HashMap底层实现原理
HashMap
HashMap 最早出现在 JDK 1.2中，底层基于散列算法实现，它是一个key-value结构的容器。
- 是一个key-value的映射容器，key不重复
- jdk8中的HashMap基于数组+链表+红黑树实现
- 不保证键值的顺序
- 可以存入null值
- 非线程安全，多线程环境下可能存在问题
HashMap的类结构图
- 继承了AbstractMap,实现了Map接口，提供了key,value结构格式访问的方法
- 实现了Cloneable接口，表示HashMap支持clone
- 实现了Serializable接口，表示HashMap支持序列化
HashMap 的数据结构
JDK1.8 版本的HashMap，底层数据使用数组 + 链表/红黑树实现。
- 数组作为基础的数据存储结构。
- 链表是为了解决hash碰撞问题。
- 红黑树是为了解决链表中的数据较多（满足链表长度超过8且数组长度大于64，才会将链表替换成红黑树才会树化）时效率下降的问题。
源码剖析
-
成员变量
static final int DEFAULT_INITIAL_CAPACITY = 1 << 4; // aka 默认初始容量大小：2的4次方 16
static final int MAXIMUM_CAPACITY = 1 << 30; //最大容量：2的30次方,Integer.MAX_VALUE
static final float DEFAULT_LOAD_FACTOR = 0.75f;//默认加载因子
static final int TREEIFY_THRESHOLD = 8; //计数阈值至少为8转化为使用树而不是列表
static final int UNTREEIFY_THRESHOLD = 6; //计数阈值小于6反树化，即红黑树转为列表
static final int MIN_TREEIFY_CAPACITY = 64; //可对桶进行树化的最小表容量
transient Node[] table; //表在第一次使用时初始化，大小调整为必要的。在分配时，长度总是2的幂。在某些操作中，我们也允许长度为零。目前不需要的引导机制。)
transient Set> entrySet; //保存缓存的entrySet()
transient int size; //包含的键值映射的元素数量
transient int modCount; //HashMap在结构上被修改的次数，用于快速失败机制
int threshold; // 调整大小的阈值(容量*负载因子)
final float loadFactor; //哈希表扩容使用的负载因子
-
Node的数据结构
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;
}
...
} Node的数据结构是一个链表结构，红黑树也是基于Node的数据结构构建得到。
TreeNode replacementTreeNode(Node p, Node next) {
return new TreeNode<>(p.hash, p.key, p.value, next);
} -
构造方法
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;
//根据tableSizeFor获取扩容阈值
this.threshold = tableSizeFor(initialCapacity);
}
public HashMap(int initialCapacity) {
this(initialCapacity, DEFAULT_LOAD_FACTOR);
}
public HashMap() {
this.loadFactor = DEFAULT_LOAD_FACTOR; // all other fields defaulted
}
public HashMap(Map m) {
this.loadFactor = DEFAULT_LOAD_FACTOR;
putMapEntries(m, false);
}- 当初始容量initialCapacity大于最大容量MAXIMUM_CAPACITY大小，设置成最大容量大小，防止溢出。
- 根据tableSizeFor获取扩容阈值。
static final int tableSizeFor(int cap) {
int n = cap - 1;
n |= n >>> 1;
n |= n >>> 2;
n |= n >>> 4;
n |= n >>> 8;
n |= n >>> 16;
return (n < 0) ? 1 : (n >= MAXIMUM_CAPACITY) ? MAXIMUM_CAPACITY : n + 1;
}通过对cap进行位移或操作计算，获取扩容阈值2的幂次方。此时这里的阈值threshold不是初始容量*负载因子，不必在意，这只是临时的，真正设置threshold在后面put方法中。
-
put方法
put方法
public V put(K key, V value) {
// 调用putVal方法， hash(key)-计算key的hash值
return putVal(hash(key), key, value, false, true);
}hash方法
static final int hash(Object key) {
int h;
return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}计算key.hashCode()并将哈希的高位数扩展到低位数。
- key.hashCode()获取key的hashCode值
- key的hashCode值与其无符号右移16位值进行异或^。从而让Hash值分布更均匀，将高位的碰撞影响向下扩散。
putVal方法
final V putVal(int hash, K key, V value, boolean onlyIfAbsent,
boolean evict) {
Node[] tab; Node p; int n, i;
// 如果数组为空，进行 resize() 初始化
if ((tab = table) == null || (n = tab.length) == 0)
n = (tab = resize()).length;
// (n - 1) & hash相当于取模，获取数组的索引位置
// 如果计算的位置上Node不存在，直接创建节点插入
if ((p = tab[i = (n - 1) & hash]) == null)
tab[i] = newNode(hash, key, value, null);
else {
// 如果计算的位置上Node 存在，链表或者红黑树处理
Node e; K k;
// 如果已存在的key和传入的key一模一样，则需要覆盖
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
e = p;
// 如果 index 位置元素已经存在，且是红黑树
else if (p instanceof TreeNode)
// 将元素put到红黑树中
e = ((TreeNode)p).putTreeVal(this, tab, hash, key, value);
else {
// 否则如果是链表的情况，对链表进行遍历，并统计链表长度
for (int binCount = 0; ; ++binCount) {
// 如果节点链表的next为空
if ((e = p.next) == null) {
// 找到节点链表中next为空的节点，创建新的节点插入
p.next = newNode(hash, key, value, null);
// 如果节点链表中数量超过TREEIFY_THRESHOLD（8）个，转化为红黑树
if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st
// 树化
treeifyBin(tab, hash);
break;
}
// 判断节点链表中的key和传入的key是否一样
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
// 如果一样的话，退出
break;
p = e;
}
}
// 如果存在相同key的节点e不为空
if (e != null) { // existing mapping for key
V oldValue = e.value;
// onlyIfAbsent 表示是否仅在 oldValue 为 null 的情况下更新键值对的值
if (!onlyIfAbsent || oldValue == null)
// 设置新的值
e.value = value;
afterNodeAccess(e);
// 返回旧的结果
return oldValue;
}
}
++modCount;
// 当前大小大于临界大小，扩容
if (++size > threshold)
resize();
afterNodeInsertion(evict);
return null;
} put、putVal总体流程如下：
putVal方法总结归纳主要做了如下几件事：
- 当桶数组 table 为空时，通过扩容的方式初始化 table。
- 查找要插入的键值对是否已经存在，存在的话根据条件判断是否用新值替换旧值。
- 如果不存在，则将键值对链入链表中，并根据链表长度决定是否将链表转为红黑树。
- 判断键值对数量是否大于阈值，大于的话则进行扩容操作。
resize方法
final Node[] resize() {
Node[] oldTab = table;
// 现有容量的大小，等于数组的长度，如果数组为空，返回0
int oldCap = (oldTab == null) ? 0 : oldTab.length;
// 现有的扩容阈值
int oldThr = threshold;
// newCap表示新的容量，newThr新的扩容阈值
int newCap, newThr = 0;
// 如果现有容量大于0，表示已经初始化过了
if (oldCap > 0) {
// 如果现有容量已经大于最大容量。结束扩容，直接返回
if (oldCap >= MAXIMUM_CAPACITY) {
threshold = Integer.MAX_VALUE;
return oldTab;
}
// 否则，如果扩大两倍之后的容量小于最大容量，且现有容量大于等于初始容量16
else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&
oldCap >= DEFAULT_INITIAL_CAPACITY)
// 新的扩容阀值扩大为两倍，左移<<1 相当于乘以2
newThr = oldThr << 1; // double threshold
}
// 否则如果当前容量等于0 ，但是当前扩容阈值 > 0,调用有参构造函数会到这里
else if (oldThr > 0) // initial capacity was placed in threshold
// 进入这里，新的容量等于当前的扩容阈值，
newCap = oldThr;
// 否则如果当前容量等于0,并且挡墙扩容阈值=0，调用无参构造函数进入这里
else {
// 新的容量等于默认容量
newCap = DEFAULT_INITIAL_CAPACITY;
// 新的扩容阈值等于默认负载因子0.75*默认容量16=12
newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);
}
// 如果新的扩容阈值等于0
if (newThr == 0) {
// 设置新的扩容阈值等于新的容量*负载因子
float ft = (float)newCap * loadFactor;
newThr = (newCap < MAXIMUM_CAPACITY && ft < (float)MAXIMUM_CAPACITY ?
(int)ft : Integer.MAX_VALUE);
}
// 设置hashmap对象的扩容阈值位新的扩容阈值
threshold = newThr;
@SuppressWarnings({"rawtypes","unchecked"})
// 初始化数组
Node[] newTab = (Node[])new Node[newCap];
// 设置hashmap对象的桶数组为newTab
table = newTab;
// 下面时rehash的过程
// 如果旧的桶数组不为空，则遍历桶数组，并将键值对映射到新的桶数组中
if (oldTab != null) {
// 遍历老的数组
for (int j = 0; j < oldCap; ++j) {
Node e;
// 如果数组索引位置不为空
if ((e = oldTab[j]) != null) {
oldTab[j] = null;
// 如果节点下面没有链表或者红黑树
if (e.next == null)
// 用新数组容量取模，设置到新数组中
newTab[e.hash & (newCap - 1)] = e;
// 如果节点是红黑树
else if (e instanceof TreeNode)
// 需要对红黑树进行拆分
((TreeNode)e).split(this, newTab, j, oldCap);
// 如果节点是红黑树
else { // preserve order
Node loHead = null, loTail = null;
Node hiHead = null, hiTail = null;
Node next;
// 遍历链表，并将链表节点按原顺序根据高低位分组
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);
// 将分组后的链表映射到新桶中
if (loTail != null) {
loTail.next = null;
newTab[j] = loHead;
}
if (hiTail != null) {
hiTail.next = null;
newTab[j + oldCap] = hiHead;
}
}
}
}
}
return newTab;
} resize方法大致做了如下的事情：
- 计算新桶数组的容量 newCap 和新阈值 newThr。
- 根据计算出的 newCap 创建新的桶数组，桶数组 table 也是在这里进行初始化的。
- 将键值对节点重新映射到新的桶数组里。如果节点是 TreeNode 类型，则需要拆分红黑树。如果是普通链表节点，则节点按原顺序进行分组。
treeifyBin方法
treeifyBin方法将普通节点链表转换成树形节点。jdk8中会将节点链表在一定的条件下转换成红黑树，主要是因为红黑树的搜索查询性能更好，会将时间复杂度从O（n）变成O(logn)。
final void treeifyBin(Node[] tab, int hash) {
int n, index; Node e;
// 桶数组容量小于 MIN_TREEIFY_CAPACITY，优先进行扩容而不是树化
if (tab == null || (n = tab.length) < MIN_TREEIFY_CAPACITY)
resize();
else if ((e = tab[index = (n - 1) & hash]) != null) {
// hd 为头节点（head），tl 为尾节点（tail）
TreeNode hd = null, tl = null;
do {
// 将普通节点替换成树形节点
TreeNode p = replacementTreeNode(e, null);
if (tl == null)
hd = p;
else {
p.prev = tl;
tl.next = p;
}
tl = p;
} while ((e = e.next) != null);
// 将普通链表转成由树形节点
if ((tab[index] = hd) != null)
// 将树形链表转换成红黑树
hd.treeify(tab);
}
} 扩容树化要满足两个条件：
- 链表长度大于等于 8
- 桶数组容量大于等于64，当桶数组容量比较小时，键值对节点 hash 的碰撞率可能会比较高，进而导致链表长度较长。这个时候应该优先扩容，而不是立马树化。
get方法
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;
// 定位键值对所在桶的位置
if ((tab = table) != null && (n = tab.length) > 0 &&
//(n - 1)& hash相当于取模运算，算出桶的在桶数组中的位置
(first = tab[(n - 1) & hash]) != null) {
//根据hash算法找到对应位置的第一个数据，如果是指定的key，则直接返回
if (first.hash == hash && // always check first node
((k = first.key) == key || (key != null && key.equals(k))))
return first;
if ((e = first.next) != null) {
//如果该节点为红黑树，则通过树进行查找
if (first instanceof TreeNode)
return ((TreeNode)first).getTreeNode(hash, key);
//如果该节点是链表，则遍历查找到数据
do {
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
return e;
} while ((e = e.next) != null);
}
}
return null;
} 大致逻辑如下：
- 根据hash值查找到指定位置的数据。
- 校验指定位置第一个节点的数据是key是否为传入的key，如果是直接返回第一个节点，否则继续查找第二个节点。
- 如果数据是TreeNode（红黑树结构），直接通过红黑树查找节点数据并返回。
- 如果是链表结构，循环查找所有节点，返回数据。
- 如果没有找到符合要求的节点，返回null。