jdk1.8的hashMap相比1.7的最大的变动就是结构的修改，在之前数组+链表的基础上，增加了红黑树的结构。
1.7的hashMap我们已经看过了，其中在查找节点的时候，会去根据hash找到对应的数组，接着去遍历之后的链表结构，当hash冲突比较多的时候，链表就会非常的长，此时遍历链表的效率就会很低，所以大神们在将红黑树加入到了1.8的hashMap中，当链表长度大于8的时候，会将链表转换为红黑树，提高了查找节点的效率。如下图：
下面我们就来一起学习一下jdk1.8的hashMap源码吧！
这里我想先吐槽一下1.8的源码，代码可读性比1.7差太多了...脑壳疼~但是在精简程度上要比1.7的好一些。
先看put()方法
public V put(K key, V value) {
return putVal(hash(key), key, value, false, true);
}
final V putVal(int hash, K key, V value, boolean onlyIfAbsent,
boolean evict) {
// 这里p可以视为一个指针，指向tab[i]位置的节点
// n: 数组的length
// i: 根据hash算出的数组下标
Node[] tab; Node p; int n, i;
// 将tab数组指向table，并判断table如果为空，则进入resize()中进行初始化
if ((tab = table) == null || (n = tab.length) == 0)
// 1.8的hashMap将初始化方法和resize()合并到了一起
n = (tab = resize()).length;
// 很据hash值找到tab[i]并将p指向tabl[i]，如果没有内容，创建新的链表节点放到i的位置
if ((p = tab[i = (n - 1) & hash]) == null)
tab[i] = newNode(hash, key, value,
else { // 进入else表示tabl[i]处有内容，下面需要进一步判断key是否一致
Node e; K k;
// 插入的key和tab[i]处的key相等，将p赋值给e(exist)节点
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
e = p;
// 如果该节点是代表红黑树的节点，调用红黑树的插值方法
else if (p instanceof TreeNode)
e = ((TreeNode)p).putTreeVal(this, tab, hash, key, value);
else { // 进入else说明hash相同，且tab[i]处是一个多节点的链表
// 循环链表
for (int binCount = 0; ; ++binCount) {
// 将e指向p.next，并判断p.next是否有内容，
// 如果没有内容，说明tab[i]处没找到一致的key，将会此节点作为新节点插入
// 插入的位置为链表尾部
if ((e = p.next) == null) {
p.next = newNode(hash, key, value, null);
// 链表节点数如果大于8，调用treeifyBin将链表转为红黑树
if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for
treeifyBin(tab, hash);
break;
}
// 在tab[i]中找到了相同的key，跳出循环
// 此时e指向tab[i]中key等于新插入key的链表节点
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
break;
p = e;
}
}
// 插入的key在链表中已存在，只需要直接覆盖即可
if (e != null) { // existing mapping for key
V oldValue = e.value;
if (!onlyIfAbsent || oldValue == null)
e.value = value;
afterNodeAccess(e);
return oldValue;
}
}
++modCount;
// 判断是否需要扩容
if (++size > threshold)
resize();
afterNodeInsertion(evict);
return null;
} 还需要注意的是
- 1.8中的put方法是在链表结尾插入新节点，而1.7是在头部插入新节点
- 1.8是先插入，再扩容，1.7是先扩容，再插入
接下来看一下resize()扩容方法
final Node[] resize() {
Node[] oldTab = table;
// 当前容量
int oldCap = (oldTab == null) ? 0 : oldTab.length;
// 当前阈值
int oldThr = threshold;
int newCap, newThr = 0;
// 当前容量>0，表示map中已有内容
if (oldCap > 0) {
if (oldCap >= MAXIMUM_CAPACITY) {
threshold = Integer.MAX_VALUE;
return oldTab;
}
// 扩容一倍，并将阈值×2
else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&
oldCap >= DEFAULT_INITIAL_CAPACITY)
newThr = oldThr << 1; // double threshold
}
// 首次put，oldThr > 0 表示使用的是`new HashMap(int initialCapacity)`构造器进行的初始化
else if (oldThr > 0) // initial capacity was placed in threshold
// 初始化大小=阈值
newCap = oldThr;
// 首次put，else 表示使用的是默认构造器`new HashMap()`进行的初始化
else { // zero initial threshold signifies using defaults
// 初始化大小=默认大小(16)并计算阈值
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"})
// 创建新数组
Node[] newTab = (Node[])new Node[newCap];
table = newTab;
// 旧数据迁移
if (oldTab != null) {
// 遍历旧数组
for (int j = 0; j < oldCap; ++j) {
Node e;
if ((e = oldTab[j]) != null) {
oldTab[j] = null;
// oldTab[j]处只有一个节点，就不需要遍历链表了，直接将此节点赋值到新数组对应hash位置上
if (e.next == null)
newTab[e.hash & (newCap - 1)] = e;
// 处理红黑树节点
else if (e instanceof TreeNode)
((TreeNode)e).split(this, newTab, j, oldCap);
else { // preserve order
Node loHead = null, loTail = null;
Node hiHead = null, hiTail = null;
Node next;
do {
next = e.next;
// e.hash & oldCap 将旧的链表分成了lo(e.hash & oldCap为偶数)和hi(e.hash & oldCap为奇数)两个链
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);
// lo链会分配到和原下标相同的位置
// hi链会被分配到原下标+oldCap的位置
if (loTail != null) {
loTail.next = null;
// lo链
newTab[j] = loHead;
}
if (hiTail != null) {
hiTail.next = null;
// hi链
newTab[j + oldCap] = hiHead;
}
}
}
}
}
return newTab;
} get() 方法
相对put方法，get就简单了许多
final Node getNode(int hash, Object key) {
Node[] tab; Node first, e; int n; K k;
if ((tab = table) != null && (n = tab.length) > 0 &&
(first = tab[(n - 1) & hash]) != null) {
// 如果第一个节点就是需要的，直接返回
if (first.hash == hash && // always check first node
((k = first.key) == key || (key != null && key.equals(k))))
return first;
if ((e = first.next) != null) {
// 从红黑树中取节点
if (first instanceof TreeNode)
return ((TreeNode)first).getTreeNode(hash, key);
// 从链表中取节点
do {
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
return e;
} while ((e = e.next) != null);
}
}
return null;
} remove() 删除节点
final Node removeNode(int hash, Object key, Object value,
boolean matchValue, boolean movable) {
Node[] tab; Node p; int n, index;
if ((tab = table) != null && (n = tab.length) > 0 &&
(p = tab[index = (n - 1) & hash]) != null) {
// node: 要被删除的节点
Node node = null, e; K k; V v;
// 如果头节点匹配，直接将node指向头节点
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
node = p;
else if ((e = p.next) != null) {
// 如果头节点不匹配，且头节点属于红黑树节点，从树中取出要删除的节点
if (p instanceof TreeNode)
node = ((TreeNode)p).getTreeNode(hash, key);
// 如果头节点不匹配，且头节点属于链表节点，遍历链表取出要删除的节点
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);
}
}
//如果找到了符合条件的待删除节点，根据节点类型去红黑树中或者链表中删除指定节点
if (node != null && (!matchValue || (v = node.value) == value ||
(value != null && value.equals(v)))) {
if (node instanceof TreeNode)
((TreeNode)node).removeTreeNode(this, tab, movable);
else if (node == p)
tab[index] = node.next;
else
p.next = node.next;
++modCount;
--size;
afterNodeRemoval(node);
return node;
}
}
return null;
} 总结一下：
- 相对1.7的hashmap不同，1.8的结构采用数组+链表+红黑树的结构
- 1.8中的put方法是在链表结尾插入新节点，而1.7是在头部插入新节点
- 1.8是先插入，再扩容，1.7是先扩容，再插入
至此，1.8的hashMap源码阅读到这里就告一段落了，后边我们会继续看一下不同版本的ConcurrentHashMap源码，欢迎观看~