文章目录
HashMap解析
-
无序的
-
数据结构为数组(Node数组)+链表+红黑树（jdk8开始）
-
非线程安全的
-
键值允许为null
-
一个key对应唯一的value
-
查询和删除都很快
-
能达到O(1)的平均时间复杂度
-
默认容量16
-
扩容因子0.75，，当键值对的数量大于
16 * 0.75 = 12时，就会触发扩容。 -
链表长度大于8时转为红黑树，长度小于8时，红黑树转为链表
因为数据量小时，链表查找速度比树更快，因为省去了一些平衡旋转的操作。
常量字段：
- 继承自AbstractMap
- 实现Map接口，Cloneable接口和序列化接口
public class HashMap<K,V> extends AbstractMap<K,V>
implements Map<K,V>, Cloneable, Serializable {
//默认的初始容量 1<<4 = 16
static final int DEFAULT_INITIAL_CAPACITY = 1 << 4;
/**
* 最大容量 2^30
*/
static final int MAXIMUM_CAPACITY = 1 << 30;
/**
* 默认装载因子
*/
static final float DEFAULT_LOAD_FACTOR = 0.75f;
/**
* 当桶中（一个数组元素）的链表节点大于8个时，将其转为红黑树
*/
static final int TREEIFY_THRESHOLD = 8;
/**
*当桶中（一个数组元素）的链表节点小于等于6个时，将红黑树转为链表结构
*/
static final int UNTREEIFY_THRESHOLD = 6;
/**
* 在转变成树之前，还会有一次判断，只有总键值对数量大于 *64才会发生转换。这是为了避免在哈希表建立初期，多个键值 *对恰好被放入了同一个链表中而导致不必要的转化。
*/
static final int MIN_TREEIFY_CAPACITY = 64;
其他字段：
//Node数组，每个元素是一个Node节点，Node是该桶的单链表首节点
transient Node<K,V>[] table;
/**
* 保存缓存的entrySet（）
*/
transient Set<Map.Entry<K,V>> entrySet;
/**
* 当前键值对数量
*/
transient int size;
/**
* 对HashMap修改的次数，如果单线程迭代遍历的时候执行了添加删除元素的操作，则会抛出ConcurrentModificationException异常
*/
transient int modCount;
/**
* 数组扩容的阈值（容量*负载因子）。
*/
int threshold;
/**
* 装载因子
*/
final float loadFactor;
Node节点：
单链表结构的节点
static class Node<K,V> implements Map.Entry<K,V> {
//即对key求hash后的hash值,每个桶中节点的hash值相同
final int hash;
final K key;
V value;
//指向下个节点的引用
Node<K,V> next;
}
ThreeNode:
红黑树结构的树节点
因为集成了LinkedHashMap.Entry，因此具有双向链表的性质
static final class TreeNode<K,V> extends LinkedHashMap.Entry<K,V> {
TreeNode<K,V> parent; // red-black tree links
TreeNode<K,V> left;
TreeNode<K,V> right;
TreeNode<K,V> prev; //
boolean red;//节点是否为红色
TreeNode(int hash, K key, V val, Node<K,V> next) {
super(hash, key, val, next);
}
构造函数
默认构造：
public HashMap() {
this.loadFactor = DEFAULT_LOAD_FACTOR;//初始化默认负载因子为0.75
}
指定容量大小：
public HashMap(int initialCapacity) {
//指定初始容量，使用默认负载因子
this(initialCapacity, DEFAULT_LOAD_FACTOR);
}
public HashMap(int initialCapacity, float loadFactor) {
if (initialCapacity < 0)
throw new IllegalArgumentException("Illegal initial capacity: " +
initialCapacity);
//初始容量大于最大容量
if (initialCapacity > MAXIMUM_CAPACITY)
//初始容量等于最大容量
initialCapacity = MAXIMUM_CAPACITY;
if (loadFactor <= 0 || Float.isNaN(loadFactor))
throw new IllegalArgumentException("Illegal load factor: " +
loadFactor);
this.loadFactor = loadFactor;
//计算扩容阈值
this.threshold = tableSizeFor(initialCapacity);
}
计算扩容阈值threshold：
该方法返回的是大于cap的最小的一个2^n的值
即，cap=3，则返回2^2=4
cap=5则返回2^3=8
cap=9~16 ，则返回2^4=16
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;
}
put方法
public V put(K key, V value) {
return putVal(hash(key), key, value, false, true);
}
首先调用hash()计算key的hash值：
- key为空，返回null
- 否则，让key.hashCode与其高16位异或获取hash值，hash冲突概率更小
static final int hash(Object key) {
int h;
return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}
调用putVal插入键值对：
final V putVal(int hash, K key, V value, boolean onlyIfAbsent,
boolean evict) {
Node<K,V>[] tab; Node<K,V> p; int n, i;
//1.数组为空或数组长度为0
if ((tab = table) == null || (n = tab.length) == 0) //1.1 进行初始化扩容
n = (tab = resize()).length;
//2. 通过(n-1) & hash计算元素应该放在哪个桶中，如果该桶为空
if ((p = tab[i = (n - 1) & hash]) == null)
//2.1 直接在该桶插入新的节点
tab[i] = newNode(hash, key, value, null);
else {
//3. 该桶不为空
Node<K,V> e; K k;
//3.1 如果hash值相同且key相同，说明该key已经存在，直接将第一个节点保存在e中，转到4
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
e = p;
//3.2 如果首节点是红黑树节点
else if (p instanceof TreeNode)
//插入树中
e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
//3.3 如果是链表
else {
//3.3.1 遍历链表
for (int binCount = 0; ; ++binCount) {
if ((e = p.next) == null) {
//到达尾部仍没有key，插入新的节点
p.next = newNode(hash, key, value, null);
if (binCount >= TREEIFY_THRESHOLD - 1) // 如果节点个数超过了8个，则将链表转为红黑树
treeifyBin(tab, hash);
break;
}
//如果key已存在，则停止遍历，此时的e就是要找的key，跳到4覆盖旧值
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
break;
//继续下一个循环
p = e;
}
}
//4. e不为空，说明key已存在，要覆盖旧值后直接返回旧值
if (e != null) {
V oldValue = e.value;
if (!onlyIfAbsent || oldValue == null)
e.value = value;
afterNodeAccess(e);
return oldValue;
}
}
//到达该位置，说明是新增节点，而不是修改节点，因此需要进行扩容判断
++modCount;
//键值对超过threshold，则进行扩容
if (++size > threshold)
resize();
//空实现
afterNodeInsertion(evict);
return null;
}
整个流程：
- table数组为空 -------> 进行扩容
- 数组不为空，指定hash值对应的槽位为空--------------->直接插入新节点，转到[7]
- 指定hash值槽位不为空，如果存在目标key，则直接覆盖旧值。转到6
- 否则，如果是红黑树，则插入树节点。转到 [6]
- 否则，就是链表，遍历链表，如果key不存在，则在尾部插入新节点，如果key存在，则覆盖旧值
- 如果有旧值（key已存在），则返回旧值
- 如果是新的key-value，则先判断是否需要扩容(++size > threshold)？，进行扩容后返回null。
扩容方法resize()
final Node<K,V>[] resize() {
//获取旧table数组
Node<K,V>[] oldTab = table;
//获取旧的数组容量
int oldCap = (oldTab == null) ? 0 : oldTab.length;
//旧的扩容阈值
int oldThr = threshold;
//新的容量和新的扩容阈值
int newCap, newThr = 0;
if (oldCap > 0) {
//旧容量大于等于最大容量
if (oldCap >= MAXIMUM_CAPACITY) {
//阈值调成无穷大，因此不需要扩容，直接返回旧数组
threshold = Integer.MAX_VALUE;
return oldTab;
}
else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&//旧容量的两倍小于最大容量
oldCap >= DEFAULT_INITIAL_CAPACITY)//且旧容量大于等于默认容量16
//扩容阈值*2,增加一倍
newThr = oldThr << 1;
}
else if (oldThr > 0)
//如果使用了指定大小的构造函数，则扩容的新的容量为旧的扩容阈值
newCap = oldThr;
else {//使用了默认构造
//新的容量为默认容量16
newCap = DEFAULT_INITIAL_CAPACITY;
//新的阈值为 16*0.75
newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);
}
if (newThr == 0) {
//新的扩容阈值为0，则重新计算其值，
float ft = (float)newCap * loadFactor;
newThr = (newCap < MAXIMUM_CAPACITY && ft < (float)MAXIMUM_CAPACITY ?
(int)ft : Integer.MAX_VALUE);
}
//赋值为新的扩容阈值
threshold = newThr;
@SuppressWarnings({"rawtypes","unchecked"})
//按照新的容量构造一个Node数组
Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap];
//新的数组赋值给table
table = newTab;
//旧数组不为空时
if (oldTab != null) {
//遍历数组
for (int j = 0; j < oldCap; ++j) {
Node<K,V> e;
//该桶首节点赋值存储到额，且节点不为空
if ((e = oldTab[j]) != null) {
//清空旧的元素，方便GC
oldTab[j] = null;
//首节点下面没有节点了
if (e.next == null)
//计算再新数组中的下标并移动到新数组中
newTab[e.hash & (newCap - 1)] = e;
//首节点是树节点
else if (e instanceof TreeNode)
//将树分成两颗树插入到新的桶中
((TreeNode<K,V>)e).split(this, newTab, j, oldCap);
else { // preserve order
//否则是一个链表，则将该链表变成两个链表放到指定桶中
Node<K,V> loHead = null, loTail = null;
Node<K,V> hiHead = null, hiTail = null;
Node<K,V> next;
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) {
loTail.next = null;
//低位链表还放在原来的数组下标为j的位置中
newTab[j] = loHead;
}
if (hiTail != null) {
hiTail.next = null;
//其余的放在数字下标为原下标+旧容量的位置中
newTab[j + oldCap] = hiHead;
}
}
}
}
}
return newTab;
}
扩容流程：
- 旧容量大于0时，且大于默认容量16，新容量为旧的两倍，新的扩容阈值为旧的两倍
- 如果使用带指定容量的构造函数，则新的容量为原扩容阈值，即在构造函数中根基指定容量计算的threshold。再根据新的容量计算新的扩容阈值
- 如果使用默认构造函数，则新容量为默认容量16 ，扩容阈值为16*0.75=12
- 构造新数组进行扩容
插入红黑树节点putTreeVal()
基本流程如下：
- 根据hash值和key从根节点开始查询，比当前节点的hash值小就在左子树查询，否则在右子树查询
- 如果找到了目标，即hash值和key都一样，则直接返回
- 如果没有找到目标key，则插入一个新节点，并做旋转平衡
链表转红黑树treeifyBin()：
final void treeifyBin(Node<K,V>[] tab, int hash) {
int n, index; Node<K,V> e;
if (tab == null || (n = tab.length) < MIN_TREEIFY_CAPACITY)
//如果数组为空或者长度小于64，则直接扩容，原因在属性中已讲
resize();
else if ((e = tab[index = (n - 1) & hash]) != null) {//否则进行树转换
TreeNode<K,V> hd = null, tl = null;
do {
//循环将所有的节点变为TreeNode树节点
TreeNode<K,V> p = replacementTreeNode(e, null);//就是new了一个TreeNode
if (tl == null)
hd = p;
else {
p.prev = tl;
tl.next = p;
}
tl = p;
} while ((e = e.next) != null);
//都转为树节点后，再将该桶转为红黑树
if ((tab[index] = hd) != null)
hd.treeify(tab);
}
}
final void treeify(Node<K,V>[] tab) {
TreeNode<K,V> root = null;
for (TreeNode<K,V> x = this, next; x != null; x = next) {
//next后移
next = (TreeNode<K,V>)x.next;
x.left = x.right = null;
if (root == null) {
//将第一个元素作为根节点
x.parent = null;
x.red = false;
root = x;
}
else {
// x即为当前访问链表中的元素
K k = x.key;
int h = x.hash;
Class<?> kc = null;
// 这里从root开始自顶向下遍历，每次都向树中插入一个节点
for (TreeNode<K,V> p = root;;) {
//dir 用于存储p.hash和x.hash的比较结果，-1代表在左子树查找，1代表在右子树查找
int dir, ph;
K pk = p.key;
if ((ph = p.hash) > h)
//要查找的key的hash小于当前节点
dir = -1;
else if (ph < h)
//要查找的key的hash大于当前节点
dir = 1;
else if ((kc == null &&
(kc = comparableClassFor(k)) == null) ||
(dir = compareComparables(kc, k, pk)) == 0)
dir = tieBreakOrder(k, pk);
TreeNode<K,V> xp = p;
//根据dir判断在左子树还是右子树查找
if ((p = (dir <= 0) ? p.left : p.right) == null) {
x.parent = xp;
//x的hash值小于xp
if (dir <= 0)
//插入到xp的左子树
xp.left = x;
else
//插入插入到右子树
xp.right = x;
//插入后重新平衡
root = balanceInsertion(root, x);
break;
}
}
}
}
//把根节点移动到链表的头节点
moveRootToFront(tab, root);
}
- 第一次循环将首节点作为红黑树的根
- 后面每次都将原链表的元素通过hash值比较，连接到树节点的左子树或右子树，再进行平衡
- 最后将根节点移动到首节点
get
首先key的hash值，再调用getNode返回对应的节点
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) {
//1.首先判断首节点的hash是否与key的hash相等，
if (first.hash == hash &&
//且key为要找的key
((k = first.key) == key || (key != null && key.equals(k))))
//直接返回第一个节点
return first;
//2.否则要遍历链表
if ((e = first.next) != null) {
//2.1如果是红黑树节点
if (first instanceof TreeNode)
return //调用红黑树获取节点的方法获取
((TreeNode<K,V>)first).getTreeNode(hash, key);
do {
//2.2 否则，循环遍历链表找到目标key
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
//找到后返回目标节点
return e;
} while ((e = e.next) != null);
}
}
//没找到返回null
return null;
}
- 根据key的hash值找到对应的桶
- 如果第一个元素就是目标key，则直接返回该节点
- 否则遍历首节点，如果是树节点，则调用红黑树的查找方法查找，否则按照链表的方式查询目标节点，找到就返回那个节点，否则返回null
remove
先计算key的hash值，再调用removeNode删除
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;
//1. 如果 首节点匹配，则直接将首节点保存到node
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
node = p;
//2.否则遍历该链表或红黑树
else if ((e = p.next) != null) {
//2.1 如果是红黑树，则调用红黑树的查找方法找到待删除node
if (p instanceof TreeNode)
node = ((TreeNode<K,V>)p).getTreeNode(hash, key);
else {
//2.2 如果是链表，则遍历链表查找待删除节点，保存在node
do {
if (e.hash == hash &&
((k = e.key) == key ||
(key != null && key.equals(k)))) {
node = e;
break;
}
p = e;
} while ((e = e.next) != null);
}
}
//3.此处若找到待删除节点，如果需要匹配值，就看待删除节点的值和传入的值是否相同，否则就不匹配
if (node != null && (!matchValue || (v = node.value) == value ||
(value != null && value.equals(v)))) {
//3.1 如果是树节点
if (node instanceof TreeNode)
//则调用红黑树的remove方法
((TreeNode<K,V>)node).removeTreeNode(this, tab, movable);
//如果是首节点
else if (node == p)
//则直接指向首节点的下一个节点
tab[index] = node.next;
else
//否则让待删除节点的上一个节点p指向待删除节点的下一个节点
p.next = node.next;
++modCount;
//减少键值对数
--size;
afterNodeRemoval(node);
//返回删除的节点
return node;
}
}
return null;
}
流程：
设待删除节点为x
-
计算key的hash值，找到对应的桶
-
如果首节点就是 x，[entra] ，则让tab[index]指向x的下一个节点
-
否则从该节点遍历，如果是树节点，则调用红黑树的查找找到该节点，并按红黑树的remove进行删除，返回x
-
如果是链表，则按链表的方式找到x，[extra] ，让x的前一个节点指向x的后一个节点，返回x
extra: 需要匹配值的话，必须值匹配才能删除，否则返回null；不需要匹配就直接删除
-
找不到就返回null
LinkeHashMap
- 继承了HashMap，因为拥有hashMap的所有特性，也是数组+链表+红黑树的实现
- 但是LinkedHashMap使用双向链表来维护，而不是单向链表
- 默认存储的顺序为插入的顺序
- 构造函数让accessOrder为true，则按照对元素访问的顺序存储
因为LinkedHashMap基于HashMap实现，在hashMap中，每次删除插入的最后都有个尾函数：
如：afterNodeAccess(e);，afterNodeInsertion(evict);等，在HashMap中是空实现；
而LinkedHashMap只需要重写这些方法就可以实现自己的功能。
如每次插入节点后会调用：afterNodeInsertion
void afterNodeInsertion(boolean evict) { // possibly remove eldest
LinkedHashMap.Entry<K,V> first;
if (evict && (first = head) != null && removeEldestEntry(first)) {
K key = first.key;
removeNode(hash(key), key, null, false, true);
}
}
其中removeEldestEntry默认返回false：
protected boolean removeEldestEntry(Map.Entry<K,V> eldest) {
return false;
}
因此我们可以重写removeEldestEntry方法实现LRU置换算法，当元素个数大于容量时，就移除最久未访问的元素
@Override
protected boolean removeEldestEntry(Map.Entry<K, V> eldest) {
// 当元素个数大于了缓存的容量, 就移除元素
return size() > this.capacity;
}
