HashMap源码分析

基本信息

常量信息

属性名称	描述信息	值
DEFAULT_INITIAL_CAPACITY	默认初始化长度	16
MAXIMUM_CAPACITY	最大长度	1 << 30 即 2^30
DEFAULT_LOAD_FACTOR	负载因子	0.75
TREEIFY_THRESHOLD	链表转换树的长度	8
UNTREEIFY_THRESHOLD	树转为链表的长度	6
MIN_TREEIFY_CAPACITY	最小转换树的长度	64

 

 

 

 

 

 

 

 

 

 

 

 

特殊说明：MIN_TREEIFY_CAPACITY只有当整个存储的长度大于等于该值（64）后，才会进行链表与红黑树的转换，如果小于该值，则会进行扩容，而非将链表转换为红黑树

 

基本存储结构

整体存储是通过哈希表（Node<K,V>[] table）将数据存储，在单个槽位中，通过链表+红黑树的方式进行数据存储。

链表数据通过Node存储，结构如下：

hash	key对应的Hash值
key	key的真实值
value	value的真实值
next	链表中下一个数据

 

 

 

 

 

红黑树的节点TreeNode，结构如下：

parent	父节点
left	左孩子
right	右孩子
prev	前置节点
red	是否是红节点

 

 

 

 

 

简图

方法分析

tableSizeFor方法

主要计算哈希表的长度，在初始化hashMap时，可以指定初始化长度，但具体初始化长度值由该方法决定。

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;
}

如，指定长度为13，则计算过程如下：

1. 首先，计算n为12。（这里个人认为是为了防止对于正好是2的N次方的数据造成长度计算的错误）
2. 进行以下计算

n  |= n  >>>  1

1 1 0 0

   1 1 0

---------

1 1 1 0

n  |= n  >>>  2

1 1 1 0

      1 1

---------

1 1 1 1

后边两步没必要算了，因为都是高位补齐0，没有计算的意义了。

3. 最后就是获取当前实际长度，如果没有超过最大长度，则即为（n+1）了。

resize()方法

主要是在哈希表的容量不够时，即（tab.length  > capacity * loadfactofinal Node<K,V>[] resize()     Node<K,V>[] oldTab = table;    int oldCap = (oldTab == null) ? 0 : oldTab.length;

int oldThr = threshold;
    int newCap, newThr = 0;
    // 中间省略了部分计算容量的代码逻辑，个人认为比较简单，就不贴这块代码了
    threshold = newThr;
    @SuppressWarnings({"rawtypes","unchecked"})
        Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap];
    table = newTab;
    if (oldTab != null) {
        for (int j = 0; j < oldCap; ++j) {
            Node<K,V> e;
            if ((e = oldTab[j]) != null) {
                oldTab[j] = null;
                if (e.next == null) // 当前位置只有一个元素，则直接将其放置扩容后的哈希表中
                    newTab[e.hash & (newCap - 1)] = e;
                else if (e instanceof TreeNode) // 如果改位置的元素是红黑树，则进入split方法，对红黑树上的每个节点数据进行计算
                    ((TreeNode<K,V>)e).split(this, newTab, j, oldCap);
                else { // preserve order // 这里是对链表进行操作，即长度小于8
                    Node<K,V> loHead = null, loTail = null;  // 用于存储在扩容后，数据在低位的数据
                    Node<K,V> hiHead = null, hiTail = null;  // 用于存储在扩容后，数据在高危的数据
                    Node<K,V> next;
                    do {
                        next = e.next;
                        if ((e.hash & oldCap) == 0) { // 如果元素的hash值(xxx0 xxxx)与原来的哈希表长度相与为0，则表示其高位并没有1，在扩容后位置不用变更
                            if (loTail == null)
                                loHead = e;
                            else
                                loTail.next = e; // 这里使用的是后插法，避免了在JDK1.7中前插法可能会出现的死循环问题
                            loTail = e;
                        }
                        else {  // 如果非0，则表明其hash值是大于原来哈希表的长度的且在高一位（xxxx1 xxxx）的位置为1，在扩容后的位置会在整个哈希表的高危
                            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; // 因为扩容后，容量翻倍，这里高危与地位的差距，即原来的哈希表的长度。
                    }
                }
            }
        }
    }
    return newTab;
}

 特殊说明：计算高低的方式举例说明一下，如hash表的长度为16，在位置7的数据hash值可能为7、23，39。当进行扩容后，容量变为了32，则7、39仍然在原来7的位置，但是23实际是要移到23的位置了

hash(Object key)方法

主要是获取数据的hash值，从代码中可以看到key为null时，直接返回0，也就是在HashMap中是允许key为null的且将其存储在位置0。对于非null的，则是将hash的高16与低16位进行亦或得到结果。这个方法在网上也找了一些说明，个人觉得知乎胖君说的很好，这叫做“扰动函数”，主要是为了混合原始哈希码的高位和低位，以此来加大低位的随机性。

static final int hash(Object key) {
    int h;
    return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}

 

putVal(int hash, K key, V value, boolean onlyIfAbsent,boolean evict)方法

主要是将对应的key和value存储在hash表中。

final V putVal(int hash, K key, V value, boolean onlyIfAbsent,
               boolean evict) {
    Node<K,V>[] tab; Node<K,V> p; int n, i;
    if ((tab = table) == null || (n = tab.length) == 0) // 如果当前哈希表没有初始化，则对其进行初始化
        n = (tab = resize()).length;
    if ((p = tab[i = (n - 1) & hash]) == null) // 如果当前下标下没有值，则直接将对应的key存储在改位置
        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key与当前的key的hash值和value均一致，则记录当前Node信息
            e = p;
        else if (p instanceof TreeNode) // 当前节点是红黑树，则进入红黑树插入数据的方法
            e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
        else { // 链表插入
            for (int binCount = 0; ; ++binCount) {
                if ((e = p.next) == null) { // 如果链表的下一个位置为null, 则直接将该值写入在下一个位置
                    p.next = newNode(hash, key, value, null);
                    if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st // 这里判断是否超过8，如果超过需要将链表转为红黑树
                        treeifyBin(tab, hash);
                    break;
                }
                if (e.hash == hash &&
                    ((k = e.key) == key || (key != null && key.equals(k)))) //当前节点的key与要插入的key的hash值与key值均一致，则结束查找
                    break;
                p = e;
            }
        }
        if (e != null) { // existing mapping for key 
            V oldValue = e.value;
            if (!onlyIfAbsent || oldValue == null) // 如果允许替换新值或者原值为null, 则写入新的value值
                e.value = value;
            afterNodeAccess(e);
            return oldValue;
        }
    }
    ++modCount; // 记录修改次数，这是是为了fast-fail（快速失败）机制
    if (++size > threshold) // 超过阈值，则进行扩容，也就是说是先写入后扩容
        resize();
    afterNodeInsertion(evict); // 貌似没有啥意义
    return null;
}

getNode(int hash, Object key)方法

主要提供根据key查询value的方法，我们经常使用containsKey方法其实底层和get方法使用均是该方法实现的，所以效率是一样的

final Node<K,V> getNode(int hash, Object key) {
    Node<K,V>[] tab; Node<K,V> first, e; int n; K k;
    if ((tab = table) != null && (n = tab.length) > 0 &&
        (first = tab[(n - 1) & hash]) != null) {
        if (first.hash == hash && // always check first node
            ((k = first.key) == key || (key != null && key.equals(k))))
            return first;
        if ((e = first.next) != null) {
            if (first instanceof TreeNode) // 进行红黑树查找
                return ((TreeNode<K,V>)first).getTreeNode(hash, key);
            do { // 循环进行链表查找，这里最大的循环次数其实就是7
                if (e.hash == hash &&
                    ((k = e.key) == key || (key != null && key.equals(k))))
                    return e;
            } while ((e = e.next) != null);
        }
    }
    return null;
}