HashMap与HashTable
1、继承关系
2、HashMap和Hashtable的区别
1.区别：
-
二者最主要的区别在于Hashtable是线程安全，而HashMap则非线程安全。java
-
Hashtable 是不容许键或值为 null 的，HashMap 的键值则均可觉得 null。 Hashtable在咱们put 空值的时候会直接抛空指针异常，可是HashMap却作了特殊处理。node
static final int hash(Object key) { int h; return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16); } 复制代码由于Hashtable使用的是安全失败机制（fail-safe），这种机制会使你这次读到的数据不必定是最新的数据。编程
若是你使用null值，就会使得其没法判断对应的key是不存在仍是为空，由于你没法再调用一次contain(key）来对key是否存在进行判断，ConcurrentHashMap同理。数组
-
实现方式不一样：Hashtable 继承了 Dictionary类，而 HashMap 继承的是 AbstractMap 类。缓存
-
初始化容量不一样：HashMap 的初始容量为：16，Hashtable 初始容量为：11，二者的负载因子默认都是：0.75。安全
-
扩容机制不一样：当现有容量大于总容量 * 负载因子时，HashMap 扩容规则为当前容量翻倍，Hashtable 扩容规则为当前容量翻倍 + 1。数据结构
-
迭代器不一样：HashMap 中的 Iterator 迭代器是 fail-fast 的，而 Hashtable 的 Enumerator 不是 fail-fast 的。多线程
2.fail-fast和fail—safe
-
快速失败（fail—fast） 是java集合中的一种机制， 在用迭代器遍历一个集合对象时，若是遍历过程当中对集合对象的内容进行了修改（增长、删除、修改），则会抛出Concurrent Modification Exception。并发
-
原理: 迭代器在遍历时直接访问集合中的内容，而且在遍历过程当中使用一个 modCount 变量。函数
集合在被遍历期间若是内容发生变化，就会改变modCount的值。
每当迭代器使用hashNext()/next()遍历下一个元素以前，都会检测modCount变量是否为expectedmodCount值，是的话就返回遍历；不然抛出异常，终止遍历。
-
Tip：这里异常的抛出条件是检测到 modCount！=expectedmodCount 这个条件。若是集合发生变化时修改modCount值恰好又设置为了expectedmodCount值，则异常不会抛出。
所以，不能依赖于这个异常是否抛出而进行并发操做的编程，这个异常只建议用于检测并发修改的bug。
-
使用场景：ava.util包下的集合类都是快速失败的，不能在多线程下发生并发修改（迭代过程当中被修改）算是一种安全机制吧。
-
-
安全失败（fail—safe）：java.util.concurrent包下的容器都是安全失败，能够在多线程下并发使用，并发修改。
3、底层数据结构和存储过程
1.hashMap
jdk1.8前数据结构是链表+数组。
jdk1.8以后是链表+数组+红黑树
1 初始化
HashMap<String, Integer> map = new HashMap<>();
复制代码
在jdk8前，构造方法中建立一个长度是16的 Entry[] table 用来存储键值对数据的。
在jdk8之后不是在HashMap的构造方法底层建立数组了，是在第一次调用put方法时建立的数组 Node[] table 用来存储键值对数据。
2 存储
底层采用的key的hashCode方法结合数组长度进行无符号右移（>>>）、按位异或（^）计算hash值，按位与（&）计算出索引
static final int hash(Object key) {
int h;
return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}
//计算索引,n为数组长度
(n-1) & hash
//除此以外，还能够采用：平方取中法，去语数英
复制代码
当两个hashCode相等时，会产生哈希碰撞，若key值内容相同则替换旧的value，否则就链接到链表的后面，链表长度超过阈值8转为红黑树。
3 小结
1.size表示hashMap中K-V的实时数量，不是数组长度。
2.threshold（临界值）=capacity（容量）* loadFactor（加载因子）。这个值是当前以占据数组长的的最大值。size超过这个临界值就会从新resize（扩容），扩容后hashMap容量是以前的2倍。
4、hashMap成员变量
4.1成员变量
1.序列化版本号
private static final long serialVersionUID = 362498820763181265L;
复制代码
2.集合的初始化容量（必须是2的n次幂）
// 默认的初始容量是16 1 << 4 至关于 1*2的4次方
static final int DEFAULT_INITIAL_CAPACITY = 1 << 4;
复制代码
问题：为何必须是2的n次幂？若是输入值不是2的幂好比10会怎么样?
存储高效，尽可能减小碰撞，在（n-1）&hash求索引的时候更加均匀。 问题：若是传入的容量默认不是2的幂
//对传入容量进行右移位运算后进行或运算，一共进行5次或运算，能够将当前数字中二进制最高位1的右边所有变成1，最后+1返回
static final int tableSizeFor(int cap) {
//-1的目的是使得找到的目标值大于或等于原值
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;
}
复制代码
3.默认的负载因子，默认值是0.75
static final float DEFAULT_LOAD_FACTOR = 0.75f;
复制代码
4.集合最大容量
static final int MAXIMUM_CAPACITY = 1 << 30; // 2的30次幂
复制代码
5.当链表的值超过8则会转为红黑树（jdk1.8新增）
// 当桶（bucket）上的结点数大于这个值时会转为红黑树
static final int TREEIFY_THRESHOLD = 8;
复制代码
问题：为何Map桶中结点个数超过8才转为红黑树？
TreeNode占用空间是普通Node的两倍，空间和时间的权衡，同时若是为8，log（8）=3,小于链表的平均8/2=4。 也就是说：选择8由于符合泊松分布，超过8的时候，几率已经很是小了，因此咱们选择8这个数宇。
6.当链表的值小于6则会从红黑树转回链表
// 当捅（bucket）上的结点数小于这个值，树转为链表
static final int UNTREEIFY_THRESHOLD = 6;
复制代码
7.链表转为红黑树时的数组的大小阈值，即数组大小大于这个数字时，链表长度大于8才会转为红黑树
// 捅中结构转化为红黑树对应的数组长度最小的值
static final int MIN_TREEIFY_CAPACITY = 64;
复制代码
8.table用来初始化数组
// 存储元素的数组
transient Node<K,V>[] table;
复制代码
9.用来存放缓存(遍历的时候使用)
// 存放具体元素的集合
transient Set<Map.Entry<K,V>> entrySet;
复制代码
10.HashMap中存放元素的个数(重点)
// 存放元素的个数，size为HashMap中K-V的实时数量，不是数组table的长度。
transient int size;
复制代码
11.用来记录HashMap的修改次数
// 每次扩容和更改map结构的计数器
transient int modCount;
复制代码
12.用来调整大小下一个容量的值计算方式为（容量*负载因子）
// 临界值 当实际大小（容量*负载因子）超过临界值时，会进行扩容
int threshold;
复制代码
13.哈希表的负载因子(重点)
// 负载因子
final float loadFactor;
复制代码
说明：loadFactor加载因子，可表示hashMap的疏密程度，影响影响hash操做到同一个数组位置的几率,默认0.75,不建议修改。
4.2构造方法
1.构造一个空的HashMap，默认初始容量（16）和默认负载因子（0.75）
// 将默认的负载因子0.75赋值给loadFactor，并无建立数组
public HashMap() {
this.loadFactor = DEFAULT_LOAD_FACTOR;
}
复制代码
2.构造一个具备指定的初始容量和默认负载因子（0.75）HashMap
// 指定“容量大小”的构造函数
public HashMap(int initialCapacity) {
this(initialCapacity, DEFAULT_LOAD_FACTOR);
}
复制代码
3.构造一个具备指定的初始容量和负载因子的 HashMap
/* 指定“容量大小”和“负载因子”的构造函数 initialCapacity：指定的容量 loadFactor:指定的负载因子 */
public HashMap(int initialCapacity, float loadFactor) {
// 判断初始化容量initialCapacity是否小于0
if (initialCapacity < 0)
// 若是小于0，则抛出非法的参数异常IllegalArgumentException
throw new IllegalArgumentException("Illegal initial capacity: " + initialCapacity);
// 判断初始化容量initialCapacity是否大于集合的最大容量MAXIMUM_CAPACITY
if (initialCapacity > MAXIMUM_CAPACITY)
// 若是超过MAXIMUM_CAPACITY，会将MAXIMUM_CAPACITY赋值给initialCapacity
initialCapacity = MAXIMUM_CAPACITY;
// 判断负载因子loadFactor是否小于等于0或者是不是一个非数值
if (loadFactor <= 0 || Float.isNaN(loadFactor))
// 若是知足上述其中之一，则抛出非法的参数异常IllegalArgumentException
throw new IllegalArgumentException("Illegal load factor: " + loadFactor);
// 将指定的负载因子赋值给HashMap成员变量的负载因子loadFactor
this.loadFactor = loadFactor;
this.threshold = tableSizeFor(initialCapacity);
}
复制代码
4.包含另外一个“Map”的构造函数
final void putMapEntries(Map<? extends K, ? extends V> m, boolean evict) {
//获取参数集合的长度
int s = m.size();
if (s > 0) {
//判断参数集合的长度是否大于0，说明大于0
if (table == null) { // 判断table是否已经初始化
// 未初始化，s为m的实际元素个数
float ft = ((float)s / loadFactor) + 1.0F;
int t = ((ft < (float)MAXIMUM_CAPACITY) ? (int)ft : MAXIMUM_CAPACITY);
// 计算获得的t大于阈值，则初始化阈值
if (t > threshold)
threshold = tableSizeFor(t);
}
// 已初始化，而且m元素个数大于阈值，进行扩容处理
else if (s > threshold)
resize();
// 将m中的全部元素添加至HashMap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);
}
}
}
复制代码
4.3成员方法
1.增长方法（put）
- 先判断数组是否初始化，若是没有初始化，则进行一次初始化操做（扩容），同时将数组大小赋给n
- 先找到具体的桶，并判断此位置是否有元素，若是没有元素，则建立一个Node直接插入
- 若是有元素，则出现冲突
- 若是为红黑树节点，调用红黑树方法插入
- 若是为普通节点，插入链表末尾，而且长度达到临界点时，将链表转为红黑树
- 若是桶中存在重复的键，将该键替换新值value
- size大于阈值threshold，进行扩容
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;
/* 1）transient Node<K,V>[] table; 表示存储Map集合中元素的数组。 2）(tab = table) == null 表示将空的table赋值给tab，而后判断tab是否等于null，第一次确定是null。 3）(n = tab.length) == 0 表示将数组的长度0赋值给n，而后判断n是否等于0，n等于0，因为if判断使用双或，知足一个便可，则执行代码 n = (tab = resize()).length; 进行数组初始化，并将初始化好的数组长度赋值给n。 4）执行完n = (tab = resize()).length，数组tab每一个空间都是null。 */
if ((tab = table) == null || (n = tab.length) == 0)
n = (tab = resize()).length;
/* 1）i = (n - 1) & hash 表示计算数组的索引赋值给i，即肯定元素存放在哪一个桶中。 2）p = tab[i = (n - 1) & hash]表示获取计算出的位置的数据赋值给结点p。 3) (p = tab[i = (n - 1) & hash]) == null 判断结点位置是否等于null，若是为null，则执行代码：tab[i] = newNode(hash, key, value, null);根据键值对建立新的结点放入该位置的桶中。 小结：若是当前桶没有哈希碰撞冲突，则直接把键值对插入空间位置。 */
if ((p = tab[i = (n - 1) & hash]) == null)
// 建立一个新的结点存入到桶中
tab[i] = newNode(hash, key, value, null);
else {
// 执行else说明tab[i]不等于null，表示这个位置已经有值了
Node<K,V> e; K k;
/* 比较桶中第一个元素(数组中的结点)的hash值和key是否相等 1）p.hash == hash ：p.hash表示原来存在数据的hash值 hash表示后添加数据的hash值 比较两个hash值是否相等。 说明：p表示tab[i]，即 newNode(hash, key, value, null)方法返回的Node对象。 Node<K,V> newNode(int hash, K key, V value, Node<K,V> next) { return new Node<>(hash, key, value, next); } 而在Node类中具备成员变量hash用来记录着以前数据的hash值的。 2）(k = p.key) == key ：p.key获取原来数据的key赋值给k key 表示后添加数据的key比较两个key的地址值是否相等。 3）key != null && key.equals(k)：可以执行到这里说明两个key的地址值不相等，那么先判断后添加的key是否等于null，若是不等于null再调用equals方法判断两个key的内容是否相等。 */
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
/* 说明：两个元素哈希值相等，而且key的值也相等，将旧的元素总体对象赋值给e，用e来记录 */
e = p;
// hash值不相等或者key不相等；判断p是否为红黑树结点
else if (p instanceof TreeNode)
// 放入树中
e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
// 说明是链表结点
else {
/* 1)若是是链表的话须要遍历到最后结点而后插入 2)采用循环遍历的方式，判断链表中是否有重复的key */
for (int binCount = 0; ; ++binCount) {
/* 1)e = p.next 获取p的下一个元素赋值给e。 2)(e = p.next) == null 判断p.next是否等于null，等于null，说明p没有下一个元素，那么此时到达了链表的尾部，尚未找到重复的key,则说明HashMap没有包含该键，将该键值对插入链表中。 */
if ((e = p.next) == null) {
/* 1）建立一个新的结点插入到尾部 p.next = newNode(hash, key, value, null); Node<K,V> newNode(int hash, K key, V value, Node<K,V> next) { return new Node<>(hash, key, value, next); } 注意第四个参数next是null，由于当前元素插入到链表末尾了，那么下一个结点确定是null。 2）这种添加方式也知足链表数据结构的特色，每次向后添加新的元素。 */
p.next = newNode(hash, key, value, null);
/* 1)结点添加完成以后判断此时结点个数是否大于TREEIFY_THRESHOLD临界值8，若是大于则将链表转换为红黑树。 2）int binCount = 0 ：表示for循环的初始化值。从0开始计数。记录着遍历结点的个数。值是0表示第一个结点，1表示第二个结点。。。。7表示第八个结点，加上数组中的的一个元素，元素个数是9。 TREEIFY_THRESHOLD - 1 --》8 - 1 ---》7 若是binCount的值是7(加上数组中的的一个元素，元素个数是9) TREEIFY_THRESHOLD - 1也是7，此时转换红黑树。 */
if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st
// 转换为红黑树
treeifyBin(tab, hash);
// 跳出循环
break;
}
/* 执行到这里说明e = p.next 不是null，不是最后一个元素。继续判断链表中结点的key值与插入的元素的key值是否相等。 */
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
// 相等，跳出循环
/* 要添加的元素和链表中的存在的元素的key相等了，则跳出for循环。不用再继续比较了 直接执行下面的if语句去替换去 if (e != null) */
break;
/* 说明新添加的元素和当前结点不相等，继续查找下一个结点。 用于遍历桶中的链表，与前面的e = p.next组合，能够遍历链表 */
p = e;
}
}
/* 表示在桶中找到key值、hash值与插入元素相等的结点 也就是说经过上面的操做找到了重复的键，因此这里就是把该键的值变为新的值，并返回旧值 这里完成了put方法的修改功能 */
if (e != null) {
// 记录e的value
V oldValue = e.value;
// onlyIfAbsent为false或者旧值为null
if (!onlyIfAbsent || oldValue == null)
// 用新值替换旧值
// e.value 表示旧值 value表示新值
e.value = value;
// 访问后回调
afterNodeAccess(e);
// 返回旧值
return oldValue;
}
}
// 修改记录次数
++modCount;
// 判断实际大小是否大于threshold阈值，若是超过则扩容
if (++size > threshold)
resize();
// 插入后回调
afterNodeInsertion(evict);
return null;
}
复制代码
2.链表转红黑树(treeifyBin)
/* 替换指定哈希表的索引处桶中的全部连接结点，除非表过小，不然将修改大小。 Node<K,V>[] tab = tab 数组名 int hash = hash表示哈希值 */
final void treeifyBin(Node<K,V>[] tab, int hash) {
int n, index; Node<K,V> e;
/* 若是当前数组为空或者数组的长度小于进行树形化的阈值(MIN_TREEIFY_CAPACITY = 64)，就去扩容。而不是将结点变为红黑树。 目的：若是数组很小，那么转换红黑树，而后遍历效率要低一些。这时进行扩容，那么从新计算哈希值，链表长度有可能就变短了，数据会放到数组中，这样相对来讲效率高一些。 */
if (tab == null || (n = tab.length) < MIN_TREEIFY_CAPACITY)
//扩容方法
resize();
else if ((e = tab[index = (n - 1) & hash]) != null) {
/* 1）执行到这里说明哈希表中的数组长度大于阈值64，开始进行树形化 2）e = tab[index = (n - 1) & hash]表示将数组中的元素取出赋值给e，e是哈希表中指定位置桶里的链表结点，从第一个开始 */
// hd：红黑树的头结点 tl：红黑树的尾结点
TreeNode<K,V> hd = null, tl = null;
do {
// 新建立一个树的结点，内容和当前链表结点e一致
TreeNode<K,V> p = replacementTreeNode(e, null);
if (tl == null)
hd = p; // 将新创键的p结点赋值给红黑树的头结点
else {
p.prev = tl; // 将上一个结点p赋值给如今的p的前一个结点
tl.next = p; // 将如今结点p做为树的尾结点的下一个结点
}
tl = p;
/* e = e.next 将当前结点的下一个结点赋值给e，若是下一个结点不等于null 则回到上面继续取出链表中结点转换为红黑树 */
} while ((e = e.next) != null);
/* 让桶中的第一个元素即数组中的元素指向新建的红黑树的结点，之后这个桶里的元素就是红黑树 而不是链表数据结构了 */
if ((tab[index] = hd) != null)
hd.treeify(tab);
}
}
复制代码
3. 扩容方法 resize()
final Node<K,V>[] resize() {
// 获得当前数组
Node<K,V>[] oldTab = table;
// 若是当前数组等于null长度返回0，不然返回当前数组的长度
int oldCap = (oldTab == null) ? 0 : oldTab.length;
//当前阀值点 默认是12(16*0.75)
int oldThr = threshold;
int newCap, newThr = 0;
// 若是老的数组长度大于0
// 开始计算扩容后的大小
if (oldCap > 0) {
// 超过最大值就再也不扩充了，就只好随你碰撞去吧
if (oldCap >= MAXIMUM_CAPACITY) {
// 修改阈值为int的最大值
threshold = Integer.MAX_VALUE;
return oldTab;
}
/* 没超过最大值，就扩充为原来的2倍 1) (newCap = oldCap << 1) < MAXIMUM_CAPACITY 扩大到2倍以后容量要小于最大容量 2）oldCap >= DEFAULT_INITIAL_CAPACITY 原数组长度大于等于数组初始化长度16 */
else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&
oldCap >= DEFAULT_INITIAL_CAPACITY)
// 阈值扩大一倍
newThr = oldThr << 1; // double threshold
}
// 老阈值点大于0 直接赋值
else if (oldThr > 0) // 老阈值赋值给新的数组长度
newCap = oldThr;
else { // 直接使用默认值
newCap = DEFAULT_INITIAL_CAPACITY;//16
newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);
}
// 计算新的resize最大上限
if (newThr == 0) {
float ft = (float)newCap * loadFactor;
newThr = (newCap < MAXIMUM_CAPACITY && ft < (float)MAXIMUM_CAPACITY ?
(int)ft : Integer.MAX_VALUE);
}
// 新的阀值 默认原来是12 乘以2以后变为24
threshold = newThr;
// 建立新的哈希表
@SuppressWarnings({"rawtypes","unchecked"})
//newCap是新的数组长度--》32
Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap];
table = newTab;
// 判断旧数组是否等于空
if (oldTab != null) {
// 把每一个bucket都移动到新的buckets中
// 遍历旧的哈希表的每一个桶，从新计算桶里元素的新位置
for (int j = 0; j < oldCap; ++j) {
Node<K,V> e;
if ((e = oldTab[j]) != null) {
// 原来的数据赋值为null 便于GC回收
oldTab[j] = null;
// 判断数组是否有下一个引用
if (e.next == null)
// 没有下一个引用，说明不是链表，当前桶上只有一个键值对，直接插入
newTab[e.hash & (newCap - 1)] = e;
//判断是不是红黑树
else if (e instanceof TreeNode)
// 说明是红黑树来处理冲突的，则调用相关方法把树分开
((TreeNode<K,V>)e).split(this, newTab, j, oldCap);
else { // 采用链表处理冲突
Node<K,V> loHead = null, loTail = null;
Node<K,V> hiHead = null, hiTail = null;
Node<K,V> next;
// 经过上述讲解的原理来计算结点的新位置
do {
// 原索引
next = e.next;
// 这里来判断若是等于true e这个结点在resize以后不须要移动位置
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;
}
复制代码
4.删除方法remove()
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;
// 根据hash找到位置
// 若是当前key映射到的桶不为空
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;
// 若是桶上的结点就是要找的key，则将node指向该结点
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
node = p;
else if ((e = p.next) != null) {
// 说明结点存在下一个结点
if (p instanceof TreeNode)
// 说明是以红黑树来处理的冲突，则获取红黑树要删除的结点
node = ((TreeNode<K,V>)p).getTreeNode(hash, key);
else {
// 判断是否以链表方式处理hash冲突，是的话则经过遍历链表来寻找要删除的结点
do {
if (e.hash == hash &&
((k = e.key) == key ||
(key != null && key.equals(k)))) {
node = e;
break;
}
p = e;
} while ((e = e.next) != null);
}
}
// 比较找到的key的value和要删除的是否匹配
if (node != null && (!matchValue || (v = node.value) == value ||
(value != null && value.equals(v)))) {
// 经过调用红黑树的方法来删除结点
if (node instanceof TreeNode)
((TreeNode<K,V>)node).removeTreeNode(this, tab, movable);
else if (node == p)
// 链表删除
tab[index] = node.next;
else
p.next = node.next;
// 记录修改次数
++modCount;
// 变更的数量
--size;
afterNodeRemoval(node);
return node;
}
}
return null;
}
复制代码
5.查找元素方法get()
final Node<K,V> getNode(int hash, Object key) {
Node<K,V>[] tab; Node<K,V> first, e; int n; K k;
// 若是哈希表不为空而且key对应的桶上不为空
if ((tab = table) != null && (n = tab.length) > 0 &&
(first = tab[(n - 1) & hash]) != null) {
/* 判断数组元素是否相等 根据索引的位置检查第一个元素 注意：老是检查第一个元素 */
if (first.hash == hash && // always check first node
((k = first.key) == key || (key != null && key.equals(k))))
return first;
// 若是不是第一个元素，判断是否有后续结点
if ((e = first.next) != null) {
// 判断是不是红黑树，是的话调用红黑树中的getTreeNode方法获取结点
if (first instanceof TreeNode)
return ((TreeNode<K,V>)first).getTreeNode(hash, key);
do {
// 不是红黑树的话，那就是链表结构了，经过循环的方法判断链表中是否存在该key
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
5、如何保证线程安全
1.使用Collections.synchronizedMap(Map)建立线程安全的map集合
在SynchronizedMap内部维护了一个普通对象Map，还有排斥锁mutex。
若是没有，则将对象排斥锁赋值为this，即调用synchronizedMap的对象，就是上面的Map。
建立出synchronizedMap以后，再操做map的时候，就会对方法上锁
2. ConcurrentHashMap
1.底层数据结构（jdk1.7）
Segment 是 ConcurrentHashMap 的一个内部类，主要的组成以下：
static final class Segment<K,V> extends ReentrantLock implements Serializable {
private static final long serialVersionUID = 2249069246763182397L;
// 和 HashMap 中的 HashEntry 做用同样，真正存放数据的桶
transient volatile HashEntry<K,V>[] table;
transient int count;
// 记得快速失败（fail—fast）么？
transient int modCount;
// 大小
transient int threshold;
// 负载因子
final float loadFactor;
}
复制代码
HashEntry跟HashMap差很少的，可是不一样点是，他使用volatile去修饰了他的数据Value还有下一个节点next。
2.并发度高的缘由（jdk1.7）
原理上来讲，ConcurrentHashMap 采用了分段锁技术，其中 Segment 继承于 ReentrantLock。
不会像 HashTable 那样无论是 put 仍是 get 操做都须要作同步处理，理论上 ConcurrentHashMap 支持 CurrencyLevel (Segment 数组数量)的线程并发。
每当一个线程占用锁访问一个 Segment 时，不会影响到其余的 Segment。
就是说若是容量大小是16他的并发度就是16，能够同时容许16个线程操做16个Segment并且仍是线程安全的。
public V put(K key, V value) {
Segment<K,V> s;
if (value == null)
throw new NullPointerException();//这就是为啥他不能够put null值的缘由
int hash = hash(key);
int j = (hash >>> segmentShift) & segmentMask;
if ((s = (Segment<K,V>)UNSAFE.getObject
(segments, (j << SSHIFT) + SBASE)) == null)
s = ensureSegment(j);
return s.put(key, hash, value, false);
}
复制代码
先定位到Segment，而后再进行put操做。
//put源码
final V put(K key, int hash, V value, boolean onlyIfAbsent) {
// 将当前 Segment 中的 table 经过 key 的 hashcode 定位到 HashEntry
HashEntry<K,V> node = tryLock() ? null :
scanAndLockForPut(key, hash, value);
V oldValue;
try {
HashEntry<K,V>[] tab = table;
int index = (tab.length - 1) & hash;
HashEntry<K,V> first = entryAt(tab, index);
for (HashEntry<K,V> e = first;;) {
if (e != null) {
K k;
// 遍历该 HashEntry，若是不为空则判断传入的 key 和当前遍历的 key 是否相等，相等则覆盖旧的 value。
if ((k = e.key) == key ||
(e.hash == hash && key.equals(k))) {
oldValue = e.value;
if (!onlyIfAbsent) {
e.value = value;
++modCount;
}
break;
}
e = e.next;
}
else {
// 不为空则须要新建一个 HashEntry 并加入到 Segment 中，同时会先判断是否须要扩容。
if (node != null)
node.setNext(first);
else
node = new HashEntry<K,V>(hash, key, value, first);
int c = count + 1;
if (c > threshold && tab.length < MAXIMUM_CAPACITY)
rehash(node);
else
setEntryAt(tab, index, node);
++modCount;
count = c;
oldValue = null;
break;
}
}
} finally {
//释放锁
unlock();
}
return oldValue;
}
复制代码
首先第一步的时候会尝试获取锁，若是获取失败确定就有其余线程存在竞争，则利用scanAndLockForPut() 自旋获取锁。
- 尝试自旋获取锁。
- 若是重试的次数达到了
MAX_SCAN_RETRIES则改成阻塞锁获取，保证能获取成功。
get逻辑
get 逻辑比较简单，只须要将 Key 经过 Hash 以后定位到具体的 Segment ，再经过一次 Hash 定位到具体的元素上。
因为 HashEntry 中的 value 属性是用 volatile 关键词修饰的，保证了内存可见性，因此每次获取时都是最新值。
ConcurrentHashMap 的 get 方法是很是高效的，由于整个过程都不须要加锁。
1.3 底层数据结构（jdk1.8）
其中抛弃了原有的 Segment 分段锁，而采用了 CAS + synchronized 来保证并发安全性。
跟HashMap很像，也把以前的HashEntry改为了Node，可是做用不变，把值和next采用了volatile去修饰，保证了可见性，而且也引入了红黑树，在链表大于必定值的时候会转换（默认是8）。
1.4 存取操做？以及是怎么保证线程安全的？（jdk1.8）
- put操做步骤：
-
根据 key 计算出 hashcode 。
-
判断是否须要进行初始化。
-
即为当前 key 定位出的 Node，若是为空表示当前位置能够写入数据，利用 CAS 尝试写入，失败则自旋保证成功。
-
若是当前位置的
hashcode == MOVED == -1,则须要进行扩容。 -
若是都不知足，则利用 synchronized 锁写入数据。
-
若是数量大于
TREEIFY_THRESHOLD则要转换为红黑树。
final V putVal(K key, V value, boolean onlyIfAbsent) {
if (key == null || value == null) throw new NullPointerException();
//计算出hash值
int hash = spread(key.hashCode());
int binCount = 0;
for (Node<K,V>[] tab = table;;) {
Node<K,V> f; int n, i, fh;
//判断是否须要初始化
if (tab == null || (n = tab.length) == 0)
tab = initTable();
else if ((f = tabAt(tab, i = (n - 1) & hash)) == null) {
//为当前key定位出的node，若是为空表示当前位置能够写入数据，利用CAS尝试写入，失败则自选保证成功。
if (casTabAt(tab, i, null,
new Node<K,V>(hash, key, value, null)))
break; // no lock when adding to empty bin
}
//若是当前位置的 hashcode == MOVED == -1,则须要进行扩容。
else if ((fh = f.hash) == MOVED)
tab = helpTransfer(tab, f);
else {
//若是都不知足，则利用 synchronized 锁写入数据。
V oldVal = null;
synchronized (f) {
if (tabAt(tab, i) == f) {
if (fh >= 0) {
binCount = 1;
for (Node<K,V> e = f;; ++binCount) {
K ek;
if (e.hash == hash &&
((ek = e.key) == key ||
(ek != null && key.equals(ek)))) {
oldVal = e.val;
if (!onlyIfAbsent)
e.val = value;
break;
}
Node<K,V> pred = e;
if ((e = e.next) == null) {
pred.next = new Node<K,V>(hash, key,
value, null);
break;
}
}
}
else if (f instanceof TreeBin) {
Node<K,V> p;
binCount = 2;
if ((p = ((TreeBin<K,V>)f).putTreeVal(hash, key,
value)) != null) {
oldVal = p.val;
if (!onlyIfAbsent)
p.val = value;
}
}
}
}
if (binCount != 0) {
//若是数量大于 `TREEIFY_THRESHOLD` 则要转换为红黑树。
if (binCount >= TREEIFY_THRESHOLD)
treeifyBin(tab, i);
if (oldVal != null)
return oldVal;
break;
}
}
}
addCount(1L, binCount);
return null;
}
复制代码
+的get操做步骤:
1.根据计算出来的 hashcode 寻址，若是就在桶上那么直接返回值。
2.若是是红黑树那就按照树的方式获取值。
3.就不知足那就按照链表的方式遍历获取值。
1.5 CAS是什么？自旋又是什么？
CAS 是乐观锁的一种实现方式，是一种轻量级锁，JUC 中不少工具类的实现就是基于 CAS 的。
CAS 操做的流程以下图所示，线程在读取数据时不进行加锁，在准备写回数据时，比较原值是否修改，若未被其余线程修改则写回，若已被修改，则从新执行读取流程。
这是一种乐观策略，认为并发操做并不总会发生。
1.6 CAS性能很高，可是我知道synchronized性能可不咋地，为啥jdk1.8升级以后反而多了synchronized？
synchronized以前一直都是重量级的锁，可是后来java官方是对他进行过升级的，他如今采用的是锁升级的方式去作的。
针对 synchronized 获取锁的方式，JVM 使用了锁升级的优化方式，就是先使用偏向锁优先同一线程而后再次获取锁，若是失败，就升级为 CAS 轻量级锁，若是失败就会短暂自旋，防止线程被系统挂起。最后若是以上都失败就升级为重量级锁。
因此是一步步升级上去的，最初也是经过不少轻量级的方式锁定的。
相关文章
- 1. HashMap与HashTable
- 2. 三、HashMap与HashTable
- 3. HashMap与ConcurrentHashMap、HashTable
- 4. hashMap与hashTable
- 5. Hashtable与hashMap
- 6. HashMap与Hashtable
- 7. java中HashMap与HashTable
- 8. HashTable与HashMap区别
- 9. hashMap/hashTable
- 10. HashMap 与HashTable的区别
- 更多相关文章...
- • C# 哈希表（Hashtable） - C#教程
- • ASP.NET Web Forms - Hashtable 对象 - ASP.NET 教程
- • Composer 安装与使用
- • Java Agent入门实战（一）-Instrumentation介绍与使用
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. Window下Ribbit MQ安装
- 2. Linux下Redis安装及集群搭建
- 3. shiny搭建网站填坑战略
- 4. Mysql8.0.22安装与配置详细教程
- 5. Hadoop安装及配置
- 6. Python爬虫初学笔记
- 7. 部署LVS-Keepalived高可用集群
- 8. keepalived+mysql高可用集群
- 9. jenkins 公钥配置
- 10. HA实用详解
欢迎关注本站公众号,获取更多信息
