简介
HashMap 是一个散列表，存储的内容是键值对映射。
HashMap 继承于AbstractMap，实现了Map、Cloneable、java.io.Serializable接口。
HashMap 存储的键值对是无序的。
源码分析
public class HashMap<K,V> extends AbstractMap<K,V>
implements Map<K,V>, Cloneable, Serializable {}
实现接口
- Map
- Cloneable
- Serializable
父类
- AbstractMap
字段
// 默认初始容量
static final int DEFAULT_INITIAL_CAPACITY = 1 << 4; // aka 16
// 最大容量
static final int MAXIMUM_CAPACITY = 1 << 30;
// 默认的加载因子
static final float DEFAULT_LOAD_FACTOR = 0.75f;
// 树化阈值
static final int TREEIFY_THRESHOLD = 8;
// 树退化阈值
static final int UNTREEIFY_THRESHOLD = 6;
// 最小树化容量，也就是Node数组大小要达到这个值了之后，才可能有树产生
static final int MIN_TREEIFY_CAPACITY = 64;// 存储数据的Node数组
transient Node<K,V>[] table;
// 键值对的集合
transient Set<Map.Entry<K,V>> entrySet;
// HashMap中键值对的数量
transient int size;
// 被修改的次数
transient int modCount;
// 阈值，用于判断是否需要调整容量
int threshold;
// 加载因子
final float loadFactor;
内部类
1.键值对结构
// HashMap的键值对节点结构，实现了Map.Entry的接口
static class Node<K,V> implements Map.Entry<K,V> {
// 哈希值
final int hash;
// 键
final K key;
// 值
V value;
// 下一个接口
Node<K,V> next;
// 构造函数
Node(int hash, K key, V value, Node<K,V> next) {
this.hash = hash;
this.key = key;
this.value = value;
this.next = next;
}
// 获取字段
public final K getKey() { return key; }
public final V getValue() { return value; }
public final String toString() { return key + "=" + value; }
// 获取哈希值
public final int hashCode() {
// 键和值的哈希值做异或运算
return Objects.hashCode(key) ^ Objects.hashCode(value);
}
// 设置值
public final V setValue(V newValue) {
V oldValue = value;
value = newValue;
return oldValue;
}
// 比较函数
public final boolean equals(Object o) {
if (o == this)
return true;
if (o instanceof Map.Entry) {
// 类型转换
Map.Entry<?,?> e = (Map.Entry<?,?>)o;
// 分别比较键和值
if (Objects.equals(key, e.getKey()) &&
Objects.equals(value, e.getValue()))
return true;
}
return false;
}
}
这里的Objects.equals()函数比较的实现原理是什么样的？
Objects.equals()源码返回的是return (a == b) || (a != null && a.equals(b));可以看出，先比较二者的引用是否相等，如果不相等，就调用对象内重写的逻辑equals函数进行对比。
2.树节点结构
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);
} /**
* Returns root of tree containing this node.
*/
final TreeNode<K,V> root() {
for (TreeNode<K,V> r = this, p;;) {
if ((p = r.parent) == null)
return r;
r = p;
}
}// 省略内部方法若干
}
太长了，还是重新开一篇写吧。
方法
1.构造函数
public HashMap(int initialCapacity, float loadFactor) {
// 边界判断
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) {
// 设置初始化加载因子
this(initialCapacity, DEFAULT_LOAD_FACTOR);
} public HashMap() {
this.loadFactor = DEFAULT_LOAD_FACTOR; // all other fields defaulted
} public HashMap(Map<? extends K, ? extends V> m) {
this.loadFactor = DEFAULT_LOAD_FACTOR;
putMapEntries(m, false);
}
提供了四种初始化的方法，可以自由定义Map的初始容量和加载因子，或者从其他Map中获取数据。
2.哈希函数
static final int hash(Object key) {
int h;
// 计算哈希值，null的哈希值就是0
return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}
为什么这里的哈希值运算是这样的呢？(h = key.hashCode()) ^ (h >>> 16)
由于下面用哈希值和列表长度（length-1）进行一个位与运算，以此获得对应的槽的位置，但是length 绝大多数情况小于2的16次方。所以始终是hashcode的低16位（甚至更低）参与运算。要是高16位也参与运算，会让得到的下标更加散列。
所以这样高16位是用不到的，如何让高16也参与运算呢。所以才有hash(Object key)方法。让他的hashCode()和自己的高16位^运算。所以(h >>> 16)得到他的高16位与hashCode()进行^运算。
同时用^可以更加平均1和0。
参考博客
3.查找元素
// 对外部的获取键值的接口函数
public V get(Object key) {
Node<K,V> e;
// 通过获取内部节点提取节点值，如果没有就返回null
return (e = getNode(hash(key), key)) == null ? null : e.value;
} // 是否存在键
public boolean containsKey(Object key) {
// 原理同上
return getNode(hash(key), key) != null;
}// 根据哈希值获取对应节点
final Node<K,V> getNode(int hash, Object key) {
Node<K,V>[] tab; Node<K,V> first, e; int n; K k;
// 判断表中是否有数据 (n - 1) & hash == hash % n
if ((tab = table) != null && (n = tab.length) > 0 &&
(first = tab[(n - 1) & hash]) != null) {
// 判断第一个节点是否就是想要找的，因为大多数时候一个位置只有一个值
if (first.hash == hash && // always check first node
((k = first.key) == key || (key != null && key.equals(k))))
return first;
// 判断下一个节点是不是空的
if ((e = first.next) != null) {
// 判断是不是已经进化为树了
if (first instanceof TreeNode)
// 查询树
return ((TreeNode<K,V>)first).getTreeNode(hash, key);
// 遍历链表
do {
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
return e;
} while ((e = e.next) != null);
}
}
return null;
}
节点查找的思路很清晰：
- 判断表是否为空，不是就找到对应的槽；
- 判断哈希映射的槽是否为空，不是就获取其头节点；
- 判断第一个值是不是目标，不是就以第一个节点开始，查询树或者是链表。
为什么(n - 1) & hash == hash % n?
参考博客
其中instanceof用于判断前者对象是否为后者类的一个实例。
如果发现头节点已经是一棵树，那么就调用树的查找函数进行元素查找。
4.表扩容
final Node<K,V>[] resize() {
Node<K,V>[] oldTab = table;
// 获取原有的表的长度
int oldCap = (oldTab == null) ? 0 : oldTab.length;
// 获取旧的阈值
int oldThr = threshold;
int newCap, newThr = 0;
if (oldCap > 0) {
// 边界判断
if (oldCap >= MAXIMUM_CAPACITY) {
threshold = Integer.MAX_VALUE;
return oldTab;
}
// 把容量扩大一倍
else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&
oldCap >= DEFAULT_INITIAL_CAPACITY)
// 将旧的阈值扩大一倍
newThr = oldThr << 1; // double threshold
}
else if (oldThr > 0) // initial capacity was placed in threshold
// 如果阈值已经改动过了，将容量设置为旧的阈值
newCap = oldThr;
else {
// 如果上面二者都是0，则是第一次扩容，全部设置为初始值
newCap = DEFAULT_INITIAL_CAPACITY;
// 阈值就是容量与加载因子的积
newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);
} if (newThr == 0) {
float ft = (float)newCap * loadFactor;
// 如果新的目标容量没有超，就把新阈值定义为新容量和加载因子之积，超了就定义为最大容量
newThr = (newCap < MAXIMUM_CAPACITY && ft < (float)MAXIMUM_CAPACITY ?
(int)ft : Integer.MAX_VALUE);
}
threshold = newThr;
@SuppressWarnings({"rawtypes","unchecked"})
// 新的数组
Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap];
table = newTab;
if (oldTab != null) {
// 遍历久的表，将原有表中元素复制到新表
for (int j = 0; j < oldCap; ++j) {
Node<K,V> e;
// 如果该槽位的头节点不为空
if ((e = oldTab[j]) != null) {
// 释放原有槽位
oldTab[j] = null;
if (e.next == null)
// 只有一个节点，那就直接复制过去
newTab[e.hash & (newCap - 1)] = e;
else if (e instanceof TreeNode)
// 这个节点还是棵树的根，那就需要把树复制过去，这里有个树的拆分退化操作
((TreeNode<K,V>)e).split(this, newTab, j, oldCap);
else {
// 节点是链表，那就需要把链表中的数组再拆散成两个，再分别放到对应的位置上
// 低位的头节点
Node<K,V> loHead = null, loTail = null;
// 高位的头节点
Node<K,V> hiHead = null, hiTail = null;
// 用来遍历链表的节点
Node<K,V> next;
do {
next = e.next;
if ((e.hash & oldCap) == 0) {
// 放在旧的位置上的节点
if (loTail == null)
loHead = e;
else
loTail.next = e;
loTail = e;
}
else {
// 放在新的位置上
if (hiTail == null)
hiHead = e;
else
hiTail.next = e;
hiTail = e;
}
} while ((e = next) != null);
if (loTail != null) {
// 放在旧的位置上
loTail.next = null;
newTab[j] = loHead;
}
if (hiTail != null) {
// 放在新的位置
hiTail.next = null;
newTab[j + oldCap] = hiHead;
}
}
}
}
}
return newTab;
}
扩容条件：如果现有容量值没有超出范围，则可以调用这个方法进行一次扩容。
扩容大小： 除了第一次扩容是扩到默认值16，后来的每次扩容都是原来的两倍。扩容阈值就是新容量和加载因子之积，所以也是原来的两倍。
如何将旧表中的数据复制到新表中呢？
- 如果原有节点是树，则进行一次树的拆分操作。
- 如果原有节点是链表，则根据
(e.hash & oldCap) == 0条件拆分链表，然后放到新表中的对应位置。
(e.hash & oldCap) == 0条件是怎么来的呢？
就是需要判断新表的大小和节点哈希值去余是否会发生变化，因为新表的尺寸是原表的两倍，那么如果hash值小于原表的尺寸，那么新表的尺寸和这个哈希值取余的值还是一样的，所以，就直接放在旧的位置即可。
5.修改添加元素
// 根据键修改或者添加值
public V put(K key, V value) {
return putVal(hash(key), key, value, false, true);
}// 根据哈希值，修改或者添加原表，其中参数onlyIfAbsent如果是true，就不会修改原有值
// 如果evict为false，则表就是处于创建模式
final V putVal(int hash, K key, V value, boolean onlyIfAbsent,
boolean evict) {
Node<K,V>[] tab; Node<K,V> p; int n, i;
// 是否为空表
if ((tab = table) == null || (n = tab.length) == 0)
// 先来个初始化扩容
n = (tab = resize()).length;
// 获取对应槽位的头节点，是否为空，空的话直接填入新节点即可
if ((p = tab[i = (n - 1) & hash]) == null)
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))))
// 如果是头节点，那就直接获取
e = p;
else if (p instanceof TreeNode)
// 如果是树根，那就查寻树
e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
else {
// 查询链表
for (int binCount = 0; ; ++binCount) {
if ((e = p.next) == null) {
// 不存在key的节点，所以需要新建一个节点
p.next = newNode(hash, key, value, null);
// 如果链表长度大于等于树化的阈值，则开始树化
if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st
treeifyBin(tab, hash);
break;
}
// 存在原来的节点
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
break;
p = e;
}
}
if (e != null) {
// 存在当前的键值，那就直接修改键存储的值
V oldValue = e.value;
if (!onlyIfAbsent || oldValue == null)
e.value = value;
// 为LinkedHashMap留后路，为了实现顺序存储
afterNodeAccess(e);
return oldValue;
}
}
++modCount;
if (++size > threshold)
// 最后进行扩容
resize();
afterNodeInsertion(evict);
return null;
}
添加值时的思路：
- 如果表中不存在需要添加的键值，则新建节点添加，如果对应槽位是树，则直接将节点插入到树中，如果当前槽位是链表，就先加到链表末尾，然后判断链表长度是否超出了树化的长度，超了就将链表树化。
- 如果表中存在需要添加的键值，则查询到原来的节点，树或者链表，然后直接修改节点上的值。
- 与List不同的是，Map是先加入节点，再判断扩容，而List是先判断是不是需要扩容，再加入节点。
6.树化对应链表
// 这里只是进行一个初步的判断链表是不是需要树化，和将原来的链表构造位新的双向链表
final void treeifyBin(Node<K,V>[] tab, int hash) {
int n, index; Node<K,V> e;
if (tab == null || (n = tab.length) < MIN_TREEIFY_CAPACITY)
// 如果只是因为数组太小导致单个槽位的节点过多，那就进行一次扩容
resize();
else if ((e = tab[index = (n - 1) & hash]) != null) {
// 新的双向链表
TreeNode<K,V> hd = null, tl = null;
// 迭代原来的链表，再构造新的链表
do {
TreeNode<K,V> p = replacementTreeNode(e, null);
if (tl == null)
hd = p;
else {
p.prev = tl;
tl.next = p;
}
tl = p;
} while ((e = e.next) != null);
if ((tab[index] = hd) != null)
// 将双向链表树化
hd.treeify(tab);
}
}
7.删除元素
// 删除对应键的键值对
public V remove(Object key) {
Node<K,V> e;
return (e = removeNode(hash(key), key, null, false, true)) == null ?
null : e.value;
}
// 根据节点的hash值删除节点
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;
// 判断节点是否存在
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;
// 获取到头节点
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
node = p;
// 头节点不是想要的，那就向下查找，同样分别是找树或者链表
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);
}
}
// 找到了想要删除的节点
if (node != null && (!matchValue || (v = node.value) == value ||
(value != null && value.equals(v)))) {
if (node instanceof TreeNode)
// 删除树中的节点
((TreeNode<K,V>)node).removeTreeNode(this, tab, movable);
else if (node == p)
// 这是链表的头节点
tab[index] = node.next;
else
// 删除链表中间的一个节点
p.next = node.next;
++modCount;
--size;
afterNodeRemoval(node);
return node;
}
}
return null;
}
8.克隆
public Object clone() {
HashMap<K,V> result;
try {
result = (HashMap<K,V>)super.clone();
} catch (CloneNotSupportedException e) {
// this shouldn't happen, since we are Cloneable
throw new InternalError(e);
}
// 初始化参数
result.reinitialize();
// 这个函数里面就是遍历了原来的map，然后依次put进新的map中
result.putMapEntries(this, false);
return result;
}
总结
源码总结
1.扩容
扩容触发条件：
- 容量为0的时候插入元素，触发的初始化扩容；
- 现有键值对数量大小是否大于扩容阈值，所谓扩容阈值，就是容量与加载因子的积，默认是0.75；
- 如果在数组容量小于默认最小树化阈值64的时候触发了树化，那么就会进行一次扩容；
- 对于put操作，扩容是发生在元素添加之后，这与List不同。
扩容的大小：
- 初始默认容量是16。
- 每次扩容的大小是2的幂次。
这里有两个容量的概念，一个是数组的数量，还有一个是键值对的数量，触发扩容的条件是判断键值对，而扩容的扩的数组的大小。上面限制最大容量是限制数组的大小，而键值对的大小能多得多。
2.树化
树化的条件：
- 当一个槽里的链表节点数大于等于树化阈值8，就可能会将链表生成红黑树。
- 树化的还有一个条件是 键值对的容量必须大于64，这样可以避免一开始的时候数组比较小，大量的节点刚好被放到一个槽中，导致不必要的转化。
树退化的条件：
- 如果树的节点数小于退化树阈值，就会将红黑树退化为链表。
- 退化树阈值默认为6。
问题总结
为什么扩容发生在put操作之后？
Map的put操作不一定会发生添加新节点的行为，也可能是修改了原有的值，所以，操作末尾才能知道是不是添加了新的节点。
这样的缺点：但是如果扩容之前发生了树化，但是之后扩容会可能把树有拆分了，这样就浪费了性能，这是一个问题。如果以后不会再有数据插入，那就白扩容了。
为什么初始容量是16，且扩容的大小是两倍？
为了实现充分散列。
参考博客
key是null的情况：
从源码中的hash函数可以看出来，如果key为null的时候，hash值就是0，那么就会将键值对存储到数组的第0个位置。
和HashTable对比
- 继承类不一样
HashMap继承于AbstractMap，HashTable继承Dictionary。 - 线程安全不同
HashTable是此案从安全的，几乎所有的函数都是同步的。 - 对key为null的处理不同
HashMap支持key为null，哈希值直接算作0，而HashTable不支持null。 - 支持的遍历种类不同
HashMap只支持迭代器，而HashTable支持迭代器和枚举器。 - 迭代器的遍历顺序不同
HashMap从前往后，HashTable从后往前。 - 初始容量和扩容值不同
HashMap初始容量16，每次扩容2倍，而HashTable初始容量11，每次扩容2倍 + 1. - hash值的算法不同
HashMao采用自定义的哈希算法，哈希更加均匀，而HashTable直接使用key的hashCode()。
