美文网首页
Java集合系列07之HashMap源码分析

Java集合系列07之HashMap源码分析

作者: Hengtao24 | 来源:发表于2019-05-22 09:51 被阅读0次

    系列文章

    前言

    HashMap是一个基于哈希实现的无序散列表,存储内容是键值对(key-value),非线程安全。其定义如下:

    public class HashMap<K,V> extends AbstractMap<K,V>
        implements Map<K,V>, Cloneable, Serializable
    

    可以看到HashMap继承AbstractMap,实现了Map、Cloneable、java.io.Serializable接口。

    本文源码分析基于jdk 1.8.0_121

    继承关系

    HashMap继承关系

    java.lang.Object
       |___  java.util.AbstractMap<K,V>
           |___  java.util.HashMap<K,V>
    所有已实现的接口:
    Serializable, Cloneable, Map<K,V>
    

    关系图

    HashMap关系图
    • tableNode型的数组,而Node其实是个单向链表,所以HashMap的底层实现是由数组和链表实现的
    • sizeHashMap的实际大小
    • threshold为是否需要调整HashMap的容量的阈值,等于加载因子乘以容量,当size达到threshold时,便对HashMap扩容至原来的两倍
    • loadFactor是加载因子
    • modCount是修改HashMap结构的计数值,用来实现fail-fast机制

    需要注意的是在JDK 1.8以前HashMap的实现是数组+链表,但是哈希函数很难将元素百分百均匀分布,因此可能出现有大量的元素都存放到同一个桶中,那么便会出现一条长链表, HashMap 就相当于一个单链表结构,遍历的时间复杂度变成 O(n)JDK 1.8时引入红黑树结构来优化此种现象,时间复杂度为O(logn)。当单个链表长度大于8时,就会将链表结构转为红黑树结构,示意图如下:

    HashMap红黑树

    图片来源【文斯莫克香吉士】博客,博客地址见参考信息【Java集合:HashMap详解(JDK 1.8)】

    数据结构

    链表节点数据结构定义如下:

    static class Node<K,V> implements Map.Entry<K,V> {
        final int hash;
        final K key;
        V value;
        // 下一个节点
        Node<K,V> next; 
        
        ...
        
    }
    

    红黑树的节点数据结构定义如下:

    static final class TreeNode<K,V> extends LinkedHashMap.Entry<K,V> {
        TreeNode<K,V> parent;  // red-black tree links
        TreeNode<K,V> left;
        TreeNode<K,V> right;
        TreeNode<K,V> prev;    // needed to unlink next upon deletion
        boolean red;
        
        ...
        
    }
    
    // LinkedHashMap.Entry数据结构
    static class Entry<K,V> extends HashMap.Node<K,V> {
        Entry<K,V> before, after;
        
        ...
        
    }
    

    可以看到TreeNode继承于LinkedHashMap.Entry,而 LinkedHashMap.Entry 继承自 HashMap.Node

    构造函数

    // 默认构造函数
    HashMap()
    
    // 指定“容量大小”的构造函数
    HashMap(int initialCapacity)
    
    // 指定“容量大小”和“加载因子”的构造函数
    HashMap(int initialCapacity, float loadFactor)
    
    // 包含“子Map”的构造函数
    HashMap(Map<? extends K, ? extends V> m)
    

    从上述构造函数中我们可以看到影响HashMap的容量主要有初始容量大小initialCapacity和加载因子loadFactor,初始容量是指哈希表中桶的数量,当哈希表中的条目数与当前容量的比值超出了加载因子时,则要对该哈希表进行 rehash/resize 操作(即重建内部数据结构),将哈希表容量增加一倍。默认的加载因子是0.75,这是结合空间成本和时间成本给出的一个经验值,加载因子过大,增加时间成本;加载因子过小,则增加空间成本。因此,选取合适的加载因子很重要,可以减少rehash的次数。

    API

    void                 clear()
    Object               clone()
    boolean              containsKey(Object key)
    boolean              containsValue(Object value)
    Set<Entry<K, V>>     entrySet()
    V                    get(Object key)
    boolean              isEmpty()
    Set<K>               keySet()
    V                    put(K key, V value)
    void                 putAll(Map<? extends K, ? extends V> map)
    V                    remove(Object key)
    int                  size()
    Collection<V>        values()
    

    源码分析

    成员变量

    // 默认的初始容量是16,必须是2的幂。
    static final int DEFAULT_INITIAL_CAPACITY = 1 << 4;
      
    // 最大容量,必须小于2的30次方,初始容量过大将被这个值代替
    static final int MAXIMUM_CAPACITY = 1 << 30;
     
    // 默认加载因子
    static final float DEFAULT_LOAD_FACTOR = 0.75f;
     
    // 存储数据的Node数组,长度必须是2的幂
    // HashMap是采用拉链法实现的,每一个Node本质上是一个单向链表
    transient Node<K,V>[] table;
    
    // 红黑树代替链表的阈值
    // 当一个桶中链表长度大于此数值时,应该用红黑树代替链表,以优化查找效率
    static final int TREEIFY_THRESHOLD = 8;
    
    // 红黑树还原为链表的阈值
    // 扩容时,当一个桶中链表长度小于此数值时,就会把红黑树还原为链表结构
    static final int UNTREEIFY_THRESHOLD = 6;
    
    // 哈希表最小的树形化容量
    // 当哈希表中的容量大于这个值时,表中的桶才能进行树形化
    // 否则桶内元素太多时会扩容,而不是树形化
    // 为了避免进行扩容、树形化选择的冲突,这个值不能小于 4 * TREEIFY_THRESHOLD
    static final int MIN_TREEIFY_CAPACITY = 64;
    
    // 键值对
    transient Set<Map.Entry<K,V>> entrySet;
    
    // HashMap的大小,它是HashMap保存的键值对的数量
    transient int size;
     
    // 阈值用于判断是否需要调整HashMap的容量(threshold 容量*加载因子)
    int threshold;
      
    // 加载因子实际大小
    final float loadFactor;
      
    // HashMap被改变的次数
    transient volatile int modCount;
    

    构造函数

    // 指定“初始容量”和“加载因子”的构造函数
    public HashMap(int initialCapacity, float loadFactor) {
        if (initialCapacity < 0)
            throw new IllegalArgumentException("Illegal initial capacity: " +
                                               initialCapacity);
        // HashMap的最大容量是MAXIMUM_CAPACITY                                  
        if (initialCapacity > MAXIMUM_CAPACITY)
            initialCapacity = MAXIMUM_CAPACITY;
        if (loadFactor <= 0 || Float.isNaN(loadFactor))
            throw new IllegalArgumentException("Illegal load factor: " +
                                               loadFactor);
        this.loadFactor = loadFactor;
        this.threshold = tableSizeFor(initialCapacity);
    }
    
    // 找到大于给定容量的最小2的幂值
    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;
    }
    
    // 指定初始容量的构造函数
    public HashMap(int initialCapacity) {
        this(initialCapacity, DEFAULT_LOAD_FACTOR);
    }
    
    // 默认构造函数
    public HashMap() {
        this.loadFactor = DEFAULT_LOAD_FACTOR; // all other fields defaulted
    }
    
    // 包含子Map的构造函数
    public HashMap(Map<? extends K, ? extends V> m) {
        this.loadFactor = DEFAULT_LOAD_FACTOR;
        putMapEntries(m, false);
    }
    

    定位桶位置

    // hash操作
    static final int hash(Object key) {
        int h;
        // key.hashCode()算法原理见参考信息
        // >>> : 无符号右移
        // hashCode的高16位参与运算
        return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
    }
    

    对于给定的key,只要其hashCode()的返回值一样,那么其hash值就一样,如果用hash值对table长度取模,那么便可以让哈希表的元素分布相对均匀点。

    此处源码对取模运算进行了优化,table的长度总是2的n次幂,而x mod 2^n = x & (2^n - 1),因此源码使用i = (n - 1) & hash来对table长度取模,从而找到对应的索引位置,&比%具有更高的效率。

    增加元素

    // 把key-value添加到HashMap中
    public V put(K key, V value) {
        return putVal(hash(key), key, value, false, true);
    }
    
    // 把给定的hash,key,value添加到HashMap中
    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null或长度为0,则resize
        if ((tab = table) == null || (n = tab.length) == 0)
            n = (tab = resize()).length;
        // (n-1) & hash寻找索引值
        // 如果在table中该索引值对应节点为空,则新建一个节点
        if ((p = tab[i = (n - 1) & hash]) == null)
            tab[i] = newNode(hash, key, value, null);
        else {
            Node<K,V> e; K k;
            // 节点p满足hash值和key值跟传入的hash值和key值相等则让e=p
            if (p.hash == hash &&
                ((k = p.key) == key || (key != null && key.equals(k))))
                e = p;
            // 如果p属于红黑树型,则调用putTreeVal查找目标节点
            else if (p instanceof TreeNode)
                e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
            else {
                // 遍历此链表, binCount用于统计节点数
                for (int binCount = 0; ; ++binCount) {
                    // p.next为null,则新建一个节点插入链表尾部
                    if ((e = p.next) == null) {
                        p.next = newNode(hash, key, value, null);
                        // binCount大于8,则替换为红黑树结构
                        // 减1是因为循环是从p节点的下一个节点开始的
                        if (binCount >= TREEIFY_THRESHOLD - 1) 
                            treeifyBin(tab, hash);
                        break;
                    }
                    // 找到对应节点,则终止循环
                    if (e.hash == hash &&
                        ((k = e.key) == key || (key != null && key.equals(k))))
                        break;
                    p = e;
                }
            }
            // 已存在给定的key的映射关系
            if (e != null) { // existing mapping for key
                V oldValue = e.value;
                // 满足条件,替换value值
                if (!onlyIfAbsent || oldValue == null)
                    e.value = value;
                afterNodeAccess(e);  // Callbacks to allow LinkedHashMap post-actions
                return oldValue;
            }
        }
        // 改变modCount
        ++modCount;
        // 插入节点后超出容量阈值,则扩容
        if (++size > threshold)
            resize();
        afterNodeInsertion(evict);  // Callbacks to allow LinkedHashMap post-actions
        return null;
    }
    
    // 添加m中所有元素到HashMap中
    public void putAll(Map<? extends K, ? extends V> m) {
        putMapEntries(m, true);
    }
    
    // 将m中元素加入到HashMap中
    final void putMapEntries(Map<? extends K, ? extends V> m, boolean evict) {
        int s = m.size();
        if (s > 0) {
            // 如果table为null,则设置threshold值
            if (table == null) { // pre-size
                float ft = ((float)s / loadFactor) + 1.0F;
                int t = ((ft < (float)MAXIMUM_CAPACITY) ?
                         (int)ft : MAXIMUM_CAPACITY);
                if (t > threshold)
                    threshold = tableSizeFor(t);
            }
            // 如果table不为null,s大于threshold,则resize
            else if (s > threshold)
                resize();
            // 把m中元素逐一加入HashMap中
            for (Map.Entry<? extends K, ? extends V> e : m.entrySet()) {
                K key = e.getKey();
                V value = e.getValue();
                putVal(hash(key), key, value, false, evict);
            }
        }
    }
    

    红黑树增加元素

    final TreeNode<K,V> putTreeVal(HashMap<K,V> map, Node<K,V>[] tab,
                                   int h, K k, V v) {
        Class<?> kc = null;
        boolean searched = false;
        // 查找根节点,索引处头节点不一定为红黑树头节点
        TreeNode<K,V> root = (parent != null) ? root() : this;
        // 添加元素时,从根节点遍历,
        for (TreeNode<K,V> p = root;;) {
            int dir, ph; K pk;
            // 传入的hash值小于p节点的hash值
            // 则令dir=-1,表示向p的左边查找树
            if ((ph = p.hash) > h)
                dir = -1;
            // 传入的hash值大于p节点的hash值
            // 则令dir=1,表示向p的右边查找树
            else if (ph < h)
                dir = 1;
            // 如果当前节点的哈希值、键和要添加的都一致,就返回当前节点
            else if ((pk = p.key) == k || (k != null && k.equals(pk)))
                return p;
            // k所属的类没有实现Comparable接口或者k和p节点的key值相等
            else if ((kc == null &&
                      (kc = comparableClassFor(k)) == null) ||
                     (dir = compareComparables(kc, k, pk)) == 0) {
                // 第一次符合条件,方法只执行一次 
                if (!searched) {
                    TreeNode<K,V> q, ch;
                    searched = true;
                    // 如果从当前节点p所在子树中可以找到要添加的节点,则直接返回
                    if (((ch = p.left) != null &&
                         (q = ch.find(h, k, kc)) != null) ||
                        ((ch = p.right) != null &&
                         (q = ch.find(h, k, kc)) != null))
                        return q;
                }
                // 哈希值相等,但键无法比较
                // 通过自定义规则来插入节点
                dir = tieBreakOrder(k, pk);
            }
    
            TreeNode<K,V> xp = p;
            // 要插入的节点比当前节点小就插到左子树,大就插到右子树
            if ((p = (dir <= 0) ? p.left : p.right) == null) {
                Node<K,V> xpn = xp.next;
                TreeNode<K,V> x = map.newTreeNode(h, k, v, xpn);
                if (dir <= 0)
                    xp.left = x;
                else
                    xp.right = x;
                xp.next = x;
                x.parent = x.prev = xp;
                if (xpn != null)
                    ((TreeNode<K,V>)xpn).prev = x;
                // 必要的平衡操作
                moveRootToFront(tab, balanceInsertion(root, x));
                return null;
            }
        }
    }
    
    // 此方法用于a和b哈希值相等,但无法比较时
    // 自定义一个规则保持平衡
    static int tieBreakOrder(Object a, Object b) {
        int d;
        if (a == null || b == null ||
            (d = a.getClass().getName().
             compareTo(b.getClass().getName())) == 0)
            d = (System.identityHashCode(a) <= System.identityHashCode(b) ?
                 -1 : 1);
        return d;
    }
    
    

    获取元素

    // 获取key对应的value
    public V get(Object key) {
        Node<K,V> e;
        return (e = getNode(hash(key), key)) == null ? null : e.value;
    }
    
    // 根据给定的hash和key找到对应节点
    final Node<K,V> getNode(int hash, Object key) {
        Node<K,V>[] tab; Node<K,V> first, e; int n; K k;
        // table不为null且table的length大于0且hash对应的桶不为空
        if ((tab = table) != null && (n = tab.length) > 0 &&
            (first = tab[(n - 1) & hash]) != null) {
            // 如果first.hash和给定hash相同且key也相同,则返回first.key
            if (first.hash == hash && // always check first node
                ((k = first.key) == key || (key != null && key.equals(k))))
                return first;
            // first.next不为null
            if ((e = first.next) != null) {
                // first是红黑树节点,则调用getTreeNode
                if (first instanceof TreeNode)
                    return ((TreeNode<K,V>)first).getTreeNode(hash, key);
                // 循环直至next为null
                do {
                    if (e.hash == hash &&
                        ((k = e.key) == key || (key != null && key.equals(k))))
                        return e;
                } while ((e = e.next) != null);
            }
        }
        return null;
    }
    

    红黑树获取节点

    // 找到红黑树节点
    final TreeNode<K,V> getTreeNode(int h, Object k) {
        return ((parent != null) ? root() : this).find(h, k, null);
    }
    
    // 根据hash值和key查找节点
    // 因为红黑树有序,所以相当于折半查找
    // 红黑树具有平衡二叉树的特点:左节点<根节点<右节点
    final TreeNode<K,V> find(int h, Object k, Class<?> kc) {
        TreeNode<K,V> p = this;
        do {
            int ph, dir; K pk;
            TreeNode<K,V> pl = p.left, pr = p.right, q;
            // 给定的hash值小于p节点的hash值, 则向左遍历
            if ((ph = p.hash) > h)
                p = pl;
            // 给定的hash值大于p节点的hash值, 则向右遍历
            else if (ph < h)
                p = pr;
            // p节点为目标节点,则返回之
            else if ((pk = p.key) == k || (k != null && k.equals(pk)))
                return p;
            // 左节点为空则向右遍历
            else if (pl == null)
                p = pr;
            // 右节点为空则向左遍历
            else if (pr == null)
                p = pl;
            // k所属的类实现Comparable接口或者k和p节点的key值不等
            else if ((kc != null ||
                      (kc = comparableClassFor(k)) != null) &&
                     (dir = compareComparables(kc, k, pk)) != 0)
                // k<pk 则向左遍历,否则向右遍历
                p = (dir < 0) ? pl : pr;
            // k所属的类没有实现Comparable接口,则直接向右遍历
            else if ((q = pr.find(h, k, kc)) != null)
                return q;
            // 上一步向右遍历为空,则再向左遍历
            else
                p = pl;
        } while (p != null);
        return null;
    }
    

    删除元素

    // 删除键为key的元素
    public V remove(Object key) {
        Node<K,V> e;
        return (e = removeNode(hash(key), key, null, false, true)) == null ?
            null : e.value;
    }
    
    // 删除键为key的元素
    final Node<K,V> removeNode(int hash, Object key, Object value,
                               boolean matchValue, boolean movable) {
        Node<K,V>[] tab; Node<K,V> p; int n, index;
        // table不为null且table的length大于0且hash对应的桶不为空
        if ((tab = table) != null && (n = tab.length) > 0 &&
            (p = tab[index = (n - 1) & hash]) != null) {
            Node<K,V> node = null, e; K k; V v;
            // p为目标节点,则让node=p
            if (p.hash == hash &&
                ((k = p.key) == key || (key != null && key.equals(k))))
                node = p;
            // 循环遍历直至找到满足的节点 
            else if ((e = p.next) != null) {
                // 如果p属于TreeNode型,则调用getTreeNode方法
                if (p instanceof TreeNode)
                    node = ((TreeNode<K,V>)p).getTreeNode(hash, key);
                else {
                    do {
                        // 当节点的hash值和key与传入的相同,则该节点即为目标节点
                        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node不为null,即找到了目标节点
            if (node != null && (!matchValue || (v = node.value) == value ||
                                 (value != null && value.equals(v)))) {
                // node属于TreeNode型,则调用removeTreeNode方法
                if (node instanceof TreeNode)
                    ((TreeNode<K,V>)node).removeTreeNode(this, tab, movable);
                // 删除单向链表中的节点
                else if (node == p)
                    tab[index] = node.next;
                else
                    p.next = node.next;
                // 修改modCount和size值
                ++modCount;
                --size;
                afterNodeRemoval(node);
                return node;
            }
        }
        return null;
    }
    

    resize

    // 重新调整HashMap大小
    final Node<K,V>[] resize() {
        Node<K,V>[] oldTab = table;
        int oldCap = (oldTab == null) ? 0 : oldTab.length;
        int oldThr = threshold;
        int newCap, newThr = 0;
        // 旧HashMap不为null且length大于0
        if (oldCap > 0) {
            // 旧HashMap的容量超过最大容量值
            if (oldCap >= MAXIMUM_CAPACITY) {
                threshold = Integer.MAX_VALUE;
                return oldTab;
            }
            // 扩容至原来两倍
            else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&
                     oldCap >= DEFAULT_INITIAL_CAPACITY)
                newThr = oldThr << 1;
        }
        // 旧表的容量为0,旧表的阈值不为0
        else if (oldThr > 0) 
            // 新表的容量设置为老表的阈值
            newCap = oldThr;
        // 旧表阈值为0,设置新表容量为默认容量,阈值为默认阈值
        else {               
            newCap = DEFAULT_INITIAL_CAPACITY;
            newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);
        }
        // 如果新表的阈值为0, 则通过新的容量*负载因子获得阈值
        if (newThr == 0) {
            float ft = (float)newCap * loadFactor;
            newThr = (newCap < MAXIMUM_CAPACITY && ft < (float)MAXIMUM_CAPACITY ?
                      (int)ft : Integer.MAX_VALUE);
        }
        // 重设threshold
        threshold = newThr;
        // 新建一个table数组
        @SuppressWarnings({"rawtypes","unchecked"})
            Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap];
        table = newTab;
        // 将旧table中所有元素添加到新table中
        if (oldTab != null) {
            for (int j = 0; j < oldCap; ++j) {
                Node<K,V> e;
                // 索引值为j的老表头节点赋值给e
                if ((e = oldTab[j]) != null) {
                    oldTab[j] = null;
                    // e.next为null,则该位置只有1个节点
                    // 计算该节点在新表下的索引位置,并放在该处
                    if (e.next == null)
                        newTab[e.hash & (newCap - 1)] = e;
                    // 如果是红黑树结构,且元素数量小于还原阈值UNTREEIFY_THRESHOLD 
                    // 则树形结构还原为链表结构
                    else if (e instanceof TreeNode)
                        ((TreeNode<K,V>)e).split(this, newTab, j, oldCap);
                    else { // preserve order
                        // 存储跟原索引位置相同的节点
                        Node<K,V> loHead = null, loTail = null;
                        // 存储索引位置为:原索引+oldCap的节点
                        Node<K,V> hiHead = null, hiTail = null;
                        Node<K,V> next;
                        do {
                            next = e.next;
                            // e的hash值与旧表的容量进行与运算为0,则扩容后的索引位置跟老表的索引位置一样
                            if ((e.hash & oldCap) == 0) {
                                // loTail为空, 代表该节点为第一个节点
                                if (loTail == null)
                                    // 将第一个节点赋值给lohead
                                    loHead = e;
                                else
                                    // 否则将该节点加在loTail后面
                                    loTail.next = e;
                                // loTail赋值为节点e
                                loTail = e;
                            }
                            // e的hash值与老表的容量进行与运算为1,则扩容后的索引位置为:老表的索引位置+oldCap
                            else {
                                // hiTail为空, 代表该节点为第一个节点
                                if (hiTail == null)
                                    // 将第一个节点赋值给hihead
                                    hiHead = e;
                                else
                                    // 否则将该节点加在hiTail后面
                                    hiTail.next = e;
                                // hiTail赋值为节点e
                                hiTail = e;
                            }
                        } while ((e = next) != null);
                        if (loTail != null) {
                            // 最后一个节点的next设为空
                            loTail.next = null;
                            // 新表原索引j处设为lohead
                            newTab[j] = loHead;
                        }
                        if (hiTail != null) {
                            // 最后一个节点的next设为空
                            hiTail.next = null;
                            // 新表原索引j+oldCap处设为hiHead
                            newTab[j + oldCap] = hiHead;
                        }
                    }
                }
            }
        }
        return newTab;
    }
    

    是否包含元素

    // 是否包含key
    public boolean containsKey(Object key) {
        return getNode(hash(key), key) != null;
    }
    
    // 是否包含value
    public boolean containsValue(Object value) {
        Node<K,V>[] tab; V v;
        // 双重循环查找value
        if ((tab = table) != null && size > 0) {
            for (int i = 0; i < tab.length; ++i) {
                for (Node<K,V> e = tab[i]; e != null; e = e.next) {
                    if ((v = e.value) == value ||
                        (value != null && value.equals(v)))
                        return true;
                }
            }
        }
        return false;
    }
    

    Node数据结构

    static class Node<K,V> implements Map.Entry<K,V> {
        final int hash;
        final K key;
        V value;
        // 下一个节点
        Node<K,V> next; 
        
        // 构造函数
        Node(int hash, K key, V value, Node<K,V> 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;
        }
    }
    

    树形化操作

    // 将桶类链表结构转化为树形结构
    final void treeifyBin(Node<K,V>[] tab, int hash) {
        int n, index; Node<K,V> e;
        // 哈希表为空或哈希表长度小于树形化容量阈值(默认64),则执行resize操作
        if (tab == null || (n = tab.length) < MIN_TREEIFY_CAPACITY)
            resize();
        // 哈希表中的元素个数超过了树形化容量阈值,进行树形化
        // e 是给定hash值对应的桶的第一个链表节点
        else if ((e = tab[index = (n - 1) & hash]) != null) {
            TreeNode<K,V> hd = null, tl = null;
            do {
                // 新建一个TreeNode节点
                TreeNode<K,V> p = replacementTreeNode(e, null);
                if (tl == null) // 头节点
                    hd = p;
                else {          
                    p.prev = tl;
                    tl.next = p;
                }
                tl = p;
            } while ((e = e.next) != null);
            // 将对应桶的第一个元素设为红黑树结构的头节点
            if ((tab[index] = hd) != null)
                hd.treeify(tab);    // 形成以此节点为根节点的红黑树结构
        }
    }
    
    // 返回一个TreeNode节点
    TreeNode<K,V> replacementTreeNode(Node<K,V> p, Node<K,V> next) {
        return new TreeNode<>(p.hash, p.key, p.value, next);
    }
    
    // 形成红黑树
    final void treeify(Node<K,V>[] tab) {
        TreeNode<K,V> root = null;
        // this为调用此方法的TreeNode
        for (TreeNode<K,V> x = this, next; x != null; x = next) {
            next = (TreeNode<K,V>)x.next;
            x.left = x.right = null;
            // 还没有根节点将x设为根节点
            // 设置root为黑色
            if (root == null) {
                // 根节点没有父节点
                x.parent = null;
                x.red = false;
                root = x;
            }
            else {
                K k = x.key;
                int h = x.hash;
                Class<?> kc = null;
                // 从根节点开始,遍历所有节点跟当前节点x比较,调整位置
                for (TreeNode<K,V> p = root;;) {
                    int dir, ph;
                    K pk = p.key;
                    // 待比较节点的哈希值比x大时, dir为-1,向左查找
                    // 否则dir为1,向右查找
                    if ((ph = p.hash) > h) 
                        dir = -1;
                    else if (ph < h)
                        dir = 1;
                    // x的hash值和p的hash值相等,则比较key值
                    // k没有实现Comparable接口或者x节点的key和p节点的key相等
                    else if ((kc == null &&
                              (kc = comparableClassFor(k)) == null) ||
                             (dir = compareComparables(kc, k, pk)) == 0)
                        // 通过自定义规则来判断向左还是向右查找
                        dir = tieBreakOrder(k, pk);
                    
                    // 待比较节点的哈希值比x大,x就是左孩子,否则x是右孩子 
                    TreeNode<K,V> xp = p;
                    if ((p = (dir <= 0) ? p.left : p.right) == null) {
                        x.parent = xp;
                        if (dir <= 0)
                            xp.left = x;
                        else
                            xp.right = x;
                        // 进行红黑树的插入平衡(通过左旋、右旋和改变节点颜色来保证当前树符合红黑树的要求)
                        root = balanceInsertion(root, x);
                        break;
                    }
                }
            }
        }
        // 将root节点调整为table索引处头节点
        moveRootToFront(tab, root);
    }
    

    遍历

    假设keyvalue都是String

    • 根据entrySet()通过Iterator遍历
    Iterator iter = map.entrySet().iterator();
    while(iter.hasNext()){
        Map.Entry entry = (Map.Entry)iter.next();
        key = (String)entry.getKey();
        value = (String)entry.getValue();
    }
    
    • 根据keySet()通过Iterator遍历
    Iterator iter = map.keySet().iterator();
    while(iter.hasNext()){
        key = (String)iter.next();
        value = (String)map.get(key);
    }
    
    • 根据value()通过Iterator遍历
    Iterator iter = map.values().iterator();
    while(iter.hasNext()){
        value = (String)iter.next;
    }
    

    参考信息

    相关文章

      网友评论

          本文标题:Java集合系列07之HashMap源码分析

          本文链接:https://www.haomeiwen.com/subject/xzxyzqtx.html