本文详细解析了HashMap在JDK1.8中的源码实现，包括类结构、初始化参数、常用方法如put、get、replace和remove的解析，以及扩容机制。同时，指出了多线程环境下可能出现的环状链表问题和频繁扩容的影响。
本文基于jdk1.8 主要以源码视角进行分析,解析代码的实现以及其中可能存在误用的地方.
HashMap: 哈希散列表,以key-value键值对形式存在,无序,查找的时间维度与空间维度均为O(1).能够让我们快速对一些数据进行快速的归集.
目录
1. 类结构,见下图:
初始化参数
默认初始容量为16,采用二进制位移. 等同于java中Math.pow(2, 4);
static final int DEFAULT_INITIAL_CAPACITY = 1 << 4; // aka 16
最大容量为2的30次方,如果初始化或者扩容时大于该值则取2的30次方, 等同于java中Math.pow(2, 30);
static final int MAXIMUM_CAPACITY = 1 << 30;
默认负载因子,当使用中容量达到当前容量*0.75f时,进行扩容,可看做预扩容机制
static final float DEFAULT_LOAD_FACTOR = 0.75f;
转红黑树阈值,当达到该阈值时链表转换为红黑树,主要是优化,减少查询的链路
static final int TREEIFY_THRESHOLD = 8;
转node阈值,当当前桶的存储为红黑树时,其红黑树节点小于此阈值转回node数据结构,应该小于 TREEIFY_THRESHOLD 阈值.两者如果冲突可能导致转换为红黑树后再添加元素会转回node结构.
static final int UNTREEIFY_THRESHOLD = 6;
定义的默认最小红黑树容量,一般设置为 TREEIFY_THRESHOLD * 4 ,减少频繁的扩容,因为红黑树也是有初始容量的.
static final int MIN_TREEIFY_CAPACITY = 64;
定义的内部类,单向链表结构.当前对象包含下一对象的引用.用于存储桶中数据
static class Node<K,V> implements Map.Entry<K,V> {
final int hash;
final K key;
V value;
Node<K,V> next;
// .....
}
数据集
transient Node<K,V>[] table;```
键值对的集合
```java
t`ransient Set<Map.Entry<K,V>> entrySet;`
当前散列表的键值对映射数量
transient int size;
对当前散列表结构修改的次数
transient int modCount;
容量
int threshold;
负载因子
final float loadFactor;
2 部分常用方法解析
2.1 初始化方法
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);
}
如果初始化时,传入用户自定义的初始容量以及负载因子时,合法性校验,初始化容量不能小于0,如果初始化容量大于允许的最大容量即230时,则取230.如果负载因子 小于等于0或者非数字,异常返回. 无参构造器取的都是默认负载因子以及容量.
2.2 put方法
public V put(K key, V value) {
return putVal(hash(key), key, value, false, true);
}
// 取key值的hash,通过key的hashCode方法后,取高16位与低16位取位异或运算
static final int hash(Object key) {
int h;
return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}
final V putVal(int hash, K key, V value, boolean onlyIfAbsent,
boolean evict) {
Node<K,V>[] tab; Node<K,V> p; int n, i;
if ((tab = table) == null || (n = tab.length) == 0)
// 如果散列表为null或者容量为0,则调用resize()方法初始化
n = (tab = resize()).length;
if ((p = tab[i = (n - 1) & hash]) == null)
// 如果当前桶不存在元素,此处判断链表头部元素,如果不存在则为空,直接进行插入
tab[i] = newNode(hash, key, value, null);
else {
Node<K,V> e; K k;
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
// 已经存在,判断key值是否相等,value是否相等,存在则放入e中
e = p;
else if (p instanceof TreeNode)
// 不相等时,判断是否为红黑树结构,如果是则进行红黑树插入
e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
else {
// 为node结构时
for (int binCount = 0; ; ++binCount) {
if ((e = p.next) == null) {
// 如果链表下一元素不存在,则插入
p.next = newNode(hash, key, value, null);
// 判断元素数量是否已经达到转红黑树阈值,达到则进行node转红黑树
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))))
// 进行判断是否已经存在,存在则不进行操作,此前已经判断过头部元素,所以头部元素可能会存在多一次校验
break;
p = e;
}
}
if (e != null) { // existing mapping for key
// 插入的键值已经存在,onlyIfAbsent 在put时传入false,此处就忽略.当之前存在的键值对 值为空时,将新的值赋值
V oldValue = e.value;
if (!onlyIfAbsent || oldValue == null)
e.value = value;
// 尾部插入当前元素
afterNodeAccess(e);
return oldValue;
}
}
// 结构变化记录+1
++modCount;
if (++size > threshold)
// 如果当前长度超过设置长度,进行扩容
resize();
afterNodeInsertion(evict);
return null;
}
2.3 get方法
public V get(Object key) {
Node<K,V> e;
// hash方法与put相同
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;
// 通过key值hash与数组长度取位与运算拿到桶下标,然后first赋值
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))))
// 如果第一个元素符合,则返回结果
return first;
if ((e = first.next) != null) {
// 下一个元素不为空,判断是否为红黑树
if (first instanceof TreeNode)
return ((TreeNode<K,V>)first).getTreeNode(hash, key);
do {
// 通过循环取下一个元素进行查找,最大查找次数为7
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
return e;
} while ((e = e.next) != null);
}
}
return null;
}
2.4 replace方法
@Override
public boolean replace(K key, V oldValue, V newValue) {
Node<K,V> e; V v;
// 通过getNode获取到指定key的元素,然后进行判断是否等于oldValue,如果等于进行修改操作.不满足则放弃,cas的一种实现
if ((e = getNode(hash(key), key)) != null &&
((v = e.value) == oldValue || (v != null && v.equals(oldValue)))) {
e.value = newValue;
afterNodeAccess(e);
return true;
}
return false;
}
2.5 remove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;
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;
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
node = p;
else if ((e = p.next) != null) {
if (p instanceof TreeNode)
node = ((TreeNode<K,V>)p).getTreeNode(hash, key);
else {
do {
if (e.hash == hash &&
((k = e.key) == key ||
(key != null && key.equals(k)))) {
node = e;
break;
}
p = e;
} while ((e = e.next) != null);
}
}
// 查找到了元素
if (node != null && (!matchValue || (v = node.value) == value ||
(value != null && value.equals(v)))) {
if (node instanceof TreeNode)
((TreeNode<K,V>)node).removeTreeNode(this, tab, movable);
else if (node == p)
// 如果为头部元素,则设置为头部的下一个元素为头部元素
tab[index] = node.next;
else
p.next = node.next;
++modCount;
--size;
afterNodeRemoval(node);
return node;
}
}
return null;
}
3 扩容机制
final Node<K,V>[] resize() {
Node<K,V>[] oldTab = table;
// cap为数组容量
int oldCap = (oldTab == null) ? 0 : oldTab.length;
int oldThr = threshold;
int newCap, newThr = 0;
if (oldCap > 0) {
// 如果数组的长度已经达到设置的默认最大,则将元素总量的长度设置为int最大值
if (oldCap >= MAXIMUM_CAPACITY) {
threshold = Integer.MAX_VALUE;
return oldTab;
}
// 扩容后数组长度小于默认最大且大于默认长度,进行元素容量扩容
else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&
oldCap >= DEFAULT_INITIAL_CAPACITY)
newThr = oldThr << 1; // double threshold
}
// 如果原来的负载因子大于0,则进行赋值
else if (oldThr > 0) // initial capacity was placed in threshold
newCap = oldThr;
else { // zero initial threshold signifies using defaults
// 否则进行初始化参数赋值
newCap = DEFAULT_INITIAL_CAPACITY;
newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);
}
if (newThr == 0) {
float ft = (float)newCap * loadFactor;
newThr = (newCap < MAXIMUM_CAPACITY && ft < (float)MAXIMUM_CAPACITY ?
(int)ft : Integer.MAX_VALUE);
}
threshold = newThr;
@SuppressWarnings({"rawtypes","unchecked"})
Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap];
table = newTab;
if (oldTab != null) {
for (int j = 0; j < oldCap; ++j) {
Node<K,V> e;
if ((e = oldTab[j]) != null) {
oldTab[j] = null;
if (e.next == null)
newTab[e.hash & (newCap - 1)] = e;
else if (e instanceof TreeNode)
((TreeNode<K,V>)e).split(this, newTab, j, oldCap);
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;
if ((e.hash & oldCap) == 0) {
if (loTail == null)
loHead = e;
else
loTail.next = e;// 容易形成环状
loTail = e;
}
else {
if (hiTail == null)
hiHead = e;
else
hiTail.next = e;// 容易形成环状
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;
}
每次put时会进行检查,当前容量是否达到扩容阈值,此处阈值为Capacity * loadFactor,扩容机制为左位移一位,即两倍扩容,初始16.
4 存在问题
在进行扩容的时候如果多线程访问会引发环状链表,如果查询一个不存在的值,则会一直处于循环中,形成死循环.
在大量数据插入,未设置足够大的初始容量时会引发频繁扩容,而每次扩容会对之前的数据进行重新写入,极为耗时且占用内存.
扫一扫
4816
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
