目录
HashMap 和 ConcurrentHashMap 的关系
Map整体结构
首先,先对 Map 相关类型有个整体了解,Map 虽然通常被包括在 Java 集合框架里,但是其本身并不是狭义上的集合类型(Collection),具体你可以参考下面这个简单类图。
Hashtable 比较特别,作为类似 Vector、Stack 的早期集合相关类型,它是扩展了 Dictionary 类的,类结构上与 HashMap 之类明显不同。
HashMap 等其他 Map 实现则是都扩展了 AbstractMap,里面包含了通用方法抽象。不同 Map 的用途,从类图结构就能体现出来,设计目的已经体现在不同接口上。
大部分使用 Map 的场景,通常就是放入、访问或者删除,而对顺序没有特别要求,HashMap 在这种情况下基本是最好的选择。HashMap 的性能表现非常依赖于哈希码的有效性,请务必掌握 hashCode 和 equals 的一些基本约定,比如:
- equals 相等,hashCode 一定要相等。
- 重写了 hashCode 也要重写 equals。
- hashCode 需要保持一致性,状态改变返回的哈希值仍然要一致。
- equals 的对称、反射、传递等特性。
补充一些,虽然 LinkedHashMap 和 TreeMap 都可以保证某种顺序,但二者还是非常不同的。
- LinkedHashMap 通常提供的是遍历顺序符合插入顺序,它的实现是通过为条目(键值对)维护一个双向链表。注意,通过特定构造函数,我们可以创建反映访问顺序的实例,所谓的 put、get、compute 等,都算作“访问”。
这种行为适用于一些特定应用场景,例如,我们构建一个空间占用敏感的资源池,希望可以自动将最不常被访问的对象释放掉,这就可以利用 LinkedHashMap 提供的机制来实现,参考下面的示例(jdk1.8):
import java.util.LinkedHashMap;
import java.util.Map;
public class LinkedHashMapSample {
public static void main(String[] args) {
LinkedHashMap<String, String> accessOrderedMap = new LinkedHashMap<>(16, 0.75F, true){
@Override
protected boolean removeEldestEntry(Map.Entry<String, String> eldest) { // 实现自定义删除策略,否则行为就和普遍 Map 没有区别
return size() > 3;
}
};
accessOrderedMap.put("Project1", "Valhalla");
accessOrderedMap.put("Project2", "Panama");
accessOrderedMap.put("Project3", "Loom");
accessOrderedMap.forEach( (k,v) -> {
System.out.println(k +":" + v);
});
// 模拟访问
accessOrderedMap.get("Project2");
accessOrderedMap.get("Project2");
accessOrderedMap.get("Project3");
System.out.println("Iterate over should be not affected:");
accessOrderedMap.forEach( (k,v) -> {
System.out.println(k +":" + v);
});
// 触发删除
accessOrderedMap.put("Project4", "Mission Control");
System.out.println("Oldest entry should be removed:");
accessOrderedMap.forEach( (k,v) -> {// 遍历顺序不变
System.out.println(k +":" + v);
});
}
}
- 对于 TreeMap,它的整体顺序是由键的顺序关系决定的,通过 Comparator 或 Comparable(自然顺序)来决定。
构建一个具有优先级的调度系统,其本质就是个典型的优先队列场景,Java 标准库提供了基于二叉堆实现的 PriorityQueue,都是依赖于同一种排序机制,也包括 TreeMap 的马甲 TreeSet。
类似 hashCode 和 equals 的约定,为了避免模棱两可的情况,自然顺序同样需要符合一个约定,就是 compareTo 的返回值需要和 equals 一致,否则就会出现模棱两可情况。
我们可以分析 TreeMap 的 put 方法实现:
从代码里,你可以看出什么呢? 当我不遵守约定时,两个不符合唯一性(equals)要求的对象被当作是同一个(因为,compareTo 返回 0),这会导致歧义的行为表现。
public V put(K key, V value) {
Entry<K,V> t = …
cmp = k.compareTo(t.key);
if (cmp < 0)
t = t.left;
else if (cmp > 0)
t = t.right;
else
return t.setValue(value);
// ...
}
什么是HashMap
基于哈希表的 Map 接口的实现。并允许使用 null 值和 null 键。(除了非同步和允许使用 null 之外,HashMap 类与 Hashtable 大致相同。)此类不保证映射的顺序,特别是它不保证该顺序恒久不变。 此实现假定哈希函数将元素适当地分布在各桶之间,可为基本操作(get 和 put)提供稳定的性能。迭代 collection 视图所需的时间与 HashMap 实例的“容量”(桶的数量)及其大小(键-值映射关系数)成比例。所以,如果迭代性能很重要,则不要将初始容量设置得太高(或将加载因子设置得太低)。
HashMap实现了Map接口,继承AbstractMap。其中Map接口定义了键映射到值的规则,而AbstractMap类提供 Map 接口的骨干实现,以最大限度地减少实现此接口所需的工作,其实AbstractMap类已经实现了Map。
作为哈希表的Map接口实现,其具备以下几个特点:
-
和HashTable类似,采用数组+单链表形式存储元素,从jdk1.8开始,增加了红黑树的结构,当单链表中元素个数超过指定阈值,会转化为红黑树结构存储,目的就是为了解决单链表元素过多时查询慢的问题。
-
和HashTable不同的是,HashMap是线程不安全的,方法都未使用synchronized关键字。因为内部实现不同,允许key和value值为null。
-
构建HashMap实例时有两个重要的参数,会影响其性能:初始大小和加载因子。初始大小用来规定哈希表数组的长度,即桶的个数。加载因子用来表示哈希表元素的填满程度,越大则表示允许填满的元素就越多,哈希表的空间利用率就越高,但是冲突的机会也就增加了。反之,越小则冲突的机会就会越少,但是空间很多就浪费了。
public class HashMap<K,V> extends AbstractMap<K,V>
implements Map<K,V>, Cloneable, Serializable
HashMap实现原理分析
1. HashMap的数据结构 数据结构中有数组
和链表
来实现对数据的存储,但这两者基本上是两个极端。
数组:数组必须事先定义固定的长度(元素个数),不能适应数据动态地增减的情况。当数据增加时,可能超出原先定义的元素个数;当数据减少时,造成内存浪费。
数组是静态分配内存,并且在内存中连续。
数组利用下标定位,时间复杂度为O(1)
数组插入或删除元素的时间复杂度O(n)
数组的特点是:寻址容易,插入和删除困难;
链表:链表存储区间离散,占用内存比较宽松。
链表是动态分配内存,并不连续。
链表定位元素时间复杂度O(n)
链表插入或删除元素的时间复杂度O(1)
链表的特点是:寻址困难,插入和删除容易。
哈希表
哈希表:寻址容易,插入删除也容易的数据结构。哈希表((Hash table)
既满足了数据的查找方便,同时不占用太多的内容空间,使用也十分方便。
哈希表有多种不同的实现方法,我接下来解释的是最常用的一种方法—— 拉链法,我们可以理解为“链表的数组” ,如图:
从上图我们可以发现哈希表是由数组+链表组成的,一个长度为16的数组中,每个元素存储的是一个链表的头结点。那么这些元素是按照什么样的规则存储到数组中呢。一般情况是通过hash(key)%len获得,也就是元素的key的哈希值对数组长度取模得到。比如上述哈希表中,12%16=12,28%16=12,108%16=12,140%16=12。所以12、28、108以及140都存储在数组下标为12的位置。
首先HashMap里面实现一个静态内部类Entry,其重要的属性有 key , value, next,从属性key,value我们就能很明显的看出来Entry就是HashMap键值对实现的一个基础bean,我们上面说到HashMap的基础就是一个线性数组,这个数组就是Entry[],Map里面的内容都保存在Entry[]里面。
静态常量
/**
* 默认初始大小,值为16,要求必须为2的幂
*/
static final int DEFAULT_INITIAL_CAPACITY = 1 << 4; // aka 16
/**
* 最大容量,必须不大于2^30
*/
static final int MAXIMUM_CAPACITY = 1 << 30;
/**
* 默认加载因子,值为0.75
*/
static final float DEFAULT_LOAD_FACTOR = 0.75f;
/**
* hash冲突默认采用单链表存储,当单链表节点个数大于8时,会转化为红黑树存储
*/
static final int TREEIFY_THRESHOLD = 8;
/**
* hash冲突默认采用单链表存储,当单链表节点个数大于8时,会转化为红黑树存储。
* 当红黑树中节点少于6时,则转化为单链表存储
*/
static final int UNTREEIFY_THRESHOLD = 6;
/**
* hash冲突默认采用单链表存储,当单链表节点个数大于8时,会转化为红黑树存储。
* 但是有一个前提:要求数组长度大于64,否则不会进行转化
*/
static final int MIN_TREEIFY_CAPACITY = 64;
注意:HashMap默认采用数组+单链表方式存储元素,当元素出现哈希冲突时,会存储到该位置的单链表中。但是单链表不会一直增加元素,当元素个数超过8个时,会尝试将单链表转化为红黑树存储。但是在转化前,会再判断一次当前数组的长度,只有数组长度大于64才处理。否则,进行扩容操作。此处先提到这,后续会有详细的讲解。
为何加载因子默认为0.75?
通过源码里的javadoc注释看到,元素在哈希表中分布的桶频率服从参数为0.5的泊松分布,具体可以参考下StackOverflow里的解答:https://stackoverflow.com/questions/10901752/what-is-the-significance-of-load-factor-in-hashmap
构造函数
1、无参构造函数:
public HashMap() {
this.loadFactor = DEFAULT_LOAD_FACTOR; // all other fields defaulted
}
2、带参构造函数,指定初始容量:
public HashMap(int initialCapacity) {
this(initialCapacity, DEFAULT_LOAD_FACTOR);
}
3、带参构造函数,指定初始容量和加载因子:
3.1、源码:
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)//通过后面扩容的方法知道,该值就是初始创建数组时的长度
}
//返回大于等于cap最小的2的幂,如cap为12,结果就是16
static final int tableSizeFor(int cap) {
int n = cap - 1;//为了保证当cap本身是2的幂的情况下,能够返回原本的数,否则返回的是cap的2倍
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;
}
3.2、示例:
下面我们以cap等于8为例:
-
不减一的过程如下:
图注:tableSizeFor不减一过程
最后执行加1操作,那么返回的是2^4=16,是cap的2倍。 -
减一的过程如下:
图注:tableSizeFor减一过程
最后执行加1操作,那么返回的是2^3=8,也就是cap本身。
3.3、问题:
为何数组容量必须是2次幂?
索引计算公式为i = (n - 1) & hash,如果n为2次幂,那么n-1的低位就全是1,哈希值进行与操作时可以保证低位的值不变,从而保证分布均匀,效果等同于hash%n,但是位运算比取余运算要高效的多。
4、带参构造函数,指定Map集合:
public HashMap(Map<? extends K, ? extends V> m) {
this.loadFactor = DEFAULT_LOAD_FACTOR;
putMapEntries(m, false);
}
final void putMapEntries(Map<? extends K, ? extends V> m, boolean evict) {
int s = m.size();
if (s > 0) {
if (table == null) { // pre-size
float ft = ((float)s / loadFactor) + 1.0F;
int t = ((ft < (float)MAXIMUM_CAPACITY) ?
(int)ft : MAXIMUM_CAPACITY);
if (t > threshold)
threshold = tableSizeFor(t);
}
else if (s > threshold)
resize();
for (Map.Entry<? extends K, ? extends V> e : m.entrySet()) {
K key = e.getKey();
V value = e.getValue();
putVal(hash(key), key, value, false, evict);
}
}
}
添加元素
1、源码:
public V put(K key, V value) {
return putVal(hash(key), key, value, false, true);
}
//将key的哈希值,进行高16位和低16位异或操作,增加低16位的随机性,降低哈希冲突的可能性
static final int hash(Object key) {
int h;
return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}
final V putVal(int hash, K key, V value, boolean onlyIfAbsent,
boolean evict) {
Node<K,V>[] tab; Node<K,V> p; int n, i;
//首次table为null,首先通过resize()进行数组初始化
if ((tab = table) == null || (n = tab.length) == 0)
n = (tab = resize()).length;
//利用index=(n-1)&hash的方式,找到索引位置
//如果索引位置无元素,则创建Node对象,存入数组该位置中
if ((p = tab[i = (n - 1) & hash]) == null)
tab[i] = newNode(hash, key, value, null);
else { //如果索引位置已有元素,说明hash冲突,存入单链表或者红黑树中
Node<K,V> e; K k;
//hash值和key值都一样,则进行value值的替代
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
e = p;
else if (p instanceof TreeNode) //hash值一致,key值不一致,且p为红黑树结构,则往红黑树中添加
e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
else { //hash值一致,key值不一致,且p为单链表结构,则往单链表中添加
for (int binCount = 0; ; ++binCount) {
if ((e = p.next) == null) {
p.next = newNode(hash, key, value, null); //追加到单链表末尾
if (binCount >= TREEIFY_THRESHOLD - 1) // //超过树化阈值则进行树化操作
treeifyBin(tab, hash);
break;
}
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
break;
p = e;
}
}
if (e != null) { // existing mapping for key
V oldValue = e.value;
if (!onlyIfAbsent || oldValue == null)
e.value = value;
afterNodeAccess(e);
return oldValue;
}
}
++modCount;
if (++size > threshold) //当元素个数大于新增阈值,则通过resize()扩容
resize();
afterNodeInsertion(evict);
return null;
}
2、流程图:
图注:添加元素流程图
3、hash计算:
获取hash值时:为何在hash方法中加上异或无符号右移16位的操作?
此方式是采用"扰乱函数"的解决方案,将key的哈希值,进行高16位和低16位异或操作,增加低16位的随机性,降低哈希冲突的可能性。
下面我们通过一个例子,来看下有无"扰乱函数"的情况下,计算出来索引位置的值:
图注:hash计算
扩容
1、源码:
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) {//数组不为空
if (oldCap >= MAXIMUM_CAPACITY) { //当前长度超过MAXIMUM_CAPACITY,新增阈值为Integer.MAX_VALUE
threshold = Integer.MAX_VALUE;
return oldTab;
}
else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&
oldCap >= DEFAULT_INITIAL_CAPACITY) //进行2倍扩容,如果当前长度超过初始16,新增阈值也做2倍扩容
newThr = oldThr << 1; // double threshold
}
else if (oldThr > 0) // 数组为空,指定了新增阈值
newCap = oldThr;
else { //数组为空,未指定新增阈值,采用默认初始大小和加载因子,新增阈值为16*0.75=12
newCap = DEFAULT_INITIAL_CAPACITY;
newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);
}
if (newThr == 0) { //按照给定的初始大小计算扩容后的新增阈值
float ft = (float)newCap * loadFactor;
newThr = (newCap < MAXIMUM_CAPACITY && ft < (float)MAXIMUM_CAPACITY ?
(int)ft : Integer.MAX_VALUE);
}
threshold = newThr; //扩容后的新增阈值
@SuppressWarnings({"rawtypes","unchecked"})
Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap]; //扩容后的数组
table = newTab;
if (oldTab != null) { //将原数组中元素放入扩容后的数组中
for (int j = 0; j < oldCap; ++j) {
Node<K,V> e;
if ((e = oldTab[j]) != null) {
oldTab[j] = null;
if (e.next == null) //无后继节点,则直接计算在新数组中位置,放入即可
newTab[e.hash & (newCap - 1)] = e;
else if (e instanceof TreeNode) //为树节点需要拆分
((TreeNode<K,V>)e).split(this, newTab, j, oldCap);
else { //有后继节点,且为单链表,将原数组中单链表元素进行拆分,一部分在原索引位置,一部分在原索引+原数组长度
Node<K,V> loHead = null, loTail = null; //保存在原索引的链表
Node<K,V> hiHead = null, hiTail = null; //保存在新索引的链表
Node<K,V> next;
do {
next = e.next;
if ((e.hash & oldCap) == 0) { //哈希值和原数组长度进行&操作,为0则在原数组的索引位置,非0则在原数组索引位置+原数组长度的新位置
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;
}
2、流程图:
2.1 首次调用扩容方法:
图注:首次调用扩容方法
2.2 示例:
情况一:
-
使用无参构造函数:
HashMap<String, Integer> hashMap = new HashMap<>();
-
put元素,发现table为null,调用resize扩容方法:
int oldCap = (oldTab == null) ? 0 : oldTab.length;
int oldThr = threshold;
-
oldCap为0,oldThr为0,执行resize()里的该分支:
newCap = DEFAULT_INITIAL_CAPACITY;
newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);
threshold = newThr;
@SuppressWarnings({"rawtypes","unchecked"})
Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap];
table = newTab;
-
newCap为16,newThr为12,也就是说HashMap默认数组长度为16,元素添加阈值为12。
-
threshold为12。创建大小为16的数组,赋值给table。
情况二:
-
使用有参构造函数:
HashMap<String, Integer> hashMap = new HashMap<>(7);
-
oldCap为0,oldThr为8,执行resize()里的该分支:
else if (oldThr > 0) // initial capacity was placed in threshold
newCap = oldThr;
-
newCap为8,newThr为0,执行resize()里的该分支:
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;
-
threshold为6。创建大小为8的数组,赋值给table。
2.3 非首次调用扩容方法:
图注:非首次调用扩容方法
2.4 示例:
接着2.2里的情况二,继续添加元素,直到扩容:
-
oldCap为8,oldThr为6,执行resize()里的该分支:
if (oldCap > 0) {
if (oldCap >= MAXIMUM_CAPACITY) {
threshold = Integer.MAX_VALUE;
return oldTab;
}
else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&
oldCap >= DEFAULT_INITIAL_CAPACITY)
newThr = oldThr << 1; // double threshold
}
-
oldCap小于MAXIMUM_CAPACITY,进行2倍扩容,newCap为16。oldCap小于DEFAULT_INITIAL_CAPACITY,不做newThr的扩容,为0,执行resize()里的该分支:
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;
..........省略.......//将原数组元素存入新数组中
-
因为newCap小于MAXIMUM_CAPACITY ,ft为newCap*加载因子为12,threshold为12。创建大小为16的数组,赋值给table,并将原数组元素放入新数组中。
继续添加元素,直到扩容:
-
oldCap为16,oldThr为12,执行resize()里的该分支:
if (oldCap > 0) {
if (oldCap >= MAXIMUM_CAPACITY) {
threshold = Integer.MAX_VALUE;
return oldTab;
}
else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&
oldCap >= DEFAULT_INITIAL_CAPACITY)
newThr = oldThr << 1; // double threshold
}
-
oldCap小于MAXIMUM_CAPACITY,将数组长度进行2倍扩容,newCap为32。oldCap>=DEFAULT_INITIAL_CAPACITY,将添加元素的阈值也进行2倍扩容,注意此时不再用加载因子去计算阈值,而是随着数组长度进行相应的2倍扩容,threshold为24。
-
创建大小为32的数组,赋值给table,并将原数组元素放入新数组中。
threshold = newThr;
@SuppressWarnings({"rawtypes","unchecked"})
Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap];
table = newTab;
..........省略.......//将原数组元素存入新数组中
继续添加元素,扩容到数组长度等于MAXIMUM_CAPACITY:
-
oldCap为MAXIMUM_CAPACITY,执行resize()里的该分支:
if (oldCap > 0) {
if (oldCap >= MAXIMUM_CAPACITY) {
threshold = Integer.MAX_VALUE;
return oldTab;
}
else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&
oldCap >= DEFAULT_INITIAL_CAPACITY)
newThr = oldThr << 1; // double threshold
}
-
因为oldCap等于MAXIMUM_CAPACITY,threshold设置为 Integer.MAX_VALUE,不再扩容,直接返回原数组。此时继续添加元素,Integer.MAX_VALUE+1=Integer.MIN_VALUE,不再大于threshold,则不再进行扩容操作了。
树化操作
1、源码:
将原本的单链表转化为双向链表,再遍历这个双向链表转化为红黑树:
final void treeifyBin(Node<K,V>[] tab, int hash) {
int n, index; Node<K,V> e;
//树形化还有一个要求就是数组长度必须大于等于64,否则继续采用扩容策略
if (tab == null || (n = tab.length) < MIN_TREEIFY_CAPACITY)
resize();
else if ((e = tab[index = (n - 1) & hash]) != null) {
TreeNode<K,V> hd = null, tl = null;//hd指向首节点,tl指向尾节点
do {
TreeNode<K,V> p = replacementTreeNode(e, null);//将链表节点转化为红黑树节点
if (tl == null) // 如果尾节点为空,说明还没有首节点
hd = p; // 当前节点作为首节点
else { // 尾节点不为空,构造一个双向链表结构,将当前节点追加到双向链表的末尾
p.prev = tl; // 当前树节点的前一个节点指向尾节点
tl.next = p; // 尾节点的后一个节点指向当前节点
}
tl = p; // 把当前节点设为尾节点
} while ((e = e.next) != null); // 继续遍历单链表
//将原本的单链表转化为一个节点类型为TreeNode的双向链表
if ((tab[index] = hd) != null) // 把转换后的双向链表,替换数组原来位置上的单向链表
hd.treeify(tab); // 将当前双向链表树形化
}
}
将双向链表转化为红黑树的具体实现:
final void treeify(Node<K,V>[] tab) {
TreeNode<K,V> root = null; // 定义红黑树的根节点
for (TreeNode<K,V> x = this, next; x != null; x = next) { // 从TreeNode双向链表的头节点开始逐个遍历
next = (TreeNode<K,V>)x.next; // 头节点的后继节点
x.left = x.right = null;
if (root == null) {
x.parent = null;
x.red = false;
root = x; // 头节点作为红黑树的根,设置为黑色
}
else { // 红黑树存在根节点
K k = x.key;
int h = x.hash;
Class<?> kc = null;
for (TreeNode<K,V> p = root;;) { // 从根开始遍历整个红黑树
int dir, ph;
K pk = p.key;
if ((ph = p.hash) > h) // 当前红黑树节点p的hash值大于双向链表节点x的哈希值
dir = -1;
else if (ph < h) // 当前红黑树节点的hash值小于双向链表节点x的哈希值
dir = 1;
else if ((kc == null &&
(kc = comparableClassFor(k)) == null) ||
(dir = compareComparables(kc, k, pk)) == 0) // 当前红黑树节点的hash值等于双向链表节点x的哈希值,则如果key值采用比较器一致则比较key值
dir = tieBreakOrder(k, pk); //如果key值也一致则比较className和identityHashCode
TreeNode<K,V> xp = p;
if ((p = (dir <= 0) ? p.left : p.right) == null) { // 如果当前红黑树节点p是叶子节点,那么双向链表节点x就找到了插入的位置
x.parent = xp;
if (dir <= 0) //根据dir的值,插入到p的左孩子或者右孩子
xp.left = x;
else
xp.right = x;
root = balanceInsertion(root, x); //红黑树中插入元素,需要进行平衡调整(过程和TreeMap调整逻辑一模一样)
break;
}
}
}
}
//将TreeNode双向链表转化为红黑树结构之后,由于红黑树是基于根节点进行查找,所以必须将红黑树的根节点作为数组当前位置的元素
moveRootToFront(tab, root);
}
将红黑树的根节点移动到数组的索引所在位置上:
static <K,V> void moveRootToFront(Node<K,V>[] tab, TreeNode<K,V> root) {
int n;
if (root != null && tab != null && (n = tab.length) > 0) {
int index = (n - 1) & root.hash; //找到红黑树根节点在数组中的位置
TreeNode<K,V> first = (TreeNode<K,V>)tab[index]; //获取当前数组中该位置的元素
if (root != first) { //红黑树根节点不是数组当前位置的元素
Node<K,V> rn;
tab[index] = root;
TreeNode<K,V> rp = root.prev;
if ((rn = root.next) != null) //将红黑树根节点前后节点相连
((TreeNode<K,V>)rn).prev = rp;
if (rp != null)
rp.next = rn;
if (first != null) //将数组当前位置的元素,作为红黑树根节点的后继节点
first.prev = root;
root.next = first;
root.prev = null;
}
assert checkInvariants(root);
}
}
红黑树插入
1、源码:
final TreeNode<K,V> putTreeVal(HashMap<K,V> map, Node<K,V>[] tab,
int h, K k, V v) {
Class<?> kc = null;
boolean searched = false;
TreeNode<K,V> root = (parent != null) ? root() : this;
for (TreeNode<K,V> p = root;;) {
int dir, ph; K pk;
if ((ph = p.hash) > h)//进行哈希值的比较
dir = -1;
else if (ph < h)
dir = 1;
else if ((pk = p.key) == k || (k != null && k.equals(pk)))
return p;
else if ((kc == null &&
(kc = comparableClassFor(k)) == null) ||
(dir = compareComparables(kc, k, pk)) == 0) {//hash值相同,则按照key进行比较
if (!searched) {
TreeNode<K,V> q, ch;
searched = true;
if (((ch = p.left) != null &&
(q = ch.find(h, k, kc)) != null) ||//去左子树中查找哈希值相同,key相同的节点
((ch = p.right) != null &&
(q = ch.find(h, k, kc)) != null))//去右子树中查找哈希值相同,key相同的节点
return q;
}
dir = tieBreakOrder(k, pk);//通过比较k与pk的hashcode
}
TreeNode<K,V> xp = p;
if ((p = (dir <= 0) ? p.left : p.right) == null) {//找到红黑树合适的位置插入
Node<K,V> xpn = xp.next;
TreeNode<K,V> x = map.newTreeNode(h, k, v, xpn);
if (dir <= 0) //插入到左节点或者右节点
xp.left = x;
else
xp.right = x;
xp.next = x;//插入到双向链表合适的位置
x.parent = x.prev = xp;
if (xpn != null)
((TreeNode<K,V>)xpn).prev = x;
moveRootToFront(tab, balanceInsertion(root, x));//做插入后的平衡调整 将平衡后的红黑树节点作为数组该位置的元素
return null;
}
}
}
2、说明:
当hash冲突时,单链表元素个数超过树化阈值(TREEIFY_THRESHOLD)后,转化为红黑树存储。之后再继续冲突,则就变成往红黑树中插入元素了。关于红黑树插入元素,请看我之前写的文章:TreeMap之元素插入
红黑树拆分
1、源码:
将红黑树按照扩容后的数组,重新计算索引位置,并且拆分后的红黑树还需要判断个数,从而决定是做去树化操作还是树化操作:
final void split(HashMap<K,V> map, Node<K,V>[] tab, int index, int bit) {
TreeNode<K,V> b = this;
// Relink into lo and hi lists, preserving order
TreeNode<K,V> loHead = null, loTail = null; //保存在原索引的红黑树
TreeNode<K,V> hiHead = null, hiTail = null; //保存在新索引的红黑树
int lc = 0, hc = 0;
for (TreeNode<K,V> e = b, next; e != null; e = next) {
next = (TreeNode<K,V>)e.next;
e.next = null;
if ((e.hash & bit) == 0) { //哈希值和原数组长度进行&操作,为0则在原数组的索引位置,非0则在原数组索引位置+原数组长度的新位置
if ((e.prev = loTail) == null)
loHead = e;
else
loTail.next = e;
loTail = e;
++lc;
}
else {
if ((e.prev = hiTail) == null)
hiHead = e;
else
hiTail.next = e;
hiTail = e;
++hc;
}
}
if (loHead != null) {
if (lc <= UNTREEIFY_THRESHOLD) //当红黑树的节点不大于去树化阈值,则将原索引处的红黑树进行去树化操作
tab[index] = loHead.untreeify(map); //红黑树根节点作为原索引处的元素
else { //当红黑树的节点大于去树化阈值,则将原索引处的红黑树进行树化操作
tab[index] = loHead;
if (hiHead != null) // (else is already treeified)
loHead.treeify(tab);
}
}
if (hiHead != null) {
if (hc <= UNTREEIFY_THRESHOLD) //当红黑树的节点不大于去树化阈值,则将新索引处的红黑树进行去树化操作
tab[index + bit] = hiHead.untreeify(map); //红黑树根节点作为新索引处的元素
else { //当红黑树的节点大于去树化阈值,则将新索引处的红黑树进行树化操作
tab[index + bit] = hiHead;
if (loHead != null)
hiHead.treeify(tab);
}
}
}
去树化操作
1、源码:
遍历红黑树,还原成单链表结构:
final Node<K,V> untreeify(HashMap<K,V> map) {
Node<K,V> hd = null, tl = null;
for (Node<K,V> q = this; q != null; q = q.next) { //遍历红黑树,依次将TreeNode转化为Node,还原成单链表形式
Node<K,V> p = map.replacementNode(q, null);
if (tl == null)
hd = p;
else
tl.next = p;
tl = p;
}
return hd;
}
综合示例
1、代码:
//插入38个元素,无hash冲突,依次存入索引0~37的位置
HashMap<Integer, Integer> hashMap = new HashMap<>(64);
for(int i=0; i<38; i++){
hashMap.put(i, i);
}
//依次插入64、128、182、256、320、384,448,索引位置为0,出现hash冲突,往单链表中插入
for (int i=1; i <= 7; i++) {
hashMap.put(64*i, 64*i);
}
//插入512,hash冲突,往单链表中插入。此时单链表个数大于TREEIFY_THRESHOLD,将单链表转化为红黑树
hashMap.put(64*8, 64*8);
//插入576,hash冲突,往红黑树中插入
hashMap.put(64*9, 64*9);
//hash不冲突,保存到数组索引为38的位置,此时总元素个数为48,新增阈值为48,不做处理。
hashMap.put(38, 38);
//hash不冲突,保存到数组索引为39的位置,此时总元素个数为49,新增阈值为48,扩容!!!
hashMap.put(39, 39);
2、内部实现过程:
HashMap和HashTable、TreeMap的区别
1.HashTable的方法是同步的,在方法的前面都有synchronized来同步,HashMap未经同步,所以在多线程场合要手动同步
2.HashTable不允许null值(key和value都不可以) ,HashMap允许null值(key和value都可以)。通常情况下,HashMap 进行 put 或者 get 操作,可以达到常数时间的性能,所以它是绝大部分利用键值对存取场景的首选,比如,实现一个用户 ID 和用户信息对应的运行时存储结构。
3.HashTable有一个contains(Object value)功能和containsValue(Object value)功能一样。
4.HashTable使用Enumeration进行遍历,HashMap使用Iterator进行遍历。
5.HashTable中hash数组默认大小是11,增加的方式是 old*2+1。HashMap中hash数组的默认大小是16,而且一定是2的指数。
6.哈希值的使用不同,HashTable直接使用对象的hashCode,代码是这样的:
int hash = key.hashCode();
int index = (hash & 0x7FFFFFFF) % tab.length;
而HashMap重新计算hash值,而且用与代替求模:
int hash = hash(k);
int i = indexFor(hash, table.length);
static int hash(Object x) {
h ^= (h >>> 20) ^ (h >>> 12);
return h ^ (h >>> 7) ^ (h >>> 4);
}
static int indexFor(int h, int length) {
return h & (length-1);
}
7.TreeMap 则是基于红黑树的一种提供顺序访问的 Map,和 HashMap 不同,它的 get、put、remove 之类操作都是 O(log(n))的时间复杂度,具体顺序可以由指定的 Comparator 来决定,或者根据键的自然顺序来判断。
HashMap与HashSet的关系
1、HashSet底层是采用HashMap实现的:
public HashSet() {
map = new HashMap<E,Object>();
}
2、调用HashSet的add方法时,实际上是向HashMap中增加了一行(key-value对),该行的key就是向HashSet增加的那个对象,该行的value就是一个Object类型的常量。
private static final Object PRESENT = new Object(); public boolean add(E e) {
return map.put(e, PRESENT)==null;
}
public boolean remove(Object o) {
return map.remove(o)==PRESENT;
}
HashMap 和 ConcurrentHashMap 的关系
关于这部分内容建议自己去翻翻源码,ConcurrentHashMap
也是一种线程安全的集合类,他和HashTable
也是有区别的,主要区别就是加锁的粒度以及如何加锁,ConcurrentHashMap
的加锁粒度要比HashTable
更细一点。将数据分成一段一段的存储,然后给每一段数据配一把锁,当一个线程占用锁访问其中一个段数据的时候,其他段的数据也能被其他线程访问。
参考:
https://blog.csdn.net/w372426096/article/details/80521584(必看)
HashMap中概念:https://blog.csdn.net/w372426096/article/details/80521653
HashMap容量的初始化:https://blog.csdn.net/w372426096/article/details/80522028(必看)
hash()分析的最透彻的文章:https://blog.csdn.net/w372426096/article/details/81948686(必看)