HashMap的使用
HashMap用于保存Key-Value键值对，其中Key、Value都可以为null。HashMap通过对Key进行Hash来确定对应的Value在数组中要保存的位置，同理，在根据Key获取Value时，也是通过对Key进行Hash来找到Value在数组中保存的下标，从而返回。因此，在理想情况下，根据Key获取Value的时间复杂度是O(1)。
但是，有可能会发生哈希冲突（不同的Hash值对应同一个数组下标），HashMap是使用链表法来处理。当链长度大于8，还会把链转换为红黑树。所以HashMap的结构图大概如下：
HashMap的结构图，每个Node或者TreeNode都保存着Key、Value
类定义
public class HashMap<K,V>
extends AbstractMap<K,V>
implements Map<K,V>, Cloneable, Serializable
HashMap继承了AbstractMap（AbstractMap实现了Map接口的部分方法），实现了Map接口（Map接口规定HashMap要实现什么方法）、Cloneable接口（可进行拷贝，此处是浅拷贝）、Serializable接口（可进行序列化）。
构造函数
1.public HashMap(int initialCapacity, float loadFactor)，以指定容量、指定负载因子创建一个HashMap，注意：真正的容量并不是initialCapacity，而是>=initialCapacity的2的幂。
2.public HashMap(int initialCapacity) ，以指定容量创建一个HashMap，负载因子为默认值0.75。
3.public HashMap()，创建一个容量为16，负载因子为0.75的HashMap。
4.public HashMap(Map<? extends K, ? extends V> m)，创建一个和m有相同内容的HashMap。
loadFactor负载因子大小的影响
负载因子的大小影响着HashMap进行扩容的时机，因为threshold = loadFactor * capacity，当HashMap的大小大于threshold时，就会进行扩容。因此，loadFactor大，threshold就大，可以迟一点扩容，保存的键值对数会多一点，但发生哈希冲突的概率会增大，从而导致查找时间的增加。相反，loadFactor小，保存键值对数少点，空间利用率会降低，但查找速度会比较快。源码中loadFactor默认是0.75，这是空间利用率和查找速度的一个平衡。
哈希策略
首先给出源码：
static final int hash(Object key) {
int h;
return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}
可以看到，方法对key的hashCode的高16位和低16位进行异或。这是因为HashMap使用e.hash & (cap - 1)计算要在数组保存的位置（cap是HashMap的容量），假设cap=32，那么cap - 1用二进制表示是：00000000 00000000 00000000 00011111，所以计算的时候e.hash只有低位参与运算。因此让key的hashCode的高16位和低16位进行异或从而得到新的Hash值，可以让高位参与运算，降低了哈希冲突的可能性，并且不会有太大性能损耗。
tableSizeFor的作用
此方法可以返回大于等于给定参数的最小的2的幂次方，比如输入15，返回16，输入20，返回32。源码如下：
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;
}
n |= n >>> x 表示n与右移x位的n进行或操作得到新的结果赋值给n。
-
n = cap - 1;- 先减1是为了防止当cap本来就是2的幂次方时，最后得到结果是2 * cap，不符合预期。
-
n |= n >>> 1;- n无符号右移1位，导致最高位的1右移1位。
- n | (n >>> 1) 导致最高1~2位都为1。
-
n |= n >>> 2;- n无符号右移2位，导致最高1~2位的1右移2位。
- n | (n >>> 2) 导致最高1~4位都为1。
-
n |= n >>> 4;- n无符号右移4位，导致最高1~4位的1右移4位。
- n | (n >>> 4) 导致最高1~8位都为1。
-
n |= n >>> 8;- n无符号右移8位，导致最高1~8位的1右移8位。
- n | (n >>> 8) 导致最高1~16位都为1。
-
n |= n >>> 16;- n无符号右移16位，导致最高1~16位的1右移16位。
- n | (n >>> 16) 导致最高1~32位都为1。
可以看到，最后得到的结果的有效位都是1，再加1，肯定会得到2的幂次方。当然，如果结果大于MAXIMUM_CAPACITY，则返回MAXIMUM_CAPACITY。
举个例子，假如cap=20，那么n=19。
n |= n >>> 1;
10011
| 01001
————————
11011
得到n=11011（二进制）。
n |= n >>> 2;
11011
| 00110
————————
11111
得到n=11111（31）。
此时，n已经满足所有位都为1，继续执行下面的语句不会改变n的值。所以最后返回31+1=32。
为什么capacity是2的幂次方
因为HashMap以Hash值除以capacity所得的余数来作为数据在数组中保存的下标，即index = e.hash % capacity。但如果capacity是2的幂次方，就可以用index = e.hash & (capacity - 1)，计算的结果是一样的，但第二种方法更加高效。
put()方法
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;
// table为空，调用resize()初始化
if ((tab = table) == null || (n = tab.length) == 0)
n = (tab = resize()).length;
if ((p = tab[i = (n - 1) & hash]) == null)
// 如果key没被占用，则直接保存
tab[i] = newNode(hash, key, value, null);
else {
Node<K,V> e; K k;
// 第一个节点的key跟新的key相同
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
e = p;
// 红黑树的情况
else if (p instanceof TreeNode)
e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
// 开始遍历链表
else {
for (int binCount = 0; ; ++binCount) {
// 到了链表末尾，new一个新Node保存到末尾。
if ((e = p.next) == null) {
p.next = newNode(hash, key, value, null);
if (binCount >= TREEIFY_THRESHOLD - 1)
treeifyBin(tab, hash);
break;
}
// 某个节点的key跟新的key相同
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
break;
p = e;
}
}
// e不为null说明存在某个key跟新的key相同
if (e != null) {
V oldValue = e.value;
if (!onlyIfAbsent || oldValue == null)
e.value = value;
afterNodeAccess(e);
return oldValue;
}
}
++modCount;
// 插入后大小大于threshold就扩容
if (++size > threshold)
resize();
afterNodeInsertion(evict);
return null;
}
resize()方法
final Node<K,V>[] resize() {
Node<K,V>[] oldTab = table;
int oldCap = (oldTab == null) ? 0 : oldTab.length;
int oldThr = threshold;
int newCap, newThr = 0;
// oldCap > 0 表示table不为空，有数据
if (oldCap > 0) {
// 当oldCap比MAXIMUM_CAPACITY大，仅仅把threshold设为Integer.MAX_INTEGER，不再扩容
if (oldCap >= MAXIMUM_CAPACITY) {
threshold = Integer.MAX_VALUE;
return oldTab;
}
// 这里capacity和threshold都变为2倍
else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&
oldCap >= DEFAULT_INITIAL_CAPACITY)
newThr = oldThr << 1; // double threshold
}
// 这里是HashMap刚刚初始化的情况，table为空，threshold保存着capacity
else if (oldThr > 0) // initial capacity was placed in threshold
newCap = oldThr;
// 这是使用无参构造方法初始化HashMap的情况
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"})
// 新建一个Node数组
Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap];
table = newTab;
// 开始将数据复制到新的数组
if (oldTab != null) {
for (int j = 0; j < oldCap; ++j) {
Node<K,V> e;
if ((e = oldTab[j]) != null) {
oldTab[j] = null;
// 如果该位置只有一个Node，直接将该Node放到新数组
if (e.next == null)
newTab[e.hash & (newCap - 1)] = e;
// 红黑树的情况
else if (e instanceof TreeNode)
((TreeNode<K,V>)e).split(this, newTab, j, oldCap);
// 该位置不只一个Node
else { // preserve order
Node<K,V> loHead = null, loTail = null;
Node<K,V> hiHead = null, hiTail = null;
Node<K,V> next;
do {
next = e.next;
// 这里判断Node是放在新数组的原来坐标下，还是放在(原来坐标+oldCap)位置下，分成两个链
// 假如(e.hash & oldCap) == 0，就放在原来坐标下
// 假如(e.hash & oldCap) != 0，就放在放在(原来坐标+oldCap)位置下
// 假如oldCap=16，在数组index=2的位置有hash=2，18的2个Node，扩容后newCap=32，那么hash=2的Node放在数组index=2位置中，hash=18的Node放在数组index=18位置中
// 这还是遵循着“index=hash%capacity”的规则
// 因为newCap-1比oldCap-1最高位多一位，最高位的1与oldCap最高位的1位置相同，假设此位是第x位，如果(e.hash & oldCap) == 0，那么e.hash的第x位是0，所以e.hash & (newCap - 1) = e.hash & (oldCap - 1)，即Node还是放在新数组同样位置下，否则放在(原来坐标+oldCap)位置下
// 例如oldCap=16，newCap=32，在数组index=2的位置有hash=2，18的2个Node，2 & 16 =0000 0010 & 0001 0000 = 0，18 & 16 = 0001 0010 & 0001 0000 = 0001 0000 != 0，那么hash=2的Node放在数组index=2位置中，hash=18的Node放在数组index=18位置中
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;
}
get(Object key)方法
public V get(Object key) {
Node<K,V> e;
return (e = getNode(hash(key), key)) == null ? null : e.value;
}
final Node<K,V> getNode(int hash, Object key) {
Node<K,V>[] tab; Node<K,V> first, e; int n; K k;
// 数组不为空且数组相应位置不为空
if ((tab = table) != null && (n = tab.length) > 0 &&
(first = tab[(n - 1) & hash]) != null) {
// 检查第一个Node符不符合
if (first.hash == hash && // always check first node
((k = first.key) == key || (key != null && key.equals(k))))
return first;
if ((e = first.next) != null) {
// 红黑树的情况
if (first instanceof TreeNode)
return ((TreeNode<K,V>)first).getTreeNode(hash, key);
// 遍历链表，直到找到key相同的Node，如果没有则返回null
do {
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
return e;
} while ((e = e.next) != null);
}
}
return null;
}
网友评论