本文是基于JDK1.8分析的,HashMap 是存储key-value键值对的数据结构,提供平均时间复杂度为 O(1) 的、基于key 级别的get/put等操作。HashMap最多只允许一条记录的键为null,允许多条记录的值为null。此外在jdk1.8中HashMap是基于数组+链表+红黑树的结构实现的。
//默认的初始化容量
static final int DEFAULT_INITIAL_CAPACITY = 1 << 4; // aka 16
//最大容量
static final int MAXIMUM_CAPACITY = 1 << 30;
//当size超过初始容量的0,75倍时,进行扩容;例如初始12,size=16,当16*0.75>=12就扩容
static final float DEFAULT_LOAD_FACTOR = 0.75f;
//底层存储的数组元素类型
transient Node[] table;
//key-value 的键值对数量
transient int size;
//HashMap 的修改次数
transient int modCount;
//阀值,当size超过threshold大小时,2倍扩容
int threshold;
//扩容因子
final float loadFactor;
/**
* 初始化容量 DEFAULT_INITIAL_CAPACITY=16
* 初始化 loadFactor = 0.75f
* 并且是延迟初始化,在添加key-value键值对时,在#resize()方法中才真正去初始化
*/
public HashMap() {
this.loadFactor = DEFAULT_LOAD_FACTOR; // all other fields defaulted
}
/**
* 初始化因子不变
*/
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);
}
/**
*tableSizeFor的功能(不考虑大于最大容量的情况)是返回大于输入参数且最近的2的整数次幂的数。比如10,则返回16
*/
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;
}
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) {
int s = m.size();
if (s > 0) {
//table为空,说明未初始化
if (table == null) { // pre-size
// 根据 s 的大小 + loadFactor 负载因子,计算需要最小的 tables 大小;+ 1.0F 的目的,是因为下面 (int) 直接取整,避免不够。
float ft = ((float)s / loadFactor) + 1.0F;
int t = ((ft < (float)MAXIMUM_CAPACITY) ?
(int)ft : MAXIMUM_CAPACITY);
//如果计算出来的 t 大于阀值,则计算新的阀值
if (t > threshold)
threshold = tableSizeFor(t);
}
//s大于极端的大小 扩容
else if (s > threshold)
resize();
//遍历m集合,将数据逐个添加到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);
}
}
}
static final int hash(Object key) {
int h;
// h = key.hashCode() 计算哈希值
// ^ (h >>> 16) 高 16 位与自身进行异或计算,保证计算出来的 hash 更加离散
return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}
hash算法的具体计算流程如下:
扩容后下表计算
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) {
Node[] tab; Node p; int n, i;
//table未初始化,或者容量为0,进行扩容
if ((tab = table) == null || (n = tab.length) == 0)
n = (tab = resize()).length;
//如果得到位置的节点Node为空,则直接创建节点;
//注意在并发操作时,会出现覆盖数据的问题
if ((p = tab[i = (n - 1) & hash]) == null)
tab[i] = newNode(hash, key, value, null);
else {
Node e; K k;
//如果找到的p节点就是要找的,则直接覆盖
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
e = p;
//如果找到的p节点属于红黑树Node节点,则直接添加到树中
else if (p instanceof TreeNode)
e = ((TreeNode)p).putTreeVal(this, tab, hash, key, value);
else {
//否则遍历链表
for (int binCount = 0; ; ++binCount) {
//如果遍历到空说明该map种不存在key,则创建新节点,同时将链表的尾节点指向新建的节点
if ((e = p.next) == null) {
p.next = newNode(hash, key, value, null);
//链表的长度达到8时,则转换成红黑树
if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st
treeifyBin(tab, hash);
break;
}
//链表中遍历的节点就是要找的节点,则直接使用
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
break;
p = e;
}
}
//如果找到了对应的节点,则修改老节点的value值,返回oldValue
if (e != null) { // existing mapping for key
V oldValue = e.value;
if (!onlyIfAbsent || oldValue == null)
e.value = value;
afterNodeAccess(e);
return oldValue;
}
}
// 增加修改次数
++modCount;
// 如果超过阀值,则进行扩容
if (++size > threshold)
resize();
// 添加节点后的回调
afterNodeInsertion(evict);
//默认没有对应的节点,则返回null
return null;
}
问题:扩容后如果保证原来的hash值能够找到对应的位置
//初始化或者翻倍数组大小。翻倍后,元素的位置或者在原来的位置上,或者有个2的整数次幂的偏移,根据我们前面举的具体扩容的例子,知道这个偏移就是原来的数组大小。
final Node[] resize() {
Node[] oldTab = table;
//未初始化设置旧容量为0
int oldCap = (oldTab == null) ? 0 : oldTab.length;
int oldThr = threshold;
int newCap, newThr = 0;
if (oldCap > 0) {
if (oldCap >= MAXIMUM_CAPACITY) {
threshold = Integer.MAX_VALUE;
return oldTab;
}
//2倍扩容
else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&
oldCap >= DEFAULT_INITIAL_CAPACITY)
newThr = oldThr << 1; // double threshold
}
//oldThr 大于 0 ,则使用 oldThr 作为新的容量
else if (oldThr > 0)
newCap = oldThr;
else {
//【默认构造方法】oldThr 等于 0 ,则使用 DEFAULT_INITIAL_CAPACITY 作为新的容量,使用 DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY 作为新的容量
newCap = DEFAULT_INITIAL_CAPACITY;
newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);
}
//如果上述的逻辑,未计算新的阀值,则使用 newCap * loadFactor 作为新的阀值
if (newThr == 0) {
float ft = (float)newCap * loadFactor;
newThr = (newCap < MAXIMUM_CAPACITY && ft < (float)MAXIMUM_CAPACITY ?
(int)ft : Integer.MAX_VALUE);
}
//阈值重置
threshold = newThr;
@SuppressWarnings({"rawtypes","unchecked"})
//构建大小为newCap的数组节点
Node[] newTab = (Node[])new Node[newCap];
//旧数组节点重新赋值
table = newTab;
//旧数组初始化过
if (oldTab != null) {
for (int j = 0; j < oldCap; ++j) {
Node e;
//旧数组每一个数组节点不为空
if ((e = oldTab[j]) != null) {
//释放旧数组引用
oldTab[j] = null;
//如果 e 节点只有一个元素,直接赋值给新的 table 即可
if (e.next == null)
newTab[e.hash & (newCap - 1)] = e;
//如果 e 节点是红黑树节点,则通过红黑树分裂处理
else if (e instanceof TreeNode)
((TreeNode)e).split(this, newTab, j, oldCap);
//e元素节点next元素有值,即链表存在多个且小于8个的元素
else {
// HashMap 是成倍扩容,这样原来位置的链表的节点们,会被分散到新的 table 的两个位置中去
// 通过 e.hash & oldCap 计算,根据结果分到高位、和低位的位置中。
// 1. 如果结果为 0 时,则放置到低位,不移动位置
// 2. 如果结果非 1 时,则放置到高位
Node loHead = null, loTail = null;
Node hiHead = null, hiTail = null;
Node next;
do {
//链表中下一个元素
next = e.next;
//满足低位,放到低位中
if ((e.hash & oldCap) == 0) {
if (loTail == null)
loHead = e;
else
loTail.next = e;
loTail = e;
}
//满足高位
else {
if (hiTail == null)
hiHead = e;
else
hiTail.next = e;
hiTail = e;
}
} while ((e = next) != null);
// 设置低位到新的 newTab 的 j 位置上
if (loTail != null) {
loTail.next = null;
newTab[j] = loHead;
}
// 设置高位到新的 newTab 的 j + oldCap 位置上
if (hiTail != null) {
hiTail.next = null;
newTab[j + oldCap] = hiHead;
}
}
}
}
}
return newTab;
}
public V remove(Object key) {
Node e;
return (e = removeNode(hash(key), key, null, false, true)) == null ?
null : e.value;
}
final Node removeNode(int hash, Object key, Object value,
boolean matchValue, boolean movable) {
//p对应位置的节点
Node[] tab; Node p; int n, index;
if ((tab = table) != null && (n = tab.length) > 0 &&
(p = tab[index = (n - 1) & hash]) != null) {
Node node = null, e; K k; V v;
//如果hash映射的索引位置刚好为p,则直接将node指向p
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
node = p;
//否则属于链表或者树节点
else if ((e = p.next) != null) {
//属于树节点
if (p instanceof TreeNode)
node = ((TreeNode)p).getTreeNode(hash, key);
//属于链表节点
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);
}
}
if (node != null && (!matchValue || (v = node.value) == value ||
(value != null && value.equals(v)))) {
//属于树节点,从树节点移除元素
if (node instanceof TreeNode)
((TreeNode)node).removeTreeNode(this, tab, movable);
//如果node刚好是在数组节点上,则将该节点指向数组的下一个节点
else if (node == p)
tab[index] = node.next;
//否则node是链表中节点则将p指向node的下一个节点,实现删除
else
p.next = node.next;
++modCount;
--size;
//linkedHashMap回调操作,钩子方法
afterNodeRemoval(node);
return node;
}
}
return null;
}
//根据结构查找,先找数组节点,再找链表节点,如果是树节点在找树节点;当hash值相同时,就比较Node中的key值
public V get(Object key) {
Node e;
return (e = getNode(hash(key), key)) == null ? null : e.value;
}
//如果集合中没有该值,就返回默认值defaultValue
public V getOrDefault(Object key, V defaultValue) {
Node e;
return (e = getNode(hash(key), key)) == null ? defaultValue : e.value;
}
Hash算法可能会发生碰撞,当发生碰撞后我们通常会有两种选择即开放寻址法和链表法
当一个Key通过哈希函数获得对应的数组下标已被占用时,我们可以“另谋高就”,寻找下一个空档位置。(寻址方 式有很多种,并不一定只是简单地寻找当前元素的后一个元素)
HashMap数组的每一个元素不仅是一个Entry对象,还是一个链表的 头节点。每一个Entry对象通过next指针指向它的下一个Entry节点。当新 来的Entry映射到与之冲突的数组位置时,只需要插入到对应的链表中即可。
参考连接:https://blog.csdn.net/swpu_ocean/article/details/88917958
强烈推荐观看这篇文章【Java 8系列之重新认识HashMap】:https://zhuanlan.zhihu.com/p/21673805
留言与评论(共有 0 条评论) “” |