新手学源码__HashMap底层实现

曾经终败给现在 2022-05-27 14:16 160阅读 0赞

## 前言 ##

终于来到了HashMap咯！给我的感觉就是面试必备啊- -源码面前,了无秘密

## HashMap ##

早就听闻HashMap牛逼～快速存取，那么它是如何做到的呢？让我们一步一步地去揭开它的面纱～它不是线程安全的！有modCount了～没错又是它～

### 维护的属性 ###

static final int DEFAULT_INITIAL_CAPACITY = 1 << 4; // aka 16，默认容量初始16就是有16个桶
    static final int MAXIMUM_CAPACITY = 1 << 30;// 最大容量1的30次方。**注意**！！！容量必须是2的倍数！之后的内容会告诉你为什么
    static final float DEFAULT_LOAD_FACTOR = 0.75f;//装载因子0.75就是容量达到0.75的时候自动扩容
    static final int TREEIFY_THRESHOLD = 8;// 转换成树结构的阀值8，就是说，桶的个数超过8的时候进行转换
    static final int MIN_TREEIFY_CAPACITY = 64;// 当table容量超过64的时候，就是有不止64个键值对的时候，才能转换成树
    transient Node<K,V>[] table;//存放结点的数组，每一个index就是一个桶，这一点概念很重要！
    transient int size;// 键值对的数量
    int threshold;// 阀值，作用是hashMap容量达到它的时候扩容

### 所用的数据结构 ###

数组+链表+红黑树

### 构造函数 ###

public HashMap() {
            this.loadFactor = DEFAULT_LOAD_FACTOR; // all other fields defaulted
        }

默认构造函数里面，只指定了装载因子，其它都暂时是null这对接下来resize的几个if语句有作用，勿忘！

主要起作用的就是它HashMap(int, float)

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;
            this.threshold = tableSizeFor(initialCapacity);
        }

**精髓之处**

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;
        }

当时看到这个小算法的时候吓我一跳0.0,>>> 无符号右移，第一次看见，这个算法的作用就是得到最接近这个cap的一个2的倍数，比如5穿进去出来就是8，厉害了我的哥

### put–键值对存入 ###

大概的步骤  
对key的hashCode()做hash，然后再计算index;  
如果没碰撞(就是算出来的index不一样)直接放到bucket里；  
如果碰撞了，以链表的形式存在buckets后；  
如果碰撞导致链表过长(大于等于TREEIFY\_THRESHOLD)，就把链表转换成红黑树；  
如果节点已经存在就替换old value(保证key的唯一性)  
如果bucket满了(超过load factor\*current capacity)，就要resize。

public V put(K key, V value) {
            return putVal(hash(key), key, value, false, true);
        }

第一件事情做hash（运算）

static final int hash(Object key) {
            int h;
            return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
        }

final V putVal(int hash, K key, V value, boolean onlyIfAbsent,
                       boolean evict) {
            // p用来保存桶的头结点的
            Node<K,V>[] tab; Node<K,V> p; int n, i;
            // 如果hash表为空，调用resize完成初始化，n代表长度
            if ((tab = table) == null || (n = tab.length) == 0)
                n = (tab = resize()).length;
            // 如果要插入的元素没有元素，新建一个节点放进去,i=(n-1)&hash算出index索引，此时p指向插入元素的那个桶的头结点
            if ((p = tab[i = (n - 1) & hash]) == null)
                tab[i] = newNode(hash, key, value, null);
            else {
                // 如果p头结点的key和要插入的节点key一样，则替换,e用来保存被替换的那个节点的
                Node<K,V> e; K k;
                if (p.hash == hash &&
                    ((k = p.key) == key || (key != null && key.equals(k))))
                    e = p;
                // 不一样的情况下，如果是树结构，就用数插入
                else if (p instanceof TreeNode)
                    e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
                else {
                    // 链表的遍历并且插入，binCount记当前桶的结点个数
                    for (int binCount = 0; ; ++binCount) {
                        if ((e = p.next) == null) {
                            p.next = newNode(hash, key, value, null);
                            // 如果当前桶的节点个数大于8，就要树型化（只是单个桶的树型化）
                            if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st
                                treeifyBin(tab, hash);
                            break;
                        }
                        if (e.hash == hash &&
                            ((k = e.key) == key || (key != null && key.equals(k))))
                            break;
                        p = e;
                    }
                }
                // 存在e，也就是说有结点被替换出来了，返回被替换的结点
                if (e != null) { // existing mapping for key
                    V oldValue = e.value;
                    if (!onlyIfAbsent || oldValue == null)
                        e.value = value;
                    afterNodeAccess(e);
                    return oldValue;
                }
            }
            ++modCount;
            // 检查 在没有替换而是新加入的情况下，超过了阀值，则resize，扩容，每次扩容是原来的两倍
            if (++size > threshold)
                resize();
            afterNodeInsertion(evict);
            return null;
        }

关键来了！优化之一  
我们都知道，当来了一个新的键值对的时候，我们要选择存放的位置，i = (n - 1) & hash便是这个位置的算法。朴素点说就是，一共那么多个桶，往里面按顺序放入东西一个一个来，我们第一个想到的就是取模运算，便能找到位置，但是这个&便是一个高效的算法。hash函数中右移16位的作用就在于减少碰撞,举例子![这里写图片描述][70]

解释一下为何要这么做，hashcode得到的结果那么长，单纯用它和n-1做运算，实际用到的就最后那么小几位，而这小几位一样的数很多的，这里的目的就是避免了它，然而还是有一些问题，这个比较复杂我们暂且放一放

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

### **resize**扩容和初始化 ###

final Node<K,V>[] resize() {
        // oldTab 指向原来的table
            Node<K,V>[] oldTab = table;
            // 保存旧table的个数和阀值,如果是new HashMap,则这里的table是null!!!也没有threshld 也=0;
            int oldCap = (oldTab == null) ? 0 : oldTab.length;
            int oldThr = threshold;
            // 新容量和阀值
            int newCap, newThr = 0;
            // table>0表明已经添加了元素
            if (oldCap > 0) {
    
                if (oldCap >= MAXIMUM_CAPACITY) {
                    threshold = Integer.MAX_VALUE;
                    return oldTab;
                }
                // 新容量为原来的2倍后小于最大容量，并且旧容量比16大
                else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&
                         oldCap >= DEFAULT_INITIAL_CAPACITY)
                    // 扩容成原来的2倍
                    newThr = oldThr << 1; // double threshold
            }
            // 如果旧容量为0并且旧阀值>0,说明已经创建了hash表，但是没有添加元素
            else if (oldThr > 0) // initial capacity was placed in threshold
                newCap = oldThr;
            // 什么都没有，阀值和表都没,比如默认构造函数的时候
            else {               // zero initial threshold signifies using defaults
                // 容量为16
                newCap = DEFAULT_INITIAL_CAPACITY;
                // 新阀值 12
                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);
            }
            // 更新阀值
            threshold = newThr;
            // 旧表的元素移动到新的表里面
            @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) {
                        // 旧的桶置位空，因为table里面每一项就代表一个桶
                        oldTab[j] = null;
                        // 如果当前桶只有一个元素，直接复制到新表中对应的位置
                        if (e.next == null)
                            newTab[e.hash & (newCap - 1)] = e;
                            // 如果旧表已经采用树结构，新表也用树结构
                        else if (e instanceof TreeNode)
                            ((TreeNode<K,V>)e).split(this, newTab, j, oldCap);
                        else { // preserve order
                            //loHead代表老位置的头节点，loTail代表老结点的尾部,hiHead代表新增加的的头部，hiTail代表新增加的尾部，换句话说，一个头指针一个尾指针
                            Node<K,V> loHead = null, loTail = null;
                            Node<K,V> hiHead = null, hiTail = null;
                            Node<K,V> next;
                            do {
                                next = e.next;
                                // 还记得吗？(n-1)&的时候是把hash值的位数降了1位，现在不减1，用来判断高位是否为1，还是0从来决定新的位置，一会用图来解答
                                // 如果是0还放在老位置，一开始入一个节点的时候，head和tail都指向第一个，之后，再来一个，尾指针后移。
                                if ((e.hash & oldCap) == 0) {
                                    if (loTail == null)
                                        loHead = e;
                                    else
                                        loTail.next = e;
                                    loTail = e;
                                }
                                else {
                                    // 如果是1 就放在新的位置
                                    if (hiTail == null)
                                        hiHead = e;
                                    else
                                        hiTail.next = e;
                                    hiTail = e;
                                }
                            } while ((e = next) != null);
                            // 让table的j位置存放链表的表头
                            if (loTail != null) {
                                loTail.next = null;
                                newTab[j] = loHead;
                            }
                            if (hiTail != null) {
                                hiTail.next = null;
                                newTab[j + oldCap] = hiHead;
                            }
                        }
                    }
                }
            }
            return newTab;
        }

对于resize的讲解我们算是结束了，大致就是三个小个分支，分别对应了三种情况

*  原来的table已经用过了，意思就是已经有原来的容量了，此时扩容是2倍，并且阀值也是2倍增长，这种情况出现在什么时候？不断往hashMap表中加元素的时候，到达了阀值
 *  有阀值，但是没有表，这是一种初始化状态下，此时容量变成阀值的大小，新阀值为容量的0.75倍，出现在什么状态下呢？new(xxx)指明初始容量的时候 比如，我一开始指定了20容量，但是事实上它会经历几个转换过程
    
     *  先 计算出最接近20的2的指数倍，作为旧阀值，然后将旧阀值作为newCap新容量，之后 算出新阀值0.75\*newCap，所以啊～我们指定的容量并不是真正的容量- -
 *  没有阀值，也没有表，也是一种初始化状态下,new()啥都没有，此时默认用16+12的组合

所以，可以看出来0.0 原来装填因子。。。用处不是那么大，初始化的时候有用也就是说，只干一次活，之后就直接成倍增长了。经过测试，不管是初始化16+12组合，扩容后就是32+24的组合，还是指定容量的扩容，都是两倍增长，一扫装填因子每次达到0.75再扩容的假象。至少我的实验结果是这个样子。

关于复制元素有几个示意图：  
![这里写图片描述][70 1]  
![这里写图片描述][70 2]  
![这里写图片描述][70 3]  
![这里写图片描述][70 4]

### get获取 ###

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;
            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;
                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;
        }

明白了put，get就简单了，无非就是判断头节点，头节点判断完了之后遍历后面的节点，略过略过～不过需要记住，树的查找是O(logn)，而链表的查找是O(n)还是红黑树哦～

个人觉得精髓部分就是put 和 resize还有hash这三个部分了，不得不说，实在是太牛比了！

## 总结 ##

![这里写图片描述][70 5]

PS：都知道HashMap是无序的，这个无序的意思需要搞清楚，这里的无序指的是我插入的顺序不代表就是输出的顺序，而不是说，多次输出HashMap的元素位置就是随机变动的。举例子：

HashMap<String, Integer> hashMap2 = new HashMap<>(20);
            hashMap2.put("3", 3);
            for (int i = 4; i < 27; i++) 
            {
                hashMap2.put(String.valueOf(i), i);
            }
            hashMap2.put("111", 1111);

输出：

{ 22=22, 23=23, 24=24, 25=25, 26=26, 111=1111, 10=10, 11=11, 12=12, 13=13, 14=14, 15=15, 16=16, 17=17, 18=18, 19=19, 3=3, 4=4, 5=5, 6=6, 7=7, 8=8, 9=9, 20=20, 21=21}

并不是我们输入的顺序，但是多次输出结果的顺序还是这个。看源码之后，散列提供了第一次位置的随机性，但是！位置第一次确定之后，就不能改了，不会因为你的输出而改变。JDK9是这样的不过。。python3好像是随机出现的，很奇怪

[70]: /images/20220527/d4d55aebee61463090b229358798e47b.png
[70 1]: /images/20220527/ae716dbb2e114393925db1e5910a44ce.png
[70 2]: /images/20220527/c07bf613ab3d49dfa89e967d9f8534c8.png
[70 3]: /images/20220527/824c0d12587145648e72fb8a4f53c696.png
[70 4]: /images/20220527/9935adbe760440b2a12c1fa7d8c74440.png
[70 5]: /images/20220527/d3bb8c2a7bb74977b1a1b7211b6ff3e7.png