一、HashMap集合简介
HashMap基于哈希表的Map接口实现，是以key-value存储形式存在，即主要用来存放键值对。
HashMap 的实现不是同步的，这意味着它不是线程安全的。它的key、value都可以为null。
JDK1.8 之前 HashMap 由 数组+链表 组成，数组是 HashMap 的主体，链表则是主要为了解决哈希冲突。
JDK1.8 以后HashMap在解决哈希冲突时有了较大的变化，由 数组+链表+红黑树 组成，当链表长度大于 8 并且当前数组的长度大于 64 时，此时此索引位置上的所有数据改为使用红黑树存储。
将链表转换成红黑树前会判断，即使链表长度大于8，但是数组长度小于64，此时并不会将链表变为红黑树。而是选择进行数组扩容。
这样做的目的是因为数组比较小，尽量避开红黑树结构，这种情况下变为红黑树结构，反而会降低效率，因为红黑树需要进行左旋，右旋，变色这些操作来保持平衡 。同时数组长度小于64时，搜索时间相对要快些。
综上所述，为了提高性能和减少搜索时间，底层在阈值大于8并且数组长度大于64时，链表才转换为红黑树。
1.8为什么引入红黑树？这样结构的话不是更麻烦了吗，为何阈值大于8换成红黑树？
即使哈希函数取得再好，也很难达到元素百分百均匀分布。当 HashMap 中有大量的元素都存放到同一个桶中时，这个桶下有一条长长的链表，这个时候 HashMap 就相当于一个单链表，遍历的时间复杂度就是 O(n)，完全失去了它的优势。针对这种情况，JDK 1.8 中引入了 红黑树（查找时间复杂度为 O(logn)）来优化这个问题。
在 JDK8 前底层创建 HashMap 对象时，会创建长度是 16 的一维数组 Entry[] table。但是在 JDK8 以后并没有在创建集合对象时创建数组，而是在首次调用 put() 方法时，底层创建长度为 16 的 Node[] table 数组。
二、HashMap继承关系
说明：
-
Cloneable 接口，表示可以克隆。
-
Serializable 接口，表示可以被序列化和反序列化。
三、HashMap集合类的成员
1、成员变量
1）序列化版本号
private static final long serialVersionUID = 362498820763181265L;2）集合的初始化容量( 必须是二的n次幂 )
//默认的初始容量是16
static final int DEFAULT_INITIAL_CAPACITY = 1 << 4; 问题： 为什么必须是2的n次幂？
为了数据的的均匀分布，减少hash冲突，当向HashMap中添加一个元素的时候，需要根据 key 的 hash值 与 数组长度取模 确定其在数组中的具体位置，hash%length，在计算机中直接求余效率不如位移运算，所以源码中做了优化，使用 hash&(length-1)，而实际上 hash%length 等于 hash&(length-1) 的前提是length是2的n次幂。
问题：为什么这样能均匀分布减少碰撞呢？
length-1 的后 n 为全为1，hash&(length-1) 的结果由 hash值 的二进制的后 n 位决定，而 hash值 是随机的，如果length不是 2 的 n 次幂，必然会出现数组中的某些位置永远不会被分配到。
问题：如果输入值不是2的幂比如10会怎么样？
如果创建HashMap对象时，输入的数组长度是10，不是2的幂，HashMap通过一通位移运算和或运算得到2的幂次数，并且是离那个数最近的数字。
public HashMap(int initialCapacity) {
this(initialCapacity, DEFAULT_LOAD_FACTOR);
}
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);
}
/*
* 返回比指定初始化容量大的最小的2的n次幂
*/
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;
}说明
- 执行减1操作是为了防止cap已经是2的幂，最终返回的capacity是这个cap的2倍。
- 如果 n 这时为 0 了（经过了cap-1之后），则经过后面的几次无符号右移依然是 0，最后返回的 capacity 是 1（最后有个n+1的操作）。
理解tableSizeFor方法
00000000 00100000 00000000 00001001 //n
00000000 00010000 00000000 00000100 //n >>> 1
//或运算是为了保留最高位的1，并且让右移的一位也为1
00000000 00110000 00000000 00001101 //n |= n >>> 1
//此时最高位右边有一个为1，加上最高位就是两个1，所以n >>> 2
00000000 00001100 00000000 00000011 //n >>> 2
00000000 00111100 00000000 00001011 //n |= n >>> 2
// 右移一位，再或运算，就有两位变为1，以此类推，4位，8，16。后面不再演示容量最大也就是32bit的正数，因此最后n |= n >>> 16; ，最多也就32个1（但是这已经是负数了）。最后判断如果大于MAXIMUM_CAPACITY(2 ^ 30)，则取MAXIMUM_CAPACITY，否则加1操作。
注意，得到的这个capacity却被赋值给了threshold。
this.threshold = tableSizeFor(initialCapacity);3）默认的负载因子，默认值是0.75
static final float DEFAULT_LOAD_FACTOR = 0.75f;4）集合最大容量
static final int MAXIMUM_CAPACITY = 1 << 30;5）当链表的值超过8则会转红黑树(1.8新增)
static final int TREEIFY_THRESHOLD = 8;问题：为什么Map桶中节点个数超过8才转为红黑树？
在HashMap中有一段注释说明
* Because TreeNodes are about twice the size of regular nodes, we
* use them only when bins contain enough nodes to warrant use
* (see TREEIFY_THRESHOLD). And when they become too small (due to
* removal or resizing) they are converted back to plain bins. In
* usages with well-distributed user hashCodes, tree bins are
* rarely used. Ideally, under random hashCodes, the frequency of
* nodes in bins follows a Poisson distribution
* (http://en.wikipedia.org/wiki/Poisson_distribution) with a
* parameter of about 0.5 on average for the default resizing
* threshold of 0.75, although with a large variance because of
* resizing granularity. Ignoring variance, the expected
* occurrences of list size k are (exp(-0.5) * pow(0.5, k) /
* factorial(k)). The first values are:
*
* 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
* more: less than 1 in ten million
TreeNodes占用空间是普通Nodes的两倍，所以只有当bin包含足够多的节点时才会转成TreeNodes，而是否足够多就是由TREEIFY_THRESHOLD的值决定的。当bin中节点数变少时，又会转成普通的bin。并且我们查看源码的时候发现，链表长度达到8就转成红黑树，当长度降到6就转成普通bin。
这样就解释了为什么不是一开始就将其转换为TreeNodes，而是需要一定节点数才转为TreeNodes，说白了就是空间和时间的权衡。
6）当链表的值小于6则会从红黑树转回链表
static final int UNTREEIFY_THRESHOLD = 6;7）当Map里面的数量超过64时，表中的桶才能进行树形化
否则桶内元素太多时会扩容，而不是树形化。为了避免进行扩容、树形化选择的冲突，这个值不能小于 4 * TREEIFY_THRESHOLD
//桶中结构转化为红黑树对应的数组长度最小的值
static final int MIN_TREEIFY_CAPACITY = 64;8）table用来初始化(必须是二的n次幂)
//存储元素的数组
transient Node<K,V>[] table;jdk8之前数组类型是Entry<K,V>类型，从jdk1.8之后是Node<K,V>类型。只是换了个名字，都实现了一样的接口：Map.Entry<K,V>，负责存储键值对数据的。
9）用来存放缓存
transient Set<Map.Entry<K,V>> entrySet;10）HashMap中存放元素的个数(重点)
transient int size;size为HashMap中K-V的实时数量，不是数组table的长度。
11）用来记录HashMap的修改次数
// 每次扩容和更改map结构的计数器
transient int modCount; 12）临界值
int threshold;threshold计算公式：capacity(数组长度默认16) * loadFactor(负载因子默认0.75)。
这个值是当前已占用数组长度的最大值。当size>=threshold的时候，那么就要考虑对数组的resize(扩容)，也就是说，这个的意思就是 衡量数组是否需要扩增的一个标准。
扩容后的 HashMap 容量是之前容量的两倍。
13）哈希表的加载因子(重点)
final float loadFactor;表示HashMap的疏密程度，影响hash操作到同一个数组位置的概率。
计算HashMap的实时加载因子的方法为：size/capacity，而不是占用桶的数量去除以capacity。capacity 是桶的数量，也就是 table 的长度length。
loadFactor太大导致查找元素效率低，太小导致数组的利用率低，存放的数据会很分散。loadFactor的默认值为0.75f，是官方给出的一个比较好的临界值。
当HashMap里面容纳的元素已经达到HashMap数组长度的75%时，表示HashMap太挤了，需要扩容，而扩容这个过程涉及到 rehash、复制数据等操作，非常消耗性能。所以开发中尽量减少扩容的次数，可以通过创建HashMap集合对象时指定初始容量来尽量避免。
在HashMap的构造器中可以定制loadFactor。
HashMap(int initialCapacity, float loadFactor)2、构造方法
public HashMap() {
this.loadFactor = DEFAULT_LOAD_FACTOR; // all other fields defaulted
}
public HashMap(int initialCapacity) {
this(initialCapacity, DEFAULT_LOAD_FACTOR);
}
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);
}注意，在 tableSizeFor 方法体内部将计算后的数据返回给调用这里了，并且直接赋值给threshold边界值了。有些人会觉得这里是一个bug，应该这样书写：
this.threshold = tableSizeFor(initialCapacity) * this.loadFactor;这样才符合 threshold 的意思（当 HashMap 的 size 到达 threshold 这个阈值时会扩容）。
但是请注意，在 jdk8 以后的构造方法中，并没有对 table 这个成员变量进行初始化，table的初始化被推迟到了 put 方法中，在 put 方法中会对 threshold 重新计算。
//构造一个映射关系与指定 Map 相同的新 HashMap。
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) {
//获取参数集合的长度
int s = m.size();
if (s > 0) {
// 判断table是否已经初始化
if (table == null) {
// 未初始化，s为m的实际元素个数
float ft = ((float)s / loadFactor) + 1.0F;
int t = ((ft < (float)MAXIMUM_CAPACITY) ?
(int)ft : MAXIMUM_CAPACITY);
// 计算得到的t大于阈值，则初始化阈值
if (t > threshold)
threshold = tableSizeFor(t);
}
// 已初始化，并且m元素个数大于阈值，进行扩容处理
else if (s > threshold)
resize();
// 将m中的所有元素添加至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);
}
}
}float ft = ((float)s / loadFactor) + 1.0F 这一行代码中为什么要加1.0F ？
s/loadFactor 的结果是小数，加 1.0F 与 (int)ft 相当于是对小数做一个向上取整，以尽可能的保证更大容量，更大的容量能够减少 resize 的调用次数，所以 +1.0F是为了获取更大的容量。
3、成员方法
1）增加方法
put方法是比较复杂的，实现步骤大致如下：
- 先通过hash值计算出key映射到哪个桶；
- 如果桶上没有碰撞冲突，则直接插入；
- 如果出现碰撞冲突了，则需要处理冲突：
- 如果该桶使用红黑树处理冲突，则调用红黑树的方法插入数据；
- 否则采用传统的链式方法插入。如果链的长度达到临界值，则把链转变为红黑树；
- 如果桶中存在重复的键，则为该键替换新值value；
- 如果size大于阈值threshold，则进行扩容；
public V put(K key, V value) {
return putVal(hash(key), key, value, false, true);
}说明：HashMap只提供了 put 用于添加元素，putVal 方法只是给 put 方法调用的一个方法，并没有提供给用户使用。
hash 方法源码：
static final int hash(Object key) {
int h;
return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}- 如果 key 等于 null，可以看到当 key 等于 null 的时候也是有哈希值的，返回的是 0。
- 如果 key 不等于 null，首先计算出 key 的 hashCode 赋值给 h，然后与 h 无符号右移16位后的二进制进行按位异或得到最后的hash值。
hash函数为什么要这样设计？
如果数组长度很小，假设是16的话，那么 n-1 即为1111 ，这样的值和hashCode()直接做按位与操作，实际上只使用了哈希值的后4位。如果当哈希值的高位变化很大，低位变化很小，这样就很容易造成哈希冲突了，所以把高低位都利用起来，从而减少冲突。
何时发生哈希碰撞和什么是哈希碰撞，如何解决哈希碰撞？
只要两个元素的key计算的哈希码值相同就会发生哈希碰撞。jdk8前使用链表解决哈希碰撞，jdk8之后使用链表+红黑树解决哈希碰撞。
putVal 方法源码：
/**
* onlyIfAbsent ：为true代表不更改现有的值
* evict ：为false表示table为创建状态
*/
final V putVal(int hash, K key, V value, boolean onlyIfAbsent,
boolean evict) {
Node<K,V>[] tab; Node<K,V> p; int n, i;
//判断数组是否初始化
if ((tab = table) == null || (n = tab.length) == 0)
//数组初始化，并将初始化好的数组长度赋值给n
n = (tab = resize()).length;
//判断节点位置是否等于null，如果为null，根据键值对创建新的节点放入该位置的桶中
if ((p = tab[i = (n - 1) & hash]) == null)
tab[i] = newNode(hash, key, value, null);
// 执行else说明tab[i]不等于null，表示这个位置已经有值了。
else {
Node<K,V> e; K k;
//比较桶中第一个元素(数组中的结点)的hash值和key是否相等
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
e = p;
// hash值不相等或者key不相等；判断p是否为红黑树结点
else if (p instanceof TreeNode)
// 放入树中
e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
// 说明是链表节点
else {
//采用循环遍历的方式遍历链表
for (int binCount = 0; ; ++binCount) {
//此时到达了链表的尾部，还没有找到重复的key,
//将该键值对插入链表中，说明HashMap没有包含该键
if ((e = p.next) == null) {
//创建一个新的节点插入到尾部
p.next = newNode(hash, key, value, null);
//节点添加完成之后判断此时节点个数是否大于TREEIFY_THRESHOLD临界值8，
//如果大于则将链表转换为红黑树
if (binCount >= TREEIFY_THRESHOLD - 1)
//转换为红黑树
treeifyBin(tab, hash);
break;
}
//判断链表中结点的key值与插入的元素的key值是否相等
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
//要添加的元素和链表中的存在的元素的key相等了，则跳出for循环。
break;
p = e;
}
}
//表示在桶中找到key值、hash值与插入元素相等的结点
if (e != null) {
//记录e的value
V oldValue = e.value;
//onlyIfAbsent为false或者旧值为null
if (!onlyIfAbsent || oldValue == null)
//用新值替换旧值
e.value = value;
// 访问后回调
afterNodeAccess(e);
return oldValue;
}
}
//修改记录次数
++modCount;
// 判断实际大小是否大于threshold阈值，如果超过则扩容
if (++size > threshold)
resize();
// 插入后回调
afterNodeInsertion(evict);
return null;
}2）将链表转换为红黑树的treeifyBin方法
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。
if (tab == null || (n = tab.length) < MIN_TREEIFY_CAPACITY)
resize();
//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
else if ((e = tab[index = (n - 1) & hash]) != null) {
//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 {
//将上一个节点p赋值给现在的p的前一个节点
p.prev = tl;
//将现在节点p作为树的尾结点的下一个节点
tl.next = p;
}
tl = p;
} while ((e = e.next) != null);
// ==> 此时依然为链表结构，不过是树形节点的双向链表
//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
if ((tab[index] = hd) != null)
//转换为红黑树
hd.treeify(tab);
}
}3、扩容方法_resize
1）扩容机制
HashMap的扩容是什么？
伴随着一次重新hash分配，并且会遍历hash表中所有的元素，是非常耗时的。
HashMap在进行扩容时，使用的rehash方式非常巧妙，因为每次扩容都是翻倍，与原来计算的 (n-1)&hash的结果相比，只是多了一个bit位，所以节点要么就在原来的位置，要么就被分配到"原位置+旧容量"这个位置。
解释如下
代码中有这行代码：(e.hash & oldCap) == 0
举例：
101101010001101 hash
101101010011101 hash
000000000001111 oldCap-1
000000000011111 newCap-1
000000000010000 oldCap
e.hash & newCap-1无非两种结果01101或者11101，即原位置或原位置加旧容量
因此，我们在扩充HashMap的时候，不需要重新计算hash，只需要看看原来的hash值新增的那个bit是1还是0就可以了，是0的话索引没变，是1的话索引变成“原索引+oldCap(原位置+旧容量)”。
正是因为这样巧妙的rehash方式，既省去了重新计算hash值的时间，而且同时，由于新增的1bit是0还是1可以认为是随机的，在resize的过程中保证了rehash之后每个桶上的节点数一定小于等于原来桶上的节点数，保证了rehash之后不会出现更严重的hash冲突，均匀的把之前的冲突的节点分散到新的桶中了。
2）resize方法源码解析
final Node<K,V>[] resize() {
Node<K,V>[] oldTab = table;
//如果当前数组等于null，返回0，否则返回当前数组的长度
int oldCap = (oldTab == null) ? 0 : oldTab.length;
//旧的阀值点
int oldThr = threshold;
int newCap, newThr = 0;
/* 数组已经初始化过，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;
}
/* 数组的初始化 */
/**
* 说明初始化容量时指定了 initialCapactity 大小，则直接把 oldThr 赋给 newCap 即可。
*
* 原因：public HashMap(int initialCapacity, float loadFactor)中：
* this.threshold = tableSizeFor(initialCapacity);
*/
else if (oldThr > 0)
newCap = oldThr;
/**
* 说明初始化容量时没有指定 initialCapactity 大小，所以没有给 threshold 赋值，
* 即它为 0，按默认的初始化规则
*/
else {
newCap = DEFAULT_INITIAL_CAPACITY; //16
newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY); //16 * 0.75
}
// 对于第二种情况，需要计算新的阈值，因为旧阈值为数组大小
if (newThr == 0) {
float ft = (float)newCap * loadFactor;
newThr = (newCap < MAXIMUM_CAPACITY && ft < (float)MAXIMUM_CAPACITY ?
(int)ft : Integer.MAX_VALUE);
}
//设置新的阀值
threshold = newThr;
@SuppressWarnings({"rawtypes","unchecked"})
//创建新的哈希表
Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap];
table = newTab;
//如果是初始化就跳过了，扩容则会继续执行
if (oldTab != null) {
//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;
//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
if (e.next == null)
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);
// 采用链表处理冲突
else {
Node<K,V> loHead = null, loTail = null;
Node<K,V> hiHead = null, hiTail = null;
Node<K,V> next;
do {
next = e.next;
// 原索引
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);
if (loTail != null) {
loTail.next = null;
newTab[j] = loHead;
}
if (hiTail != null) {
hiTail.next = null;
newTab[j + oldCap] = hiHead;
}
}
}
}
}
return newTab;
}
4、删除方法(remove)
删除的话就是首先先找到元素的位置，如果是链表就遍历链表找到元素之后删除。如果是用红黑树就遍历树然后找到之后做删除，树小于6的时候要转链表。
//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;
//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;
//如果桶上的第一个节点就是要找的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 {
//说明以链表处理的冲突，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)))) {
//删除红黑树的节点
if (node instanceof TreeNode)
((TreeNode<K,V>)node).removeTreeNode(this, tab, movable);
//删除链表的头节点
else if (node == p)
tab[index] = node.next;
//删除链表的其他节点
else
p.next = node.next;
//记录修改次数
++modCount;
//变动的数量
--size;
afterNodeRemoval(node);
return node;
}
}
return null;
}
5、查找元素方法(get)
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;
//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) {
// 判断桶的第一个节点是否为寻找的节点
if (first.hash == hash &&
((k = first.key) == key || (key != null && key.equals(k))))
return first;
// 如果不是第一个节点，判断是否有后续节点
if ((e = first.next) != null) {
// 如果是红黑树，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);
// 如果是链表，通过循环的方法判断链表中是否存在该key
do {
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
return e;
} while ((e = e.next) != null);
}
}
return null;
}get方法实现的步骤：
1）通过hash值获取该key映射到的桶
2）桶上的key就是要查找的key,则直接找到并返回
3）桶上的key不是要找的key,则查看后续的节点：
a:如果后续节点是红黑树节点，通过调用红黑树的方法根据key获取value
b:如果后续节点是链表节点，则通过循环遍历链表根据key获取value
6、遍历HashMap集合几种方式
1、分别遍历Key和Value；
for (String key : hashMap.keySet()) {
System.out.println(key);
}
for (Object value : hashMap.values()) {
System.out.println(value);
}2、使用Iterator迭代器迭代
Iterator<Map.Entry<String, Object>> iterator = hashMap.entrySet().iterator();
while (iterator.hasNext()){
Map.Entry<String, Object> mapEntry = iterator.next();
System.out.println(mapEntry.getKey() + " : " + mapEntry.getValue());
}3、通过get方式（不建议使用）
Set<String> keySet = hashMap.keySet();
for (String str : keySet) {
System.out.println(str + " : " + hashMap.get(str));
}说明：根据阿里开发手册，不建议使用这种方式，因为迭代两次。keySet获取Iterator一次，还有通过get又迭代一次。降低性能。
4、jdk8以后使用Map接口中的默认方法：
hashMap.forEach((key,value) ->{
System.out.println(key + " : " + value);
});四、HashMap的初始化容量设置
1、HashMap的初始化问题描述
如果我们确切的知道我们有多少键值对需要存储，那么我们在初始化HashMap的时候就应该指定它的容量，以防止HashMap自动扩容，影响使用效率。
《阿里巴巴Java开发手册》中建议我们设置HashMap的初始化容量。
如果我们没有设置初始容量大小，随着元素的不断增加，HashMap会有可能发生多次扩容，而HashMap中的扩容机制决定了每次扩容都需要重建hash表，是非常影响性能的。
2、HashMap中容量的初始化
当我们使用HashMap(int initialCapacity)来初始化容量的时候，jdk会默认帮我们计算一个相对合理的值当做初始容量。那么，是不是我们只需要把已知的HashMap中即将存放的元素个数直接传给initialCapacity就可以了呢？
关于这个值的设置，在《阿里巴巴Java开发手册》有以下建议：
也就是说，如果我们设置的默认值是7，经过Jdk处理之后，会被设置成8，但是，这个HashMap在元素个数达到 8*0.75 = 6的时候就会进行一次扩容，这明显是我们不希望见到的。
如果我们通过initialCapacity/ 0.75F + 1.0F计算，7/0.75 + 1 = 10 ,10经过Jdk处理之后，会被设置成16，这就大大的减少了扩容的几率。
所以，当我们明确知道HashMap中元素的个数的时候，把默认容量设置成initialCapacity/ 0.75F + 1.0F是一个在性能上相对好的选择，但是，同时也会牺牲些内存。
扫一扫
1653
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
