在本篇主要整理一下 1.8 的 HashMap 进行分析，主要从以下方面：
存储结构
扩容机制
基本属性
下面列出 HashMap 中的属性值并加以节是
// 部分常量
static final int DEFAULT_INITIAL_CAPACITY = 1 << 4; // 初始大小 16
static final int MAXIMUM_CAPACITY = 1 << 30; // 最大容量
static final float DEFAULT_LOAD_FACTOR = 0.75f; // 负载因子，当 size 超过负载因子与当前数量的乘积时会再添加节点会进行扩容
static final int TREEIFY_THRESHOLD = 8; // 链表大小大于该值时转为红黑树
// 属性
transient Node[] table; // HashMap 的基本结构：数组
transient int size; // 当前数量
int threshold; // 当前容量阈值（size * threshold）
final float loadFactor; // 负载因子，final 修饰，确定后不可修改
构造函数
// 可以对 HashMap 的 初始容量 及 负载因子 进行指定
public HashMap(int initialCapacity, float loadFactor) {
if (initialCapacity < 0)
throw new IllegalArgumentException("Illegal initial capacity: " +
initialCapacity);
// 初始容量超过最大值会被重设
if (initialCapacity > MAXIMUM_CAPACITY)
initialCapacity = MAXIMUM_CAPACITY;
if (loadFactor <= 0 || Float.isNaN(loadFactor))
throw new IllegalArgumentException("Illegal load factor: " +
loadFactor);
this.loadFactor = loadFactor;
// 下面的 tableSizeFor 主要将容量调整为 2 的幂
this.threshold = tableSizeFor(initialCapacity);
}
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;
}
存储结构
在了解 HashMap 的整体结构前，先来看看其节点构成
Node
Node 继承自 Map.Entry，是一种键值存储结构。
static class Node implements Map.Entry {
final int hash; //若 hash 值相同，则会对比 key 确定是否为同一对象
final K key; // 键值
V value; // 值
Node next; // 下一指针，用于构造链表解决 hash 冲突问题
// ...
}
hash 操作
取 key.hashCode() 进行 hash 操作，因此重写 equals方法时，要对hashcode进行重写，不然可能导致equals相同，hashcode不同的结果（hashcode 默认是对象存储的内存地址，对具有相同属性值的对象也会判定为不相等）。
static final int hash(Object key) {
int h;
// >>> 无符号右移：
// 0000 0100 1011 0011 1101 1111 1110 0001 >>>(16) 0000 0000 0000 0000 0000 0100 1011 0011
// 令低位掺杂高位特征
return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}
get 操作
获取操作时 (n - 1) & hash替代对数组长度的取余操作，提高计算速率。
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) {
// 查看对应位置的第一个节点，同时需要使用 equals 比较
if (first.hash == hash && // always check first node
((k = first.key) == key || (key != null && key.equals(k))))
return first;
// 进行 链表 或 红黑树 的查找操作
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;
}
put 操作
// 传入时对 key 进行 hash，放入对应的位置
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;
if ((tab = table) == null || (n = tab.length) == 0)
// resize 对 hashmap 数组进行初始化或者扩容，此时为扩容
n = (tab = resize()).length;
// 要放置的数组的对应位置没有元素，则直接插入即可
// (n - 1) & hash 防止长度溢出，使用 & 运算取代 % 运算，提高效率
if ((p = tab[i = (n - 1) & hash]) == null)
tab[i] = newNode(hash, key, value, null);
else {
Node e; K k;
// key 相同则替换值
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
e = p;
// 若该 node 为 TreeNode，对其进行树相关操作
else if (p instanceof TreeNode)
e = ((TreeNode)p).putTreeVal(this, tab, hash, key, value);
else {
// 剩下的是哈希冲突产生的链表的情况
for (int binCount = 0; ; ++binCount) {
// 尾插法
if ((e = p.next) == null) {
p.next = newNode(hash, key, value, null);
if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st
treeifyBin(tab, hash);
break;
}
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
break;
p = e;
}
}
// 获取到的值不为空
if (e != null) { // existing mapping for key
V oldValue = e.value;
if (!onlyIfAbsent || oldValue == null)
e.value = value;
afterNodeAccess(e);
return oldValue;
}
}
// 扩容后的容量增加，以及判断是否超过负载，从而重新排布
++modCount;
if (++size > threshold)
resize();
afterNodeInsertion(evict);
return null;
}
扩容机制
resize
用于初始化或扩容，每次扩容都为 2 的幂，扩容完成后原来的元素会保持相同的索引或者较原来有 2 的幂的量的偏移。
重新分布时，用(e.hash & oldCap) == 0作为区分，比起 JDK7 重新计算 hash，得到效率上的提升。
final Node[] resize() {
// 获取旧表 table
Node[] oldTab = table;
int oldCap = (oldTab == null) ? 0 : oldTab.length;
int oldThr = threshold;
int newCap, newThr = 0;
// 旧表进行扩容
if (oldCap > 0) {
// 大于最大容量无法再进行调整，直接返回
if (oldCap >= MAXIMUM_CAPACITY) {
threshold = Integer.MAX_VALUE;
return oldTab;
}
// 扩容，并调整 threshold 大小
else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&
oldCap >= DEFAULT_INITIAL_CAPACITY)
newThr = oldThr << 1; // threshold 翻倍
}
// 带参数的初始化
else if (oldThr > 0) // 初始容量被设为 threshold
newCap = oldThr;
// 不带参数的初始化
else { // zero initial threshold signifies using defaults
newCap = DEFAULT_INITIAL_CAPACITY;
newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);
}
// 计算新的 threshold
if (newThr == 0) {
float ft = (float)newCap * loadFactor;
newThr = (newCap < MAXIMUM_CAPACITY && ft < (float)MAXIMUM_CAPACITY ?
(int)ft : Integer.MAX_VALUE);
}
threshold = newThr;
// 下面是建立新的内部数组，然后把旧节点进行转移的过程
@SuppressWarnings({"rawtypes","unchecked"})
Node[] newTab = (Node[])new Node[newCap];
table = newTab;
if (oldTab != null) {
// 遍历数组
for (int j = 0; j < oldCap; ++j) {
Node e;
if ((e = oldTab[j]) != null) {
oldTab[j] = null;
// 数组后没有节点（不为链表），直接插入
if (e.next == null)
newTab[e.hash & (newCap - 1)] = e;
// 对树节点的处理
else if (e instanceof TreeNode)
// split 方法对树进行拆分，若拆分后节点数量太少会取消树化
((TreeNode)e).split(this, newTab, j, oldCap);
// 链表情况
else { // preserve order
Node loHead = null, loTail = null;
Node hiHead = null, hiTail = null;
Node next;
do {
next = e.next;
// 通过该方式进行重新散列
// 使用 （e.hash & oldCap） 区分索引位置
// 等于0则为原位置，否则位置为当前偏移旧数组长度
// lo：记录索引不变的节点
// hi：记录索引偏移的节点
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;
}