HashMap 底层实现原理
概述
以下基于 JDK 1.8
数据结构
HashMap 实际是一种“数组+链表”数据结构。
在put操作中，通过内部定义算法寻止找到数组下标，将数据直接放入此数组元素中，若通过算法得到的该数组元素已经有了元素（俗称hash冲突，链表结构出现的实际意义也就是为了解决hash冲突的问题）。将会把这个数组元素上的链表进行遍历，将新的数据放到链表末尾。
存储数据的对象
在数组或链表中存储的节点的 Node 对象，以下是源码
static class Node<K,V> implements Map.Entry<K,V> {
final int hash;
final K key;
V value;
Node<K,V> next;
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;
}
存储对象Node实际是实现Map.Entry对象接口。
有 4 个属性
- final int hash;
此属性存放的是对象的 key 的hash值，以下是实现：
这里还是要根据传入的不同 key 的数据类型有不同的实现 hashCode() 的方式，在此不表。static final int hash(Object key) { int h; return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16); } - final K key;
数据的 key - V value;
数据的 value - Node<K,V> next;
指向下一个对象，当出现哈希冲突时，该数组元素会出现链表结构使用 next 指向下一个元素对象
使用链表结构导致的问题
通过哈希算法从寻止上能够高效的找到对应的下标，但是随着数据的增长，哈希冲突碰撞过多。在寻找数据时，找到该链表，会通过遍历再寻找对应数据，如此将会使得 get 数据效率越来越低。在 jdk1.8 中，链表元素数量大于等于 8 将会重组该链表结构形成为“红黑树结构”，这种结构使得在 hash 冲突碰撞过多情况下，get 效率比链表的效率高很多。
数据插入，put（）
几个重要的变量
- transient Node<K,V>[] table;
- 存数据的数组，随着数据增多，不断变大，厨师长度是 16：
static final int DEFAULT_INITIAL_CAPACITY = 1 << 4; // aka 16
- 存数据的数组，随着数据增多，不断变大，厨师长度是 16：
- final float loadFactor;
- 负载因子，每当扩容时会和数组原长度相乘，默认是 0.75：
static final float DEFAULT_LOAD_FACTOR = 0.75f;
- 负载因子，每当扩容时会和数组原长度相乘，默认是 0.75：
- int threshold;
- 允许存储的最大数据量，超过此阈值，便会触发扩容 resize()
- transient int modCount;
- 记录内部结构发生变化的次数，put操作（覆盖值不计算）以及其他…
- transient int size;
- 实际存储的元素数量
插入操作 put()
public V put(K key, V value) {
// 传入 key 的哈希值，key，value，
return putVal(hash(key), key, value, false, true);
}
// 真正执行的插入方法
final V putVal(int hash, K key, V value, boolean onlyIfAbsent,
boolean evict) {
// 构造元素节点
Node<K,V>[] tab; Node<K,V> p; int n, i;
// 检查数组是否为空或数组长度是否为 0，是则进行扩容
// 数组长度为空会进行初始化，因为在实例化 HashMap 时，并不会进行初始化
if ((tab = table) == null || (n = tab.length) == 0)
n = (tab = resize()).length;
// 根据计算得到的 key 的哈希值，得到应该插入的数组索引点，
// 为空则新建元素再插入
if ((p = tab[i = (n - 1) & hash]) == null)
tab[i] = newNode(hash, key, value, null);
// 应该插入的位置不为空，已存在数据了
else {
Node<K,V> e; K k;
// 找到已存在的数组元素，若 hash 相等且 key 相等，则直接覆盖
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
e = p;
// 该节点是否为 TreeNode（红黑树结构），是则红黑树根据键值对直插
else if (p instanceof TreeNode)
e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
// 这个已找到的元素既不和待插元素相同，也不是红黑树结构，说明在链表里，接下来遍历链表插入
else {
// 遍历链表
for (int binCount = 0; ; ++binCount) {
// 链表插入，循环直到链表最后一个节点还没发现 key，那么插入到最后一个节点后面
if ((e = p.next) == null) {
p.next = newNode(hash, key, value, null);
// 链表长度大于 8，则转换成红黑树结构
if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st
treeifyBin(tab, hash);
break;
}
// 链表插入，若 key 存在直接覆盖 value
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;
}
}
// 结构发生改变次数++
++modCount;
// 实际存储的元素大于临界值，则扩容（该临界值通过数组长度 * 负载因子得出）
if (++size > threshold)
resize();
afterNodeInsertion(evict);
return null;
}
主要操作是：
- 初始化
- 首选判断table是否为空，数组长度为空，将会进行第一次初始化。（在实例化HashMap是，并不会进行初始化数组）
- 插入
- 不存在该值，新建节点直接插入到数组中
- 数组中已存在该值：
- 新值和数组中已存在的值，key 和 hash 都相等，直接覆盖
- 该节点是红黑树结构，调用红黑树函数插入
- 这个待插值和原有元素不同，且不是红黑树结构，那么就在链表中找
- 遍历链表，发现存在该元素则覆盖
- 遍历链表，最终发现不存在该元素，插入到链表尾。并检查是否长度大于 8，是则把链表转为红黑树
- 判断是否扩容：
- 如果条件满足元素大小size>允许的最大元素数量threshold，则再一次进行扩容操作。每次扩容操作，新的数组大小将是原始的数组长度的两倍。
扩容操作 resize()
静态语言在初始化时必须给个数组长度，但 put 操作会让数组装不下，所以要扩容。
触发扩容的条件是，当前实际元素数 > 数组长度 * 负载因子，即 size > threshold，threshold 是阈值
resize() 源码
final Node<K,V>[] resize() {
Node<K,V>[] oldTab = table;
int oldCap = (oldTab == null) ? 0 : oldTab.length;
// 初始容量，是所能允许的最大数量
int oldThr = threshold;
int newCap, newThr = 0;
if (oldCap > 0) {
// 旧的 capacity 大于了所能允许的最大限制，不扩容
if (oldCap >= MAXIMUM_CAPACITY) {
threshold = Integer.MAX_VALUE;
return oldTab;
}
// 对原始长度进行 2 倍扩容
else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&
oldCap >= DEFAULT_INITIAL_CAPACITY)
newThr = oldThr << 1; // double threshold
}
// 第一次初始化，把旧的阈值 threshold
else if (oldThr > 0) // initial capacity was placed in threshold
newCap = oldThr;
else { // zero initial threshold signifies using defaults
newCap = DEFAULT_INITIAL_CAPACITY;
newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);
}
// 第一次初始化
if (newThr == 0) {
float ft = (float)newCap * loadFactor;
newThr = (newCap < MAXIMUM_CAPACITY && ft < (float)MAXIMUM_CAPACITY ?
(int)ft : Integer.MAX_VALUE);
}
// 新的最大允许元素数量值
threshold = newThr;
@SuppressWarnings({"rawtypes","unchecked"})
// 新的数组
Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap];
table = newTab;
if (oldTab != null) {
// 遍历旧数组
for (int j = 0; j < oldCap; ++j) {
Node<K,V> e;
if ((e = oldTab[j]) != null) {
oldTab[j] = null;
// 直接按照原始索引放入新数组中
if (e.next == null)
newTab[e.hash & (newCap - 1)] = e;
else if (e instanceof TreeNode)
((TreeNode<K,V>)e).split(this, newTab, j, oldCap);
// 遍历链表
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;
// 放入索引
if ((e.hash & oldCap) == 0) {
if (loTail == null)
loHead = e;
else
loTail.next = e;
loTail = e;
}
// 原索引 + oldCap
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;
}
取出数据 get()
源码
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;
// 通过key的hashCode和寻址算法得到数组下标
if ((tab = table) != null && (n = tab.length) > 0 &&
(first = tab[(n - 1) & hash]) != null) {
// 若数组元素中的key和hash相等，则直接返回
if (first.hash == hash && // always check first node
((k = first.key) == key || (key != null && key.equals(k))))
return first;
// 若不相等
if ((e = first.next) != null) {
// 是红黑树结构，就在红黑树中找
if (first instanceof TreeNode)
return ((TreeNode<K,V>)first).getTreeNode(hash, key);
// 遍历链表元素
do {
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
return e;
} while ((e = e.next) != null);
}
}
return null;
}
没有修不好的电脑
