现在节点p作为树的尾结点的下一个节点
*/
p.prev = tl;
tl.next = p;
}
tl = p;
/*
e = e.next 将当前节点的下一个节点赋值给e,如果下一个节点不等于null
则回到上面继续取出链表中节点转换为红黑树
*/
} while ((e = e.next) != null);
/*
让桶中的第一个元素即数组中的元素指向新建的红黑树的节点，以后这个桶里的元素就是红黑树
而不是链表数据结构了
*/
if ((tab[index] = hd) != null)
hd.treeify(tab);
}
}get方法
public V get(Object key) {
Node<K,V> e;
return (e = getNode(hash(key), key)) == null ? null : e.value;
}get方法主要调用的是getNode方法，代码如下：
final Node<K,V> getNode(int hash, Object key) {
Node<K,V>[] tab; Node<K,V> first, e; int n; K k;
//如果哈希表不为空并且key对应的桶上不为空
if ((tab = table) != null && (n = tab.length) > 0 &&
(first = tab[(n - 1) & hash]) != null) {
/*
判断数组元素是否相等
根据索引的位置检查第一个元素
注意：总是检查第一个元素
*/
if (first.hash == hash && // always check first node
((k = first.key) == key || (key != null && key.equals(k))))
return first;
// 如果不是第一个元素，判断是否有后续节点
if ((e = first.next) != null) {
// 判断是否是红黑树，是的话调用红黑树中的getTreeNode方法获取节点
if (first instanceof TreeNode)
return ((TreeNode<K,V>)first).getTreeNode(hash, key);
do {
// 不是红黑树的话，那就是链表结构了，通过循环的方法判断链表中是否存在该key
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
return e;
} while ((e = e.next) != null);
}
}
return null;
}- 如果数组不为null,先计算key的hash值然后计算出索引
- 检查索引位置的第一个元素是否与key相同,如果相同则直接返回
- 如果不是第一个元素,再去判断有没有后续节点
- 如果有,判断该节点是否是红黑树节点,如果是,去树上查找
- 否则就是链表,遍历链表,如果发现与key相同,则返回该节点
- 如果没有找到返回null.
resize方法
final Node<K,V>[] resize() {
//得到当前数组
Node<K,V>[] oldTab = table;
//如果当前数组等于null长度返回0，否则返回当前数组的长度
int oldCap = (oldTab == null) ? 0 : oldTab.length;
//当前阀值点 默认是12(16*0.75)
int oldThr = threshold;
int newCap, newThr = 0;
//如果老的数组长度大于0
//开始计算扩容后的大小
if (oldCap > 0) {
// 超过最大值就不再扩充了，就只好随你碰撞去吧
if (oldCap >= MAXIMUM_CAPACITY) {
//修改阈值为int的最大值
threshold = Integer.MAX_VALUE;
return oldTab;
}
/*
没超过最大值，就扩充为原来的2倍
1)(newCap = oldCap << 1) < MAXIMUM_CAPACITY 扩大到2倍之后容量要小于最大容量
2）oldCap >= DEFAULT_INITIAL_CAPACITY 原数组长度大于等于数组初始化长度16
*/
else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&
oldCap >= DEFAULT_INITIAL_CAPACITY)
//阈值扩大一倍
newThr = oldThr << 1; // double threshold
}
//老阈值点大于0 直接赋值
else if (oldThr > 0) // 老阈值赋值给新的数组长度
newCap = oldThr;
else {// 直接使用默认值
newCap = DEFAULT_INITIAL_CAPACITY;//16
newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);
}
// 计算新的resize最大上限
if (newThr == 0) {
float ft = (float)newCap * loadFactor;
newThr = (newCap < MAXIMUM_CAPACITY && ft < (float)MAXIMUM_CAPACITY ?
(int)ft : Integer.MAX_VALUE);
}
//新的阀值 默认原来是12 乘以2之后变为24
threshold = newThr;
//创建新的哈希表
@SuppressWarnings({"rawtypes","unchecked"})
//newCap是新的数组长度--》32
Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap];
table = newTab;
//判断旧数组是否等于空
if (oldTab != null) {
// 把每个bucket都移动到新的buckets中
//遍历旧的哈希表的每个桶，重新计算桶里元素的新位置
for (int j = 0; j < oldCap; ++j) {
Node<K,V> e;
if ((e = oldTab[j]) != null) {
//原来的数据赋值为null 便于GC回收
oldTab[j] = null;
//判断数组是否有下一个引用
if (e.next == null)
//没有下一个引用，说明不是链表，当前桶上只有一个键值对，直接插入
newTab[e.hash & (newCap - 1)] = e;
//判断是否是红黑树
else if (e instanceof TreeNode)
//说明是红黑树来处理冲突的，则调用相关方法把树分开
((TreeNode<K,V>)e).split(this, newTab, j, oldCap);
else { // 采用链表处理冲突
Node<K,V> loHead = null, loTail = null;
Node<K,V> hiHead = null, hiTail = null;
Node<K,V> next;
//通过上述讲解的原理来计算节点的新位置
do {
// 原索引
next = e.next;
//这里来判断如果等于true e这个节点在resize之后不需要移动位置
if ((e.hash & oldCap) == 0) {
if (loTail == null)
loHead = e;
else
loTail.next = e;
loTail = e;
}
// 原索引+oldCap
else {
if (hiTail == null)
hiHead = e;
else
hiTail.next = e;
hiTail = e;
}
} while ((e = next) != null);
// 原索引放到bucket里
if (loTail != null) {
loTail.next = null;
newTab[j] = loHead;
}
// 原索引+oldCap放到bucket里
if (hiTail != null) {
hiTail.next = null;
newTab[j + oldCap] = hiHead;
}
}
}
}
}
return newTab;
}resize方法流程总结
- 在添加元素或初始化的时候需要调用resize方法进行扩容,第一次添加数据的时候会初始化数组长度为16,以后每次到达扩容阈值(数组长度*0.75),才去扩容
- 每次扩容的时候,都是扩容之前容量的2倍
- 扩容之后,会创建一个新的数组,然后需要把老数组中的数据挪动到新的数组中
- 对于没有hash冲突的节点(哈希桶中只有一个元素),则直接使用e.hash & (newCap -1) 计算新数组的索引位置
- 如果是节点是树节点,会走红黑树的添加逻辑
- 如果是链表,则需要遍历链表,可能需要拆分链表, 判断(e.hash & oldCap) 是否为0,如果为0,该元素不动(放到原来存储位置上),否则就移动到原始位置 + 旧数组容量大小 ,这个位置上
可以发现扩容之前和扩容之后,就会增加1bit为,就看高位新增的1bit,要么是0,要么是1
如果是0,则存储原来位置,如果是1,则存储原来位置 + oldCap 位置.
这个时候我们就可以进行一下拆分
就看高位新增的1bit是0还是1,通过 hash值 & oldCap.
- hash & oldCap == 0 : 则存储原来位置
- hash & oldCap == 1 : 则存储原来位置 + oldCap 位置.
remove方法
//remove方法的具体实现在removeNode方法中，所以我们重点看下removeNode方法
public V remove(Object key) {
Node<K,V> e;
return (e = removeNode(hash(key), key, null, false, true)) == null ?
null : e.value;
}final Node<K,V> removeNode(int hash, Object key, Object value,
boolean matchValue, boolean movable) {
Node<K,V>[] tab; Node<K,V> p; int n, index;
//根据hash找到位置
//如果当前key映射到的桶不为空
if ((tab = table) != null && (n = tab.length) > 0 &&
(p = tab[index = (n - 1) & hash]) != null) {
Node<K,V> node = null, e; K k; V v;
//如果桶上的节点就是要找的key，则将node指向该节点
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
node = p;
else if ((e = p.next) != null) {
//说明节点存在下一个节点
if (p instanceof TreeNode)
//说明是以红黑树来处理的冲突，则获取红黑树要删除的节点
node = ((TreeNode<K,V>)p).getTreeNode(hash, key);
else {
//判断是否以链表方式处理hash冲突，是的话则通过遍历链表来寻找要删除的节点
do {
if (e.hash == hash &&
((k = e.key) == key ||
(key != null && key.equals(k)))) {
node = e;
break;
}
p = e;
} while ((e = e.next) != null);
}
}
//比较找到的key的value和要删除的是否匹配
if (node != null && (!matchValue || (v = node.value) == value ||
(value != null && value.equals(v)))) {
//通过调用红黑树的方法来删除节点
if (node instanceof TreeNode)
((TreeNode<K,V>)node).removeTreeNode(this, tab, movable);
else if (node == p)
//链表删除
tab[index] = node.next;
else
p.next = node.next;
//记录修改次数
++modCount;
//变动的数量
--size;
afterNodeRemoval(node);
return node;
}
}
return null;
}
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
