Java8 的 HashMap

数据结构

在 Java7 中 HashMap 底层主要利用数组、链表结构来实现，但是根据 HashMap 的存储结构，当某个 hash 位上的链表过长，查询性能就会退化，所以在 Java8 中，当链表的节点数达到 8 时会转化为红黑树，查询的时间复杂度为 $O(logn)$。

相关数据结构：数组、链表、红黑树

源码解析

在看 Java8 的源码之前，需要了解位运算：

  • <<：左移，低位补 0
  • >>： 带符号右移，原数是整数高位补 0，原数是负数高位补 1
  • >>>：无符号右移，无论原数是正数还是负数都在高位补 0
  • ^：异或，相同为 0，相异为 1
  • &：与，都为 1 结果为1，其他为 0

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

/**
 * @param hash 插入 key 的 hash 值
 * @param key  插入 key
 * @param value 插入的值
 * @param onlyIfAbsent 如果为 true，当 key 对应的 value 不存在时才插入
 * @param evict 用于linkedHashMap的尾部操作
 * @return 如果 key 对应的 value 存在，并且替换过则返回旧值
 */
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)
        //如果数组为空，则进行数组初始化；初始化时没有指定大小则默认为 16
        n = (tab = resize()).length;
    if ((p = tab[i = (n - 1) & hash]) == null)
        //计算插入位置((n - 1) & hash)，如果数组该位置还没有插入，则构建节点直接插入
        tab[i] = newNode(hash, key, value, null);
    else {
        //数组该位置已经有节点插入，则需要该数组位置是以链表实现还是红黑树，选择不同的插入方法
        Node<K,V> e; K k;
        //判断数组该位置当前节点是否和要插入的节点 key 相等，如果相等取出当前节点，e 指向旧节点
        if (p.hash == hash && ((k = p.key) == key || (key != null && key.equals(k))))
            e = p;
        else if (p instanceof TreeNode)
            //判断数组该位置节点数据结构是是否是红黑树，如果是则调用红黑树的插值方法
            e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
        else {
            //数组该位置节点是由链表实现，直接向后遍历该链表，找到插入的位置
            for (int binCount = 0; ; ++binCount) {
                if ((e = p.next) == null) {
                    //遍历到达链表尾部
                    p.next = newNode(hash, key, value, null);
                    //插入后如果该链表上的节点个数达到了 8 个，则把该链表转换为红黑树
                    if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st
                        treeifyBin(tab, hash);
                    break;
                }
                //在链表遍历过程中，存在与待插入的节点相等的 key，结束循环，e 指向的就是旧节点
                if (e.hash == hash && ((k = e.key) == key || (key != null && key.equals(k))))
                    break;
                p = e;
            }
        }
        // 如果不为空，e 节点指向的是存在相等 key 的节点
        if (e != null) { // existing mapping for key
            V oldValue = e.value;
            //如果 onlyIfAbsent 为 true，当该节点对应的 value 不存在时才替换
            //如果 onlyIfAbsent 为 false，直接用新节点 value 覆盖旧节点 value
            if (!onlyIfAbsent || oldValue == null)
                e.value = value;
            afterNodeAccess(e);
            return oldValue;
        }
    }
    ++modCount;
    //如果该 hashMap 中的所有节点个数超过阈值，则需要进行扩容
    if (++size > threshold)
        resize();
    afterNodeInsertion(evict);
    return null;
}

resize 数组扩容分析

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
final Node<K,V>[] resize() {
    //对 hash 数组扩容或者初始化
    Node<K,V>[] oldTab = table;
    int oldCap = (oldTab == null) ? 0 : oldTab.length;
    int oldThr = threshold;
    int newCap, newThr = 0;
    if (oldCap > 0) {
        //数组容量已经大于 0，判断是否超过最大容量
        if (oldCap >= MAXIMUM_CAPACITY) {
            threshold = Integer.MAX_VALUE;
            return oldTab;
        }
        //没有超过最大容量，直接扩大 2 倍
        else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY && oldCap >= DEFAULT_INITIAL_CAPACITY)
            //判断是否超过最大容量并且大于默认容量，则阈值扩大一倍
            newThr = oldThr << 1; // double threshold
    }
    else if (oldThr > 0) // initial capacity was placed in threshold
        //使用 HashMap(int initialCapacity) 初始化数组容量大小
        //第一次执行 put 操作时，将数组容量初始化为计算的阈值
        newCap = oldThr;
    else {               // zero initial threshold signifies using defaults
        //使用 new HashMap() 初始化后，将数组容量初始化为默认值 16
        newCap = DEFAULT_INITIAL_CAPACITY;
        //阈值也是默认值 12
        newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);
    }
    //在 if (oldThr > 0) 这个条件中，第一次 put 时，newThr 值为 0
    if (newThr == 0) {
        //利用初始化的数组容量计算新的阈值
        float ft = (float)newCap * loadFactor;
        newThr = (newCap < MAXIMUM_CAPACITY && ft < (float)MAXIMUM_CAPACITY ?
                 (int)ft : Integer.MAX_VALUE);
    }
    threshold = newThr;
    @SuppressWarnings({"rawtypes","unchecked"})
    //用新的容量初始化新的 hash 数组
    Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap];
    table = newTab;
    //如果是第一次初始化，则可以直接返回；否则需要将旧数组的数组，重新迁移到新的数组中
    if (oldTab != null) {
        //遍历旧数组
        for (int j = 0; j < oldCap; ++j) {
            Node<K,V> e;
            //旧数组当前位置节点不为空
            if ((e = oldTab[j]) != null) {
                oldTab[j] = null;
                if (e.next == null)
                    //旧数组该位置只有一个节点，计算该节点在新数组的索引值，插入节点
                    newTab[e.hash & (newCap - 1)] = e;
                else if (e instanceof TreeNode)
                    //如果该节点是红黑树结构
                    ((TreeNode<K,V>)e).split(this, newTab, j, oldCap);
                else { // preserve order
                    //每次扩容时，容量都是原来的 2倍，这种情况下每个元素在新数组中的索引位置：要么是不变，还有一种是原位置+扩容长度。
                    //当然也可以利用 e.hash & (newCap - 1)来计算，这两个是等价的。但是 java8 的这个处理性能好
                    Node<K,V> loHead = null, loTail = null;
                    Node<K,V> hiHead = null, hiTail = null;
                    Node<K,V> next;
                    //根据上述的两种方式，可以将旧数组该位置量表分为两个链表，然后分别插入到新数组的对应位置
                    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;
}

索引位置结算

hash & (cap - 1)：利用模运算也可以计算索引，但是模运算的性能不如与运算。

例如：

cap 为 16 时，hash 值为 30：0001 1110 & 0000 1111 = 0000 1110，索引值为 14

cap 为 16 时，hash 值为 5：0001 1110 & 0000 0101 = 0000 0100，索引值为 4

在扩容时，链表复制的情况：

newCap 为 32，hash 值为 30 时：0001 1110 & 0001 1111 = 0001 1110 新的索引值是：30，符合旧的索引值 + 旧的数组大小

newCap 为 32，hash 值为 5 时：0001 1110 & 0000 0101= 0000 0100 新的索引值是：4，位置不变

get 函数分析

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
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;
    // 如果数组不为空，对应数组索引位置节点不为空时进行查找
    if ((tab = table) != null && (n = tab.length) > 0 && (first = tab[(n - 1) & hash]) != null) {
        //判断该位置首节点是不是要查找的节点
        if (first.hash == hash && ((k = first.key) == key || (key != null && key.equals(k))))
            return first;
        if ((e = first.next) != null) {
            //如果该位置上的节点是红黑树结构，执行红黑树的查找方法
            if (first instanceof TreeNode)
                return ((TreeNode<K,V>)first).getTreeNode(hash, key);
            do {
                //遍历查找链表寻找目标节点是否存在
                if (e.hash == hash && ((k = e.key) == key || (key != null && key.equals(k))))
                    return e;
            } while ((e = e.next) != null);
        }
    }
    return null;
}