HashMap源码分析
HashMap源码分析
HashMap用来存储key-value对，内部使用拉链法Hash表作为存储结构，key-value被封装成Entry<K, V>，Entry也是链表结点。
1. Hash表的内部结构如下：
Entry<K, V> table[];
table[0]-->Entry(K,V)-->Entry(K,V)
table[1]-->Entry(K,V)
table[2]
table[3]-->Entry(K,V)
table[.]
Entry<K,V>数据域代码:
static class Entry<K,V> implements Map.Entry<K,V> {
final K key; V value; final int hash; Entry<K,V> next; }
HashMap的Key-Value对，被包装成Entry(K,V)，根据key计算hash值，确定在table数组的下标位置，数组元素为链表的链表头，被计算hash映射到相同数组下标位置的key-value都被存储在这个链表当中，这就是解决hash冲突的办法 。
2.HashMap中查找目标Entry<K,V>
也就是说根据key进行hash只能找到Entry(K,V)在哪个链表当中，查找到具体确切的Entry(K,V)还需要遍历整个链表的每个节点，针对每个节点去匹配key值，如果链表很长，那么效率就会很低，体现不出Hash表的优势。理想的情况是每个链表不多于一个节点，这样通过hash就可以直接找到目标Entry(K,V)，能够在O(1)内实现元素的查找，像数组一样，在存储内容与存储位置之间建立直接的映射关系。
3.HashMap中的扩容
为了提升Hash表的性能，在HashMap中存储的k-v对数目超过了预定的负载量threshold时，就对HashMap进行扩容，实际上就是使用table[]数组成倍增加，这样做的目的是使每个链表长度较为短小，能够实现快速的定位目标结点；但是扩容需要对原HashMap中的每个结点重新计算存储位置，迁移到新的table[]当中，这也是一笔不少的开销，应该减少扩容的次数，所以根据应用场景选择一个合适的loadFactor和capacity比较重要,loadFactor和capacity可以在HashMap的构造函数中设置。
Threshold计算: threshold = (int)(capacity * loadFactor);( 当前容量 * 负载因子)
默认的容量和负载因子:
Static int final DEFAULT_INITIAL_CAPACITY = 16;
Static int final DEFAULT_LOAD_FACTOR = 0.75f;
4.HashMap不是线程安全的，代码中没有任何的同步措施，在多线程中环境中需要注意。
5.代码分析
构造函数
//指定初始容量和负载因子的构造函数
public HashMap(int initialCapacity, float loadFactor) {
//检测参数的合法性initialCapacity, 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);
// Find a power of 2 >= initialCapacity
int capacity = 1;
while (capacity < initialCapacity)
capacity <<= 1;
this.loadFactor = loadFactor;
//当HashMap存储的键值对数，超过threshold，就需要对整个hash table进行扩展
//threshold = capactiy * loadFactor;通过负载因子计算得来.
threshold = (int)(capacity * loadFactor);
//为HashMap依赖的table申请空间
table = new Entry[capacity];
init();
}
//使用默认的负载因子，默认的初始容器，
public HashMap() {
this.loadFactor = DEFAULT_LOAD_FACTOR;
threshold = (int)(DEFAULT_INITIAL_CAPACITY * DEFAULT_LOAD_FACTOR);
table = new Entry[DEFAULT_INITIAL_CAPACITY];
init();
}
public HashMap(int initialCapacity) {
this(initialCapacity, DEFAULT_LOAD_FACTOR); }
get(k)方法
public V get(Object key) {
//如果key是null,返回一个Object对象作内部处理，HashMap中可以使用null作为key
Object k = maskNull(key);
//计算此k(key)对应的hash值
int hash = hash(k);
//indexFor:h & (length-1)
//计算此key在hash表中的映射到的数组元素位置(每个元素是一个指向链表的头结点)
int i = indexFor(hash, table.length);
//取得链表头，映射到数组同一位置的元素被组织成一个链表(冲突解决方法)
Entry<K,V> e = table[i];
while (true) {
//如果查找到链表末尾，表示没有查找到，返回null
if (e == null)
return null;
//判断所以给key,与存储在HashTable中key是否完全相等
//如果完全相等，则查找到目标key-value对，返回value object
//x与y两个key完全相等的条件:x == y || x.equals(y);
//也就是说如果两个key内容相等或者指向同一个对象引用，均算作相等。
if (e.hash == hash && eq(k, e.key))
return e.value;
//继续查找下一个元素
e = e.next;
}
}
put(k,V)
public V put(K key, V value) {
//如果key为null，通过maskNull转换成Object对象进行内部存储操作
K k = maskNull(key);
//计算key对应的hash值，确定在Hash数组中的位置
int hash = hash(k);
int i = indexFor(hash, table.length);
//找到链表的头结点后，首先在链表中确定此key是否被其它的key-value对所占用
for (Entry<K,V> e = table[i]; e != null; e = e.next) {
//如果此key已经在HashMap中存在，则更新此key-value中的value值
if (e.hash == hash && eq(k, e.key)) {
V oldValue = e.value;
e.value = value;
e.recordAccess(this);
//并且返回oldValue
return oldValue;
}
}
modCount++;
//确定此key不存在HashMap中后，直接将key-value存入HashMap中，也就是插入链表中
addEntry(hash, k, value, i);
return null;
}
void addEntry(int hash, K key, V value, int bucketIndex) {
Entry<K,V> e = table[bucketIndex];
//Entry内部用来封装key-value对
table[bucketIndex] = new Entry<K,V>(hash, key, value, e);
//如果当前HashMap中存储的k-v对数目(size)超过threshold，需要对整个HashMap进行扩容
//扩展成原来的2倍大小
if (size++ >= threshold)
resize(2 * table.length);
}
void resize(int newCapacity) {
Entry[] oldTable = table;
int oldCapacity = oldTable.length;
if (oldCapacity == MAXIMUM_CAPACITY) {
threshold = Integer.MAX_VALUE;
return;
}
//为HashMap分配新的内存空间
Entry[] newTable = new Entry[newCapacity];
//迁移旧HashMap上的数据到新的空间newTable上
transfer(newTable);
table = newTable;
//重新计算负载上限
threshold = (int)(newCapacity * loadFactor);
}
void transfer(Entry[] newTable) {
Entry[] src = table;
int newCapacity = newTable.length;
for (int j = 0; j < src.length; j++) {
//取出数组元素中的链表头结点
Entry<K,V> e = src[j];
//如果链表不是空的
if (e != null) {
src[j] = null;
//为链表中的每一个结点重新分配新的位置在newTable当中
//因为位置的计算是hash & (length-1);length改变了，所以存储位置也跟着变了
do {
Entry<K,V> next = e.next;
//计算结点e的新的存储位置在newTable中
int i = indexFor(e.hash, newCapacity);
//将结点添加到链表newTable[i]中
e.next = newTable[i];
newTable[i] = e;
//e指向下一个结点
e = next;
} while (e != null);
}
}
}
remove(k)方法
public V remove(Object key) {
Entry<K,V> e = removeEntryForKey(key);
return (e == null ? null : e.value);
}
Entry<K,V> removeEntryForKey(Object key) {
//根据key计算hash值，映射到数组下标位置，找到链表头
Object k = maskNull(key);
int hash = hash(k);
int i = indexFor(hash, table.length);
Entry<K,V> prev = table[i];
Entry<K,V> e = prev;
while (e != null) {
Entry<K,V> next = e.next;
//查找封装目标key-value的Entry
if (e.hash == hash && eq(k, e.key)) {
modCount++;
size--;
//这种情况只有在链表中只有一个结点时候才会才成立
if (prev == e)
table[i] = next;
else
prev.next = next;
e.recordRemoval(this);
return e;
}
//在遍历过程中记录当前结点e的前驱
prev = e;
e = next;
}
return e;
}
eq()用于比较两个key是否相等
两个key相等的条件是:(1).两者指向同一个引用
(2).两者equals相等(考虑是否要重写key类的equals()，根据需要)
static boolean eq(Object x, Object y) {
return x == y || x.equals(y); }
上一篇： 源码级强力分析hadoop的RPC机制