深度解剖HashMap底层原理

HashMap底层原理

写在前面
- JDK1.7版本——HashMap
- - java.1.7源码分析
  - new一个HashMap实例的存储流程图如下：
  - API常用方法
  - API中重要的变量
  - 第一步：申明一个HashMap对象
  - 第二步：存放键值对，put()方法
  - 第三步：获取数据get()
  - 对HashMap的其他操作
  - 扩容源码resize()
- JDK1.8版本——HashMap
- - 红黑树的原理
  - java1.8源码分析
  - Node类
  - ThreeNode 红黑树
  - 具体使用方法
  - hash值的计算
  - putVal方法
  - 扩容代码
  - get方法获取value
  - 转换成红黑树
  - 删除结点
- 哈希表解决Hash冲突
- 为什么HashMap具备下述特点：键-值（key-value）都允许为空、线程不安全、不保证有序、存储位置随时间变化
- 总结

写在前面

HashMap实现了Map， Cloneable, Serializable接口，继承了AbstractMap类，Map也是属于容器的父接口，Map接口主要用来存储的是键值对，根据hashCode值存储数据，大多数情况下可以直接定位到它的值，因而具有很快的访问速度，但遍历的顺序却是不确定的。HashMap最多只允许有一条记录的键为null，允许多个值为null。HashMap的线程并不安全，可能多个线程对HashMap进行操作会导致数据不一致，如果想满足线程安全，可以使用Collections帮助类的synchronizedMap方法使HashMap具有线程安全能力，或者使用ConcurrentHashMap。

JDK1.7版本——HashMap

JAVA7对于HashMap的实现主要用的数据结构是数组+链表，每个数组中的每个元素是一个单向链表，下图中每个绿色的实体就是内部类Entry的实例对象，Entry包括四个属性：key、value、hash值和指向下一个Entry对象的next指针。每个链表相当于一个hashtable的桶，链表主要用于解决hash冲突：如果不同key值计算出来的hash值相同，将会存储到数组相同的位置，由于之前的hash值数组位置已经存放了元素，则将原先位置的元素移到单链表的中，冲突hash值对应的键值存放到数组元素中。（发生冲突时新元素总是放在数组中，也就是在链表的头部，然后将原来的元素移入到链表中，类似于单链表的头插法！）
该采用链表解决hash冲突的方法 = 链地址法
重要参数
1.capacity：当前数组容量，始终保持 2^n，可以扩容，扩容后数组大小为当前的 2 倍。
2. loadFactor：负载因子，默认为 0.75。
3. threshold：扩容的阈值，等于 capacity * loadFactor

java.1.7源码分析

类的定义：基于Map接口的实现类，继承了AbstractMap抽象类，实现了Cloneable接口和Serializable接口，可实现序列化和拷贝。

public class HashMap<K,V>extends AbstractMap<K,V> implements Map<K,V>, Cloneable, Serializable

Entry内部类实现源码，具体信息看注释！Entry主要作用也就是用来存储HashMap中的Key和Value，通过HashCode计算出Entry对象应该去的数组下标位置。

/** * Entry类实现了Map.Entry接口* 即 实现了getKey()、getValue()、equals(Object o)和hashCode()等方法
**/
static class Entry<K,V> implements Map.Entry<K,V> {final K key;  // 键V value;  // 值Entry<K,V> next; // 指向下一个节点 ，也是一个Entry对象，从而形成解决hash冲突的单链表int hash;  // hash值/** * 构造方法，创建一个Entry * 参数：哈希值h，键值k，值v、下一个节点n */  Entry(int h, K k, V v, Entry<K,V> n) {  value = v;  next = n;  key = k;  hash = h;  }  // 返回 与 此项 对应的键public final K getKey() {  return key;  }  // 返回 与 此项 对应的值public final V getValue() {  return value;  }  public final V setValue(V newValue) {  V oldValue = value;  value = newValue;  return oldValue;  }  /** * equals（）* 作用：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 instanceof Map.Entry))  return false;  Map.Entry e = (Map.Entry)o;  Object k1 = getKey();  Object k2 = e.getKey();  if (k1 == k2 || (k1 != null && k1.equals(k2))) {  Object v1 = getValue();  Object v2 = e.getValue();  if (v1 == v2 || (v1 != null && v1.equals(v2)))  return true;  }  return false;  }  /** * hashCode（） */ public final int hashCode() { return Objects.hashCode(getKey()) ^ Objects.hashCode(getValue());  }  public final String toString() {  return getKey() + "=" + getValue();  }  /** * 当向HashMap中添加元素时，即调用put(k,v)时， * 对已经在HashMap中k位置进行v的覆盖时，会调用此方法 * 此处没做任何处理 */  void recordAccess(HashMap<K,V> m) {  }  /** * 当从HashMap中删除了一个Entry时，会调用该函数 * 此处没做任何处理 */  void recordRemoval(HashMap<K,V> m) {  } }

new一个HashMap实例的存储流程图如下：

API常用方法

V get(Object key); // 获得指定键的值
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trueSet<K> keySet();  // 单独抽取key序列，将所有key生成一个Set
Collection<V> values();  // 单独value序列，将所有value生成一个Collectionvoid clear(); // 清除哈希表中的所有键值对
int size();  // 返回哈希表中所有 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

API中重要的变量

// 1. 容量（capacity）： HashMap中数组的长度
// a. 容量范围：必须是2的幂 & <最大容量（2的30次方）
// b. 初始容量 = 哈希表创建时的容量// 默认容量 = 16 = 1<<4 = 00001中的1向左移4位 = 10000 = 十进制的2^4=16static final int DEFAULT_INITIAL_CAPACITY = 1 << 4;// 最大容量 =  2的30次方（若传入的容量过大，将被最大值替换）static final int MAXIMUM_CAPACITY = 1 << 30;// 2. 加载因子(Load factor)：HashMap在其容量自动增加前可达到多满的一种尺度
// a. 加载因子越大、填满的元素越多 = 空间利用率高、但冲突的机会加大、查找效率变低（因为链表变长了）
// b. 加载因子越小、填满的元素越少 = 空间利用率小、冲突的机会减小、查找效率高（链表不长）// 实际加载因子final float loadFactor;// 默认加载因子 = 0.75static final float DEFAULT_LOAD_FACTOR = 0.75f;// 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操作（即重建内部数据结构），从而哈希表将具有大约两倍的桶数
// b. 扩容阈值 = 容量 x 加载因子int threshold;// 4. 其他// 存储数据的Entry类型 数组，长度 = 2的幂// HashMap的实现方式 = 拉链法，Entry数组上的每个元素本质上是一个单向链表transient Entry<K,V>[] table = (Entry<K,V>[]) EMPTY_TABLE;  // HashMap的大小，即 HashMap中存储的键值对的数量transient int size;

加载因子详细说明：

第一步：申明一个HashMap对象

/*** 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 = 0.75、16*/public HashMap() {// 实际上是调用构造函数3：指定“容量大小”和“加载因子”的构造函数// 传入的指定容量 & 加载因子 = 默认this(DEFAULT_INITIAL_CAPACITY, 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) {// 实际上是调用指定“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 = 自己指定*/public HashMap(int initialCapacity, float loadFactor) {// 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;// 设置 加载因子this.loadFactor = loadFactor;// 设置 扩容阈值 = 初始容量// 注：此处不是真正的阈值，是为了扩展table，该阈值后面会重新计算，下面会详细讲解  threshold = initialCapacity;   init(); // 一个空方法用于未来的子对象扩展}/*** 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(Math.max((int) (m.size() / DEFAULT_LOAD_FACTOR) + 1,DEFAULT_INITIAL_CAPACITY), DEFAULT_LOAD_FACTOR);// 该方法用于初始化 数组 & 阈值，下面会详细说明inflateTable(threshold);// 将传入的子Map中的全部元素逐个添加到HashMap中putAllForCreate(m);}
}

第二步：存放键值对，put()方法

 /*** 函数使用原型*/map.put("A", 1);map.put("B", 2);map.put("C", 3);map.put("D", 4);map.put("E", 5);/*** 源码分析：主要分析： HashMap的put函数*/public V put(K key, V value)
（分析1）// 1. 若 哈希表未初始化（即 table为空) // 则使用 构造函数时设置的阈值(即初始容量) 初始化 数组table  if (table == EMPTY_TABLE) { inflateTable(threshold); }  // 2. 判断key是否为空值null
（分析2）// 2.1 若key == null，则将该键-值 存放到数组table 中的第1个位置，即table [0]// （本质：key = Null时，hash值 = 0，故存放到table[0]中）// 该位置永远只有1个value，新传进来的value会覆盖旧的valueif (key == null)return putForNullKey(value);（分析3） // 2.2 若 key ≠ null，则计算存放数组 table 中的位置（下标、索引）// a. 根据键值key计算hash值int hash = hash(key);// b. 根据hash值 最终获得 key对应存放的数组Table中位置int i = indexFor(hash, table.length);// 3. 判断该key对应的值是否已存在（通过遍历 以该数组元素为头结点的链表 逐个判断）for (Entry<K,V> e = table[i]; e != null; e = e.next) {Object k;
（分析4）// 3.1 若该key已存在（即 key-value已存在 ），则用 新value 替换 旧valueif (e.hash == hash && ((k = e.key) == key || key.equals(k))) {V oldValue = e.value;e.value = value;e.recordAccess(this);return oldValue; //并返回旧的value}}modCount++;（分析5）// 3.2 若 该key不存在，则将“key-value”添加到table中addEntry(hash, key, value, i);return null;}

第三步：获取数据get()

/*** 函数原型* 作用：根据键key，向HashMap获取对应的值*/ map.get(key)；/*** 源码分析*/ public V get(Object key) {  // 1. 当key == null时，则到 以哈希表数组中的第1个元素（即table[0]）为头结点的链表去寻找对应 key == null的键if (key == null)  return getForNullKey(); --> 分析1// 2. 当key ≠ null时，去获得对应值 -->分析2Entry<K,V> entry = getEntry(key);return null == entry ? null : entry.getValue();
}  /*** 分析1：getForNullKey()* 作用：当key == null时，则到 以哈希表数组中的第1个元素（即table[0]）为头结点的链表去寻找对应 key == null的键*/
private V getForNullKey() {  if (size == 0) {  return null;  }  // 遍历以table[0]为头结点的链表，寻找 key==null 对应的值for (Entry<K,V> e = table[0]; e != null; e = e.next) {  // 从table[0]中取key==null的value值 if (e.key == null)  return e.value; }  return null;
}  /*** 分析2：getEntry(key)* 作用：当key ≠ null时，去获得对应值*/
final Entry<K,V> getEntry(Object key) {  if (size == 0) {  return null;  }  // 1. 根据key值，通过hash（）计算出对应的hash值int hash = (key == null) ? 0 : hash(key);  // 2. 根据hash值计算出对应的数组下标// 3. 遍历 以该数组下标的数组元素为头结点的链表所有节点，寻找该key对应的值for (Entry<K,V> e = table[indexFor(hash, table.length)];  e != null;  e = e.next) {  Object k;  // 若 hash值 & key 相等，则证明该Entry = 我们要的键值对// 通过equals（）判断key是否相等if (e.hash == hash &&  ((k = e.key) == key || (key != null && key.equals(k))))  return e;  }  return null;
}

对HashMap的其他操作

  /*** 函数：isEmpty()* 作用：判断HashMap是否为空，即无键值对；size == 0时 表示为 空 */public boolean isEmpty() {  return size == 0;
} /*** 函数：size()* 作用：返回哈希表中所有 键值对的数量 = 数组中的键值对 + 链表中的键值对*/public int size() {  return size;
}  /*** 函数：clear()* 作用：清空哈希表，即删除所有键值对* 原理：将数组table中存储的Entry全部置为null、size置为0*/
public void clear() {  modCount++;  Arrays.fill(table, null);size = 0;
}  /*** 函数：putAll(Map<? extends K, ? extends V> m)* 作用：将指定Map中的键值对 复制到 此Map中* 原理：类似Put函数*/ public void putAll(Map<? extends K, ? extends V> m) {  // 1. 统计需复制多少个键值对  int numKeysToBeAdded = m.size();  if (numKeysToBeAdded == 0)  return; // 2. 若table还没初始化，先用刚刚统计的复制数去初始化table  if (table == EMPTY_TABLE) {  inflateTable((int) Math.max(numKeysToBeAdded * loadFactor, threshold));  }  // 3. 若需复制的数目 > 阈值，则需先扩容 if (numKeysToBeAdded > threshold) {  int targetCapacity = (int)(numKeysToBeAdded / loadFactor + 1);  if (targetCapacity > MAXIMUM_CAPACITY)  targetCapacity = MAXIMUM_CAPACITY;  int newCapacity = table.length;  while (newCapacity < targetCapacity)  newCapacity <<= 1;  if (newCapacity > table.length)  resize(newCapacity);  }  // 4. 开始复制（实际上不断调用Put函数插入）  for (Map.Entry<? extends K, ? extends V> e : m.entrySet())  put(e.getKey(), e.getValue());
}  /*** 函数：remove(Object key)* 作用：删除该键值对*/ public V remove(Object key) {  Entry<K,V> e = removeEntryForKey(key);  return (e == null ? null : e.value);
}  final Entry<K,V> removeEntryForKey(Object key) {  if (size == 0) {  return null;  }  // 1. 计算hash值int hash = (key == null) ? 0 : hash(key);  // 2. 计算存储的数组下标位置int i = indexFor(hash, table.length);  Entry<K,V> prev = table[i];  Entry<K,V> e = prev;  while (e != null) {  Entry<K,V> next = e.next;  Object k;  if (e.hash == hash &&  ((k = e.key) == key || (key != null && key.equals(k)))) {  modCount++;  size--; // 若删除的是table数组中的元素（即链表的头结点） // 则删除操作 = 将头结点的next引用存入table[i]中  if (prev == e) table[i] = next;//否则 将以table[i]为头结点的链表中，当前Entry的前1个Entry中的next 设置为 当前Entry的next（即删除当前Entry = 直接跳过当前Entry）else  prev.next = next;   e.recordRemoval(this);  return e;  }  prev = e;  e = next;  }  return e;
} /*** 函数：containsKey(Object key)* 作用：判断是否存在该键的键值对；是 则返回true* 原理：调用get（），判断是否为Null*/public boolean containsKey(Object key) {  return getEntry(key) != null;
} /*** 函数：containsValue(Object value)* 作用：判断是否存在该值的键值对；是 则返回true*/
public boolean containsValue(Object value) {  // 若value为空，则调用containsNullValue()  if (value == null)return containsNullValue();  // 若value不为空，则遍历链表中的每个Entry，通过equals（）比较values 判断是否存在Entry[] tab = table;for (int i = 0; i < tab.length ; i++)  for (Entry e = tab[i] ; e != null ; e = e.next)  if (value.equals(e.value)) return true;//返回true  return false;
}
// value为空时调用的方法
private boolean containsNullValue() {  Entry[] tab = table;  for (int i = 0; i < tab.length ; i++)  for (Entry e = tab[i] ; e != null ; e = e.next)  if (e.value == null)return true;  return false;
}

扩容源码resize()

在扩容resize（）过程中，在将旧数组上的数据转移到新数组上时，转移数据操作 = 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情况。设重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（）操作，一旦出现扩容情况，则容易出现环形链表，从而在获取数据、遍历链表时形成死循环（Infinite Loop），即死锁的状态.

/*** 源码分析：resize(2 * table.length)* 作用：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. 若旧容量已经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. 重新设置阈值  threshold = (int)(newCapacity * loadFactor);
} /*** 分析1.1：transfer(newTable); * 作用：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. 通过遍历 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，旧数组不再引用任何对象）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，否则转移后链表会断开Entry<K,V> next = e.next; // 3.3 重新计算每个元素的存储位置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所有节点e = next;             } while (e != null);// 如此不断循环，直到遍历完数组上的所有数据元素}}}

分析参考文章

JDK1.8版本——HashMap

JDK1.8版本对HashMap进行了一些修改，与1.7版本最大的不同就是利用了红黑树，所以1.8版本的HashMap的组成是由数组+链表+红黑树组成。我们在查找的时候，根据hash值能够快速定位到数组的具体下标，但是之后去链表中查找具体的Entry结点必须要一个一个查找下去，整体的时间复杂度就为O(n)。为了降低时间复杂度，在Java8中，规定了当链表中的元素超过8个以后，就会将链表转换为红黑树，在这些位置进行查找的时候就可以降低时间复杂度度O(log(N))。

红黑树的原理

首先红黑树是二分搜索树一种，主要是为了避免出现极端情况，导致二分搜索树的成为链表结构。所以诞生出了红黑树，尽量避免出现极端情况。而平衡二叉树是一种自平衡的二分搜索树，一旦结点的左右高度差大于1，就会自动平衡，采取自己内部处理措施。平衡二叉树的弊端就在于频繁的去处理自平衡问题，极大的影响到了代码本身的执行效率，所以便诞生了红黑树。红黑树保证了对元素查找、删除和插入的时间复杂度控制在O(logn)，不会存在极端情况下的O(n)。

红黑树的特点：

1.每个结点要么是红的要么是黑的。
2.根结点是黑的。
3.每个叶结点（叶结点即指树尾端NIL指针或NULL结点）都是黑的。（这一点在HashMap里并没有去实现NIL节点的，所以HashMap里的叶子节点就是我们正常理解的叶子节点）
4.如果一个结点是红的，那么它的两个儿子都是黑的。（这一点可以得到一个很有用的结论：已平衡的情况下，一个红色节点，它的parent、left和right都为黑色）
5.对于任意结点而言，其到叶结点树尾端NIL指针的每条路径都包含相同数目的黑结点。（这一点在每一次的插入和删除时保证）

(本篇文章主要讲解hashmap，所以想了解红黑树可以查阅另一篇文章)红黑树详解

java1.8源码分析

继承体系和1.7版本完全相同

public class HashMap<K,V> extends AbstractMap<K,V>implements Map<K,V>, Cloneable, Serializable {transient Node<K,V>[] table;//结点数组transient Set<Map.Entry<K,V>> entrySet;transient int size;transient int modCount;int threshold;final float loadFactor;}

常量：

 /** * 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=16static 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在其容量自动增加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操作（即重建内部数据结构），从而哈希表将具有大约两倍的桶数// b. 扩容阈值 = 容量 x 加载因子int threshold;// 4. 其他transient Node<K,V>[] table;  // 存储数据的Node类型 数组，长度 = 2的幂；数组的每个元素 = 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的数据存储位置会重新计算），在重新计算存储位置后，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，才允许树形化链表 （即 将链表 转换成红黑树）// 否则，若桶内元素太多时，则直接扩容，而不是树形化// 为了避免进行扩容、树形化选择的冲突，这个值不能小于 4 * TREEIFY_THRESHOLDstatic final int MIN_TREEIFY_CAPACITY = 64;

Node类

/** * 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> {//链表数据结构final int hash;//hash值不可改变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;}/** * equals（）* 作用：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;}}

ThreeNode 红黑树

 /*** 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;  }  }

具体使用方法

V get(Object key); // 获得指定键的值
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trueSet<K> keySet();  // 单独抽取key序列，将所有key生成一个Set
Collection<V> values();  // 单独value序列，将所有value生成一个Collectionvoid clear(); // 清除哈希表中的所有键值对
int size();  // 返回哈希表中所有 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

hash值的计算

   /*** 分析1：hash(key)* 作用：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 中的实现不同，但原理一样 = 扰动函数 = 使得根据key生成的哈希码（hash值）分布更加均匀、更具备随机性，避免出现hash值冲突（即指不同key但生成同1个hash值）* JDK 1.7 做了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 = 只做了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）操作  = 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）操作 = 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，所以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，所以HashTable的key不可为null// b. 当key ≠ null时，则通过先计算出 key的 hashCode()（记为h），然后 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，故提前到此讲解*/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），最终得到存储在数组table的位置（即数组下标、索引）}//与1.7jdk区别在于1.8分别将key的hashcode值异或value的hashcode值，1.7Objects.hashCode(getKey()) ^ Objects.hashCode(getValue());public final int hashCode() {return Objects.hashCode(key) ^ Objects.hashCode(value);}

putVal方法

   /*** 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 通过resize() 创建// 所以，初始化哈希表的时机 = 第1次调用put函数时，即调用resize() 初始化创建// 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 得到// 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// 否则，代表存在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一样，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// 若是红黑树，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// 若是链表,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情况，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）：若是，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不同（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往后移）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); // 树化操作break;}// 对于iif (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情况的后续操作：发现key已存在，直接用新value 覆盖 旧value & 返回旧valueif (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)* 作用：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;elsexp.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;}}}

扩容代码

   /*** 分析4：resize（）* 该函数有2种使用情况：1.初始化哈希表 2.当前数组容量过小，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;// 针对情况2：若扩容前的数组容量超过最大值，则不再扩充if (oldCap > 0) {if (oldCap >= MAXIMUM_CAPACITY) {threshold = Integer.MAX_VALUE;return oldTab;}// 针对情况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; // 通过右移扩充2倍}// 针对情况1：初始化哈希表（采用指定 or 默认值）else if (oldThr > 0) // initial capacity was placed in thresholdnewCap = oldThr;else {               // zero initial threshold signifies using defaultsnewCap = 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;elseloTail.next = e;loTail = e;}// 原索引 + oldCapelse {if (hiTail == null)hiHead = e;elsehiTail.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;
}

get方法获取value

/*** 函数原型* 作用：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. 通过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. 通过该函数，依次在数组、红黑树、链表中查找（通过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getif (first instanceof TreeNode)return ((TreeNode<K,V>)first).getTreeNode(hash, key);// c. 若红黑树中也没有，则通过遍历，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;
}

转换成红黑树

当数组中的某个单链表的长度大于8时，就会调用此方法就行链表转换成红黑树的方法。

final void treeifyBin(Node<K,V>[] tab, int hash) {int n, index; Node<K,V> e;//当tab的长度小于64时就会调用resize()方法if (tab == null || (n = tab.length) < MIN_TREEIFY_CAPACITY)resize();else if ((e = tab[index = (n - 1) & hash]) != null) {TreeNode<K,V> hd = null, tl = null;// 遍历链表，将链表元素转化成TreeNode链do {TreeNode<K,V> p = replacementTreeNode(e, null);if (tl == null)hd = p;else {p.prev = tl;tl.next = p;}tl = p;} while ((e = e.next) != null);if ((tab[index] = hd) != null)hd.treeify(tab);}}TreeNode<K,V> replacementTreeNode(Node<K,V> p, Node<K,V> next) {return new TreeNode<>(p.hash, p.key, p.value, next);}

删除结点

 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;elsep.next = node.next;++modCount;--size;afterNodeRemoval(node);return node;}}return null;}

哈希表解决Hash冲突

为什么HashMap具备下述特点：键-值（key-value）都允许为空、线程不安全、不保证有序、存储位置随时间变化

总结

相同点：

默认初始容量都是16，默认加载因子都是0.75。容量必须是2的指数倍数
扩容时都将容量增加1倍
根据hash值得到桶的索引方法一样，都是i=hash&(cap-1)
初始时表为空，都是懒加载，在插入第一个键值对时初始化
键为null的hash值为0，都会放在哈希表的第一个桶中
不同点：
最为重要的一点是，底层结构不一样，1.7是数组+链表，1.8则是数组+链表+红黑树结构
主要区别是插入键值对的put方法的区别。1.8中会将节点插入到链表尾部，而1.7中会将节点作为链表的新的头节点
JDk1.8中一个键的hash是保持不变的，JDK1.7时resize()时有可能改变键的hahs值
rehash时1.8会保持原链表的顺序，而1.7会颠倒链表的顺序
JDK1.8是通过hash&cap==0将链表分散，而JDK1.7是通过更新hashSeed来修改hash值达到分散的目的