HashMap源码分析（详细）
程序员文章站
2022-12-04 22:46:15
文章目录...
文章目录
需要先知道的内容
Hash、哈希表、哈希函数
Hash ：散列，通过关于键值(key)的函数，将数据映射到内存存储中一个位置来访问。这个过程叫做Hash，这个映射函数称做哈希函数，存放记录的数组称做散列表(Hash Table),又叫哈希表。JAVA函数hashCode()即请求对象的哈希值。
哈希函数的构造方法
（1）直接取址法
取关键字的某个线性函数作为散列地址，如H(key) = a * key + b
（2）除留余数法
最为常用的一种方法，假设表长为m，p为不大于m的最大素数，则哈希函数为H（key）= key % p;
（3）数字分析法
关键字的位数比较大，对关键字的各位分布进行分析，选出分布均匀的任意几位作为散列地址。
（4）平方取中法
取Key平方值的中间几位作为Hash地址。适合于不知道关键字的分布，而位数又不是很大的情况。
（5）分段叠加法
将关键字分割成位数相同的几部分（最后一部分的位数可以不同），然后取这几部分的叠加和（舍去进位）作为哈希地址。 当Key的位数较多的时候数字分布均匀适合采用这种方案.
（6）基数转化法
将Key值看作另一种进制的数，然后在转化为原来进制的数，再选择其中几位作为散列地址。
解决哈希冲突的方法
（1）开放定址法
当冲突发生时，探测其他位置是否有空地址 (按一定的增量逐个的寻找空的地址)，将数据存入。根据探测时使用的增量的取法，分为：线性探测、平方探测、伪随机探测等。Hash_new(Key) = (Hash(Key) + d i )【i = 1，2，3，……】
- 线性探测：d i = a * i + b;【a,b均为常数】
- 平方探测：d i = a * （ i ^2)【a为常数】
- 伪随机数探测 ： d i = random(Key);
（2）链地址法
将散列到同一位置的所有元素储存在单链表中
（3）再哈希法
有多个不同的Hash函数，当发生冲突时，使用第二个、第三个……等哈希函数计算地址，直到无冲突，这种方法不易发生聚集，但是增加了计算时间。
（4）公共溢出区域法
将哈希表分为基本表和溢出表两部分，凡是和基本表发生冲突的元素，一律填入溢出表。
HashMap源码分析
常量设置
// 初始容量必须是2的幂
static final int DEFAULT_INITIAL_CAPACITY = 1 << 4;
// 通过构造函数指定数组大小原则上必须是小于2^30的
static final int MAXIMUM_CAPACITY = 1 << 30;
//构造函数未指定负载因子时，默认为0.75
static final float DEFAULT_LOAD_FACTOR = 0.75f;
//链表转化为树的阙值
static final int TREEIFY_THRESHOLD = 8;
//树还原为链表的阙值为6
static final int UNTREEIFY_THRESHOLD = 6;
// 哈希表最小树形化容量
static final int MIN_TREEIFY_CAPACITY = 64;
//链表数组
transient Node<K,V>[] table;
// 缓存的键值对集合
transient Set<Map.Entry<K,V>> entrySet;
//键值对的数量
transient int size;
//这个HashMap被修改的次数
transient int modCount;
// 阈值，用于判断是否需要调整HashMap的容量（threshold = 容量*加载因子）
// 另外，如果还没有分配表数组，则字段保留初始数组容量，或零表示默认初始容量
int threshold;
//哈希表的装载因子
final float loadFactor;
节点设置
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;
}
public final K getKey() { return key; }
public final V getValue() { return value; }
public final String toString() { return key + "=" + value; }
public final int hashCode() {
return Objects.hashCode(key) ^ Objects.hashCode(value);
}
public final V setValue(V newValue) {
V oldValue = value;
value = newValue;
return oldValue;
}
public final boolean equals(Object o) {
if (o == this)
return true;
if (o instanceof Map.Entry) {
Map.Entry<?,?> e = (Map.Entry<?,?>)o;
if (Objects.equals(key, e.getKey()) &&
Objects.equals(value, e.getValue()))
return true;
}
return false;
}
}
构造函数
构造函数（一）
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;
this.threshold = tableSizeFor(initialCapacity);
}
tableSizeFor(initialCapacity)
根据指定容量设置阙值，最终结果为不小于cap的最小的2的指数幂
（为了使用key的hash值计算数组下标时，使用取余运算可以用“&”代替，效率更高）
static final int tableSizeFor(int cap) {
int n = -1 >>> Integer.numberOfLeadingZeros(cap - 1);
return (n < 0) ? 1 : (n >= MAXIMUM_CAPACITY) ? MAXIMUM_CAPACITY : n + 1;
}
构造函数（二）【拷贝构造函数】
//构造一个映射关系与指定 Map 相同的新 HashMap。
public HashMap(Map<? extends K, ? extends V> m) {
this.loadFactor = DEFAULT_LOAD_FACTOR;
putMapEntries(m, false);
}
putMapEntries(m, false)
此方法会被HashMap的拷贝构造函数public HashMap(Map<? extends K, ? extends V> m)或者Map接口的putAll函数（被HashMap给实现了）调用到。
final void putMapEntries(Map<? extends K, ? extends V> m, boolean evict) {
int s = m.size();
if (s > 0) {//传入的map大小不为0
if (table == null) {
//说明是拷贝构造函数调用或者构造之后的HashMap中没有放入任何元素
/*算出来恰好不超过阙值的容量，由于会计算出小数，
在后面的代码中需要取整，为了保证容量足够，
需要向上取整，所以这里要加1*/
float ft = ((float)s / loadFactor) + 1.0F;
//判断计算出来的容量与规定最大容量的大小，此处要取整
int t = ((ft < (float)MAXIMUM_CAPACITY) ?
(int)ft : MAXIMUM_CAPACITY);
/*如果大于当前暂存容量大小（容量可能会暂时放在阙值上）
则用t重新计算出容量值，暂时放在阙值上。
*/
if (t > threshold)
threshold = tableSizeFor(t);
}
else if (s > threshold)
/*说明此时HashMap已经进行了初始化，这里进行的是预先扩大容量，
不需要判断s+this.size>threshold，因为
如果s>threshold，是肯定需要立即扩容的，如果s<threshold,可以在
遍历插入时进行扩容。*/
resize();
for (Map.Entry<? extends K, ? extends V> e : m.entrySet()) {
//对Map进行遍历赋值
K key = e.getKey();
V value = e.getValue();
//存放数据时可能会扩容。
putVal(hash(key), key, value, false, evict);
}
}
}
- hash（Object key）
static final int hash(Object key) {
int h;
//当Key为null时，索引为0
return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}
resize()
final Node<K,V>[] resize() {
Node<K,V>[] oldTab = table;
int oldCap = (oldTab == null) ? 0 : oldTab.length;
int oldThr = threshold;
int newCap, newThr = 0;
if (oldCap > 0) {//原来的HashMap中存放了数据
//已经到达了容量的最大值无法扩容，直接返回原来的大小
if (oldCap >= MAXIMUM_CAPACITY) {
threshold = Integer.MAX_VALUE;
return oldTab;
}
//新容量为原来的2倍小于最大容量值，并且原来的容量不小于默认值初始值
//则新的容量扩大为原来的2倍，新的阙值扩大为原来的2倍
else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&
oldCap >= DEFAULT_INITIAL_CAPACITY)
newThr = oldThr << 1;
}
//旧数组为空，新数组的容量设置为旧数组的阙值
else if (oldThr > 0)
newCap = oldThr;
//创建HashMap为空的构造函数创建时，则全部设置为默认值
else {
newCap = DEFAULT_INITIAL_CAPACITY;
newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);
}
//计算新的阙值，针对上面的第二种情况
if (newThr == 0) {
float ft = (float)newCap * loadFactor;
newThr = (newCap < MAXIMUM_CAPACITY && ft < (float)MAXIMUM_CAPACITY ?
(int)ft : Integer.MAX_VALUE);
}
threshold = newThr;
/*对于上面的情况进行总结：
（1）使用空构造函数进行创建时，会使用系统的默认值
（2）使用带有自定义初始容量大小的构造参数时，首先在构造函数中将
不小于初始容量大小的2的幂设置为阙值，然后在resize()中设置为初始容量大小
并将阙值设置为newCap * loadFactor（新容量大小 * 负载因子）
（3）当数组中含有数据时，未达到最大值，则将容量值和阙值扩大为原来的2倍，
否则为最大值。
*/
@SuppressWarnings({"rawtypes","unchecked"})
//使用新容量创建的新的数组
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;
//如果桶中只有一个元素，则根据新容量计算新的索引值。
if (e.next == null)
newTab[e.hash & (newCap - 1)] = e;
//如果链表已经转化为红黑树，则计算新的hash值放在新的地方
else if (e instanceof TreeNode)
((TreeNode<K,V>)e).split(this, newTab, j, oldCap);
//还是链表形式
else {
Node<K,V> loHead = null, loTail = null;
Node<K,V> hiHead = null, hiTail = null;
Node<K,V> next;
do {
next = e.next;
//按照特定bit位转移链表的位置
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);
//如果特定bit位为0，则存放在原来的数组索引位置
if (loTail != null) {
loTail.next = null;
newTab[j] = loHead;
}
//如果为1，则新的索引值为原来索引值+oldCap
if (hiTail != null) {
hiTail.next = null;
newTab[j + oldCap] = hiHead;
}
}
}
}
}
return newTab;
}
put(K key, V value)
- 大概思路：
（1）如果没有进行初始化，首先进行resize（）
（2）判断数组中相对应的索引处是否有元素，没有的话，将创建的节点存放在数组中，有的话继续向下执行
（3）判断与首个节点是否Key值相同，相同的话将节点值赋值给e
（4）将节点插入到链表的最末尾，如果长度到了树形化的阙值，则转化为红黑树，如果链表节点中存在Key值相同的节点，则赋值给e
（5）如果e不为null，证明哈希表中存在key相同的键值对，则将新的value放进去，并返回旧的value值
（6）如果size的值大于了阙值，则进行扩容。
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;
if ((tab = table) == null || (n = tab.length) == 0)
//当哈希表没有进行初始化时，第一次进行扩容，得到默认值16
n = (tab = resize()).length;
//如果数组的指定索引下为空，就直接放入新的节点
if ((p = tab[i = (n - 1) & hash]) == null)
tab[i] = newNode(hash, key, value, null);
else {
Node<K,V> e; K k;
//存放的节点Key值和数组中的节点Key值相同则给e赋值
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
e = p;
else if (p instanceof TreeNode)
e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
else {
for (int binCount = 0; ; ++binCount) {
//插在链表的末尾
if ((e = p.next) == null) {
p.next = newNode(hash, key, value, null);
//如果达到树形化阙值，将链表转化为红黑树
if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st
treeifyBin(tab, hash);
break;
}
//如果有重复的Key，则用e记录节点
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
break;
p = e;
}
}
//将节点值的value替换为新的，并返回旧的value值
if (e != null) {
V oldValue = e.value;
if (!onlyIfAbsent || oldValue == null)
e.value = value;
afterNodeAccess(e);
return oldValue;
}
}
//修改次数加1
++modCount;
//键值对的个数超过阙值，扩容
if (++size > threshold)
resize();
afterNodeInsertion(evict);
return null;
}
get(K key)
- 大概思路：
（1）匹配查找桶中的第一个节点，命中直接返回，未命中继续向下执行
（2）如果为树，在树中查找，时间复杂度为o(logn)
如果为链表，则在链表中查找，时间复杂度为o（n）
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;
//保证桶中有元素的前提
if ((tab = table) != null && (n = tab.length) > 0 &&
(first = tab[(n - 1) & hash]) != null) {
//与第一个节点匹配成功，返回第一个节点
if (first.hash == hash && // always check first node
((k = first.key) == key || (key != null && key.equals(k))))
return first;
if ((e = first.next) != null) {
//在红黑树中查找
if (first instanceof TreeNode)
return ((TreeNode<K,V>)first).getTreeNode(hash, key);
do {
//在链表中进行查找匹配
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
return e;
} while ((e = e.next) != null);
}
}
return null;
}
remove()
- 与上面get()流程相似，多了删除节点的操作，这里不赘述了。
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;
//与数组中存放节点进行匹配
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
node = p;
else if ((e = p.next) != null) {
//在红黑树中进行处理
if (p instanceof TreeNode)
node = ((TreeNode<K,V>)p).getTreeNode(hash, key);
else {
//在链表中查找被删节点
do {
if (e.hash == hash &&
((k = e.key) == key ||
(key != null && key.equals(k)))) {
node = e;
break;
}
p = e;
} while ((e = e.next) != null);
}
}
//传入参数时设置matchValue = false
//node即为要删除节点，
//如果要删除的节点位于数组中的第一个节点，p为数组中存放的第一个节点
//如果是链表中的节点，则p为删除节点的前一个节点
if (node != null && (!matchValue || (v = node.value) == value ||
(value != null && value.equals(v)))) {
//在红黑树中进行移除
if (node instanceof TreeNode)
((TreeNode<K,V>)node).removeTreeNode(this, tab, movable);
//当删除元素为第一个数组中的第一个节点时
else if (node == p)
tab[index] = node.next;
//如果在链表中删除节点
else
p.next = node.next;
//修改次数加1
++modCount;
//键值对总数减1
--size;
afterNodeRemoval(node);
return node;
}
}
return null;
}
本文地址：https://blog.csdn.net/nity_/article/details/109184920