本文详细解析了HashMap的工作原理，包括其内部结构、扩容机制、冲突解决策略及核心方法如put、get、remove的实现细节。
首先hashmap的继承图
当链表下方数据过多时，hashmap在1.8改为数组加红黑树
进入hashmap的成员变量
private static final long serialVersionUID = 362498820763181265L;
/**默认容量，1向左移位4个，00000001变成00010000，也就是2的4次方为16，使用移位是因为移位是计算机基础运算，效率比加减乘除快。**/
static final int DEFAULT_INITIAL_CAPACITY = 1 << 4; // aka 16
//最大容量 2的30次方
static final int MAXIMUM_CAPACITY = 1 << 30;
//加载因子0.75 扩容使用，当数量达到 容量 * 负载因子 时， 则扩充当前HashMap的容量 为当前的2倍。
static final float DEFAULT_LOAD_FACTOR = 0.75f;
//某个桶的结点数大于1.8时则转化为红黑树
static final int TREEIFY_THRESHOLD = 8;
//某个桶的结点数小于6时转化为链表，前提他是红黑树
static final int UNTREEIFY_THRESHOLD = 6;
//当整个hashMap中元素数量大于64时，也会进行转为红黑树结构。
static final int MIN_TREEIFY_CAPACITY = 64;
//将数据转换成set的另一种存储形式，这个变量主要用于迭代功能。
transient Set<Map.Entry<K,V>> entrySet;
//元素数量
transient int size;
//统计该map修改的次数
transient int modCount;
//临界值，也就是元素数量达到临界值时，会进行扩容。
int threshold;
//也是加载因子，只不过这个是变量。
final float loadFactor;
下面介绍内部类
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;
} 单向链表结点的数据结构下面是红黑树的数据结构
static final class TreeNode<K,V> extends LinkedHashMap.Entry<K,V> {
TreeNode<K,V> parent; // red-black tree links
TreeNode<K,V> left;
TreeNode<K,V> right;
TreeNode<K,V> prev; // needed to unlink next upon deletion
boolean red;
TreeNode(int hash, K key, V val, Node<K,V> next) {
super(hash, key, val, next);
}
通过数组Node与以上两个数据结构形成hashmap的数据结构。
接下来看看构造方法
//这是指定加载因子与初始化容量
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);
}
public HashMap(int initialCapacity) {
this(initialCapacity, DEFAULT_LOAD_FACTOR);
}
public HashMap() {
this.loadFactor = DEFAULT_LOAD_FACTOR; // all other fields defaulted
}
//传入map
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) {
//取得map的长度
int s = m.size();
if (s > 0) {
判断是否初始化
if (table == null) { // pre-size
//求出需要的容量
float ft = ((float)s / loadFactor) + 1.0F;
//判断该容量大小是否超出上限。
int t = ((ft < (float)MAXIMUM_CAPACITY) ?
(int)ft : MAXIMUM_CAPACITY);
/**对临界值进行初始化，tableSizeFor(t)这个方法会返回大于t值的，且离其最近的2次幂，例如t为29，则返回的值是32**/
if (t > threshold)
threshold = tableSizeFor(t);
}
//如果table已经初始化，则进行扩容操作，resize()就是扩容。
else if (s > threshold)
resize();
//遍历，把map中的数据转到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);
}
}
}
先来看看hashmapd类里面属行
内部类
方法
剩余方法与成员属性
下面看看hashmap的核心方法
put:
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) {
//tab数组，node是指结点，n数组长度，i是下标
Node<K,V>[] tab; Node<K,V> p; int n, i;
//使用的懒初始化，如果判断数组不存在与长度为0则进行初始化
if ((tab = table) == null || (n = tab.length) == 0)
n = (tab = resize()).length;
/**如果计算出的该哈希桶的位置没有值，则把新插入的key-value放到此处，此处就算没有插入成功，也就是发生哈希冲突时也会把哈希桶的首节点赋予p**/
if ((p = tab[i = (n - 1) & hash]) == null)
//经过计算发现没有值就new一个
tab[i] = newNode(hash, key, value, null);
else {
//如果有值与首结点一样
Node<K,V> e; K k;
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
e = p;
/**为红黑树的节点，则在红黑树中进行添加，如果该节点已经存在，则返回该节点（不为null），该值很重要，用来判断put操作是否成功，如果添加成功返回null**/
else if (p instanceof TreeNode)
e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
//第三种，hash值不等于首节点，不为红黑树的节点，则为链表的节点
else {
//记录最大数字
for (int binCount = 0; ; ++binCount) {
//如果为空就插入
if ((e = p.next) == null) {
p.next = newNode(hash, key, value, null);
//如果最大数字超过临界值就转化为红黑树
if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st
treeifyBin(tab, hash);
break;
}
//如果链表中有重复的key，e则为当前重复的节点，结束循环
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
break;
p = e;
}
}
//有重复的key，则用待插入值进行覆盖，返回旧值。
if (e != null) { // existing mapping for key
V oldValue = e.value;
if (!onlyIfAbsent || oldValue == null)
e.value = value;
afterNodeAccess(e);
return oldValue;
}
}
//到了此步骤，则表明待插入的key-value是没有key的重复，因为插入成功e节点的值为null
//修改次数+1
++modCount;
//实际长度+1，判断是否大于临界值，大于则扩容
if (++size > threshold)
resize();
afterNodeInsertion(evict);//移除之前的对象map
return null;
}
- 1.首先获取Node数组table对象和长度，若table为null或长度为0，则调用resize()扩容方法获取table最新对象，并通过此对象获取长度大小
- 2.判定数组中指定索引下的节点是否为Null，若为Null 则new出一个单向链表赋给table中索引下的这个节点
- 3.若判定不为Null,我们的判断再做分支
-3.1 首先对hash和key进行匹配,若判定成功直接赋予e - 3.2 若匹配判定失败,则进行类型匹配是否为TreeNode 若判定成功则在红黑树中查找符合条件的节点并将其回传赋给e
- 3.3 若以上判定全部失败则进行最后操作,向单向链表中添加数据若单向链表的长度大于等于8,则将其转为红黑树保存，记录下一个节点,对e进行判定若成功则返回旧值
- 4.最后判定数组大小需不需要扩容
接下来看resize方法
final Node<K,V>[] resize() {
//之前的数组作为老数组
Node<K,V>[] oldTab = table;
//获取数组长度
int oldCap = (oldTab == null) ? 0 : oldTab.length;
//old的临界值
int oldThr = threshold;
int newCap, newThr = 0;
if (oldCap > 0) {
//oldCap > 0也就是说不是首次初始化，因为hashMap用的是懒加载
if (oldCap >= MAXIMUM_CAPACITY) {
threshold = Integer.MAX_VALUE;
return oldTab;
}
//其它情况，扩容两倍，并且扩容后的长度要小于最大值，old长度也要大于16
else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&
oldCap >= DEFAULT_INITIAL_CAPACITY)
newThr = oldThr << 1; // double threshold
}
else if (oldThr > 0) // initial capacity was placed in threshold
newCap = oldThr;
//首次初始化，给与默认值
else { // zero initial threshold signifies using defaults
newCap = DEFAULT_INITIAL_CAPACITY;
//计算临界值
newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);
}
if (newThr == 0) {
//这个就是初始化了
float ft = (float)newCap * loadFactor;
newThr = (newCap < MAXIMUM_CAPACITY && ft < (float)MAXIMUM_CAPACITY ?
(int)ft : Integer.MAX_VALUE);
}
threshold = newThr;
@SuppressWarnings({"rawtypes","unchecked"})
//初始化
Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap];
table = newTab;
//此处自然是把old中的元素，遍历到new中
if (oldTab != null) {
for (int j = 0; j < oldCap; ++j) {
//临时变量
Node<K,V> e;
//当前哈希桶的位置值不为null，也就是数组下标处有值，因为有值表示可能会发生冲突
if ((e = oldTab[j]) != null) {
//把已经赋值之后的变量置位null，当然是为了好回收，释放内存
oldTab[j] = null;
//如果下标处的节点没有下一个元素
if (e.next == null)
//把该变量的值存入newCap中，e.hash & (newCap - 1)并不等于j
newTab[e.hash & (newCap - 1)] = e;
//该节点为红黑树结构，也就是存在哈希冲突，该哈希桶中有多个元素
else if (e instanceof TreeNode)
//把此树进行转移到newCap中
((TreeNode<K,V>)e).split(this, newTab, j, oldCap);
/**此处表示为链表结构，同样把链表转移到newCap中，就是把链表遍历后，把值转过去，在置位null**/
else { // preserve order
Node<K,V> loHead = null, loTail = null;
Node<K,V> hiHead = null, hiTail = null;
Node<K,V> next;
do {
next = e.next;
//如果为0就在原位置如果不是就newTab[j + oldCap] = hiHead;
if ((e.hash & oldCap) == 0) {
if (loTail == null)
loHead = e;
else
loTail.next = e;
loTail = e;
}
else {
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;
}
- 1.判定数组是否已达到极限大小，若判定成功将不再扩容，直接将老表返回
- 2.若新表大小(oldCap2)小于数组极限大小&老表大于等于数组初始化大小 判定成功则 旧数组大小oldThr 经二进制运算向左位移1个位置 即 oldThr2当作新数组的大小
- 2.1. 若[2]的判定不成功，则继续判定 oldThr （代表 老表的下一次扩容量）大于0，若判定成功 则将oldThr赋给newCap作为新表的容量
- 2.2 若 [2] 和[2.1]判定都失败,则走默认赋值 代表 表为初次创建
- 3.确定下一次表的扩容量, 将新表赋予当前表
- 4.通过for循环将老表中的值存入扩容后的新表中
- 4.1 获取旧表中指定索引下的Node对象 赋予e 并将旧表中的索引位置数据置空
- 4.2 若e的下面没有其他节点则将e直接赋到新表中的索引位置
- 4.3 若e的类型为TreeNode红黑树类型
- 4.3.1 分割树，将新表和旧表分割成两个树，并判断索引处节点的长度是否需要转换成红黑树放入新表存储
- 4.3.2 通过Do循环 不断获取新旧索引的节点
- 4.3.3 通过判定将旧数据和新数据存储到新表指定的位置
- 5.最后返回值为 扩容后的新表。
接下来是remove操作：
public V remove(Object key) {
//临时变量
Node<K,V> e;
/**调用removeNode(hash(key), key, null, false, true)进行删除，第三个value为null，表示，把key的节点直接都删除了，不需要用到值，如果设为值，则还需要去进行查找操作**/
return (e = removeNode(hash(key), key, null, false, true)) == null ?
null : e.value;
}
/**第一参数为哈希值，第二个为key，第三个value，第四个为是为true的话，则表示删除它key对应的value，不删除key,第四个如果为false，则表示删除后，不移动节点**/
final Node<K,V> removeNode(int hash, Object key, Object value,
boolean matchValue, boolean movable) {
//tab 哈希数组，p 数组下标的节点，n 长度，index 当前数组下标
Node<K,V>[] tab; Node<K,V> p; int n, index;
//数组不为空，长度大于0，然后获得到要删除key的节点所在是数组下标位置
if ((tab = table) != null && (n = tab.length) > 0 &&
(p = tab[index = (n - 1) & hash]) != null) {
//要删除的结点，e临时变量，K key V value
Node<K,V> node = null, e; K k; V v;
//如果数组下标的节点正好是要删除的节点，把值赋给临时变量node
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
node = p;
else if ((e = p.next) != null) {
//如果有链表或者红黑树
if (p instanceof TreeNode)
//遍历红黑树找到结点返回
node = ((TreeNode<K,V>)p).getTreeNode(hash, key);
else {
do {//遍历链表找到返回
if (e.hash == hash &&
((k = e.key) == key ||
(key != null && key.equals(k)))) {
node = e;
break;
}
p = e;
} while ((e = e.next) != null);
}
}
//以上是寻找结点下面是执行删除
if (node != null && (!matchValue || (v = node.value) == value ||
(value != null && value.equals(v)))) {
//红黑树结点
if (node instanceof TreeNode)
((TreeNode<K,V>)node).removeTreeNode(this, tab, movable);
else if (node == p)
//链表结点删除
tab[index] = node.next;
else
p.next = node.next;
//修改次数
++modCount;
--size;
//删除后的业务操作，留给子类重写
afterNodeRemoval(node);
return node;
}
}
return null;
}get方法
public V get(Object key) {
Node<K,V> e;
//也是调用getNode方法来完成的
return (e = getNode(hash(key), key)) == null ? null : e.value;
}
final Node<K,V> getNode(int hash, Object key) {
//first 头结点，e 临时变量，n 长度,k key
Node<K,V>[] tab; Node<K,V> first, e; int n; K k;
//头结点也就是数组下标的节点
if ((tab = table) != null && (n = tab.length) > 0 &&
(first = tab[(n - 1) & hash]) != null) {
//如果是头结点，则直接返回头结点
if (first.hash == hash &&
((k = first.key) == key || (key != null && key.equals(k))))
return first;
//不是头结点
if ((e = first.next) != null) {
//判断是否是红黑树结构
if (first instanceof TreeNode)
//去红黑树中找，然后返回
return ((TreeNode<K,V>)first).getTreeNode(hash, key);
do { //链表节点，一样遍历链表，找到该节点并返回
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
return e;
} while ((e = e.next) != null);
}
}
//找不到，表示不存在该节点
return null;
}
- 1.判定三个条件 table不为Null & table的长度大于0 & table指定的索引值不为Null
- 2.判定 匹配hash值 & 匹配key值 成功则返回 该值
- 3.若 first节点的下一个节点不为Null
- 3.1 若first的类型为TreeNode 红黑树 通过红黑树查找匹配值 并返回查询值
- 3.2若上面判定不成功 则认为下一个节点为单向链表,通过循环匹配值
-
final void treeifyBin(Node<K,V>[] tab, int hash) { int n, index; Node<K,V> e; /* * 如果元素数组为空 或者 数组长度小于 树结构化的最小限制 * MIN_TREEIFY_CAPACITY 默认值64，对于这个值可以理解为：如果元素数组长度小于这个值，没有必要去进行结构转换 * 当一个数组位置上集中了多个键值对，那是因为这些key的hash值和数组长度取模之后结果相同。（并不是因为这些key的hash值相同） * 因为hash值相同的概率不高，所以可以通过扩容的方式，来使得最终这些key的hash值在和新的数组长度取模之后，拆分到多个数组位置上。 */ if (tab == null || (n = tab.length) < MIN_TREEIFY_CAPACITY) resize(); // 扩容，可参见resize方法解析 // 如果元素数组长度已经大于等于了 MIN_TREEIFY_CAPACITY，那么就有必要进行结构转换了 // 根据hash值和数组长度进行取模运算后，得到链表的首节点 else if ((e = tab[index = (n - 1) & hash]) != null) { TreeNode<K,V> hd = null, tl = null; // 定义首、尾节点 do { TreeNode<K,V> p = replacementTreeNode(e, null); // 将该节点转换为 树节点 if (tl == null) // 如果尾节点为空，说明还没有根节点 hd = p; // 首节点（根节点）指向 当前节点 else { // 尾节点不为空，以下两行是一个双向链表结构 p.prev = tl; // 当前树节点的 前一个节点指向 尾节点 tl.next = p; // 尾节点的 后一个节点指向 当前节点 } tl = p; // 把当前节点设为尾节点 } while ((e = e.next) != null); // 继续遍历链表 // 到目前为止 也只是把Node对象转换成了TreeNode对象，把单向链表转换成了双向链表 // 把转换后的双向链表，替换原来位置上的单向链表 if ((tab[index] = hd) != null) hd.treeify(tab);//此处单独解析 } - 1.做判定 tab 为Null 或 tab的长度小于红黑树最小容量， 判定成功则通过扩容,扩容table数组大小
- 2.做判定 若tab索引位置下数据不为空，判定成功则通过循环将单向链表转换为红黑树存储
- 2.1 通过Do循环将当前节点下的单向链表转换为红黑树，若下一个不为Null,则继续遍历
- 2.2 构建红黑树，以头部节点定为根节点
关于扩容后链表的排列问题。
(a) 是未扩容时， key1 和 key2 得出的 hash & (n - 1) 均为 5。
(b) 是扩容之后，key1 计算出的 newTab 角标依旧为 5，但是 key2 由于 扩容， 得出的角标 加了 16，即21， 16是oldTab的length，再来看e.hash & oldCap，oldCap.length即n 本身为 0000 0000 0000 0000 0000 0000 0001 0000 ，这个位与运算可以得出扩容后哪些key 在 扩容新增位时1，哪些是0，一个位运算替换了rehash过程，是不是得给100个赞~大概扩容的过程如下：
1.关于（n-1）&hash?
n是数组的长度，是hashmap基表的长度，这个表的长度在定义的时候是2的N次幂，这里n-1用二进制表示各位都是1，然后和hash进行与运算其实就是求hash除以n的余数。hash map默认初始n为16如果此时存入的key的hash为16，那么（n-1）&hash就是15&16结果为0，此时数据的节点就会被放在数组索引0的位置，这也是hashmap的散列算法的最后一步，其实就是讲hash散布到16个表格中。
2.关于为什么进行hash运算解决冲突原因https://blog.youkuaiyun.com/weixin_43689776/article/details/99999126
HashMap面试指南 - 孤独烟的文章 - 知乎 https://zhuanlan.zhihu.com/p/76735726
关于并发下put可能丢失数据的情形https://www.imooc.com/article/71730?block_id=tuijian_wz
扫一扫
2万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
