HashMap源码解析(JDK1.8)

朱雀 2021-12-04 07:13 426阅读 0赞

# HashMap源码解析(JDK1.8) #

--------------------

## 目录 ##

1.  定义
2.  构造函数
3.  数据结构
4.  存储实现源码分析
5.  删除操作源码分析
6.  hashMap遍历和异常解析

--------------------

### 1. 定义 ###

HashMap实现了Map接口，继承AbstractMap。其中Map接口定义了键映射到值的规则，而AbstractMap类提供 Map 接口的骨干实现，以最大限度地减少实现此接口所需的工作，其实AbstractMap类已经实现了Map

--------------------

### 2. 构造函数 ###

HashMap提供了四个构造函数：

HashMap()：构造一个具有**默认初始容量 (16) 和默认加载因子 (0.75)** 的空 HashMap。

HashMap(int initialCapacity)：构造一个带指定初始容量和默认加载因子 (0.75) 的空 HashMap。

HashMap(int initialCapacity, float loadFactor)：构造一个带指定初始容量和加载因子的空 HashMap。

HashMap(Map<? extends K, ? extends V> m)：使用与指定映射相同的映射构造一个新的hashmap，默认加载因子0.75，和初始化足够容纳指定映射中的映射的初始容量。

在这里提到了两个参数：初始容量，加载因子。这两个参数是影响HashMap性能的重要参数，其中容量表示哈希表中桶的数量，**初始容量是创建哈希表时的容量，加载因子是哈希表在其容量自动增加之前可以达到多满的一种尺度，它衡量的是一个散列表的空间的使用程度**，负载因子越大表示散列表的装填程度越高，反之愈小。对于使用链表法的散列表来说，查找一个元素的平均时间是O(1+a)，因此如果负载因子越大，对空间的利用更充分，然而后果是查找效率的降低；如果负载因子太小，那么散列表的数据将过于稀疏，对空间造成严重浪费。系统默认负载因子为0.75，一般情况下我们是无需修改的。

HashMap是一种支持快速存取的数据结构，要了解它的性能必须要了解它的数据结构。

--------------------

### 3. 数据结构 ###

我们知道在Java中最常用的两种结构是数组和模拟指针(引用)，几乎所有的数据结构都可以利用这两种来组合实现，HashMap也是如此。实际上HashMap是一个“链表散列”。

在Jdk1.8中HashMap的实现方式做了一些改变，但是基本思想还是没有变得，只是在一些地方做了优化，下面来看一下这些改变的地方,\*\*数据结构的存储由数组+链表的方式，变化为数组+链表+红黑树的存储方式，当链表长度超过阈值（8）时，将链表转换为红黑树。\*\*在性能上进一步得到提升。

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MTkxMDY5NA_size_16_color_FFFFFF_t_70]  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MTkxMDY5NA_size_16_color_FFFFFF_t_70 1]  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MTkxMDY5NA_size_16_color_FFFFFF_t_70 2]  
从上图我们可以发现数据结构由数组+链表组成，一个长度为16的数组中，每个元素存储的是一个链表的头结点。那么这些元素是按照什么样的规则存储到数组中呢。一般情况是通过**hash(key.hashCode())%len**获得，也就是元素的key的哈希值对数组长度取模得到。比如上述哈希表中，12%16=12,28%16=12,108%16=12,140%16=12。所以12、28、108以及140都存储在数组下标为12的位置。

从上图我们可以看出HashMap底层实现还是数组，只是数组的每一项都是一条链，当链表长度超过了阈值，将链表转换为红黑树。其中参数initialCapacity就代表了该数组的长度。

下面为**HashMap双参数构造函数的源码**：

public HashMap(int initialCapacity, float loadFactor) {
        
    		// 判断容量initialCapacity 
            if (initialCapacity < 0)
                throw new IllegalArgumentException("Illegal initial capacity: " +
                                                   initialCapacity);
            // 判断容量是否超过最大值，超过将最大值赋给它
            if (initialCapacity > MAXIMUM_CAPACITY)
                initialCapacity = MAXIMUM_CAPACITY;
            //负载因子判断
            if (loadFactor <= 0 || Float.isNaN(loadFactor))
                throw new IllegalArgumentException("Illegal load factor: " +
                                                   loadFactor);
            //tableSizeFor：返回传入initialCapacity的最小接近的几次幂。
            this.loadFactor = loadFactor;
            this.threshold = tableSizeFor(initialCapacity);
     }
    
    //返回给定目标容量的两倍幂，比如传入15，返回的是16，即返回传入值最小接近几次幂的值。
    static final int tableSizeFor(int cap) {
        
    		//比如传入12，n = cap - 1 = 11；
            int n = cap - 1;
            // 0000 1011 = 11  	初始 n
            // 0000 0101 = 5   	n >>> 1
            // 0000 1111 = 15   结果：n = 15 接着做下面的运算，最后结果还是 15 + 1 = 16
            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;
    }

再来看看 **HashMap(Map<? extends K, ? extends V> m)**

public HashMap(Map<? extends K, ? extends V> m) {
        
            this.loadFactor = DEFAULT_LOAD_FACTOR;
            putMapEntries(m, false);
        }
    
    	final void putMapEntries(Map<? extends K, ? extends V> m, boolean evict) {
        
            int s = m.size();
            if (s > 0) {
        
            	// 判断table是否为null， 源码：transient Node<K,V>[] table;
                if (table == null) {
         // pre-size
                	//获取数组里面的值，如果数组里面的值大于MAXIMUM_CAPACITY，则取MAXIMUM_CAPACITY，否则就是ft。
                	//比如说map的大小为15，那么ft = 20；
                    float ft = ((float)s / loadFactor) + 1.0F;
                    int t = ((ft < (float)MAXIMUM_CAPACITY) ?
                             (int)ft : MAXIMUM_CAPACITY);
                    //判断是否达到最大用来，t > threshold，那么进行tablesize重计算。
                    if (t > threshold)	
                        threshold = tableSizeFor(t);
                }
                else if (s > threshold)
                	//如果s大于threshold（threshold= capacity * load factor），那么需要扩容
                    resize();
                for (Map.Entry<? extends K, ? extends V> e : m.entrySet()) {
        
                    //获取key，value，再根据key获取hash值，再把值放到对应的地址。
                    K key = e.getKey();
                    V value = e.getValue();
                    putVal(hash(key), key, value, false, evict);
                }
            }
        }

再看看\*\* putVal(hash(key), key, value, false, evict);**方法中的**hash方法\*\*

//获取key的hash值
    	static final int hash(Object key) {
        
            int h;
            // int 32位 1111 1111 1111 1111 0000 0000 0000 0000
            // 对象的hashCode值 ^(异或：相同为1，不同为0) 对象的hashCode值的高位(前16位) 
            // 目的：提高hashCode的随机性
            return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
        }

--------------------

### 4. 存储实现 ###

源码：

public V put(K key, V value) {
        
    		//根据传入参数key，获取hashCode的值
            return putVal(hash(key), key, value, false, true);
    	}
    	
    	//onlyIfAbsent = false;(默认)
    	// evict = true;(默认)
    	final V putVal(int hash, K key, V value, boolean onlyIfAbsent,
                       boolean evict) {
        
            Node<K,V>[] tab; Node<K,V> p; int n, i;
            // 判断table数组是否为null或长度为0.
            if ((tab = table) == null || (n = tab.length) == 0)
                // 初始化table长度
                n = (tab = resize()).length;
            // 假设 i = 16； i = (n - 1) & hash ； i表示元素在tab数组中存储的位置。
            // p = tab[i], 判断 p链表是否为null
            // (n - 1) & hash 取余运算，目的优化计算速度。
            if ((p = tab[i = (n - 1) & hash]) == null)
            	// 如果为null，创建节点，直接存放到tab[i]位置
                tab[i] = newNode(hash, key, value, null);
            else {
        
            	// tab[i] 有元素
                Node<K,V> e; K k;
                // hash值相同，key相同，是同一元素，那么直接=。
                if (p.hash == hash &&
                    ((k = p.key) == key || (key != null && key.equals(k))))
                    e = p;
                // 判断是否为树结构， JDK1.8 有了红黑树的优化方案。
                else if (p instanceof TreeNode)
                	// 基于红黑树的插入逻辑。
                    e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
                else {
        
                	// 否则链表插入元素
                    for (int binCount = 0; ; ++binCount) {
        
                        if ((e = p.next) == null) {
        
                        	// p的下一个元素 = newNode(hash, key, value, null)；
                            p.next = newNode(hash, key, value, null);
                            // 判断当前链表的数量是否大于数结构的阈值
                            if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st
                            	// 如果大于则转换结构
                            	// 链表 --> 红黑树 (优化查询性能)
                            	// static final int TREEIFY_THRESHOLD = 8; 链表长度达到7时转换成红黑树
                                treeifyBin(tab, hash);
                            break;
                        }
                        // 当前的链表包含要插入的值，结束遍历
                        if (e.hash == hash &&
                            ((k = e.key) == key || (key != null && key.equals(k))))
                            break;
                        p = e;
                    }
                }
                // 判断插入的值是否存在hashmap中，如果存在老值
                if (e != null) {
         // existing mapping for key
                    V oldValue = e.value;
                    if (!onlyIfAbsent || oldValue == null)
                        e.value = value;
                    afterNodeAccess(e);
                    return oldValue;
                }
            }
            // 修改次数+1
            ++modCount;
            // 判断当前数组大小是否大于阈值，大于则要扩容。
            if (++size > threshold)
                resize();
            afterNodeInsertion(evict);
            return null;
        }

再看看 **resize扩容方法**

final Node<K,V>[] resize() {
        
    		// 数组初始化
            Node<K,V>[] oldTab = table;
            // 扩容前的变量初始化，旧容量和旧阈值。
            int oldCap = (oldTab == null) ? 0 : oldTab.length;
            int oldThr = threshold;
            // 扩容后的变量初始化。
            int newCap, newThr = 0;
            if (oldCap > 0) {
        
            	// 如果大于最大容量，那么返回，无法扩容。
                if (oldCap >= MAXIMUM_CAPACITY) {
        
                    threshold = Integer.MAX_VALUE;
                    return oldTab;
                }
                // oldCap << 1 乘以2 = newCap。 MAXIMUM_CAPACITY = 1 << 30
                else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&
                         oldCap >= DEFAULT_INITIAL_CAPACITY)
                    // oldThr 乘以2 = newThr
                    newThr = oldThr << 1; // double threshold
            }
            else if (oldThr > 0) // initial capacity was placed in threshold
                newCap = oldThr;
            else {
                       // zero initial threshold signifies using defaults
            	// 如果调用的无参构造方法，则进入这个分支。newCap=初始容量（8）；
                newCap = DEFAULT_INITIAL_CAPACITY;
                // 阈值 = 负载因子 * 初始容量。
                newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);
            }
            if (newThr == 0) {
        
                float ft = (float)newCap * loadFactor;
                newThr = (newCap < MAXIMUM_CAPACITY && ft < (float)MAXIMUM_CAPACITY ?
                          (int)ft : Integer.MAX_VALUE);
            }
            threshold = newThr;
            @SuppressWarnings({
        "rawtypes","unchecked"})
            	// 创建一个新的 *2 的容量的数组
                Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap];
            table = newTab;
            // 准备重新对元素进行定位。
            if (oldTab != null) {
        
                for (int j = 0; j < oldCap; ++j) {
        
                    Node<K,V> e;
    				// 获取第j个位置的元素。
                    if ((e = oldTab[j]) != null) {
        
                        // 清空原数组
                        oldTab[j] = null;
                        // 判断原有j位置上是否还有元素
                        if (e.next == null)
                        	// 如果没有，则重新计算，进行元素保存
                        	// 例如16，e.hash & 31 = 新元素的位置 
                            newTab[e.hash & (newCap - 1)] = e;
                        else if (e instanceof TreeNode)
                        	// 红黑树拆分
                            ((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 {
        
                            	// 遍历链表，将链表节点按顺序进行分组
                                next = e.next;
                                // old链表添加到一组
                                if ((e.hash & oldCap) == 0) {
        
                                    if (loTail == null)
                                        loHead = e;
                                    else
                                        loTail.next = e;
                                    loTail = e;
                                }
                                // 计算原有元素在扩容后的位置。
                                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;
                                // 原位置 j + 原容量 = 新的位置。 
                                newTab[j + oldCap] = hiHead;
                            }
                        }
                    }
                }
            }
            return newTab;
        }

--------------------

### 5. 删除操作源码分析 ###

源码：

public V remove(Object key) {
        
            Node<K,V> e;
            return (e = removeNode(hash(key), key, null, false, true)) == null ?
                null : e.value;
        }
    	
    	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;
            if ((tab = table) != null && (n = tab.length) > 0 &&
            	// 元素要存储的位置p
                (p = tab[index = (n - 1) & hash]) != null) {
        
                Node<K,V> node = null, e; K k; V v;
                // hash没有冲突情况
                if (p.hash == hash &&
                    ((k = p.key) == key || (key != null && key.equals(k))))
                    //定位删除节点node
                    node = p;
                // 有冲突，不只是一个元素在同一位置上
                else if ((e = p.next) != null) {
        
                	// 判断是否为红黑树，定位删除元素
                    if (p instanceof TreeNode)
                        node = ((TreeNode<K,V>)p).getTreeNode(hash, key);
                    else {
        
                        do {
        
                        	//那就是链表结构，定位删除元素
                            if (e.hash == hash &&
                                ((k = e.key) == key ||
                                 (key != null && key.equals(k)))) {
        
                                node = e;
                                break;
                            }
                            p = e;
                        } while ((e = e.next) != null);
                    }
                }
                // node要删除的元素
                if (node != null && (!matchValue || (v = node.value) == value ||
                                     (value != null && value.equals(v)))) {
        
                    if (node instanceof TreeNode)
                    	// 红黑树删除节点
                        ((TreeNode<K,V>)node).removeTreeNode(this, tab, movable);
                    else if (node == p)
                    	// 链表删除节点
                        tab[index] = node.next;
                    else
                    	// 否则判断数组中p位置的对象下一个元素 = 删除元素的下一个元素。
                        p.next = node.next;
                    ++modCount;
                    --size;
                    afterNodeRemoval(node);
                    return node;
                }
            }
            return null;
        }

--------------------

### 6. hashMap遍历和异常解析 ###

测试代码：

HashMap<Integer, String> map = new HashMap<>(16);
    
            map.put(20, "abc");
            map.put(3, "abc");
            map.put(12, "abc");
            map.put(5, "abc");
            map.put(16, "abc");
    
            System.out.println("遍历结果：");
            for (Integer key : map.keySet()) {
        
                System.out.print(key + " -> ");
            }

输出结果：  
![在这里插入图片描述][20190718150237421.png]  
当调整put顺序，代码如下：

HashMap<Integer, String> map = new HashMap<>(16);
    
            map.put(12, "abc");
            map.put(5, "abc");
            map.put(16, "abc");
            map.put(20, "abc");
            map.put(3, "abc");
    
            System.out.println("遍历结果：");
            for (Integer key : map.keySet()) {
        
                System.out.print(key + " -> ");
            }

输出结果：  
![在这里插入图片描述][20190718150237421.png]

可以看到：两者的输出结果是一样的。也就是说，输入的顺序是无法保证，但不管怎么put操作，输出的结果是一样的。因为它是按hash结构进行输出的，如下  
![在这里插入图片描述][20190718151028283.png]  
源码如下：

final Node<K,V> nextNode() {
        
            Node<K,V>[] t;
            Node<K,V> e = next;
            if (modCount != expectedModCount)
            	// 如果迭代过程中进行操作，modCount 会被修改，所以就会报错：ConcurrentModificationException()
                throw new ConcurrentModificationException();
            if (e == null)
                throw new NoSuchElementException();
            if ((next = (current = e).next) == null && (t = table) != null) {
        
            	// 寻找数组中下一个hash槽不为null的节点。
                do {
        } while (index < t.length && (next = t[index++]) == null);
            }
            return e;
        }

遍历的时候进行添加或删除等操作，会报错，附上报错截图：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MTkxMDY5NA_size_16_color_FFFFFF_t_70 3]

--------------------

> 参考博客：
> 
> 1.  java提高篇（二三）-----HashMap：[https://www.cnblogs.com/chenssy/p/3521565.html][https_www.cnblogs.com_chenssy_p_3521565.html]
> 2.  HashMap实现原理及源码分析详解：[https://www.bilibili.com/video/av53287823/?p=1][https_www.bilibili.com_video_av53287823_p_1]

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MTkxMDY5NA_size_16_color_FFFFFF_t_70]: /images/20211204/ee95bb6e938e409ea9409d75ee1b508a.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MTkxMDY5NA_size_16_color_FFFFFF_t_70 1]: /images/20211204/cc9ec1859758467ab94bb2fd3d322274.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MTkxMDY5NA_size_16_color_FFFFFF_t_70 2]: /images/20211204/de8118ab11124b3084bfc66c893acf1f.png
[20190718150237421.png]: /images/20211204/23371f562ade41c09209dc5b46a93d36.png
[20190718151028283.png]: /images/20211204/7c0b156c205b4df5a2431c162038ef84.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MTkxMDY5NA_size_16_color_FFFFFF_t_70 3]: /images/20211204/0732b84d169f4c9d8eadeec3cb9e7281.png
[https_www.cnblogs.com_chenssy_p_3521565.html]: https://www.cnblogs.com/chenssy/p/3521565.html
[https_www.bilibili.com_video_av53287823_p_1]: https://www.bilibili.com/video/av53287823/?p=1