一、简介
HashMap是基于哈希表实现的，因其实现了Serializable和Cloneable接口所以支持序列化和被克隆，其每一个元素都是一个唯一且允许key和value为null的key-value键值对，其内部通过单链表和红黑树(1.8中加入)解决冲突问题，容量不足（超过了阀值）时，会自动增长。其是非线程安全的，适用于单线程环境，多线程环境下可采用concurrent并发包下的concurrentHashMap。
数据结构如下：
二、源码分析
1.成员变量
//默认初始容量（16），必须是2的幂。
static final int DEFAULT_INITIAL_CAPACITY = 1 << 4;
//最大容量（必须是2的幂且小于2的30次方，传入容量过大将被这个值替换）
static final int MAXIMUM_CAPACITY = 1 << 30;
//默认装载因子（0.75），当实际元素所占容量占分配容量比例达到装载因子即75%时就要扩容了。填充比越大利用的空间很多，同时查找的效率也越低，因为链表的长度很大（1.8版本使用了红黑树后会改进些）。当我们关注内存时填充比可以稍大，当我们关注查找性能时填充比可以稍小些。
static final float _LOAD_FACTOR = 0.75f;
//一个桶（bucket）即链表的树化阈值。当链表中元素个数超过这个值时，需使用红黑树节点替换链表节点
//经过验证改值最好为8，不然频繁转换效率也不会太高
static final int TREEIFY_THRESHOLD = 8;
//一个树的链表还原阈值。当扩容时，桶中元素个数小于该值，就会把树形的桶元素还原为链表结构
//该值应比树化阈值小，为避免频繁转换其应该大于5
static final int UNTREEIFY_THRESHOLD = 6;
//哈希表的最小树形化容量。当哈希表中的容量大于该值时进行树形化，未达到该值时进行扩容
//为避免进行扩容、树形化选择的冲突，这个值不能小于 4 * TREEIFY_THRESHOLD
static final int MIN_TREEIFY_CAPACITY = 64;
//存储数据的Entry数组，长度是2的幂。
transient Entry[] table;
transient Set<Map.Entry<K,V>> entrySet;
//保存的键值对的数量
transient int size;
//需要调整大小的极限值（容量*装载因子）
int threshold;
//装载因子
final float loadFactor;
//结构被改变的次数
transient volatile int modCount;
2.构造方法
/**
* 根据给定的初始容量和装载因子创建一个空的HashMap
* 初始容量小于0或装载因子小于等于0将报异常
*/
public HashMap(int initialCapacity, float loadFactor) {
if (initialCapacity < 0)
throw new IllegalArgumentException("Illegal initial capacity: " +initialCapacity);
if (initialCapacity > MAXIMUM_CAPACITY)//调整最大容量
initialCapacity = MAXIMUM_CAPACITY;
if (loadFactor <= 0 || Float.isNaN(loadFactor))
throw new IllegalArgumentException("Illegal load factor: " +loadFactor);
this.loadFactor = loadFactor;
this.threshold = tableSizeFor(initialCapacity);
}
/**
*根据指定容量创建一个空的HashMap
*/
public HashMap(int initialCapacity) {
//调用上面的构造方法，容量为指定的容量，装载因子是默认值
this(initialCapacity, DEFAULT_LOAD_FACTOR);
}
/**
*使用默认的容量及装载因子构造一个空的HashMap
*/
public HashMap() {
this.loadFactor = DEFAULT_LOAD_FACTOR;
}
/**
*通过传入的map创建一个HashMap，其容量为默认容量（16）和(map.zise()/DEFAULT_LOAD_FACTORY)+1的较大者，及默认装载因子为
*/
public HashMap(Map<? extends K, ? extends V> m) {
this.loadFactor = DEFAULT_LOAD_FACTOR;
putMapEntries(m, false);
}
HashMap共有四个构造方法。构造方法中提到了两个很重要的参数：初始容量和加载因子。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槽的数量（即哈希数组的长度），初始容量是创建哈希表时的容量（从构造函数中可以看出，如果不指明，则默认为16），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，当哈希表中的条目数超出了加载因子与当前容量的乘积时，则要对该哈希表进行 resize 操作（即扩容）。
-
加载因子 如果加载因子越大，对空间的利用更充分，但是查找效率会降低（链表长度会越来越长）；如果加载因子太小，那么表中的数据将过于稀疏（很多空间还没用，就开始扩容了），对空间造成严重浪费。如果我们在构造方法中不指定，则系统默认加载因子为0.75，这是一个比较理想的值，一般情况下我们是无需修改的。
-
另外，无论我们指定的容量为多少，构造方法都会将实际容量设为不小于指定容量的2的次方的一个数，且最大值不能超过2的30次方
3、关键方法
- 如新的阈值大于当前阈值，需要返回一个大于等于新阈值且满足2的n次方的阈值。tableSizeFor就是来解决该问题的
/**
* 返回大于等于cap的最小的二次幂数值。
*/
static final int tableSizeFor(int cap) {
//经过下面的 或 和位移 运算， n最终各位都是1。
int n = cap - 1;
n |= n >>> 1;
n |= n >>> 2;
n |= n >>> 4;
n |= n >>> 8;
n |= n >>> 16;
//判断n是否越界，返回 2的n次方作为 table（哈希桶）的阈值
return (n < 0) ? 1 : (n >= MAXIMUM_CAPACITY) ? MAXIMUM_CAPACITY : n + 1;
}
- 如当前元素表不是空的，且m的元素数量大于阈值，则要扩容。此时就涉及到了扩容方法resize来实现了。
final Node<K,V>[] resize() {
//oldTab 为当前表的哈希桶
Node<K,V>[] oldTab = table;
//当前哈希桶的容量 length
int oldCap = (oldTab == null) ? 0 : oldTab.length;
//当前的阈值
int oldThr = threshold;
//初始化新的容量和阈值为0
int newCap, newThr = 0;
//如果当前容量大于0
if (oldCap > 0) {
//如果当前容量已经到达上限
if (oldCap >= MAXIMUM_CAPACITY) {
//则设置阈值是2的31次方-1
threshold = Integer.MAX_VALUE;
//同时返回当前的哈希桶，不再扩容
return oldTab;
}//否则新的容量为旧的容量的两倍。
else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&
oldCap >= DEFAULT_INITIAL_CAPACITY)
//如果旧的容量大于等于默认初始容量16
//那么新的阈值也等于旧的阈值的两倍
newThr = oldThr << 1; // double threshold
}
//如果当前表是空的，但是有阈值。代表是初始化时指定了容量、阈值的情况
else if (oldThr > 0)
newCap = oldThr;//那么新表的容量就等于旧的阈值
else {
//如果当前表是空的，而且也没有阈值。代表是初始化时没有任何容量/阈值参数的情况
newCap = DEFAULT_INITIAL_CAPACITY;//此时新表的容量为默认的容量 16
//新的阈值为默认容量16 * 默认加载因子0.75f = 12
newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);
}
if (newThr == 0) {
//如果新的阈值是0，对应的是 当前表是空的，但是有阈值的情况
float ft = (float)newCap * loadFactor;//根据新表容量 和 加载因子 求出新的阈值
//进行越界修复
newThr = (newCap < MAXIMUM_CAPACITY && ft <(float)MAXIMUM_CAPACITY ? (int)ft : Integer.MAX_VALUE);
}
//更新阈值
threshold = newThr;
@SuppressWarnings({"rawtypes","unchecked"})
//根据新的容量 构建新的哈希桶
Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap];
//更新哈希桶引用
table = newTab;
//如果以前的哈希桶中有元素
//下面开始将当前哈希桶中的所有节点转移到新的哈希桶中
if (oldTab != null) {
//遍历老的哈希桶
for (int j = 0; j < oldCap; ++j) {
//取出当前的节点 e
Node<K,V> e;
//如果当前桶中有元素,则将链表赋值给e
if ((e = oldTab[j]) != null) {
//将原哈希桶置空以便GC
oldTab[j] = null;
//如果当前链表中就一个元素，（没有发生哈希碰撞）
if (e.next == null)
//直接将这个元素放置在新的哈希桶里。
//注意这里取下标 是用 哈希值 与 桶的长度-1 。 由于桶的长度是2的n次方，这么做其实是等于 一个模运算。但是效率更高
newTab[e.hash & (newCap - 1)] = e;
//如果发生过哈希碰撞 ,而且是节点数超过8个，转化成了红黑树
else if (e instanceof TreeNode)
((TreeNode<K,V>)e).split(this, newTab, j, oldCap);
//如果发生过哈希碰撞，节点数小于8个。则要根据链表上每个节点的哈希值，依次放入新哈希桶对应下标位置。
else {
//因为扩容是容量翻倍，所以原链表上的每个节点，现在可能存放在原来的下标，即low位，或者扩容后的下标，即high位。high位=low位+原哈希桶容量
//低位链表的头结点、尾节点
Node<K,V> loHead = null, loTail = null;
//高位链表的头节点、尾节点
Node<K,V> hiHead = null, hiTail = null;
Node<K,V> next;//临时节点 存放e的下一个节点
do {
next = e.next;
//利用位运算代替常规运算：利用哈希值与旧的容量，可以得到哈希值去模后，是大于等于oldCap还是小于oldCap，等于0代表小于oldCap，应该存放在低位，否则存放在高位
if ((e.hash & oldCap) == 0) {
//给头尾节点指针赋值
if (loTail == null)
loHead = e;
else
loTail.next = e;
loTail = e;
}//高位也是相同的逻辑
else {
if (hiTail == null)
hiHead = e;
else
hiTail.next = e;
hiTail = e;
}//循环直到链表结束
} while ((e = next) != null);
//将低位链表存放在原index处
if (loTail != null) {
loTail.next = null;
newTab[j] = loHead;
}
//将高位链表存放在新index处
if (hiTail != null) {
hiTail.next = null;
newTab[j + oldCap] = hiHead;
}
}
}
}
}
return newTab;
}
resize的主要操作如下：
- 当达到最大容量则返回当前的桶即不再扩容，否则扩容为原来的两倍后返回
- 根据扩容后的桶修改成员变量的属性值
- 根据新的容量创建新的桶并更新其引用
- 原来的桶里面有元素则进行元素的转移
- 在进行元素转移时要考虑到元素碰撞和转红黑树操作
- 在扩容的过程中按次从原来的桶中取出链表头节点并对该链表上的所有元素重新计算hash值进行分配
- 在发生碰撞的时将新加入的元素添加到末尾
- 在元素复制的时候需要同时对低位和高位进行操作
- putMapEntries方法是一个final方法，不可以被修改，该方法实现了将另一个Map的所有元素加入表中，参数evict初始化时为false，其他情况为true
final void putMapEntries(Map<? extends K, ? extends V> m, boolean evict) {
int s = m.size();
if (s > 0) {
if (table == null) {
//根据m的元素数量和当前表的加载因子，计算出阈值
float ft = ((float)s / loadFactor) + 1.0F;
//修正阈值的边界 不能超过MAXIMUM_CAPACITY
int t = ((ft < (float)MAXIMUM_CAPACITY) ?(int)ft : MAXIMUM_CAPACITY);
//如果新的阈值大于当前阈值
if (t > threshold)
//返回一个>=新的阈值的 满足2的n次方的阈值
threshold = tableSizeFor(t);
}
//如果当前元素表不是空的，但是 m的元素数量大于阈值，说明一定要扩容。
else if (s > threshold)
resize();
//遍历 m 依次将元素加入当前表中。
for (Map.Entry<? extends K, ? extends V> e : m.entrySet()) {
K key = e.getKey();
V value = e.getValue();
putVal(hash(key), key, value, false, evict);
}
}
}
- putVal方法需要判断是否出现哈希冲突问题。即当哈希值相等且key也相等则是覆盖value操作，否则将插入一个普通链表节点（遍历到尾部，追加新节点到尾部，在元素添加的过程中需要随时检查是否需要进行转换成红黑树的操作）
final V putVal(int hash, K key, V value, boolean onlyIfAbsent, boolean evict) {
//tab存放当前的哈希桶，p用作临时链表节点
Node<K,V>[] tab; Node<K,V> p; int n, i;
//如果当前哈希表是空的，代表是初始化
if ((tab = table) == null || (n = tab.length) == 0)
//那么直接去扩容哈希表，并且将扩容后的哈希桶长度赋值给n
n = (tab = resize()).length;
//如果当前index的节点是空的，表示没有发生哈希碰撞。直接构建一个新节点Node，挂载在index处即可。
if ((p = tab[i = (n - 1) & hash]) == null)
tab[i] = newNode(hash, key, value, null);
else {//否则 发生了哈希冲突。
Node<K,V> e; K k;
//如果哈希值相等，key也相等，则是覆盖value操作
if (p.hash == hash &&((k = p.key) == key || (key != null && key.equals(k))))
e = p;//将当前节点引用赋值给e
else if (p instance of TreeNode)
e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
else {//不是覆盖操作，则插入一个普通链表节点
//遍历链表
for (int binCount = 0; ; ++binCount) {
if ((e = p.next) == null) {//遍历到尾部，追加新节点到尾部
p.next = newNode(hash, key, value, null);
//如果追加节点后，链表数量>=8，则转化为红黑树
if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st
treeifyBin(tab, hash);
break;
}
//如果找到了要覆盖的节点
if (e.hash == hash && ((k = e.key) == key || (key != null && key.equals(k))))
break;
p = e;
}
}
//如果e不是null，说明有需要覆盖的节点，
if (e != null) { // existing mapping for key
//则覆盖节点值，并返回原oldValue
V oldValue = e.value;
if (!onlyIfAbsent || oldValue == null)
e.value = value;
//这是一个空实现的函数，用作LinkedHashMap重写使用。
afterNodeAccess(e);
return oldValue;
}
}
//如果执行到了这里，说明插入了一个新的节点，所以会修改modCount，以及返回null。
++modCount;
//更新size，并判断是否需要扩容。
if (++size > threshold)
resize();
//这是一个空实现的函数，用作LinkedHashMap重写使用。
afterNodeInsertion(evict);
return null;
}
当存入的key是null的时候将调用putVal方法，否则先调用了hash(int h)方法获取了一个hash值。该方法的主要作用是防止质量较差的哈希函数带来过多的冲突（碰撞）问题。Java中int值占4个字节，即32位。根据这32位值进行移位、异或运算得到一个值。
那HashMap中最核心的部分就是哈希函数，又称散列函数。也就是说，哈希函数是通过把key的hash值映射到数组中的一个位置来进行访问。
hashCode右移16位，正好是32bit的一半。与自己本身做异或操作（相同为0，不同为1）。就是为了混合哈希值的高位和低位，增加低位的随机性。并且混合后的值也变相保持了高位的特征。
HashMap之所以不能保持元素的顺序有以下几点原因：
- 插入元素的时候对元素进行哈希处理，不同元素分配到table的不同位置；
- 容量拓展的时候又进行了hash处理；第三，复制原表内容的时候链表被倒置。
- 复制原表内容的时候链表被倒置。
//只做一次16位右位移异或混合：
static int hash(Object key) {
int h;
return (key == null) ? 0 : (h=key.hashCode())^(h>>>16);
}
其中，key.hashCode（）是Key自带的hashCode()方法，返回一个int类型的散列值。我们大家知道，32位带符号的int表值范围从-2147483648到2147483648。这样只要hash函数松散的话，一般是很难发生碰撞的，因为HashMap的初始容量只有16。但是这样的散列值我们是不能直接拿来用的。用之前需要对数组的长度取模运算。得到余数才是索引值。
- indexFor返回hash值和table数组长度减1的与运算结果。为什么使用的是length-1？因为这样可以保证结果的最大值是length-1，不会产生数组越界问题。
static int indexFor(int h, int length) {
return h & (length-1);
}
- getNode(int hash,Object key)根据哈希值和key获取节点
//传入扰动后的哈希值 和 key 找到目标节点Node
final Node<K,V> getNode(int hash, Object key) {
Node<K,V>[] tab; Node<K,V> first, e; int n; K k;
//查找过程，找到返回节点，否则返回null
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;
}
- containsKey(Object key)判断key是否存在
public boolean containsKey(Object key) {
return getNode(hash(key), key) != null;
}
该方法很简单，只是判断getNode (key)的结果是否为null，是则返回false，否返回true。
- containsValue(Object value)判断value是否存在
public boolean containsValue(Object value) {
Node<K,V>[] tab; V v;
//遍历哈希桶上的每一个链表
if ((tab = table) != null && size > 0) {
for (int i = 0; i < tab.length; ++i) {
for (Node<K,V> e = tab[i]; e != null; e = e.next) {
//如果找到value一致的返回true
if ((v = e.value) == value || (value != null && value.equals(v)))
return true;
}
}
}
return false;
}
该方法其实就是遍历所有元素判断是否有相等的值。我们要注意当value为null和不为null的两种情况的判断相等的方式是不同的。
- treeifyBin 将桶内所有的链表节点替换成红黑树节点
//将桶内的链表节点替换成红黑树节点
final void treeifyBin(Node<K,V>[] tab, int hash) {
int n, index; Node<K,V> e;
//当前哈希表为空，或者哈希表中元素的个数小于进行树形化的阈值(默认为 64)则新建/扩容
if (tab == null || (n = tab.length) < MIN_TREEIFY_CAPACITY){
resize();
//当哈希表中的元素个数超过了树形化阈值则进行树形化(e是哈希表中指定位置桶里的链表节点，从第一个开始)
}else if ((e = tab[index = (n - 1) & hash]) != null) {
//节点变量hd头节点，tl临时节点
TreeNode<K,V> hd = null, tl = null;
do {
//将当前的节点e进行树形化
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);
//让桶的第一个元素指向新建的红黑树头结点
if ((tab[index] = hd) != null)
hd.treeify(tab);
}
}
static final class TreeNode<K,V> extends LinkedHashMap.Entry<K,V> {
TreeNode<K,V> parent; // red-black tree links
TreeNode<K,V> left;
TreeNode<K,V> right;
TreeNode<K,V> prev; // needed to unlink next upon deletion
boolean red;
TreeNode<K,V> replacementTreeNode(Node<K,V> p, Node<K,V> next) {
return new TreeNode<>(p.hash, p.key, p.value, next);
}
//进行塑造红黑树
final void treeify(Node<K,V>[] tab) {
TreeNode<K,V> root = null;
for (TreeNode<K,V> x = this, next; x != null; x = next) {
next = (TreeNode<K,V>)x.next;
x.left = x.right = null;
if (root == null) { //第一次进入循环，确定头结点，为黑色
x.parent = null;
x.red = false;
root = x;
}else { //后面进入循环走的逻辑，x 指向树中的某个节点
K k = x.key;
int h = x.hash;
Class<?> kc = null;
//又一个循环，从根节点开始，遍历所有节点跟当前节点 x 比较，调整位置，有点像冒泡排序
for (TreeNode<K,V> p = root;;) {
int dir, ph; //这个 dir
K pk = p.key;
if ((ph = p.hash) > h) //当比较节点的哈希值比 x 大时，dir 为 -1
dir = -1;
else if (ph < h) //哈希值比 x 小时 dir 为 1
dir = 1;
else if ((kc == null && (kc = comparableClassFor(k)) == null) ||(dir = compareComparables(kc, k, pk)) == 0)
// 如果比较节点的哈希值x
dir = tieBreakOrder(k, pk);
//把当前节点变成 x 的父亲
//如果当前比较节点的哈希值比 x 大，x 就是左孩子，否则 x 是右孩子
TreeNode<K,V> xp = p;
if ((p = (dir <= 0) ? p.left : p.right) == null) {
x.parent = xp;
if (dir <= 0)
xp.left = x;
else
xp.right = x;
//修正红黑树
root = balanceInsertion(root, x);
break;
}
}
}
}
moveRootToFront(tab, root);
}
//对树中节点进行重新的染色
static <K,V> TreeNode<K,V> balanceInsertion(TreeNode<K,V> root, TreeNode<K,V> x) {
//插入的节点必须是红色的，除非是根节点
x.red = true;
//遍历到x节点为黑色,整个过程是一个上滤的过程
xp=x.parent;xpp=xp.parent;xppl=xpp.left;xppr=xpp.right;
for (TreeNode<K,V> xp, xpp, xppl, xppr;;) {
if ((xp = x.parent) == null) {
x.red = false;
return x;
}
//如果xp是黑色就直接完成，最简单的情况
else if (!xp.red || (xpp = xp.parent) == null)
return root;
//如果x的父节点是xp父节点的左节点
if (xp == (xppl = xpp.left)) {
//x的父亲节点的兄弟是红色的（需要颜色翻转）case1
if ((xppr = xpp.right) != null && xppr.red) {
xppr.red = false; //x父亲节点的兄弟节点置成黑色
xp.red = false; //父亲和其兄弟节点一样是黑色
xpp.red = true; //祖父节点置成红色
x = xpp; //然后上滤（就是不断的重复上面的操作）
}else {
//如果x是xp的右节点整个要进行两次旋转,先左旋转再右旋转
// case2
if (x == xp.right) {
root = rotateLeft(root, x = xp);//左旋
xpp = (xp = x.parent) == null ? null : xp.parent;
}
//case3
if (xp != null) {
xp.red = false;
if (xpp != null) {
xpp.red = true;
root = rotateRight(root, xpp);//右旋
}
}
}
}else {//以左节点镜像对称
if (xppl != null && xppl.red) {
xppl.red = false;
xp.red = false;
xpp.red = true;
x = xpp;
}else {
if (x == xp.left) {
root = rotateRight(root, x = xp);
xpp = (xp = x.parent) == null ? null : xp.parent;
}
if (xp != null) {
xp.red = false;
if (xpp != null) {
xpp.red = true;
root = rotateLeft(root, xpp);
}
}
}
}
}
}
//左旋转
static <K,V> TreeNode<K,V> rotateLeft(TreeNode<K,V> root, TreeNode<K,V> p) {
TreeNode<K,V> r, pp, rl;
if (p != null && (r = p.right) != null) {
if ((rl = p.right = r.left) != null)
rl.parent = p;
if ((pp = r.parent = p.parent) == null)
(root = r).red = false;
else if (pp.left == p)
pp.left = r;
else
pp.right = r;
r.left = p;
p.parent = r;
}
return root;
}
//右旋转
static <K,V> TreeNode<K,V> rotateRight(TreeNode<K,V> root, TreeNode<K,V> p) {
TreeNode<K,V> l, pp, lr;
if (p != null && (l = p.left) != null) {
if ((lr = p.left = l.right) != null)
lr.parent = p;
if ((pp = l.parent = p.parent) == null)
(root = l).red = false;
else if (pp.right == p)
pp.right = l;
else
pp.left = l;
l.right = p;
p.parent = l;
}
return root;
}
}
将所有的节点替换为树形节点然后让桶的第一个元素指向红黑树的头结点，此时桶里的元素就是红黑树而不是链表了，现在得到的只能算是个二叉树。当调用树形节点 hd.treeify(tab) 方法时，会进行塑造红黑树。该方法中用一个双重循环来拿树中的所有节点和当前节点的哈希值进行对比(如果哈希值相等，就对比键，这里不用完全有序），然后根据比较结果确定在树种的位置。涉及到的修正红黑树时，调用balanceInsertion方法对树中节点进行重新的染色，该方法也是红黑树树插入数据时需要调用的函数，其中涉及到左旋和右旋操作。
- 红黑树的基本要求：
- 红黑树是一种近似平衡的二叉查找树，它能够确保任何一个节点的左右子树的高度差不会超过二者中较低那个的一倍。它不是严格控制左、右子树高度或节点数之差小于等于1，但红黑树高度依然是平均log(n)，且最坏情况高度不会超过2log(n)。红黑树是满足如下条件的二叉查找树（binary search tree）。
- 根节点必须是黑色
- 每个节点要么是红色，要么是黑色
- 红色节点不能连续（红色节点的父和子都不能是红色）
- 每个节点从该点至null（树尾端）的任何路径，都含有相同个数的黑色节点。
- 红黑树是一种近似平衡的二叉查找树，它能够确保任何一个节点的左右子树的高度差不会超过二者中较低那个的一倍。它不是严格控制左、右子树高度或节点数之差小于等于1，但红黑树高度依然是平均log(n)，且最坏情况高度不会超过2log(n)。红黑树是满足如下条件的二叉查找树（binary search tree）。
- remove方法根据哈希值、键值和值 删除HashMap中的元素
final Node<K,V> removeNode(int hash, Object key, Object value, boolean matchValue, boolean movable){
// p 是待删除节点的前置节点
Node<K,V>[] tab; Node<K,V> p; int n, index;
//如果哈希表不为空，则根据hash值算出的index下 有节点的话。
if ((tab = table) != null && (n = tab.length) > 0&&(p = tab[index = (n - 1) & hash]) != null) {
//node是待删除节点
Node<K,V> node = null, e; K k; V v;
//如果链表头的就是需要删除的节点
if (p.hash == hash && ((k = p.key) == key || (key != null && key.equals(k))))
node = p;//将待删除节点引用赋给node
else if ((e = p.next) != null) {//否则循环遍历 找到待删除节点，赋值给node
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);
}
}
//如果有待删除节点node， 且 matchValue为false，或者值也相等
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)//如果node == p，说明是链表头是待删除节点
tab[index] = node.next;
else//否则待删除节点在表中间
p.next = node.next;
++modCount;//修改modCount
--size;//修改size
afterNodeRemoval(node);//LinkedHashMap回调函数
return node;
}
}
return null;
}
4、成员方法
-
put(K key, V value) 向map中添加元素
//向哈希表中添加元素
public V put(K key, V value) {
return putVal(hash(key), key, value, false, true);
}
- putAll(Map<? extends K, ? extends V> m) 向容器中添加集合
public void putAll(Map<? extends K, ? extends V> m) {
putMapEntries(m, true);
}
- get(String key) 根据key获取值
public V get(Object key) {
Node<K,V> e;
//传入扰动后的哈希值 和 key 找到目标节点Node
return (e = getNode(hash(key), key)) == null ? null : e.value;
}
- remove(Object key)根据key删除指定元素
public V remove(Object key) {
Node<K,V> e;
return (e = removeNode(hash(key), key, null, false, true)) == null ? null : e.value;
}
- clear() 清空map中所有元素
public void clear() {
Node<K,V>[] tab;
modCount++;
if ((tab = table) != null && size > 0) {
size = 0;
for (int i = 0; i < tab.length; ++i)
tab[i] = null;
}
}
三、总结
JDK1.8的hashMap跟之前的大有不同，特别是加了红黑树这个数据结构，整个结构一下子复杂了很多，特别是每次都要重新判断是否是不是红黑树，但是当hashMap中的元素的映射很聚集时在性能上还是有不少的提升。HashMap是基于哈希表实现的，每一个元素是一个key-value对，并允许key和value为null，其内部通过单链表解决冲突问题，容量不足（超过了阀值）时，会自动增长。其默认初始容量是2的4次幂16，最大容量时2的30次幂1073741824。默认的载装因子(扩容条件)，桶的树化阈值(当桶中元素个数超过这个值时，需要使用红黑树节点替换链表节点)默认为8，树的链表还原阈值默认为6，哈希表的最小树形化容量默认为64。
主要知识点
- 哈希表综合了数组和链表的特点，采用拉链法实现哈希表；
- HashMap 是一个关联数组、哈希表，其线程不安全、无序遍历且允许key和value为null；
- 其底层数据结构是数组称之为哈希桶，每个桶里面放的是链表，链表中的每个节点，就是哈希表中的每个元素；
- 在JDK8中，当链表长度达到扩容域值(默认为 8)且哈希表中元素的个数达到树形化阈值(默认为 64)时，会转化成红黑树，以提升它的查询、插入效率；
-
因其底层哈希桶的数据结构是数组，所以也会涉及到扩容的问题。当HashMap的容量达到扩容域值时，会触发扩容。扩容前后，哈希桶的长度一定会是2的次方。这样在根据key的hash值寻找对应的哈希桶时，可以用位运算替代取余操作，更加高效。
- key的hash值并不仅仅只是key对象的hashCode()方法的返回值，还要经过扰动函数的扰动使hash值更加均衡。
-
扰动函数就是为了解决减少hash碰撞的。它会综合hash值高位和低位的特征，并存放在低位，因此在与运算时，相当于高低位一起参与了运算，来减少hash碰撞的概率。（在JDK8之前，扰动函数会扰动四次，JDK8简化了这个操作）
- 扩容操作时，会创建一个新的Node数组作为哈希桶，然后将原哈希表中的所有数据(Node节点)移动到新的哈希桶中，相当于对原哈希表中所有的数据重新做了一个put操作。所以性能消耗很大，当哈希表的容量越大其性能消耗越明显。
-
扩容时，如果发生过哈希碰撞，节点数小于8个。则要根据链表上每个节点的哈希值，依次放入新哈希桶对应下标位置。因为扩容是容量翻倍所以原链表上的每个节点，可能存放在原来的下标即low位也可能存放在扩容后的下标即high位（high位= low位+原哈希桶容量）。
来源：oschina
链接：https://my.oschina.net/u/267665/blog/3174127