首页 > 基础资料 博客日记
【Java】JDK1.8 HashMap源码，put源码详细讲解
2024-04-22 21:00:05基础资料围观187次
📝个人主页：哈__
期待您的关注
在Java中，HashMap结构是被经常使用的，在面试当中也是经常会被问到的。这篇文章我给大家分享一下我对于HashMap结构源码的理解。
HashMap的存储与一般的数组不同，HashMap的每一个元素存储的并不是一个值，而是一个引用类型的Node结点，这也就意味着这个Node结点有被扩充的可能，因为这个Node结点可以是一个链表的Head结点，也可以是一棵树的根节点。
HashMap的存储数组叫做table，也可以称作“桶”，试想这样的一个场景：我们在一排放了3个桶，同时我们有4个苹果，如果我们要把所有的苹果放到桶当中，那么必然有一个桶中 的苹果个数>=2。
这种情况在我们的HashMap中也会出现，我们的HashMap结构是把很多的数据存放到一个容量达不到元素个数的数组当中，就如同桶和苹果一样。
因此我们的HashMap结果会出现上图所示的一种冲突，我们成为散列冲突，也叫做Hash冲突 。
出现冲突不要怕，解决冲突就是了，我们的一个桶当中可以放两个苹果，自然HashMap的table数组的一个位置也可以存放两个元素。
问题来了，我们现在假设有16个桶，同时间断性的向桶中放苹果，而且还要能够方便我们后续去拿苹果和寻找苹果，那我们这16个桶还够用吗？我们这样子直接把苹果放进桶里，还能够方便我们后续找苹果吗？
行了，解决吧，现在假设你是一位苹果管理员，你该怎么优化一下？你看看这样子行不行，不就是放苹果、找苹果嘛，既然让我来管理，那我希望把苹果平均放到桶当中，每次我放的位置尽量不要和之前的苹果放的位置有冲突，如果桶多的话，你也不能一个一个桶去看吧，所以，我们定义了一个算法，我根据这个苹果的生产ID序列号去寻找对应的桶放进去，如同取余放置一样。这是个不错的思路。但序列号都是有规律的，这样会影响我们的放置，我们希望是一个很随机的结果，因此我们给这个序列号随机变动几个位置后在选择桶。在HashMap中，这样的序列号叫做hashCode值，经过一个扰动函数后，我们的到的扰动的值叫做hash。
如何存放的问题解决了，但苹果一旦多了还是会产生冲突，一个桶里放8个我还能找得到，但是一个桶里放20个，30个苹果，那我就找不到那个序列号的苹果了。
二叉树我们都学过，倘若我们把桶内的苹果以二叉树的方式进行存储，那这样我们在查找的时候是不是就省了很多时间呢？因此HashMap中的table内的一个元素列表长度＞8的时候，进行树化操作。但也不是非要进行树化的，毕竟树化也要浪费很多资源。当我们的桶的数量<=64的时候，我们不进行树化操作，我们进行数组扩容，把table扩大2倍，这样的话，我们在放苹果的时候发生冲突的概率就会降低。但如果容量已经达到了64，我们就考虑把链表转为红黑树（也是二叉树）了。
以上的过程不知道你是否理解了没，放苹果的案例和HashMap存储元素的过程相似，现在我们来看代码吧。
一、HashMap中的变量
1.默认容量
HashMap无参构造方法调用时，我们的HashMap数组的初始容量是16。
/**
* 默认初始化的容量大小，且必须是2的整数倍
*/
static final int DEFAULT_INITIAL_CAPACITY = 1 << 4; // aka 162.最大容量
记录了我们HashMap所能存储的最大的元素个数。
/**
* 我们的元素数组的最大的容量，如果我们设定的最大容量比这个数还大
* 那我们就把容量设定为这个最大的值
*/
static final int MAXIMUM_CAPACITY = 1 << 30;3.负载因子
负载因子决定了HashMap在存储更多数据时如何扩展其容量。默认情况下，当负载因子达到0.75时，HashMap会进行扩容。这意味着，当HashMap中的元素数量达到数组容量的0.75倍时，数组的大小就会翻倍，以便容纳更多的数据。
为什么选择0.75作为默认的负载因子呢？这并不是随意的选择，而是经过深思熟虑后的优化值。负载因子实际上是一个权衡空间和时间的参数。在理想情况下，如果负载因子为1，这意味着每个索引位置上都有一个键值对存在。然而，当两个或更多的键具有相同的哈希值时，就会发生冲突，这会导致查询效率降低。因此，通过设置一个适当的负载因子，可以平衡键值对的存储效率和查询效率。
通过将负载因子设置为0.75，可以在空间和时间效率之间取得平衡。这意味着，当数组接近其容量时，HashMap会进行扩容，以避免因哈希冲突而导致的性能下降。同时，这个值也避免了因频繁扩容而产生的额外开销。在大多数情况下，0.75的负载因子可以提供较好的性能。
/**
* 如果我们并没有自己初始化一个平衡因子，这个就是默认的平衡因子
*/
static final float DEFAULT_LOAD_FACTOR = 0.75f;4.列表树化的阈值
/**
* 当列表的长度超过了8，达到9的时候就会把列表转为红黑树
*/
static final int TREEIFY_THRESHOLD = 8;5.红黑树转列表的阈值
一个桶里的苹果往外拿了很多，就那么几个苹果我数的清，用不到树了。
/**
* 当树中的结点的个数小于6的时候我们就把红黑树转为列表了
*/
static final int UNTREEIFY_THRESHOLD = 6;6.树化时的最小数组容量
/**
* 在我们的列表转为红黑树的时候，如果我们的数组长度（也就是容量）达不到64，那我们就扩充数组
* 而不是进行红黑树的转化
**/
static final int MIN_TREEIFY_CAPACITY = 64;7.元素数组（存放我们插入的数据）
这就是我们的桶。
transient Node<K,V>[] table;8.数组的大小（并非容量，而是实际放了多少个数据结点到table数组中）
/**
* 此映射中包含的键值映射数。
*/
transient int size;这些变量看完了之后，我们在介绍一个结点类Node，我们的元素在存储的时候都是这个类型。
9.Node结点
static class Node<K,V> implements Map.Entry<K,V> {
final int hash; //hash值
final K key; //key
V value; //value
Node<K,V> next; //记录下一个元素
}10.扩容阈值
当table中的元素个数达到了这个值的时候进行resize操作，并非所有node节点的个数，而是我们的一维table中存放元素的个数(存放的链表和树算一个元素)。
/**
* table中存放的元素的个数达到了这个值进行resize操作
*/
int threshold;二、HashMap的put方法
我们只以无参构造的HashMap为例。
HashMap<String,Integer> map = new HashMap<>();
map.put("张三",18);我们看看这个put方法到底干了些什么。
我们点进去这个put方法，发现调用的是putVal方法，这个方法有五个参数，第一个参数传入了一个hash方法，第二个就是我们的key，第三个就是value，而后边的两个是默认的boolean类型的值，我们不看后边的两个。
public V put(K key, V value) {
return putVal(hash(key), key, value, false, true);
}hash到底是什么，我们上边其实也讲到过，这是一个扰动函数，意在把我们要插入的这个元素更加随机、均匀的分布到table中。想了解这个过程我们先往下走，到了具体的位置在讲解。
我们看看这个putVal方法。代码倒是挺多的，不过没关系，你就看我写的注释。
final V putVal(int hash, K key, V value, boolean onlyIfAbsent,
boolean evict) {
//这里初始化了一个tab用于保存我们最终的结果 还有一个临时的结点p
Node<K,V>[] tab; Node<K,V> p; int n, i;
//这种写法要弄清，=是赋值，==是判断，如果我们的table还没有初始化的话
if ((tab = table) == null || (n = tab.length) == 0)
//我们就把这个n记录成我们这个tab初始化后的大小
n = (tab = resize()).length;
//这里就是进行位置判断的代码了，如果当前遍历的结点是个空的，我们直接把node放到这个桶里
if ((p = tab[i = (n - 1) & hash]) == null)
tab[i] = newNode(hash, key, value, null);
else { //如果当前位置不为空
//定义一个e结点用于遍历
Node<K,V> e; K k;
//如果这个结点的key和我们插入元素的key相同，那我们把这个e指向这个结点
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
e = p;
//但如果不同，而且这个结点还是个树形结点，我们调用专门的方法遍历树
else if (p instanceof TreeNode)
e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
else {//如果不是树，那就是链表了，我们进行链表遍历去插入我们的新元素
for (int binCount = 0; ; ++binCount) {
//如果我们遍历到的结点已经遍历完了，那我们把元素插入
if ((e = p.next) == null) {
p.next = newNode(hash, key, value, null);
//如果达到了树化阈值，那我们进行树化操作
//这里注意一下为什么是-1，因为我们从0开始遍历，当我们达到了7说明
已经遍历了8次，同时上边进行了一次插入，结点数达到了9
if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st
treeifyBin(tab, hash);
break;
}
//如果当前结点的key就是我们插入的key，我们不做操作，这是e是有指向的
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
break;
p = e;
}
}
//如果e不是空，就说明找到了一个key相同的结点，我们进行value的替换
if (e != null) { // existing mapping for key
V oldValue = e.value;
if (!onlyIfAbsent || oldValue == null)
e.value = value;
afterNodeAccess(e);
//替换后就return了，不对table结构做影响
return oldValue;
}
}
//如果我们对table的结构影响了，我们把这个值+1
++modCount;
//看看把这个值插进去之后，是否达到了扩容阈值，并不是table中元素的长度满了之后才扩容的
if (++size > threshold)
resize();
afterNodeInsertion(evict);
return null;
} 
在上方的代码中你看到了这样的代码。这样代码就是判断我们元素放到哪个位置的。我们用桶的容量去和hash值进行与操作。
(p = tab[i = (n - 1) & hash假设当前容量是16，那么你看一下这个与操作的核心部分是什么，n的前28位都是0，与后的结果也是0，所以真正影响元素位置的只有n的最后四位和元素hashcode的最后四位。结果也一定是0~15。
h.hashCode = 1101 0111 1011 1100 0101 1011 1011 1010
n-1 = 0000 0000 0000 0000 0000 0000 0000 1111
那么扰动函数的作用是什么呢。我们上边的与操作只算了元素hashcode的后4位，不够随机，我们想要让hashcode的前16位也要影响最后的结果。所以就有了扰动函数。
static final int hash(Object key) {
int h;
return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}h.hashCode = 1101 0111 1011 1100 0101 1011 1011 1010
h.hashCode >>>16 = 0000 0000 0000 0000 1101 0111 1011 1100
我们取这两个值的与结果，这样我们的hashcode的高位也能扰动我们放的位置。并非单纯的低位和n-1去进行与运算了。
三、resize方法
在上边的代码中有个resize方法的调用，这个方法主要的目的是扩容table。这个resize方法看起来还是非常的恐怖哈。
resize方法解释了为什么数组的容量一定是二的整数倍。
final Node<K,V>[] resize() {
//记录一下之前的table
Node<K,V>[] oldTab = table;
//算一下之前table的容量
int oldCap = (oldTab == null) ? 0 : oldTab.length;
//记录一下之前table的扩容阈值
int oldThr = threshold;
//把新的容量和扩容阈值定义出来
int newCap, newThr = 0;
//如果已经进行过初始化了
if (oldCap > 0) {
//如果我们之前的空间大小已经达到了最大容量 -- 很少出现
if (oldCap >= MAXIMUM_CAPACITY) {
threshold = Integer.MAX_VALUE;
return oldTab;
}
//否则的话 我们新的容量等于旧的容量*2 位移运算
else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&
oldCap >= DEFAULT_INITIAL_CAPACITY)
//新的扩容阈值也*2
newThr = oldThr << 1; // double threshold
}
//这个先不说了
else if (oldThr > 0) // initial capacity was placed in threshold
newCap = oldThr;
// 这个else重要啊，如果我们没有进行过初始化，那我们就把新容量定位16 新的扩容阈值定为12
else { // zero initial threshold signifies using defaults
newCap = DEFAULT_INITIAL_CAPACITY;
newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);
}
//如果新的扩容阈值等于0 我们要进行处理等于新的容量×负载因子
if (newThr == 0) {
float ft = (float)newCap * loadFactor;
newThr = (newCap < MAXIMUM_CAPACITY && ft < (float)MAXIMUM_CAPACITY ?
(int)ft : Integer.MAX_VALUE);
}
//修改我们的扩容阈值
threshold = newThr;
@SuppressWarnings({"rawtypes","unchecked"})
Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap];
table = newTab;
if (oldTab != null) {
for (int j = 0; j < oldCap; ++j) {
Node<K,V> e;
if ((e = oldTab[j]) != null) {
oldTab[j] = null;
if (e.next == null)
newTab[e.hash & (newCap - 1)] = e;
else if (e instanceof TreeNode)
((TreeNode<K,V>)e).split(this, newTab, j, oldCap);
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;
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;
}我们分析一下下边的代码。写了注释的直接看看就好，关于树的我不说了，只说链表。
Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap];
table = newTab;
//如果我们之前的table不为空的话我们要进行一下元素迁移
if (oldTab != null) {
for (int j = 0; j < oldCap; ++j) {
Node<K,V> e;
//如果当前结点不为空
if ((e = oldTab[j]) != null) {
//清空原来的table中的位置，便于垃圾回收
oldTab[j] = null;
//如果就一个node 把他搬到新的table中
if (e.next == null)
newTab[e.hash & (newCap - 1)] = e;
//如果是树形结点 调用split方法
else if (e instanceof TreeNode)
((TreeNode<K,V>)e).split(this, newTab, j, oldCap);
//如果是个链表
else { // preserve order
// 低链表
Node<K,V> loHead = null, loTail = null;
//高链表
Node<K,V> hiHead = null, hiTail = null;
Node<K,V> next;
do {
next = e.next;
//判断这个结点放到高链表或者低链表中
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;
}
}
}
}
}什么是高链表和低链表。在之前我们说到过元素是如何定位的，靠的是hash和数组容量-1的与操作。但如果我们数组容量不减1呢？因为我们的数组容量是2的整数倍，如果不减1，那么就说明只有一个位置为1，其他的全为0（假设容量是16）。
h.hashCode = 1101 0111 1011 1100 0101 1011 1011 1010
n = 0000 0000 0000 0000 0000 0000 0001 0000
如同上方的例子，这个元素到底分到哪里，就看这个元素的hash值的倒数第五位，如果是1，就在高链表，如果是0就在低链表。我们通过这样的方式来把元素分到低链表或者高链表当中。
for循环的最后把我们这个临时的低链表和高链表放到我们新的table中。
最后将新的table返回。
本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若内容造成侵权/违法违规/事实不符，请联系邮箱：jacktools123@163.com进行投诉反馈，一经查实，立即删除！
标签：
相关文章
最新发布
点击排行
本站推荐
