Jdk1.8的HashMap源码分析以及深入hashmap如何确定hash桶索引
前言：
最近在复习基础的东西，学着看了一下hashmap源码，只看了jdk1.8的版本，一步步看下来，不懂得就google，发现收获挺大的
Jdk1.8的源码分析：
先从成员变量开始：
static final int DEFAULT_INITIAL_CAPACITY = 1 << 4;
static final int MAXIMUM_CAPACITY = 1 << 30;
static final float DEFAULT_LOAD_FACTOR = 0.75f;
static final int TREEIFY_THRESHOLD = 8;
static final int UNTREEIFY_THRESHOLD = 6;
static final int MIN_TREEIFY_CAPACITY = 64;
transient Node<K,V>[] table;
transient Set<Map.Entry<K,V>> entrySet;
transient int size;
transient int modCount;
int threshold;
-
DEFAULT_INITIAL_CAPACITY:桶的初始化大小默认16 (必须为2的次方数)
-
MAXIMUM_CAPACITY ：桶最大值(2的一次幂至2的30次幂之间)
-
DEFAULT_LOAD_FACTOR:默认的负载因子（0.75)
-
TREEIFY_THRESHOLD:用于判断是否需要将链表转换为红黑树的阈值。默认为8
-
UNTREEIFY_THRESHOLD：用于判断是否需要将红黑树转换为链表的阈值。默认为6
-
MIN_TREEIFY_CAPACITY：在转变成红黑树之前，还会有一次判断，只有键值对数量大于 64 才会发生转换。这是为了避免在哈希表建立初期，多个键值对恰好被放入了同一个链表中而导致不必要的转化(例子：即如果有一个桶中有九个键值对大于8个，则会触发是否转化为红黑树，此时还需要判断总键值对是否大于64，否则不会对该桶的链表转化为红黑树，只是对table进行扩容)
即链表长度大于8而且整个map中的键值对大于等于64
-
table：真正存放数据的数组。其实就是Entry
-
size:存放键值对数量的大小。
-
entrySet:保存缓存的entrySet（）。 用于keySet（）和values（）。
-
threshold:扩容的阀值
-
loadFactor:负载因子，可在初始化时显式指定
构造函数
//初始化 public HashMap(int initialCapacity, float loadFactor) { if (initialCapacity < 0) throw new IllegalArgumentException("Illegal initial capacity: " + initialCapacity); if (initialCapacity > MAXIMUM_CAPACITY) initialCapacity = MAXIMUM_CAPACITY; if (loadFactor <= 0 || Float.isNaN(loadFactor)) throw new IllegalArgumentException("Illegal load factor: " + loadFactor); this.loadFactor = loadFactor; this.threshold = tableSizeFor(initialCapacity); } //默认构造方法 public HashMap() { this.loadFactor = DEFAULT_LOAD_FACTOR; // all other fields defaulted }initialCapacity、loadFactor用于初始化hasp的loadFactor的初始容量、负载因子。Map 在使用过程中不断的往里面存放数据，当数量达到了
16 * 0.75 = 12就需要将当前 16 的容量进行扩容，而扩容这个过程涉及到 rehash、复制数据等操作，所以非常消耗性能。
真正存储内容的table
存储内容的内部类
transient Node<K,V>[] table;
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;
}
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;
}
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;
}
}
Node
final int hash;
final K key;
V value;
Node<K,V> next;
- key 就是写入时的键。
- value 自然就是值。
- 开始的时候就提到 HashMap 是由数组和链表组成，所以这个 next 就是用于实现链表结构。
- hash 存放的是当前 key 的 hashcode。
- 最总存储键值对就是一个Node数组咯
put函数
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) {
Node<K,V>[] tab; Node<K,V> p; int n, i;
//判断table数组是否为空，以及table数组长度是否等于0
if ((tab = table) == null || (n = tab.length) == 0)
//扩容，resize方法中如果table.length为0，即代表这是第一次初始化该hashmap，则用DEFAULT_INITIAL_CAPACITY(桶的默认大小默认16)初始化table的长度
n = (tab = resize()).length;
//根据当前 key 的 hashcode 定位到具体的桶中并判断是否为空，为空表明没有 Hash 冲突就直接在当前位置创建一个新桶即可
if ((p = tab[i = (n - 1) & hash]) == null)
tab[i] = newNode(hash, key, value, null);
else {
Node<K,V> e; K k;
//如果hasp值相等，并且key相等，就覆盖当前的value
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
e = p;
else if (p instanceof TreeNode)
//如果已经转换成红黑树，就用红黑树的方式插入
e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
else {
//否则就是链表的形式，就将当前的 key、value封装成一个新节点写入到当前桶后面（形成链表）
for (int binCount = 0; ; ++binCount) {
if ((e = p.next) == null) {
p.next = newNode(hash, key, value, null);
//接着判断当前链表的大小是否大于预设的阈值默认0.75*16=12，大于时就要调用转换为红黑树的方法，此时不一定转换，还需进去treeifybin进行判断（判断table长度是否大于MIN_TREEIFY_CAPACITY=64）。
if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st
treeifyBin(tab, hash);
break;
}
//如果在遍历过程中找到 key 相同时直接退出遍历。
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
break;
p = e;
}
}
//如果 e != null 就相当于存在相同的 key,那就需要将值覆盖。
if (e != null) {
// existing mapping for key
V oldValue = e.value;
if (!onlyIfAbsent || oldValue == null)
e.value = value;
afterNodeAccess(e);
return oldValue;
}
}
//最后判断是否需要进行扩容。
++modCount;
if (++size > threshold)
resize();
afterNodeInsertion(evict);
return null;
}
get函数
public V get(Object key) {
Node<K,V> e;
return (e = getNode(hash(key), key)) == null ? null : e.value;
}
/**
* Implements Map.get and related methods.
*
* @param hash hash for key
* @param key the key
* @return the node, or null if none
*/
final Node<K,V> getNode(int hash, Object key) {
Node<K,V>[] tab; Node<K,V> first, e; int n; K k;
//table为空，未插入过数据，未初始化就直接返回null
if ((tab = table) != null && (n = tab.length) > 0 &&
(first = tab[(n - 1) & hash]) != null) {
//检查是否是node链表或者红黑树中的头节点，是就直接返回
if (first.hash == hash && // always check first node
((k = first.key) == key || (key != null && key.equals(k))))
return first;
if ((e = first.next) != null) {
//根据是否是红黑树结点，区分链表以及红黑树的查找方式
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;
}
两个核心方法（get/put）可以看出 1.8 中对大链表做了优化，修改为红黑树之后查询效率直接提高到了 O(logn)。
resize函数
final Node<K,V>[] resize() {
Node<K,V>[] oldTab = table;
//获取旧table的长度
int oldCap = (oldTab == null) ? 0 : oldTab.length;
//获取旧的扩容阈值
int oldThr = threshold;
int newCap, newThr = 0;
if (oldCap > 0) {
//判断容器是否大于桶的个数的最大值
if (oldCap >= MAXIMUM_CAPACITY) {
//将下一个扩容的阀值调到最大，即无法在扩容
threshold = Integer.MAX_VALUE;
return oldTab;
}
//否则翻倍
// 将新table长度赋值为旧table的2倍，
// 判断旧table长度的二倍是否小于最大容量，且旧容量大于等于初始容量，
// 以上判断成立则将新的扩容阀值赋值为旧的扩容阈值的二倍
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
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"})
//将旧table中的元素放到扩容后的newTable中
Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap];
table = newTab;
if (oldTab != null) {
for (int j = 0; j < oldCap; ++j) {
Node<K,V> e;
if ((e = oldTab[j]) != null) {
oldTab[j] = null;
if (e.next == null)
//如果数组对应下标位置只有一个元素，对hashCade取余并根据结果直接放到newTable相应的位置
newTab[e.hash & (newCap - 1)] = e;
else if (e instanceof TreeNode)
//如果数组对应下标位置的元素是一个红黑树,则拆分红黑树放到newTable中
// 如果拆分后的红黑树元素小于6，则转化为链表
((TreeNode<K,V>)e).split(this, newTab, j, oldCap);
else {
// preserve order
//数组对应下标位置的元素是一个链表的情况
//根据(e.hash & oldCap)条件对链表进行拆分并放到newTable
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;
}
treeifbin函数：
final void treeifyBin(Node<K,V>[] tab, int hash) {
int n, index; Node<K,V> e;
//上面put函数提到过一下，这里还有一个限制条件，当table的长度小于MIN_TREEIFY_CAPACITY（64）时，只是进行扩容
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;
do {
// //将链表中的结点转换为树结点，形成一个新链表
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); //将新的树结点链表赋给第index个桶
if ((tab[index] = hd) != null)
hd.treeify(tab); //执行 TreeNode中的treeify()方法
}
}
treeify与untreeify函数
//将链表转化为红黑树
final void treeify(Node<K,V>[] tab) {
TreeNode<K,V> root = null;
//遍历链表中的每一个TreeNode，当前结点为x
for (TreeNode<K,V> x = this, next; x != null; x = next) {
next = (TreeNode<K,V>)x.next;
x.left = x.right = null;
//对于第一个树结点，当前红黑树的root == null，所以第一个结点是树的根，设置为黑色
if (root == null) {
x.parent = null;
x.red = false;
root = x;
}
else {
K k = x.key;
int h = x.hash;
Class<?> kc = null;
//从根结点开始遍历，寻找当前结点x的插入位置
for (TreeNode<K,V> p = root;;) {
int dir, ph;
K pk = p.key;
//如果当前结点的hash值小于根结点的hash值，方向dir = -1；
if ((ph = p.hash) > h)
dir = -1;
//如果当前结点的hash值大于根结点的hash值，方向dir = 1；
else if (ph < h)
dir = 1;
//如果x结点的key没有实现comparable接口，或者其key和根结点的key相等（k.compareTo(x) == 0）仲裁插入规则
else if ((kc == null &&
(kc = comparableClassFor(k)) == null) ||
(dir = compareComparables(kc, k, pk)) == 0)
dir = tieBreakOrder(k, pk);
TreeNode<K,V> xp = p;
//如果p的左右结点都不为null，继续for循环，否则执行插入
if ((p = (dir <= 0) ? p.left : p.right) == null) {
x.parent = xp;
if (dir <= 0)
xp.left = x;
else
xp.right = x;
//插入后进行树的调整，使之符合红黑树的性质
root = balanceInsertion(root, x);
break;
}
}
}
}
moveRootToFront(tab, root);
}
/**
红黑树转换成链表
*/
final Node<K,V> untreeify(HashMap<K,V> map) {
Node<K,V> hd = null, tl = null;
for (Node<K,V> q = this; q != null; q = q.next) {
Node<K,V> p = map.replacementNode(q, null);
if (tl == null)
hd = p;
else
tl.next = p;
tl = p;
}
return hd;
}
确定hash桶索引的位置
参考博客：https://blog.csdn.net/qq_42034205/article/details/90384772
//方法一：
static final int hash(Object key) {
//jdk1.8 & jdk1.7
int h;
// h = key.hashCode() 为第一步 取hashCode值
// h ^ (h >>> 16) 为第二步 高位参与运算 h右移16位
return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}
//方法二：
static int indexFor(int h, int length) {
//jdk1.7的源码，jdk1.8没有这个方法，但是实现原理一样的,在方法体中运用
return h & (length-1); //第三步 取模运算
}
//即hashCode()的低16位与高16位右移16位相异或。
1. h >>> 16 是什么，有什么用?
h是hashcode。h >>> 16是用来取出h的高16，(>>>是无符号右移) 如下展示
0000 0100 1011 0011 1101 1111 1110 0001
>>> 16
0000 0000 0000 0000 0000 0100 1011 0011
即保留后高位 16位，即左边的16位噢
讲到这里还要看一个方法indexFor，在jdk1.7中有indexFor(int h, int length)方法。jdk1.8里没有，但原理没变。下面看下1.7源码
1.8中用tab[(n - 1) & hash]代替但原理一样。(n是table长度)
static int indexFor(int h, int length) {
return h & (length-1);
}
这个方法返回值就是数组下标。我们平时用map大多数情况下map里面的数据不是很多。这里与（length-1）相&,
但由于绝大多数情况下length一般都小于2^16即小于65536。所以return h & (length-1);结果始终是h的低16位与（length-1）进行&运算。如下例子（hashcode为四字节）
例如1：为了方便验证，假设length为8。HashMap的默认初始容量为16
length = 8; （length-1） = 7；转换二进制为111；
假设一个key的 hashcode = 78897121 转换二进制：100101100111101111111100001，与（length-1）& 运算如下
0000 0100 1011 0011 1101 1111 1110 0001
&运算
0000 0000 0000 0000 0000 0000 0000 0111
= 0000 0000 0000 0000 0000 0000 0000 0001 （就是十进制1，所以下标为1）
当length=8时 下标运算结果取决于哈希值的低三位
当length=16时 下标运算结果取决于哈希值的低四位
当length=32时 下标运算结果取决于哈希值的低五位
当length=2的N次方， 下标运算结果取决于哈希值的低N位
因为&和|都会使得结果偏向0或者1 ,并不是均匀的概念,所以用^。
总结：
1. 结构
HashMap结构由数组加**链表(或红黑树)**构成。主干是Node
2. hash流程
HashMap中的每个键值对，通过对key的哈希值与table-1(即桶的数目-1)进行&运算，得到数组下标，进而确认该键值对所存储的位置(对应的那个桶)，插入的时候如果对应桶Node的hash为空，即当前桶为空，直接覆盖当前即可。若不为空，那么就要比较当前桶中的 key和key的hashcode 与写入的 key 是否相等，相等就赋值给，否则即存在相同相同hash值或者不同hash值与(桶的数目)table-1&运算后得到相同的数组下标（哈希冲突），然后呢就将当前的 key、value封装成一个新节点写入到当前桶的最后面（即链表的最后面），然后就是比较判断当前链表的大小是否大于预设的阈值默认0.75*16=12，大于时就要调用转换为红黑树的方法，此时不一定转换，还需进去treeifybin进行判断（判断table长度是否大于MIN_TREEIFY_CAPACITY=64）。
哈希冲突：哈希冲突也叫哈希碰撞，当对两个不同数进行hash函数计算后可能会得到相同的hash值，即存入数组下标相同，此时就发生了碰撞，hashMap使用链地址法存储具有相同hash值的元素。
除此之外，解决hash冲突的办法还有开放地址法（发生hash冲突，寻找下一块未被占用的存储地址）、再散列函数法（对求得的hash值再进行一遍hash运算）。那么就要比较当前桶中的 key、key 的 hashcode 与写入的 key 是否相等，相等就赋值给
注意：HashMap是线程不安全，当多个线程进行put操作时，可能会造成put死循环。
精力有限。。。留下几个问题后期再解决：