HashMap不得不知道的那些事儿
一、简介
主要是根据Hashmap的源码来近距离了解庐山真面目；node
为何要写，由于面试常常问啊，并且99%的程序员都知道也用过；并且它涉及的知识远远不止put和get那么简单，有必要知晓，也有利于对数据进行灵活的存储引用；程序员
二、知识铺垫
涉及知识点：hash算法，单链表、双链表、红黑树、二叉搜索树面试
2.1 单链表
单链表是一种链式存取的数据结构，用一组地址任意的存储单元存放线性表中的数据元素。链表中的数据是以结点来表示的，每一个结点的构成：元素(数据元素的映象) + 指针(指示后继元素存储位置)，元素就是存储数据的存储单元，指针就是链接每一个结点的地址数据。算法
单链表的实际使用场景并很少，好比只是频繁对头/尾结点进行操做，单链表最佳数组
2.2 双链表
双向链表也叫双链表，是链表的一种，它的每一个数据结点中都有两个指针，分别指向直接后继和直接前驱。因此，从双向链表中的任意一个结点开始，均可以很方便地访问它的前驱结点和后继结点。通常咱们都构造双向循环链表。bash
双链表的主要优势是对于任意给的结点，均可以很轻易的获取其前驱结点或者后继结点，而主要缺点是每一个结点须要添加额外的next域，所以须要更多的空间开销，同时结点的插入与删除操做也将更加耗时，由于须要更多的指针指向操做。数据结构
2.3 二叉搜索树
二叉排序树，又称二叉查找树，亦称二叉搜索树,知足下面性质app
- 若左子树不空，则左子树上全部结点的值均小于它的根结点的值；
- 若右子树不空，则右子树上全部结点的值均大于它的根结点的值；
- 左、右子树也分别为二叉排序树；
- 没有键值相等的结点。
2.4 红黑树
红黑树是每一个节点都带有颜色属性的二叉查找树，颜色或红色或黑色。 在二叉查找树强制通常要求之外，对于任何有效的红黑树咱们增长了以下的额外要求:函数
- 性质1. 节点是红色或黑色。
- 性质2. 根节点是黑色。
- 性质3.全部叶子都是黑色。（叶子是NUIL节点）
- 性质4. 每一个红色节点的两个子节点都是黑色。（从每一个叶子到根的全部路径上不能有两个连续的红色节点）
- 性质5. 从任一节点到其每一个叶子的全部路径都包含相同数目的黑色节点。
这些约束强制了红黑树的关键性质: 从根到叶子的最长的可能路径很少于最短的可能路径的两倍长。结果是这个树大体上是平衡的。由于操做好比插入、删除和查找某个值的最坏状况时间都要求与树的高度成比例，这个在高度上的理论上限容许红黑树在最坏状况下都是高效的，而不一样于普通的二叉查找树。源码分析
性质4致使路径上不能有两个连续的红色节点。最短的可能路径都是黑色节点，最长的可能路径有交替的红色和黑色节点。由于根据性质5全部最长的路径都有相同数目的黑色节点，这就代表了没有路径能多于任何其余路径的两倍长
2.5 Hash算法
希算法并非一个特定的算法而是一类算法的统称。哈希算法也叫散列算法，通常来讲知足这样的关系：f(data)=key，输入任意长度的data数据，通过哈希算法处理后输出一个定长的数据key。同时这个过程是不可逆的，没法由key逆推出data。
若是是一个data数据集，通过哈希算法处理后获得key的数据集，而后将keys与原始数据进行一一映射就获得了一个哈希表。通常来讲哈希表M符合M[key]=data这种形式。 哈希表的好处是当原始数据较大时，咱们能够用哈希算法处理获得定长的哈希值key，那么这个key相对原始数据要小得多。咱们就能够用这个较小的数据集来作索引，达到快速查找的目的。
稍微想一下就能够发现，既然输入数据不定长，而输出的哈希值倒是固定长度的，这意味着哈希值是一个有限集合，而输入数据则能够是无穷多个。那么创建一对一关系明显是不现实的。因此"碰撞"(不一样的输入数据对应了相同的哈希值)是必然会发生的，因此一个成熟的哈希算法会有较好的抗冲突性。同时在实现哈希表的结构时也要考虑到哈希冲突的问题。
三、源码分析
主要包括数据结构、扩容、删除、添加、获取过程
3.1 数据结构
数组+单链表+双链表-黑红树
3.1.1 数组
transient Node<K,V>[] table;
复制代码
总体来讲采用数组存储，以hash值和数组大小获得数组位置
3.1.2 单链表
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;
}
}
复制代码
单链表数据结构Node，当根据hash计算数组中的索引值位置已经有值且不是同一个，则以索引位置节点为头节点，后来节点为尾节点
3.1.3 双链表-红黑树
static class LinkedHashMapEntry<K,V> extends HashMap.Node<K,V> {
LinkedHashMapEntry<K,V> before, after; // 在hashMap中并无使用这两个节点信息
LinkedHashMapEntry(int hash, K key, V value, Node<K,V> next) {
super(hash, key, value, next);
}
}
复制代码
static final class TreeNode<K,V> extends LinkedHashMap.LinkedHashMapEntry<K,V> {
TreeNode<K,V> parent;
TreeNode<K,V> left;
TreeNode<K,V> right;
TreeNode<K,V> prev;
boolean red;
............ // 省略方法代码
}
复制代码
红黑树-双链表结构，继承自LinkedHashMapEntry，LinkedHashMapEntry又继承了Node节点；红黑树节点是单链表节点的子子类；含有前/后驱节点，左右孩子节点，父节点，以及颜色信息；前/后驱节点做为双链表结构，左右孩子节点-父节点-颜色做为红黑树结构
主要方法有：
- root() 查找红黑树根节点，经过根节点的父节点为空，其它节点的父节点不空特性来查找
- moveRootToFront() 把指定节点为根节点；若是当前hash所对应的索引节点为指定节点，则不须要任何处理，不然，指定节点为根节点，放在数组中hash对应索引位置，当前根节点为指定节点下个节点，指定节点前/后驱节点相互链接
- find() 根据搜索树特性，来进行查找（搜索树，节点左树的值 <= 节点的值 < 节点右树的值）
- getTreeNode() 从根节点，以key值来查找
- tieBreakOrder() 比较物理地址，物理地址小于等于 算做小于，其它算大于
- treeify() 单链表结构转换双链表-红黑树结构；首先按照搜索树，进行插入，每插入一个节点后均进行红黑树规则处理，使其成为一个红黑树
- untreeify() 双链表-红黑树退化为单链表结构；以双链表先后驱动节点来链接为一个单链表
- putTreeVal() 插入一个几点：根据搜索树特性插入，进行红黑树规则调整，并从新设置调整后的hash对应索引位置的节点值；父节点后驱为当前加入子节点，子节点后驱为父节点以前的后驱节点，保证了双链表链接整个红黑树
- removeTreeNode() 删除当前节点
- 在双链表中去除当前节点，并链接先后驱动节点
- 若是删除点击是根节点，则结束流程；
- 从新计算根节点；并根据根节点的孩子节点状况判断是否要退化为单链表结构，则结束流程，知足a,b任意一条即退化：a) 树结构不超过两层，b）树的层深为3层，根节点的左孩子为空，或者根节点的左孩子的作孩子为空
- 若是删除节点没有孩子节点，则断了和父节点索引，返回
- 若是左右孩子存在空节点，则其不空节点替换当前删除节点，红黑树中去掉删除节点
- 若果左右孩子均不为空，以右孩子的最左节点替换当前节点，并调换红黑树中的位置信息，也就是左右孩子，父孩子信息,颜色；这时，删除节点无左孩子，则使其右子节点替换当前删除节点；也就是，先找到大于删除节点的最小值，互相替换位置信息，而后在使用替换后位置（其无左孩子节点）的右孩子节点替换互换后删除节点的位置
- 删除后调整红黑树；a) 若是互换位置信息后的删除节点为红色，由于其无左孩子或者有孩子，因此其没有任何孩子节点，无需调整;b) 若是为黑色节点，那么其存在左孩子或者右还在，其为红色节点
- split() 扩容后，对当前树分红两个单链表：按照节点个数，小于等于6退化为单链表，不然从新树化；原理：hashmap的大小为2的n次方，每次扩容扩大2倍；因此以前hash对应同一个索引，如今也就在当前大小最高位存在0或者1的区别；也就是假设以前容器大小为n，索引为index，那么扩容后，index全部的链表数据/红黑树-双链表数据，所有都会对应到index 、index+n的位置
- rotateLeft() 左旋方法，指定节点为p，则p的右孩子作p的父节点，p做为p的右孩子节点的左孩子节点，p的右孩子的左节点做为p的右节点
- rotateRight() 右旋方法，指定节点为p，则p的左孩子节点作p的父节点，p做为p的左孩子的右孩子节点，p的左孩子的右孩子节点做为p的左节点
- balanceDeletion() 删除数据后调整；此时删除的节点是黑色节点；第二个参数为已替换节点；执行for循环
- 若为红色或者根节点，直接染黑，返回;不然按照替换节点是左孩子或者右孩子来处理
- 为左孩子节点：此时是黑色，右孩子为空，则替换节点的父节点重置为替换节点，从新循环
- 为左孩子节点：右孩子是红色节点，则右孩子置为黑色，父节点置为红色，进行右旋
- 为左孩子节点：右孩子为黑色 a) 右孩子的左右孩子都是黑色节点或者空节点，则父节点重置为已替换节点，从新循环 b) 右孩子的左孩子为红色，则右孩子置为红色，右孩子的左孩子置为灰色，右旋，而后父节点置为黑色，左旋 c）右孩子的左孩子为黑色，父节点置为黑色，左旋
【5.为右孩子 和左孩子旋转相反相似】
- balanceInsertion() 插入数据调整，插入节点，for循环处理
- 默认插入颜色为红色
- 若为根节点，染黑结束
- 若父节点为黑色，或者父节点的父节点为空，则返回
- 父节点为红色，且为父父节点的左节点 a) 父节点的兄弟节点也为红色，父节点，父节点兄弟节点均燃黑色，父父节点燃红色，以父父节点为插入节点从新循环 b) 若是父节点兄弟节点为黑色，插入节点为父节点的右孩子，则以父节点左旋，调整节点（以前父节点变为左孩子，并成为插入节点，以前插入节点变为父节点）；父节点置为黑色，父父节点置为红色，以父父节点右旋 【5. 父父节点为右节点，相反相似】
3.2 扩容原理
容器大小为2的n次方，扩容因子为m；默认n = 16， m = 0.75：存在3种状况下会扩容
- 容器内数组未初始化或者大小为0
- 此时已存储元素个数大于n * m 会扩容
- 容器个数小于64，某个位置的单链表长度大于等于7时，这时不直接转换为树结构，而是进行扩容
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;
}
复制代码
- 首先计算扩容后容器大小：a) 已经存储过元素：以前容器大小不为0，则扩大2倍，threshold也扩大2倍，若是容器大小是 1 << 30 则直接设置为 1 << 31 -1; b）第一次加入元素：经过构造器已经传入的了大小，这时还未给数组尺寸定值，直接使用threshold， c) 第一次加入元素：初始化未提供大小，则赋值默认16，threshold 为16 * 扩容因子
- 检查threshold是否被重置，也就是1中b的状况，threshold = 新的容器大小 * 扩容因子
- for 循环从第0个位置（i）开始，根据hash值从新计算位置： a) 索引位置元素为空，则不处理， b) 索引位置不为空，其没有后驱节点，则计算新位置，直接赋值当前值，c) 索引位置不为空，其存在后驱节点，若后驱节点为单链表结构，则分红两个单链表，一个放在当前位置，一个放在i, 一个放在i + 原有容器处， d) 索引位置不为空，其存在后驱节点，若后驱节点为双链表-红黑树，则分红两个双链表，并依据其尺寸是否小于等于6来进行处理，> 6 从新树化，不然退化为单链表
为何能够分红两个链表呢
缘由很简单，容器为2的倍数增长，则在同一个索引位置的节点 hash值在容器大小二进制数据1的位置以及左边不一样，也就是扩容后，获得新的索引，只有和旧容器大小二进制仅有1的位置有0和1的区别，也就是旧的索引位置 或者旧的索引位置+旧的容器大小
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);
}
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;
}
public HashMap(int initialCapacity) {
this(initialCapacity, DEFAULT_LOAD_FACTOR);
}
public HashMap() {
this.loadFactor = DEFAULT_LOAD_FACTOR; // all other fields defaulted
}
复制代码
从构造函数，能够看出，构造时，进行了延时处理，也就是未进行数据存储内存申请，只是计算了存储因子，或者使用threshold暂时记录了数组大小；tableSizeFor方法，经过把cap的第一为1的后面所有置为1，而后加1，达到大小为cap的最小的2的n次方数
3.3 插入
直接上源码和分析
public V put(K key, V value) {
return 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;
if ((tab = table) == null || (n = tab.length) == 0)
n = (tab = resize()).length;
if ((p = tab[i = (n - 1) & hash]) == null)
tab[i] = newNode(hash, key, value, null);
else {
Node<K,V> e; K k;
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
e = p;
else if (p instanceof TreeNode)
e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
else {
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
treeifyBin(tab, hash);
break;
}
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;
if (++size > threshold)
resize();
afterNodeInsertion(evict);
return null;
}
复制代码
- 是否为第一次加入新元素，初始化容器（也是调用扩容方法）
- 若是加入key的hash值对应索引位置无数据，直接插入
- 若是key的hash值对应索引位置有数据，且节点为红黑树结构，则查看2节中关于红黑树插入的内容
- 若是key的hash值对应索引位置有数据，且节点为单链表结构，则进行for循环处理： a）链表存在数据，其key与当前物理地址相同或者key的equal比较相同，则重置数据返回， b) 如果已经到链表尾部，则新增节点，加入到尾部；若是加入后数据大小>= 7 则进行树化，查看2节中树化方法
- 尺寸+1，判断是否达到阈值，达到则进行扩容
3.4 获取元素
获取元素比较简单，以key的hash值找到索引位置，而后根据位置的节点特色来查找元素
- 节点为空，则无此元素
- 节点为红黑树节点，查看2章节中getTreeNode方法分析
- 节点为单链表，从头至尾进行比对，若是比对成功，则退出，不然返回null；比对依据：hash值相同且物理地址相同或者equal方法相同
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) {
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;
}
复制代码
3.5 删除方法
直接上分析，分析以下
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 &&
(p = tab[index = (n - 1) & hash]) != null) {
Node<K,V> node = null, e; K k; V v;
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
node = p;
else if ((e = p.next) != null) {
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);
}
}
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;
}
复制代码
- 若是未加入过元素，则不处理
- 若是删除key的hash对应索引位置元素为空，则不处理
- 若是索引节点的key和要删除的key比对相同，则删除节点即为索引节点
- 索引节点后驱为空，则不须要处理
- 索引节点后驱不为空，则在链表或者红黑树中查找此节点
- 红黑树结构使用removeTreeNode删除元素，单链表，删除元素后，其前驱的后继为其后继；并大小减1
3.6 清空方法
全部索引位置置空，也即断开单链表或者双链表-红黑树的根节点，进而删除全部元素
public void clear() {
Node<K,V>[] tab;
modCount++;
if ((tab = table) != null && size > 0) {
size = 0;
for (int i = 0; i < tab.length; ++i)
tab[i] = null;
}
}
复制代码
4 原理总结
- 数据结构采用 数组+单链表+双链表-红黑树结构；hash值对应索引位置为链表根节点
- hash寻址机制，冲突采用单链表或者双链表-红黑树结构解决
- 2倍扩容机制，扩容后索引节点对应链表进行分为两个链表再进行处理，有点巧妙
- 扩容时机有三个：a）因为使用延时申请存储内存，因此在第一次加入元素时，b）大小小于64且须要树化时，c) 元素个数超过阈值时
- 树化依据：链表数据个数>= 7且容器大小小于64，场景：插入数据，扩容时从新树化；退化依据： 链表数据 <= 6，场景：删除数据，扩容时
- 比较大小，按照hash值相等且 物理地址相等或者equal方法相等
技术变化都很快，但基础技术、理论知识永远都是那些；做者但愿在余后的生活中，对经常使用技术点进行基础知识分享；若是你以为文章写的不错，请给与关注和点赞；若是文章存在错误，也请多多指教！
相关文章
- 1. VScode 不得不说的那些事儿
- 2. 关于代码中写注释，你不得不知道的那些事儿
- 3. MySQL中关于JSON你不得不知道的那些事！
- 4. 那些程序员不得不知道的事！
- 5. http你不得不知道的那些事（二）--CSRF
- 6. 80%的人不知道,聊天气泡框的那些事儿。
- 7. 程序员！多的是你不知道的那些事儿......
- 8. Webpack那些你不知道的事
- 9. Java 10你不知道的那些事
- 10. SpringApplication你不知道的那些事！
- 更多相关文章...
- • C# 不安全代码 - C#教程
- • 伪造目标不可达的ICMP数据包 - TCP/IP教程
- • SpringBoot中properties文件不能自动提示解决方法
- • IntelliJ IDEA中SpringBoot properties文件不能自动提示问题解决
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
欢迎关注本站公众号,获取更多信息
