1. Map概念

Map 是一种键-值对(key-value)集合,Map 集合中的每一个元素都包含一个键(key)对象和一个值(value)对象。用于保存具有映射关系的数据。
Map 集合里保存着两组值,一组值用于保存 Map 里的 key,另外一组值用于保存 Map 里的 value,key 和 value 都可以是任何引用类型的数据。Map 的 key 不允许重复,value 可以重复,即同一个 Map 对象的任何两个 key 通过 equals 方法比较总是返回 false。
Map 中的 key 和 value 之间存在单向一对一关系,即通过指定的 key,总能找到唯一的、确定的 value。从 Map 中取出数据时,只要给出指定的 key,就可以取出对应的 value。
Map 接口主要有两个实现类:HashMap 类和 TreeMap 类。其中,HashMap 类按哈希算法来存取键对象,而 TreeMap 类可以对键对象进行排序。

2.HashMap实现原理(jdk1.8)

2.1 前言

JDK 1.8 对 HashMap 进行了比较大的优化,底层实现由之前的 “数组+链表” 改为 “数组+链表+红黑树”,本文就 HashMap 的几个常用的重要方法和 JDK 1.8 之前的死循环问题展开学习讨论。
JDK 1.8 的 HashMap 的数据结构如下图所示,当链表节点较少时仍然是以链表存在,当链表节点较多时(大于8)会转为红黑树。
image.png
几个要点:

  1. 本文中头节点指的是 table 表上索引位置的节点,也就是链表的头节点。
  2. 根节点(root 节点)指的是红黑树最上面的那个节点,也就是没有父节点的节点。
  3. 红黑树的根节点不一定是索引位置的头节点(也就是链表的头节点),HashMap 通过 moveRootToFront 方法来维持红黑树的根结点就是索引位置的头结点,但是在 removeTreeNode 方法中,当 movable 为 false 时,不会调用 moveRootToFront 方法,此时红黑树的根节点不一定是索引位置的头节点,该场景发生在 HashIterator 的 remove 方法中。
  4. 转为红黑树节点后,链表的结构还存在,通过 next 属性维持,红黑树节点在进行操作时都会维护链表的结构,并不是转为红黑树节点,链表结构就不存在了。
  5. 在红黑树上,叶子节点也可能有 next 节点,因为红黑树的结构跟链表的结构是互不影响的,不会因为是叶子节点就说该节点已经没有 next 节点。
  6. 源码中一些变量定义:如果定义了一个节点 p,则 pl(p left)为 p 的左节点,pr(p right)为 p 的右节点,pp(p parent)为 p 的父节点,ph(p hash)为 p 的 hash 值,pk(p key)为 p 的 key 值,kc(key class)为 key 的类等等。源码中很喜欢在 if/for 等语句中进行赋值并判断,请注意。

链表中移除一个节点只需如下图操作,其他操作同理。
image.png
8. 红黑树在维护链表结构时,移除一个节点只需如下图操作(红黑树中增加了一个 prev 属性),其他操作同理。注:此处只是红黑树维护链表结构的操作,红黑树还需要单独进行红黑树的移除或者其他操作。
image.png
9. 源码中进行红黑树的查找时,会反复用到以下两条规则:1)如果目标节点的 hash 值小于 p 节点的 hash 值,则向 p 节点的左边遍历;否则向 p 节点的右边遍历。2)如果目标节点的 key 值小于 p 节点的 key 值,则向 p 节点的左边遍历;否则向 p 节点的右边遍历。这两条规则是利用了红黑树的特性(左节点 < 根节点 < 右节点)。

  1. 源码中进行红黑树的查找时,会用 dir(direction)来表示向左还是向右查找,dir 存储的值是目标节点的 hash/key 与 p 节点的hash/key 的比较结果。

    2.2 基本属性

    ```java // 默认容量16 static final int DEFAULT_INITIAL_CAPACITY = 1 << 4;

// 最大容量 static final int MAXIMUM_CAPACITY = 1 << 30;

// 默认负载因子0.75 static final float DEFAULT_LOAD_FACTOR = 0.75f;

// 链表节点转换红黑树节点的阈值, 9个节点转 static final int TREEIFY_THRESHOLD = 8;

// 红黑树节点转换链表节点的阈值, 6个节点转 static final int UNTREEIFY_THRESHOLD = 6;

// 转红黑树时, table的最小长度 static final int MIN_TREEIFY_CAPACITY = 64;

// 链表节点, 继承自Entry static class Node implements Map.Entry {
final int hash; final K key; V value; Node next;

  1. // ... ...

}

// 红黑树节点 static final class TreeNode extends LinkedHashMap.Entry { TreeNode parent; // red-black tree links TreeNode left; TreeNode right; TreeNode prev; // needed to unlink next upon deletion boolean red;

  1. <a name="mecG3"></a>
  2. ## 2.3 hash
  3. 不管增加、删除、查找键值对,定位到哈希桶数组的位置都是很关键的第一步。前面说过 HashMap 的数据结构是“数组+链表+红黑树”的结合,所以我们当然希望这个 HashMap 里面的元素位置尽量分布均匀些,尽量使得每个位置上的元素数量只有一个,那么当我们用 hash 算法求得这个位置的时候,马上就可以知道对应位置的元素就是我们要的,不用遍历链表/红黑树,大大优化了查询的效率。HashMap 定位数组索引位置,直接决定了 hash 方法的离散性能。下面是定位哈希桶数组的源码:
  4. ```java
  5. // 代码1
  6. static final int hash(Object key) { // 计算key的hash值
  7. int h;
  8. // 1.先拿到key的hashCode值; 2.将hashCode的高16位参与异或运算
  9. return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
  10. }
  11. // 代码2
  12. int n = tab.length;
  13. // 将(tab.length - 1) 与 hash值进行&运算
  14. int index = (n - 1) & hash;

整个过程本质上就是三步:

  1. 拿到 key 的 hashCode 值
  2. 将 hashCode 的高位参与运算,重新计算 hash 值
  3. 将计算出来的 hash 值与 (table.length - 1) 进行 & 运算

方法解读:
对于任意给定的对象,只要它的 hashCode() 返回值相同,那么计算得到的 hash 值总是相同的。我们首先想到的就是把 hash 值对 table 长度取模运算,这样一来,元素的分布相对来说是比较均匀的。
但是模运算消耗还是比较大的,我们知道计算机比较快的运算为位运算,因此 JDK 团队对取模运算进行了优化,使用上面代码2的位与运算来代替模运算。这个方法非常巧妙,它通过 “(table.length -1) & h” 来得到该对象的索引位置,这个优化是基于以下公式:x mod 2^n = x & (2^n - 1)。我们知道 HashMap 底层数组的长度总是 2 的 n 次方,并且取模运算为 “h mod table.length”,对应上面的公式,可以得到该运算等同于“h & (table.length - 1)”。这是 HashMap 在速度上的优化,因为 & 比 % 具有更高的效率。
在 JDK1.8 的实现中,还优化了高位运算的算法,将 hashCode 的高 16 位与 hashCode 进行异或运算,主要是为了在 table 的 length 较小的时候,让高位也参与运算,并且不会有太大的开销。
下图是一个简单的例子:
当 table 长度为 16 时,table.length - 1 = 15 ,用二进制来看,此时低 4 位全是 1,高 28 位全是 0,与 0 进行 & 运算必然为 0,因此此时 hashCode 与 “table.length - 1” 的 & 运算结果只取决于 hashCode 的低 4 位,在这种情况下,hashCode 的高 28 位就没有任何作用,并且由于 hash 结果只取决于 hashCode 的低 4 位,hash 冲突的概率也会增加。因此,在 JDK 1.8 中,将高位也参与计算,目的是为了降低 hash 冲突的概率。
image.png

2.4 get

查找相应的节点,并返回该节点的值。
节点可能是链表节点,也可能是红黑树节点。

  1. public V get(Object key) {
  2. Node<K,V> e;
  3. return (e = getNode(hash(key), key)) == null ? null : e.value;
  4. }
  5. final Node<K,V> getNode(int hash, Object key) {
  6. Node<K,V>[] tab; Node<K,V> first, e; int n; K k;
  7. // 1.对table进行校验:table不为空 && table长度大于0 &&
  8. // table索引位置(使用table.length - 1和hash值进行位与运算)的节点不为空
  9. if ((tab = table) != null && (n = tab.length) > 0 &&
  10. (first = tab[(n - 1) & hash]) != null) {
  11. // 2.检查first节点的hash值和key是否和入参的一样,如果一样则first即为目标节点,直接返回first节点
  12. if (first.hash == hash && // always check first node
  13. ((k = first.key) == key || (key != null && key.equals(k))))
  14. return first;
  15. // 3.如果first不是目标节点,并且first的next节点不为空则继续遍历
  16. if ((e = first.next) != null) {
  17. if (first instanceof TreeNode)
  18. // 4.如果是红黑树节点,则调用红黑树的查找目标节点方法getTreeNode
  19. return ((TreeNode<K,V>)first).getTreeNode(hash, key);
  20. do {
  21. // 5.执行链表节点的查找,向下遍历链表, 直至找到节点的key和入参的key相等时,返回该节点
  22. if (e.hash == hash &&
  23. ((k = e.key) == key || (key != null && key.equals(k))))
  24. return e;
  25. } while ((e = e.next) != null);
  26. }
  27. }
  28. // 6.找不到符合的返回空
  29. return null;
  30. }

2.4.1 getTreeNode

  1. final TreeNode<K,V> getTreeNode(int h, Object k) {
  2. return ((parent != null) ? root() : this).find(h, k, null);
  3. }

步骤1:首先找到红黑树的根节点;

  1. final TreeNode<K,V> root() {
  2. for (TreeNode<K,V> r = this, p;;) {
  3. if ((p = r.parent) == null)
  4. return r;
  5. r = p;
  6. }
  7. }

步骤2:使用根节点调用 find 方法
此方法是红黑树节点的查找。

2.4.2 find

使用给定的哈希和键查找从根p开始的节点。kc参数在首次使用比较键时缓存comparableClassFor(键)

  1. /**
  2. * 从调用此方法的节点开始查找, 通过hash值和key找到对应的节点
  3. * 此方法是红黑树节点的查找, 红黑树是特殊的自平衡二叉查找树
  4. * 平衡二叉查找树的特点:左节点<根节点<右节点
  5. */
  6. final TreeNode<K,V> find(int h, Object k, Class<?> kc) {
  7. // 1.将p节点赋值为调用此方法的节点,即为红黑树根节点
  8. TreeNode<K,V> p = this;
  9. // 2.从p节点开始向下遍历
  10. do {
  11. int ph, dir; K pk;
  12. TreeNode<K,V> pl = p.left, pr = p.right, q;
  13. // 3.如果传入的hash值小于p节点的hash值,则往p节点的左边遍历
  14. if ((ph = p.hash) > h)
  15. p = pl;
  16. else if (ph < h) // 4.如果传入的hash值大于p节点的hash值,则往p节点的右边遍历
  17. p = pr;
  18. // 5.如果传入的hash值和key值等于p节点的hash值和key值,则p节点为目标节点,返回p节点
  19. else if ((pk = p.key) == k || (k != null && k.equals(pk)))
  20. return p;
  21. else if (pl == null) // 6.p节点的左节点为空则将向右遍历
  22. p = pr;
  23. else if (pr == null) // 7.p节点的右节点为空则向左遍历
  24. p = pl;
  25. // 8.将p节点与k进行比较
  26. else if ((kc != null ||
  27. (kc = comparableClassFor(k)) != null) && // 8.1 kc不为空代表k实现了Comparable
  28. (dir = compareComparables(kc, k, pk)) != 0)// 8.2 k<pk则dir<0, k>pk则dir>0
  29. // 8.3 k<pk则向左遍历(p赋值为p的左节点), 否则向右遍历
  30. p = (dir < 0) ? pl : pr;
  31. // 9.代码走到此处, 代表key所属类没有实现Comparable, 直接指定向p的右边遍历
  32. else if ((q = pr.find(h, k, kc)) != null)
  33. return q;
  34. // 10.代码走到此处代表“pr.find(h, k, kc)”为空, 因此直接向左遍历
  35. else
  36. p = pl;
  37. } while (p != null);
  38. return null;
  39. }

步骤8:将 p 节点与 k 进行比较。如果传入的 key(即代码中的参数 k)所属的类实现了 Comparable 接口(kc 不为空,comparableClassFor ),则将 k 跟 p 节点的 key 进行比较(kc 实现了 Comparable 接口,因此通过 kc 的比较方法进行比较),并将比较结果赋值给 dir,如果 dir<0 则代表 k

2.4.3 comparableClassFor

如果x的类的形式为“Class C implements Comparable”,则返回x的类,否则返回null

  1. static Class<?> comparableClassFor(Object x) {
  2. // 1.判断x是否实现了Comparable接口
  3. if (x instanceof Comparable) {
  4. Class<?> c; Type[] ts, as; Type t; ParameterizedType p;
  5. // 2.校验x是否为String类型
  6. if ((c = x.getClass()) == String.class) // bypass checks
  7. return c;
  8. if ((ts = c.getGenericInterfaces()) != null) {
  9. // 3.遍历x实现的所有接口
  10. for (int i = 0; i < ts.length; ++i) {
  11. // 4.如果x实现了Comparable接口,则返回x的Class
  12. if (((t = ts[i]) instanceof ParameterizedType) &&
  13. ((p = (ParameterizedType)t).getRawType() ==
  14. Comparable.class) &&
  15. (as = p.getActualTypeArguments()) != null &&
  16. as.length == 1 && as[0] == c) // type arg is c
  17. return c;
  18. }
  19. }
  20. }
  21. return null;
  22. }

2.5 put

添加一个节点,有可能往链表上加,也有可能往红黑树上加。
由于存在旧值的情况,此时选择覆盖,因此,首先要判断是否存在旧值。

  1. public V put(K key, V value) {
  2. return putVal(hash(key), key, value, false, true);
  3. }
  4. final V putVal(int hash, K key, V value, boolean onlyIfAbsent,
  5. boolean evict) {
  6. Node<K,V>[] tab; Node<K,V> p; int n, i;
  7. // 1.校验table是否为空或者length等于0,如果是则调用resize方法进行初始化
  8. if ((tab = table) == null || (n = tab.length) == 0)
  9. n = (tab = resize()).length;
  10. // 2.通过hash值计算索引位置,将该索引位置的头节点赋值给p,如果p为空则直接在该索引位置新增一个节点即可
  11. if ((p = tab[i = (n - 1) & hash]) == null)
  12. tab[i] = newNode(hash, key, value, null);
  13. else {
  14. // table表该索引位置不为空,则进行查找
  15. Node<K,V> e; K k;
  16. // 3.判断p节点的key和hash值是否跟传入的相等,如果相等, 则p节点即为要查找的目标节点,将p节点赋值给e节点
  17. if (p.hash == hash &&
  18. ((k = p.key) == key || (key != null && key.equals(k))))
  19. e = p;
  20. // 4.判断p节点是否为TreeNode, 如果是则调用红黑树的putTreeVal方法查找目标节点
  21. else if (p instanceof TreeNode)
  22. e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
  23. else {
  24. // 5.走到这代表p节点为普通链表节点,则调用普通的链表方法进行查找,使用binCount统计链表的节点数
  25. for (int binCount = 0; ; ++binCount) {
  26. // 6.如果p的next节点为空时,则代表找不到目标节点,则新增一个节点并插入链表尾部
  27. if ((e = p.next) == null) {
  28. p.next = newNode(hash, key, value, null);
  29. // 7.校验节点数是否超过8个,如果超过则调用treeifyBin方法将链表节点转为红黑树节点,
  30. // 减一是因为循环是从p节点的下一个节点开始的
  31. if (binCount >= TREEIFY_THRESHOLD - 1)
  32. treeifyBin(tab, hash);
  33. break;
  34. }
  35. // 8.如果e节点存在hash值和key值都与传入的相同,则e节点即为目标节点,跳出循环
  36. if (e.hash == hash &&
  37. ((k = e.key) == key || (key != null && key.equals(k))))
  38. break;
  39. p = e; // 将p指向下一个节点
  40. }
  41. }
  42. // 9.如果e节点不为空,则代表目标节点存在,使用传入的value覆盖该节点的value,并返回oldValue
  43. if (e != null) {
  44. V oldValue = e.value;
  45. if (!onlyIfAbsent || oldValue == null)
  46. e.value = value;
  47. afterNodeAccess(e); // 用于LinkedHashMap
  48. return oldValue;
  49. }
  50. }
  51. ++modCount;
  52. // 10.如果插入节点后节点数超过阈值,则调用resize方法进行扩容
  53. if (++size > threshold)
  54. resize();
  55. afterNodeInsertion(evict); // 用于LinkedHashMap
  56. return null;
  57. }

需要注意的步骤:
1.校验 table 是否为空或者 length 等于0,如果是则调用 resize 方法进行初始化,见resize方法详解。
4.如果 p 节点不是目标节点,则判断 p 节点是否为 TreeNode,如果是则调用红黑树的 putTreeVal 方法查找目标节点。
7.校验节点数是否超过 8 个,如果超过则调用 treeifyBin方法 将链表节点转为红黑树节点,见代码块6详解。

2.5.1 putTreeVal

红黑树的put操作,红黑树插入会同时维护原来的链表属性, 即原来的next属性。

  1. /**
  2. * 红黑树的put操作,红黑树插入会同时维护原来的链表属性, 即原来的next属性
  3. */
  4. final TreeNode<K,V> putTreeVal(HashMap<K,V> map, Node<K,V>[] tab,
  5. int h, K k, V v) {
  6. Class<?> kc = null;
  7. boolean searched = false;
  8. // 1.查找根节点, 索引位置的头节点并不一定为红黑树的根节点
  9. TreeNode<K,V> root = (parent != null) ? root() : this;
  10. // 2.将根节点赋值给p节点,开始进行查找
  11. for (TreeNode<K,V> p = root;;) {
  12. int dir, ph; K pk;
  13. // 3.如果传入的hash值小于p节点的hash值,将dir赋值为-1,代表向p的左边查找树
  14. if ((ph = p.hash) > h)
  15. dir = -1;
  16. // 4.如果传入的hash值大于p节点的hash值, 将dir赋值为1,代表向p的右边查找树
  17. else if (ph < h)
  18. dir = 1;
  19. // 5.如果传入的hash值和key值等于p节点的hash值和key值, 则p节点即为目标节点, 返回p节点
  20. else if ((pk = p.key) == k || (k != null && k.equals(pk)))
  21. return p;
  22. // 6.如果k所属的类没有实现Comparable接口 或者 k和p节点的key相等
  23. else if ((kc == null &&
  24. (kc = comparableClassFor(k)) == null) ||
  25. (dir = compareComparables(kc, k, pk)) == 0) {
  26. // 6.1 第一次符合条件, 从p节点的左节点和右节点分别调用find方法进行查找, 如果查找到目标节点则返回
  27. if (!searched) {
  28. TreeNode<K,V> q, ch;
  29. searched = true;
  30. if (((ch = p.left) != null &&
  31. (q = ch.find(h, k, kc)) != null) ||
  32. ((ch = p.right) != null &&
  33. (q = ch.find(h, k, kc)) != null))
  34. return q;
  35. }
  36. // 6.2 否则使用定义的一套规则来比较k和p节点的key的大小, 用来决定向左还是向右查找
  37. dir = tieBreakOrder(k, pk); // dir<0则代表k<pk,则向p左边查找;反之亦然
  38. }
  39. TreeNode<K,V> xp = p; // xp赋值为x的父节点,中间变量,用于下面给x的父节点赋值
  40. // 7.dir<=0则向p左边查找,否则向p右边查找,如果为null,则代表该位置即为x的目标位置
  41. if ((p = (dir <= 0) ? p.left : p.right) == null) {
  42. // 走进来代表已经找到x的位置,只需将x放到该位置即可
  43. Node<K,V> xpn = xp.next; // xp的next节点
  44. // 8.创建新的节点, 其中x的next节点为xpn, 即将x节点插入xp与xpn之间
  45. TreeNode<K,V> x = map.newTreeNode(h, k, v, xpn);
  46. // 9.调整x、xp、xpn之间的属性关系
  47. if (dir <= 0) // 如果时dir <= 0, 则代表x节点为xp的左节点
  48. xp.left = x;
  49. else // 如果时dir> 0, 则代表x节点为xp的右节点
  50. xp.right = x;
  51. xp.next = x; // 将xp的next节点设置为x
  52. x.parent = x.prev = xp; // 将x的parent和prev节点设置为xp
  53. // 如果xpn不为空,则将xpn的prev节点设置为x节点,与上文的x节点的next节点对应
  54. if (xpn != null)
  55. ((TreeNode<K,V>)xpn).prev = x;
  56. // 10.进行红黑树的插入平衡调整
  57. moveRootToFront(tab, balanceInsertion(root, x));
  58. return null;
  59. }
  60. }
  61. }

6.1 第一次符合条件,从 p 节点的左节点和右节点分别调用 find 方法(见代码块2详解)进行查找,如果查找到目标节点则返回
6.2 否则使用定义的一套规则来比较 k 和 p 节点的 key 的大小,用来决定向左还是向右查找,见代码块5详解。
10.进行红黑树的插入平衡调整,见文末的解释2。

2.5.2 treeifyBin

将链表节点转为红黑树节点。
需要注意:链表超过8个时,不一定会转为树。当需要将解决 hash 冲突的链表转变为红黑树时,需要判断下此时数组容量,若是由于数组容量太小(小于 MIN_TREEIFY_CAPACITY = 64)导致的 hash 冲突太多,则不进行链表转变为红黑树操作,转为利用 resize() 函数对 hashMap 扩容。

  1. /**
  2. * 将链表节点转为红黑树节点
  3. */
  4. final void treeifyBin(Node<K,V>[] tab, int hash) {
  5. int n, index; Node<K,V> e;
  6. // 1.如果table为空或者table的长度小于64, 调用resize方法进行扩容
  7. if (tab == null || (n = tab.length) < MIN_TREEIFY_CAPACITY)
  8. resize();
  9. // 2.根据hash值计算索引值,将该索引位置的节点赋值给e,从e开始遍历该索引位置的链表
  10. else if ((e = tab[index = (n - 1) & hash]) != null) {
  11. TreeNode<K,V> hd = null, tl = null;
  12. do {
  13. // 3.将链表节点转红黑树节点
  14. TreeNode<K,V> p = replacementTreeNode(e, null);
  15. // 4.如果是第一次遍历,将头节点赋值给hd
  16. if (tl == null) // tl为空代表为第一次循环
  17. hd = p;
  18. else {
  19. // 5.如果不是第一次遍历,则处理当前节点的prev属性和上一个节点的next属性
  20. p.prev = tl; // 当前节点的prev属性设为上一个节点
  21. tl.next = p; // 上一个节点的next属性设置为当前节点
  22. }
  23. // 6.将p节点赋值给tl,用于在下一次循环中作为上一个节点进行一些链表的关联操作(p.prev = tl 和 tl.next = p)
  24. tl = p;
  25. } while ((e = e.next) != null);
  26. // 7.将table该索引位置赋值为新转的TreeNode的头节点,如果该节点不为空,则以以头节点(hd)为根节点, 构建红黑树
  27. if ((tab[index] = hd) != null)
  28. hd.treeify(tab);
  29. }
  30. }

2.5.3 treeify

构建红黑树

  1. final void treeify(Node<K,V>[] tab) {
  2. TreeNode<K,V> root = null;
  3. // 1.将调用此方法的节点赋值给x,以x作为起点,开始进行遍历
  4. for (TreeNode<K,V> x = this, next; x != null; x = next) {
  5. next = (TreeNode<K,V>)x.next; // next赋值为x的下个节点
  6. x.left = x.right = null; // 将x的左右节点设置为空
  7. // 2.如果还没有根节点, 则将x设置为根节点
  8. if (root == null) {
  9. x.parent = null; // 根节点没有父节点
  10. x.red = false; // 根节点必须为黑色
  11. root = x; // 将x设置为根节点
  12. }
  13. else {
  14. K k = x.key; // k赋值为x的key
  15. int h = x.hash; // h赋值为x的hash值
  16. Class<?> kc = null;
  17. // 3.如果当前节点x不是根节点, 则从根节点开始查找属于该节点的位置
  18. for (TreeNode<K,V> p = root;;) {
  19. int dir, ph;
  20. K pk = p.key;
  21. // 4.如果x节点的hash值小于p节点的hash值,则将dir赋值为-1, 代表向p的左边查找
  22. if ((ph = p.hash) > h)
  23. dir = -1;
  24. // 5.如果x节点的hash值大于p节点的hash值,则将dir赋值为1, 代表向p的右边查找
  25. else if (ph < h)
  26. dir = 1;
  27. // 6.走到这代表x的hash值和p的hash值相等,则比较key值
  28. else if ((kc == null && // 6.1 如果k没有实现Comparable接口 或者 x节点的key和p节点的key相等
  29. (kc = comparableClassFor(k)) == null) ||
  30. (dir = compareComparables(kc, k, pk)) == 0)
  31. // 6.2 使用定义的一套规则来比较x节点和p节点的大小,用来决定向左还是向右查找
  32. dir = tieBreakOrder(k, pk);
  33. TreeNode<K,V> xp = p; // xp赋值为x的父节点,中间变量用于下面给x的父节点赋值
  34. // 7.dir<=0则向p左边查找,否则向p右边查找,如果为null,则代表该位置即为x的目标位置
  35. if ((p = (dir <= 0) ? p.left : p.right) == null) {
  36. // 8.x和xp节点的属性设置
  37. x.parent = xp; // x的父节点即为最后一次遍历的p节点
  38. if (dir <= 0) // 如果时dir <= 0, 则代表x节点为父节点的左节点
  39. xp.left = x;
  40. else // 如果时dir > 0, 则代表x节点为父节点的右节点
  41. xp.right = x;
  42. // 9.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)
  43. root = balanceInsertion(root, x);
  44. break;
  45. }
  46. }
  47. }
  48. }
  49. // 10.如果root节点不在table索引位置的头节点, 则将其调整为头节点
  50. moveRootToFront(tab, root);
  51. }

3.如果当前节点 x 不是根节点, 则从根节点开始查找属于该节点的位置,该段代码跟find和 putTreeVal 的查找代码类似。
8.如果 root 节点不在 table 索引位置的头节点, 则将其调整为头节点,见moveRootToFront详解。

2.5.4 moveRootToFront

  1. /**
  2. * 将root放到头节点的位置
  3. * 如果当前索引位置的头节点不是root节点, 则将root的上一个节点和下一个节点进行关联,
  4. * 将root放到头节点的位置, 原头节点放在root的next节点上
  5. */
  6. static <K,V> void moveRootToFront(Node<K,V>[] tab, TreeNode<K,V> root) {
  7. int n;
  8. // 1.校验root是否为空、table是否为空、table的length是否大于0
  9. if (root != null && tab != null && (n = tab.length) > 0) {
  10. // 2.计算root节点的索引位置
  11. int index = (n - 1) & root.hash;
  12. TreeNode<K,V> first = (TreeNode<K,V>)tab[index];
  13. // 3.如果该索引位置的头节点不是root节点,则该索引位置的头节点替换为root节点
  14. if (root != first) {
  15. Node<K,V> rn;
  16. // 3.1 将该索引位置的头节点赋值为root节点
  17. tab[index] = root;
  18. TreeNode<K,V> rp = root.prev; // root节点的上一个节点
  19. // 3.2 和 3.3 两个操作是移除root节点的过程
  20. // 3.2 如果root节点的next节点不为空,则将root节点的next节点的prev属性设置为root节点的prev节点
  21. if ((rn = root.next) != null)
  22. ((TreeNode<K,V>)rn).prev = rp;
  23. // 3.3 如果root节点的prev节点不为空,则将root节点的prev节点的next属性设置为root节点的next节点
  24. if (rp != null)
  25. rp.next = rn;
  26. // 3.4 和 3.5 两个操作将first节点接到root节点后面
  27. // 3.4 如果原头节点不为空, 则将原头节点的prev属性设置为root节点
  28. if (first != null)
  29. first.prev = root;
  30. // 3.5 将root节点的next属性设置为原头节点
  31. root.next = first;
  32. // 3.6 root此时已经被放到该位置的头节点位置,因此将prev属性设为空
  33. root.prev = null;
  34. }
  35. // 4.检查树是否正常
  36. assert checkInvariants(root);
  37. }
  38. }

4.检查树是否正常,见checkInvariants详解。

2.5.5 checkInvariants

  1. /**
  2. * Recursive invariant check
  3. */
  4. static <K,V> boolean checkInvariants(TreeNode<K,V> t) { // 一些基本的校验
  5. TreeNode<K,V> tp = t.parent, tl = t.left, tr = t.right,
  6. tb = t.prev, tn = (TreeNode<K,V>)t.next;
  7. if (tb != null && tb.next != t)
  8. return false;
  9. if (tn != null && tn.prev != t)
  10. return false;
  11. if (tp != null && t != tp.left && t != tp.right)
  12. return false;
  13. if (tl != null && (tl.parent != t || tl.hash > t.hash))
  14. return false;
  15. if (tr != null && (tr.parent != t || tr.hash < t.hash))
  16. return false;
  17. if (t.red && tl != null && tl.red && tr != null && tr.red) // 如果当前节点为红色, 则该节点的左右节点不能同时为红色
  18. return false;
  19. if (tl != null && !checkInvariants(tl))
  20. return false;
  21. if (tr != null && !checkInvariants(tr))
  22. return false;
  23. return true;
  24. }

2.6 resize

将表格大小初始化或加倍。如果为空,则根据字段阈值中保留的初始容量目标进行分配。否则,因为我们使用的是二次幂展开,所以每个容器中的元素必须保持在相同的索引中,或者在新表中以二次幂偏移量移动。

  1. final Node<K,V>[] resize() {
  2. Node<K,V>[] oldTab = table;
  3. int oldCap = (oldTab == null) ? 0 : oldTab.length;
  4. int oldThr = threshold;
  5. int newCap, newThr = 0;
  6. // 1.老表的容量不为0,即老表不为空
  7. if (oldCap > 0) {
  8. // 1.1 判断老表的容量是否超过最大容量值:如果超过则将阈值设置为Integer.MAX_VALUE,并直接返回老表,
  9. // 此时oldCap * 2比Integer.MAX_VALUE大,因此无法进行重新分布,只是单纯的将阈值扩容到最大
  10. if (oldCap >= MAXIMUM_CAPACITY) {
  11. threshold = Integer.MAX_VALUE;
  12. return oldTab;
  13. }
  14. // 1.2 将newCap赋值为oldCap的2倍,如果newCap<最大容量并且oldCap>=16, 则将新阈值设置为原来的两倍
  15. else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&
  16. oldCap >= DEFAULT_INITIAL_CAPACITY)
  17. newThr = oldThr << 1; // double threshold
  18. }
  19. // 2.如果老表的容量为0, 老表的阈值大于0, 是因为初始容量被放入阈值,则将新表的容量设置为老表的阈值
  20. else if (oldThr > 0)
  21. newCap = oldThr;
  22. else {
  23. // 3.老表的容量为0, 老表的阈值为0,这种情况是没有传初始容量的new方法创建的空表,将阈值和容量设置为默认值
  24. newCap = DEFAULT_INITIAL_CAPACITY;
  25. newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);
  26. }
  27. // 4.如果新表的阈值为空, 则通过新的容量*负载因子获得阈值
  28. if (newThr == 0) {
  29. float ft = (float)newCap * loadFactor;
  30. newThr = (newCap < MAXIMUM_CAPACITY && ft < (float)MAXIMUM_CAPACITY ?
  31. (int)ft : Integer.MAX_VALUE);
  32. }
  33. // 5.将当前阈值设置为刚计算出来的新的阈值,定义新表,容量为刚计算出来的新容量,将table设置为新定义的表。
  34. threshold = newThr;
  35. @SuppressWarnings({"rawtypes","unchecked"})
  36. Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap];
  37. table = newTab;
  38. // 6.如果老表不为空,则需遍历所有节点,将节点赋值给新表
  39. if (oldTab != null) {
  40. for (int j = 0; j < oldCap; ++j) {
  41. Node<K,V> e;
  42. if ((e = oldTab[j]) != null) { // 将索引值为j的老表头节点赋值给e
  43. oldTab[j] = null; // 将老表的节点设置为空, 以便垃圾收集器回收空间
  44. // 7.如果e.next为空, 则代表老表的该位置只有1个节点,计算新表的索引位置, 直接将该节点放在该位置
  45. if (e.next == null)
  46. newTab[e.hash & (newCap - 1)] = e;
  47. // 8.如果是红黑树节点,则进行红黑树的重hash分布(跟链表的hash分布基本相同)
  48. else if (e instanceof TreeNode)
  49. ((TreeNode<K,V>)e).split(this, newTab, j, oldCap);
  50. else { // preserve order
  51. // 9.如果是普通的链表节点,则进行普通的重hash分布
  52. Node<K,V> loHead = null, loTail = null; // 存储索引位置为:“原索引位置”的节点
  53. Node<K,V> hiHead = null, hiTail = null; // 存储索引位置为:“原索引位置+oldCap”的节点
  54. Node<K,V> next;
  55. do {
  56. next = e.next;
  57. // 9.1 如果e的hash值与老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
  58. if ((e.hash & oldCap) == 0) {
  59. if (loTail == null) // 如果loTail为空, 代表该节点为第一个节点
  60. loHead = e; // 则将loHead赋值为第一个节点
  61. else
  62. loTail.next = e; // 否则将节点添加在loTail后面
  63. loTail = e; // 并将loTail赋值为新增的节点
  64. }
  65. // 9.2 如果e的hash值与老表的容量进行与运算为非0,则扩容后的索引位置为:老表的索引位置+oldCap
  66. else {
  67. if (hiTail == null) // 如果hiTail为空, 代表该节点为第一个节点
  68. hiHead = e; // 则将hiHead赋值为第一个节点
  69. else
  70. hiTail.next = e; // 否则将节点添加在hiTail后面
  71. hiTail = e; // 并将hiTail赋值为新增的节点
  72. }
  73. } while ((e = next) != null);
  74. // 10.如果loTail不为空(说明老表的数据有分布到新表上“原索引位置”的节点),则将最后一个节点
  75. // 的next设为空,并将新表上索引位置为“原索引位置”的节点设置为对应的头节点
  76. if (loTail != null) {
  77. loTail.next = null;
  78. newTab[j] = loHead;
  79. }
  80. // 11.如果hiTail不为空(说明老表的数据有分布到新表上“原索引+oldCap位置”的节点),则将最后
  81. // 一个节点的next设为空,并将新表上索引位置为“原索引+oldCap”的节点设置为对应的头节点
  82. if (hiTail != null) {
  83. hiTail.next = null;
  84. newTab[j + oldCap] = hiHead;
  85. }
  86. }
  87. }
  88. }
  89. }
  90. // 12.返回新表
  91. return newTab;
  92. }

注意步骤:
2.老表的容量为 0,并且老表的阈值大于 0:这种情况是新建 HashMap 时传了初始容量,例如:new HashMap<>(32),使用这种方式新建 HashMap 时,由于 HashMap 没有 capacity 属性,所以此时的 capacity 会被暂存在 threshold 属性。因此此时的 threshold 的值就是我们要新创建的 HashMap 的 capacity,所以将新表的容量设置为 threshold。
4.如果新表的阈值为空,则通过新的容量 * 负载因子获得阈值(这种情况是初始化的时候传了初始容量,跟第2点相同情况,或者初始容量设置的太小导致老表的容量没有超过 16 导致的)。
8.如果是红黑树节点,则进行红黑树的重 hash 分布,见split详解。
9.1 如果 e 的 hash 值与老表的容量进行位与运算为 0,则说明 e 节点扩容后的索引位置跟老表的索引位置一样(见疑问1详解),进行链表拼接操作:如果 loTail 为空,代表该节点为第一个节点,则将 loHead 赋值为该节点;否则将节点添加在 loTail 后面,并将 loTail 赋值为新增的节点。
9.2 如果 e 的 hash 值与老表的容量进行位与运算为 1,则说明 e 节点扩容后的索引位置为:老表的索引位置+oldCap(见例子1详解),进行链表拼接操作:如果 hiTail 为空,代表该节点为第一个节点,则将 hiHead 赋值为该节点;否则将节点添加在 hiTail 后面,并将 hiTail 赋值为新增的节点。

2.6.1 jdk1.7扩容:根据新的哈希值和新的容量计算数组下标

  1. void transfer(Entry[] newTable, boolean rehash) {
  2. //获取新哈希表的容量
  3. int newCapacity = newTable.length;
  4. //循环原哈希表
  5. for (Entry<K,V> e : table) {
  6. //循环原Entry线性链表
  7. while(null != e) {
  8. Entry<K,V> next = e.next;
  9. //根据是否启用rehash判断是否为每一个key生成新的哈希值
  10. //如果当前entry的key等于null,则重新设置当前entry的哈希值为0
  11. //如果不为null,则对当前entyr的哈希值根据哈希干扰因子(HashSeed)进行重
  12. //新计算赋值
  13. if (rehash) {
  14. e.hash = null == e.key ? 0 : hash(e.key);
  15. }
  16. //根据新的哈希值和新的容量计算该entry应该存放的数组下标位置
  17. int i = indexFor(e.hash, newCapacity);
  18. e.next = newTable[i];
  19. newTable[i] = e;
  20. e = next;
  21. }
  22. }
  23. }

2.6.2 split

红黑树扩容

  1. /**
  2. * 扩容后,红黑树的hash分布,只可能存在于两个位置:原索引位置、原索引位置+oldCap
  3. */
  4. final void split(HashMap<K,V> map, Node<K,V>[] tab, int index, int bit) {
  5. TreeNode<K,V> b = this; // 拿到调用此方法的节点
  6. TreeNode<K,V> loHead = null, loTail = null; // 存储索引位置为:“原索引位置”的节点
  7. TreeNode<K,V> hiHead = null, hiTail = null; // 存储索引位置为:“原索引+oldCap”的节点
  8. int lc = 0, hc = 0;
  9. // 1.以调用此方法的节点开始,遍历整个红黑树节点
  10. for (TreeNode<K,V> e = b, next; e != null; e = next) { // 从b节点开始遍历
  11. next = (TreeNode<K,V>)e.next; // next赋值为e的下个节点
  12. e.next = null; // 同时将老表的节点设置为空,以便垃圾收集器回收
  13. // 2.如果e的hash值与老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
  14. if ((e.hash & bit) == 0) {
  15. if ((e.prev = loTail) == null) // 如果loTail为空, 代表该节点为第一个节点
  16. loHead = e; // 则将loHead赋值为第一个节点
  17. else
  18. loTail.next = e; // 否则将节点添加在loTail后面
  19. loTail = e; // 并将loTail赋值为新增的节点
  20. ++lc; // 统计原索引位置的节点个数
  21. }
  22. // 3.如果e的hash值与老表的容量进行与运算为非0,则扩容后的索引位置为:老表的索引位置+oldCap
  23. else {
  24. if ((e.prev = hiTail) == null) // 如果hiHead为空, 代表该节点为第一个节点
  25. hiHead = e; // 则将hiHead赋值为第一个节点
  26. else
  27. hiTail.next = e; // 否则将节点添加在hiTail后面
  28. hiTail = e; // 并将hiTail赋值为新增的节点
  29. ++hc; // 统计索引位置为原索引+oldCap的节点个数
  30. }
  31. }
  32. // 4.如果原索引位置的节点不为空
  33. if (loHead != null) { // 原索引位置的节点不为空
  34. // 4.1 如果节点个数<=6个则将红黑树转为链表结构
  35. if (lc <= UNTREEIFY_THRESHOLD)
  36. tab[index] = loHead.untreeify(map);
  37. else {
  38. // 4.2 将原索引位置的节点设置为对应的头节点
  39. tab[index] = loHead;
  40. // 4.3 如果hiHead不为空,则代表原来的红黑树(老表的红黑树由于节点被分到两个位置)
  41. // 已经被改变, 需要重新构建新的红黑树
  42. if (hiHead != null)
  43. // 4.4 以loHead为根节点, 构建新的红黑树
  44. loHead.treeify(tab);
  45. }
  46. }
  47. // 5.如果索引位置为原索引+oldCap的节点不为空
  48. if (hiHead != null) { // 索引位置为原索引+oldCap的节点不为空
  49. // 5.1 如果节点个数<=6个则将红黑树转为链表结构
  50. if (hc <= UNTREEIFY_THRESHOLD)
  51. tab[index + bit] = hiHead.untreeify(map);
  52. else {
  53. // 5.2 将索引位置为原索引+oldCap的节点设置为对应的头节点
  54. tab[index + bit] = hiHead;
  55. // 5.3 loHead不为空则代表原来的红黑树(老表的红黑树由于节点被分到两个位置)
  56. // 已经被改变, 需要重新构建新的红黑树
  57. if (loHead != null)
  58. // 5.4 以hiHead为根节点, 构建新的红黑树
  59. hiHead.treeify(tab);
  60. }
  61. }
  62. }

2.如果 e 的 hash 值与老表的容量进行位与运算为 0,则说明 e 节点扩容后的索引位置跟老表的索引位置一样(见例子1详解),进行链表拼接操作:如果 loTail 为空,代表该节点为第一个节点,则将 loHead 赋值为该节点;否则将节点添加在 loTail 后面,并将 loTail 赋值为新增的节点,并统计原索引位置的节点个数。
3.如果 e 的 hash 值与老表的容量进行位与运算为 1,则说明 e 节点扩容后的索引位置为:老表的索引位置+oldCap(见例子1详解),进行链表拼接操作:如果 hiTail 为空,代表该节点为第一个节点,则将 hiHead 赋值为该节点;否则将节点添加在 hiTail 后面,并将 hiTail 赋值为新增的节点,并统计索引位置为原索引 + oldCap 的节点个数。
4.1 如果节点个数 <= 6 个则将红黑树转为链表结构,见untreeify详解。
4.4 以 loHead 为根节点,构建新的红黑树,见treeify详解。

2.6.3 untreeify

将红黑树节点转为链表节点, 当节点<=6个时会被触发。
由于红黑树的扩容,本质也会像链表那样,增加树的数量,减少单个树的节点数量,因此,会出现树的节点个数变为<=6个的情况,此时需要进行结构转换!

  1. /**
  2. * 将红黑树节点转为链表节点, 当节点<=6个时会被触发
  3. */
  4. final Node<K,V> untreeify(HashMap<K,V> map) {
  5. Node<K,V> hd = null, tl = null; // hd指向头节点, tl指向尾节点
  6. // 1.从调用该方法的节点, 即链表的头节点开始遍历, 将所有节点全转为链表节点
  7. for (Node<K,V> q = this; q != null; q = q.next) {
  8. // 2.调用replacementNode方法构建链表节点
  9. Node<K,V> p = map.replacementNode(q, null);
  10. // 3.如果tl为null, 则代表当前节点为第一个节点, 将hd赋值为该节点
  11. if (tl == null)
  12. hd = p;
  13. // 4.否则, 将尾节点的next属性设置为当前节点p
  14. else
  15. tl.next = p;
  16. tl = p; // 5.每次都将tl节点指向当前节点, 即尾节点
  17. }
  18. // 6.返回转换后的链表的头节点
  19. return hd;
  20. }

2.6.4 扩容后,节点重 hash 为什么只可能分布在 “原索引位置” 与 “原索引 + oldCap 位置” ?

image.png
假设老表的容量为 16,即 oldCap = 16,则新表容量为 16 * 2 = 32,假设节点 1 的 hash 值为:0000 0000 0000 0000 0000 1111 0000 1010,节点 2 的 hash 值为:0000 0000 0000 0000 0000 1111 0001 1010,则节点 1 和节点 2 在老表的索引位置计算如下图计算1,由于老表的长度限制,节点 1 和节点 2 的索引位置只取决于节点 hash 值的最后 4 位。
再看计算2,计算2为新表的索引计算,可以知道如果两个节点在老表的索引位置相同,则新表的索引位置只取决于节点hash值倒数第5位的值,而此位置的值刚好为老表的容量值 16,此时节点在新表的索引位置只有两种情况:“原索引位置” 和 “原索引 + oldCap位置”,在此例中即为 10 和 10 + 16 = 26。
由于结果只取决于节点 hash 值的倒数第 5 位,而此位置的值刚好为老表的容量值 16,因此此时新表的索引位置的计算可以替换为计算3,直接使用节点的 hash 值与老表的容量 16 进行位于运算,如果结果为 0 则该节点在新表的索引位置为原索引位置,否则该节点在新表的索引位置为 “原索引 + oldCap 位置”。
image.png
image.png
结果:可以看出,扩容后,节点 A 和节点 C 的先后顺序跟扩容前是一样的。因此,即使此时有多个线程并发扩容,也不会出现死循环的情况。当然,这仍然改变不了 HashMap 仍是非并发安全,在并发下,还是要使用 ConcurrentHashMap 来代替。

3 总结

  1. HashMap 的底层是个 Node 数组(Node[] table),在数组的具体索引位置,如果存在多个节点,则可能是以链表或红黑树的形式存在。
  2. 增加、删除、查找键值对时,定位到哈希桶数组的位置是很关键的一步,源码中是通过下面3个操作来完成这一步:1)拿到 key 的 hashCode 值;2)将 hashCode 的高位参与运算,重新计算 hash 值;3)将计算出来的 hash 值与 “table.length - 1” 进行 & 运算。
  3. HashMap 的默认初始容量(capacity)是 16,capacity 必须为 2 的幂次方;默认负载因子(load factor)是 0.75;实际能存放的节点个数(threshold,即触发扩容的阈值)= capacity * load factor。
  4. HashMap 在触发扩容后,阈值会变为原来的 2 倍,并且会对所有节点进行重 hash 分布,重 hash 分布后节点的新分布位置只可能有两个:“原索引位置” 或 “原索引+oldCap位置”。例如 capacity 为16,索引位置 5 的节点扩容后,只可能分布在新表 “索引位置5” 和 “索引位置21(5+16)”。
  5. 导致 HashMap 扩容后,同一个索引位置的节点重 hash 最多分布在两个位置的根本原因是:1)table的长度始终为 2 的 n 次方;2)索引位置的计算方法为 “(table.length - 1) & hash”。HashMap 扩容是一个比较耗时的操作,定义 HashMap 时尽量给个接近的初始容量值。
  6. HashMap 有 threshold 属性和 loadFactor 属性,但是没有 capacity 属性。初始化时,如果传了初始化容量值,该值是存在 threshold 变量,并且 Node 数组是在第一次 put 时才会进行初始化,初始化时会将此时的 threshold 值作为新表的 capacity 值,然后用 capacity 和 loadFactor 计算新表的真正 threshold 值。
  7. 当同一个索引位置的节点在增加后达到 9 个时,并且此时数组的长度大于等于 64,则会触发链表节点(Node)转红黑树节点(TreeNode),转成红黑树节点后,其实链表的结构还存在,通过 next 属性维持。链表节点转红黑树节点的具体方法为源码中的 treeifyBin 方法。而如果数组长度小于64,则不会触发链表转红黑树,而是会进行扩容。
  8. 当同一个索引位置的节点在移除后达到 6 个时,并且该索引位置的节点为红黑树节点,会触发红黑树节点转链表节点。红黑树节点转链表节点的具体方法为源码中的 untreeify 方法。
  9. HashMap 在 JDK 1.8 之后扩容不再有死循环的问题,JDK 1.8 之前存在死循环的根本原因是在扩容后同一索引位置的节点顺序会反掉。
  10. HashMap 是非线程安全的,在并发场景下使用 ConcurrentHashMap 来代替。