对HashMap源码的一些分析

下边分析HashMap的插入操做。

hashMap中一些重要的常量

static final int DEFAULT_INITIAL_CAPACITY = 1 << 4;//table的初始容量

static final int MAXIMUM_CAPACITY = 1 << 30//最大容量;

static final float DEFAULT_LOAD_FACTOR = 0.75f;//默认的因子,在计算阈值时用，为何为0.75？

static final int TREEIFY_THRESHOLD = 8;//超过这个值后table结构由链表变为红黑树

static final int UNTREEIFY_THRESHOLD = 6;//小于这个值table结构由红黑树变为链表

static final int MIN_TREEIFY_CAPACITY = 64;//若是键对值小于，这个值，则不进行变换红黑值操做
对于上边的一些思考在文末

1.put()函数

//put()函数的分析，内部调用了putVal,咱们对putval进行分析
final V putVal(int hash, K key, V value, boolean onlyIfAbsent, boolean evict) {
        Node<K,V>[] tab; Node<K,V> p; int n, i;
        //table为null,或则length=0;进行初始化操做，resize函数具体分析在下面
        if ((tab = table) == null || (n = tab.length) == 0)
            n = (tab = resize()).length;
        //若是插入的位置为null，则直接插入
        if ((p = tab[i = (n - 1) & hash]) == null)
            tab[i] = newNode(hash, key, value, null);
        //插入的位置不为null
        else {
            Node<K,V> e; K k;
            //插入数组中的位置的值恰好等于插入的值
            if (p.hash == hash &&
                ((k = p.key) == key || (key != null && key.equals(k))))
                e = p;
            //插入的位置红黑树结构
            else if (p instanceof TreeNode)
                //putTreeVal()实际为红黑树的插入操做，具体见另外一个单独的blog,红黑树的插入分析
                e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
            else {
                //插入的节点为链表结构，不断前后找到插入的节点
                for (int binCount = 0; ; ++binCount) {
                    if ((e = p.next) == null) {
                        p.next = newNode(hash, key, value, null);
                        //大于>TREEIFY_THRESHOLD-1时，将链表节点转为treeNode,TREEIFY_THRESHOLD=8;
                        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;
                }
            }
            //若是找到插入的节点位置，返回插入的节点
            if (e != null) { // existing mapping for key
                V oldValue = e.value;
                if (!onlyIfAbsent || oldValue == null)
                    e.value = value;
                afterNodeAccess(e);
                return oldValue;
            }
        }
        ++modCount;
        //成功插入以后进行resize操做，，判断是否超出容量
        if (++size > threshold)
            resize();
        afterNodeInsertion(evict);
        return null;
    }
复制代码

2.resize()函数的分析

在resize()中进行table容量大小的调整，以及将旧table的值转移到新table的相关操做

//hashmap的resize函数，每次插入时都要调用，调整hashmap的大小
final Node<K,V>[] resize() {
        //old 旧hashmap的容量大小
        Node<K,V>[] oldTab = table;
        int oldCap = (oldTab == null) ? 0 : oldTab.length;
        //threshold 阈值 超过这个容量后就会进行扩容
        int oldThr = threshold;
        int newCap, newThr = 0;
        if (oldCap > 0) {
            //当旧的容量>=最大容量时，threshold为最大容量
            if (oldCap >= MAXIMUM_CAPACITY) {
                threshold = Integer.MAX_VALUE;
                return oldTab;
            }
            //设置新的容量为旧的容量的2倍，同时 newthr=2*oldThr
            else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&
                     oldCap >= DEFAULT_INITIAL_CAPACITY)
                newThr = oldThr << 1; // double threshold
        }
        //若是旧的容量为0，且旧的阈值大于0，则新的容量为旧的阈值
        else if (oldThr > 0) // initial capacity was placed in threshold
            newCap = oldThr;
        //若是旧容量为0，就阈值<=0;新容量=默认大小，通常为16，1<<4;
        //新的阈值 newThr=defult_factor（通常为0.75）*DEFAULT_INITIAL_CAPACITY(16) = 12;
        else {               // zero initial threshold signifies using defaults
            newCap = DEFAULT_INITIAL_CAPACITY;
            newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);
        }
        //这个状况对应于 oldThr>0&&oldCap<=0;
        if (newThr == 0) {
            //此时 newCap=16；
            float ft = (float)newCap * loadFactor;
            newThr = (newCap < MAXIMUM_CAPACITY && ft < (float)MAXIMUM_CAPACITY ?
                      (int)ft : Integer.MAX_VALUE);
        }
        //设置map的阈值为新的值；
        threshold = newThr;
        //上边的过程即为调整新容量，新阈值的过程，下边为调整旧table到新table;
        @SuppressWarnings({"rawtypes","unchecked"})
        Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap];
        table = newTab;
        if (oldTab != null) {
            //逐个调整oldTable中的值到新table
            for (int j = 0; j < oldCap; ++j) {
                Node<K,V> e;
                if ((e = oldTab[j]) != null) {
                    //赋值为null，方便gc;
                    oldTab[j] = null;
                    //若是数组中的节点，没有后继节点，直接赋值给新table
                    if (e.next == null)
                        newTab[e.hash & (newCap - 1)] = e;
                    //若是节点为树节点（红黑树），且这个节点还有后继节点
                    else if (e instanceof TreeNode)
                        //拆分这个红黑树，分为两部分，一部分在新table的索引为原table的索引,一部分为原索引+oldCap
                        //具体分析看split()函数的分析
                        ((TreeNode<K,V>)e).split(this, newTab, j, oldCap);
                    //若是节点为普通的链表节点，在以下操做中也要将链表分为两个链表 
                    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

3.split()函数的分析

见名知意，将一个链表或一个RBTree,分为两个链表。

//split函数，将一条链表分解为两条链表，或将一个红黑树分为两个链表
final void split(HashMap<K,V> map, Node<K,V>[] tab, int index, int bit) {
            TreeNode<K,V> b = this;
            // Relink into lo and hi lists, preserving order
            TreeNode<K,V> loHead = null, loTail = null;
            TreeNode<K,V> hiHead = null, hiTail = null;
            //这连个变量表示两条链表的长度
            int lc = 0, hc = 0;
            //遍历整条链表
            for (TreeNode<K,V> e = b, next; e != null; e = next) {
                next = (TreeNode<K,V>)e.next;
                e.next = null;
                //e.hash&bit(oldcap)==0的节点的索引为原索引，具体分析见下边 e.hash&bit的分析
                if ((e.hash & bit) == 0) {
                    //就是不断添加节点，组成链表的过程
                    if ((e.prev = loTail) == null)
                        loHead = e;
                    else
                        loTail.next = e;
                    loTail = e;
                    ++lc;
                }
                //实际对应的状况为 e.hash&bit==1的节点对应的索引为oldcap+原索引
                else {
                    if ((e.prev = hiTail) == null)
                        hiHead = e;
                    else
                        hiTail.next = e;
                    hiTail = e;
                    ++hc;
                }
            }
            //通过以上操做就有两条链表，节点索引为原索引的链表头节点为：loHead
            // 节点索引为原索引+oldcap的链表头节点为：hiHead;
            if (loHead != null) {
                //判断链表长度，若是<=UNTREEIFY_THRESHOLD则为链表结构
                if (lc <= UNTREEIFY_THRESHOLD)
                    //untreeify内部进行了一个将普通链表转为treemap的链表的封装
                    tab[index] = loHead.untreeify(map);
                //判断链表的长度，若是超过UNTREEIFY_THRESHOLD,为8,则将链表结构转为红黑树 
                else {
                    tab[index] = loHead;
                    if (hiHead != null) // (else is already treeified)
                        //treeiFied函数实际为红黑树的插入函数，具体分析看红黑树的插入blog
                        loHead.treeify(tab);
                }
            }
            //如上
            if (hiHead != null) {
                if (hc <= UNTREEIFY_THRESHOLD)
                    tab[index + bit] = hiHead.untreeify(map);
                else {
                    tab[index + bit] = hiHead;
                    if (loHead != null)
                        hiHead.treeify(tab);
                }
            }
        }
复制代码

4.一些思考

1.对e.hash&oldCap的分析
假设 oldCap =16，二进制为 00**010000
咱们知道hashmap计算索引时，是（length-1）&hash值

对应原索引，为 00**01111&hash,实际是对hash取后四位，设后四位为abcd
对应新table,容量为2*oldCap,对应二进制位 00**0100000，计算hash时为 00*011111&hash,实际是取hash的后5位
则有两种状况 0abcd 对应的索引为原索引
            1abcd 对应的索引为原索引+oldCap,
怎么判断这两种状况？
咱们看到这两种状况最高位分别为0，1，咱们用oldCap&hash，便可得出0，1两个结果，0对应原索引，1对应新索引


2.为何factor=0.75;
在理想状况下,使用随机哈希码,节点出现的频率在hash桶中遵循泊松分布
当桶中元素到达8个的时候，几率已经变得很是小，也就是说用0.75做为加载因子，每一个碰撞位置的链表长度超过８个是几乎不可能的。

3.为何找索引时用 hash(key)&(length-1)
由于hash(key)的值是随机的，经过&操做，至关于对hash取模，能保证索引相对均匀分布
复制代码