HashMap 源码分析
参考地址：https://blog.csdn.net/weixin_39667787/article/details/86678215
- HashMap的主体数据结构为 数组。
- 而数组中的单个元素的数据结构为 链表/红黑树
- 当链表的元素达到8时，则会转为 红黑树
HashMap 存在两个内部类 Node、 TreeNode，分别代表 链表中的节点 、 红黑树的节点
HashMap 内部类 Node：
Node(节点)，链表中的节点。
链表数据结构，每一个节点都记录下一个节点的地址。
在 Node 的构造函数中，直接包含了下一个节点，
1
2
3
4
5
6
7
8
9
10
11
12
13
14
| static class Node<K,V> implements Map.Entry<K,V> {
final int hash;
final K key;
V value;
Node<K,V> next;
Node(int hash, K key, V value, Node<K,V> next) {
this.hash = hash;
this.key = key;
this.value = value;
this.next = next;
}
....
|
HashMap 内部类 TreeNode
红黑树中的节点元素： TreeNode
1
2
3
4
5
6
7
8
9
10
| static final class TreeNode<K,V> extends LinkedHashMap.LinkedHashMapEntry<K,V> {
TreeNode<K,V> parent;
TreeNode<K,V> left;
TreeNode<K,V> right;
TreeNode<K,V> prev;
boolean red;
TreeNode(int hash, K key, V val, Node<K,V> next) {
super(hash, key, val, next);
}
}
|
构造函数
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
|
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);
}
public HashMap(int initialCapacity) {
this(initialCapacity, DEFAULT_LOAD_FACTOR);
}
public HashMap() {
this.loadFactor = DEFAULT_LOAD_FACTOR;
}
public HashMap(Map<? extends K, ? extends V> m) {
this.loadFactor = DEFAULT_LOAD_FACTOR;
putMapEntries(m, false);
}
|
填充数据 put
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
| public V put(K key, V value) {
return putVal(hash(key), key, value, false, true);
}
final V putVal(int hash, K key, V value, boolean onlyIfAbsent,
boolean evict) {
Node<K,V>[] tab;
Node<K,V> p;
int n, i;
if ((tab = table) == null || (n = tab.length) == 0)
n = (tab = resize()).length;
if ((p = tab[i = (n - 1) & hash]) == null)
tab[i] = newNode(hash, key, value, null);
else {
Node<K,V> e; K k;
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
e = p;
else if (p instanceof TreeNode)
e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
else {
for (int binCount = 0; ; ++binCount) {
if ((e = p.next) == null) {
p.next = newNode(hash, key, value, null);
if (binCount >= TREEIFY_THRESHOLD - 1)
treeifyBin(tab, hash);
break;
}
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
break;
p = e;
}
}
if (e != null) {
V oldValue = e.value;
if (!onlyIfAbsent || oldValue == null)
e.value = value;
afterNodeAccess(e);
return oldValue;
}
}
++modCount;
if (++size > threshold)
resize();
afterNodeInsertion(evict);
return null;
}
|
key -> hashcode -> hash -> index
根据 key 获取 hashcode， 对 hashcode 进行多次位运算获取 hash 值 h，
再根据 h 对数组 size - 1 取余 （h & （size - 1））
这样得出下标，然后遍历该下标对应链表，查询是否存在对应 key，如果存在则替换 e 对应 value，并 return oldValue
如果不存在，则在尾部插入一个新节点
tips：jdk1.7 之前是头插法，1.8 之后是尾插法
当 put 数据时，新增的话，size++，会判断是否大于临界值，大于则触发扩容
jdk1.7 及以前采用的头插法，在 jdk1.8 及以后，为避免死锁，采用尾插法。
hash & length 使用位运算符，因为位运算符快，cpu 指令就是基于位运算符，
扩容：hashmap 的初识容量是 16，每次扩容 * 2， 为何容量取 2 的次方，因为这样在位运算时，让每一位都能使用到，效率最高，而且这样保证位运算结果与取模结果一致。
加载因子：默认 0.75，因为大量测试表明： 0.6-0.75 最佳，0.75 保证在该范围内存使用率最高。
加载因子过大时，会让 hash 碰撞概率增加，降低 hashmap 使用效率。
hashmap 使用缺点：内存使用率最高也只有 75%， hash 碰撞，极端情况退化为单链表。用空间换时间。
获取数据 get
获取某个节点
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
|
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 &&
((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;
}
|
去除节点 remove
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
| 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 &&
(p = tab[index = (n - 1) & hash]) != null) {
Node<K,V> node = null, e;
K k;
V v;
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
node = p;
else if ((e = p.next) != null) {
if (p instanceof TreeNode)
node = ((TreeNode<K,V>)p).getTreeNode(hash, key);
else {
do {
if (e.hash == hash &&
((k = e.key) == key ||
(key != null && key.equals(k)))) {
node = e;
break;
}
p = e;
} while ((e = e.next) != null);
}
}
if (node != null && (!matchValue || (v = node.value) == value ||
(value != null && value.equals(v)))) {
if (node instanceof TreeNode)
((TreeNode<K,V>)node).removeTreeNode(this, tab, movable);
else if (node == p)
tab[index] = node.next;
else
p.next = node.next;
++modCount;
--size;
afterNodeRemoval(node);
return node;
}
}
return null;
}
|
resize
当 put 数据之后
当元素个数 >= 总容量 * 0.75 时，会触发重新排列，
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
| final Node<K,V>[] resize() {
Node<K,V>[] oldTab = table;
int oldCap = (oldTab == null) ? 0 : oldTab.length;
int oldThr = threshold;
int newCap, newThr = 0;
if (oldCap > 0) {
if (oldCap >= MAXIMUM_CAPACITY) {
threshold = Integer.MAX_VALUE;
return oldTab;
}
else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&
oldCap >= DEFAULT_INITIAL_CAPACITY)
newThr = oldThr << 1;
}
else if (oldThr > 0)
newCap = oldThr;
else {
newCap = DEFAULT_INITIAL_CAPACITY;
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"})
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 {
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;
}
|
当原数组长度已为最大值时，直接返回原数组
否则为之前数组长度的两倍，然后构建一个新的空数组 newTab，
遍历原数组，获取数组下标元素，判断下标元素类型，并会清除原数组中该下标对应值
a、原数组元素没有 next 指针，单个元素， 直接放入新数组，放入的下标会根据新数组长度重新计算：newTab[e.hash & (newCap - 1)] = e;
b、原数组元素是红黑色节点、即红黑色根结点，调用 split 函数，将红黑树放入到新数组
c、原数组又 next 指针，说明是链表，遍历链表组成新链表，并将新链表放入新数组的新位置
最后返回新数组
红黑树
问题点
put 操作未加锁，在多线程时会存在异常
另外一个比较明显的线程不安全的问题是 HashMap 的 get 操作可能因为 resize 而引起死循环（cpu100%）
- 2、HashMap 不保证遍历的顺序和插入的顺序是一致的 为何
插入在不同的 index 时，取出的顺序与插入的顺序就不一致
空间使用率最高为 75%，增删查询都是 O(1)，用空间换时间。
可以使用 SparseArray 、 ArrayMap 替代
因为这样可以采用位运算符，提高运行效率
多线程情况时，进行put，触发resize，会导致形成环形链表，造成死锁，
在jdk1.8后，
- 头插法改成尾插法。元素要么是在原位置，要么是在原位置再移动2次幂的位置，且链表顺序不变
- 数组+链表 结构 改为 数组+链表+红黑树。
但仍然存在死锁问题：
多线程put的时候可能导致元素丢失
put非null元素后get出来的却是null
6、加载因子为何是0.75
- 根据统计学的结果, hash冲突是符合泊松分布的, 而冲突概率最小的是在7-8之间
- table.length * 3/4可以被优化为(table.length >> 2) << 2) - (table.length >> 2) == table.length - (table.lenght >> 2)
- JAVA的位运算比乘除的效率更高, 所以取3/4在保证hash冲突小的情况下兼顾了效率
7、多线程时的异常
可以使用其他数据类型替代：
SparseArray： 双数组结构，key，value 分别使用数组存储， 但 SparseArray 的 key 只能为 int，
有序，通过二分查找来定位元素。
用时间换空间。
缺点： key 值只能是 int 类型
ArrayMap：sdk 19 引入，双数组结果，key 值可以为任何类型，根据 key 获取 hash，就和 SparseArray 类型一致了。
Bundle 内部就是使用 ArrayMap