HashMap

# 一些常量值

默认容量 16
数组最大长度 1<<30
默认扩容因子 0.75
链表转红黑树节点阈值 8
链表转红黑树时数组长度最小值 64

# 一些重要的方法逻辑

# 计算不小于给定值的最小的2次幂值

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;
}

1
2
3
4
5
6
7
8
9

作用就是把各位都变为1，然后加1，得到只有首位为1的二进制数，即为符合要求的最小二次幂。 cap-1是为了当给定的数就是二次幂时计算得到的数等于给定的数。例如给定值8，二进制100，如果不减1，最后会得到1000.

# 哈希计算

static final int hash(Object key) {
    int h;
    return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}

1
2
3
4

这里key.hashCode()) ^ (h >>> 16)的原因要结合元素的存取来看。元素的下标是计算的hash值与数组长度取模得到的:tab[(n - 1) & hash]。这也是为什么要求数组长度需要是一个2次幂的值，因为这样取模计算可以转为位操作，速度更快。
取模时参与计算的其实是小于数组长度的低位上的数，这样当数组长度还比较小时，很容易出现计算后落在同一个下标的情况(既为哈希碰撞)。所以通过把高位移到低位进行一次异或，让高位的数也能参与到下标计算，以很小的代价来降低碰撞几率。

# 存值

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)
        //数组为空，要先设置容量。
        n = (tab = resize()).length;
    if ((p = tab[i = (n - 1) & hash]) == null)
        //下标位置为空，直接存
        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))))
            // 为null 或想等  或者相同   找到对应节点
            e = p;
        else if (p instanceof TreeNode)
            //是树结构
            e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
        else {
            //链表结构 
            for (int binCount = 0; ; ++binCount) {
                //是尾节点
                if ((e = p.next) == null) {
                    p.next = newNode(hash, key, value, null);
                    //超过阈值将链表转为树结构
                    if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st
                        treeifyBin(tab, hash);
                    break;
                }
                //找到对应节点
                if (e.hash == hash &&
                    ((k = e.key) == key || (key != null && key.equals(k))))
                    break;
                p = e;
            }
        }
        //如果key对应的节点已存在
        if (e != null) { // existing mapping for key
            V oldValue = e.value;
            //替换value值
            if (!onlyIfAbsent || oldValue == null)
                e.value = value;
            //LinkedHashMap中实现该方法，维护节点插入顺序
            afterNodeAccess(e);
            return oldValue;
        }
    }
    //如果是新建节点 需要更新结构修改次数  
    ++modCount;
    if (++size > threshold)
        //扩容
        resize();
    //LinkedHashMap中实现该方法，维护节点插入顺序
    afterNodeInsertion(evict);
    return null;
}

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56

# 取值

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;
}

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19

# 删除

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;

        //...省略找节点的过程

        if (node != null && (!matchValue || (v = node.value) == value ||
                              (value != null && value.equals(v)))) {
            if (node instanceof TreeNode)
                //在树结构中删除
                ((TreeNode<K,V>)node).removeTreeNode(this, tab, movable);
            else if (node == p)
                //是下标元素(链表头元素)，直接用链表下一个替换
                tab[index] = node.next;
            else
                //链表中的元素
                p.next = node.next;
            ++modCount;
            --size;
            afterNodeRemoval(node);
            return node;
        }
    }
    return null;
}

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28

# 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;
    //计算新容量
    if (oldCap > 0) {
        //已经初始化过数组，则容量翻倍，数组容量>=2^30时不再扩容，只是提升阈值为  Integer.MAX_VALUE
        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
        //如果是初始化Map时指定了容量
        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) {
        //原数组上的元素移到新数组
        for (int j = 0; j < oldCap; ++j) {
            Node<K,V> e;
            if ((e = oldTab[j]) != null) {
                oldTab[j] = null;
                if (e.next == null)
                    //只有个元素，那么直接放到新数组，不会有碰撞
                    newTab[e.hash & (newCap - 1)] = e;
                else if (e instanceof TreeNode)
                    //树结构的移动
                    ((TreeNode<K,V>)e).split(this, newTab, j, oldCap);
                else { // preserve order
                    //链表结构的移动，因为参与下标计算的位数比之前多了一位，则只需要看这一位是0还是1，分成两个链表即可。
                    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;
}

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80

# 总结

判断是否是目标节点的方法e.hash == hash && ((k = e.key) == key || (key != null && key.equals(k)))
插入节点后计算是否需要扩容，初始容量是0，第一次添加元素会扩容到默认值16
key和value都可为null

编辑

上次更新: 2023/10/31, 13:49:43

← Collection ThreadLocalRandom→