7.Java SDK源码分析系列笔记-JDK1.8 HashMap
目录
1. 是什么
实现O(1)存取效率的key-value对数据结构
2. 如何使用
public class HashMapTest
{
public static void main(String[] args)
{
HashMap<String, Object> map = new HashMap<>();
map.put("key1", "value1");
System.out.println(map.get("key1"));
map.remove("key1");
map.containsKey("key1");
}
}
3. 原理分析
3.1. uml
可克隆，可序列化，实现了Map
3.2. 构造方法
public class HashMap<K,V> extends AbstractMap<K,V>
implements Map<K,V>, Cloneable, Serializable {
//使用Node数组实现，使用链地址法解决Hash冲突
transient Node<K,V>[] table;
//默认的初始容量
static final int DEFAULT_INITIAL_CAPACITY = 1 << 4; // aka 16
//最大容量
static final int MAXIMUM_CAPACITY = 1 << 30;
//默认的加载因子
static final float DEFAULT_LOAD_FACTOR = 0.75f;
//链表转树的长度
static final int TREEIFY_THRESHOLD = 8;
//树转回链表的长度
static final int UNTREEIFY_THRESHOLD = 6;
static final int MIN_TREEIFY_CAPACITY = 64;
public HashMap() {
//设置默认加载因子
//table中已有的元素个数/table所有元素的个数，当这个比值>=0.75的时候需要扩容
//或者说使用的容量到达16*0.75=12时需要扩容
this.loadFactor = DEFAULT_LOAD_FACTOR; // all other fields defaulted
}
}
3.3. put方法
总体伪算法如下：
-
计算key的hash值
-
使用hash值&数组长度1计算改数据存放的位置i
- table为空，进行扩容
- 如果位置i为空，那么用（key，value）存入该位置
- 如果位置i不为空
- 比较该位置的key与新的key是否相等，是则替换value
- 否则
- 如果是树节点，那么调用红黑树的插入操作
- 如果是链表节点，那么遍历链表
- 如果找到key相同的节点，替换value
- 否则插入到链表尾部
-
插入完毕之后比较size是否大于容量*加载因子，是则需要扩容
- 容量为原来的两倍
- 创建一个新的node数组，原来数组的元素迁移到这个数组中
-
put
public V put(K key, V value) {
return putVal(hash(key), key, value, false, true);
}
3.3.1. 计算key的hash值
- hash
//hash函数
static final int hash(Object key) {
int h;
//hashCode 异或 hashCode 右移16bit
return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}
- putVal
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为空或者长度为0
if ((tab = table) == null || (n = tab.length) == 0)
//第一次扩容
n = (tab = resize()).length;
//使用hash至以及数组长度计算下标，如果table[下标]为空，即没有元素，直接赋值即可
if ((p = tab[i = (n 1) & hash]) == null)
tab[i] = newNode(hash, key, value, null);
//否则说明table[下标]有元素
else {
Node<K,V> e; K k;
//头节点不仅hash值相同，key也equals（即头节点就是要找的节点），那么保存这个节点以便后续使用
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
e = p;
//头节点不是要找的节点，同时是个TreeNode，那么转调tree的操作
else if (p instanceof TreeNode)
e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
//头节点不是要找的节点，同时是普通的链表
else {
//遍历链表找，同时记录遍历了几个元素存到bitCount里。
for (int binCount = 0; ; ++binCount) {
//到达链表的尾部
if ((e = p.next) == null) {
p.next = newNode(hash, key, value, null);
//判断bitCount是否达到树化的限度，是则树化
if (binCount >= TREEIFY_THRESHOLD 1) // 1 for 1st
treeifyBin(tab, hash);
break;
}
//找到了相等的节点
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
break;
p = e;
}
}
//如果有找到相等的节点，那么e保存的就是这个节点的引用，直接替换value即可
if (e != null) { // existing mapping for key
V oldValue = e.value;
if (!onlyIfAbsent || oldValue == null)
e.value = value;
afterNodeAccess(e);
return oldValue;
}
}
++modCount;
//加入这个节点后超过了threshold，那么resize
if (++size > threshold)
resize();
afterNodeInsertion(evict);
return null;
}
3.3.2. 第一次进来table肯定为空，那么扩容
- resize方法
final Node<K,V>[] resize() {
//保存旧的table，capacity，threshold
Node<K,V>[] oldTab = table;
int oldCap = (oldTab == null) ? 0 : oldTab.length;
int oldThr = threshold;
//新的capacity和threshold初始化为0
int newCap, newThr = 0;
if (oldCap > 0) {
//旧的capacity比int MAXIMUM_CAPACITY = 1 << 30还要大，那么更新threshold为Integer.MAX_VALUE，并且直接返回旧的table（即不进行扩容）
if (oldCap >= MAXIMUM_CAPACITY) {
threshold = Integer.MAX_VALUE;
return oldTab;
}
//新的capacity为旧的capacity的两倍（即新的capacity为16*2=32）
//如果32 < MAXIMUM_CAPACITY 并且 oldCap >= DEFAULT_INITIAL_CAPACITY
else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&
oldCap >= DEFAULT_INITIAL_CAPACITY)
//则把threshold也更新为旧的2倍（即新的threshold为12*2=24）
newThr = oldThr << 1; // double threshold
}
//新的capacity就为threshold
else if (oldThr > 0) // initial capacity was placed in threshold
newCap = oldThr;
//第一次初始化。
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"})
//创建新的table，大小为newCapacity
Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap];
table = newTab;
if (oldTab != null) {
//遍历旧table中的每一个链表
for (int j = 0; j < oldCap; ++j) {
Node<K,V> e;
if ((e = oldTab[j]) != null) {
//置为null让gc及时回收，当然oldTab[j]已经保存到局部变量e中了
oldTab[j] = null;
//第一种情况：如果链表中只有一个节点
if (e.next == null)
//那么重新计算位置（e.hash & (newCap 1)），并放入新的table
newTab[e.hash & (newCap - 1)] = e;
//第二种情况：链表中有多个节点，同时第一个节点为TreeNode，那么转调树的操作
else if (e instanceof TreeNode)
((TreeNode<K,V>)e).split(this, newTab, j, oldCap);
//第三种情况：链表中有多个节点，且是普通链表
else { // preserve order
//旧table的链表，rehash后在新table中的位置
//要么跟旧table中的位置一样-----------（1）
//要么是旧table中的位置+oldCap-------（2）
//其实就是把原来的链表分成两部分，所以
//loXXX代表（1）
//hiXXX代表（2）
Node<K,V> loHead = null, loTail = null;
Node<K,V> hiHead = null, hiTail = null;
Node<K,V> next;
do {
next = e.next;
//高位是0，那么这个元素在新table中的位置跟在旧table一样
if ((e.hash & oldCap) == 0) {
if (loTail == null)
loHead = e;
else
loTail.next = e;
loTail = e;
}
//高位是1，那么这个元素在新table中的位置是旧table的位置+oldCap
else {
if (hiTail == null)
hiHead = e;
else
hiTail.next = e;
hiTail = e;
}
} while ((e = next) != null);
//上面的循环把链表瓜分完了，下面开始赋值到新table了
if (loTail != null) {
loTail.next = null;
//（1）
newTab[j] = loHead;
}
if (hiTail != null) {
hiTail.next = null;
//（2）
newTab[j + oldCap] = hiHead;
}
}
}
}
}
return newTab;
}
3.3.3. 使用hash值&数组长度1计算改数据存放的位置i
i = (n - 1) & hash
3.3.4. 第二次进来如果位置i为空，那么用（key，value）存入该位置
//使用hash至以及数组长度计算下标，如果table[下标]为空，即没有元素，直接赋值即可
if ((p = tab[i = (n - 1) & hash]) == null)
tab[i] = newNode(hash, key, value, null);
3.3.5. 第三次进来如果位置i不为空，那么遍历链表或红黑树找到key相等的节点替换value
//否则说明table[下标]有元素
else {
Node<K,V> e; K k;
//头节点不仅hash值相同，key也equals（即头节点就是要找的节点），那么保存这个节点以便后续使用
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
e = p;
//头节点不是要找的节点，同时是个TreeNode，那么转调tree的操作
else if (p instanceof TreeNode)
e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
//头节点不是要找的节点，同时是普通的链表
else {
//遍历链表找，同时记录遍历了几个元素存到bitCount里。
for (int binCount = 0; ; ++binCount) {
//到达链表的尾部
if ((e = p.next) == null) {
p.next = newNode(hash, key, value, null);
//判断bitCount是否达到树化的限度，是则树化
//这里binCount为TREEIFY_THRESHOLD - 1，也就是7的时候
//也就是这个链表中的节点（不包括头节点）个数为8的时候
if (binCount >= TREEIFY_THRESHOLD - 1) // 1 for 1st
treeifyBin(tab, hash);
break;
}
//找到了相等的节点
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
break;
p = e;
}
}
//如果有找到相等的节点，那么e保存的就是这个节点的引用，直接替换value即可
if (e != null) { // existing mapping for key
V oldValue = e.value;
if (!onlyIfAbsent || oldValue == null)
e.value = value;
afterNodeAccess(e);
return oldValue;
}
}
3.3.5.1. 怎么转换成红黑树的
- treeifyBin
final void treeifyBin(Node<K,V>[] tab, int hash) {
int n, index; Node<K,V> e;
//这里table的长度<64的时候并不进行树化，而是进行扩容
//也就是说链表转换成红黑树的条件是 链表中元素个数为8个 并且 table长度为64
if (tab == null || (n = tab.length) < MIN_TREEIFY_CAPACITY)//MIN_TREEIFY_CAPACITY是64
resize();
//下面的操作是把链表中的节点（Node）转换成树中的节点（TreeNode）
else if ((e = tab[index = (n - 1) & hash]) != null) {
TreeNode<K,V> hd = null, tl = null;
//这个循环遍历链表
do {
//传入链表中的当前节点以及下一个节点，转换成TreeNode
TreeNode<K,V> p = replacementTreeNode(e, null);
//tail为空，就是说现在是树中的第一个元素
if (tl == null)
//那么同时得初始化head为当前节点
hd = p;
//不是树中的第一个元素，那么插入到树的末尾
else {
//这里的树节点怎么感觉像是个双向链表？？？
p.prev = tl;
tl.next = p;
}
tl = p;
} while ((e = e.next) != null);
if ((tab[index] = hd) != null)
//上面仅是构造了TreeNode为节点的双向链表，这里才是真正的树化操作
hd.treeify(tab);
}
}
3.3.5.1.1. Node->TreeNode
- replacementTreeNode
TreeNode<K,V> replacementTreeNode(Node<K,V> p, Node<K,V> next) {
//就是把当前节点的hash、key、value初始化成TreeNode的hash、key、value
//把下一个节点初始化为TreeNode.next
return new TreeNode<>(p.hash, p.key, p.value, next);
}
- TreeNode
static final class TreeNode<K,V> extends LinkedHashMap.Entry<K,V> {
TreeNode<K,V> parent; // red-black tree links
TreeNode<K,V> left;
TreeNode<K,V> right;
TreeNode<K,V> prev; // needed to unlink next upon deletion
boolean red;
//这个构造方法其实就是HashMap的Node的构造方法，没什么特殊的
TreeNode(int hash, K key, V val, Node<K,V> next) {
//LinkedHashMap.Entry
super(hash, key, val, next);
}
- LinkedHashMap.Entry
static class Entry<K,V> extends HashMap.Node<K,V> {
Entry<K,V> before, after;
Entry(int hash, K key, V value, Node<K,V> next) {
//HashMap.Node
super(hash, key, value, next);
}
}
- HashMap.Node
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;
}
3.3.5.1.2. 树化
- treeify
有点复杂，暂时飘过。。。
final void treeify(Node<K,V>[] tab) {
TreeNode<K,V> root = null;
for (TreeNode<K,V> x = this, next; x != null; x = next) {
next = (TreeNode<K,V>)x.next;
x.left = x.right = null;
if (root == null) {
x.parent = null;
x.red = false;
root = x;
}
else {
K k = x.key;
int h = x.hash;
Class<?> kc = null;
for (TreeNode<K,V> p = root;;) {
int dir, ph;
K pk = p.key;
if ((ph = p.hash) > h)
dir = -1;
else if (ph < h)
dir = 1;
else if ((kc == null &&
(kc = comparableClassFor(k)) == null) ||
(dir = compareComparables(kc, k, pk)) == 0)
dir = tieBreakOrder(k, pk);
TreeNode<K,V> xp = p;
if ((p = (dir <= 0) ? p.left : p.right) == null) {
x.parent = xp;
if (dir <= 0)
xp.left = x;
else
xp.right = x;
root = balanceInsertion(root, x);
break;
}
}
}
}
moveRootToFront(tab, root);
}
3.4. get方法
总体伪算法如下：
- 计算key的hash值
- 使用hash值&数组长度1计算改数据存放的位置i
- 如果位置i不为空，那么比较key是否相等，是则返回
- 否则如果是树，转调红黑树的查询
- 如果是链表，遍历链表查找key相等的node
- 否则直接返回null
- 如果位置i不为空，那么比较key是否相等，是则返回
public V get(Object key) {
Node<K,V> e;
//通过key的hash值+key本身寻找node
return (e = getNode(hash(key), key)) == null ? null : e.value;
}
3.4.1. 计算key的hash值
- hash
//hash函数
static final int hash(Object key) {
int h;
//hashCode 异或 hashCode 右移16bit
return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}
- getNode方法
final Node<K,V> getNode(int hash, Object key) {
Node<K,V>[] tab; Node<K,V> first, e; int n; K k;
//通过hash&(table长度1)计算下标
if ((tab = table) != null && (n = tab.length) > 0 &&
(first = tab[(n 1) & hash]) != null) {
//找到了：当前节点与table[下标]相等hash相等且key相等
if (first.hash == hash && // always check first node
((k = first.key) == key || (key != null && key.equals(k))))
return first;
//继续寻找
if ((e = first.next) != null) {
//TreeNode，转调树
if (first instanceof TreeNode)
return ((TreeNode<K,V>)first).getTreeNode(hash, key);
do {
//遍历链表寻找相等的节点
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
return e;
} while ((e = e.next) != null);
}
}
return null;
}
3.4.2. 使用hash值&数组长度-1计算改数据存放的位置i
i = (n - 1) & hash
3.4.3. 第一个节点就是要找的节点
if ((tab = table) != null && (n = tab.length) > 0 &&
(first = tab[(n 1) & hash]) != null) {
//找到了：当前节点与table[下标]相等hash相等且key相等
if (first.hash == hash && // always check first node
((k = first.key) == key || (key != null && key.equals(k))))
return first;
3.4.4. 转调树或红黑树的查找操作找到节点
//继续寻找
if ((e = first.next) != null) {
//TreeNode，转调树
if (first instanceof TreeNode)
return ((TreeNode<K,V>)first).getTreeNode(hash, key);
do {
//遍历链表寻找相等的节点
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
return e;
} while ((e = e.next) != null);
}
3.4.5. 没有找到返回null
return null;
3.5. containsKey方法
public boolean containsKey(Object key) {
//也是调用的getNode方法判断是否为空
return getNode(hash(key), key) != null;
}
3.6. remove方法
总体伪算法如下：
-
计算key的hash值
-
使用hash值&数组长度1计算改数据存放的位置i
-
如果位置i不为空，对比key是否相等，相等则改变头节点指向下一个
-
否则
- 如果是树节点，转调红黑树的删除接口
- 如果是链表节点，遍历链表找到key相等的节点，把前一个节点的next指向该节点的next
-
remove
public V remove(Object key) {
Node<K,V> e;
return (e = removeNode(hash(key), key, null, false, true)) == null ?
null : e.value;
}
3.6.1. 计算key的hash值
- hash
//hash函数
static final int hash(Object key) {
int h;
//hashCode 异或 hashCode 右移16bit
return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}
- removeNode方法
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 &&
//计算第一个节点的位置
(p = tab[index = (n 1) & hash]) != null) {
Node<K,V> node = null, e; K k; V v;
//第一个节点就是要找的节点
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
node = p;
//不是则继续寻找
else if ((e = p.next) != null) {
//是个TreeNode，转调树
if (p instanceof TreeNode)
node = ((TreeNode<K,V>)p).getTreeNode(hash, key);
//遍历链表直到找到相等的节点
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);
}
}
//有找到节点
if (node != null && (!matchValue || (v = node.value) == value ||
(value != null && value.equals(v)))) {
//转调树
if (node instanceof TreeNode)
((TreeNode<K,V>)node).removeTreeNode(this, tab, movable);
//链表的第一个元素
else if (node == p)
tab[index] = node.next;
//链表的非第一个元素
else
p.next = node.next;
++modCount;
size;
afterNodeRemoval(node);
return node;
}
}
return null;
}
3.6.2. 使用hash值&数组长度1计算改数据存放的位置i
i = (n 1) & hash
3.6.3. 调用链表或是红黑树的查找操作找到key相等的节点
Node<K,V>[] tab; Node<K,V> p; int n, index;
if ((tab = table) != null && (n = tab.length) > 0 &&
//计算第一个节点的位置
(p = tab[index = (n 1) & hash]) != null) {
Node<K,V> node = null, e; K k; V v;
//第一个节点就是要找的节点
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
node = p;
//不是则继续寻找
else if ((e = p.next) != null) {
//是个TreeNode，转调树
if (p instanceof TreeNode)
node = ((TreeNode<K,V>)p).getTreeNode(hash, key);
//遍历链表直到找到相等的节点
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);
}
}
3.6.4. 调用链表或红黑树的删除操作
//有找到节点
if (node != null && (!matchValue || (v = node.value) == value ||
(value != null && value.equals(v)))) {
//转调树
if (node instanceof TreeNode)
((TreeNode<K,V>)node).removeTreeNode(this, tab, movable);
//链表的第一个元素
else if (node == p)
tab[index] = node.next;
//链表的非第一个元素
else
p.next = node.next;
++modCount;
size;
afterNodeRemoval(node);
return node;
}
3.7. containsValue
- 效率O（N²）
public boolean containsValue(Object value) {
Node<K,V>[] tab; V v;
if ((tab = table) != null && size > 0) {
//遍历数组的每个元素
for (int i = 0; i < tab.length; ++i) {
//链表的每个元素
for (Node<K,V> e = tab[i]; e != null; e = e.next) {
if ((v = e.value) == value ||
(value != null && value.equals(v)))
return true;
}
}
}
return false;
}
4. 问题
4.1. 相对于JDK1.7的区别
- 使用了红黑树
因此JDK1.8的内部实现是数组+链表+红黑树
1.8之前是数组+链表实现的。对于一个key，先计算其Hash值再对数组大小取模决定放在那个元素上，再通过连地址法解决冲突
如果很多key映射到同一个元素上，那么效率退化成O（N），因此1.8在链表超过阈值的时候会转成红黑树，效率为O（logN） - 解决了并发resize时的死循环问题
保留了顺序，使用的尾插法而不是头插法
4.2. 如何解决并发resize时的死循环问题
保留了顺序，把头插法改成了尾插法
4.3. 什么时候扩容
map中Entry的数量 >= threshold的时候，其中threshold =容量*负载因子
4.4. 怎么扩容的
参考
3.3.2. 第一次进来table肯定为空，那么扩容
浙公网安备 33010602011771号