HashMap源码分析整理
转自：https://mp.weixin.qq.com/s/vRvMvNktoDSQKMMlnj5T0g
结构
Node是HashMap中一个静态内部类
// Node是单向列表
static class Node<K,V> implements Map.Entry<K,V> {
final int hash;
final K key;
V value;
Node<K,V> next;
// 构造函数
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() {
// 异或运算
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;
}
}
TreeNode是红黑树的数据结构。
static final class TreeNode<K,V> entends LinkedHashMap.Entry<K,V> {
TreeNode<K,V> parent; // red-black tree links
TreeNode<K,V> left;
TreeNode<K,V> right;
TreeNode<K,V> prev; // needed to unlink next upon deletion
boolean red;
TreeNode(int hash, K key, V val, Node<K,V> next) {
super(hash, key, val, next);
}
/**
* 返回红黑树的根节点
*/
final TreeNode<K,V> root() {
for (TreeNode<K,V> r = this, p;;) {
if ((p = r.parent) == null)
return r;
r = p;
}
}
/**
* 确保给定的根节点是第一个节点
*/
static <K,V> void moveRootToFront(Node<K,V>[] tab, TreeNode<K,V> root) {...}
/**
* 从根节点开始，根据给出的hash值h和键k找到node
*/
final TreeNode<K,V> find(int h, Object k, Class<?> kc) {...}
/**
* 调用寻找根节点的方法
*/
final TreeNode<K,V> getTreeNode(int h, Object k) {
return ((parent != null) ? root() : this).find(h, k, null);
}
/**
* 用这个方法来比较两个对象，返回值要么大于0，要么小于0，不会为0
* 也就是说这一步一定能确定要插入的节点要么是树的左节点，要么是右节点，不然就无继续满足二叉树结构了
* 先比较两个对象的类名，类名是字符串对象，就按字符串的比较规则
* 如果两个对象是同一个类型，那么调用本地方法为两个对象生成hashCode值，再进行比较，hashCode相等的话返回-1
*/
static int tieBreakOrder(Object a, Object b) {
int d;
if (a == null || b == null ||
(d = a.getClass().getName().
compareTo(b.getClass().getName())) == 0)
d = (System.identityHashCode(a) <= System.identityHashCode(b) ?
-1 : 1);
return d;
}
/**
* 形成从tab节点链接的节点树
*/
final void treeify(Node<K,V>[] tab) {...}
/**
* 将单向链表替代此节点，并返回此链表
*/
final Node<K,V> untreeify(HashMap<K,V> map) {
Node<K,V> hd = null, tl = null;
for (Node<K,V> q = this; q != null; q = q.next) {
Node<K,V> p = map.replacementNode(q, null);
if (tl == null)
hd = p;
else
tl.next = p;
tl = p;
}
return hd;
}
/**
* 将值存储为红黑树结构
*/
final TreeNode<K,V> putTreeVal(HashMap<K,V> map, Node<K,V>[] tab,
int h, K k, V v) {...}
/**
* 删除在此调用之前必须存在的指定节点
*/
final void removeTreeNode(HashMap<K,V> map, Node<K,V>[] tab,
boolean movable) {...}
/**
* Splits nodes in a tree bin into lower and upper tree bins,
* 将树中的节点拆分为较低和较高的树容器，或者如果树目前太小，
* 只会调用重置大小的方法；
*/
final void split(HashMap<K,V> map, Node<K,V>[] tab, int index, int bit) {...}
static <K,V> TreeNode<K,V> rotateLeft(TreeNode<K,V> root,
TreeNode<K,V> p) {
TreeNode<K,V> r, pp, rl;
if (p != null && (r = p.right) != null) {
if ((rl = p.right = r.left) != null)
rl.parent = p;
if ((pp = r.parent = p.parent) == null)
(root = r).red = false;
else if (pp.left == p)
pp.left = r;
else
pp.right = r;
r.left = p;
p.parent = r;
}
return root;
}
static <K,V> TreeNode<K,V> rotateRight(TreeNode<K,V> root,
TreeNode<K,V> p) {
TreeNode<K,V> l, pp, lr;
if (p != null && (l = p.left) != null) {
if ((lr = p.left = l.right) != null)
lr.parent = p;
if ((pp = l.parent = p.parent) == null)
(root = l).red = false;
else if (pp.right == p)
pp.right = l;
else
pp.left = l;
l.right = p;
p.parent = l;
}
return root;
}
static <K,V> TreeNode<K,V> balanceInsertion(TreeNode<K,V> root,
TreeNode<K,V> x) {...}
static <K,V> TreeNode<K,V> balanceDeletion(TreeNode<K,V> root,
TreeNode<K,V> x) {...}
/**
* Recursive invariant check
*/
static <K,V> boolean checkInvariants(TreeNode<K,V> t) {...}
}
类定义
public class HashMap<K,V> extends AbstractMap<K,V> implements Map<K,V>, Cloneable, Serializable
属性
/**
* 默认初始容量，必须是2的整数倍。（1 << 4运算符效率高于直接写16）
*/
static final int DEFAULT_INITIAL_CAPACITY = 1 << 4; // aka 16
/**
* 最大容量
*/
static final int MAXIMUM_CAPACITY = 1 << 30;
/**
* 默认负载因子的值，用于计算threshold
*/
static final float DEFAULT_LOAD_FACTOR = 0.75f;
/**
* 单向链表转成树的阈值，当前桶中的链表的长度大于8时转换成树
* threshold = capacity * loadFactor
*/
static final int TREEIFY_THRESHOLD = 8;
/**
* 进行resize操作时，若桶中的数量少于6则从树转成链表
*/
static final int UNTREEIFY_THRESHOLD = 6;
/**
* 表的大小超过64这个阈值时，桶才可以被转换成树。
* 若小于MIN_TREEIFY_CAPACITY导致hash冲突天多，则不进行链表转变为树的操作。
*/
static final int MIN_TREEIFY_CAPACITY = 64;
/**
* 保存Node节点的数组，在首次使用时初始化，并根据需要调整大小。
* 分配时，长度始终是2的幂。
*/
transient Node<K,V>[] table;
/**
* 存放具体元素的集合
*/
transient Set<Map.Entry<K,V>> entrySet;
/**
* 记录HashMap当前存储元素的数量
*/
transient int size;
/**
* 每次更改map结构的计数器
*/
transient int modCount;
/**
* 临界值 当实际大小（容量*负载因子）超过临界值时，进行扩容
*/
int threshold;
/**
* 负载因子，要调整大小的下一个临界值(容量*负载因子)
*/
final float loadFactor;
构造方法
/**
* 默认容量和负载因子
*/
public HashMap() {
this.loadFactor = DEFAULT_LOAD_FACTOR; // all other fields defaulted
}
/**
* 传入指定初始容量大小，使用默认负载因子
*/
public HashMap(int initialCapacity) {
this(initialCapacity, DEFAULT_LOAD_FACTOR);
}
/**
* 传入指定初始容量大小和指定负载因子
*/
public HashMap(int initialCapacity, float loadFactor) {
// 初始容量小于0，抛出IllegalArgumentException异常
if (initialCapacity < 0)
throw new IllegalArgumentException("Illegal initial capacity: " +
initialCapacity);
// 初始容量不能超过容量最大值
if (initialCapacity > MAXIMUM_CAPACITY)
initialCapacity = MAXIMUM_CAPACITY;
// 负载因子不能小于或等于0，不能为非数字
if (loadFactor <= 0 || Float.isNaN(loadFactor))
throw new IllegalArgumentException("Illegal load factor: " +
loadFactor);
// 初始化负载因子
this.loadFactor = loadFactor;
// 初始化threshold大小
this.threshold = tableSizeFor(initialCapacity);
}
/**
* 找到大于或等于 cap 的最小2的整数次幂的数。
*/
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;
}
loadFactor负载因子：
当调低loadFactor时，HashMap所能容纳的键值对数量变少。扩容时重新将键值对存储新的桶数组里，键之间的hash碰撞几率下降，链表的长度变短。此时增删改查的操作效率会变高，以空间换时间。
相反，如果调高loadFactor时(可以大于1)，HashMap所能容纳的键值对数量变多，空间利用率变高，但碰撞率也变高。这意味着链表长度变长，效率随之降低，以时间换空间。
get方法
public V get(Object key) {
Node<K,V> e;
return (e = getNode(hash(key), key)) == null ? null : e.value;
}
static final int hash(Object key) {
int h;
// key不为null时将key调用HashCode方法后，与其符号右移16位异或运算。
// 通过这种方式，让高位数据与低位数据进行异或，以此加大低位信息的随机性，变相的让高位数据参与到计算中。
return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}
final Node<K,V> getNode(int hash, Object key) {
Node<K,V>[] tab; Node<K,V> first, e; int n; K k;
// 定位键值对所在桶的位置
if ((tab = table) != null && (n = tab.length) > 0 &&
(first = tab[(n - 1) & hash]) != null) {
// 判断桶中第一项(数组元素)相等
if (first.hash == hash && // always check first node
((k = first.key) == key || (key != null && key.equals(k))))
return first;
// 桶中不止一个结点
if ((e = first.next) != null) {
// 判断是否是红黑树
if (first instanceof TreeNode)
// 树结构调用getTreeNode方法
return ((TreeNode<K,V>)first).getTreeNode(hash, key);
// 不是红黑树的话，在链表中遍历查找
do {
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
return e;
} while ((e = e.next) != null);
}
}
return null;
}
添加
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;
// 当table为空时，则调用resize()方法来初始化容器
if ((tab = table) == null || (n = tab.length) == 0)
n = (tab = resize()).length;
// 确定元素存放在哪个桶中，若桶为空，则新生成结点放入桶中
if ((p = tab[i = (n - 1) & hash]) == null)
tab[i] = newNode(hash, key, value, null);
else {
Node<K,V> e; K k;
// 比较桶中第一个元素(数组中的节点)的hash值和key值是否相等
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
// 如果键的值以及节点hashCode等于链表中的第一个键值对节点时，则将e指向该键值对
e = p;
// 如果桶中引用的类型是TreeNode，则调用红黑树的插入方法。
else if (p instanceof TreeNode)
// 放入树中
e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
else {
// 对链表进行遍历，并重新统计链表长度
for (int binCount = 0; ; ++binCount) {
// 达到链表的尾部
if ((e = p.next) == null) {
// 向尾部插入新节点
p.next = newNode(hash, key, value, null);
// 如果节点达到阈值(默认8)，转化为红黑树
if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st
treeifyBin(tab, hash);
break;
}
// 判断链表中的节点的key值与插入的元素的key值是否相等
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
break;
p = e;
}
}
// 判断要插入的键值对是否存在HashMap中
if (e != null) { // existing mapping for key
V oldValue = e.value;
// onlyIfAbsent表示是否仅在oldValue为null的情况下更新键值对的值
if (!onlyIfAbsent || oldValue == null)
e.value = value;
afterNodeAccess(e);
return oldValue;
}
}
++modCount;
// 键值对数量超过阈值时，则进行扩容
if (++size > threshold)
resize();
afterNodeInsertion(evict);
return null;
}
初始化容器后没有进行put操作时，是不会分配存储空间的。
1、当桶数组table为空时，通过扩容的方式初始化table。
2、查找要插入的键值对是否已经存在，存在的话判断是否用心智替换旧制。
3、如果不存在，则将键值对链入链表中，并根据链表长度决定是否将链表转为红黑树。
4、判断键值对数量是否大于阈值，大于的话则进行扩容操作。
扩容机制
final Node<K,V> resie() {
// 拿到数组桶
Node<K,V>[] oldTab = table;
int oldCap = (oldTab == null) ? 0 : oldTab.length;
int oldThr = threshold;
int newCap, newThr = 0;
// 如果数组桶的容量大于0
if (oldCap > 0) {
// 如果比最大值还大，则赋值为最大值
if (oldCap >= MAXIMUM_CAPACITY) {
threshold = Integer.MAX_VALUE;
return oldTab;
}
// 如果扩容后旧数组桶大于初始容量并且小于最大值，则扩大两倍(阈值左移1位)
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
newCap = DEFAULT_INITIAL_CAPACITY;
// 计算新阈值 = 默认容量 * 负载因子
newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);
}
// 如果新阈值为0
if (newThr == 0) {
// 则重新计算阈值
float ft = (float)newCap * loadFactor;
newThr = (newCap < MAXIMUM_CAPACITY && ft < (float)MAXIMUM_CAPACITY ?
(int)ft : Integer.MAX_VALUE);
}
// 更新阈值
threshold = newThr;
@SuppressWarnings({"rawtypes","unchecked"})
// 创建新数组桶
Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap];
// 覆盖数组桶
table = newTab;
// 如果旧桶数组不为空，则遍历旧桶数组，并将键值对映射到新的桶数组中
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)
newTab[e.hash & (newCap - 1)] = e;
else if (e instanceof TreeNode)
// 重新映射时，需要对红黑树进行拆分
((TreeNode<K,V>)e).split(this, newTab, j, oldCap);
else { // preserve order
// 如果不是红黑树，则按链表进行处理
Node<K,V> loHead = null, loTail = null;
Node<K,V> hiHead = null, hiTail = null;
Node<K,V> next;
// 遍历链表，并将链表节点按原顺序进行分组
do {
next = e.next;
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) {
// 将分组后的链表映射到新桶中
loTail.next = null;
newTab[j] = loHead;
}
if (hiTail != null) {
hiTail.next = null;
newTab[j + oldCap] = hiHead;
}
}
}
}
}
return newTab;
}
扩容步骤：
1、计算新桶数组的容量newCap和新阈值newThr。
2、根据计算出的newCap创建新的桶数组，桶数组table也是在这里进行初始化的。
3、将键值对节点重新映射到新的桶数组中。如果节点时TreeNode类型，则需要拆分红黑树；如果是普通节点，按原顺序进行分组。
三种扩容方式：
1、使用默认构造方法初始化HashMap，此时table为空，thershold为0。因此第一次扩容的容量为默认值DEFAULT_INITIAL_CAPACITY=16,threshold = DEFAULT_INITIAL_CAPACITY * DEFAULT_LOAD_FACTOR = 12
2、指定初始容量的构造方法初始化HashMap。初始容量会等于threshold，接着threshold = 当前的容量（threshold） * DEFAULT_LOAD_FACTOR
3、HashMap不是第一次扩容。如果HashMap已经扩容过，那每次table的容量以及threshold量为原有的两倍。
相关问答
JDK1.7是基于数组+单链表实现，为什么不用双链表？
双链表需要更大的存储空间。
为什么使用红黑树，而不是平衡二叉树？
插入效率比平衡二叉树搞，查询效率比普通二叉树搞。所以选择性能折中的红黑树。
HashMap为什么不直接使用对象的原始hash值?
通过移位和异或运算，可以让hash变得更复杂，进而影响hash的分布性。
static final int hash(Object key) {
int h;
return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}
HashMap为什么不直接使用红黑树，而是在大于9个元素时才转换？
如果元素小于8个，查询成本高，新增成本低。元素大于8个，查询成本低，新增成本高。
