博主主页：爪哇贡尘拾Miraitow
创作时间：2022年2月7日 20:23-2:03
内容介绍： HashMap源码分析
参考资料：[b站 小刘讲源码]
⏳简言以励：列位看官，且将新火试新茶，诗酒趁年华
内容较多有问题希望能够不吝赐教
欢迎点赞 收藏 ⭐留言
1、什么是Hash
哈希：英文是Hash，也称为散列
基本原理就是把任意长度输入，转化为固定长度输出
这个映射的规则就是Hash算法，而原始数据映射的二进制串就是Hash值
2、Hash的特点
1.从Hash值不可以反向推导出原始数据2.输入数据的微小变化会得到完全不同的Hash值相同的数据一定可以得到相同的值3.哈希算法的执行效率要高效，长的文本也能快速计算Hash值4.Hash算法的冲突概率小
由于Hash原理就是将输入空间映射成Hash空间，而Hash空间远远小于输入空间，根据抽屉原理，一定存在不同输出有相同的映射
抽屉原理
桌子上有10个苹果，将其放在9个抽屉里面，那必有一个抽屉不少于2个苹果
再比如
有五十个同学，但是只有二十个外号，每个同学都要有外号，那么必然有重复的外号（外号相当于hash的桶，学生的外号名字相当于hash值）
3、HashMap原理讲解
HashMap的继承体系
HashMap继承了AbstractMap，实现了Cloneable接口、Serializable接口、Map接口
Node的数据结构分析
final int hash;final K key;V value;Node next;
底层数据结构
put数据原理分析
什么是Hash碰撞
假如我有存储一个元素，发现其Key的Hash值还是1122，那么经过扰动之后，其位置还是2，所以此时，就有冲突，这个时候就要解决冲突。
解决Hash碰撞的方法
开放寻址法拉链法 [HashMap就是使用了此方法]
什么是链化
在JDK1.7之前，假如数据量很大，那么碰撞的概率也很大，碰撞形成链表，就是链化此时，拉链法的链子就会很长，那么就会降低查找速度（七上八下，1.8之前是头插法，1.8以后是尾插法）
所以在JDK1.8之后引入红黑树
HashMap的扩容原理
因为当数据表很多的时候，碰撞使得冲突和查找速度都上升，此时就要扩容
4、手撕源码
HashMap核心属性分析（threshold、loadFactor、size、modCount）
threshold：扩容阈值
loadFactor：负载因子
size：map实际的元素个数
modCount：map修改元素的次数，如删除和增加，但是对同一个位置进行修改value，不增加
常量分析
缺少table大小，默认初始化容量大小为16
static final int DEFAULT_INITIAL_CAPACITY = 1 << 4; // aka 16
table的最大长度
static final int MAXIMUM_CAPACITY = 1 << 30;
默认负载因子为0.75，不建议自己去设置，这都是科学家计算的
static final float DEFAULT_LOAD_FACTOR = 0.75f;
树化阈值
static final int TREEIFY_THRESHOLD = 8;
树降级为链表阈值
static final int UNTREEIFY_THRESHOLD = 6;
不是链表达到8就可以树化，而是元素达到64，并且链表达到8才会树化
static final int MIN_TREEIFY_CAPACITY = 64;
属性分析
哈希表
transient Node[] table;
transient Set> entrySet;
当前hash表中元素个数
transient int size;
当前hash表结构修改次数
(你插入元素或者减掉一个元素，注意，替换不是表结构修改，不会进行加减操作)
transient int modCount;
扩容阈值，当前的哈希表超过阈值时，触发扩容
threshold=capacity * loadFactor
默认为16*0.75=12，也就元素个数大于12时扩容
int threshold;
负载因子，一般不会改（0.75）
final float loadFactor;
构造方法分析
一共有4个构造函数
1.有两个参数的构造方法（int initialCapacity, float loadFactor）
public HashMap(int initialCapacity, float loadFactor) {//初始容量小于零就抛出异常对象 if (initialCapacity < 0) throw new IllegalArgumentException("Illegal initial capacity: " + initialCapacity); //如果初始容量大于数组的最大容量，就把初始容量设置为最大容量 if (initialCapacity > MAXIMUM_CAPACITY) initialCapacity = MAXIMUM_CAPACITY; //NaN 实际上就是 Not a Number的简称 //0.0f/0.0f的值就是NaN，从数学角度说，0/0就是一种未确定。 if (loadFactor <= 0 || Float.isNaN(loadFactor)) throw new IllegalArgumentException("Illegal load factor: " + loadFactor); this.loadFactor = loadFactor; //initialCapacity之所以不直接赋值，是因为要保证这个数字是2的次方数 this.threshold = tableSizeFor(initialCapacity);}
我们来看 tableSizeFor 怎么实现的
作用：返回大于 cap 的最小 2 的 N 次方。例如说，cap = 10 时返回 16 ，cap = 28 时返回 32 ，并且这个数字一定是2的次方数
cap=10
n=10 -1=9;
0b1001 | 0b0100=>0b1101
0b1101 | 0b0011=>0b1111
0b1111 | 0b0000=>0b1111
0b1111 | 0b0000=>0b1111
0b1111 | 0b0000=>0b1111
ob1111=>转为十进制是15
return 16
那么刚开始为什么减一那？
如果没有减一的情况下
假设
cap=16
0b10000 | 0b01000 =>0b11000
0b11000 | 0b00100=>0b11110
0b11110 | 0b00001 =>0b11111
0b11111 | 0b00000=>0b11111
0b11111 | 0b00000=>0b11111
ob11111=>转换为十进制为31
return 32
我们传入的是16结果变成了32，显然不符合假设一个数为0001 1101 1100 => 0001 1111 1111+1 => 0010 0000 0000一定是2的次方数
让cap-1再赋值给n的目的是另找到的目标值大于或等于原值。例如二进制1000，十进制数值为8。如果不对它减1而直接操作，将得到答案10000，即16。显然不是结果。减1后二进制为111，再进行操作则会得到原来的数值1000，即8。
HashMap里的MAXIMUM_CAPACITY是2的30次方。结合tableSizeFor()的实现，猜测设置原因如下：
int的正数最大可达2的31-1次方，而没办法取到2的31次方。所以容量也无法达到2的31次方。又需要让容量满足2的幂次。所以设置为2的30次方
static final int tableSizeFor(int cap) { int n = cap - 1; 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; }
public HashMap(int initialCapacity) { this(initialCapacity, DEFAULT_LOAD_FACTOR);}public HashMap() { this.loadFactor = DEFAULT_LOAD_FACTOR; // all other fields defaulted} public HashMap(Map<? extends K, ? extends V> m) { this.loadFactor = DEFAULT_LOAD_FACTOR; putMapEntries(m, false);}
核心知识点：为什么 table 的长度 一定是2的幂
计算Hash值得算法，实际就是取模，hash%length，
计算机中直接求余效率不如位移运算源码中做了优化hash&(length-1)
要想保证hash%length==hash&(length-1)
那么length必须是2的n次方；
HashMap put 方法分析 - putVal
public V put(K key, V value) { return putVal(hash(key), key, value, false, true);}
// 扰动函数// 作用：如何table比较短的时候，让key的hash值得高16位也参加路由运算// 异或：相同为0，不同返回1// h = 0b 0010 0101 1010 1100 0011 1111 0010 1110// 0b 0010 0101 1010 1100 0011 1111 0010 1110 [h]// ^// 0b 0000 0000 0000 0000 0010 0101 1010 1100 [h >>> 16]// => 0010 0101 1010 1100 0001 1010 1000 0010// 在 table 还不是很长的情况下，让高16位也参与进来，为了减少冲突和碰撞static final int hash(Object key) { int h; return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);}
// put的 核心方法// hash：key的hash值// key：key// value: value// onlyIfAbsent：如果为true，则不要更改现有值// evict：如果为false，则表处于创建模式。final V putVal(int hash, K key, V value, boolean onlyIfAbsent, boolean evict) { // tab：引用当前hashMap的散列表 // p：当前散列表的元素 // n：表示当前散列表的长度 // i：表示路由寻址的结果 Node[] tab; Node p; int n, i; // 延迟初始化逻辑，第一次调用 putVal 的时候会初始化hashMap对象中最耗费内存的散列表 // 如果 table 为null，或者长度为0，就开始创建 if ((tab = table) == null || (n = tab.length) == 0) // 第一次插入数据的时候才会初始化 n = (tab = resize()).length; // 最简单的一种情况，寻址找到的桶位，刚好是 null 此时就直接赋值到计算的位置 // tab 和 n 在上一个 if 赋值 // 执行一次路由运算 (n - 1) & hash] 得到hash的地址 // 如果 tab 中没有这个元素或者等于null if ((p = tab[i = (n - 1) & hash]) == null) // 创建一个新的Node 就把 k-v 封装一个Node放在 tab的i位置 tab[i] = newNode(hash, key, value, null); // 此时可能是数组、可能是链表、可能是红黑树 else { // e：不为null的话，找到了一个与当前要插入的k-v一致的元素 // k：表示临时的k Node e; K k; // p：在另一个分支if中获得 // 表示桶为中的该元素，与你当前插入的元素的key完全一致，后续进行替换操作 if (p.hash == hash && ((k = p.key) == key || (key != null && key.equals(k)))) e = p; // p：已经树化了 else if (p instanceof TreeNode) e = ((TreeNode)p).putTreeval(this, tab, hash, key, value); //是链表 else { // 链表的头元素与要插入的key不一致， for (int binCount = 0; ; ++binCount) { // 如果到末尾了，就把p加到最后一个位置 if ((e = p.next) == null) { p.next = newNode(hash, key, value, null); // 如果当前链表的大小 binCount 大于基准树化的值，就执行树化操作 if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st // 树化操作 treeifyBin(tab, hash); break; } // 如何 hash 相等 且key也相等，需要进行替换操作 if (e.hash == hash && ((k = e.key) == key || (key != null && key.equals(k)))) break; // 循环 p = e; } } // 如果e不为null，找到老的值，返回 if (e != null) { // existing mapping for key V oldValue = e.value; if (!onlyIfAbsent || oldValue == null) // 把新的值覆写 e.value = value; afterNodeAccess(e); return oldValue; } } //修改次数增加，替换Node元素替换不算 ++modCount; // 如果table大小大于阈值，就执行 resize()，进行扩容 if (++size > threshold) resize(); afterNodeInsertion(evict); return null;}
HashMap resize 扩容方法分析 核心
// resize() 方法// 为什么需要扩容？// 当元素越来越多的时候，hashMap的查找速度就从O(1)升到O(n)，导致链化严重，// 为了解决冲突带来的查询效率的下降，因此需要扩容[扩容是一个很不好的动作]final Node[] resize() { // oldTab：引用扩容之前的哈希表 Node[] oldTab = table; // oldCap：表示扩容之前table数组的长度 int oldCap = (oldTab == null) ? 0 : oldTab.length; // oldThr：表示扩容之前的阈值，触发本次扩容的预祝 int oldThr = threshold; // newCap：扩容之后table数组的大小 // newThr：扩容之后下次触发扩容的条件 int newCap, newThr = 0; // 条件如果成立，说明hashMap中的散列表已经初始化过了，是一次正常的扩容 if (oldCap > 0) { // 当前数组的长度已经大于 hashMap所能容纳的最大大小 就不在扩容，直接返回原数组 // 设置扩容最大阈值为 int 的最大值 if (oldCap >= MAXIMUM_CAPACITY) { threshold = Integer.MAX_VALUE; return oldTab; } // 新的table大小为源table的2倍 // 通知扩容之后的newCap小于数组的最大值限制，其扩容之前的阈值为16 // 这种情况下，则下一次的扩容的阈值，翻倍 else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY && oldCap >= DEFAULT_INITIAL_CAPACITY) // 扩容的阈值也变为原来的2倍 newThr = oldThr << 1; // double threshold } // oldCap == 0 [说明hashMap中的散列表式null] // 1.new HashMap(initCap,loadFactor) // 2.new HashMap(intiCap) // 3.new HashMap(map) 并且Map有数据 else if (oldThr > 0) // initial capacity was placed in threshold newCap = oldThr; // oldCap == 0 && oldThr == 0 // new HashMap();的时候 else { // zero initial threshold signifies using defaults newCap = DEFAULT_INITIAL_CAPACITY; // 16 newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY); //12 } // newThr为0的时候，通过newCap和loadFactor计算出一个newThr if (newThr == 0) { float ft = (float)newCap * loadFactor; newThr = (newCap < MAXIMUM_CAPACITY && ft < (float)MAXIMUM_CAPACITY ? (int)ft : Integer.MAX_VALUE); } // 更新阈值为计算出来的 newThr threshold = newThr; @SuppressWarnings({"rawtypes","unchecked"}) // 创建一个很大的数组 Node[] newTab = (Node[])new Node[newCap]; // 然后更新 table 的引用 table = newTab; // oldTab不为null，说明hashMap本次扩容之前，table不为null if (oldTab != null) { // 迭代 一个一个位置去处理 for (int j = 0; j < oldCap; ++j) { // e：当前的node节点 Node e; // 迭代桶节点，如果节点不为空，才需要计算 // 但是桶里面的数据具体式哪种（单个数据、链表、树）不确定，需要继续判断 if ((e = oldTab[j]) != null) { // 把原来的数组数据置空，等待GC回收，原来的数据已经存在e里面 oldTab[j] = null; // 说明式单个元素数据， if (e.next == null) // 直接计算hash值放入即可 newTab[e.hash & (newCap - 1)] = e; // 如果已经树化 else if (e instanceof TreeNode) // 在红黑树部分讲解 ((TreeNode)e).split(this, newTab, j, oldCap); // 如果是链表 else { // preserve order // 桶位已经形成链表 // 低位链表：存放在扩容之后的数组的下标的位置，与当前数组下标位置一致 Node loHead = null, loTail = null; // 高位链表：存放在扩容之后数组的下标位置， // 当前数组下标位置 + 扩容之前数组的长度 Node hiHead = null, hiTail = null; // 当前链表的一个元素 Node next; do { next = e.next; // hash -> ...、1 1111 // hash -> ...、0 1111 // 0b 1 0000 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); // 低位链表有数据 if (loTail != null) { loTail.next = null; newTab[j] = loHead; } // 高位链表有数据 if (hiTail != null) { hiTail.next = null; newTab[j + oldCap] = hiHead; } } } } } // 结束之后返回新的 return newTab;}
HashMap get 方法分析
// 获得一个方法public V get(Object key) { Node e; // 先调用 hash(key)计算hash值，然后调用 getNode方法 return (e = getNode(hash(key), key)) == null ? null : e.value;}// getNode方法final Node getNode(int hash, Object key) { // tab：引用当前hashMap的散列表 // first：桶位中的头元素 // e：临时node元素 // n：table数组元素 Node[] tab; Node first, e; int n; K k; // 首先判断 table 不是空且长度不为0，并且first部位null if ((tab = table) != null && (n = tab.length) > 0 && (first = tab[(n - 1) & hash]) != null) { // 对第一个first进行判断，如果hash值相等并且 key 相等，返回当前节点 if (first.hash == hash && // always check first node ((k = first.key) == key || (key != null && key.equals(k)))) return first; // 如果first的下一个不为null if ((e = first.next) != null) { // 如果是树，就调用树的查找方法 if (first instanceof TreeNode) return ((TreeNode)first).getTreeNode(hash, key); // 如果是链表，就循环进行判断 do { if (e.hash == hash && ((k = e.key) == key || (key != null && key.equals(k)))) return e; } while ((e = e.next) != null); } } // 都没有，就返回null return null;}
HashMap remove方法分析
// 移除元素的方法public V remove(Object key) { Node e; // 调用hash方法，获得哈希值，然后调用removeNode return (e = removeNode(hash(key), key, null, false, true)) == null ? null : e.value;}// 核心方法 removeNode// hash：hash值// key：key// value：value 如果matchValue则匹配的值，否则忽略// matchValue：如果为true，则仅在值相等时删除// movable：如果删除虚假不动其他节点final Node removeNode(int hash, Object key, Object value, boolean matchValue, boolean movable) { // tab：引用当前hashMap的散列表 // p：当前node元素 // n：表示散列表数组长度 // index：表示寻址结果 Node[] tab; Node p; int n, index; // 判断 table 是否为空，是否长度为0，且对应的hash值在数组里面存在，才继续向下走 if ((tab = table) != null && (n = tab.length) > 0 && (p = tab[index = (n - 1) & hash]) != null) { // 说明桶位是由数据的，需要进行查找操作，并且删除 // node：查找到的结果 // e：当前Node的下一个元素 Node node = null, e; K k; V v; // 判断头元素是不是要删除的元素，如果是就放进去node if (p.hash == hash && ((k = p.key) == key || (key != null && key.equals(k)))) node = p; // 桶的第一个不是 else if ((e = p.next) != null) { // 树化结构 if (p instanceof TreeNode) // 调用树化的结果 node = ((TreeNode)p).getTreeNode(hash, key); else { // 链表结构 循环遍历得到结构 do { if (e.hash == hash && ((k = e.key) == key || (key != null && key.equals(k)))) { node = e; break; } p = e; } while ((e = e.next) != null); } } // 判断是否得到了目标要删除的节点 if (node != null && (!matchValue || (v = node.value) == value || (value != null && value.equals(v)))) { // 如果是树节点，调用树的删除操作 if (node instanceof TreeNode) ((TreeNode)node).removeTreeNode(this, tab, movable); // 如果node = p 表示是第一个数据 else if (node == p) // 更新地址为下一个数据，放到桶 tab[index] = node.next; else // 如果node 不等于 p 那就直接指向链表的下一个元素地址 p.next = node.next; // 修改次数增加 ++modCount; // 大小减1 --size; afterNodeRemoval(node); // 返回删除的node return node; } } // 如果都没有执行，那么就返回null return null;}
HashMap replace方法分析
// 根据 k 和 v 替换@Overridepublic V replace(K key, V value) { Node e; if ((e = getNode(hash(key), key)) != null) { V oldValue = e.value; e.value = value; afterNodeAccess(e); return oldValue; } return null;}// 根据 k oldValue newValue 替换 @Overridepublic boolean replace(K key, V oldValue, V newValue) { Node e; V v; if ((e = getNode(hash(key), key)) != null && ((v = e.value) == oldValue || (v != null && v.equals(oldValue)))) { e.value = newValue; afterNodeAccess(e); return true; } return false;}
5、HashMap小结
HashMap 默认容量为 16(1 << 4)，每次超过阀值时，按照两倍大小进行自动扩容，所以容量总是 2^N 次方。并且，底层的 table 数组是延迟初始化，在首次添加 key-value 键值对才进行初始化。
HashMap 默认加载因子是 0.75 ，如果我们已知 HashMap 的大小，需要正确设置容量和加载因子。
HashMap 每个槽位在满足如下两个条件时，可以进行树化成红黑树，避免槽位是链表数据结构时，链表过长，导致查找性能过慢。
条件一，HashMap 的 table 数组大于等于 64 。条件二，槽位链表长度大于等于 8 时。选择 8 作为阀值的原因是(泊松分布)概率不足千万分之一。
在槽位的红黑树的节点数量小于等于 6时，会退化回链表。
HashMap 的查找和添加 key-value 键值对的平均时间复杂度为 O(1) 。
对于槽位是链表的节点，平均时间复杂度为 O(k) 。其中 k 为链表长度。
对于槽位是红黑树的节点，平均时间复杂度为 O(logk) 。其中 k 为红黑树节点数量。