HashMap源码解析
老样子话不多说先上一张UML类图
看一下里面的方法，我们抽重点的和常用的讲
- HashMap的构造方法
HashMap()方法
//负载因子
final float loadFactor;
//默认负载因子为0.75
static final float DEFAULT_LOAD_FACTOR = 0.75f;
public HashMap() {
this.loadFactor = DEFAULT_LOAD_FACTOR; // all other fields defaulted
}
HashMap(int initialCapacity) 指定初始化容量大小其实是调用了HashMap(int initialCapacity, float loadFactor)方法
//阈值--所能容纳的key-value对极限 threshold = length * Load factor
int threshold;
public HashMap(int initialCapacity) {
//传入初始化容量和负载因子
this(initialCapacity, DEFAULT_LOAD_FACTOR);
}
//this调用的方法
public HashMap(int initialCapacity, float loadFactor) {
//检查初始化容量参数
if (initialCapacity < 0)
throw new IllegalArgumentException("Illegal initial capacity: " +
initialCapacity);
//如果初始化容量大于最大容量
if (initialCapacity > MAXIMUM_CAPACITY)
//最大容量就是初始化容量
initialCapacity = MAXIMUM_CAPACITY;
//检查负载因子参数
if (loadFactor <= 0 || Float.isNaN(loadFactor))
throw new IllegalArgumentException("Illegal load factor: " +
loadFactor);
//传入的负载因子设置为当前集合的负载因子
this.loadFactor = loadFactor;
//tableSizeFor是java8对hashMap进行的优化之一
this.threshold = tableSizeFor(initialCapacity);
}
//返回大于输入参数且最近的2的整数次幂的数
// >>> 操作符表示无符号右移，高位取0
// | 按位或运算
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;
}
HashMap(Map<? extends K, ? extends V> m)
//初始化使用，长度总是 2的幂
transient Node<K,V>[] table;
public HashMap(Map<? extends K, ? extends V> m) {
//默认负载因子0.75
this.loadFactor = DEFAULT_LOAD_FACTOR;
putMapEntries(m, false);
}
final void putMapEntries(Map<? extends K, ? extends V> m, boolean evict) {
//传入集合的大小
int s = m.size();
if (s > 0) {
//说明是拷贝构造函数来调用的putMapEntries，或者构造后还没放过任何元素
if (table == null) { // pre-size
//先不考虑容量必须为2的幂，那么下面括号里会算出来一个容量，使得size刚好不大于阈值。这样会算出小数来，作为容量就必须向上取整，所以这里要加1
float ft = ((float)s / loadFactor) + 1.0F;
//如果小于最大容量，就进行截断；否则就赋值为最大容量
int t = ((ft < (float)MAXIMUM_CAPACITY) ?
(int)ft : MAXIMUM_CAPACITY);
//在算出来的容量t > 当前暂存的容量(容量可能会暂放到阈值上的)
if (t > threshold)
//用t计算出新容量，再暂时放到阈值上
threshold = tableSizeFor(t);
}
//说明table已经初始化过了；判断传入map的size是否大于当前map的threshold，如果是，必须要resize
else if (s > threshold)
//扩容
resize();
//
for (Map.Entry<? extends K, ? extends V> e : m.entrySet()) {
K key = e.getKey();
V value = e.getValue();
//可能也会触发resize
putVal(hash(key), key, value, false, evict);
}
}
}
//扩容（重中之重）
//resize的过程，均匀的把之前的冲突的节点分散到新的bucket了。这一块也是JDK1.8新增的优化点
final Node<K,V>[] resize() {
//非常重要的一个字段，哈希桶数组
Node<K,V>[] oldTab = table;
//原数组如果为null，则长度赋值0
int oldCap = (oldTab == null) ? 0 : oldTab.length;
int oldThr = threshold;
int newCap, newThr = 0;
//如果原数组长度大于0
if (oldCap > 0) {
//数组大小如果已经大于等于最大值
if (oldCap >= MAXIMUM_CAPACITY) {
//修改阈值为int的最大值，这样以后就不会扩容了
threshold = Integer.MAX_VALUE;
return oldTab;
}
//原数组长度大于等于初始化长度16，并且原数组长度扩大1倍也小于2^30次方
else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&
oldCap >= DEFAULT_INITIAL_CAPACITY)
// 阀值扩大1倍
newThr = oldThr << 1; // double threshold
}
//旧阀值大于0，则将新容量直接等于旧阀值
else if (oldThr > 0) // initial capacity was placed in threshold
newCap = oldThr;
//阀值等于0，oldCap也等于0（集合未进行初始化）
else { // zero initial threshold signifies using defaults
//数组长度初始化为16
newCap = DEFAULT_INITIAL_CAPACITY;
//阀值等于16*0.75=12
newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);
}
//计算新的阀值上限
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;
//把每个bucket都移动到新的buckets中
if (oldTab != null) {
for (int j = 0; j < oldCap; ++j) {
Node<K,V> e;
if ((e = oldTab[j]) != null) {
//元数据j位置置为null
oldTab[j] = null;
//数组下一个引用为null
if (e.next == null)
newTab[e.hash & (newCap - 1)] = e;
//红黑树
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;
//原索引
if ((e.hash & oldCap) == 0) {
if (loTail == null)
loHead = e;
else
loTail.next = e;
loTail = e;
}
//原索引+oldCap
else {
if (hiTail == null)
hiHead = e;
else
hiTail.next = e;
hiTail = e;
}
} while ((e = next) != null);
//原索引放到bucket里
if (loTail != null) {
loTail.next = null;
newTab[j] = loHead;
}
//原索引+oldCap放到bucket里
if (hiTail != null) {
hiTail.next = null;
newTab[j + oldCap] = hiHead;
}
}
}
}
}
return newTab;
}
- put(K key, V value)方法
我们调用put方法的时候首先会对key进行hash确定这个Entry插入的位置，这个Entry就会插入到该位置下，当这个HashMap插入的Entry越来越多的时候就难免会发送hash冲突这样就可以用链表取解决了。当链表长度大于8，数组长度大于64就会转化成红黑树。
其实HaspMap数组的每一个元素不止是一个Entry对象，也是一个链表的头节点，每一个Entry对象通过Next指针指向下一个Entry对象，这样，当新的Entry的hash值与之前的存在冲突时，只需要插入到对应点链表即可。
需要注意的是，jdk1.8以后Entry节点采用的是“头插法”，而不是“尾插法”。
public V put(K key, V value) {
//先对key进行hash,然后进行添加
return putVal(hash(key), key, value, false, true);
}
static final int hash(Object key) {
int h;
//1 取key的hashCode的值
//2 高位参与运算：h>>>16
//3 取模运算（在后面有用到）
return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}
final V putVal(int hash, K key, V value, boolean onlyIfAbsent,
boolean evict) {
Node<K,V>[] tab; Node<K,V> p; int n, i;
//如果table为null或者长度为0，则进行初始化
if ((tab = table) == null || (n = tab.length) == 0)
n = (tab = resize()).length;
//取模运算
if ((p = tab[i = (n - 1) & hash]) == null)
//tab[i] 为null，直接将新的key-value插入到计算的索引i位置
tab[i] = newNode(hash, key, value, null);
else {//tab[i] 不为null，表示该位置已经有值了
Node<K,V> e; K k;
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
//节点key已经有值了，直接用新值覆盖
e = p;
//该链是红黑树
else if (p instanceof TreeNode)
e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
//该链是链表
else {
for (int binCount = 0; ; ++binCount) {
if ((e = p.next) == null) {
p.next = newNode(hash, key, value, null);
//链表长度大于8，转换成红黑树
if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st
treeifyBin(tab, hash);
break;
}
//key已经存在直接覆盖value
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
break;
p = e;
}
}
if (e != null) { // existing mapping for key
V oldValue = e.value;
if (!onlyIfAbsent || oldValue == null)
e.value = value;
afterNodeAccess(e);
return oldValue;
}
}
++modCount;
//超过最大容量，进行扩容
if (++size > threshold)
resize();
afterNodeInsertion(evict);
return null;
}
- get(Object key)方法
我们调用get()方法的时候首先会对这个key进行hash确认他在数组上的bucket的位置，但是同一个位置可能存在多个Entry，这时就要从对应链表的头节点开始，一个个向下查找，根据equals()直到找到对应的Key值，这样就获得到了所要查找的键值对。
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) {
//根据key计算的索引检查第一个索引
if (first.hash == hash && // always check first node
((k = first.key) == key || (key != null && key.equals(k))))
return first;
//第一个节点不为null
if ((e = first.next) != null) {
//红黑树
if (first instanceof TreeNode)
//遍历树查找元素
return ((TreeNode<K,V>)first).getTreeNode(hash, key);
//遍历链表查找元素
do {
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
return e;
} while ((e = e.next) != null);
}
}
return null;
}
- remove(Object key)方法
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;
//(n - 1) & hash找到桶的位置
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;
//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;
//如果桶节点的下一个节点不为空
else if ((e = p.next) != null) {
//节点为红黑树
if (p instanceof TreeNode)
//找到需要删除的红黑树节点
node = ((TreeNode<K,V>)p).getTreeNode(hash, key);
else {
//遍历链表，找到待删除的节点
do {
if (e.hash == hash &&
((k = e.key) == key ||
(key != null && key.equals(k)))) {
node = e;
break;
}
p = e;
} while ((e = e.next) != null);
}
}
//删除节点，并进行调节红黑树平衡
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;
}
总结
- HashMap最基础的一些特性：
HashMap可以接受null键值和值，而HashTable则不能；
HashMap是非synchronized;HashMap很快；以及HashMap储存的是键值对等等。 - HashMap的工作原理 ：HashMap是基于散列法（又称哈希法）的原理，使用put(key, value)存储对象到HashMap中，使用get(key)从HashMap中获取对象。当我们给put()方法传递键和值时，我们先对键调用hashCode()方法，返回的hashCode用于找到bucket（桶）位置来储存Entry对象。HashMap是在bucket中储存键对象和值对象，作为Map.Entry。并不是仅仅只在bucket中存储值。
- hash碰撞的原因和解决方法：
原因： 当两个对象的hashcode相同，所以它们的bucket位置相同，‘碰撞’会发生。
解决办法： Java中HashMap采用了链地址法。链地址法，简单来说，就是数组加链表的结合。在每个数组元素上都一个链表结构，当数据被Hash后，得到数组下标，把数据放在对应下标元素的链表上。系统将调用这个key的hashCode()方法得到其hashCode 值（该方法适用于每个Java对象），然后再通过Hash算法的后两步运算（高位运算和取模运算）来定位该键值对的存储位置（HashMap在链表中存储的是键值对），有时两个key会定位到相同的位置，表示发生了Hash碰撞。
Hash算法计算结果越分散均匀，Hash碰撞的概率就越小，map的存取效率就会越高。如果哈希桶数组很大，即使较差的Hash算法也会比较分散，如果哈希桶数组数组很小，即使好的Hash算法也会出现较多碰撞，所以就需要在空间成本和时间成本之间权衡，其实就是在根据实际情况确定哈希桶数组的大小，并在此基础上设计好的hash算法减少Hash碰撞。那么通过什么方式来控制map使得Hash碰撞的概率又小，哈希桶数组（Node[] table）占用空间又少呢？答案就是好的Hash算法和扩容机制。
使用不可变的、声明作final的对象，并且采用合适的equals()和hashCode()方法的话，将会减少碰撞的发生，提高效率。不可变性使得能够缓存不同键的hashcode，这将提高整个获取对象的速度，使用String，Interger这样的wrapper类作为键是非常好的选择。 - 调整hashMap大小可能出现的问题：
多线程情况下，当重新调整HashMap大小的时候，确实存在条件竞争，因为如果两个线程都发现HashMap需要重新调整大小了，它们会同时试着调整大小。在调整大小的过程中，存储在l链表中的元素的次序会反过来，因为移动到新的bucket位置的时候，HashMap并不会将元素放在链表的尾部，而是放在头部，这是为了避免尾部遍历(tail traversing)。如果条件竞争发生了，那么就死循环了。（1.8虽然对死循环这块做了优化，但是并没有对多线程做任何处理，所以任然有发生死循环的可能，俩者出现死循环的原因不同罢了） - 在HashMap中，哈希桶数组table的长度length大小必须为2的n次方(一定是合数)
HashMap的初始容量是2的n次幂，扩容也是2倍的形式进行扩容，是因为容量是2的n次幂，可以使得添加的元素均匀分布在HashMap中的数组上，减少hash碰撞，避免形成链表的结构，使得查询效率降低！
因为现在面试很多面试官必问HashMap，我也是专门花时间读了一下源码，可能理解的还不够透彻，希望我的一点收获可以能帮助到你们，哪怕只有一点点。
