目录
4.重要的常量
5.put操作
6.get操作
7.remove操作
8.链表转红黑树
9.resize扩容
10.resize时红黑树拆分
11.快速失败
1.HashMap的储存结构图
HashMap底层使用数组，每个数组元素存的是Node类型（或者TreeNode），table的每一个位置，又可以称为Hash桶，也就是说，会将相同hash值的元素存放到一个Hash桶中（这里的hash值，是指对key计算的hash值），也就是在Table的下标中相同，为了解决同一个位置有多个元素（冲突），HashMap用来拉链法和红黑树两种数据结构来解决冲突。
2.存储的value是Node类型
在HashMap中，存的value不是put的K-V，而是一个Node类型，还有一个TreeNode类型，可以和Node类型相关转换
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;
}
}
3.hash计算以及确定下标
元素应该放到table的哪个位置，是通过计算key的hash值，然后与map容量进行“与”操作得到，如下：
/**
* 计算key的hash值：
* 1.如果key为null，则hash值为0；
* 2.如果可以不为null，否则就是将key的hashCode的和高16位进行异或计算（异或：相同为0，不同为1）
*/
static final int hash(Object key) {
int h;
return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}
确定数组的下标：
// 下面是伪代码 index = (capacity-1) & hash(key); table[index] = newNode;
4.重要的常量
HashMap中定义了多个常量，非常重要！
DEFAULT_INITIAL_CAPACITY = 1 << 4 // HashMap默认的初始容量(16) MAXIMUM_CAPACITY = 1 <<30 // HashMap能存的最大元素数量 DEFAULT_LOAD_FACTOR = 0.75 // 负载因子，默认为0.75，当map中的元素个数达到容量的75%时会触发扩容 TREEIFY_THRESHOLD = 8 // 当hash碰撞之后写入链表(拉链法)，当链表的长度达到该阈值时，则可能会转化为红黑树 // 注意链表转换为红黑树，还与MIN_TREEIFY_CAPACITY有关 UNTREEIFY_THRESHOLD = 6 // 当红黑树的元素个数小于该值时，转换为链表形式 MIN_TREEIFY_CAPACITY = 64 // 当链表的长度超过了阈值(TREEIFY_THRESHOLD)，且map的容量不小于64，链表将会转换为红黑树 // 这里的64，是指的map的容量（hash桶的数量），也就是说，当容量少于64时，即使超过树化阈值，也不会树化
5.put操作
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<K, V>[] tab;
Node<K, V> p;
int n, i;
// 初始状态，HashMap为空，则需要扩容，n为扩容后的容量
if ((tab = table) == null || (n = tab.length) == 0) {
n = (tab = resize()).length;
}
if ((p = tab[i = (n - 1) & hash]) == null) {
// 要放入的位置没有其他项（没有冲突），则直接放入该位置
tab[i] = newNode(hash, key, value, null);
} else {
// 计算后，要放入的位置已经有了其他项，需要解决冲突（拉链法或者红黑树）
Node<K, V> e;
K k;
// 上一步操作后，p指向的该"桶"的第一个Node，判断位置是否匹配，如果位置匹配，且key相同，表示是put的数据已经存在，直接覆盖即可
if (p.hash == hash && ((k = p.key) == key || (key != null && key.equals(k)))) {
e = p;
} else if (p instanceof TreeNode) {
// 如果p指向的是TreeNode，也就是红黑树存储的节点，那么就将新增元素加入到红黑树中
e = ((TreeNode<K, V>) p).putTreeVal(this, tab, hash, key, value);
} else {
// p指向的是链表头结点，则利用尾插法，将新节点插入到末尾（遍历过程中发现相同节点则进行覆盖）
for (int binCount = 0; ; ++binCount) {
// 走到尾节点
if ((e = p.next) == null) {
// 将新数据查到最后
p.next = newNode(hash, key, value, null);
// 判断链表的长度是否达到树化的阈值，如果是，则将链表转换为红黑树
if (binCount >= TREEIFY_THRESHOLD - 1) {// -1 for 1st
// 注意并不一定会转换为红黑树，还与tab的长度有关，tab.length<MIN_TREEIFY_CAPACITY时，仍旧采取扩容，而非树化
treeifyBin(tab, hash);
}
break;
}
// 如果是已经存在的节点，则中断循环，后面将进行覆盖value
if (e.hash == hash && ((k = e.key) == key || (key != null && key.equals(k)))) {
break;
}
p = e;
}
}
// 数据已经存在，则进行覆盖操作
if (e != null) { // existing mapping for key
V oldValue = e.value;
if (!onlyIfAbsent || oldValue == null) {
e.value = value;
}
afterNodeAccess(e);
return oldValue;
}
}
// 计数加一（用来快速失败）
++modCount;
if (++size > threshold) {
resize();
}
afterNodeInsertion(evict);
return null;
}
6.get操作
public V get(Object key) {
Node<K, V> e;
return (e = getNode(hash(key), key)) == null ? null : e.value;
}
/**
* get的时候，最关键的就是，先根据key的hash值找到桶位置，然后在根据key来查找
*/
final Node<K, V> getNode(int hash, Object key) {
Node<K, V>[] tab;
Node<K, V> first, e;
int n;
K k;
// 根据key进行hash后的位置存在数据，如果不存在，则直接返回null
if ((tab = table) != null && (n = tab.length) > 0 && (first = tab[(n - 1) & hash]) != null) {
// 根据hash和key进行判断第一个节点是否为要找的元素，如果是，则返回第一个节点
if (first.hash == hash && ((k = first.key) == key || (key != null && key.equals(k)))) {
return first;
}
if ((e = first.next) != null) {
// 如果节点时红黑树的节点类型，则遍历红黑树，进行查找
if (first instanceof TreeNode) {
return ((TreeNode<K, V>) first).getTreeNode(hash, key);
}
// 遍历链表进行查找
do {
if (e.hash == hash && ((k = e.key) == key || (key != null && key.equals(k)))) {
return e;
}
} while ((e = e.next) != null);
}
}
return null;
}
7.remove操作
remove有两个接口，remove(key)、remove(key,value)，内部都是调用一个removeNode方法，如下：
public V remove(Object key) {
Node<K, V> e;
return (e = removeNode(hash(key), key, null, false, true)) == null ? null : e.value;
}
public boolean remove(Object key, Object value) {
return removeNode(hash(key), key, value, true, true) != null;
}
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;
// map不为空，且hash对应的位置不为空，才进行查找，否则认为未找到，返回null
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;
// 匹配hash地址的第一个节点是否匹配，hash和key都匹配，则证明找到了要删除的元素
if (p.hash == hash && ((k = p.key) == key || (key != null && key.equals(k)))) {
node = p;
} else if ((e = p.next) != null) { // 第一个节点不匹配，则进行遍历查找
// 遍历红黑树
if (p instanceof TreeNode) {
node = ((TreeNode<K, V>) p).getTreeNode(hash, key);
} else {
// 遍历链表
do {
if (e.hash == hash && ((k = e.key) == key || (key != null && key.equals(k)))) {
node = e;
break;
}
p = e;
} while ((e = e.next) != null);
}
}
// 如果node为null，证明未找到key对应的元素
// node不为null，则根据调用的remove(key)还是remove(key,value)来判断
if (node != null && (!matchValue || (v = node.value) == value || (value != null && value.equals(v)))) {
// 要删除的节点匹配，如果是树节点类型，则从树中删除节点
if (node instanceof TreeNode) {
((TreeNode<K, V>) node).removeTreeNode(this, tab, movable);
} else if (node == p) {
// 要删除的节点时第一个节点时，直接将头结点的下一个节点往前提一个位置（旧头节点被删除）
tab[index] = node.next;
} else {
// 非头结点，修改指针，将下一个节点赋给父节点的next
p.next = node.next;
}
// 修改次数加一，元素数量减一
++modCount;
--size;
afterNodeRemoval(node);
return node;
}
}
return null;
}
8.链表转红黑树
上面在put的时候，如果链表的长度超过树化阈值，则会触发树化操作，具体代码如下：
final void treeifyBin(Node<K,V>[] tab, int hash) {
int n, index; Node<K,V> e;
// 如果map的容量（数组的长度）为0，或者小于MIN_TREEIFY_CAPACITY（默认64），则进行扩容操作，而不进行转换红黑树
// 底层数组，也称为hash桶，也就是说hash桶的数量小于64时，则会进行扩容操作
if (tab == null || (n = tab.length) < MIN_TREEIFY_CAPACITY) {
resize();
} else if ((e = tab[index = (n - 1) & hash]) != null) {
TreeNode<K,V> hd = null, tl = null;
do {
// 将链表节点转换为红黑树节点
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);
// 转换红黑树的操作
if ((tab[index] = hd) != null) {
hd.treeify(tab);
}
}
}
9.resize扩容
扩容操作比较复杂：
final Node<K, V>[] resize() {
Node<K, V>[] oldTab = table;
int oldCap = (oldTab == null) ? 0 : oldTab.length;
// threshold表示触发扩容的阈值（size >= capacity * load factor时会扩容）
int oldThr = threshold;
int newCap, newThr = 0;
// oldCap大于0证明已经对map进行过操作，并非刚创建map的时候
if (oldCap > 0) {
// 如果当前容量允许的大于最大容量，则将阈值设置为整数最大值，不会进行复制操作
if (oldCap >= MAXIMUM_CAPACITY) {
threshold = Integer.MAX_VALUE;
return oldTab;
} else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY && oldCap >= DEFAULT_INITIAL_CAPACITY) {
// 如果2倍旧容量未超过允许的最大容量，并且旧容量达到了默认的初始容量16，则新的扩容阈值设置2倍的旧容量
newThr = oldThr << 1; // double threshold
}
} else if (oldThr > 0) {
// 使用HashMap(capacity)或者HashMap(capacity, loadFactor)创建map
// 这是初次扩容，新容量设置为threshold，也就是capacity*loadFactor
newCap = oldThr;
} else {
// 第一次扩容，使用new HashMap()这种方式创建map，容量和负载因子都使用默认
newCap = DEFAULT_INITIAL_CAPACITY;
newThr = (int) (DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);
}
// 设置下一次进行扩容的阈值
if (newThr == 0) {
float ft = (float) newCap * loadFactor;
newThr = (newCap < MAXIMUM_CAPACITY && ft < (float) MAXIMUM_CAPACITY ?
(int) ft : Integer.MAX_VALUE);
}
threshold = newThr;
// 申请一个新的数组
Node<K, V>[] newTab = (Node<K, V>[]) new Node[newCap];
table = newTab;
// 下面是将旧数组中的元素复制到新申请的数组中
// 因为在旧数组中节点的索引计算方式：oldIndex=(oldCapacity - 1) & key.hash，
// 当数组的容量发生变化后，需要重新确定节点的索引，新的节点位置有两种可能：
// 1.newIndex=oldIndex，索引不变，前提是key.hash & oldCapacity结果为0
// 2.newIndex=oldIndex+oldCapacity，不是第一种情况，就是第二种情况
if (oldTab != null) {
// 遍历旧数组（oldCap长度）
for (int j = 0; j < oldCap; ++j) {
Node<K, V> e;
//
if ((e = oldTab[j]) != null) {
oldTab[j] = null;
if (e.next == null) {
// 确定新的位置，存入
newTab[e.hash & (newCap - 1)] = e;
} else if (e instanceof TreeNode) {
// 将红黑树的节点进行拆分，将树中的每个节点都存入新位置，同时判断是否需要进行树转链表
((TreeNode<K, V>) e).split(this, newTab, j, oldCap);
} else { // preserve order
// 遍历链表，将链表分为两部分，一部分是索引不变，一部分的新索引是oldIndex+oldCapacity
// 然后将链表放入对应的数组中
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;
loTail = e;
} 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;
}
10.resize时红黑树的split拆分
和链表一样，红黑树中的元素也需要挨个确定新索引位置，同样是分为2部分，一部分是索引不变，一部分的新索引为oldIndex+oldCapacity。
注意，split是HashMap中的内部类TreeNode的方法，而不是HashMap的方法。
/**
* 扩容时，对同一个hash桶中的元素（红黑树）进行拆分，有可能拆分为两部分
* part1.节点的hash和原数组的容量与之后为0 -> 移到新表后，索引和旧表保持不变
* part2.节点的hash和原数组的容量与之后为0 -> 移到新表后，新索引为"oldIndex+oldCapacity"
* 这两部分，在做完拆分后，判断是否需要将树转换为链表，如果各自的数量未超过UNTREEIFY_THRESHOLD(默认为6)，则需转换为链表
*
* @param map hashMap实例本身
* @param tab 扩容新申请的数组
* @param index 本次要拆分的下标索引（对应旧数组）
* @param bit 旧数组的容量
*/
final void split(HashMap<K, V> map, Node<K, V>[] tab, int index, int bit) {
TreeNode<K, V> b = this;
// Relink into lo and hi lists, preserving order
TreeNode<K, V> loHead = null, loTail = null; // loHead链着索引不变的节点
TreeNode<K, V> hiHead = null, hiTail = null; // hiHead链着索引改变的节点
int lc = 0, hc = 0;
for (TreeNode<K, V> e = b, next; e != null; e = next) {
next = (TreeNode<K, V>) e.next;
e.next = null;
// 如果当前节点和原数组的容量与之后为0，则扩容后的索引位置和与在旧表保持一致
if ((e.hash & bit) == 0) {
if ((e.prev = loTail) == null)
loHead = e;
else
loTail.next = e;
loTail = e;
++lc;
} else {
// 如果当前节点和原数组的容量与之后不为0，则扩容后的索引位置为"oldIndex+oldCapacity"
if ((e.prev = hiTail) == null)
hiHead = e;
else
hiTail.next = e;
hiTail = e;
++hc;
}
}
if (loHead != null) {
if (lc <= UNTREEIFY_THRESHOLD)
tab[index] = loHead.untreeify(map);
else {
tab[index] = loHead;
if (hiHead != null) // (else is already treeified)
loHead.treeify(tab);
}
}
if (hiHead != null) {
if (hc <= UNTREEIFY_THRESHOLD)
tab[index + bit] = hiHead.untreeify(map);
else {
tab[index + bit] = hiHead;
if (loHead != null)
hiHead.treeify(tab);
}
}
}
11.快速失败
因为HashMap是非线程安全的容器，也就是说，多线程访问的时候会有问题，比如一个有一个线程在遍历Map，每遍历一项，执行某个操作（假设耗时2秒），此时另外一个线程对Map做了修改（比如删除了某一项），这个时候就会出现数据不一致的问题，此时HashMap发现这种情况，读线程就会抛出ConcurrentModificationException，防止继续读取脏数据，这个过程叫做快速失败。
实现快速失败，就是使用HashMap中的modCount变量，该变量存储的是map中数据发生变化的次数，每发生一次变化，则modCount加一，比如put操作后modCount会加1；一个线程如果要遍历HashMap，会在遍历之前先记录modCount值，然后每迭代一次（访问下一个元素）时，先判断modCount值是否和最初的modCount是否相等，如果相等，则证明map未被修改过，如果不相等，则证明map被修改过，那么就会抛出ConcurrentModificationException，实现快速失败。
12.为什么HashMap是非线程安全的
当容器发生扩容的时候，map中的所有元素都会进行重新确认索引位置（reindex），如果是链表或者红黑树，还会进行split，这个过程中，如果更改map中的元素，则可能会引起异常。
如果要使用线程安全的map，可以考虑ConcurrentHashMap。