HashMap
内部结构
内部是一个Node数组，每个Node都是链表的头，当链表的大小达到8之后链表转变成红黑树。
put操作
final V putVal(int hash, K key, V value, boolean onlyIfAbsent, boolean evict) { Node<K,V>[] tab; Node<K,V> p; int n, i; // 当table为空或者长度为0，执行resize if ((tab = table) == null || (n = tab.length) == 0) n = (tab = resize()).length; // 根据hash计算对应数组下标 if ((p = tab[i = (n - 1) & hash]) == null) // 如果没有值，直接插入 tab[i] = newNode(hash, key, value, null); else { // 如果有值 Node<K,V> e; K k; if (p.hash == hash && ((k = p.key) == key || (key != null && key.equals(k)))) // key存在，把当前节点引用存在e中 e = p; else if (p instanceof TreeNode) // 如果是树节点，插入树中。这里也一样，如果key冲突了，就返回冲突节点的引用，存储在e中 e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value); else { // 插入链表 for (int binCount = 0; ; ++binCount) { // 插入到链表末尾 if ((e = p.next) == null) { p.next = newNode(hash, key, value, null); // 此时如果 binCount大于等于7（因为是从0开始），则将链表转变成红黑树 if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st treeifyBin(tab, hash); break; } // 找到元素，break if (e.hash == hash && ((k = e.key) == key || (key != null && key.equals(k)))) break; // 向后遍历 p = e; } } // 修改e所在位置的值（这个位置代码的作用就是处理链表中和树中的冲突key） if (e != null) { // existing mapping for key V oldValue = e.value; // 新value覆盖旧value if (!onlyIfAbsent || oldValue == null) e.value = value; afterNodeAccess(e); // 返回旧value return oldValue; } } ++modCount; // 容量达到阈值，扩容 if (++size > threshold) resize(); afterNodeInsertion(evict); return null; }
流程可以概括为：如果Node数组为空则先按照默认容量初始化数组。利用计算得到的hsah值确定数组下标，
1. 如果下标所在位置的Node为null，则直接新创建节点放在此处；
2. 如果下标所在位置的Node不为null，则判断是否已存在相同key的Node，有则临时存储冲突key涉及的Node的引用；
3. 如果key不冲突，则判断当前位置的Node的类型，如果为TreeNode，则将其插入树中，如果和树中已有的key冲突了，把涉及到的节点的引用返回并临时存储；如果不是TreeNode，则从头开始遍历链表，把新结点插入到链表尾部，插完之后判断是否达到链表的阈值，决定是否进行红黑树的转变。
4. 如果有冲突key需要处理，也就是临时变量存储的Node引用不为空，则用新value覆盖旧的value，并返回旧的value。
5. 如果没有冲突key，则判断添加完毕之后是否需要扩容。
下面说一下扩容
// 初始化或者加倍table的大小。如果table为空，则按照默认容量初始化； // 如果table不为空，则根据规则把老数组的数据放到新数组中。 final Node<K,V>[] resize() { // 老数组：扩容之前的数组 Node<K,V>[] oldTab = table; // 如果老数组为空，老容量为0 int oldCap = (oldTab == null) ? 0 : oldTab.length; // 老的扩容阈值，默认为0（扩容阈值=容量*负载因子，默认情况下达到容量的75%即需要扩容） int oldThr = threshold; int newCap, newThr = 0; // 老容量大于0，也就是老数组不为空 if (oldCap > 0) { // 如果老容量大于等于最大容量 if (oldCap >= MAXIMUM_CAPACITY) { // 扩容阈值设置为Integer的最大值 threshold = Integer.MAX_VALUE; // 返回旧容量 return oldTab; } // 新容量=2*旧容量；新容量小于最大容量 并且 老容量大于等于默认初始化容量（16） else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY && oldCap >= DEFAULT_INITIAL_CAPACITY) // 新扩容阈值=2*老扩容阈值 newThr = oldThr << 1; // double threshold } // 如果老的扩容阈值大于0 else if (oldThr > 0) // initial capacity was placed in threshold // 新容量 = 老的扩容阈值 newCap = oldThr; else { // zero initial threshold signifies using defaults // 老的扩容阈值等于0，也就是初始化的时候【这里可以看出，在这个地方进行了初始化的工作：设置默认容量，设置扩容阈值】 // 新容量等于默认的容量 newCap = DEFAULT_INITIAL_CAPACITY; // 新的扩容阈值等于默认容量的75% newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY); } if (newThr == 0) { // 如果新扩容阈值等于0，则设置新的扩容阈值（新容量的75%） float ft = (float)newCap * loadFactor; newThr = (newCap < MAXIMUM_CAPACITY && ft < (float)MAXIMUM_CAPACITY ? (int)ft : Integer.MAX_VALUE); } // 更新扩容阈值！ threshold = newThr; @SuppressWarnings({"rawtypes","unchecked"}) // 按照新容量new了一个新的Node数组 Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap]; // 更新table！ table = newTab; // 第一次初始化为oldTab=null，不走这个 if (oldTab != null) { // 这里才是真正意义上的扩容操作！ // 遍历老数组 for (int j = 0; j < oldCap; ++j) { Node<K,V> e; // 老数组当前位置的元素不为null if ((e = oldTab[j]) != null) { // 置空，这里可以看出：table中存放的只是Node的引用 oldTab[j] = null; // 如果没有后继元素 if (e.next == null) // 根据当前元素的hash，放进新数组对应的位置 newTab[e.hash & (newCap - 1)] = e; else if (e instanceof TreeNode) // 如果当前元素类型为TreeNode，主要分为两个部分：1. 将树进行节点拆分 2. 如果达到退化阈值6，将把红黑树退化成链表 ((TreeNode<K,V>)e).split(this, newTab, j, oldCap); else { // 对链表的拆分，实际上和上一步类似，都是把原结构拆分成high和low两部分 // low链的head和tail Node<K,V> loHead = null, loTail = null; // high链的head和tail Node<K,V> hiHead = null, hiTail = null; Node<K,V> next; // 查看循环条件可知：遍历原链表e，一直到最后e.next=null do { // 下一个节点 next = e.next; // 根据条件：(e.hash & oldCap) == 0 把原链表划分成两部分 if ((e.hash & oldCap) == 0) { if (loTail == null) // low链表为空，直接放在头结点 loHead = e; else // 否则放在尾部 loTail.next = e; // 移动尾指针 loTail = e; } else { // 过程同上 if (hiTail == null) hiHead = e; else hiTail.next = e; hiTail = e; } } while ((e = next) != null); // 把low链放在新表j的位置上。新表的下标位置与旧表一致都为j if (loTail != null) { loTail.next = null; newTab[j] = loHead; } // 把high链放在新表[j+oldCap]的位置上 if (hiTail != null) { hiTail.next = null; newTab[j + oldCap] = hiHead; } } } } } // 返回新table return newTab; }
总结一下过程：
1. 如果table为null，则按照默认配置初始化，容量为16，扩容阈值为16*0.75=12【也就是添加完第13个元素的时候启动扩容】。
2. 如果table不为null：①、如果老容量大于0，则新容量=2*老容量，新扩容阈值=2*老扩容阈值。②、在不满足①的前提下，新容量=老的扩容阈值。③、在不满足①个②的前提下，初始化新容量为默认的16，新扩容阈值为12。
3. 如果新的扩容阈值为0，则将其设置为新容量的75%。然后更新HashMap的成员变量threshold为新的扩容阈值。
4. 利用前面计算出来的新容量，new一个新的Node数组。然后更新HashMap的成员变量table为新的数组。
5. 如果老数组里面有数据，则将老数组里的数据转移到新数组。遍历老数组，①：当前元素的后继为null，直接把当前元素放在新数组的e.hash & (newCap - 1)位置上。②：如果当前节点有后继元素并且元素类型为TreeNode，则按照树的规则进行拆分；如果元素数量达到阈值6，则退化成一个链表。③：如果当前节点有后继元素并且元素类型为Node，则按照(e.hash & oldCap) == 0规则将链表拆分为两部分，一部分放在新数组j的位置上，一部分放在新数组j+oldCap位置上。
6. 返回新数组。
简单来讲：
1. 当table需要初始化或者需要扩容的时候执行resize。初始化的时候按照默认值进行初始化（容量=16，扩容阈值=12）；扩容的时候新容量是老容量的2倍，扩容阈值也是老扩容阈值的2倍。
2. 每次扩容都会新建一个数组，然后将老table中的元素re-hash到新的table中, 但元素在新旧table中的位置存在一定的联系：要么下标相同，要么相差一个oldCap(原table的大小)。
扩展一下hash方法
我们知道默认Object的hashCode()方法是个native方法，也有人说返回值是内存地址，但是事实上
JDK8 的默认hashCode的计算方法是通过和当前线程有关的一个随机数+三个确定值，运用Marsaglia's xorshift scheme随机数算法得到的一个随机数。
这位网友解读的很详细：https://www.jianshu.com/p/be943b4958f4
知道了hashCode的返回值是什么之后，回到HashMap的hash方法
static final int hash(Object key) { int h; return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16); }
其返回值是key的hashCode与hashCode无符号右移16位的结果进行异或运算。
然后计算存储位置的方法 (n - 1) & hash，数组长度-1，和hash值进行按位与操作。
1. 无符号右移16位，异或运算
int h = new Object().hashCode(); int hh = h >>> 16; int hash = h ^ hh; System.out.println(h + " " + Integer.toBinaryString(h)); System.out.println(hh + " " + Integer.toBinaryString(hh)); System.out.println(hash + " " + Integer.toBinaryString(hash));
执行结果：
1880587981 1110000000101110111111011001101 28695 111000000010111 1880559322 1110000000101110000111011011010
以上代码取了一个hashCode，然后进行了无符号右移操作和异或操作。
h 0111 0000 0001 0111 0111 1110 1100 1101
h >>> 16 0000 0000 0000 0000 0111 0000 0001 0111
右移16位，也就是保留了高区的16位。
按位异或：相同为0，不同为1。0^0=0， 1^1=0， 1^0=1， 0^1=1
h 0111 0000 0001 0111 0111 1110 1100 1101
h >>> 16 0000 0000 0000 0000 0111 0000 0001 0111
h ^ (h >>> 16) 0111 0000 0001 0111 0000 1110 1101 1010
原hashCode和右移16位之后的结果做异或操作。也就是自己的高半区和低半区做异或操作。混合原始哈希码的高位和低位，得到的结果：高位不变，低位是混合后的结果。
这一步的目的是增大低位的随机性，进而降低碰撞的几率。
2. 按位与运算
hash & (n-1)
这一步骤利用上一步计算得到的hash值，和数组长度减1做按位与运算。
按位与：有0则0，无0则1。0&0=0， 0&1=0， 1&0=0， 1&1=1
16-1 0000 0000 0000 0000 0000 0000 0000 1111
hash 0111 0000 0001 0111 0000 1110 1101 1010
hash & (n-1) 0000 0000 0000 0000 0000 0000 0000 1010
1010的十进制就是10
==================================
这一步的目的就是计算位置，而一般我们找位置，取模运算就可以了啊：hash % 16。为什么用按位与运算？
1. 位运算直接对内存数据进行操作，处理速度非常快。并且移位指令有更高的效率，因为移位指令占2个机器周期，而乘除法指令占4个机器周期。
2. 因为HashMap要求数组长度为2的幂，在这种情况下， hash & (n-1) 等价于 hash % n
两种方试都可以，当然选择效率高的方式了。
总结：对hashCode做右移16位，然后自己的高半区和低半区做异或，就是为了增加hashCode低位的随机性，减少hash碰撞的几率。而hashCode和数组长度减1做与运算，仅仅是因为与运算效率高于取模运算。
Hashtable
先来看默认构造方法
public Hashtable() { this(11, 0.75f); }
初始容量是11，并不是16。
HashMap计算位置用的是与运算，为了提高效率；HashTable为什么直接用取模运算呢？
HashTable默认的初始大小为11，之后每次扩容为原来的2n+1。这样，HashTable底层数组的大小维持在一个素数（在大于1的整数中,仅有1及其本身能将它整除的数）。
证明表示：当哈希表的大小为素数时，简单的取模哈希的结果会更加均匀。
添加操作
public synchronized V put(K key, V value) { // HashTable不允许值为空 if (value == null) { throw new NullPointerException(); } // Makes sure the key is not already in the hashtable. Entry<?,?> tab[] = table; // 计算hash值 int hash = key.hashCode(); // 计算位置（不同：HashMap的做法是(n - 1) & hash） int index = (hash & 0x7FFFFFFF) % tab.length; @SuppressWarnings("unchecked") Entry<K,V> entry = (Entry<K,V>)tab[index]; // 遍历数组位置的链表 for(; entry != null ; entry = entry.next) { // 如果发现key已存在，则覆盖旧值 if ((entry.hash == hash) && entry.key.equals(key)) { V old = entry.value; entry.value = value; return old; } } // 检查扩容 addEntry(hash, key, value, index); return null; } private void addEntry(int hash, K key, V value, int index) { // 修改次数+1 modCount++; Entry<?,?> tab[] = table; // 如果当前元素数量超过了扩容阈值 if (count >= threshold) { // Rehash the table if the threshold is exceeded rehash(); // 指向新table tab = table; hash = key.hashCode(); // 重新计算下标 index = (hash & 0x7FFFFFFF) % tab.length; } // Creates the new entry. @SuppressWarnings("unchecked") Entry<K,V> e = (Entry<K,V>) tab[index]; // 把元素添加到新位置 tab[index] = new Entry<>(hash, key, value, e); // 元素数量+1 count++; } protected void rehash() { // 旧容量 int oldCapacity = table.length; // 临时存储旧table数据 Entry<?,?>[] oldMap = table; // 新容量 = 2 * oldCapacity + 1 （左移1位相当于乘2） int newCapacity = (oldCapacity << 1) + 1; // 检查新容量是否满足要求 if (newCapacity - MAX_ARRAY_SIZE > 0) { if (oldCapacity == MAX_ARRAY_SIZE) // Keep running with MAX_ARRAY_SIZE buckets return; newCapacity = MAX_ARRAY_SIZE; } Entry<?,?>[] newMap = new Entry<?,?>[newCapacity]; modCount++; // 新的扩容阈值 = 新容量 * 扩容因子(默认0.75) threshold = (int)Math.min(newCapacity * loadFactor, MAX_ARRAY_SIZE + 1); // 替换旧table table = newMap; // 重新规划元素位置 for (int i = oldCapacity ; i-- > 0 ;) { for (Entry<K,V> old = (Entry<K,V>)oldMap[i] ; old != null ; ) { Entry<K,V> e = old; old = old.next; int index = (e.hash & 0x7FFFFFFF) % newCapacity; e.next = (Entry<K,V>)newMap[index]; newMap[index] = e; } } }
过程：
0. 首先线程安全的保证是synchronized关键字
1. 对key取hash值，hash值和0x7FFFFFFF做与运算（目的是得出一个正整数），其结果与数组容量做取模运算得出index。
2. 遍历index位置的链表，判断key是否已存在。
3. 如果当前存储的元素数量大于等于扩容阈值，则进行扩容
- 新容量 = 2* 旧容量 + 1，新扩容阈值 = 新容量 * 0.75
- 把旧数组中的元素rehash放进新数组中
4. 扩容之后，根据传入的key重新计算下标，并放入新数组中。
get元素
public synchronized V get(Object key) { Entry<?,?> tab[] = table; // 取hash int hash = key.hashCode(); // 计算下标 int index = (hash & 0x7FFFFFFF) % tab.length; // 遍历目标位置的链表，找到即返回 for (Entry<?,?> e = tab[index] ; e != null ; e = e.next) { if ((e.hash == hash) && e.key.equals(key)) { return (V)e.value; } } return null; }
小结：
总体来说没有HashMap复杂，有意思的地方是容量为素数，计算下标用的取模。扩容为旧容量的2倍+1。
LinkedHashMap
成员变量
/** * LinkedHashMap 继承了 HashMap.Node */ static class Entry<K,V> extends HashMap.Node<K,V> { // 前驱后继，双向链表特征 Entry<K,V> before, after; Entry(int hash, K key, V value, Node<K,V> next) { super(hash, key, value, next); } } // transient关键字标记的成员变量不参与序列化过程 // 表头 transient LinkedHashMap.Entry<K,V> head; // 表尾 transient LinkedHashMap.Entry<K,V> tail;
put【实际上调用的是HashMap的put方法】
final V putVal(int hash, K key, V value, boolean onlyIfAbsent, boolean evict) { Node<K,V>[] tab; Node<K,V> p; int n, i; // 1. table初始化，LinkedHashMap的数据依然存储在数组上，没想到吧 if ((tab = table) == null || (n = tab.length) == 0) n = (tab = resize()).length; // 2. 下标位置为null，新建node【这个newNode方法被LinkedHashMap重写】 if ((p = tab[i = (n - 1) & hash]) == null) // 调用LinkedHashMap#newNode 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)))) e = p; else if (p instanceof TreeNode) // 3. 在红黑树结构中，LinkedHashMap也重写了其中newTreeNode方法：LinkedHashMap#newTreeNode e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value); else { for (int binCount = 0; ; ++binCount) { if ((e = p.next) == null) { // 4. 在已存在的链表结构里插入也是调用 LinkedHashMap#newNode p.next = newNode(hash, key, value, null); 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)))) break; p = e; } } if (e != null) { // existing mapping for key V oldValue = e.value; if (!onlyIfAbsent || oldValue == null) e.value = value; afterNodeAccess(e); return oldValue; } } ++modCount; if (++size > threshold) resize(); // 节点插入后置处理【LinkedHashMap重写】 afterNodeInsertion(evict); return null; } Node<K,V> newNode(int hash, K key, V value, Node<K,V> e) { LinkedHashMap.Entry<K,V> p = new LinkedHashMap.Entry<K,V>(hash, key, value, e); // 连接到表尾 linkNodeLast(p); return p; } private void linkNodeLast(LinkedHashMap.Entry<K,V> p) { LinkedHashMap.Entry<K,V> last = tail; // 尾指针指向新元素 tail = p; if (last == null) // 链表为空，则初始化头指针 head = p; else { // 新元素的前驱指向老尾巴 p.before = last; // 老尾巴的后继指向新元素 last.after = p; } } // 而对于红黑树，LinkedHashMap依然重新了其 newTreeNode 方法 TreeNode<K,V> newTreeNode(int hash, K key, V value, Node<K,V> next) { TreeNode<K,V> p = new TreeNode<K,V>(hash, key, value, next); linkNodeLast(p); return p; }
虽然调用的是HashMap的put方法，内部数据存储结构依然是数组，但是仅仅重写了newNode方法就实现了双向链表的逻辑。
remove方法【直接调用的HashMap的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)))) // 下标位置的node node = p; else if ((e = p.next) != null) { // 从红黑树中寻找 if (p instanceof TreeNode) node = ((TreeNode<K,V>)p).getTreeNode(hash, key); else { // 从数组链表中寻找 do { if (e.hash == hash && ((k = e.key) == key || (key != null && key.equals(k)))) { node = e; break; } // 记录当前元素的前驱 p = e; } while ((e = e.next) != null); } } // 找到之后 if (node != null && (!matchValue || (v = node.value) == value || (value != null && value.equals(v)))) { if (node instanceof TreeNode) // 从红黑树中移除 ((TreeNode<K,V>)node).removeTreeNode(this, tab, movable); else if (node == p) // 在下标位置，node的后继成为数组下标位置的元素 tab[index] = node.next; else // 在链表中，node前驱的next指向node的后继 p.next = node.next; ++modCount; --size; // 移除node之后的处理【重写方法：LinkedHashMap#afterNodeRemoval】 afterNodeRemoval(node); return node; } } return null; } // 删除node，连接其前驱和后继【LinkedHashMap#afterNodeRemoval】 void afterNodeRemoval(Node<K,V> e) { // unlink // 先记录好node的前驱和后继 LinkedHashMap.Entry<K,V> p = (LinkedHashMap.Entry<K,V>)e, b = p.before, a = p.after; p.before = p.after = null; if (b == null) // 前驱为空，则head直接指向node的后继，也就是a head = a; else // 前驱不为空，则node前驱的after指向node的后继 b.after = a; if (a == null) // 如果后继为空，则tail指向node的前驱，也就是b tail = b; else // 后继不为空，则node后继的前驱指向node的前驱 a.before = b; }
由此可见：添加和删除都需要处理两部分逻辑（物理结构和逻辑结构）
添加：放入HashMap内部数组中存储 & LinkedHashMap处理链表连接关系
删除：从HashMap内部数组中删除 & LinkedHashMap处理链表连接关系优点：按照添加顺序排列；随机查找效率高，注意人家get方法也是计算hash值的，而不是顺序遍历链表结构；
缺点：插入和删除效率差一些，因为除了要维护HashMap内部存储结构，还要维护LinkedHashMap的链表逻辑结构。
WeakHashMap
先来个小测试
Map<String, String> map = new WeakHashMap<>(); String s = new String("key"); map.put(s, "value"); System.gc(); System.out.println("有外部引用的key，不会被回收：" + map);
// 置空外部引用 s = null; System.gc(); System.out.println("外部引用置空，key被回收：" + map);
map.put(new String("key"), "value"); System.gc(); System.out.println("没有外部引用，key被回收：" + map);
s = "key"; map.put(s, "value"); System.gc(); System.out.println("常量池里的无法被回收：" + map);
输出：
[Full GC (System.gc()) 4096K->1315K(8192K), 0.0065595 secs] [Eden: 4096.0K(24.0M)->0.0B(3072.0K) Survivors: 0.0B->0.0B Heap: 4096.0K(128.0M)->1315.8K(8192.0K)], [Metaspace: 3395K->3395K(1056768K)] [Times: user=0.00 sys=0.00, real=0.01 secs] 有外部引用的key，不会被回收：{key=value} [Full GC (System.gc()) 1438K->1055K(8192K), 0.0033753 secs] [Eden: 1024.0K(3072.0K)->0.0B(3072.0K) Survivors: 0.0B->0.0B Heap: 1438.7K(8192.0K)->1055.8K(8192.0K)], [Metaspace: 3410K->3410K(1056768K)] [Times: user=0.08 sys=0.00, real=0.00 secs] 外部引用置空，key被回收：{} [Full GC (System.gc()) 1178K->1051K(8192K), 0.0038189 secs] [Eden: 1024.0K(3072.0K)->0.0B(3072.0K) Survivors: 0.0B->0.0B Heap: 1178.8K(8192.0K)->1051.9K(8192.0K)], [Metaspace: 3411K->3411K(1056768K)] [Times: user=0.00 sys=0.00, real=0.00 secs] 没有外部引用，key被回收：{} [Full GC (System.gc()) 1174K->1052K(8192K), 0.0029810 secs] [Eden: 1024.0K(3072.0K)->0.0B(3072.0K) Survivors: 0.0B->0.0B Heap: 1174.8K(8192.0K)->1052.5K(8192.0K)], [Metaspace: 3448K->3448K(1056768K)] [Times: user=0.00 sys=0.00, real=0.00 secs] 常量池里的无法被回收：{key=value}
下面看内部结构
构造方法
public WeakHashMap() { // 默认容量16，负载因子0.75 this(DEFAULT_INITIAL_CAPACITY, DEFAULT_LOAD_FACTOR); }
弱引用相关
// Entry数组 Entry<K,V>[] table; // 弱引用队列：检测到可达性更改后，垃圾收集器将注册的引用对象追加到该队列 private final ReferenceQueue<Object> queue = new ReferenceQueue<>(); // Entry对象继承了WeakReference private static class Entry<K,V> extends WeakReference<Object> implements Map.Entry<K,V> { V value; final int hash; Entry<K,V> next; /** * Creates new entry. */ Entry(Object key, V value, ReferenceQueue<Object> queue, int hash, Entry<K,V> next) { // 将key作为referent，GC将对referent进行特殊处理 super(key, queue); this.value = value; this.hash = hash; this.next = next; } ... }
以上就是实现弱引用Map的关键了。
put方法
public V put(K key, V value) { // 允许key为空 Object k = maskNull(key); // 对key取hash int h = hash(k); // 获取当前table，其中包含一个处理过期Entry的过程 Entry<K,V>[] tab = getTable(); // 计算下标：hash & (len - 1) int i = indexFor(h, tab.length); // 判断该位置的链表是否已存在key，已存在则覆盖旧值 for (Entry<K,V> e = tab[i]; e != null; e = e.next) { if (h == e.hash && eq(k, e.get())) { V oldValue = e.value; if (value != oldValue) e.value = value; return oldValue; } } // 修改次数+1 modCount++; Entry<K,V> e = tab[i]; // 最后一个参数e代表next，所以可以看出这里的链表是头插法 tab[i] = new Entry<>(k, value, queue, h, e); // 如果达到扩容阈值，则进行扩容，新容量 = 2 * 旧容量 if (++size >= threshold) resize(tab.length * 2); return null; } void resize(int newCapacity) { Entry<K,V>[] oldTable = getTable(); int oldCapacity = oldTable.length; if (oldCapacity == MAXIMUM_CAPACITY) { threshold = Integer.MAX_VALUE; return; } // 新建一个数组 Entry<K,V>[] newTable = newTable(newCapacity); // 这一步，对旧数组中的元素进行rehash操作，根据重新计算得到的下标放进新数组 transfer(oldTable, newTable); table = newTable; // 如果元素数量大于等于扩容阈值的一半 if (size >= threshold / 2) { // 扩容阈值更新为新容量的75% threshold = (int)(newCapacity * loadFactor); } else { // * 如果忽略空元素并处理ref队列导致大量收缩，则恢复旧表。这种情况应该很少见，但是可以避免无限地扩展充满垃圾的表。 // 从表中删除过期的Entry expungeStaleEntries(); // 删除之后元素变少，把元素rehash进旧表 transfer(newTable, oldTable); // 恢复旧表 table = oldTable; } }
过程：
1. 对key取hash 并和 数组长度减1 做与操作得出下标。
2. 获取当前的数组
3. 下标位置不为空，判断key是否已存在，已存在则覆盖旧值。
4. 下标位置为空，则new一个Entry对象，采用头插法插入链表。
5. 扩容操作
- 新容量 = 2*旧容量，按照新容量来新建一个Entry数组。
- 对旧数组中的元素进行rehash操作，根据新计算得到的下标放进新数组
- 考虑到弱引用回收的情况，回收导致新数组元素急剧减少，则需要恢复旧表
.