4.25-hashMap中put方法的学习

一、put(key,value)

public V put(K key, V value) {
        return putVal(hash(key), key, value, false, true); //hash(key),对于key进行hash运算
    }

  • hash运算
 static final int hash(Object key) { //对于key进行hash运算的过程,为啥右移呢?还要或运算呢?为了让高位参与运算,不会只有低位进行有效的运算
        int h;
        return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
    }
  • putVal函数
final V putVal(int hash, K key, V value, boolean onlyIfAbsent,
                   boolean evict) {
        Node<K,V>[] tab; Node<K,V> p; int n, i; //tab是数组
        if ((tab = table) == null || (n = tab.length) == 0) //第一次put元素数值的时候进入这里面,数组是null,我们进行扩容,n是扩容后数组的长度,点击扩容方法,如下面所示
            n = (tab = resize()).length; //扩容后数组长度赋值给n
        if ((p = tab[i = (n - 1) & hash]) == null) //p 表示数组的头节点,发现为null,说明新放入一个节点即可, (n-1) & hash 就相当于对 hash %n; 这样的目的是数组不会越界
            tab[i] = newNode(hash, key, value, null); //传统的节点赋值的方法 
        else { //数组的位置的头节点不为null
            Node<K,V> e; K k;
            if (p.hash == hash &&
                ((k = p.key) == key || (key != null && key.equals(k)))) //先计算hash值,在计算key是否相等, 注意 == 和equals的区别
                e = p; // e等于p,说明当前 e是头节点,就是表示e是该数组的头节点
            else if (p instanceof TreeNode) //对于树进行处理
                e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
            else { //对于链表的处理
                for (int binCount = 0; ; ++binCount) {
                    if ((e = p.next) == null) { //说明链表没有这个元素,尾插法到最后
                        p.next = newNode(hash, key, value, null);
                        if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st, 如果链表的长度大于8,注意binCount =0 开始,所以 >= 7, 且不要忘记 p是头节点,binCount = 0时,处理的是第二个节点,所以binCount = 7时,处理的是第9个节点,所以说链表的长度大于8,进行树化
                            treeifyBin(tab, hash); 
                        break;
                    }
                    if (e.hash == hash &&
                        ((k = e.key) == key || (key != null && key.equals(k))))
                        break; //在这找到了这个元素,跳出,此时e 为该元素在链表中的位置的节点
                    p = e; 
                }
            }
            //此处就是put相同的key,返回老的数值的地方
            if (e != null) { // existing mapping for key
                V oldValue = e.value;
                if (!onlyIfAbsent || oldValue == null)
                    e.value = value;
                afterNodeAccess(e);
                return oldValue;
            }
        } 
        ++modCount;
        if (++size > threshold) //如果数组的长度大于临界值了,及逆行扩容
            resize(); //注意,此处是扩容,不是初始化,jdk1.8初始化和扩容放入一个方法里面了
        afterNodeInsertion(evict);
        return null;
    }
  • 扩容方法&初始化
final Node<K,V>[] resize() {
        Node<K,V>[] oldTab = table;
        int oldCap = (oldTab == null) ? 0 : oldTab.length; //第一次进入,数组是null,所以oldCap = 0 ; 第二次进入扩容方法,发现里面是老的数组的长度
        int oldThr = threshold; //这个就是老的临界值
        int newCap, newThr = 0; //新容量,新的临界值
        if (oldCap > 0) { //如果老容量大于0,说明是扩容,非初始化
            if (oldCap >= MAXIMUM_CAPACITY) { //老容量大于等于 1<<<30
                threshold = Integer.MAX_VALUE; //临界值赋值为 2^31-1
                return oldTab; //返回老的容量
            }
            else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&
                     oldCap >= DEFAULT_INITIAL_CAPACITY) //没有大于 1<<< 30位的容量,就是正常扩容的条件,默认大于等于 16
                newThr = oldThr << 1; // double threshold,就是双倍的临界值
        }
        else if (oldThr > 0) // initial capacity was placed in threshold //初始化方法,新容量就是 老的临界值, 老的临界值初始化计算的是 大于等于初始化容量的 2^n 
            newCap = oldThr; 
        else {               // zero initial threshold signifies using defaults ,0初始化临界值容默认的
            newCap = DEFAULT_INITIAL_CAPACITY;
            newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);
        }
        if (newThr == 0) { //初始化方法,默认 newThr = newCap* loadFactor; 新的临界值
            float ft = (float)newCap * loadFactor;
            newThr = (newCap < MAXIMUM_CAPACITY && ft < (float)MAXIMUM_CAPACITY ?
                      (int)ft : Integer.MAX_VALUE);
        }
        threshold = newThr; // 把计算出来的新的临界值赋值给老的临界值
        @SuppressWarnings({"rawtypes","unchecked"})
        Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap]; //数组初始化
        table = newTab; //该数组用新的容量进行计算
        if (oldTab != null) {  //此处说明不是初始化,是数组的扩容
            for (int j = 0; j < oldCap; ++j) {
                Node<K,V> e; //e是指向数组头节点的指针
                if ((e = oldTab[j]) != null) {
                    oldTab[j] = null;
                    if (e.next == null)
                        newTab[e.hash & (newCap - 1)] = e; //数组恰好就只有一个链表头节点
                    else if (e instanceof TreeNode)
                        ((TreeNode<K,V>)e).split(this, newTab, j, oldCap); //对于红黑树的处理
                    else { // preserve order 反转链表
                        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); //遍历链表,看前边有个 e = e.next;

                        if (loTail != null) {
                            loTail.next = null;
                            newTab[j] = loHead;
                        }
                        if (hiTail != null) {
                            hiTail.next = null;
                            newTab[j + oldCap] = hiHead;
                        }
                    }
                }
            }
        }
        return newTab;
    }

欢迎大佬指正

posted @ 2022-04-25 22:12  抑郁的孤狼  阅读(84)  评论(0)    收藏  举报