一、在Map集合家族的位置及描述
HashMap子类继承自AbstractMap抽象类，实现了Map,Serializable,Cloneable接口，AbstractMap实现了Map接口的一部分方法，减轻了其子类的负担。
概括的说，HashMap底层存储元素的数据结构是散列(hash)也称为哈希表(数组+链表)，哈希表的数据结构是数组和链表，数组在HashMap中有称之为哈希桶，每个桶里面存放的是链表(这就是哈希表)，链表的每个节点就是哈希表中的每个元素。HashMap它是线程不安全的，允许键为空，值为空。在JDK8中，当链表的长度达到8时，链表会转换成红黑树，以提升它的查询和插入效率。
其底层数据结构是数组，所以会涉及到扩容问题。当HashMap的容量达到阀值threshold时，就会触发扩容操作。扩容前后，哈希桶的长度一定会是2的次方大小。这样根据key的hash值寻找地址时就可以运用为运算代替代替效率低的模运算。
key的hash值，并不仅仅只是key对象的hashCode()方法的返回值，还会经过扰动函数的扰动，以使hash值更加均衡。 因为hashCode()是int类型，取值范围是40多亿，只要哈希函数映射的比较均匀松散，碰撞几率是很小的。 但就算原本的hashCode()取得很好，每个key的hashCode()不同，但是由于HashMap的哈希桶的长度远比hash取值范围小，默认是16，所以当对hash值以桶的长度取余，以找到存放该key的桶的下标时，由于取余是通过与操作完成的，会忽略hash值的高位。因此只有hashCode()的低位参加运算，发生不同的hash值，但是得到的index相同的情况的几率会大大增加，这种情况称之为hash碰撞。 即，碰撞率会增大。 扰动函数就是为了解决hash碰撞的。它会综合hash值高位和低位的特征，并存放在低位，因此在与运算时，相当于高低位一起参与了运算，以减少hash碰撞的概率。（在JDK8之前，扰动函数会扰动四次，JDK8简化了这个操作） 扩容操作时，会new一个新的Node数组作为哈希桶，然后将原哈希表中的所有数据(Node节点)移动到新的哈希桶中，相当于对原哈希表中所有的数据重新做了一个put操作。所以性能消耗很大，可想而知，在哈希表的容量越大时，性能消耗越明显。
下面将从成员变量，构造方法，常用API(增删改查)的顺序去阅读源码，在阅读中遇到算法时，将拿出来，详细的讲解。
二、存储元素的数据结构
1.链表的节点
在开始之前，我们先看一下挂载在哈希表上的元素，链表的结构：
/**
* 基本哈希bin节点，用于大多数条目。
* (参见下面的TreeNode子类，以及LinkedHashMap中的Entry子类。)
*/
static class Node<K,V> implements Map.Entry<K,V> {
final int hash; // 哈希值
final K key; // key
V value; // value
Node<K,V> next; // 下个节点
// 构造方法
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; }
// 每一个节点的hash值，是将key的hashCode和value的hashCode异或得到的。
public final int hashCode() {
return Objects.hashCode(key) ^ Objects.hashCode(value);
}
// 设置新的value 同时返回旧value
public final V setValue(V newValue) {
V oldValue = value;
value = newValue;
return oldValue;
}
/**
* 比较参数的Entry键值对是否和该键值对相等
*/
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;
}
}根据Node节点和哈希方法知道，该节点的哈希值是键和值的哈希值异或得到的。
三、成员变量
// 默认初始容量 1 << 4 = 16
static final int DEFAULT_INITIAL_CAPACITY = 1 << 4; // aka 16
// 最大容量 2的30次方
static final int MAXIMUM_CAPACITY = 1 << 30;
// 默认加载因子
static final float DEFAULT_LOAD_FACTOR = 0.75f;
// 转换成红黑树的阀值
static final int TREEIFY_THRESHOLD = 8;
static final int UNTREEIFY_THRESHOLD = 6;
static final int MIN_TREEIFY_CAPACITY = 64;
// 哈希桶，用于存放链表；长度时2的N次方，目的是用位移运算取代除法
transient Node<K,V>[] table;
// 保存键值对
transient Set<Map.Entry<K,V>> entrySet;
// 包含在map中的键值对个数
transient int size;
// 修改次数
transient int modCount;
// 哈希表内元素数量的阀值，当哈希表元素数量超过阀值时，会发生扩容resize()
int threshold;
// 加载因子，用于计算哈希表元素数量的阀值。threshold = 哈希桶.length * loadFactor
final float loadFactor;四、构造方法
// 默认构造函数，赋值加载因子为默认的0.75f
public HashMap() {
this.loadFactor = DEFAULT_LOAD_FACTOR; // all other fields defaulted
}
// 指定初始化容量的构造函数
public HashMap(int initialCapacity) {
this(initialCapacity, DEFAULT_LOAD_FACTOR);
}
// 同时指定初始化容量 以及 加载因子， 用的很少，一般不会修改loadFactor
public HashMap(int initialCapacity, float loadFactor) {
// 边界处理
if (initialCapacity < 0)
throw new IllegalArgumentException("Illegal initial capacity: " +
initialCapacity);
// 初始容量最大不能超过2的30次方
if (initialCapacity > MAXIMUM_CAPACITY)
initialCapacity = MAXIMUM_CAPACITY;
//显然加载因子不能为负数
if (loadFactor <= 0 || Float.isNaN(loadFactor))
throw new IllegalArgumentException("Illegal load factor: " +
loadFactor);
this.loadFactor = loadFactor;
//设置阈值为 初始化容量的2的n次方的值
this.threshold = tableSizeFor(initialCapacity);
}
// 将指定map中的所有元素添加到本集合中
public HashMap(Map<? extends K, ? extends V> m) {
this.loadFactor = DEFAULT_LOAD_FACTOR;
// 添加方法
putMapEntries(m, false);
}构造器中调用的方法：
static final int tableSizeFor(int cap) {
// 经过下面的 或 和位移 运算， n最终各位都是1。
int n = cap - 1;
n |= n >>> 1;
n |= n >>> 2;
n |= n >>> 4;
n |= n >>> 8;
n |= n >>> 16;
// 判断n是否越界，返回2的n次方作为table（哈希桶）的阈值
return (n < 0) ? 1 : (n >= MAXIMUM_CAPACITY) ? MAXIMUM_CAPACITY : n + 1;
}
/**
* 功能：将另一个Map的所有元素加入表中
* evict参数：最初构造此映射时为false，否则为true
*/
final void putMapEntries(Map<? extends K, ? extends V> m, boolean evict) {
// 拿到m的元素数量
int s = m.size();
if (s > 0) { // 如果数量大于0
if (table == null) { // 如果当前表是空的
// 根据m的元素数量和当前表的加载因子，计算出阈值
float ft = ((float)s / loadFactor) + 1.0F;
//修正阈值的边界 不能超过MAXIMUM_CAPACITY
int t = ((ft < (float)MAXIMUM_CAPACITY) ?
(int)ft : MAXIMUM_CAPACITY);
//如果新的阈值大于当前阈值
if (t > threshold)
//返回一个>=新的阈值的，满足2的n次方的阈值
threshold = tableSizeFor(t);
}
else if (s > threshold) // 如果当前元素表不是空，且m的元素数量大于阈值，说明一定要扩容
resize(); // 扩容
// 遍历 m 依次将元素加入当前表中。
for (Map.Entry<? extends K, ? extends V> e : m.entrySet()) {
K key = e.getKey();
V value = e.getValue();
putVal(hash(key), key, value, false, evict);
}
}
}扩容函数resize()： 这是一个重点！重点！重点！
**初始化或加倍哈希桶大小。如果是当前哈希桶是null,分配符合当前阈值的初始容量目标。否则，因为我们扩容成以前的两倍。在扩容时，要注意区分以前在哈希桶相同index的节点，现在是在以前的index里，还是index+oldlength 里**
final Node<K,V>[] resize() {
Node<K,V>[] oldTab = table; // 当前表的哈希桶
int oldCap = (oldTab == null) ? 0 : oldTab.length; // 当前哈希桶容量
int oldThr = threshold; // 当前阀值
int newCap, newThr = 0; // 初始化新的容量和阀值
if (oldCap > 0) { // 如果当前容量大于0
if (oldCap >= MAXIMUM_CAPACITY) { // 如果当前容量达到上限
threshold = Integer.MAX_VALUE; // 设置阀值为最大
return oldTab; // 返回现在的哈希桶，不扩容
}
else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&
oldCap >= DEFAULT_INITIAL_CAPACITY) //大于等于默认容量且小于最大容量
newThr = oldThr << 1; // double threshold // 新的阀值等于就得阀值两倍
} // 如果当前表是空的，但是有阀值。代表是初始化时指定了容量、阈值的情况
else if (oldThr > 0) // initial capacity was placed in threshold
newCap = oldThr; // 那么新表的容量就等于旧的阈值
else { // zero initial threshold signifies using defaults
//如果当前表是空的，而且也没有阈值
newCap = DEFAULT_INITIAL_CAPACITY; //此时新表的容量为默认的容量 16
newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);//新的阈值为默认容量16 * 默认加载因子0.75f = 12
}
if (newThr == 0) { // 如果新的阈值是0，对应的是当前表是空的，但是有阈值的情况
float ft = (float)newCap * loadFactor; // 根据新表容量和加载因子,求出新的阈值
newThr = (newCap < MAXIMUM_CAPACITY && ft < (float)MAXIMUM_CAPACITY ?
(int)ft : Integer.MAX_VALUE); // 进行越界修复
}
threshold = newThr; // 更新阈值
@SuppressWarnings({"rawtypes","unchecked"})
Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap]; // 根据新的容量 构建新的哈希桶
table = newTab; // 更新哈希桶引用
// 如果以前的哈希桶中有元素
// 下面开始将当前哈希桶中的所有节点转移到新的哈希桶中
if (oldTab != null) {
for (int j = 0; j < oldCap; ++j) { // 遍历老的哈希桶
Node<K,V> e; // 创建节点引用
if ((e = oldTab[j]) != null) { // 如果当前桶中有元素,则将链表赋值给e
oldTab[j] = null; // 将原哈希桶置空以便GC
if (e.next == null) //如果当前链表中就一个元素（没有发生哈希碰撞）
// 直接将这个元素放置在新的哈希桶里
// 注意这里取下标是用 哈希值 与 桶的长度-1。由于桶的长度是2的n次方，这么做其实是等于 一个模运算。但是效率更高
newTab[e.hash & (newCap - 1)] = e;
else if (e instanceof TreeNode) // 如果发生过哈希碰撞 ,而且是节点数超过8个，转化成了红黑树（暂且不谈 避免过于复杂， 后续专门研究一下红黑树）
((TreeNode<K,V>)e).split(this, newTab, j, oldCap);
else { // preserve order // 如果发生过哈希碰撞，节点数小于8个。则要根据链表上每个节点的哈希值，依次放入新哈希桶对应下标位置。
// 因为扩容是容量翻倍，所以原链表上的每个节点，现在可能存放在原来的下标，即low位， 或者扩容后的下标，即high位。 high位=low位+原哈希桶容量
// 低位链表的头结点、尾节点
Node<K,V> loHead = null, loTail = null;
// 高位链表的头节点、尾节点
Node<K,V> hiHead = null, hiTail = null;
Node<K,V> next; // 临时节点 存放e的下一个节点
do {
next = e.next;
// 这里又是一个利用位运算 代替常规运算的高效点： 利用哈希值 与 旧的容量，可以得到哈希值去模后，
// 是大于等于oldCap还是小于oldCap，等于0代表小于oldCap，应该存放在低位，否则存放在高位
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;
}再看一下 往哈希表里插入一个节点的putVal函数,如果参数onlyIfAbsent是true，那么不会覆盖相同key的值value。如果evict是false。那么表示是在初始化时调用的
final V putVal(int hash, K key, V value, boolean onlyIfAbsent,
boolean evict) {
// tab存放当前的哈希桶，p用作临时链表节点
Node<K,V>[] tab; Node<K,V> p; int n, i;
// 如果当前哈希表是空的，代表是初始化
if ((tab = table) == null || (n = tab.length) == 0)
// 那么直接去扩容哈希表，并且将扩容后的哈希桶长度赋值给n
n = (tab = resize()).length;
// 如果当前index的节点是空的，表示没有发生哈希碰撞。 直接构建一个新节点Node，挂载在index处即可。
// 这里再啰嗦一下，index 是利用 哈希值 & 哈希桶的长度-1，替代模运算
if ((p = tab[i = (n - 1) & hash]) == null)
tab[i] = newNode(hash, key, value, null);
else {// 否则 发生了哈希冲突。
Node<K,V> e; K k;
// 如果哈希值相等，key也相等，则是覆盖value操作
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
e = p;//将当前节点引用赋值给e
else if (p instanceof TreeNode)//红黑树暂且不谈
e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
else {//不是覆盖操作，则插入一个普通链表节点
//遍历链表
for (int binCount = 0; ; ++binCount) {
if ((e = p.next) == null) {//遍历到尾部，追加新节点到尾部
p.next = newNode(hash, key, value, null);
//如果追加节点后，链表数量大于等于8，则转化为红黑树
if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st
treeifyBin(tab, hash);
break;
}
//如果找到了要覆盖的节点
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
break;
p = e;
}
}
//如果e不是null，说明有需要覆盖的节点
if (e != null) { // existing mapping for key
//则覆盖节点值，并返回原oldValue
V oldValue = e.value;
if (!onlyIfAbsent || oldValue == null)
e.value = value;
//这是一个空实现的函数，用作LinkedHashMap重写使用。
afterNodeAccess(e);
return oldValue;
}
}
//如果执行到了这里，说明插入了一个新的节点，所以会修改modCount，以及返回null。
//修改modCount
++modCount;
//更新size，并判断是否需要扩容。
if (++size > threshold)
resize();
//这是一个空实现的函数，用作LinkedHashMap重写使用。
afterNodeInsertion(evict);
return null;
}newNode()如下，构建一个链表节点
// Create a regular (non-tree) node
Node<K,V> newNode(int hash, K key, V value, Node<K,V> next) {
return new Node<>(hash, key, value, next);
}小结：
* 运算尽量都用位运算代替，更高效。
* 对于扩容导致需要新建数组存放更多元素时，除了要将老数组中的元素迁移过来，也记得将老数组中的引用置null，以便GC
* 取下标 是用 哈希值 与运算 （桶的长度-1） i = (n - 1) & hash。 由于桶的长度是2的n次方，这么做其实是等于 一个模运算。但 是效率更高
* 扩容时，如果发生过哈希碰撞，节点数小于8个。则要根据链表上每个节点的哈希值，依次放入新哈希桶对应下标位置。
* 因为扩容是容量翻倍，所以原链表上的每个节点，现在可能存放在原来的下标，即low位， 或者扩容后的下标，即high位。 high位= low位+原哈希桶容量
* 利用哈希值 与运算 旧的容量 ，if ((e.hash & oldCap) == 0),可以得到哈希值去模后，是大于等于oldCap还是小于oldCap，等于 0代表小于oldCap，应该存放在低位，否则存放在高位。这里又是一个利用位运算 代替常规运算的高效点
* 如果追加节点后，链表数量》=8，则转化为红黑树
* 插入节点操作时，有一些空实现的函数，用作LinkedHashMap重写使用。
五、常用API
1.添加元素(修改操作)
/**
* 功能：向map中添加元素
* 实现：调用之前讲的putVal方法
*/
public V put(K key, V value) {
return putVal(hash(key), key, value, false, true);
}
/**
* 功能：向map中添加指定map集合的元素(批量添加数据)
* 实现：调用之前讲的putMapEntries方法
*/
public void putAll(Map<? extends K, ? extends V> m) {
putMapEntries(m, true);
}这个根据key取hash值的函数也要关注一下，它称之为“扰动函数”，关于这个函数的用处 开头已经总结过了：
static final int hash(Object key) {
int h;
return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}而key的hash值，并不仅仅只是key对象的hashCode()方法的返回值，还会经过扰动函数的扰动，以使hash值更加均衡。
因为hashCode()是int类型，取值范围是40多亿，只要哈希函数映射的比较均匀松散，碰撞几率是很小的。
但就算原本的hashCode()取得很好，每个key的hashCode()不同，但是由于HashMap的哈希桶的长度远比hash取值范围小，默认是16，所以当对hash值以桶的长度取余，以找到存放该key的桶的下标时，由于取余是通过与操作完成的，会忽略hash值的高位。因此只有hashCode()的低位参加运算，发生不同的hash值，但是得到的index相同的情况的几率会大大增加，这种情况称之为hash碰撞。 即，碰撞率会增大。
扰动函数就是为了解决hash碰撞的。它会综合hash值高位和低位的特征，并存放在低位，因此在与运算时，相当于高低位一起参与了运算，以减少hash碰撞的概率。（在JDK8之前，扰动函数会扰动四次，JDK8简化了这个操作）
JDK1.8新添加的方法：
/**
* 功能：添加指定的键值对，若之前值不存在会覆盖，存在就不会覆盖
*/
@Override
public V putIfAbsent(K key, V value) {
return putVal(hash(key), key, value, true, true);
}2.删除操作
根据键删除键值对，并返回被删除的键值对的值
/**
* 功能：根据键删除键值对
*/
public V remove(Object key) {
Node<K,V> e;
return (e = removeNode(hash(key), key, null, false, true)) == null ?
null : e.value;
}从哈希表中删除某个节点， 如果参数matchValue是true，则必须key 、value都相等才删除。
如果movable参数是false，在删除节点时，不移动其他节点
/**
* @param hash 键对应哈希值
* @param key 键
* @param value 值
* @param matchValue 如果是true，只有当键值对都相等时候移除
* @param movable 如果是false，在删除节点时候不移动其他节点
* @return 返回移除的节点
*/
final Node<K,V> removeNode(int hash, Object key, Object value,
boolean matchValue, boolean movable) {
// p 是待删除节点的前置节点
Node<K,V>[] tab; Node<K,V> p; int n, index;
// 如果哈希表不为空，则根据hash值算出的index
if ((tab = table) != null && (n = tab.length) > 0 &&
(p = tab[index = (n - 1) & hash]) != null) {
// node是待删除节点
Node<K,V> node = null, e; K k; V v;
//如果链表头的就是需要删除的节点
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
node = p;
else if ((e = p.next) != null) {//否则循环遍历 找到待删除节点，赋值给node
if (p instanceof TreeNode)
node = ((TreeNode<K,V>)p).getTreeNode(hash, key);
else {
do {
if (e.hash == hash &&
((k = e.key) == key ||
(key != null && key.equals(k)))) {
node = e;
break;
}
p = e;
} while ((e = e.next) != null);
}
}
//如果有待删除节点node，且matchValue为false，或者值也相等
if (node != null && (!matchValue || (v = node.value) == value ||
(value != null && value.equals(v)))) {
if (node instanceof TreeNode)
((TreeNode<K,V>)node).removeTreeNode(this, tab, movable);
else if (node == p)//如果node == p，说明是链表头是待删除节点
tab[index] = node.next;
else//否则待删除节点在表中间
p.next = node.next;
++modCount;
--size;
afterNodeRemoval(node);
return node;
}
}
return null;
}以键和值为条件删除键值对
@Override
public boolean replace(K key, V oldValue, V newValue) {
Node<K,V> e; V v;
if ((e = getNode(hash(key), key)) != null &&
((v = e.value) == oldValue || (v != null && v.equals(oldValue)))) {
e.value = newValue;
afterNodeAccess(e);
return true;
}
return false;
}3.查询操作
以键之条件查询值
/**
* 功能：根据键获取值
*/
public V get(Object key) {
Node<K,V> e;
return (e = getNode(hash(key), key)) == null ? null : e.value;
} /**
* 功能：根据哈希值和键值查找元素
* 实现：和删除元素基本相同
*/
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) {
if (first.hash == hash && // always check first node
((k = first.key) == key || (key != null && key.equals(k))))
return first;
if ((e = first.next) != null) {
if (first instanceof TreeNode)
return ((TreeNode<K,V>)first).getTreeNode(hash, key);
do {
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
return e;
} while ((e = e.next) != null);
}
}
return null;
}4.判断包含与否
/**
* 功能：判断是否包含指定的key
*/
public boolean containsKey(Object key) {
return getNode(hash(key), key) != null;
}
public boolean containsValue(Object value) {
Node<K,V>[] tab; V v;
if ((tab = table) != null && size > 0) {
for (int i = 0; i < tab.length; ++i) {
for (Node<K,V> e = tab[i]; e != null; e = e.next) {
if ((v = e.value) == value ||
(value != null && value.equals(v)))
return true;
}
}
}
return false;
}JDK8新添加的方法
以key为查询条件，找到返回value，否者返回defaultValue
@Override
public V getOrDefault(Object key, V defaultValue) {
Node<K,V> e;
return (e = getNode(hash(key), key)) == null ? defaultValue : e.value;
}5.遍历操作
public Set<Map.Entry<K,V>> entrySet() {
Set<Map.Entry<K,V>> es;
return (es = entrySet) == null ? (entrySet = new EntrySet()) : es;
}
final class EntrySet extends AbstractSet<Map.Entry<K,V>> {
public final int size() { return size; }
public final void clear() { HashMap.this.clear(); }
//一般我们用到EntrySet，都是为了获取iterator
public final Iterator<Map.Entry<K,V>> iterator() {
return new EntryIterator();
}
// 最终还是调用getNode方法
public final boolean contains(Object o) {
if (!(o instanceof Map.Entry))
return false;
Map.Entry<?,?> e = (Map.Entry<?,?>) o;
Object key = e.getKey();
Node<K,V> candidate = getNode(hash(key), key);
return candidate != null && candidate.equals(e);
}
//最终还是调用removeNode方法
public final boolean remove(Object o) {
if (o instanceof Map.Entry) {
Map.Entry<?,?> e = (Map.Entry<?,?>) o;
Object key = e.getKey();
Object value = e.getValue();
return removeNode(hash(key), key, value, true, true) != null;
}
return false;
}
// 还有其他方法
}
final class EntryIterator extends HashIterator
implements Iterator<Map.Entry<K,V>> {
public final Map.Entry<K,V> next() { return nextNode(); }
}
abstract class HashIterator {
Node<K,V> next; // next entry to return
Node<K,V> current; // current entry
int expectedModCount; // for fast-fail
int index; // current slot
HashIterator() {
//因为hashmap也是线程不安全的，所以要保存modCount。用于fail-fast策略
expectedModCount = modCount;
Node<K,V>[] t = table;
current = next = null;
index = 0;
//next 初始时，指向 哈希桶上第一个不为null的链表头
if (t != null && size > 0) { // advance to first entry
do {} while (index < t.length && (next = t[index++]) == null);
}
}
public final boolean hasNext() {
return next != null;
}
// 由这个方法可以看出，遍历HashMap时，顺序是按照哈希桶从低到高，链表从前往后，依次遍历的。属于无序集合。
final Node<K,V> nextNode() {
Node<K,V>[] t;
Node<K,V> e = next;
if (modCount != expectedModCount)
throw new ConcurrentModificationException();
if (e == null)
throw new NoSuchElementException();
// 依次取链表下一个节点
if ((next = (current = e).next) == null && (t = table) != null) {
//如果当前链表节点遍历完了，则取哈希桶下一个不为null的链表头
do {} while (index < t.length && (next = t[index++]) == null);
}
return e;
}
public final void remove() {
Node<K,V> p = current;
if (p == null)
throw new IllegalStateException();
if (modCount != expectedModCount)
throw new ConcurrentModificationException();
current = null;
K key = p.key;
removeNode(hash(key), key, null, false, false);
expectedModCount = modCount;
}
}六、总结
HashMap数据结构是 数组 + 链表 构成哈希表 使用的是避免哈希冲突的拉链法。在Jdk1.8中链表引入了红黑树的概念，即链表的阈值大于等于7时会转变成红黑树的结构，即桶里装了棵红黑树。
存储方式计算h=键.hashCode，返回 h = h ^ (h >>> 16) ，通过这个返回值 h & （n - 1）得到对应的下标值。找到相应的桶，查看桶中是否有一样的键，有就更新键值。没有的话，如果是链表就在尾部插，是红黑树就就找到固定位置插入，回溯维护红黑树的性质。
红黑树树化条件，链表树化要大于等于7(treeifyBin()函数)，还原要小于6 (untreeify()函数)。
关于并发的操作，我们最好还是使用ConcurrentHashMap。