jdk1.8 HashMap源码分析

HashMap

属性

// 实际存放数据的地方
// 当第一次使用的时候才会初始化,并且必要的时候会进行容量调整
// 但是table的长度永远都是2的指数次，原因之后会讲
// 从这里也可以看出，HashMap使用拉链法来解决碰撞
transient Node<K,V>[] table;
// HashMap的默认容量
static final int DEFAULT_INITIAL_CAPACITY = 1 << 4; // aka 16
// 装载因子
static final float DEFAULT_LOAD_FACTOR = 0.75f;
// 将table每个位置看成一个bin，当某个bin上的链表的长度大于这个属性时，会将链表转换成红黑树，从而提高查询性能
static final int TREEIFY_THRESHOLD = 8;
// 当某个bin上的红黑树的节点个数小于这个属性时，会从红黑树转换成链表
static final int UNTREEIFY_THRESHOLD = 6;
// 当一个bin上的链表长度过长时，并不一定会转换成红黑树，只有当前的容量大于这个参数时，才会进行转换
// 否则会进行resize来扩大容量
static final int MIN_TREEIFY_CAPACITY = 64;
// 当hashMap中节点的总个数等于这个阈值时，需要进行resize来扩大容量，等于capacity*load factor
int threshold;

构造函数

构造函数最主要的地方就是，通过用户传入的初始容量来计算一个容量，作为之后使用的容量

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;
        // 这里会对传入的初始容量进行修改
        this.threshold = tableSizeFor(initialCapacity);
    }

详细看一下tableSizeFor方法
主要目的就是根据传入的初始容量计算得到一个2的指数次的容量

static final int tableSizeFor(int cap) {
		// 假设n的出现1的位的最高位为第m位
        int n = cap - 1;
        // 经过这次操作，m,m-1位上都是1
        n |= n >>> 1;
        // 经过这次操作,m,m-1,m-2,m-3位上都是1
        n |= n >>> 2;
        // 经过这次操作,m,m-1,m-2,m-3,m-4,m-5,m-6,m-7位上都是1
        n |= n >>> 4;
        // 。。。
        n |= n >>> 8;
        n |= n >>> 16;
        return (n < 0) ? 1 : (n >= MAXIMUM_CAPACITY) ? MAXIMUM_CAPACITY : n + 1;
    }

如果cap是2的m次，那么n的最高出现1的位就是第m-1位
例如:cap=4(100),n=3(011),最终经过5次移位之后,n=3,最终返回的结果是n+1=4
如果cap不是2的指数次，最高出现1的位为m
例如:cap=7(111),n=6(110),最终经过5次移位之后，n=7,最终返回结果是n+1=8
所以最终返回的容量是大于等于cap的最小的2的指数次

put

public V put(K key, V value) {
    return putVal(hash(key), key, value, false, true);
}
// 如果key是null，那么返回0，否则将调用key的hashCode()获得key的hash值，令该hash值和自身右移16位后的结果进行异或
// 之所以这么做是因为，在确定key的添加位置，我们需要使用hash的结果和hashmap的容量进行与操作，那么真正起作用的就只是低位，通过将高位和低位进行异或的结果作为hash值，可以减少碰撞
static final int hash(Object key) {
    int h;
    return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}

final V putVal(int hash, K key, V value, boolean onlyIfAbsent,
                   boolean evict) {
     Node<K,V>[] tab; Node<K,V> p; int n, i;
     // 如果是第一次使用或者table的长度为0
     // 需要进行resize，这个函数主要是用来为table分配初始空间或者扩大table容量的
     if ((tab = table) == null || (n = tab.length) == 0)
         n = (tab = resize()).length;
     // 使用按位与操作来替代取模操作，只有当n时2的指数次时，按位与操作和取模操作的结果才是一样的
     // 这是table容量永远为2的指数次的原因之一
     // 确定当前key属于哪个bin
     // 如果当前bin为空，在该bin上创建一个头结点即可
     if ((p = tab[i = (n - 1) & hash]) == null)
         tab[i] = newNode(hash, key, value, null);
     else {
     	// 当前bin上已经有数据了
     	// 下面的操作主要就是在寻找插入位置，
     	// 
         Node<K,V> e; K k;
         // 当前bin上的链表的头结点的key和待插入的相同
         if (p.hash == hash &&
             ((k = p.key) == key || (key != null && key.equals(k))))
             e = p;
         else if (p instanceof TreeNode)
         		// 当前bin上是红黑树，向红黑树中插入新的节点
             e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
         else {
         	// 遍历链表寻找插入位置
             for (int binCount = 0; ; ++binCount) {
             	// 遍历到链表的末尾，仍然没有找到相同的key，那么在末尾插入新的节点
                 if ((e = p.next) == null) {
                     p.next = newNode(hash, key, value, null);
                     // 如果当前bin上的节点个数大于等于阈值，将链表转换成红黑树
                     if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st
                         treeifyBin(tab, hash);
                     break;
                 }
                 // 在遍历过程中，遇到了相同的key,那么直接退出循环
                 if (e.hash == hash &&
                     ((k = e.key) == key || (key != null && key.equals(k))))
                     break;
                 p = e;
             }
         }
         // 修改我们找到的节点的值
         // e不为null代表原有的bin存在相同的key
         // 这里根据onlyIfAbsent来决定是否更新value
         if (e != null) { // existing mapping for key
             V oldValue = e.value;
             // 
             if (!onlyIfAbsent || oldValue == null)
                 e.value = value;
             afterNodeAccess(e);
             return oldValue;
         }
     }
     ++modCount;
     // 如果表中的总节点个数大于阈值，那么就进行扩容
     if (++size > threshold)
         resize();
     afterNodeInsertion(evict);
     return null;
 }

get

这里就是根据key定位到bin,然后从bin上找到key对应的node，返回node的value

public V get(Object key) {
        Node<K,V> e;
        return (e = getNode(hash(key), key)) == null ? null : e.value;
    }
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)
                    return ((TreeNode<K,V>)first).getTreeNode(hash, key);
                do {
                    if (e.hash == hash &&
                        ((k = e.key) == key || (key != null && key.equals(k))))
                        return e;
                } while ((e = e.next) != null);
            }
        }
        return null;
    }

remove

通过key定位到bin,然后找到key对应的node，然后删除，分三种情况：
（1）需要删除链表的头节点
（2）需要删除红黑树的节点
（3）需要删除链表中的节点

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))))
                node = p;
            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);
                }
            }
            if (node != null && (!matchValue || (v = node.value) == value ||
                                 (value != null && value.equals(v)))) {
                if (node instanceof TreeNode)
                    ((TreeNode<K,V>)node).removeTreeNode(this, tab, movable);
                else if (node == p)
                    tab[index] = node.next;
                else
                    p.next = node.next;
                ++modCount;
                --size;
                afterNodeRemoval(node);
                return node;
            }
        }
        return null;
    }

扩容

final Node<K,V>[] resize() {
        Node<K,V>[] oldTab = table;
        // 旧容量
        int oldCap = (oldTab == null) ? 0 : oldTab.length;
        // 旧的触发resize的阈值
        int oldThr = threshold;
        // 新的容量，下一次触发resize的阈值
        int newCap, newThr = 0;
        if (oldCap > 0) {
            if (oldCap >= MAXIMUM_CAPACITY) {
                threshold = Integer.MAX_VALUE;
                return oldTab;
            }
            // 从这里可以看出扩容容量扩大成原来的2倍
            else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&
                     oldCap >= DEFAULT_INITIAL_CAPACITY)
                newThr = oldThr << 1; // double threshold
        }
        else if (oldThr > 0) // initial capacity was placed in threshold
            newCap = oldThr;
        else {               // zero initial threshold signifies using defaults
        	// 旧容量为0，并且阈值也为0,代表没有初始化，进行初始化
            newCap = DEFAULT_INITIAL_CAPACITY;
            newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);
        }
        if (newThr == 0) {
            float ft = (float)newCap * loadFactor;
            newThr = (newCap < MAXIMUM_CAPACITY && ft < (float)MAXIMUM_CAPACITY ?
                      (int)ft : Integer.MAX_VALUE);
        }
        threshold = newThr;
        @SuppressWarnings({"rawtypes","unchecked"})
        // 当进行扩容的时候，会重新为table分配一个空间
        Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap];
        table = newTab;
        if (oldTab != null) {
        	// 遍历每个bin
            for (int j = 0; j < oldCap; ++j) {
                Node<K,V> e;
                if ((e = oldTab[j]) != null) {
                    oldTab[j] = null;
                    // 当前bin只有一个节点
                    if (e.next == null)
                    	// 重新计算hash，放到新的table的对应bin中
                        newTab[e.hash & (newCap - 1)] = e;
                    else if (e instanceof TreeNode)
                    	// 红黑树处理
                        ((TreeNode<K,V>)e).split(this, newTab, j, oldCap);
                    else { // preserve order
                    	// 当前bin上是一个有多个节点的链表
                        Node<K,V> loHead = null, loTail = null;
                        Node<K,V> hiHead = null, hiTail = null;
                        Node<K,V> next;
                        // 遍历链上的节点
                        do {
                            next = e.next;
                         
                            // 假设oldCap = 16
                            // oldCap - 1 = 15(1111)
                            // oldCap = 16(10000)
                            // newCap = 32(100000)
                            // newCap - 1 = 31(11111)
                            // newCap-1相较于oldCap-1在进行按位与运算的时候，其实就是在之前与运算的基础上再多计算一位
                            // loHead和loTail代表当前bin的头结点和尾结点
                            // hiHead和hiTail代表扩容后新创建的bin的头结点和尾结点
                            // 这两个bin的位置相差oldCap
                            // 这里是容量必须为2的指数次的另外一个原因，在resize对bin上的节点重新计算bin的时候，只需要计算一位即可
                            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;
    }

jdk1.7和jdk1.8的不同

1. hash方法不同
   jdk1.7 HashMap hash

static int hash(int h) {
        // This function ensures that hashCodes that differ only by
        // constant multiples at each bit position have a bounded
        // number of collisions (approximately 8 at default load factor).
        h ^= (h >>> 20) ^ (h >>> 12);
        return h ^ (h >>> 7) ^ (h >>> 4);
    }
```. 
2. jdk1.7使用的是头插法，jdk1.8使用的是尾插法。因为jdk1.7使用的是头插法，所以当多个线程同时进行resize时，可能会形成循环链，jdk1.8解决了这个问题
3. jdk1.7在进行resize时是重新计算位置的，而jdk1.8每个node只需要计算一位即可
jdk1.7HashMap put
4. jdk1.7使用的是数组+链表，而jdk1.8中使用的是数组+链表+红黑树
```java
public V put(K key, V value) {
        if (key == null)
            return putForNullKey(value);
        int hash = hash(key.hashCode());
        int i = indexFor(hash, table.length);
        // 遍历当前bin上的链表
        // 在链表上寻找是否有相同的key
        for (Entry<K,V> e = table[i]; e != null; e = e.next) {
            Object k;
            if (e.hash == hash && ((k = e.key) == key || key.equals(k))) {
                V oldValue = e.value;
                e.value = value;
                e.recordAccess(this);
                return oldValue;
            }
        }

        modCount++;
        addEntry(hash, key, value, i);
        return null;
    }
void addEntry(int hash, K key, V value, int bucketIndex) {
        Entry<K,V> e = table[bucketIndex];
        // 直接将待添加的entry作为当前bin的头
        // 因此使用的是头插法
        table[bucketIndex] = new Entry<>(hash, key, value, e);
        if (size++ >= threshold)
            resize(2 * table.length);
    }

因为jdk1.7中使用的是头插法，所以会导致resize时，形成循环链表，从而当调用get方法的时候造成死循环，而jdk1.8中改为使用尾插法，避免死循环

void resize(int newCapacity) {
        Entry[] oldTable = table;
        int oldCapacity = oldTable.length;
        if (oldCapacity == MAXIMUM_CAPACITY) {
            threshold = Integer.MAX_VALUE;
            return;
        }

        Entry[] newTable = new Entry[newCapacity];
        transfer(newTable);
        table = newTable;
        threshold = (int)(newCapacity * loadFactor);
    }
void transfer(Entry[] newTable) {
        Entry[] src = table;
        int newCapacity = newTable.length;
        for (int j = 0; j < src.length; j++) {
            Entry<K,V> e = src[j];
            if (e != null) {
                src[j] = null;
                do {
                    Entry<K,V> next = e.next;
                    // 这里需要重新将hash和容量按位与
                    // jdk1.8中只需要多计算一位
                    int i = indexFor(e.hash, newCapacity);
                    e.next = newTable[i];
                    newTable[i] = e;
                    e = next;
                } while (e != null);
            }
        }
    }
static int indexFor(int h, int length) {
        return h & (length-1);
    }