未命名文件.png
首先为什么使用哈希树模型来实现hashmap？
如果是一个正常的链表来存储数据，只有几个数据可能不会有太大的性能问题，每次取数据也只能遍历整个链表取寻找。如果数据量非常庞大的时候想要在几万几十万个数据中遍历找到一个key性能是非常差的。
后来科学家设计了这种数据结构来存放数据，将整个数据的存放区域分成n份node（节点），将node存放在hashmap内部的一个table中维护起来，每次有新的数据put进来的时候会计算出一个table对应的index来将新数据存放进去，同样每次取get数据的时候也不需要取遍历整个数据池，只需要根据index去对应的node，而node中又使用元素next维护着链表的下一个节点，所以会在这个单向的链表中去寻找该元素，大大的提高了性能。
hashmap内部实际上是一个数组，数组的每个元素是一个单向链表。
java7之前数组节点是单向链表
java8开始节点会动态的改变，当数据量到达一定的数量，会变成红黑树的方式。
然后开始看代码
然后看看开始都定义了一些什么
/**
* 数组默认的初始容量-必须是2的幂。
*/
static final int DEFAULT_INITIAL_CAPACITY = 1 << 4; // aka 16
/**
最大容量，用于隐式指定较高值的情况
必须是2≤1≤30的幂。
*/
static final int MAXIMUM_CAPACITY = 1 << 30;
/**
* 负载因子
*/
static final float DEFAULT_LOAD_FACTOR = 0.75f;
/**
当链表长度大于8的时候就会转化为红黑树的数据结构
*/
static final int TREEIFY_THRESHOLD = 8;
/**
如果发现数的结构小于6的时候就会退回成为链表
*/
static final int UNTREEIFY_THRESHOLD = 6;
/**
在转变成树之前，还会有一次判断，只有键值对数量大于 64 才会发生转换。
这是为了避免在哈希表建立初期，多个键值对恰好被放入了同一个链表中而导致不
必要的转 化。
*/
static final int MIN_TREEIFY_CAPACITY = 64;
然后看一下构造函数
/**
这个构造函数会自定义负载因子和初始的容量来构造一个hashmap
*/
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);
}
/**
自定义初始容量
*/
public HashMap(int initialCapacity) {
this(initialCapacity, DEFAULT_LOAD_FACTOR);
}
/**
这个就是普通的构造函数
*/
public HashMap() {
this.loadFactor = DEFAULT_LOAD_FACTOR; // all other fields defaulted
}
/**
此方法会构造一个映射的hashmap
*/
public HashMap(Map<? extends K, ? extends V> m) {
this.loadFactor = DEFAULT_LOAD_FACTOR;
putMapEntries(m, false);
}
接着看一些重要的方法
这个是我们最常用的put方法，调用put方法最终会走到这个方法
final V putVal(int hash, K key, V value, boolean onlyIfAbsent,
boolean evict) {
Node<K,V>[] tab; //用于局部使用table数组
Node<K,V> p; //通过计算得出的key位于tab中的位置
int n, //tab的size
int i;//位置index
//首先如果第一次存放数据的时候，table使用懒加载初始化扩容
if ((tab = table) == null || (n = tab.length) == 0)
n = (tab = resize()).length;
//然后使用 (n - 1) & hash]来计算出一个i（index）来获取数组节点
//如果获取到的为空，那么通过方法newNode来创建一个节点
if ((p = tab[i = (n - 1) & hash]) == null)
tab[i] = newNode(hash, key, value, null);
else {
//如果叶子节点不为空
Node<K,V> e;
K k;
//如果该节点的hash与新元素的hash相同，并且他们的key相同
//或者key相同
//那么说明该节点与存放的元素是同一个东西，直接覆盖
if (p.hash == hash &&((k = p.key) == key || (key != null && key.equals(k))))
e = p;
/**
这里，如果他们的key不相同，但是hashcode却相同，那么说明发生了哈希碰
撞，再或者他们的key也不相同，就会就绪往下执行其他的判断
*/
/**
如果发现节点元素是树节点，那么将元素存放到树节点中
*/
else if (p instanceof TreeNode)
e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
/**
如果不是树节点，那么就需要不断的执行next去获取链条上的下一个node
*/
else {
for (int binCount = 0; ; ++binCount) {
//如果下一个节点是null，就创建一个新的节点
if ((e = p.next) == null) {
p.next = newNode(hash, key, value, null);
//binCount为一共遍历了多少次，即为该节点的链条的长度，如果到达
//了转化为树节点的阀值那么就将整个链条转化为红黑树，接着跳出循
//环
if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st
treeifyBin(tab, hash);
break;
}
/**
此时我们已经创建了一个新的节点，并且将该节点保存在了链条最后一
个节点的next中。
然后会比较e的hash与目标元素的hash，之前e = p.next已经为e进行了
赋值，即为链条的最后一个节点，如果此时发现新创建的node和e可以
看作同一个东西的话，那么直接就将e覆盖了p。否则e就成为了该链条的
最后一个节点。
*/
if (e.hash == hash && ((k = e.key) == key ||(key!=null&&key.equals(k))))
break;
p = e;
}
}
/**
再然后前面已经将新的节点创建，基本工作已经完成了
onlyIfAbsent 这个参数代表的是如果为ture，不要更改现有值
*/
if (e != null) { // existing mapping for key
V oldValue = e.value;
if (!onlyIfAbsent || oldValue == null)
e.value = value;
//空函数，可以实现去搞事情
afterNodeAccess(e);
return oldValue;
}
}
//总节点++
++modCount;
//如果此时的键值对数量大于阀值进行扩容
if (++size > threshold)
resize();
afterNodeInsertion(evict);
return null;
}
put方法掠清楚了，再看一下get方法再干什么
//这里没有什么好解释的，调用getNode去获取键值对返回
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){
//根据tab[(n -1)&hash]拿到一个根节点，如果这个key的hash和根节点的hash
//相同，并且key相同，那么直接返回根节点的node元素
if (first.hash == hash && // always check first node
((k = first.key) == key || (key != null && key.equals(k))))
return first;
//否则
if ((e = first.next) != null) {
//如果节点是红黑树，那么会去红黑树中获取node
if (first instanceof TreeNode)
return ((TreeNode<K,V>)first).getTreeNode(hash, key);
//否则开启循环去遍历链条获取节点
do {
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
return e;
} while ((e = e.next) != null);
}
}
return null;
}
然后之前的一个方法resize（）,看看hashmap是如何进行扩容操作的
final Node<K,V>[] resize() {
Node<K,V>[] oldTab = table;//将扩容前的node数组存放起来
int oldCap = (oldTab == null) ? 0 : oldTab.length;//旧数组的长度
int oldThr = threshold;//旧的容量
int newCap, newThr = 0;//新数组的长度，新的容量
if (oldCap > 0) {
//判断，扩容的数组的最大容量不能大于int的最大值
if (oldCap >= MAXIMUM_CAPACITY) {
threshold = Integer.MAX_VALUE;
return oldTab;
}
//当旧的数组的2倍长度小于最大阀值，并且旧的长度大于初始容量的时候进行
//扩容，即为2倍的进行扩容
else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&
oldCap >= DEFAULT_INITIAL_CAPACITY)
newThr = oldThr << 1; // double threshold
}
//否则将初始的阀值进行扩容
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;
Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap];//创建了一个新的table
table = newTab;
if (oldTab != null) {
//下面的这个大循环不必太纠结，反正我没有看的欲望，总之做的操作就是将
//旧数组的数据转移到新的数组
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 { // preserve order
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;
}
接着还有一个重要的方法需要看removeNode（T）
实际上hashmap重写了AbstractMap的remove方法，最终会调用removeNode这个方法
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;
//这里如果直接再根节点找到了这个key
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
node = p;
//如果根节点没有找到
else if ((e = p.next) != null) {
//如果是树节点，去红黑树中把这个node取出来
if (p instanceof TreeNode)
node = ((TreeNode<K,V>)p).getTreeNode(hash, key);
else {
//如果不是树节点，那么遍历整个单向链条去找到这个key
do {
if (e.hash == hash &&
((k = e.key) == key ||
(key != null && key.equals(k)))) {
node = e;
break;
}
p = e;
} while ((e = e.next) != null);
}
}
//这里进行node节点的移除操作
if (node != null && (!matchValue || (v = node.value) == value ||
(value != null && value.equals(v)))) {
//如果是树节点，那么再红黑书中将其移除
if (node instanceof TreeNode)
((TreeNode<K,V>)node).removeTreeNode(this, tab, movable);
//否则，如果是根节点，那么将原来根节点的元素指向node的下一个node
else if (node == p)
tab[index] = node.next;
//再否则，将node的父节点的next指向node的next
else
p.next = node.next;
++modCount;
--size;
afterNodeRemoval(node);
return node;
}
//之后整个hashmap的数据结构中已经找不到这个node了
}
return null;
}
下面说个概念，就是hash这个东西
为什么会发生哈希碰撞？
因为两个元素的哈希值是可能会相同的，哈希不是唯一的，虽然说这个概率很低。
所以当俩个元素hashcode相同的时候，这俩个元素并不一定相同。
反之，当俩个元素equase相同，则他的hash一定是相同的。
hashmap中是使用的key的hashcode。
然后就会发生哈希碰撞。
总结
未命名文件.png
