Hash源码分析（JDK1.7和1.8的对比）
前言
HashMap在Java和Android开发中很是常见- 而
HashMap 1.8相对于HashMap 1.7更新多 - 今天，我将经过源码分析
HashMap 1.8，从而讲解HashMap 1.8相对于HashMap 1.7的更新内容，但愿大家会喜欢。
- 本文基于版本
JDK 1.8，即Java 8- 关于版本
JDK 1.7，即Java 7，具体请看文章Java：手把手带你源码分析 HashMap 1.7
目录
示意图java
1. 简介
- 类定义
public class HashMap<K,V>
extends AbstractMap<K,V>
implements Map<K,V>, Cloneable, Serializable
- 主要简介
示意图node
HashMap的实如今JDK 1.7和JDK 1.8差异较大- 今天，我将对照
JDK 1.7的源码，在此基础上讲解JDK 1.8中HashMap的源码解析
请务必打开
JDK 1.7对照看：Java：手把手带你源码分析 HashMap 1.7数组
2. 数据结构：引入了 红黑树
2.1 主要介绍
示意图安全
关于 红黑树 的简介数据结构
示意图多线程
更加具体的了解，请：点击阅读文章并发
2.2 存储流程
注：为了让你们有个感性的认识，只是简单的画出存储流程，更加详细 & 具体的存储流程会在下面源码分析中给出函数
示意图oop
2.3 数组元素 & 链表节点的 实现类
HashMap中的数组元素 & 链表节点 采用Node类 实现
与
JDK 1.7的对比（Entry类），仅仅只是换了名字源码分析
- 该类的源码分析以下
具体分析请看注释
/**
* Node = HashMap的内部类，实现了Map.Entry接口，本质是 = 一个映射(键值对)
* 实现了getKey()、getValue()、equals(Object o)和hashCode()等方法
**/
static class Node<K,V> implements Map.Entry<K,V> {
final int hash; // 哈希值，HashMap根据该值肯定记录的位置
final K key; // key
V value; // value
Node<K,V> next;// 链表下一个节点
// 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; } // 返回 与 此项 对应的键
public final V getValue() { return value; } // 返回 与 此项 对应的值
public final String toString() { return key + "=" + value; }
public final V setValue(V newValue) {
V oldValue = value;
value = newValue;
return oldValue;
}
/**
* hashCode（）
*/
public final int hashCode() {
return Objects.hashCode(key) ^ Objects.hashCode(value);
}
/**
* equals（）
* 做用：判断2个Entry是否相等，必须key和value都相等，才返回true
*/
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;
}
}
2.4 红黑树节点 实现类
HashMap中的红黑树节点 采用TreeNode类 实现
/**
* 红黑树节点 实现类：继承自LinkedHashMap.Entry<K,V>类
*/
static final class TreeNode<K,V> extends LinkedHashMap.Entry<K,V> {
// 属性 = 父节点、左子树、右子树、删除辅助节点 + 颜色
TreeNode<K,V> parent;
TreeNode<K,V> left;
TreeNode<K,V> right;
TreeNode<K,V> prev;
boolean red;
// 构造函数
TreeNode(int hash, K key, V val, Node<K,V> next) {
super(hash, key, val, next);
}
// 返回当前节点的根节点
final TreeNode<K,V> root() {
for (TreeNode<K,V> r = this, p;;) {
if ((p = r.parent) == null)
return r;
r = p;
}
}
3. 具体使用
3.1 主要使用API（方法、函数）
与
JDK 1.7基本相同
V get(Object key); // 得到指定键的值 V put(K key, V value); // 添加键值对 void putAll(Map<? extends K, ? extends V> m); // 将指定Map中的键值对 复制到 此Map中 V remove(Object key); // 删除该键值对 boolean containsKey(Object key); // 判断是否存在该键的键值对；是 则返回true boolean containsValue(Object value); // 判断是否存在该值的键值对；是 则返回true Set<K> keySet(); // 单独抽取key序列，将全部key生成一个Set Collection<V> values(); // 单独value序列，将全部value生成一个Collection void clear(); // 清除哈希表中的全部键值对 int size(); // 返回哈希表中全部 键值对的数量 = 数组中的键值对 + 链表中的键值对 boolean isEmpty(); // 判断HashMap是否为空；size == 0时 表示为 空
3.2 使用流程
与
JDK 1.7基本相同
- 在具体使用时，主要流程是：
- 声明1个
HashMap的对象 - 向
HashMap添加数据（成对 放入 键 - 值对） - 获取
HashMap的某个数据 - 获取
HashMap的所有数据：遍历HashMap
- 示例代码
import java.util.Collection;
import java.util.HashMap;
import java.util.Iterator;
import java.util.Map;
import java.util.Set;
public class HashMapTest {
public static void main(String[] args) {
/**
* 1. 声明1个 HashMap的对象
*/
Map<String, Integer> map = new HashMap<String, Integer>();
/**
* 2. 向HashMap添加数据（成对 放入 键 - 值对）
*/
map.put("Android", 1);
map.put("Java", 2);
map.put("iOS", 3);
map.put("数据挖掘", 4);
map.put("产品经理", 5);
/**
* 3. 获取 HashMap 的某个数据
*/
System.out.println("key = 产品经理时的值为：" + map.get("产品经理"));
/**
* 4. 获取 HashMap 的所有数据：遍历HashMap
* 核心思想：
* 步骤1：得到key-value对（Entry） 或 key 或 value的Set集合
* 步骤2：遍历上述Set集合(使用for循环 、 迭代器（Iterator）都可)
* 方法共有3种：分别针对 key-value对（Entry） 或 key 或 value
*/
// 方法1：得到key-value的Set集合 再遍历
System.out.println("方法1");
// 1. 得到key-value对（Entry）的Set集合
Set<Map.Entry<String, Integer>> entrySet = map.entrySet();
// 2. 遍历Set集合，从而获取key-value
// 2.1 经过for循环
for(Map.Entry<String, Integer> entry : entrySet){
System.out.print(entry.getKey());
System.out.println(entry.getValue());
}
System.out.println("----------");
// 2.2 经过迭代器：先得到key-value对（Entry）的Iterator，再循环遍历
Iterator iter1 = entrySet.iterator();
while (iter1.hasNext()) {
// 遍历时，需先获取entry，再分别获取key、value
Map.Entry entry = (Map.Entry) iter1.next();
System.out.print((String) entry.getKey());
System.out.println((Integer) entry.getValue());
}
// 方法2：得到key的Set集合 再遍历
System.out.println("方法2");
// 1. 得到key的Set集合
Set<String> keySet = map.keySet();
// 2. 遍历Set集合，从而获取key，再获取value
// 2.1 经过for循环
for(String key : keySet){
System.out.print(key);
System.out.println(map.get(key));
}
System.out.println("----------");
// 2.2 经过迭代器：先得到key的Iterator，再循环遍历
Iterator iter2 = keySet.iterator();
String key = null;
while (iter2.hasNext()) {
key = (String)iter2.next();
System.out.print(key);
System.out.println(map.get(key));
}
// 方法3：得到value的Set集合 再遍历
System.out.println("方法3");
// 1. 得到value的Set集合
Collection valueSet = map.values();
// 2. 遍历Set集合，从而获取value
// 2.1 得到values 的Iterator
Iterator iter3 = valueSet.iterator();
// 2.2 经过遍历，直接获取value
while (iter3.hasNext()) {
System.out.println(iter3.next());
}
}
}
// 注：对于遍历方式，推荐使用针对 key-value对（Entry）的方式：效率高
// 缘由：
// 1. 对于 遍历keySet 、valueSet，实质上 = 遍历了2次：1 = 转为 iterator 迭代器遍历、2 = 从 HashMap 中取出 key 的 value 操做（经过 key 值 hashCode 和 equals 索引）
// 2. 对于 遍历 entrySet ，实质 = 遍历了1次 = 获取存储实体Entry（存储了key 和 value ）
- 运行结果
方法1 Java2 iOS3 数据挖掘4 Android1 产品经理5 ---------- Java2 iOS3 数据挖掘4 Android1 产品经理5 方法2 Java2 iOS3 数据挖掘4 Android1 产品经理5 ---------- Java2 iOS3 数据挖掘4 Android1 产品经理5 方法3 2 3 4 1 5
下面，咱们按照上述的使用过程，对一个个步骤进行源码解析
4. 基础知识：HashMap中的重要参数（变量）
- 在进行真正的源码分析前，先讲解
HashMap中的重要参数（变量） HashMap中的主要参数 同JDK 1.7，即：容量、加载因子、扩容阈值- 但因为数据结构中引入了 红黑树，故加入了 与红黑树相关的参数。具体介绍以下：
/** * 主要参数 同 JDK 1.7 * 即：容量、加载因子、扩容阈值（要求、范围均相同） */ // 1. 容量（capacity）： 必须是2的幂 & <最大容量（2的30次方） static final int DEFAULT_INITIAL_CAPACITY = 1 << 4; // 默认容量 = 16 = 1<<4 = 00001中的1向左移4位 = 10000 = 十进制的2^4=16 static final int MAXIMUM_CAPACITY = 1 << 30; // 最大容量 = 2的30次方（若传入的容量过大，将被最大值替换） // 2. 加载因子(Load factor)：HashMap在其容量自动增长前可达到多满的一种尺度 final float loadFactor; // 实际加载因子 static final float DEFAULT_LOAD_FACTOR = 0.75f; // 默认加载因子 = 0.75 // 3. 扩容阈值（threshold）：当哈希表的大小 ≥ 扩容阈值时，就会扩容哈希表（即扩充HashMap的容量） // a. 扩容 = 对哈希表进行resize操做（即重建内部数据结构），从而哈希表将具备大约两倍的桶数 // b. 扩容阈值 = 容量 x 加载因子 int threshold; // 4. 其余 transient Node<K,V>[] table; // 存储数据的Node类型 数组，长度 = 2的幂；数组的每一个元素 = 1个单链表 transient int size;// HashMap的大小，即 HashMap中存储的键值对的数量 /** * 与红黑树相关的参数 */ // 1. 桶的树化阈值：即 链表转成红黑树的阈值，在存储数据时，当链表长度 > 该值时，则将链表转换成红黑树 static final int TREEIFY_THRESHOLD = 8; // 2. 桶的链表还原阈值：即 红黑树转为链表的阈值，当在扩容（resize（））时（此时HashMap的数据存储位置会从新计算），在从新计算存储位置后，当原有的红黑树内数量 < 6时，则将 红黑树转换成链表 static final int UNTREEIFY_THRESHOLD = 6; // 3. 最小树形化容量阈值：即 当哈希表中的容量 > 该值时，才容许树形化链表 （即 将链表 转换成红黑树） // 不然，若桶内元素太多时，则直接扩容，而不是树形化 // 为了不进行扩容、树形化选择的冲突，这个值不能小于 4 * TREEIFY_THRESHOLD static final int MIN_TREEIFY_CAPACITY = 64;
- 此处 再次详细说明 加载因子
同
JDK 1.7，但因为其重要性，故此处再次说明
示意图
- 总结 数据结构 & 参数方面与
JDK 1.7的区别
示意图
5. 源码分析
- 本次的源码分析主要是根据 使用步骤 进行相关函数的详细分析
- 主要分析内容以下：
示意图
- 下面，我将对每一个步骤内容的主要方法进行详细分析
步骤1：声明1个 HashMap的对象
此处主要分析的构造函数 相似
JDK 1.7
/**
* 函数使用原型
*/
Map<String,Integer> map = new HashMap<String,Integer>();
/**
* 源码分析：主要是HashMap的构造函数 = 4个
* 仅贴出关于HashMap构造函数的源码
*/
public class HashMap<K,V>
extends AbstractMap<K,V>
implements Map<K,V>, Cloneable, Serializable{
// 省略上节阐述的参数
/**
* 构造函数1：默认构造函数（无参）
* 加载因子 & 容量 = 默认 = 0.7五、16
*/
public HashMap() {
this.loadFactor = DEFAULT_LOAD_FACTOR;
}
/**
* 构造函数2：指定“容量大小”的构造函数
* 加载因子 = 默认 = 0.75 、容量 = 指定大小
*/
public HashMap(int initialCapacity) {
// 其实是调用指定“容量大小”和“加载因子”的构造函数
// 只是在传入的加载因子参数 = 默认加载因子
this(initialCapacity, DEFAULT_LOAD_FACTOR);
}
/**
* 构造函数3：指定“容量大小”和“加载因子”的构造函数
* 加载因子 & 容量 = 本身指定
*/
public HashMap(int initialCapacity, float loadFactor) {
// 指定初始容量必须非负，不然报错
if (initialCapacity < 0)
throw new IllegalArgumentException("Illegal initial capacity: " +
initialCapacity);
// HashMap的最大容量只能是MAXIMUM_CAPACITY，哪怕传入的 > 最大容量
if (initialCapacity > MAXIMUM_CAPACITY)
initialCapacity = MAXIMUM_CAPACITY;
// 填充比必须为正
if (loadFactor <= 0 || Float.isNaN(loadFactor))
throw new IllegalArgumentException("Illegal load factor: " +
loadFactor);
// 设置 加载因子
this.loadFactor = loadFactor;
// 设置 扩容阈值
// 注：此处不是真正的阈值，仅仅只是将传入的容量大小转化为：>传入容量大小的最小的2的幂，该阈值后面会从新计算
// 下面会详细讲解 ->> 分析1
this.threshold = tableSizeFor(initialCapacity);
}
/**
* 构造函数4：包含“子Map”的构造函数
* 即 构造出来的HashMap包含传入Map的映射关系
* 加载因子 & 容量 = 默认
*/
public HashMap(Map<? extends K, ? extends V> m) {
// 设置容量大小 & 加载因子 = 默认
this.loadFactor = DEFAULT_LOAD_FACTOR;
// 将传入的子Map中的所有元素逐个添加到HashMap中
putMapEntries(m, false);
}
}
/**
* 分析1：tableSizeFor(initialCapacity)
* 做用：将传入的容量大小转化为：>传入容量大小的最小的2的幂
* 与JDK 1.7对比：相似于JDK 1.7 中 inflateTable()里的 roundUpToPowerOf2(toSize)
*/
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;
}
- 注：（同
JDK 1.7相似）- 此处仅用于接收初始容量大小（
capacity）、加载因子(Load factor)，但仍无真正初始化哈希表，即初始化存储数组table - 此处先给出结论：真正初始化哈希表（初始化存储数组
table）是在第1次添加键值对时，即第1次调用put（）时。下面会详细说明
- 此处仅用于接收初始容量大小（
至此，关于HashMap的构造函数讲解完毕。
步骤2：向HashMap添加数据（成对 放入 键 - 值对）
- 在该步骤中，与
JDK 1.7的差异较大：
示意图
下面会对上述区别进行详细讲解
- 添加数据的流程以下
注：为了让你们有个感性的认识，只是简单的画出存储流程，更加详细 & 具体的存储流程会在下面源码分析中给出
示意图
- 源码分析
/**
* 函数使用原型
*/
map.put("Android", 1);
map.put("Java", 2);
map.put("iOS", 3);
map.put("数据挖掘", 4);
map.put("产品经理", 5);
/**
* 源码分析：主要分析HashMap的put函数
*/
public V put(K key, V value) {
// 1. 对传入数组的键Key计算Hash值 ->>分析1
// 2. 再调用putVal（）添加数据进去 ->>分析2
return putVal(hash(key), key, value, false, true);
}
下面，将详细讲解 上面的2个主要分析点
分析1：hash（key）
/**
* 分析1：hash(key)
* 做用：计算传入数据的哈希码（哈希值、Hash值）
* 该函数在JDK 1.7 和 1.8 中的实现不一样，但原理同样 = 扰动函数 = 使得根据key生成的哈希码（hash值）分布更加均匀、更具有随机性，避免出现hash值冲突（即指不一样key但生成同1个hash值）
* JDK 1.7 作了9次扰动处理 = 4次位运算 + 5次异或运算
* JDK 1.8 简化了扰动函数 = 只作了2次扰动 = 1次位运算 + 1次异或运算
*/
// JDK 1.7实现：将 键key 转换成 哈希码（hash值）操做 = 使用hashCode() + 4次位运算 + 5次异或运算（9次扰动）
static final int hash(int h) {
h ^= k.hashCode();
h ^= (h >>> 20) ^ (h >>> 12);
return h ^ (h >>> 7) ^ (h >>> 4);
}
// JDK 1.8实现：将 键key 转换成 哈希码（hash值）操做 = 使用hashCode() + 1次位运算 + 1次异或运算（2次扰动）
// 1. 取hashCode值： h = key.hashCode()
// 2. 高位参与低位的运算：h ^ (h >>> 16)
static final int hash(Object key) {
int h;
return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
// a. 当key = null时，hash值 = 0，因此HashMap的key 可为null
// 注：对比HashTable，HashTable对key直接hashCode（），若key为null时，会抛出异常，因此HashTable的key不可为null
// b. 当key ≠ null时，则经过先计算出 key的 hashCode()（记为h），而后 对哈希码进行 扰动处理： 按位 异或（^） 哈希码自身右移16位后的二进制
}
/**
* 计算存储位置的函数分析：indexFor(hash, table.length)
* 注：该函数仅存在于JDK 1.7 ，JDK 1.8中实际上无该函数（直接用1条语句判断写出），但原理相同
* 为了方便讲解，故提早到此讲解
*/
static int indexFor(int h, int length) {
return h & (length-1);
// 将对哈希码扰动处理后的结果 与运算(&) （数组长度-1），最终获得存储在数组table的位置（即数组下标、索引）
}
- 总结 计算存放在数组 table 中的位置（即数组下标、索引）的过程
- 此处与
JDK 1.7的区别在于：hash值的求解过程当中 哈希码的二次处理方式（扰动处理）- 步骤一、2 =
hash值的求解过程
示意图
- 计算示意图
示意图
在了解 如何计算存放数组table 中的位置 后，所谓 知其然 而 需知其因此然，下面我将讲解为何要这样计算，即主要解答如下3个问题：
- 为何不直接采用通过
hashCode（）处理的哈希码 做为 存储数组table的下标位置？ - 为何采用 哈希码 与运算(&) （数组长度-1） 计算数组下标？
- 为何在计算数组下标前，需对哈希码进行二次处理：扰动处理？
在回答这3个问题前，请你们记住一个核心思想：
全部处理的根本目的，都是为了提升 存储
key-value的数组下标位置 的随机性 & 分布均匀性，尽可能避免出现hash值冲突。即：对于不一样key，存储的数组下标位置要尽量不同
问题1：为何不直接采用通过hashCode（）处理的哈希码 做为 存储数组table的下标位置？
- 结论：容易出现 哈希码 与 数组大小范围不匹配的状况，即 计算出来的哈希码可能 不在数组大小范围内，从而致使没法匹配存储位置
- 缘由描述
示意图
- 为了解决 “哈希码与数组大小范围不匹配” 的问题，
HashMap给出了解决方案：哈希码 与运算（&） （数组长度-1），即问题3
问题2：为何采用 哈希码 与运算(&) （数组长度-1） 计算数组下标？
-
结论：根据HashMap的容量大小（数组长度），按需取 哈希码必定数量的低位 做为存储的数组下标位置，从而 解决 “哈希码与数组大小范围不匹配” 的问题
-
具体解决方案描述
示意图
问题3：为何在计算数组下标前，需对哈希码进行二次处理：扰动处理？
-
结论：加大哈希码低位的随机性，使得分布更均匀，从而提升对应数组存储下标位置的随机性 & 均匀性，最终减小Hash冲突
-
具体描述
示意图
至此，关于怎么计算 key-value 值存储在HashMap数组位置 & 为何要这么计算，讲解完毕。
分析2：putVal(hash(key), key, value, false, true);
此处有2个主要讲解点：
- 计算完存储位置后，具体该如何 存放数据 到哈希表中
- 具体如何扩容，即 扩容机制
主要讲解点1：计算完存储位置后，具体该如何存放数据到哈希表中
因为数据结构中加入了红黑树，因此在存放数据到哈希表中时，需进行屡次数据结构的判断：数组、红黑树、链表
与
JDK 1.7的区别：JDK 1.7只需判断 数组 & 链表
示意图
/**
* 分析2：putVal(hash(key), key, value, false, true)
*/
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. 若哈希表的数组tab为空，则 经过resize() 建立
// 因此，初始化哈希表的时机 = 第1次调用put函数时，即调用resize() 初始化建立
// 关于resize（）的源码分析将在下面讲解扩容时详细分析，此处先跳过
if ((tab = table) == null || (n = tab.length) == 0)
n = (tab = resize()).length;
// 2. 计算插入存储的数组索引i：根据键值key计算的hash值 获得
// 此处的数组下标计算方式 = i = (n - 1) & hash，同JDK 1.7中的indexFor（），上面已详细描述
// 3. 插入时，需判断是否存在Hash冲突：
// 若不存在（即当前table[i] == null），则直接在该数组位置新建节点，插入完毕
// 不然，表明存在Hash冲突，即当前存储位置已存在节点，则依次往下判断：a. 当前位置的key是否与需插入的key相同、b. 判断需插入的数据结构是否为红黑树 or 链表
if ((p = tab[i = (n - 1) & hash]) == null)
tab[i] = newNode(hash, key, value, null); // newNode(hash, key, value, null)的源码 = new Node<>(hash, key, value, next)
else {
Node<K,V> e; K k;
// a. 判断 table[i]的元素的key是否与 需插入的key同样，若相同则 直接用新value 覆盖 旧value
// 判断原则：equals（）
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
e = p;
// b. 继续判断：需插入的数据结构是否为红黑树 or 链表
// 如果红黑树，则直接在树中插入 or 更新键值对
else if (p instanceof TreeNode)
e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value); ->>分析3
// 如果链表,则在链表中插入 or 更新键值对
// i. 遍历table[i]，判断Key是否已存在：采用equals（） 对比当前遍历节点的key 与 需插入数据的key：若已存在，则直接用新value 覆盖 旧value
// ii. 遍历完毕后仍无发现上述状况，则直接在链表尾部插入数据
// 注：新增节点后，需判断链表长度是否>8（8 = 桶的树化阈值）：如果，则把链表转换为红黑树
else {
for (int binCount = 0; ; ++binCount) {
// 对于ii：若数组的下1个位置，表示已到表尾也没有找到key值相同节点，则新建节点 = 插入节点
// 注：此处是从链表尾插入，与JDK 1.7不一样（从链表头插入，即永远都是添加到数组的位置，原来数组位置的数据则日后移）
if ((e = p.next) == null) {
p.next = newNode(hash, key, value, null);
// 插入节点后，若链表节点>数阈值，则将链表转换为红黑树
if (binCount >= TREEIFY_THRESHOLD - 1)
treeifyBin(tab, hash); // 树化操做
break;
}
// 对于i
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
break;
// 更新p指向下一个节点，继续遍历
p = e;
}
}
// 对i状况的后续操做：发现key已存在，直接用新value 覆盖 旧value & 返回旧value
if (e != null) {
V oldValue = e.value;
if (!onlyIfAbsent || oldValue == null)
e.value = value;
afterNodeAccess(e); // 替换旧值时会调用的方法（默认实现为空）
return oldValue;
}
}
++modCount;
// 插入成功后，判断实际存在的键值对数量size > 最大容量threshold
// 若 > ，则进行扩容 ->>分析4（但单独讲解，请直接跳出该代码块）
if (++size > threshold)
resize();
afterNodeInsertion(evict);// 插入成功时会调用的方法（默认实现为空）
return null;
}
/**
* 分析3：putTreeVal(this, tab, hash, key, value)
* 做用：向红黑树插入 or 更新数据（键值对）
* 过程：遍历红黑树判断该节点的key是否与需插入的key 相同：
* a. 若相同，则新value覆盖旧value
* b. 若不相同，则插入
*/
final TreeNode<K,V> putTreeVal(HashMap<K,V> map, Node<K,V>[] tab,
int h, K k, V v) {
Class<?> kc = null;
boolean searched = false;
TreeNode<K,V> root = (parent != null) ? root() : this;
for (TreeNode<K,V> p = root;;) {
int dir, ph; K pk;
if ((ph = p.hash) > h)
dir = -1;
else if (ph < h)
dir = 1;
else if ((pk = p.key) == k || (k != null && k.equals(pk)))
return p;
else if ((kc == null &&
(kc = comparableClassFor(k)) == null) ||
(dir = compareComparables(kc, k, pk)) == 0) {
if (!searched) {
TreeNode<K,V> q, ch;
searched = true;
if (((ch = p.left) != null &&
(q = ch.find(h, k, kc)) != null) ||
((ch = p.right) != null &&
(q = ch.find(h, k, kc)) != null))
return q;
}
dir = tieBreakOrder(k, pk);
}
TreeNode<K,V> xp = p;
if ((p = (dir <= 0) ? p.left : p.right) == null) {
Node<K,V> xpn = xp.next;
TreeNode<K,V> x = map.newTreeNode(h, k, v, xpn);
if (dir <= 0)
xp.left = x;
else
xp.right = x;
xp.next = x;
x.parent = x.prev = xp;
if (xpn != null)
((TreeNode<K,V>)xpn).prev = x;
moveRootToFront(tab, balanceInsertion(root, x));
return null;
}
}
}
- 总结
示意图
主要讲解点2：扩容机制（即 resize（）函数方法）
- 扩容流程以下
示意图
- 源码分析
/**
* 分析4：resize（）
* 该函数有2种使用状况：1.初始化哈希表 2.当前数组容量太小，需扩容
*/
final Node<K,V>[] resize() {
Node<K,V>[] oldTab = table; // 扩容前的数组（当前数组）
int oldCap = (oldTab == null) ? 0 : oldTab.length; // 扩容前的数组的容量 = 长度
int oldThr = threshold;// 扩容前的数组的阈值
int newCap, newThr = 0;
// 针对状况2：若扩容前的数组容量超过最大值，则再也不扩充
if (oldCap > 0) {
if (oldCap >= MAXIMUM_CAPACITY) {
threshold = Integer.MAX_VALUE;
return oldTab;
}
// 针对状况2：若无超过最大值，就扩充为原来的2倍
else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&
oldCap >= DEFAULT_INITIAL_CAPACITY)
newThr = oldThr << 1; // 经过右移扩充2倍
}
// 针对状况1：初始化哈希表（采用指定 or 默认值）
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);
}
// 计算新的resize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;
if (oldTab != null) {
// 把每一个bucket都移动到新的buckets中
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 { // 链表优化重hash的代码块
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;
}
- 扩容流程（含 与
JDK 1.7的对比）
示意图
此处主要讲解： JDK 1.8扩容时，数据存储位置从新计算的方式
- 计算结论 & 缘由解析
示意图
- 结论示意图
示意图
- 数组位置转换的示意图
示意图
JDK 1.8根据此结论做出的新元素存储位置计算规则 很是简单，提升了扩容效率，具体以下图
这与
JDK 1.7在计算新元素的存储位置有很大区别：JDK 1.7在扩容后，都需按照原来方法从新计算，即
hashCode（）->> 扰动处理 ->>（h & length-1））
总结
- 添加数据的流程
示意图
- 与
JDK 1.7的区别
示意图
至此，关于 HashMap的添加数据源码分析 分析完毕。
步骤3：从HashMap中获取数据
- 假如理解了上述
put（）函数的原理，那么get（）函数很是好理解，由于两者的过程原理几乎相同 get（）函数的流程以下：
示意图
- 源码分析
/**
* 函数原型
* 做用：根据键key，向HashMap获取对应的值
*/
map.get(key)；
/**
* 源码分析
*/
public V get(Object key) {
Node<K,V> e;
// 1. 计算需获取数据的hash值
// 2. 经过getNode（）获取所查询的数据 ->>分析1
// 3. 获取后，判断数据是否为空
return (e = getNode(hash(key), key)) == null ? null : e.value;
}
/**
* 分析1：getNode(hash(key), key))
*/
final Node<K,V> getNode(int hash, Object key) {
Node<K,V>[] tab; Node<K,V> first, e; int n; K k;
// 1. 计算存放在数组table中的位置
if ((tab = table) != null && (n = tab.length) > 0 &&
(first = tab[(n - 1) & hash]) != null) {
// 4. 经过该函数，依次在数组、红黑树、链表中查找（经过equals（）判断）
// a. 先在数组中找，若存在，则直接返回
if (first.hash == hash && // always check first node
((k = first.key) == key || (key != null && key.equals(k))))
return first;
// b. 若数组中没有，则到红黑树中寻找
if ((e = first.next) != null) {
// 在树中get
if (first instanceof TreeNode)
return ((TreeNode<K,V>)first).getTreeNode(hash, key);
// c. 若红黑树中也没有，则经过遍历，到链表中寻找
do {
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
return e;
} while ((e = e.next) != null);
}
}
return null;
}
至此，关于 “向 HashMap 获取数据 “讲解完毕。
步骤4：对HashMap的其余操做
即 对其他使用
API（函数、方法）的源码分析
HashMap除了核心的put（）、get（）函数，还有如下主要使用的函数方法
void clear(); // 清除哈希表中的全部键值对 int size(); // 返回哈希表中全部 键值对的数量 = 数组中的键值对 + 链表中的键值对 boolean isEmpty(); // 判断HashMap是否为空；size == 0时 表示为 空 void putAll(Map<? extends K, ? extends V> m); // 将指定Map中的键值对 复制到 此Map中 V remove(Object key); // 删除该键值对 boolean containsKey(Object key); // 判断是否存在该键的键值对；是 则返回true boolean containsValue(Object value); // 判断是否存在该值的键值对；是 则返回true
- 关于上述方法的源码的原理 同
JDK 1.7，此处不做过多描述
感兴趣的同窗能够参考文章 第5小节 进行类比。
至此，关于 HashMap的底层原理 & 主要使用API（函数、方法）讲解完毕。
6. 源码总结
下面，用3个图总结整个源码内容：
总结内容 = 数据结构、主要参数、添加 & 查询数据流程、扩容机制
- 数据结构 & 主要参数
示意图
- 添加 & 查询数据流程
示意图
- 扩容机制
示意图
7. 与 JDK 1.7 的区别
HashMap 的实如今 JDK 1.7 和 JDK 1.8 差异较大，具体区别以下
JDK 1.8的优化目的主要是：减小Hash冲突 & 提升哈希表的存、取效率- 关于
JDK 1.7中HashMap的源码解析请看文章：Java：手把手带你源码分析 HashMap 1.7
7.1 数据结构
示意图
7.2 获取数据时（获取数据 相似）
示意图
7.3 扩容机制
示意图
8. 额外补充：关于HashMap的其余问题
- 有几个小问题须要在此补充
示意图
- 具体以下
8.1 哈希表如何解决Hash冲突
示意图
8.2 为何HashMap具有下述特色：键-值（key-value）都容许为空、线程不安全、不保证有序、存储位置随时间变化
- 具体解答以下
示意图
-
下面主要讲解
HashMap线程不安全的其中一个重要缘由：多线程下容易出现resize（）死循环
本质 = 并发 执行put（）操做致使触发 扩容行为，从而致使 环形链表，使得在获取数据遍历链表时造成死循环，即Infinite Loop -
先看扩容的源码分析
resize（）
关于resize（）的源码分析已在上文详细分析，此处仅做重点分析：transfer（）
/**
* 源码分析：resize(2 * table.length)
* 做用：当容量不足时（容量 > 阈值），则扩容（扩到2倍）
*/
void resize(int newCapacity) {
// 1. 保存旧数组（old table）
Entry[] oldTable = table;
// 2. 保存旧容量（old capacity ），即数组长度
int oldCapacity = oldTable.length;
// 3. 若旧容量已是系统默认最大容量了，那么将阈值设置成整型的最大值，退出
if (oldCapacity == MAXIMUM_CAPACITY) {
threshold = Integer.MAX_VALUE;
return;
}
// 4. 根据新容量（2倍容量）新建1个数组，即新table
Entry[] newTable = new Entry[newCapacity];
// 5. （重点分析）将旧数组上的数据（键值对）转移到新table中，从而完成扩容 ->>分析1.1
transfer(newTable);
// 6. 新数组table引用到HashMap的table属性上
table = newTable;
// 7. 从新设置阈值
threshold = (int)(newCapacity * loadFactor);
}
/**
* 分析1.1：transfer(newTable);
* 做用：将旧数组上的数据（键值对）转移到新table中，从而完成扩容
* 过程：按旧链表的正序遍历链表、在新链表的头部依次插入
*/
void transfer(Entry[] newTable) {
// 1. src引用了旧数组
Entry[] src = table;
// 2. 获取新数组的大小 = 获取新容量大小
int newCapacity = newTable.length;
// 3. 经过遍历 旧数组，将旧数组上的数据（键值对）转移到新数组中
for (int j = 0; j < src.length; j++) {
// 3.1 取得旧数组的每一个元素
Entry<K,V> e = src[j];
if (e != null) {
// 3.2 释放旧数组的对象引用（for循环后，旧数组再也不引用任何对象）
src[j] = null;
do {
// 3.3 遍历 以该数组元素为首 的链表
// 注：转移链表时，因是单链表，故要保存下1个结点，不然转移后链表会断开
Entry<K,V> next = e.next;
// 3.3 从新计算每一个元素的存储位置
int i = indexFor(e.hash, newCapacity);
// 3.4 将元素放在数组上：采用单链表的头插入方式 = 在链表头上存放数据 = 将数组位置的原有数据放在后1个指针、将需放入的数据放到数组位置中
// 即 扩容后，可能出现逆序：按旧链表的正序遍历链表、在新链表的头部依次插入
e.next = newTable[i];
newTable[i] = e;
// 访问下1个Entry链上的元素，如此不断循环，直到遍历完该链表上的全部节点
e = next;
} while (e != null);
// 如此不断循环，直到遍历完数组上的全部数据元素
}
}
}
从上面可看出：在扩容resize（）过程当中，在将旧数组上的数据 转移到 新数组上时，转移数据操做 = 按旧链表的正序遍历链表、在新链表的头部依次插入，即在转移数据、扩容后，容易出现链表逆序的状况
设从新计算存储位置后不变，即扩容前 = 1->2->3，扩容后 = 3->2->1
- 此时若（多线程）并发执行
put（）操做，一旦出现扩容状况，则 容易出现 环形链表，从而在获取数据、遍历链表时 造成死循环（Infinite Loop），即 死锁的状态，具体请看下图：
初始状态、步骤一、步骤2
示意图
示意图
示意图
注：因为 JDK 1.8 转移数据操做 = 按旧链表的正序遍历链表、在新链表的尾部依次插入，因此不会出现链表 逆序、倒置的状况，故不容易出现环形链表的状况。
但
JDK 1.8仍是线程不安全，由于 无加同步锁保护
8.3 为何 HashMap 中 String、Integer 这样的包装类适合做为 key 键
示意图
8.4 HashMap 中的 key若 Object类型， 则需实现哪些方法？
示意图
至此，关于HashMap的全部知识讲解完毕。
相关文章
- 1. HashMap源码分析 --- JDK1.8，JDK1.7源码对比
- 2. HashMap底层原理剖析及JDK1.7和1.8的对比
- 3. JDK1.7的HashMap源码分析
- 4. HashMap在JDK1.7和1.8中的比较
- 5. JDK1.7和1.8，HashMap的put源码流程图分享
- 6. HashMap底层原理及源码分析（详细）（jdk1.7 && jdk 1.8）
- 7. JDK1.7 HashMap 源码分析
- 8. JDK1.7 HashMap源码分析
- 9. jdk1.7下HashMap源码分析
- 10. JDK1.7源码分析01-Collection
- 更多相关文章...
- • 高并发系统的分析和设计 - 红包项目实战
- • IP地址的格式和分类 - TCP/IP教程
- • 互联网组织的未来：剖析GitHub员工的任性之源
- • IntelliJ IDEA 代码格式化配置和快捷键
相关标签/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
最新文章
- 1. No provider available from registry 127.0.0.1:2181 for service com.ddbuy.ser 解决方法
- 2. Qt5.7以上调用虚拟键盘(支持中文)，以及源码修改(可拖动，水平缩放)
- 3. 软件测试面试- 购物车功能测试用例设计
- 4. ElasticSearch（概念篇）：你知道的, 为了搜索…
- 5. redux理解
- 6. gitee创建第一个项目
- 7. 支持向量机之硬间隔（一步步推导，通俗易懂）
- 8. Mysql 异步复制延迟的原因及解决方案
- 9. 如何在运行SEPM配置向导时将不可认的复杂数据库密码改为简单密码
- 10. windows系统下tftp服务器使用
欢迎关注本站公众号,获取更多信息
相关文章