版权声明：Z_ChenChen https://blog.csdn.net/Z_ChenChen/article/details/83004969
上一篇介绍了HashMap的基本概念，这一篇着重介绍HasHMap中的一些常用方法：
put()
get()
resize()
首先介绍resize()这个方法，在我看来这是HashMap中一个非常重要的方法，是用来调整HashMap中table的容量的，在很多操作中多需要重新计算容量。
源码如下：
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) {
if (oldCap >= MAXIMUM_CAPACITY) {
threshold = Integer.MAX_VALUE;
return oldTab;
}
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;
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"})
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;
if (e.next == null)
newTab[e.hash & (newCap - 1)] = e;
else if (e instanceof TreeNode)
((TreeNode<K,V>)e).split(this, newTab, j, oldCap);
else { // preserve order
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;
newTab[j] = loHead;
}
if (hiTail != null) {
hiTail.next = null;
newTab[j + oldCap] = hiHead;
}
}
}
}
}
return newTab;
}
可以看到这段代码非常庞大，其内容可以分为两大部分：
第一部分计算并生成新的哈希表（空表）：
// 记录原表
Node<K,V>[] oldTab = table;
// 得到原来哈希表的总长度，及原来总容量
int oldCap = (oldTab == null) ? 0 : oldTab.length;
// 得到原来最佳容量
int oldThr = threshold;
// 用于存放新的总容量、新最佳容量
int newCap, newThr = 0;
if (oldCap > 0) {
// 原来总容量达到或超过HashMap的最大容量，则最佳容量设置为int类型的最大值
// 且原来容量不变，直接返回，不做后续调整
if (oldCap >= MAXIMUM_CAPACITY) {
threshold = Integer.MAX_VALUE;
return oldTab;
}
// 让新的总容量等于原来容量的二倍
else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&
oldCap >= DEFAULT_INITIAL_CAPACITY)
// 新的最佳容量也变为原来的二倍
newThr = oldThr << 1;
}
// 原来总容量为0，将新的总容量设置为最佳容量，且构造方法出入参数是一个派生的Map的时候，就会使用派生的Map计算出新的最佳容量
else if (oldThr > 0)
newCap = oldThr;
else {
// 原来总容量和原来最佳容量都没有定义
// 新的总容量设为默认值16
// 新的最佳容量=默认负载因子×默认容量=0.75×16=12
newCap = DEFAULT_INITIAL_CAPACITY;
newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);
}
// 判断上述操作后新的最佳容量是否计算，若没有，就利用负载因子和新的总容量计算
if (newThr == 0) {
float ft = (float)newCap * loadFactor;
newThr = (newCap < MAXIMUM_CAPACITY && ft < (float)MAXIMUM_CAPACITY ?
(int)ft : Integer.MAX_VALUE);
}
// 更新当前的最佳容量
threshold = newThr;
@SuppressWarnings({"rawtypes","unchecked"})
// 生成新的哈希表，即一维数组
Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap];
// 更新哈希表
table = newTab;
可以看出上述操作仅仅是生成了一张大小合适的哈希表，但表还是空的，后面的操作就是把以前的表中的元素重新排列，移动到当前表中合适的位置！
第二部分将原表元素移动到新表合适的位置：
// 先判断原表是或否为空
if (oldTab != null) {
// 遍历原表（一维数组）中的所有元素，
for (int j = 0; j < oldCap; ++j) {
// 记录原来一维数组中下标为j的元素
Node<K,V> e;
// 只对有效元素进行操作
if ((e = oldTab[j]) != null) {
//将原表中的元素置空
oldTab[j] = null;
if (e.next == null)
// 当前元素没有后继，那么直接把它放在新表中合适位置
// 其中e.hash & (newCap - 1)在我上一篇博客有介绍
// 就是以该节点的hash值和新表总容量取余，将余数作为下标
newTab[e.hash & (newCap - 1)] = e;
else if (e instanceof TreeNode)
// 当前元素有后继，且后继是红黑树
// 进行有关红黑树的相应操作
// 这里不详细介绍红黑树的操作
((TreeNode<K,V>)e).split(this, newTab, j, oldCap);
else {
// 这里就进行有关链表的移动
// 这两组结点变量，分别代表两条不同链表的头和尾
// 低位的头和尾
Node<K,V> loHead = null, loTail = null;
// 高位的头和尾
Node<K,V> hiHead = null, hiTail = null;
// 下一节点
Node<K,V> next;
do {
// 让next等于当前结点的后继结点
next = e.next;
// 这个位运算实际上判断的是该节点在新表中的位置是否发生改变
// 成立则说明没有改变，还是原来表中下标为j的位置
if ((e.hash & oldCap) == 0) {
// 若是首结点，则让低位的头等于当前结点
if (loTail == null)
loHead = e;
else
// 若不是首结点，则让低位的尾等于当前结点
loTail.next = e;
// 让低位的尾移动到当前
loTail = e;
}
// 这里就说明其在新表中的位置发生了改变，则要将其放入另一条链表
else {
// 若是首结点，则让高位的头等于当前结点
if (hiTail == null)
hiHead = e;
else
// 若不是首结点，则让高位的尾等于当前结点
hiTail.next = e;
// 让高位的尾移动到当前
hiTail = e;
}
} while ((e = next) != null);
// 原来位置的这条链表还存在
if (loTail != null) {
// 置空低位的尾的next
loTail.next = null;
// 将该链表的头结点放入新表下标为j的位置，即原表中的原位置
newTab[j] = loHead;
}
// 新位置上的链表存在
if (hiTail != null) {
// 置空高位的尾的next
hiTail.next = null;
// 将该链表的头结点放入新表中下标为j+原表长度的位置
newTab[j + oldCap] = hiHead;
}
}
}
}
}
return newTab;
链表的移动如图：
可以看出，这个方法可以使得单个结点重新散列，链表可以拆分成两条，红黑树重新移动，这样使得新的哈希表分布比以前均匀！
下面来分析put方法：
源码如下：
public V put(K key, V value) {
return putVal(hash(key), key, value, false, true);
}
这里我们可以知道其调用了内部的一个putVal方法：
首先第一个参数是通过内部的hash方法（在前一篇博客有介绍过）计算出键对象的hash（int类型）值，再把key和value对象传过去，至于后面两个参数先不着急
先来看下putVal方法是如何说明的：
/**
* Implements Map.put and related methods
*
* @param hash hash for key
* @param key the key
* @param value the value to put
* // 看以看出，put方法传入的onlyIfAbsent是false，那么就会改变原来已存在的值
* @param onlyIfAbsent if true, don't change existing value
* // 这个参数先不考虑，往后慢慢分析
* @param evict if false, the table is in creation mode.
* @return previous value, or null if none
*/
final V putVal(int hash, K key, V value, boolean onlyIfAbsent, boolean evict)
该方法内容：
// 用于保存原表
Node<K,V>[] tab;
// 保存下标为hash的结点
Node<K,V> p;
// n用来记录表长
int n, i;
// 先检查原表是否存在，或者是空表
if ((tab = table) == null || (n = tab.length) == 0)
// 如果为空就生成一张大小为16的新表
n = (tab = resize()).length;
if ((p = tab[i = (n - 1) & hash]) == null)
// 如果以该方法形参hash对表长取余，令其作为下标的表中的元素为空，那么就产生一个新结点放在这个位置
tab[i] = newNode(hash, key, value, null);
else {
// 如果该结点不空，那么就会出现两种情况：链表和红黑树
Node<K,V> e; K k;
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
// 如果当前结点的hash并且key值（指针值和内容值）相等，由于onlyIfAbsent是false，那么就会改变这个结点的V值，先用e将其保存起来
e = p;
else if (p instanceof TreeNode)
// 如果当前结点是一棵红黑树，那么就进行红黑树的平衡，这里不讨论红黑树的问题
e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
else {
// 这里就对链表进行操作
// 从头开始遍历这条链表
for (int binCount = 0; ; ++binCount) {
if ((e = p.next) == null) {
// 如果该节点的next为空
// 就需要新增一个结点追加其后
p.next = newNode(hash, key, value, null);
if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st
// 这里进行红黑树阈值的判断，由于TREEIFY_THRESHOLD默认值是8，binCount是从0开始，那么当链表长度大于等于8的时候，就将该链表转换成红黑树，并且结束循环
treeifyBin(tab, hash);
break;
}
// 这里和之前的判断是一样的
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
break;
// 让p = p->next
p = e;
}
}
// 若e非空，则就是说明原表中存在hash值相等，且key的值或内容相同的结点
if (e != null) {
// 将原来的V值保存
V oldValue = e.value;
// 判断是否是需要进行覆盖原来V值的操作
if (!onlyIfAbsent || oldValue == null)
// 覆盖原来的V值
e.value = value;
// 这个方法是一个空的方法，预留的一个操作，不用去管它
afterNodeAccess(e);
// 由于在这里面的操作只是替换了原来的V值，并没有改变原来表的大小，直接返回oldValue
return oldValue;
}
}
// 操作数自增
++modCount;
// 实际大小自增
// 若其大于最佳容量进行扩容的操作，使其分布均匀
if (++size > threshold)
resize();
// 这也是一个空的方法，预留操作
afterNodeInsertion(evict);
// 并没有替换原来的V值，返回null
return null;
下来是get方法，逻辑相对简单不难分析：
public V get(Object key) {
Node<K,V> e;
return (e = getNode(hash(key), key)) == null ? null : e.value;
}
同样也是通过hash方法计算出key对象的hash值，调用内部的getNode方法：
final Node<K,V> getNode(int hash, Object key) {
// 记录表对象
Node<K,V>[] tab;
// 记录第一个结点和当前节点
Node<K,V> first, e;
// 记录表长
int n;
// 记录K值
K k;
// 表非空或者长度大于0才对其操作
// 并且key的hash值对表长取余为下标，其所对应的哈希表中的结点存在
if ((tab = table) != null && (n = tab.length) > 0 &&
(first = tab[(n - 1) & hash]) != null) {
// 当前结点满足情况，直接返回给该节点
if (first.hash == hash &&
((k = first.key) == key || (key != null && key.equals(k))))
return first;
// 后面就分为两种情况：在红黑树或者链表中查找
if ((e = first.next) != null) {
// 当前结点是红黑树，进行红黑树的查找
if (first instanceof TreeNode)
return ((TreeNode<K,V>)first).getTreeNode(hash, key);
// 进行链表的遍历
do {
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
return e;
} while ((e = e.next) != null);
}
}
return null;
}