数据结构
在JDK1.8之前，HashMap是基于链式哈希实现的，而在JDK1.8之后，为了提高冲突节点的访问性能，在链式哈希实现的基础上，在哈希表大小超过64时，针对冲突节点链条，如果节点数量超过8个，则升级为红黑树，小于等于6个时，则降级为链表结构。
链式哈希
-
链式哈希是一个数组结构，数组元素为链表或者红黑树。如下为HashMap的内部数据存储结构，也是链式哈希的实现。其中Node为一个key的hash值相同的数据的链表（或红黑树）的头节点，即为冲突节点的链表。
/** * The table, initialized on first use, and resized as * necessary. When allocated, length is always a power of two. * (We also tolerate length zero in some operations to allow * bootstrapping mechanics that are currently not needed.) */ transient Node<K,V>[] table;
链表节点
-
如下为链表节点的数据结构设计：包括key，value，key的hash值，当前节点在链表中的下一个节点next。
-
该链表内的所有节点的key的hash值是相同的，链表头结点存放在哈希表table中，基于hash值与table大小获取该链表头结点在table中的位置下标。
/** * 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; 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; } public final K getKey() { return key; } public final V getValue() { return value; } public final String toString() { return key + "=" + value; } public final int 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; 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; } }
红黑树节点
-
与链表节点一样，红黑树中存放key的hash值相同的节点集合，其中红黑树根节点root存放在哈希表table中，对应的table数组下标也是基于key的hash值和数组table大小获取。
/** * Entry for Tree bins. Extends LinkedHashMap.Entry (which in turn * extends Node) so can be used as extension of either regular or * linked node. */ 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(int hash, K key, V val, Node<K,V> next) { super(hash, key, val, next); } /** * Returns root of tree containing this node. */ final TreeNode<K,V> root() { for (TreeNode<K,V> r = this, p;;) { if ((p = r.parent) == null) return r; r = p; } } ... }
核心设计
table数组容量与阈值
/**
* The default initial capacity - MUST be a power of two.
*/
static final int DEFAULT_INITIAL_CAPACITY = 1 << 4; // aka 16
/**
* The maximum capacity, used if a higher value is implicitly specified
* by either of the constructors with arguments.
* MUST be a power of two <= 1<<30.
*/
static final int MAXIMUM_CAPACITY = 1 << 30;
/**
* The load factor used when none specified in constructor.
*/
static final float DEFAULT_LOAD_FACTOR = 0.75f;
-
DEFAULT_INITIAL_CAPACITY： table数组默认大小为16，即在应用代码中，创建一个HashMap时，不指定容量，则之后在第一次添加数据到该HashMap，首先分配一个大小为16的数组table。
-
MAXIMUM_CAPACITY：数组最大大小，超过则不再进行拓容，大小为2的30次方。
-
DEFAULT_LOAD_FACTOR：数组拓容阈值，即在当前数组存放的数据节点达到容量的0.75时，则进行数组拓容，具体拓容逻辑在resize方法定义。
构建红黑树阈值
-
默认哈希表对应的数组的每个元素是一个链表，具体为存放链表头节点，而在冲突节点较多时，即存在较多key的hash值相同的元素，则会导致链表过长，在应用代码中获取某个key的值value，时间复杂度就会增加，即默认的O(1)变为了O(N)，其中N为该链表长度。
-
所以为了解决这种情况下的性能问题，JDK1.8提供了从链表转为红黑树，或者从红黑树还原为链表的设计，在红黑树中获取某个节点的时间复杂度为O(logN)，具体阈值如下：
/** * The bin count threshold for using a tree rather than list for a * bin. Bins are converted to trees when adding an element to a * bin with at least this many nodes. The value must be greater * than 2 and should be at least 8 to mesh with assumptions in * tree removal about conversion back to plain bins upon * shrinkage. */ static final int TREEIFY_THRESHOLD = 8; /** * The bin count threshold for untreeifying a (split) bin during a * resize operation. Should be less than TREEIFY_THRESHOLD, and at * most 6 to mesh with shrinkage detection under removal. */ static final int UNTREEIFY_THRESHOLD = 6; /** * The smallest table capacity for which bins may be treeified. * (Otherwise the table is resized if too many nodes in a bin.) * Should be at least 4 * TREEIFY_THRESHOLD to avoid conflicts * between resizing and treeification thresholds. */ static final int MIN_TREEIFY_CAPACITY = 64; -
TREEIFY_THRESHOLD：构造红黑树的阈值，默认为8，即链表的元素个数超过8个的时候，则将链表转为红黑树，不过前提是数组大小大于MIN_TREEIFY_CAPACITY。使用8作为阀值的原因是：红黑树的操作复杂度为O(logN)，如果是8则平均查找次数为3，如果使用链表，则平均查找次数为8/2=4，故红黑树性能更高；
-
MIN_TREEIFY_CAPACITY：触发红黑树化的前提条件，默认值为64，即哈希表数组table的大小超过64的时候，如果某个数组元素对应的链表的长度超过TREEIFY_THRESHOLD，则将该数组元素（即链表头结点）对应的链表转为红黑树结构。
-
UNTREEIFY_THRESHOLD：从红黑树退化为链表的条件，默认为6，即当红黑树中节点个数不超过6时，则退化为链表。使用6作为退化阀值原因是：如果使用链表，平均查找次数为6/2=3，速度也很快，如果使用树，则转为树结构和调整树也需要开销，故可以直接使用链表。中间使用7作为差值，主要是有效防止树和链表的频繁转换。
核心操作设计
数组大小capacity调整
-
HashMap内部存储数据所用的链式哈希表是基于数组实现的，即数组 + 链表或者数组 + 红黑树，所以在往HashMap存放数据之前，需要指定数组大小来创建这个数组。
-
在存放某个数据时，需要根据该数据的key的hash值与数组大小取模，从而确定该数据所在的链表（具体为链表头结点）在数组中的位置下标。在HashMap的设计中，为了提高性能，采用的是位运算的方式，而不是使用%的方式取模，具体方式如下：
(capacity - 1) & hash -
这种方式的实现基础为capacity的值为2的N次方，则capacity - 1的值对应二进制就全是1了，如16的二进制为：10000，15的二进制为：01111，则01111与任何数字的与运算的结果为0到15，如：
01111 & 00010 = 00010，即15与2取模等于2 01111 & 100001 = 00001，即15与33取模等于1 -
所以在指定HashMap的容量capacity时，则内部会将capacity调整为2的N次方，即调整后的capacity大于或等于应用代码指定的capacity。调整实现为：在tableSizeFor方法定义，如下：
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); } /** * Returns a power of two size for the given target capacity. */ 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; }
put设值
-
put操作往HashMap存放数据，在内部主要是在putVal方法定义实现逻辑。具体过程请看代码注释：
/** * Implements Map.put and related methods * * @param hash hash for key * @param key the key * @param value the value to put * @param onlyIfAbsent if true, don't change existing value * @param evict if false, the table is in creation mode. * @return previous value, or null if none */ final V putVal(int hash, K key, V value, boolean onlyIfAbsent, boolean evict) { // tab：指向哈希表table // p：遍历哈希表table时，存放遍历到的数组元素 Node<K,V>[] tab; Node<K,V> p; int n, i; // table为null，还没初始化或者大小为0， // 则调用resize先创建数组或者对数组进行拓容 if ((tab = table) == null || (n = tab.length) == 0) n = (tab = resize()).length; // 如果需要存放的元素，在数组中还不存在对应的链表，则创建一个链表头结点存放该元素， // 并存放到数据中，存放操作就此完成。 if ((p = tab[i = (n - 1) & hash]) == null) tab[i] = newNode(hash, key, value, null); // 数组中已经存放该链表，则： else { Node<K,V> e; K k; // 1.如果数组元素（链表头结点）就是该节点， // 即此次put操作是更新，则更新值value即可； if (p.hash == hash && ((k = p.key) == key || (key != null && key.equals(k)))) e = p; // 2. 或者之前已经将链表升级为了红黑树， // 则往该红黑树插入该节点； else if (p instanceof TreeNode) e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value); // 3. 或者链表头结点不是该元素， // 则遍历链表在链表尾部插入该节点， // 在链表尾部插入之后， // 需要检查一下是否需要将该链表升级为红黑树 else { for (int binCount = 0; ; ++binCount) { if ((e = p.next) == null) { p.next = newNode(hash, key, value, null); // 检查链表长度是否超过了8 if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st // 在内部检查哈希表大小，然后决定是否转为红黑树 treeifyBin(tab, hash); break; } if (e.hash == hash && ((k = e.key) == key || (key != null && key.equals(k)))) break; p = e; } } // 更新节点值value if (e != null) { // existing mapping for key V oldValue = e.value; if (!onlyIfAbsent || oldValue == null) e.value = value; afterNodeAccess(e); // 直接返回更新之前的值 // 更新操作不是结构性修改，故不需要往下继续执行。 return oldValue; } } // 记录结构性修改（增加或删除节点）次数 // 用于实现迭代器iterator的fail-fast快速失败 ++modCount; // 如果插入后，哈希表大小超过了阈值， // 则resize拓容 if (++size > threshold) resize(); afterNodeInsertion(evict); return null; }
resize扩容
-
resize操作主要是对哈希表数组table进行拓容或初始化，拓容为每次增大为原来的2倍，从而保证容量capacity为2的N次方的设计。
-
拓容阈值threshold：threshold = capacity * load factor，即默认为容量capacity的0.75，当存放的元素达到容量的3/4时，进行拓容resize操作。
/** * 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 */ final Node<K,V>[] resize() { Node<K,V>[] oldTab = table; int oldCap = (oldTab == null) ? 0 : oldTab.length; int oldThr = threshold; int newCap, newThr = 0; // 原来的容量大于0，即哈希表数组table已经存在了的 if (oldCap > 0) { // 当前容量已经是最大容量，则直接返回，不再进行拓容。 if (oldCap >= MAXIMUM_CAPACITY) { threshold = Integer.MAX_VALUE; return oldTab; } // 将容量和拓容阈值都拓展为原来的2倍 else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY && oldCap >= DEFAULT_INITIAL_CAPACITY) newThr = oldThr << 1; // double threshold } else if (oldThr > 0) // initial capacity was placed in threshold // 旧容量小于0，则容量设值为拓展阈值 newCap = oldThr; // 初始化哈希数组，使用默认值 else { // zero initial threshold signifies using defaults // 容量等于初始大小16 newCap = DEFAULT_INITIAL_CAPACITY; // 拓容阈值等于16*0.75=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); } threshold = newThr; @SuppressWarnings({"rawtypes","unchecked"}) // 创建一个新的哈希数组，容量为原来的2倍 Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap]; table = newTab; if (oldTab != null) { // 遍历旧的哈希数组，获取元素放到拓容后，新的哈希数组中 for (int j = 0; j < oldCap; ++j) { Node<K,V> e; if ((e = oldTab[j]) != null) { // e已经存放了原来的数组元素， // 则将旧数组的元素置为null，便于GC回收 oldTab[j] = null; // 旧数组最后一个元素 if (e.next == null) newTab[e.hash & (newCap - 1)] = e; // 红黑树节点拆分 else if (e instanceof TreeNode) ((TreeNode<K,V>)e).split(this, newTab, j, oldCap); // 将链表（具体为链表头结点） // 复制到新数组中 // 由于数组拓容后，大小capacity变大了， // 故单个链表中的元素的hash与capacity取模会发生变化， // 故旧数组的某个数组元素， // 对应的链表也要拆分成两条链表，放在新数组的两个位置中。 // 同时需要保持链表中元素的位置， // 即链表前半部分对应的新的子链表对应的新数组中的位置为 // 该链表在旧数组的位置下标 // 链表后半部分对应的新的子链表放在 // 新数组后面的一个位置下标 else { // preserve order // lo为链表的前半部分 // hi为链表的后半部分 Node<K,V> loHead = null, loTail = null; Node<K,V> hiHead = null, hiTail = null; Node<K,V> next; do { next = e.next; // e.hash与oldCap，而不是oldCap-1，而oldCap为2的N次方，二进制为， // 如16的二进制为10000 // 则 e.hash & oldCap == 0，表示e所在链表， // 在拓展后在新数组中的位置， // 等于原来在旧数组中的， // 所以放到lo部分。 if ((e.hash & oldCap) == 0) { if (loTail == null) loHead = e; else loTail.next = e; loTail = e; } // 拓容后，hash值与新的capacity取模不等于与旧的capacity的， // 故放到hi部分。 else { if (hiTail == null) hiHead = e; else hiTail.next = e; hiTail = e; } } while ((e = next) != null); if (loTail != null) { loTail.next = null; // lo链表放到新数组下标j中 newTab[j] = loHead; } if (hiTail != null) { // hi链表放到新数组下标j+oldCap中 hiTail.next = null; newTab[j + oldCap] = hiHead; } } } } } return newTab; }
treeifyBin构造红黑树
-
主要用来将某个数组元素对应的链表，转为红黑树结构，从而解决链表长度过长时的访问性能问题。
/** * 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; // 当哈希表为null即还没初始化， // 或者哈希表对应的数组大小小于64时， // 则resize，先不将该链表转为红黑树， // 即使该链表长度超过了8， // 主要是因为当前的哈希表还是比较小的。 if (tab == null || (n = tab.length) < MIN_TREEIFY_CAPACITY) resize(); // 从哈希表中取出该元素，将该元素（链表头结点） // 对应的链表调整为红黑树 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); } }
clear清空
-
清空HashMap，具体为将哈希表数组table的每个元素置为null，则该元素对应的链表或红黑树则没有被引用了，可以被GC回收。
/** * Removes all of the mappings from this map. * The map will be empty after this call returns. */ 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; } }
哈希表节点Node集合
EntrySet：哈希表所有节点集合
- 从数组的每个元素对应的链表中取出链表节点放到该集合
keySet：哈希表key集合
- 哈希表所有节点的key集合
Values：哈希表value集合
- 哈希表所有节点的value集合
链表迭代器基类：HashIterator
-
主要被以上集合用来遍历哈希表数组，然后遍历每个数组对应的链表，从而获取所有的数据，即Node节点，然后放到集合中。
-
派生类包括：KeyIterator，ValueIterator，EntryIterator，其中下一个节点都依赖nextNode方法，从链表头结点开始，获取该链表的下一个节点。
-
迭代器是快速失败fail-fast的，即在使用过程中，如果往HashMap中添加或删除了数据，则抛异常退出。
abstract class HashIterator { Node<K,V> next; // next entry to return Node<K,V> current; // current entry int expectedModCount; // for fast-fail int index; // current slot HashIterator() { expectedModCount = modCount; Node<K,V>[] t = table; // 初始化为null current = next = null; // 从数组table第一个数组元素开始 index = 0; if (t != null && size > 0) { // advance to first entry // 遍历哈希表数组table， // 获取第一个数组节点（即某个链表头节点） // 不为null的节点， // 即整个哈希表从数组和链表两个角度， // 第一个节点Node作为迭代的开始节点。 do {} while (index < t.length && (next = t[index++]) == null); } } public final boolean hasNext() { return next != null; } final Node<K,V> nextNode() { Node<K,V>[] t; Node<K,V> e = next; // 并发进行了结构性修改 if (modCount != expectedModCount) throw new ConcurrentModificationException(); if (e == null) throw new NoSuchElementException(); // 先遍历数组的元素对应的链表 // 遍历完该链表后， // 遍历数组下一个元素对应的链表 if ((next = (current = e).next) == null && (t = table) != null) { do {} while (index < t.length && (next = t[index++]) == null); } return e; } public final void remove() { Node<K,V> p = current; if (p == null) throw new IllegalStateException(); // 并发进行了结构性修改 if (modCount != expectedModCount) throw new ConcurrentModificationException(); current = null; K key = p.key; removeNode(hash(key), key, null, false, false); expectedModCount = modCount; } }
线程安全
- HashMap不是线程安全的，故如果需要保证多线程访问的并发安全性，需要使用ConcurrentHashMap，或者使用Collections.synchronizedMap方法来对HashMap进行包装成类型为SynchronizedMap的，线程安全的map。
- ConcurrentHashMap主要是基于CAS来实现乐观锁来实现线程安全；
- SynchronizedMap的内部实现，主要是通过synchronized关键字结合一个对象锁mutex，来对会产生并发问题的操作，如get，put，remove，clear，contains操作进行同步操作。
本文标题：JDK1.8源码分析：HashMap
本文链接：https://blog.quwenai.cn/post/3296.html
版权声明：本文不使用任何协议授权，您可以任何形式自由转载或使用。
还没有评论，来说两句吧...