一、HashMap 简介
HashMap 底层采用哈希表结构 数组加链表加红黑树实现，允许储存null键和null值
数组优点：通过数组下标可以快速实现对数组元素的访问，效率高
链表优点：插入或删除数据不需要移动元素，只需要修改节点引用效率高
二、源码分析
2.1 继承和实现
public class HashMap<K,V> extends AbstractMap<K,V>
implements Map<K,V>, Cloneable, Serializable {
private static final long serialVersionUID = 362498820763181265L;
继承AbstractMap<K,V>
实现了map接口 cloneable接口和可序列化接口
2.2 属性
//hashmap默认容量为 16
static final int DEFAULT_INITIAL_CAPACITY = 1 << 4; // aka 16 HashMap默认容量 16
//最大容量为2的30 1073741824
static final int MAXIMUM_CAPACITY = 1 << 30; //
//默认加载因子为0.75
static final float DEFAULT_LOAD_FACTOR = 0.75f;
//链表转为红黑树的阈值
static final int TREEIFY_THRESHOLD = 8;
//红黑树转为链表的阈值
static final int UNTREEIFY_THRESHOLD = 6;
//链表转为红黑树时数组容量必须大于64
static final int MIN_TREEIFY_CAPACITY = 64;
//
transient Node<K,V>[] table;
transient Set<Map.Entry<K,V>> entrySet;
transient int size;
//用于快速失败机制 在对HashMap进行迭代时，如果期间其他线程的参与导致HashMap的结构发生变化了（比如put，remove等操作），直接抛出ConcurrentModificationException异常
transient int modCount;
//扩容阈值，计算方法为数组容量*填充因子
int threshold;
//加载因子 填充因子
final float loadFactor;
loadFactor决定数组何时进行扩容，而且为什么是0.75f
它也叫扩容因子 比如数组长度为32，所以数组扩容阈值为32*0.75=24当数组中数据个数为24时数组进行扩容，
数组容量在创建的时候就确定，扩容时重新创建一个指定容量的数组，然后讲旧数组的值复制到新数组中，扩容过程非常耗时，所以0.75时基于容量和性能之间平衡的结果。
- 如果加载因子过大，也就是扩容阈值会变大，扩容门槛高，这样容量的占用率就会降低，但哈希碰撞的几率就会增加，效率下降
- 如果加载因子过小，扩容阈值变小，扩容门槛低，容量占用变大但哈希碰撞几率下降
此外用于存储数据的table字段使用transient修饰，通过transient修饰的字段在序列化的时候将被排除在外，那么HashMap在序列化后进行反序列化时，是如何恢复数据的呢？HashMap通过自定义的readObject/writeObject方法自定义序列化和反序列化操作。这样做主要是出于以下两点考虑：
1.table一般不会存满，即容量大于实际键值对个数，序列化table未使用的部分不仅浪费时间也浪费空间；
2.key对应的类型如果没有重写hashCode方法，那么它将调用Object的hashCode方法，该方法为native方法，在不同JVM下实现可能不同；换句话说，同一个键值对在不同的JVM环境下，在table中存储的位置可能不同，那么在反序列化table操作时可能会出错。
所以在HashXXX类中（如HashTable，HashSet，LinkedHashMap等等），我们可以看到，这些类用于存储数据的字段都用transient修饰，并且都自定义了readObject/writeObject方法。readObject/writeObject方法
2.3 节点类型Node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;
}
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;
}
}
Node包含四个字段
final int hash;
final K key;
V value;
Node<K,V> next;//包含链表下一个节点HashMap通过hash方法计算key的哈希值，然后通过（n-1）&hash得到key在数组中存放的下标，当两个key相同时，会以链地址法处理哈希碰撞
在链表中查找数据必须从第一个元素开始，时间复杂度为O n 所以当链表长度越来越长时HashMap的查询效率就会越来越低
所以为了解决这个问题JDK1.8实现了数组+链表+红黑树来解决 当链表长度超过8个时并且数组长度大于64时进行树化，转化后查询时间复杂度为O(logN).
2.4 红黑树的节点
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);
}
包含左右孩子节点和双亲结点，和前驱节点，还有节点是否时红或者黑
三、构造方法
3.1 构造器1
public HashMap() {
this.loadFactor = DEFAULT_LOAD_FACTOR; // all other fields defaulted
}最常用的构造器。默认的填充因子 0.75f 这里的填充因子后面会讲到。
3.2 构造器2
public HashMap(int initialCapacity) {
this(initialCapacity, DEFAULT_LOAD_FACTOR);
}给定容量构造器
3.3 构造器3
public HashMap(int initialCapacity, float loadFactor) {
if (initialCapacity < 0)// 如果小于0，抛出异常
throw new IllegalArgumentException("Illegal initial capacity: " +
initialCapacity);
if (initialCapacity > MAXIMUM_CAPACITY)//大于最大值
initialCapacity = MAXIMUM_CAPACITY;
if (loadFactor <= 0 || Float.isNaN(loadFactor))//若填充因子小于0或者判断非法
throw new IllegalArgumentException("Illegal load factor: " +
loadFactor);
this.loadFactor = loadFactor;
this.threshold = tableSizeFor(initialCapacity);
}
static final int tableSizeFor(int cap) {
int n = cap - 1; 让cap-1再赋值给n的目的是另找到的目标值大于或等于原值
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;
}
给定容量和填充因子。
这里的tableSizeFor会将传进的容量值进行**大于等于最近**二次幂处理。跟循环数组的处理方式差不多
3.4 构造器4
public HashMap(Map<? extends K, ? extends V> m) {
this.loadFactor = DEFAULT_LOAD_FACTOR;
putMapEntries(m, false);
}四、put
public V put(K key, V value) {
//底层是调用putval
return putVal(hash(key), key, value, false, true);
}
//这里调用了hashmap提供的hash方法，32为都参与了运算所以降低了hash碰撞的几率，这里还跟数组容量有关
//下面再讨论
static final int hash(Object key) {
int h;
//这里就可以看到hashmap
return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}
通过hash函数可以看到当key为null时，key为0，所以HashMap 是允许储存空值的。而后面的公式通过hashcode的高16位异或低1位得到的hash值，主要从性能、哈希碰撞角度考虑，减少系统开销，不会因为高位没有参与下标计算而引起的碰撞
final V putVal(int hash, K key, V value, boolean onlyIfAbsent,
boolean evict) {
//请注意这里的hash是已经算过的hash(key)，然后计算数组下标位置(n - 1) & hash
Node<K,V>[] tab; Node<K,V> p; int n, i;
//首先判断数组哈希表是否为null或者长度为0，是则进行数组初始化操作
if ((tab = table) == null || (n = tab.length) == 0)
n = (tab = resize()).length;
//这里tab指向table数组 n是数组长度
//如果该数组下标位置没有数据直接插入
if ((p = tab[i = (n - 1) & hash]) == null)
tab[i] = newNode(hash, key, value, null);
else {//该位置有元素
Node<K,V> e; K k;
//首先判断此位置的值的hash和key的地址和值是否相等
//如果相等直接覆盖
//小问题这里为什么先判断hash值而不是判断key值，因为hash值判断最快，如果hash值不同就不用判断下面的
//hash不同则key一定不同，但key相同hash值是可能相同的，效率提高
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
e = p;
//否则就是该位置可以不存在，如果该节点是红黑树类型，
else if (p instanceof TreeNode)
//则按照红黑树的插入
e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
else {
//否则就为链表结构，遍历链表，尾插
for (int binCount = 0; ; ++binCount) {
if ((e = p.next) == null) {
p.next = newNode(hash, key, value, null);
//如果链表长度大于等于转为红黑树阈值8，则转为红黑树
//这里为什么要-1，因为数组下标从0开始
if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st
//转为红黑树操作时，内部还会判断数组长度是否小于MIN_TREEIFY_CAPACITY 64，如果是的话不转换
treeifyBin(tab, hash);
break;//退出
}
//如果链表中已经存在该key，直接覆盖
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
break;
//遍历数组 e = p.next
p = e;
}
}
//e代表被覆盖的值
if (e != null) { // existing mapping for key
V oldValue = e.value;
if (!onlyIfAbsent || oldValue == null)
e.value = value;
// 如果onlyIfAbsent为false并且oldValue为null,我们便对我们的value进行保存
afterNodeAccess(e);
return oldValue;
}
}
++modCount;
//如果键值对个数大于扩容阈值，进行扩容操作
if (++size > threshold)
resize();
afterNodeInsertion(evict);
return null;
}
流程图
![[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-HHFhKMDq-1618929232359)(C:\Users\lenovo\AppData\Roaming\Typora\typora-user-images\image-20210420203344879.png)]](/file/upload/202211/12/rdrtqgyhxaz.jpg)
五、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;
//如果桶为空，size为0，目标位置是否为空，是直接返回null
if ((tab = table) != null && (n = tab.length) > 0 &&
(first = tab[(n - 1) & hash]) != null) {
//如果数组该下标位置就是要找的值，直接返回
if (first.hash == hash && // always check first node
((k = first.key) == key || (key != null && key.equals(k))))
return first;
//否则如果头节点的next有值
if ((e = first.next) != null) {
//如果该类型为红黑树，从红黑树中找
if (first instanceof TreeNode)
return ((TreeNode<K,V>)first).getTreeNode(hash, key);
do {
//否则遍历链表
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
return e;
} while ((e = e.next) != null);
}
}
return null;
}
六、resize
数组的扩容和初始化都要靠resize完成
final Node<K,V>[] resize() {
//扩容前数组
Node<K,V>[] oldTab = table;
//扩容前数组大小
int oldCap = (oldTab == null) ? 0 : oldTab.length;
//扩容前扩容阈值
int oldThr = threshold;
//定义新数组和新阈值
int newCap, newThr = 0;
//如果扩容前数组
if (oldCap > 0) {
//如果超过最大值就不用再扩容
if (oldCap >= MAXIMUM_CAPACITY) {
threshold = Integer.MAX_VALUE;
return oldTab;
}
//2倍扩容不能大于最大值
else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&
oldCap >= DEFAULT_INITIAL_CAPACITY)
//扩容阈值/2
newThr = oldThr << 1; // double threshold
}
//数组中没有值，带参初始化会进入这里
//且扩容因子大于0
else if (oldThr > 0) // initial capacity was placed in threshold
newCap = oldThr;
//不带参默认会到这里
else {//否则扩充因子 <= 0
//就是没初始化过，使用默认的初始化容量，16 * 0.75
newCap = DEFAULT_INITIAL_CAPACITY;
newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);
}
//如果新容量为0，重新计算threshold扩容阈值
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"})
//定义新数组进行扩容
Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap];
table = newTab;
//这里采用高低映射的方式进行对新数组的映射
if (oldTab != null) {
//遍历旧数组复制到新数组中
//遍历
for (int j = 0; j < oldCap; ++j) {
Node<K,V> e;
if ((e = oldTab[j]) != null) {
oldTab[j] = null;
//如果当前节点链表数据只有一个，则直接赋值
if (e.next == null)
newTab[e.hash & (newCap - 1)] = e;
else if (e instanceof TreeNode)
//否则红黑树操作
((TreeNode<K,V>)e).split(this, newTab, j, oldCap);
else { // preserve order
//链表赋值 高低映射
Node<K,V> loHead = null, loTail = null;
Node<K,V> hiHead = null, hiTail = null;
Node<K,V> next;
do {
next = e.next;
//判断原索引和扩容后索引是否相同
if ((e.hash & oldCap) == 0) {
//相同则低位链表尾插
if (loTail == null)
loHead = e;
else
loTail.next = e;
loTail = e;
}
else {
//否则高位链表尾插
if (hiTail == null)
hiHead = e;
else
hiTail.next = e;
hiTail = e;
}
} while ((e = next) != null);
//如果低位映射不为空，断低位尾部后的数据，因为尾巴后可能还会有数据，因为是个链表，所以采用头尾引用来记录有效值
//付给新数组
if (loTail != null) {
loTail.next = null;
newTab[j] = loHead;
}
//高位引用 直接讲原索引+oldCap放到哈希桶中
//因为是2倍扩容， 扩容后位置是原位置+增长的长度
if (hiTail != null) {
hiTail.next = null;
newTab[j + oldCap] = hiHead;
}
}
}
}
}
return newTab;
}
七、基于JDK1.7的优化
7.1 底层实现
1.7基于数组+链表 而1.8基于链表+数组+红黑树
7.2 hash
final int hash(Object k) {
int h = hashSeed;
if (0 != h && k instanceof String) {
return sun.misc.Hashing.stringHash32((String) k);
}
h ^= k.hashCode();
// This function ensures that hashCodes that differ only by
// constant multiples at each bit position have a bounded
// number of collisions (approximately 8 at default load factor).
h ^= (h >>> 20) ^ (h >>> 12);
return h ^ (h >>> 7) ^ (h >>> 4);
}
效率基于1.8低
7.3 put
1.7使用的是数组加链表，解决哈希冲突采用的是链表，而且1.8采用的是尾插，而1.7采用头插
7.4 扩容
1.7在扩容时会重新计算h每个元素的hash值，按旧链表的正序遍历链表，然后在新链表的头部插入，所以会出现逆序的情况，而1.8是通过高低位映射，不会出现逆序。
到此这篇关于Java源码解析之HashMap的put、resize方法详解的文章就介绍到这了,更多相关HashMap的put、resize方法内容请搜索编程网以前的文章或继续浏览下面的相关文章希望大家以后多多支持编程网！
