反思
HashMap之前只是面试时会看下面试题，但实际从没有撸过源码，对于工作多年的菜鸟来说，对技术不尊重，整理了篇文档，记忆加深一下
原理
假如让我们来设计HashMap实现，我们如何设计一个key->value键值对的java容器？
- java基础类型是肯定不支持这种key-value，那我们是不是首先想到要用一个对象来做存储，姑且命名为Node，属性有key、value。
- 对象是不是需要一个容器来存，要么是链表（每个节点都指向下个节点）、要么是数组。
如果用链表，Node加一个本身对象属性next就行，每次存值，new一个新的Node，将旧的最新值 next 指向该Node即可。OK，如果用链表来设计，如果我想要取某个指定key的值，是不是每次都需要遍历头节点到尾节点，遍历次数 O(N)，N就看我们的运气了。 - 如果是使用数组，跟2操作一致，也是遍历。
- 对方案3优化下，我们是不是通过业务要存入的key，去计算它所对应的下标值（数组size取模），存入数组，通过key或取值时，计算出下标找到对应的位置，一次性取出结果。这里遍历次数是不是O(1)，好，理想很丰满.问题来了，如何保证不同的key计算出的下标在数组下标永不重复呢
答案：没有这种一劳永逸的算法 - OK，基于这个结果，我们姑且认为我们自己是算法大能，可以根据数组容量大小，写个很少有冲突计算下标的算法，但无法避免冲突，那咋整，有冲突时，我们再使用链表呗，为此，Node节点加个属性next。
基于以上我们自己分析的结论，对应hashMap，大能你写的算法叫hash函数（不是hashCode哈），下标出现的冲突就是有名的hash冲突，一旦出现hash冲突，再存入链表，OK，如果冲突多了，链表长度较大，遍历耗时较长。JDK1.8在链表数据长度超过8时加入了红黑树，也就是我们数据结构里的二叉树算法，这么理解简单了。
HashMap的算法
- Hash容量数组的size
综上，我们知道hashMap通过数组来存储对象，那数组的容量大小是如何确定的？
这里演示，cap为10时，返回的结果= 16，首先右移2的指数倍，然后跟本身做位或运算，通过下图可以看到最后等于17时，右移4位后，都是0，跟本身做位或运算，都是本身值。
这里的算法说白了，就是左移1位，将后位全部补0。
参考java位运算符：https://blog.csdn.net/shalimu/article/details/104308769
// 数组容量计算
static final int tableSizeFor(int cap) {
int n = cap - 1;
// 先右移1位，再跟本身取位或运算
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;
}
- hash函数
key的hashCode右移动16位，与本身做异或处理（相同为0，不同为1）
对于身份证来说，每一位都包含了不同的信息低16位和高16位进行了异或，让尽可能的信息都能存在于当前计算出来的值当中，使得冲突的概率会降低。
// hash算法
static final int hash(Object key) {
int h;
return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}
// 实际存入，计算数组的下标
if ((p = tab[i = (n - 1) & hash]) == null)
代码跟踪
基础类熟悉
- Node对象(基础节点)
static class Node<K,V> implements Map.Entry<K,V> {
// hash值
final int hash;
final K key;
V value;
// 指向下个节点
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
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;
}
}
}
- 属性解释
// 默认数组大小
static final int DEFAULT_INITIAL_CAPACITY = 1 << 4; // aka 16
// 最大数组容量 1*2^30
static final int MAXIMUM_CAPACITY = 1 << 30;
// 负载因子，数组实际存储size超过容量*负载因子时，扩容
static final float DEFAULT_LOAD_FACTOR = 0.75f;
// 链表长度超过8个时，转红黑树
static final int TREEIFY_THRESHOLD = 8;
// 链表<6个时，由红黑树转普通树
static final int UNTREEIFY_THRESHOLD = 6;
// 转红黑树要求的最小数组容量
static final int MIN_TREEIFY_CAPACITY = 64;
// 节点数组
transient Node<K,V>[] table;
// 实际存储大小
transient int size;
// 统计hashMap操作数组元素次数
transient int modCount;
// 容量， 下次变更时的数组临界点容量 capacity*load
int threshold;
hashMap初始化
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;
// 临界值（扩容时判断）
this.threshold = tableSizeFor(initialCapacity);
}
static final int tableSizeFor(int cap) {
int n = -1 >>> Integer.numberOfLeadingZeros(cap - 1);
return (n < 0) ? 1 : (n >= MAXIMUM_CAPACITY) ? MAXIMUM_CAPACITY : n + 1;
}
put（）方法
public V put(K key, V value) {
// hash(key) --hash算法，上面有描述
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)
// 数组为空时，resize()，分配数组大小
n = (tab = resize()).length;
// 通过hash函数计算数组下标，判断数组内该下标是否有值，如无值直接存入
if ((p = tab[i = (n - 1) & hash]) == null)
tab[i] = newNode(hash, key, value, null);
else {
Node<K,V> e; K k;
// 同一个key，覆盖掉原值即可
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
e = p;
// 节点已是红黑树节点，往下游加节点或覆盖
else if (p instanceof TreeNode)
e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
else {
// 原节点还是普通节点，遍历该节点的链表，新key往后追加
for (int binCount = 0; ; ++binCount) {
if ((e = p.next) == null) {
p.next = newNode(hash, key, value, null);
// 如节点数量超过 8 ，转为红黑树
if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st
treeifyBin(tab, hash);
break;
}
// 旧key，覆盖
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
break;
p = e;
}
}
// 设置新值，返回旧值
if (e != null) { // existing mapping for key
V oldValue = e.value;
//onlyIfAbsent：false，如果为true表示当前节点的value不能被替换
if (!onlyIfAbsent || oldValue == null)
e.value = value;
// afterNodeAccess：hashMap只是提供一个方法，给子类：LinkedHashMap实现，自己什么也不做
afterNodeAccess(e);
return oldValue;
}
}
// 结构变化次数，遍历时（forEach），防止并发问题
++modCount;
// 大于容量临界值时，重新分配容量
if (++size > threshold)
resize();
// afterNodeInsertion：hashMap只是提供一个方法，给子类：LinkedHashMap实现，自己什么也不做
afterNodeInsertion(evict);
return null;
}
resize（）方法
final Node<K,V>[] resize() {
Node<K,V>[] oldTab = table;
int oldCap = (oldTab == null) ? 0 : oldTab.length;
int oldThr = threshold;
int newCap, newThr = 0;
// 容量之前已初始化过
if (oldCap > 0) {
// 旧容量大于容量最大值，直接返回旧容量，不能再扩容
if (oldCap >= MAXIMUM_CAPACITY) {
threshold = Integer.MAX_VALUE;
return oldTab;
}
// 旧容量按2的指数倍扩容
else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&
oldCap >= DEFAULT_INITIAL_CAPACITY)
newThr = oldThr << 1; // double threshold
}
// 旧临界值>0，有参构造函数时调用
else if (oldThr > 0) // initial capacity was placed in threshold
newCap = oldThr;
// 第一次初始化，初始容量16，负载因子 0.75
else { // zero initial threshold signifies using defaults
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;
/*以上代码总结：
1.如果已经对底层数组初始化就进行扩容
2.如果数组长度已经是最大整数值了，最大值赋给threshold，不会在进行扩容
3.如果没有达到，数组长度扩展两倍，threshold扩招为原来的两倍
*/
@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) {//老数组向新数组进行迁移
Node<K,V> e;
if ((e = oldTab[j]) != null) {
oldTab[j] = null;
if (e.next == null) // 无子节点，即无hash冲突的节点，原有数组下标不变
newTab[e.hash & (newCap - 1)] = e;
else if (e instanceof TreeNode) // 红黑树节点，调用split迁移
((TreeNode<K,V>)e).split(this, newTab, j, oldCap);
else { // 链表迁移
Node<K,V> loHead = null, loTail = null;
Node<K,V> hiHead = null, hiTail = null;
Node<K,V> next;
do {
next = e.next;
//节点的key的hash值与原数组的大小 & （与运算），得到的结果为 0 表示在新的数组中下标不变。组成新的链表
if ((e.hash & oldCap) == 0) {
if (loTail == null)
loHead = e;
else
loTail.next = e;
loTail = e;
}
//结果非0的时候，存储在新数组中一个新的位置，形成一个链表
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;
}
treeifyBin（）方法
/**
* 链表转红黑树
*/
final void treeifyBin(Node<K,V>[] tab, int hash) {
int n, index; Node<K,V> e;
//先判断tab的大小是否大于64，如果是，转成红黑树，否则调用`resize()`方法进行扩容
if (tab == null || (n = tab.length) < MIN_TREEIFY_CAPACITY)
resize();
//存储结构转成红黑树，后面讲红黑树的时候再讲
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);
}
}
get（）方法
public V get(Object key) {
Node<K,V> e;
return (e = getNode(key)) == null ? null : e.value;
}
final Node<K,V> getNode(Object key) {
Node<K,V>[] tab; Node<K,V> first, e; int n, hash; K k;
if ((tab = table) != null && (n = tab.length) > 0 &&
(first = tab[(n - 1) & (hash = hash(key))]) != null) { // (n - 1) & (hash = hash(key))已经是通过key计算的下标，拿到key对应下标的首节点
if (first.hash == hash && // 如果首节点key值相等，直接返回
((k = first.key) == key || (key != null && key.equals(k))))
return first;
if ((e = first.next) != null) {
if (first instanceof TreeNode) // 红黑树查询
return ((TreeNode<K,V>)first).getTreeNode(hash, key);
do { // 链表遍历
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
return e;
} while ((e = e.next) != null);
}
}
return null;
}
![[架构之路-179]-《软考-系统分析师》-19- 系统可靠性分析与设计 - 故障模型、可靠性模型、可靠性分析](https://img-blog.csdnimg.cn/f38135dbfcce4e41b4ed8df5eb33851f.png)
