https://segmentfault.com/a/1190000012926722#articleHeader10
这篇文章写的太好了,自己阅读分析,缕清思路需要大量精力, 也学到了如何写一篇好的技术博客
总体概述
HashMap总体是基于 KV键值对方式结构进行存储
线程不安全,多线程操作的话,可以使用 ConcurrentHashMap,进行操作.
允许存放 null key null value
原理
实际上是基于 数组 链表 红黑树方式方式实现的
在jdk1.7版本中 ,则是 没有红黑树, 是数组+ 链表的方式.
通过引入红黑树方式 ,相比于原有的链表 提高了操作效率
以下是大致的操作方式,首先有一个整体的概念
- 构造HashMap
- 插入KV键值对,根据K获取Hash码,通过拉链法(hash码 除以 数组长度 取余数),确认此键值对的数组下标(也可以称为桶下标),构造 Entry对象,为一个链表的节点,放入此数组中.
- 查找时 也是 根据K获取hash码,找到对应的数据坐标,遍历链表进行比较
在1.8中 特殊的一点是, 当链表长度大于 指定的 红黑树阈值后, 会将链表结构转化为红黑树结构,当扩容后,长度小于黑红树阈值,也会转化为链表结构.
源码分析
参数分析
数组容量: 数组的默认长度
static final int DEFAULT_INITIAL_CAPACITY = 1 << 4; // aka 16
键值对阈值: 用于判断什么时候进行扩容, 为数组容量* 因子,超出后进行扩容
int threshold;
负载因子: 用于判断 什么时候 需要进行扩容,用于控制 数组长度及链表深度.
static final float DEFAULT_LOAD_FACTOR = 0.75f;
final float loadFactor;
数组: 存储数组
transient Node<K,V>[] table;
链表节点 : 类似于bean
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;
}
}
最小红黑树阈值
最小红黑树容量阈值,这两个阈值用于判断链表达到多长 会进行红黑树转化
关于负载因子 数组长度 键值对阈值的一个说明:
在判断是否需要扩容时,会与键值对数量阈值进行比较, 而键值对阈值是负载因子与 数组长度的乘积,当负载因子大的时候,相同长度的数组可以存储的键值对更多,链表更长,但是同时增删改查等操作更加费时, 负载因子小则相反, 相同长度数组容纳键值对少,就需要扩容数组,带来的空间开销很高(每次都扩容一倍), 所以要具体场景 具体分析,一般使用默认数值 0.75
构造方法
有四种构造方法,
1. 默认的构造方法 长度为默认长度16 负载因子为 0.75
public HashMap() {
this.loadFactor = DEFAULT_LOAD_FACTOR; // all other fields defaulted
}
2. 指定长度及负载因子
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);
}
3. 指定 数组长度
public HashMap(int initialCapacity) {
this(initialCapacity, DEFAULT_LOAD_FACTOR);
}
4. 直接插入集合
public HashMap(Map<? extends K, ? extends V> m) {
this.loadFactor = DEFAULT_LOAD_FACTOR;
putMapEntries(m, false);
}
在构造方法执行之后 ,都是仅仅确定了 负载因子 数组长度 键值对阈值信息, 其余的数组及链表等创建及其他操作中根据这个进行.
小技巧1
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;
}
其中有这个操作,在指定数组长度后, 默认会去这个长度的最小二次幂,来进行指定数组长度.
原因是 后续的,拉链法取数组存储位置的时候,一定需要为2的倍数,下一个技巧部分会进行说明
查找
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;
// 1. 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) {
if (first.hash == hash && // always check first node
((k = first.key) == key || (key != null && key.equals(k))))
return first;
if ((e = first.next) != null) {
// 2. 如果 first 是 TreeNode 类型，则调用黑红树查找方法
if (first instanceof TreeNode)
return ((TreeNode<K,V>)first).getTreeNode(hash, key);
// 2. 对链表进行查找
do {
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
return e;
} while ((e = e.next) != null);
}
}
return null;
}
总结:
- 获取hash值 确定对应的桶坐标
- 判断此桶坐标对应的链表头是否是 需要的,是就直接返回
- 判断链表头类型,如果是红黑树结构则 调用和红黑树查询,否则调用链表查询
需要注意的是 比较的时候 需要比较: hash == hash && ( key == key || key.equals key )
小技巧2
确定桶下标操作
(n - 1) & hash] n为链表长度 hash为存储对象的hash值
例子: n= 16 hash = 8
& n: 00001111
hash: 00001000
----------------
00001000
结果为8 通过&运算进行 取余数, 确定桶下标
此种方式只适用于 n为2的倍数.
遍历
直接写操作方法了
//获取所有的key value
for(Map.Entry<Integer,String> entry : map1.entrySet()){
System.out.println(entry.getKey() + ":" + entry.getValue());
}
//3 keySet 每次都去取key 只需要对key进行操作 选用此种方法
for(Integer key : map1.keySet()){
System.out.println("keyset: " + map.get(key));
}
插入
插入操作 主要两个部分 一个是插入 , 另外一个是扩容
插入操作
主要注意几个点
- 第一次添加数据
- 插入已有链表如何操作
- 当超过红黑树阈值时 怎么转化红黑树
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. 判断是否是第一次添加数据, 进行数组初始化
if ((tab = table) == null || (n = tab.length) == 0)
n = (tab = resize()).length;
//2. 确定桶坐标,看是否为空, 直接变为连接头
if ((p = tab[i = (n - 1) & hash]) == null)
tab[i] = newNode(hash, key, value, null);
else {
Node<K,V> e; K k;
//3. 向已有链表插入新节点
//3.1 key重复
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
e = p;
//3.1 如果头结点是红黑树节点,则调用红黑树插入操作
else if (p instanceof TreeNode)
e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
else {
//3.2 遍历链表, 尾插入新节点 (1.7版本中 为头插法)
for (int binCount = 0; ; ++binCount) {
if ((e = p.next) == null) {
p.next = newNode(hash, key, value, null);
if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st
//红黑树转化
treeifyBin(tab, hash);
break;
}
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
break;
p = e;
}
}
// key有冲突的情况 进行覆盖
if (e != null) { // existing mapping for key
V oldValue = e.value;
if (!onlyIfAbsent || oldValue == null)
e.value = value;
afterNodeAccess(e);
return oldValue;
}
}
++modCount;
if (++size > threshold)
//进行扩容操作
resize();
afterNodeInsertion(evict);
return null;
}
扩容操作
- 什么情况进行扩容
- 每次扩容多少
- 扩容后 对应的链表如何操作
- 红黑树结构如何操作,是否还是红黑树
扩容操作
final Node<K,V>[] resize() {
Node<K,V>[] oldTab = table;
int oldCap = (oldTab == null) ? 0 : oldTab.length;
int oldThr = threshold;
int newCap, newThr = 0;
//1.原有数组长度大于0
if (oldCap > 0) {
//1.1判断如果超过数组长度上限(10万左右),则 最大容纳键值对数量设定为最大值
if (oldCap >= MAXIMUM_CAPACITY) {
threshold = Integer.MAX_VALUE;
return oldTab;
}
//1.2否则 则扩容为2倍
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"})
//2.创建新长度数组
Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap];
table = newTab;
//3.重新计算插入数据
if (oldTab != null) {
for (int j = 0; j < oldCap; ++j) {
Node<K,V> e;
if ((e = oldTab[j]) != null) {
oldTab[j] = null;
//3.1链表只有一个元素的情况
if (e.next == null)
newTab[e.hash & (newCap - 1)] = e;
else if (e instanceof TreeNode)
//3.2 树解构处理
((TreeNode<K,V>)e).split(this, newTab, j, oldCap);
else { // preserve order
//分别定义两个链的头尾
Node<K,V> loHead = null, loTail = null;
Node<K,V> hiHead = null, hiTail = null;
Node<K,V> next;
//将链进行拆解 分为两个链
do {
next = e.next;
//通过此方式进行划分
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);
//将两个新计算的链 放入数组指定位置
if (loTail != null) {
loTail.next = null;
newTab[j] = loHead;
}
if (hiTail != null) {
hiTail.next = null;
newTab[j + oldCap] = hiHead;
}
}
}
}
}
return newTab;
}
- 什么情况进行扩容 ? 当键值对关系数量超过 键值对阈值的时候
- 每次扩容多少 ? 每次扩容为两倍,如果原数组长度已经超过10万的话,则不再进行扩容, 将键值对阈值 直接设置为 INT最大值
- 扩容后 对应的链表如何操作 ? 对链表进行拆分,分成两个链表,并且元素顺序不会影响
- 红黑树结构如何操作,是否还是红黑树 ,将红黑树进行拆分
小技巧3
(e.hash & oldCap) 通过此方式进行链表拆分
3 11 27 原先在 3号桶上
3 00000011
11 00001011
19 00010011
27 00011011
8 00001000 &
-------------
计算结果 8 或者0 分成两个, 3 19 桶坐标为 3 . 11 27 坐标为 3 + 8
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 &&
// 1. 定位桶位置
(p = tab[index = (n - 1) & hash]) != null) {
Node<K,V> node = null, e; K k; V v;
// 如果键的值与链表第一个节点相等，则将 node 指向该节点
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
node = p;
else if ((e = p.next) != null) {
// 如果是 TreeNode 类型，调用红黑树的查找逻辑定位待删除节点
if (p instanceof TreeNode)
node = ((TreeNode<K,V>)p).getTreeNode(hash, key);
else {
// 2. 遍历链表，找到待删除节点
do {
if (e.hash == hash &&
((k = e.key) == key ||
(key != null && key.equals(k)))) {
node = e;
break;
}
p = e;
} while ((e = e.next) != null);
}
}
// 3. 删除节点，并修复链表或红黑树
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)
tab[index] = node.next;
else
p.next = node.next;
++modCount;
--size;
afterNodeRemoval(node);
return node;
}
}
return null;
}