JDK版本:13
参考
建议大家直接看这篇,写的太好了~
- 明星文章:美团技术团队——Java 8系列之重新认识HashMap
1 类图
HashMap
- 实现
java.util.Map
接口,继承java.util.AbstractMap
抽像类。 - 实现
java.io.Serializable
接口。 - 实现
java.lang.Cloneable
接口。
顺便看看Map的4个常用实现类
-
HashMap
:今天的主角 -
Hashtable
:线程安全,但性能不如ConcurrentHashMap
,没必要继续使用了 -
LinkedHashMap
:HashMap
的子类,保存了元素插入的顺序。 -
TreeMap
:能够根据key排序。key必须实现Comparable
接口或构造TreeMap
时传入自定义比较器。
2 概览
HashMap底层是依靠数组+链表(jdk1.8后引入了红黑树)实现的。查询操作如何实现O(1)的时间复杂度是我们最关心的问题。
来看它的几个主要属性:
-
Node
哈希桶数组[] table -
int threshold
扩容阈值 -
float loadFactor
负载因子 -
int size
保存的键值对的数量
简单来讲,HashMap内部维护了一个Node数组table
,数组上的每一个位置叫做一个哈希桶。那么如何利用数组的特性来存储键值对?
对key求hash值就可以把key转为一个整数,以此作为下标就可以存在数组里了。但还不够,数组长度不够用怎么办?
那就把hash(key)
对数组长度取模,用hash(key) % (table.length -1)
作为下标就好了。还是不够,不同的key计算出来的值一样怎么办?
这也就是哈希冲突了。HashMap采用了链表法处理。每一个哈希桶都对应一个链表,如果发生哈希冲突就把新的value放在链表末尾。这样如果一个链表过长,还是会影响性能。从java8开始做了优化,当链表太长时,就转为红黑树。
而扩容也是查询操作保持O(1)时间复杂度的重要手段,我们希望尽量每个桶里都只放了一个元素。threshold
是扩容阈值,指当size
超过threshold
时,HashMap会进行扩容。扩容阈值通过threshold = table.length * loadFactor
计算得到。扩容操作是非常消耗性能的,在初始化HashMap时,最好估算大小,用 HashMap(int initialCapacity)
方法构造,避免频繁进行扩容。
loadFactor
是对空间和时间的一种平衡选择。数据量相同的情况下,loadFactor
越小,HashMap占用的空间越大,但越不容易哈希冲突,查询效率越高。相反,loadFactor
越大,占用空间越小,查询效率越低。loadFactor
默认值0.75,除非在特殊情况下,不建议修改。
table
的长度总是2的n次方。这样hash(key) % (table.length -1)
可以写为hash(key) & (table.length -1)
,位运算要有更高的效率。
3 构造方法
3.1 默认构造方法 HashMap()
static final int DEFAULT_INITIAL_CAPACITY = 1 << 4; // aka 16
static final float DEFAULT_LOAD_FACTOR = 0.75f;
public HashMap() {
// 使用默认负载因子创建一个空的HashMap (table会在第一次使用时初始化,默认初始容量为16)
this.loadFactor = DEFAULT_LOAD_FACTOR; // all other fields defaulted
}
3.2 给定容量的构造方法 HashMap(int initialCapacity)
public HashMap(int initialCapacity) {
// 创建一个指定容量(会计算得到2的幂)、默认负载因子的HashMap
this(initialCapacity, DEFAULT_LOAD_FACTOR);
}
3.3 给定容量和负载因子的构造方法 HashMap(int initialCapacity, float loadFactor)
public HashMap(int initialCapacity, float loadFactor) {
// 校验
if (initialCapacity < 0)
throw new IllegalArgumentException("Illegal initial capacity: " +
initialCapacity);
// 给定容量超过最大容量,则使用最大容量
if (initialCapacity > MAXIMUM_CAPACITY)
initialCapacity = MAXIMUM_CAPACITY;
// 校验
if (loadFactor <= 0 || Float.isNaN(loadFactor))
throw new IllegalArgumentException("Illegal load factor: " +
// 设置负载因子 loadFactor);
this.loadFactor = loadFactor;
// 计算扩容阈值
this.threshold = tableSizeFor(initialCapacity); // 注意这个方法
}
/**
* 容量必须是2的幂,通过此方法计算得到大于给定容量的最小的2的幂
*/
static final int tableSizeFor(int cap) {
// 从二进制cap的最左边的1开始,全部设置为 1 ,得到 n ,这样 n + 1就是要求的值
int n = -1 >>> Integer.numberOfLeadingZeros(cap - 1); // cap - 1 再计算避免cap假设刚好是8,但 n=16 这是不对的。
// cap 是 0 或 1 的时候 n 是 -1,此时返回 1
return (n < 0) ? 1 : (n >= MAXIMUM_CAPACITY) ? MAXIMUM_CAPACITY : n + 1;
}
3.4 HashMap(Map m)
public HashMap(Map m) {
// 设置负载因子
this.loadFactor = DEFAULT_LOAD_FACTOR;
putMapEntries(m, false);
}
final void putMapEntries(Map m, boolean evict) {
int s = m.size();
if (s > 0) {
// table 为空,还未初始化
if (table == null) { // pre-size
// 由map大小和负载因子计算table大小
float ft = ((float)s / loadFactor) + 1.0F; // 因为下边(int)向下取整
int t = ((ft < (float)MAXIMUM_CAPACITY) ?
(int)ft : MAXIMUM_CAPACITY);
// 新的容量大于扩容阈值,则计算新的扩容阈值
if (t > threshold)
threshold = tableSizeFor(t);
// 若不为空 扩容直到够用或达到最大值
} else {
// Because of linked-list bucket constraints, we cannot
// expand all at once, but can reduce total resize
// effort by repeated doubling now vs later
while (s > threshold && table.length < MAXIMUM_CAPACITY)
resize();
}
// 遍历,将元素挨个添加到HashMap中
for (Map.Entry e : m.entrySet()) {
K key = e.getKey();
V value = e.getValue();
// 后边再看
putVal(hash(key), key, value, false, evict);
}
}
}
4 主要方法
4.1 添加单个元素 V put(K key, V value)
/**
* 链表转为红黑树的临界值
*/
static final int TREEIFY_THRESHOLD = 8;
/**
* 红黑树退化为链表的临界值
*/
static final int UNTREEIFY_THRESHOLD = 6;
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[] tab; Node p; int n, i;
// table 未初始化或容量为0 则扩容
if ((tab = table) == null || (n = tab.length) == 0)
n = (tab = resize()/*扩容*/).length;
if ((p = tab[i = (n - 1) & hash]/*获得对应位置的 Node 节点*/) == null)
// 如果是空,直接new 一个新的 node 放在这个位置
tab[i] = newNode(hash, key, value, null);
else {
// 如果不是空
Node e; // 目标node,存放新加入元素的node
K k;
// 如果 hash 值相等且 key 也相等,那这个 node 就是要找的 node
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
e = p;
// 如果 p 是树节点
else if (p instanceof TreeNode)
// 直接添加到树中
e = ((TreeNode)p).putTreeVal(this, tab, hash, key, value);
else {
// 顺序遍历链表
for (int binCount = 0; ; ++binCount) {
// 目标节点 e 指向 p 的下一个节点,如果已经遍历到链表尾部,说明 key 不在 HashMap 中
if ((e = p.next) == null) {
// 创建新节点
p.next = newNode(hash, key, value, null);
// 如果链表长度达到 TREEIFY_THRESHOLD 时,转为树
if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st
treeifyBin(tab, hash);
break; // 跳出循环
}
// 如果 hash 和 key 都相等,说明找到了目标 node
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
break; // 跳出循环
p = e; // p指向下一个节点
}
}
// 找到了 key 对应的节点
if (e != null) { // existing mapping for key
V oldValue = e.value;
// 如果允许修改节点,则修改
if (!onlyIfAbsent || oldValue == null)
e.value = value;
// 节点被访问的回调函数
afterNodeAccess(e);
// 返回旧值
return oldValue;
}
}
// 增加修改次数
++modCount;
// 如果超过扩容阈值,则进行扩容
if (++size > threshold)
resize();
// 添加节点后的回调
afterNodeInsertion(evict);
return null;
}
4.2 扩容 Node[] resize()
final Node[] resize() {
Node[] oldTab = table;
int oldCap = (oldTab == null) ? 0 : oldTab.length; // 注意这里
int oldThr = threshold;
int newCap, newThr = 0;
// oldCap > 0, table 非空
if (oldCap > 0) {
// 如果超过最大容量
if (oldCap >= MAXIMUM_CAPACITY) {
// 扩容阈值设为最大值,返回旧table,不允许再扩容
threshold = Integer.MAX_VALUE;
return oldTab;
}
// 旧容量大于默认初始化容量且扩容两倍后小于最大容量,则扩容两倍
else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&
oldCap >= DEFAULT_INITIAL_CAPACITY)
newThr = oldThr << 1; // double threshold
}
// oldCap <= 0 , table 为空,所以下边是初始化的情况
// oldThr > 0, 非默认构造函数的情况
// 直接用oldThr 当做新的容量。oldThr由tableSizeFor()方法得出,一定是2的幂
else if (oldThr > 0) // initial capacity was placed in threshold
newCap = oldThr;
// 默认构造函数的情况
else { // zero initial threshold signifies using defaults
newCap = DEFAULT_INITIAL_CAPACITY;
newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);
}
// 如果上边没有给出新的扩容阈值,则用 newCap * loadFactor 计算
if (newThr == 0) {
float ft = (float)newCap * loadFactor;
newThr = (newCap < MAXIMUM_CAPACITY && ft < (float)MAXIMUM_CAPACITY ?
(int)ft : Integer.MAX_VALUE);
}
// 新 扩容阈值 赋值
threshold = newThr;
@SuppressWarnings({"rawtypes","unchecked"})
Node[] newTab = (Node[])new Node[newCap];
// 用新的容量创建新的 table 并赋值
table = newTab;
// 如果旧 table 不是空,需要搬运数据
if (oldTab != null) {
for (int j = 0; j < oldCap; ++j) {
// j 位置的节点
Node e;
// 如果节点不为空
if ((e = oldTab[j]) != null) {
// 置空旧table
oldTab[j] = null;
// 如果只有一个元素,直接赋值
if (e.next == null)
newTab[e.hash & (newCap - 1)] = e;
// 如果是树节点
else if (e instanceof TreeNode)
// 处理。。。
((TreeNode)e).split(this, newTab, j, oldCap);
// 如果是链表
else { // preserve order
Node loHead = null, loTail = null;
Node hiHead = null, hiTail = null;
Node next;
do {
next = e.next;
// 扩容一倍后,原来位置的链表节点,要被分配到新 table 的两个位置上去
// 如果去高位
if ((e.hash & oldCap) == 0) {
if (loTail == null)
loHead = e;
else
loTail.next = e;
loTail = e;
}
// 如果去低位
else {
if (hiTail == null)
hiHead = e;
else
hiTail.next = e;
hiTail = e;
}
} while ((e = next) != null);
// 低位放在新 table j 位置
if (loTail != null) {
loTail.next = null;
newTab[j] = loHead;
}
// 高位放在新 table j + oldCap 位置
if (hiTail != null) {
hiTail.next = null;
newTab[j + oldCap] = hiHead;
}
}
}
}
}
return newTab;
}
4.3 移除单个元素 V remove(Object key)
public V remove(Object key) {
Node e;
return (e = removeNode(hash(key), key, null, false, true)) == null ?
null : e.value;
}
final Node removeNode(int hash, Object key, Object value,
boolean matchValue, boolean movable) {
Node[] tab; Node p;
int n, index;
// table非空校验,拿到 hash 对应位置的 p 节点,并且 p 节点不为null
if ((tab = table) != null && (n = tab.length) > 0 &&
(p = tab[index = (n - 1) & hash]) != null) {
Node node = null, e; K k; V v; // 目标节点
// 通过 hash 和 equals 判断 p 节点 就是 目标节点
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
node = p;
// 如果不是
else if ((e = p.next) != null) {
// 如果是树
if (p instanceof TreeNode)
node = ((TreeNode)p).getTreeNode(hash, key);
// 链表
else {
// 遍历查找目标节点
do {
if (e.hash == hash &&
((k = e.key) == key ||
(key != null && key.equals(k)))) {
node = e;
break;
}
p = e;
} while ((e = e.next) != null);
}
}
// 如果找到了目标节点
// 是否要校验 value 相等,如果 matchValue 为 true 则进行校验
if (node != null && (!matchValue || (v = node.value) == value ||
(value != null && value.equals(v)))) {
// 如果是树 则在树中删除
if (node instanceof TreeNode)
((TreeNode)node).removeTreeNode(this, tab, movable);
// 如果node 就是 p , 也就是链表的头结点,则将下一个节点放在 table 该位置中,实现移除
else if (node == p)
tab[index] = node.next;
// 如果不是头结点,把 p 的 next 指向 node 的 next,实现移除
else
p.next = node.next;
// 增加修改次数
++modCount;
// size - 1
--size;
// 移除node的回调
afterNodeRemoval(node);
// 返回被移除的node
return node;
}
}
// 没找到 就返回null
return null;
}
4.4 查找单个元素 V get(Object key)
public V get(Object key) {
Node e;
return (e = getNode(hash(key), key)) == null ? null : e.value;
}
final Node getNode(int hash, Object key) {
Node[] tab; Node first, e; int n; K k;
// 拿到 table 中对应位置的节点 p
if ((tab = table) != null && (n = tab.length) > 0 &&
(first = tab[(n - 1) & hash]) != null) {
// 如果该位置头结点就是要找的,直接返回
if (first.hash == hash && // always check first node
((k = first.key) == key || (key != null && key.equals(k))))
return first;
// 如果后边还有
if ((e = first.next) != null) {
// 如果是树 去树里找
if (first instanceof TreeNode)
return ((TreeNode)first).getTreeNode(hash, key);
// 如果是链表 遍历查找
do {
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
return e;
} while ((e = e.next) != null);
}
}
return null;
}