HashMap源码分析篇

HashMap源码分析篇

一个字:干!

HashMap的常量设置

// 默认初始长度
static final int DEFAULT_INITIAL_CAPACITY = 1 << 4; 
//最大长度10 7374 1824
static final int MAXIMUM_CAPACITY = 1 << 30;
//加载因子
static final float DEFAULT_LOAD_FACTOR = 0.75f;
//转变为树的阀值(当链表长度大于8 且哈希桶数组长度大于64时转换为红黑树)
static final int TREEIFY_THRESHOLD = 8;
//转换为链表的阀值(当树节点小于6时将转换为链表)
static final int UNTREEIFY_THRESHOLD = 6;
//最小树容量
static final int MIN_TREEIFY_CAPACITY = 64;

哈希桶

在JDK1.7中,HashMap是以 数组 + 链表 的形式组成的(jdk1.8增加了红黑树)。其中数组中的元素我们称之为哈希桶,它的源码如下:

/**
* Basic hash bin node, used for most entries.  (See below for
* TreeNode subclass, and in LinkedHashMap for its Entry subclass.)
*/
static class Node<K,V> implements Map.Entry<K,V> {
    final int hash;//hash值
    final K key;//key 值
    V value; //value 值
    Node<K,V> next; //下个节点

    Node(int hash, K key, V value, Node<K,V> next) {
        this.hash = hash;
        this.key = key;
        this.value = value;
        this.next = next;
    }

    public final K getKey()        { return key; }
    public final V getValue()      { return value; }
    public final String toString() { return key + "=" + value; }

    public final int hashCode() {
        // 亦或取出hashCOde
        return Objects.hashCode(key) ^ Objects.hashCode(value);
    }

    public final V setValue(V newValue) {
        V oldValue = value;
        value = newValue;
        return oldValue;
    }
	
    public final boolean equals(Object o) {
        if (o == this)
            return true;
        // 当是Map类型 比较key及value值
        if (o instanceof Map.Entry) {
            Map.Entry<?,?> e = (Map.Entry<?,?>)o;
            if (Objects.equals(key, e.getKey()) &&
                Objects.equals(value, e.getValue()))
                return true;
        }
        return false;
    }
}

我们知道红黑树的概念是在JDK1.8中添加的,之所以添加进来是因为链表一旦过长。HashMap的性能就很受影响,而之前我们介绍了红黑树的数据结构具有快速增删改查的特点,这就有效的解决了链表过长所导致的性能问题;

什么时候转换为红黑树?

当链表的长度大于8且容量大于64时,链表结构会转换为红黑树结构;我们来看以下源码:

/**
* Replaces all linked nodes in bin at index for given hash unless
* table is too small, in which case resizes instead.
*/
final void treeifyBin(Node<K,V>[] tab, int hash) {
    int n, index; Node<K,V> e;
    // MIN_TREEIFY_CAPACITY = 64 
    if (tab == null || (n = tab.length) < MIN_TREEIFY_CAPACITY)// 当链表的长度小于64时扩容
        resize(); 
    else if ((e = tab[index = (n - 1) & hash]) != null) {
        TreeNode<K,V> hd = null, tl = null;
        do {
            TreeNode<K,V> p = replacementTreeNode(e, null);// 创建新的节点
            if (tl == null)
                hd = p;
            else {
                p.prev = tl;
                tl.next = p;
            }
            tl = p;
        } while ((e = e.next) != null);
        
        // 新的节点已挂载且不为空
        if ((tab[index] = hd) != null)
            hd.treeify(tab);//转为红黑树
    }
}
final V putVal(int hash, K key, V value, boolean onlyIfAbsent,
               boolean evict) {
    Node<K,V>[] tab; Node<K,V> p; int n, i;
    // 哈希表为空则创建表
    if ((tab = table) == null || (n = tab.length) == 0)
        n = (tab = resize()).length;
    // 如果tab[i]为null 则插入新的节点
    if ((p = tab[i = (n - 1) & hash]) == null)
        tab[i] = newNode(hash, key, value, null);
    else {
        Node<K,V> e; K k;
        // 如果key 已存在 且和对应p节点的hash值,key都相等 则覆盖e节点
        if (p.hash == hash &&
            ((k = p.key) == key || (key != null && key.equals(k))))
            e = p;
        // 否则判断是否是树节点
        else if (p instanceof TreeNode)
            // 如果是树节点  则直接插入
            e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
        else {
            // 如果key不存在 也不是树节点表明为链表 则循环准备插入链表下个节点
            for (int binCount = 0; ; ++binCount) {
                // 链表下个节点为空时
                if ((e = p.next) == null) {
                    p.next = newNode(hash, key, value, null);
                    // binCount >= 7是转为红黑树(及链表长度大于8时)
                    if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st
                        treeifyBin(tab, hash);
                    break;
                }
                // key值存在 并且和下个节点(e)的hash值相等 则覆盖p节点
                if (e.hash == hash &&
                    ((k = e.key) == key || (key != null && key.equals(k))))
                    break;
                p = e;
            }
        }
        if (e != null) { // existing mapping for key
            V oldValue = e.value;
            if (!onlyIfAbsent || oldValue == null)
                e.value = value;
            afterNodeAccess(e);
            return oldValue;
        }
    }
    ++modCount;
    // 超出最大容量扩容
    if (++size > threshold)
        resize();
    afterNodeInsertion(evict);
    return null;
}
final void treeifyBin(Node<K,V>[] tab, int hash) {
    int n, index; Node<K,V> e;
    if (tab == null || (n = tab.length) < MIN_TREEIFY_CAPACITY)
        resize();
    else if ((e = tab[index = (n - 1) & hash]) != null) {
        TreeNode<K,V> hd = null, tl = null;
        do {
            TreeNode<K,V> p = replacementTreeNode(e, null);
            if (tl == null)
                hd = p;
            else {
                p.prev = tl;
                tl.next = p;
            }
            tl = p;
        } while ((e = e.next) != null);
        if ((tab[index] = hd) != null)
            hd.treeify(tab); // 转为红黑树
    }
}

加载因子为何设定为0.75?

出于容量和性能的平衡考虑的结果;

  • 假如加载因子设置过大,那么发生扩容的门栏就比较高,那么扩容的频率就很低,发生Hash冲突的概率就会提高。
  • 假如加载因子设定的比较小,那么扩容的频率就会变高,那么将会占用更多的空间;并且此时,数据的存储就会比较稀疏,对各种操作的性能要求比较高!

Hash冲突了怎么查找节点?

我们看下获取节点的源码getNode:

final Node<K,V> getNode(int hash, Object key) {
    Node<K,V>[] tab; Node<K,V> first, e; int n; K k;
    // 判断非空
    if ((tab = table) != null && (n = tab.length) > 0 &&
        (first = tab[(n - 1) & hash]) != null) {
		// while循环 判断第一个元素是否是需要查询的元素
        if (first.hash == hash && // always check first node
            ((k = first.key) == key || (key != null && key.equals(k))))
            return first;
        // 判断下一个元素不为空
        if ((e = first.next) != null) {
            // 如果第一个节点为树节点  则去树节点里找
            if (first instanceof TreeNode)
                return ((TreeNode<K,V>)first).getTreeNode(hash, key);
            // 如果第一节点不为树节点  则循环判断
            do {
                // hash 值相同且key相同  则找到此节点
                if (e.hash == hash &&
                    ((k = e.key) == key || (key != null && key.equals(k))))
                    return e;
            } while ((e = e.next) != null);
        }
    }
    return null;
}

当hash冲突了即hash值相等了,还需要判断key值是否相等来确定节点元素;

HashMap是如何扩容的?

我们来看下扩容方法resize:

/**
* Initializes or doubles table size.  If null, allocates in
* accord with initial capacity target held in field threshold.
* Otherwise, because we are using power-of-two expansion, the
* elements from each bin must either stay at same index, or move
* with a power of two offset in the new table.
* @return the table
 */
//我们来解读下注释的意思:表的大小可以通过初始化或者扩容时变为原有的两倍;
//如果为空,将根据字段阀值的初始容量分配大小
//否则 我们将采用二次扩容的方式 每个bin中的元素必须保持在同一索引中 或者在新表中以两个偏移量的幂次移动
//有点绕,我们结合代码来理解
final Node<K,V>[] resize() {
    // 扩容前的数组
    Node<K,V>[] oldTab = table;
    // 扩容前的大小 和阀值
    int oldCap = (oldTab == null) ? 0 : oldTab.length;
    int oldThr = threshold;
    // 新扩容的大小 和阀值
    int newCap, newThr = 0;
    if (oldCap > 0) {
        // 超过最大容量 不再扩容直接返回原始数组
        if (oldCap >= MAXIMUM_CAPACITY) {
            threshold = Integer.MAX_VALUE;
            return oldTab;
        }
        // 新容量扩到大为原有的2倍 且小于最大容量  且扩容前的容量大于默认容量16
        else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&
                 oldCap >= DEFAULT_INITIAL_CAPACITY)
            newThr = oldThr << 1; // double threshold  新阀值扩大2倍
    }
    // 扩容前容量为0  阀值大于0(即当前数组没有数据)
    else if (oldThr > 0) // initial capacity was placed in threshold
        newCap = oldThr; // 新扩容的容量大小 设置为扩容前阀值(就是用户自定义的阀值)
    else {               // zero initial threshold signifies using defaults
        // 如果初始化值为0 则使用默认值
        newCap = DEFAULT_INITIAL_CAPACITY; // 新扩容的容量设置为16
        // 新扩容的阀值设置为12
        newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);
    }
    // 如果新扩容的阀值为0
    if (newThr == 0) {
        // 根据新扩容容量和负载算出一个当前阀值
        float ft = (float)newCap * loadFactor;
        // 如果新扩容的容量小于最大值  并且当前阀值也小于最大值  就取当前阀值  否则为最大int值
        newThr = (newCap < MAXIMUM_CAPACITY && ft < (float)MAXIMUM_CAPACITY ?
                  (int)ft : Integer.MAX_VALUE);
    }
    threshold = newThr;//更新实际阀值
    @SuppressWarnings({"rawtypes","unchecked"})
    Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap];
    // 扩容
    table = newTab;
    // 原数组不为空
    if (oldTab != null) {
        // 遍历
        for (int j = 0; j < oldCap; ++j) {
            Node<K,V> e;
            if ((e = oldTab[j]) != null) {
                oldTab[j] = null;
                // 如果只有一个链表  直接赋值
                if (e.next == null)
                    newTab[e.hash & (newCap - 1)] = e;
                else if (e instanceof TreeNode)
                    // 如果是红黑树  则进行拆分
                    ((TreeNode<K,V>)e).split(this, newTab, j, oldCap);
                else { // preserve order
                    // 以下是链表复制部分,jdk1.8重点优化部分
                    // 注:JDK1.7中rehash 旧链表迁移新链表的时候
                    // 如果在新表的数组索引位置相同,则链表元素会倒置,而jdk1.8不会
                    Node<K,V> loHead = null, loTail = null;
                    Node<K,V> hiHead = null, hiTail = null;
                    Node<K,V> next;
                    do {
                        next = e.next;
                        // 原有索引
                        if ((e.hash & oldCap) == 0) {
                            if (loTail == null)
                                loHead = e;
                            else
                                loTail.next = e;
                            loTail = e;
                        }//非原有索引
                        else {
                            if (hiTail == null)
                                hiHead = e;
                            else
                                hiTail.next = e;
                            hiTail = e;
                        }
                    } while ((e = next) != null);
                    if (loTail != null) {
                        loTail.next = null;
                        //loHead为首的链表放到数组的原位置
                        newTab[j] = loHead;
                    }
                    if (hiTail != null) {
                        hiTail.next = null;
                        // 将hiHead为首的链表放到原位置+oldCap的位置
                        newTab[j + oldCap] = hiHead;
                    }
                }
            }
        }
    }
    return newTab;
}

若HashMap 创建时没有指定大小和扩容阀值,则默认为16,负载因子是0.75。那么容量默认为12,当容量大于12时则扩容为原来16的两倍即32;从源码可以看到,扩容后会进行元素的位置调整;因为jdk1.7在迁移过程中会倒置链表,即头插法有可能倒置循环引用问题(HashMap本身即是非线程安全的,所以官方jdk1.7未处理此问题);而jdk1.8使用了尾插法,解决了此问题;但在扩容的时候依然会有线程安全的问题,并且在扩容的过程中若是红黑树则会进行拆分,否则才会进行链表迁移;

左右旋

左右旋的本质是为了包装树的平衡,我们知道红黑树的本质是一颗平衡二叉树!

// 左旋
static <K,V> TreeNode<K,V> rotateLeft(TreeNode<K,V> root,
                                      TreeNode<K,V> p) {
    TreeNode<K,V> r, pp, rl;
    // p节点不为空 右子节点r赋值的同时也判断p节点的右子节点不为空
    if (p != null && (r = p.right) != null) {
        // 左子节点 赋值为p节点的右子节点  同时和右子节r点的左子节点相等 
        // 则p是父节点
        if ((rl = p.right = r.left) != null)
            rl.parent = p;
        // pp节点赋值为右子节点的父节点  且和p节点的父节点相等 并且他们的父节点都为null
        // 则当前右子节点为根节点(red=false 根节点为黑色) 
        if ((pp = r.parent = p.parent) == null)
            (root = r).red = false;
        // pp节点的左子节点 为p节点
        // 则pp的左子节点为当前右子节点
        else if (pp.left == p)
            pp.left = r;
        // 否则 pp的右子节点为当前右子节点
        else
            pp.right = r;
        
        // r的左字节变为p节点
        r.left = p;
        // p的父节点变为右子节点
        p.parent = r;
    }
    return root;
}

// 右旋和左旋相反,代码略

关于左右旋的更形象理解可以查阅《大话数据结构》中关于红黑树的描述;

小结:HashMap 基本数据结构是数组(EntryNode Hash桶)+链表+红黑树;当链表节点的长度大于8,且数组的长度小于64时,对数组扩容;当链表节点长度大于8,数组长度大于64时,链表转换为红黑树;扩容的过程是,数组放在原有的索引处,链表放在原有的索引加上原有的数组长度的地方;扩容后如果树节点小于6,就将树还原成链表;