数据结构
jdk8 HashMap数据结构
构造函数
public HashMap(int initialCapacity, float loadFactor) {
if (initialCapacity < 0)
throw new IllegalArgumentException("Illegal initial capacity: " +
initialCapacity);
if (initialCapacity > MAXIMUM_CAPACITY)
initialCapacity = MAXIMUM_CAPACITY;
if (loadFactor <= 0 || Float.isNaN(loadFactor))
throw new IllegalArgumentException("Illegal load factor: " +
loadFactor);
this.loadFactor = loadFactor;
// tableSizeFor返回大于输入参数且最近的2的整数次幂的数，当作下一次扩容的阈值
this.threshold = tableSizeFor(initialCapacity);
}
HashMap的底层数组，不是在构造函数里面构建的，而是在第一次put的时候，调用的resize方法里面
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;
// 如果Hash表是空的，那么resize初始化一个长度
if ((tab = table) == null || (n = tab.length) == 0)
n = (tab = resize()).length;
// 要加入的key位置没有元素，那么直接在 (n - 1) & hash位置创建一个Node
if ((p = tab[i = (n - 1) & hash]) == null)
tab[i] = newNode(hash, key, value, null);
else {
Node<K,V> e; K k;
// 要加入的key位置有元素，并且key是一样的，那么就用新值替换旧值，返回旧值
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
e = p;
// 要加入的位置有元素，但是key不一样，发生了哈希冲突，
// 并且要加入的节点是红黑树节点，那么就将该节点加入红黑树
else if (p instanceof TreeNode)
e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
else {
// 要加入的节点不是红黑树是链表节点，那么就遍历链表，将新节点加入链表尾部
for (int binCount = 0; ; ++binCount) {
// 到达链表尾部，将新节点加入链表尾部
if ((e = p.next) == null) {
p.next = newNode(hash, key, value, null);
// 如果节点数量到达了阈值，那么就把链表结构生成红黑树
// static final int TREEIFY_THRESHOLD = 8;
if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st
treeifyBin(tab, hash);
break;
}
// 如果在链表中找到了一样的key那么就用新值替换旧值，返回旧值
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
break;
p = e;
}
}
// e是旧值的节点，用新值替换旧值，返回旧值
if (e != null) { // existing mapping for key
V oldValue = e.value;
if (!onlyIfAbsent || oldValue == null)
e.value = value;
afterNodeAccess(e);
return oldValue;
}
}
++modCount;
// 哈希表元素数超过了阈值，那么就重新计算哈希表大小。
if (++size > threshold)
resize();
afterNodeInsertion(evict);
return null;
}
resize重新计算hash表大小
final Node<K,V>[] resize() {
Node<K,V>[] oldTab = table;
int oldCap = (oldTab == null) ? 0 : oldTab.length;
int oldThr = threshold;
int newCap, newThr = 0;
if (oldCap > 0) {
// 容量已经到达最大容量，不再扩容
if (oldCap >= MAXIMUM_CAPACITY) {
threshold = Integer.MAX_VALUE;
return oldTab;
}
// 扩容两倍
else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&
oldCap >= DEFAULT_INITIAL_CAPACITY)
// 阈值也扩大两倍
newThr = oldThr << 1; // double threshold
}
// oldCap=0，oldThr>0表示resize()函数在table为空被调用，oldThr是用户指定的初始容量
else if (oldThr > 0) // initial capacity was placed in threshold
newCap = oldThr;
else { // zero initial threshold signifies using defaults
// 没有指定初始容量，容量和阈值都设置成默认的
newCap = DEFAULT_INITIAL_CAPACITY;
newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);
}
// 新的阈值是0那么重新计算
if (newThr == 0) {
float ft = (float)newCap * loadFactor;
newThr = (newCap < MAXIMUM_CAPACITY && ft < (float)MAXIMUM_CAPACITY ?
(int)ft : Integer.MAX_VALUE);
}
threshold = newThr;
// 创建一个新的hash表
@SuppressWarnings({"rawtypes","unchecked"})
Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap];
table = newTab;
if (oldTab != null) {
// 遍历旧的hash表
for (int j = 0; j < oldCap; ++j) {
Node<K,V> e;
if ((e = oldTab[j]) != null) {
// 把旧hash表的元素置为null
oldTab[j] = null;
//如果节点是单个节点，直接在newTab中进行重定位
if (e.next == null)
newTab[e.hash & (newCap - 1)] = e;
// 如果是TreeNode节点，那么在红黑树中进行rehash操作
else if (e instanceof TreeNode)
((TreeNode<K,V>)e).split(this, newTab, j, oldCap);
// 如果是个链表，进行链表的rehash操作
else { // preserve order
Node<K,V> loHead = null, loTail = null;
Node<K,V> hiHead = null, hiTail = null;
Node<K,V> next;
//将同一桶中的元素根据(e.hash & oldCap)是否为0进行分割，分成两个不同的链表，完成rehash操作
// (e.hash & oldCap) == 0的时候，链表的表头还是放在新hash桶的原位置
// (e.hash & oldCap) != 0的时候，链表的表头放在新hash桶的旧数组索引位置+oldCap(j + oldCap)
do {
next = e.next;
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;
}
Q：什么时候会用resize扩容？
A：1.当我们不断的向HashMap中添加元素时，它会判断HashMap当前的容量值(当前元素的个数)是否超过了它的临界值（在没有指定其初始化大小时，默认16*0.75=12），如果添加的元素个数超过了临界值，它就会开始进行扩容
Q：HashMap在扩容时，扩容到多大？
A：HashMap在扩容时，它会扩容到下一个2的指数次幂，即当前容量的2倍
Q：HashMap是如何进行扩容的？
A：HashMap进行扩容时会调用resize()函数，重新计算HashMap所需的新的容量，然后重新定义一个新的容器，将原数组数据进行Hash, 放入新的容器中。这个过程将会导致HashMap的性能下降。
哈希函数
从上面put源码中可以看出来，调用putVal方法的时候，调了hash方法获取key的hash值，然后在putVal方法中用(n - 1) & hash算出该key生成的节点应该存放的下标位置，其中hash方法就是HashMap中的哈希函数了。
static final int hash(Object key) {
int h;
// key的hash值和自己右移16位做异或
return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}
Q：直接用key.hashCode()当作hash值不行吗？
A：在计算下标的时候，使用(n - 1) & hash计算下标位置，如果单纯的用key.hashCode()，那么计算的下标位置永远只会用key.hashCode()的后几位，增加了碰撞几率。
image.png
如果和右移16位做异或的操作结果用做哈希值。如下图：
image.png
右移16位是把高16位移到低16位，让key.hashCode()值的高16位和低16位做异或操作（右移16位会把高16位补0，0和任何数异或得到的结果都是原数字），以此来加大低位的随机性。而且混合后的低位掺杂了高位的部分特征，这样高位的信息也被变相保留下来。
get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;
// 如果按照下标定位的元素和参数key是一致的则返回当前下标位置的元素
if ((tab = table) != null && (n = tab.length) > 0 &&
(first = tab[(n - 1) & hash]) != null) {
if (first.hash == hash && // always check first node
((k = first.key) == key || (key != null && key.equals(k))))
return first;
// 下标位置处的元素不是，那么去树结构或者链表中找元素
if ((e = first.next) != null) {
if (first instanceof TreeNode)
return ((TreeNode<K,V>)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;
}
