参考链接：HashMap源码解析
java.util.HashMap
存储结构
HashMap的数据存储是Node数组的方式存储
/**
* The table, initialized on first use, and resized as
* necessary. When allocated, length is always a power of two.
* (We also tolerate length zero in some operations to allow
* bootstrapping mechanics that are currently not needed.)
*/
transient Node[] table;
- 具体的类型如下
java.util.HashMap.Node 为
链表结构
/**
* Basic hash bin node, used for most entries. (See below for
* TreeNode subclass, and in LinkedHashMap for its Entry subclass.)
*/
static class Node implements Map.Entry {
final int hash;
final K key;
V value;
Node next;
Node(int hash, K key, V value, Node 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;
}
}
- java.util.Map.Entry
interface Entry {
K getKey();
V getValue();
V setValue(V value);
boolean equals(Object o);
int hashCode();
public static , V> Comparator> comparingByKey() {
return (Comparator> & Serializable)
(c1, c2) -> c1.getKey().compareTo(c2.getKey());
}
public static > Comparator> comparingByValue() {
return (Comparator> & Serializable)
(c1, c2) -> c1.getValue().compareTo(c2.getValue());
}
public static Comparator> comparingByKey(Comparator cmp) {
Objects.requireNonNull(cmp);
return (Comparator> & Serializable)
(c1, c2) -> cmp.compare(c1.getKey(), c2.getKey());
}
public static Comparator> comparingByValue(Comparator cmp) {
Objects.requireNonNull(cmp);
return (Comparator> & Serializable)
(c1, c2) -> cmp.compare(c1.getValue(), c2.getValue());
}
}
JDK1.8之后，如果Node的长度过长，查询效率会大大降低。通过将链表转换为
红黑树可以提升查询的效率
- java.util.HashMap.TreeNode
static final class TreeNode extends LinkedHashMap.Entry {
TreeNode parent; // red-black tree links
TreeNode left; // 左节点
TreeNode right; // 右节点
TreeNode prev; // needed to unlink next upon deletion
boolean red; // 是不是红节点
TreeNode(int hash, K key, V val, Node next) {
super(hash, key, val, next);
}
......
}
存值
public V put(K key, V value) {
return putVal(hash(key), key, value, false, true);
}
计算当前key在数组中的索引位置：
(n - 1) & hash。其中n为数字长度，hash为key值的hash值
/**
* Implements Map.put and related methods
*
* @param hash hash for key
* @param key the key
* @param value the value to put
* @param onlyIfAbsent if true, don't change existing value
* @param evict if false, the table is in creation mode.
* @return previous value, or null if none
*/
final V putVal(int hash, K key, V value, boolean onlyIfAbsent,
boolean evict) {
Node[] tab;
Node p;
int n, i;
if ((tab = table) == null || (n = tab.length) == 0)
n = (tab = resize()).length;
if ((p = tab[i = (n - 1) & hash]) == null)
// 如果数组中当前索引位置不存在键值对，则直接将当前数据set进去
tab[i] = newNode(hash, key, value, null);
else { // 数组中对应索引位置已经存在数据
Node e;
K k;
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
// 如果当前key值算出来的hash值与数组当前位置存储的entry对象key值的hash值一样，并且key的hash()一样、equals的结果也一样，则覆盖对应的键值对对象
e = p;
else if (p instanceof TreeNode)
// 当前数组中对应的节点对象类型为TreeNode的时候，说明已经树化，走红黑树的逻辑
e = ((TreeNode)p).putTreeVal(this, tab, hash, key, value);
else {
// 遍历数组中的链表
for (int binCount = 0; ; ++binCount) {
if ((e = p.next) == null) {
// 如果在链表中没有找到一样的key值，则网链表末端添加新节点
p.next = newNode(hash, key, value, null);
if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st
// 如果链表的长度达到树化的长度，则将其树化
treeifyBin(tab, hash);
break;
}
// 如果在链表中找到一样的key值，则覆盖对应的value值
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
break;
p = e;
}
}
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map的长度超过负载数量，则扩容
resize();
afterNodeInsertion(evict);
return null;
}
扩容
final Node[] resize() {
Node[] oldTab = table;
int oldCap = (oldTab == null) ? 0 : oldTab.length;
int oldThr = threshold;
int newCap, newThr = 0;
if (oldCap > 0) {
//如果容量已经达到最大值了，这时候也无法扩容了，所以就将阈值也调到最大，然后返回原数组
if (oldCap >= MAXIMUM_CAPACITY) {
threshold = Integer.MAX_VALUE;
return oldTab;
}
//将容量扩大两倍，同时阈值也扩大两倍
else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&
oldCap >= DEFAULT_INITIAL_CAPACITY)
newThr = oldThr << 1;
}
else if (oldThr > 0) // initial capacity was placed in threshold
newCap = oldThr;
else {//oldCap=0或oldThr=0时，即初始化时的设置
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"})
//根据新的容量初始化新的数组
Node[] newTab = (Node[])new Node[newCap];
table = newTab;
//上面是对容器的扩容，这里开始将原来的容器中的数据迁移到扩容后新的容器中
if (oldTab != null) {
//遍历原数组容器
for (int j = 0; j < oldCap; ++j) {
Node e;
//如果旧的hash桶数组在j结点处不为空，复制给e
if ((e = oldTab[j]) != null) {
oldTab[j] = null;//将旧的hash桶数组在j结点处设置为空，方便gc
//如果e后面没有Node结点，意味着当前数据下标处只有一条数据
if (e.next == null)
//将e根据新数组长度做哈希取模运算放到新的数组对应下标中
newTab[e.hash & (newCap - 1)] = e;
else if (e instanceof TreeNode)
//如果e是红黑树的类型，那么按照红黑树方式迁移数据，split里面涉及到红黑树转链表
((TreeNode)e).split(this, newTab, j, oldCap);
else {
//定义两个新链表lower，higher
Node loHead = null, loTail = null;
Node hiHead = null, hiTail = null;
Node next;
do {
//将Node结点的next赋值给next
next = e.next;
//如果结点e的hash值与原数组的长度作与运算为0，则将它放到新链表lower中
if ((e.hash & oldCap) == 0) {
if (loTail == null)
loHead = e;//将e结点赋值给loHead
else
loTail.next = e;//否则将e赋值给loTail.next
loTail = e;//然后将e复制给loTail
}
//如果结点e的hash值与原数组的长度作与运算不为0，则将它放到新链表higher中
else {
if (hiTail == null)
hiHead = e;//将e赋值给hiHead
else
hiTail.next = e;//如果hiTail不为空，将e复制给hiTail.next
hiTail = e;//将e复制个hiTail
}
} while ((e = next) != null);//直到e为空结束循环，即链表尾部
if (loTail != null) {
loTail.next = null;//将loTail.next设置为空
newTab[j] = loHead;//将loHead赋值给新的hash桶数组[j]处
}
if (hiTail != null) {
hiTail.next = null;//将hiTail.next赋值为空
newTab[j + oldCap] = hiHead;//将hiHead赋值给新的数组[j+原数组长度]
}
}
}
}
}
return newTab;
}
链表转换为红黑树
final void treeifyBin(Node[] tab, int hash) {
int n, index;
Node e;
if (tab == null || (n = tab.length) < MIN_TREEIFY_CAPACITY)
// 如果tab为null。或者tab的长度小于树化的最小容量，则重新退化为链表
resize();
else if ((e = tab[index = (n - 1) & hash]) != null) {
TreeNode hd = null, tl = null;
// 遍历链表，将链表转化为树
do {
TreeNode p = replacementTreeNode(e, null);
if (tl == null)
hd = p;
else {
p.prev = tl;
tl.next = p;
}
tl = p;
} while ((e = e.next) != null);
if ((tab[index] = hd) != null)
hd.treeify(tab);
}
}
取值
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;
if ((tab = table) != null && (n = tab.length) > 0 &&
(first = tab[(n - 1) & hash]) != null) {
if (first.hash == hash && // always check first node
((k = first.key) == key || (key != null && key.equals(k))))
return first;
if ((e = first.next) != null) {
if (first instanceof TreeNode)
return ((TreeNode)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;
}
HashMap是如何定位Node在数组中的位置
HashMap通过对key的哈希值取模后的值定位到数组的下标的位置，但是
hash(key)%length的运算效率较低。
在数学运算中。hash(key)%length得到的结果跟hash(key)&(length-1)是一样的。但是与运算的性能要比取模运算的性能高。
因此，代码中是通过(n - 1) & hash的方式获取Node节点在数组中的位置
static final int hash(Object key) {
int h;
return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}
hash运算的方式，是对hash值做了无符号按位右移16位，然后再与原hash值做异或运算
(h = key.hashCode()) ^ (h >>> 16)
h右移16位意味着将高16的值放在了低16位上，高16位补0，这样处理后再与h进行异或运算得到一个运算后的hash值。
运算后的hash值和原来的hashCode值相比，高16位我们可以不关心，而低16位则是原来的高16位和低16的异或后的新值，这样它就具备了原来高16位和低16的特征。
将这样的得到的hash值再与(n-1)进行与运算，n即为数组的长度，初始值是16，每次扩容的时候，都是2的倍数进行扩容，所以n的值必不会很大。它的高16位基本都为0，只有低16位才会有值。
由于 (n-1) 的高16位都为0，所以任何和它进行与运算的数据值，运算后的结果index的高16位都不会受影响必为0，只有低16位的结果会受影响。这样高16位相当于没什么作用。
如果两个对象的hashCode值低16位相同而高16位不同，那么它们运算后的结果必相同，从而导致哈希冲突，定位到了数组的同一个下标。
而通过右移16位异或运算后，相当于是将高16位和低16位进行了融合，运算结果的低16位具有了h的高16位和低16位的联合特征。这样可以降低哈希冲突从而在一定程度上保证了数据的均匀分布。