关于HashMap
本文主要围绕HashMap的实现来写。
关于什么是HashMap，如何使用，如何hash等简单的问题都将略过。
同时，HashMap在jdk1.8之前、之后，底层实现的方式，逻辑是不一样的，所以对应的方法逻辑也是不一样的。本文着重讲jdk1.8之后的，同时进行对比。
同时，本文主要抓住源码的逻辑，先展示源码的逻辑，将前面的篇幅作为逻辑的展示，而源码+注释放在后面，这样便于学习，脉络清晰，先弄清楚逻辑，再去结合源码品味。
HashMap的基本结构
首先，HashMap底层是数组，无论什么版本，都是数组
transient Node<K,V>[] table;
内部包含了一个 Node 类型的数组 table。Node继承自Entry（这个就不多介绍了）
在jdk1.8之前
HashMap的底层实现是 数组+链表。
- 数组就是作为桶来存储元素，当我们通过key的hash值来确定了桶之后，就将元素放到对应的桶（数组位置）中。
- 那么，自然会出现，两个不同的key有相同hashcode的可能，也有两个不同hashcode对应同一个桶的可能，当出现任一可能时，就会造成hash冲突，此时链表就出来解决该问题
- 在一个桶里，节点以链表的方式来存在，则就不会有冲突了
如下图所示
（https://blog.csdn.net/samniwu/article/details/90550196）
但是这也存在问题，一个桶里的链表进行查询时，时间复杂度是O(M)，这太高了，显然不符合HashMap的近似O(1)的理念。
于是jdk1.8之后进行了修改。
将上面的链表换成了链表/红黑树 的结构。
从而保证，在桶里的节点过多时，使用红黑树（平衡二叉搜索树）来进行查询，将时间复杂度从O(M)降到了O(logM)，性能大大提升
于是我们现在知道了hashmap是什么样的结构了。
HashMap内部重要字段及属性
- table：就是我们的数组
capacity：这不是字段，实际就是数组的length，但比较重要，所以就贴了出来- loadFactor ：加载因子，计算阈值的因子，可以用来代表数组中数据的稀疏程度，越接近1，越稠密，越接近0，越稀疏
- threshold： 阈值，来进行判断扩容的阈值。threshold = capacity * loadFactor
节点：
- 链表类型节点
- 树类型节点：继承自链表
如何根据hashcode确定桶
首先根据key对象的hash方法获取其hashcode
然后将其进行一次扰动(h = key.hashCode()) ^ (h >>> 16)（高16位不变，低16位^=高16位）
该扰动的目的，是将散列值进行进一步的散列，避免冲突（>>>是逻辑右移，高位补0）
然后将其传入putVal方法（put的核心）
之后通过(n - 1) & hash来确定是哪一个桶
（这里当n是2^n时，n-1的二进制全是1，则就相当于hash%n-1，于是便能较为均匀的分布在每个桶里）
何时扩容、转换红黑树
扩容
- size>= capacity * loadFactor：当前HashMap中的元素数量大于阈值时，便要进行扩容
- 当一个桶里的链表节点达到8个（默认值），且数组长度不够64
转换红黑树
- 当一个桶里的链表节点达到8个（默认值），且数组长度达到64：此时说明，数组的长度已经够长了，且当前桶里的节点过多，需要将其转换为红黑树
HashMap常用方法逻辑分析
下面将常见方法的源码逻辑进行分析，从而展示HashMap如何进行put操作，如何扩容，如何获取。
主要涉及到put、get、resize方法。
put
put方法的核心就是putVal方法，所以这里主要看这个方法。
putVal：
iftable数组为空，或者长度为0：
resize()
根据传入key定位到哪一个桶（(n - 1) & hash）
if 桶是空的：
直接插入
else 桶不为空：
e = null
if桶中第一个元素和当前元素相同（桶相同且hash相同且key相同）：
用e来记录这个节点
else if 桶中第一个元素是树节点：
调用红黑树插入方法插入方法（涉及到平衡）：
if 存在一个节点，和当前插入元素相同：
e = 该节点
跳出当前方法
红黑树插入
else 桶中第一个元素是链表节点：
if 存在一个节点，和当前插入元素相同：
e = 该节点
跳出当前else
链表插入当前插入元素：
判断是否需要转换红黑树or扩容
if e！=null（当前插入元素已经存在）：
新值换旧值
if 当前大小超过了阈值：
resize()
return
具体的逻辑如上所示
这里总结一下：
- 先找桶
- 桶是空的直接插入，返回
- 桶不是空的，进行查询看是不是已经存在，如果是，进行替换
- 如果不是，则添加（链表添加or红黑树添加）
- 判断是否需要扩容
get
主要调用getNode方法获取节点
getNode：
if table为空 || table没有元素 || 对应的桶里没有元素：
return null
if 桶里第一个元素就和当前查询元素相同：
return 该节点
if 桶里不只一个节点：
if 节点类型是树：
return 红黑树查询的结果
if 节点类型是链表：
遍历找到节点
return 目标节点
resize方法
resize：
if 旧容量已经大于等于最大容量了：
将threshold置为Integer.MAX_VALUE
return 旧table （不更新）
else 没有超过最大容量：
新容量设置为之前的两倍
更新阈值
创建新的table数组
循环遍历旧table：
重新计算hash，确定桶
将元素插入桶里
return 新table
- 容量更新为之前的两倍
- 需要创建新的数组，重新计算hash，然后进行拷贝
- resize极其耗资源
源码注释
本部分代码注释来自javaGuide
下面没有标识，都是jdk1.8
public V put(K key, V value) {
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;
// table未初始化或者长度为0，进行扩容
if ((tab = table) == null || (n = tab.length) == 0)
n = (tab = resize()).length;
// (n - 1) & hash 确定元素存放在哪个桶中，桶为空，新生成结点放入桶中(此时，这个结点是放在数组中)
if ((p = tab[i = (n - 1) & hash]) == null)
tab[i] = newNode(hash, key, value, null);
// 桶中已经存在元素
else {
Node<K,V> e; K k;
// 比较桶中第一个元素(数组中的结点)的hash值相等，key相等
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
// 将第一个元素赋值给e，用e来记录
e = p;
// hash值不相等，即key不相等；为红黑树结点
else if (p instanceof TreeNode)
// 放入树中
e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
// 为链表结点
else {
// 在链表最末插入结点
for (int binCount = 0; ; ++binCount) {
// 到达链表的尾部
if ((e = p.next) == null) {
// 在尾部插入新结点
p.next = newNode(hash, key, value, null);
// 结点数量达到阈值(默认为 8 )，执行 treeifyBin 方法
// 这个方法会根据 HashMap 数组来决定是否转换为红黑树。
// 只有当数组长度大于或者等于 64 的情况下，才会执行转换红黑树操作，以减少搜索时间。否则，就是只是对数组扩容。
if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st
treeifyBin(tab, hash);
// 跳出循环
break;
}
// 判断链表中结点的key值与插入的元素的key值是否相等
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
// 相等，跳出循环
break;
// 用于遍历桶中的链表，与前面的e = p.next组合，可以遍历链表
p = e;
}
}
// 表示在桶中找到key值、hash值与插入元素相等的结点
if (e != null) {
// 记录e的value
V oldValue = e.value;
// onlyIfAbsent为false或者旧值为null
if (!onlyIfAbsent || oldValue == null)
//用新值替换旧值
e.value = value;
// 访问后回调
afterNodeAccess(e);
// 返回旧值
return oldValue;
}
}
// 结构性修改
++modCount;
// 实际大小大于阈值则扩容
if (++size > threshold)
resize();
// 插入后回调
afterNodeInsertion(evict);
return null;
}
//jdk1.7
public V put(K key, V value)
if (table == EMPTY_TABLE) {
inflateTable(threshold);
}
if (key == null)
return putForNullKey(value);
int hash = hash(key);
int i = indexFor(hash, table.length);
for (Entry<K,V> e = table[i]; e != null; e = e.next) {
// 先遍历
Object k;
if (e.hash == hash && ((k = e.key) == key || key.equals(k))) {
V oldValue = e.value;
e.value = value;
e.recordAccess(this);
return oldValue;
}
}
modCount++;
addEntry(hash, key, value, i); // 再插入
return null;
}
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) {
// 数组元素相等
if (first.hash == hash && // always check first node
((k = first.key) == key || (key != null && key.equals(k))))
return first;
// 桶中不止一个节点
if ((e = first.next) != null) {
// 在树中get
if (first instanceof TreeNode)
return ((TreeNode<K,V>)first).getTreeNode(hash, key);
// 在链表中get
do {
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
return e;
} while ((e = e.next) != null);
}
}
return null;
}
final Node<K,V>[] resize() {
Node<K,V>[] oldTab = table;
int oldCap = (oldTab == null) ? 0 : oldTab.length;
int oldThr = threshold;
int newCap, newThr = 0;
if (oldCap > 0) {
// 超过最大值就不再扩充了，就只好随你碰撞去吧
if (oldCap >= MAXIMUM_CAPACITY) {
threshold = Integer.MAX_VALUE;
return oldTab;
}
// 没超过最大值，就扩充为原来的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
newCap = oldThr;
else {
// signifies using defaults
newCap = DEFAULT_INITIAL_CAPACITY;
newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);
}
// 计算新的resize上限
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"})
Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap];
table = newTab;
if (oldTab != null) {
// 把每个bucket都移动到新的buckets中
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 {
Node<K,V> loHead = null, loTail = null;
Node<K,V> hiHead = null, hiTail = null;
Node<K,V> next;
do {
next = e.next;
// 原索引
if ((e.hash & oldCap) == 0) {
if (loTail == null)
loHead = e;
else
loTail.next = e;
loTail = e;
}
// 原索引+oldCap
else {
if (hiTail == null)
hiHead = e;
else
hiTail.next = e;
hiTail = e;
}
} while ((e = next) != null);
// 原索引放到bucket里
if (loTail != null) {
loTail.next = null;
newTab[j] = loHead;
}
// 原索引+oldCap放到bucket里
if (hiTail != null) {
hiTail.next = null;
newTab[j + oldCap] = hiHead;
}
}
}
}
}
return newTab;
}