写在篇头

其实这是在我写完下边所有方法解析后写的。每次看源码，有些时候都不知道每一步的意义在哪里，缺少了自己的思考，直接看会枯燥，甚至不知所云。今天突然想换种说明方式。为什么会有HashMap这种结构，为了实现什么目的？为什么用这种结构？比其他结构的好在哪里？ 实例：我知道了一个人的姓名，我想找他所有信息。怎么存储，怎么查找。 简单的键值对结构被设计出来Node<”姓名”,”信息”>； 如果很多这种Node<”姓名”,”信息”>都存放在一个集合里，用什么存储结构好呢？ 试一下顺序存储结构，数组，ArrayList都是这种。放在数组里，看一下如何获取元素。由于不知道index（数组中的第几个元素），无法直接get（index），通过地址查找元素，只能遍历比较。时间复杂度为O（n）。由于这种Key不能重复，每次增删改都要先遍历，遍历一遍（O（n）），增删要移动一遍（O（n）），增加时，可能还要重新建立数组。 试一下链式存储结构，链表，看一下如何获取元素。遍历是不可少的，时间复杂度为O（n），增删改只需改一下前边元素的指向就可以了。 好了，自己都想法试完了，是不是看着简单，但操作起来耗费时间，一个O（n）的时间复杂度应该不能让人满意。看大神怎么创建的。 HashMap构造是由数组加链表组成。也就是顺序结构与链式结构的组合。每个元素为

Node(int hash, K key, V value, Node<K,V> next)

对key的hashCode与数组长度（桶的数量）-1 进行位运算。存到对应桶的的链表上，结果一样的话，再对key进行equals比较，一样的，覆盖，不一样的增加。 优点 - 直接使Key的Hashcode值经过处理变为了数组的（index），在顺序存储结构查找时间复杂度变为了O（1）+该桶链表长度，当然，如果Hash值算法好的话（极限，一个桶只对应一个），这个查询的时间复杂度无线接近于O（1）。 - 在增删改不超出门限值时，即不用重新构造数组时，时间复杂同样为O（1）+该桶的链表长度，且之后增加了红黑树，比链表的速度更快。 - 任何可变容量的数据结构，顺序结构一定要开辟新空间复制(排除初始化分配内存特别大的情况)，链表一定要增删指向。关于hashMap扩容，在扩容时，一个桶上的链表上的直接通过hash判段可以分成两个桶上的链表，这种复制方式，依赖于一开始元素分配给桶时的运算，也可以说是呼应。

概述

父类关系java.lang.Object java.util.AbstractMap<K,V> java.util.HashMap<K,V> 实现接口 Serializable Cloneable Map<K,V> 非线性安全，底层数组，链表储存结构，允许使用 null 值和 null 键。

解决问题

1.为什么默认初始容量为16，或者建议为2的幂。 2.put,remove，get方法原理。 3.java8的优化在什么地方（红黑树）。 上述问题会在说明基本结构后，开始解答。

基本概念

对于hashMap中的每个键值对对象，在内部将其封装为Entry<Key,Value>; HashMap内部维护一个Entry[] table数组，EntryTable的长度又被称为HashMap的容量（capacity）; Entry[] table数组中的每一个元素都是一个链表（也可以为null），这样的每个元素为桶（bucket）。 所有的Entry<Key,Value>的数目被称为HashMap的大小(size); 根据键值对中key的hashcode的值得某些运算，使结果一致的储存在同一个桶；

成员变量

// 初始化容量，必须是2的幂(默认为16) static final int DEFAULT_INITIAL_CAPACITY = 1 << 4; // aka 16 // 最大容量 2的30次方 static final int MAXIMUM_CAPACITY = 1 << 30; // 默认加载因子 static final float DEFAULT_LOAD_FACTOR = 0.75f; // 一般情况下，元素的hash值如果相同，那么就依次存在一个链表里， // 如果链表里的元素数目超过TREEIFY_THRESHOLD，就要把链表转化成一棵红黑树 static final int TREEIFY_THRESHOLD = 8; // 与TREEIFY_THRESHOLD相对应，如果红黑树里的元素数目小于UNTREEIFY_THRESHOLD，红黑树就退化成一个链表 static final int UNTREEIFY_THRESHOLD = 6; // 这个成员变量的定义是: 如果 // 1. 一个桶里的元素个数大于TREEIFY_THRESHOLD // 2. HashTable的桶的个数大于MIN_TREEIFY_CAPACITY // 那么，就对桶里的元素进行"树化"，否则仅仅resize整个HashTable static final int MIN_TREEIFY_CAPACITY = 64; // hash表，长度总是2的幂次 transient Node<K,V>[] table; // key-value的集合 transient Set<Map.Entry<K,V>> entrySet; // map里的key-value数目 transient int size; // 结构更改次数 transient int modCount; // resize的门限值，超过值，就要resize了，值为(capacity * load factor) int threshold; final float loadFactor;

构造方法

有三个构造方法：分别是不传参，传容量，传容量和加载因子。 构造方法中传容量这一点，非常关键，如果你提前可以估算HashMap的大致大小，有可能之后添加元素时可以省去复制数组，拆分链表，链表转数这一系列复杂操作，而且，无论你传的容量如何最终，数组的大小（桶的数量）一定是2的整数次幂。你传9到16间的任何数，他的桶数量就是16个。大于等于你传参的整数次幂，如果想要完美，直接估算出你的集合需要多少个桶传参吧，需要211个元素，100/0.75 = 133，new HashMap（138），或者直接new HashMap（256）。桶的数量是256，这个传容量，传的是桶的数目。不是元素的数目。

// 构造一个带指定初始容量和加载因子的 空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); } // 构造一个带指定初始容量和默认加载因子 (0.75) 的空 HashMap public HashMap(int initialCapacity) { this(initialCapacity, DEFAULT_LOAD_FACTOR); } // 构造一个具有默认初始容量 (16) 和默认加载因子 (0.75) 的空 HashMap。 public HashMap() { this.loadFactor = DEFAULT_LOAD_FACTOR; // all other fields defaulted } // 构造一个映射关系与指定 Map 相同的新 HashMap。 public HashMap(Map<? extends K, ? extends V> m) { this.loadFactor = DEFAULT_LOAD_FACTOR; putMapEntries(m, false); } // 计算出比cap大的最小的2的整数次幂 static final int tableSizeFor(int cap) { int n = cap - 1; 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; }

问题

问题1 为什么默认初始容量为16，或者建议为2的幂。

这个容量实际上是桶的数目。 对于HashMap中的Key映射到HahMap中对应的位置，会用到Hash函数 index = Hash(key); 这个Hash函数是如何实现的 对key的HashCode值与HashMao的长度length-1进行位运算。 index = HashCode(Key)&(length-1) 当length为2的幂时，length-1的2进制全为1 例 2的4次幂-1 15 1111 2的5次幂-1 31 11111 这样位运算的结果只和Key的Hashcode值的最后几位有关。 这样的HashCode本身分布均匀，Hash算法结果均匀，

问题2 什么是阈值和加载因子

先描述一下根据Key的hashCode值, 如何得到Value。 HashMap是由数组+链表组成，在获取元素时，根据key的Hash运算.找出Entry[] table 中的数组位置(桶)，找到桶里的链表，找到最终value。 找到桶的时间复杂度为O(1) 在桶中直到对象节点的时间复杂度为O（n） 这个时候是不是桶中的链表越短，查询速率越快。那最好的方法就是增加桶的数量（即Entry [] table 数组的长度） 但是我们的HashMap初始的时候不能就直接创建很大数组长度，且根据HashMap的元素增加，还要动态的增加桶的数量。 策略：if HashMap.size > HashMap的容量（Entry [] table 的大小）*加载因子 HashMap的Entry[] table 的容量扩充为当前的一倍，然后将以前桶中的Entry

内部类Node

// 每个Node都包含了指向下个Node的next static class Node<K,V> implements Map.Entry<K,V> { // hash值 final int hash; // key final K key; // value V value; // 下个节点 Node<K,V> next; // 构造方法 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; } // 如果key与vlaue分别相等，即认为相等 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; } }

成员方法

V put(K key, V value) 添加元素方法

// 添加Key-Value键值对 public V put(K key, V value) { return putVal(hash(key), key, value, false, true); } /** * 添加Key-Value键值对 * @param hash hash for key * @param key the key * @param value the value to put * @param onlyIfAbsent 如果为true，不替换已存在的值 * @param evict 如果为false 桶处于创造中 * @return previous value或者null */ final V putVal(int hash, K key, V value, boolean onlyIfAbsent,boolean evict) { Node<K,V>[] tab; Node<K,V> p; int n, i; // 如果数组为空，数组需要重建（扩容） if ((tab = table) == null || (n = tab.length) == 0) n = (tab = resize()).length; // hash值与数组长度-1进行位运算 // p就是桶的链表的头结点或者树根 // 如果为空，直接放进桶里 if ((p = tab[i = (n - 1) & hash]) == null) tab[i] = newNode(hash, key, value, null); // 链表里有元素，判断是链还是树 else { Node<K,V> e; K k; // 就是链表头 if (p.hash == hash && ((k = p.key) == key || (key != null && key.equals(k)))) e = p; // 是树 else if (p instanceof TreeNode) e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value); // 是链表 是链表要考虑是否要变成红黑树 else { for (int binCount = 0; ; ++binCount) { // 没有找到，插入新节点 if ((e = p.next) == null) { p.next = newNode(hash, key, value, null); // 判断是否转换为红黑树 if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st treeifyBin(tab, hash); break; } if (e.hash == hash && ((k = e.key) == key || (key != null && key.equals(k)))) break; p = e; } } // 旧值替换为新值 新加的元素已经存在了，更新一下旧值 if (e != null) { // existing mapping for key V oldValue = e.value; if (!onlyIfAbsent || oldValue == null) e.value = value; afterNodeAccess(e); return oldValue; } } ++modCount; // 如果添加成功，需要判断一下size是超出门限值 if (++size > threshold) resize(); afterNodeInsertion(evict); return null; } // 扩容 要保持元素顺序不变，或者以2的整数次幂移动 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) { // 旧的HashMap已经超出最大容量，没法扩容 if (oldCap >= MAXIMUM_CAPACITY) { threshold = Integer.MAX_VALUE; return oldTab; } // capacity扩大为两倍 threshold扩大为两倍 else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY && oldCap >= DEFAULT_INITIAL_CAPACITY) newThr = oldThr << 1; } // 旧的HashMap的capacity为0 else if (oldThr > 0) newCap = oldThr; // 旧的capcity为0，旧的threshold也为0，用默认的构造 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); } // 更新一下threshold threshold = newThr; @SuppressWarnings({"rawtypes","unchecked"}) Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap]; table = newTab; // 判断旧的HashMap是否为空 if (oldTab != null) { for (int j = 0; j < oldCap; ++j) { // e是桶中链表的的首元素 Node<K,V> e; if ((e = oldTab[j]) != null) { // 原先的置空了 oldTab[j] = null; // 桶中链表就一个节点 e.hash是hash值，与新的数组长度做位运算，形成新的首元素 if (e.next == null) newTab[e.hash & (newCap - 1)] = e; // 桶里的元素构成了树，即必然不止一个元素 对红黑树进行操作。 else if (e instanceof TreeNode) ((TreeNode<K,V>)e).split(this, newTab, j, oldCap); // 桶里的节点构成了链表，记得要保证元素顺序 /** * 因为扩容时桶的个数变为之前的两倍，（key的hash值与数组长度 与运算，判断结果是否为0） * 直接分出去属于hi（不为0）的部分即可， * 举例说明一下即可，对于capacity为16的HashMap * hash值为7和23的元素是放在一个桶里的，假设index为0和1 * 扩容后，长度变成了32，那么此时7和23就不在一个桶里了 * 7在编号为7的桶里，index为0 * 23在编号为23的桶里，index也为0 * loHead = 7[0], loTail = 7[0] * hiHead = 23[0], hiTail = 23[0] * 判断是Hi还是Low，拿hash值与原先的capacity(16)10000与一下即可 * 原来的hash后五位为0XXXX，位运算结果为00000，即为lo * 后五位为1xxxx，运算结果为10000，即为hi，把元素Node放到新桶里 */ else { 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; }

V remove(Object key) 删除元素

// 如果存在，则从该映射移除指定键的映射。 public V remove(Object key) { Node<K,V> e; return (e = removeNode(hash(key), key, null, false, true)) == null ? null : e.value; } /** * 方法概要说明：想要移除元素，在链表层面，分为三种情况 * 红黑树，参照红黑树结构，不详细说明 * 桶中的首元素，即链表头元素，直接是头元素的next变成头元素即可 * 桶中的中间元素，让元素前的元素的next的指向变成元素后的一个元素即可 * 此方法前边在确定需要移除的元素属于上述那种情况，找到后分别处理 * @param hash hash for key * @param key the key * @param value the value to match if matchValue, else ignored * @param matchValue 如果为true 仅仅删除值等于 * @param movable 如果为FALSE 在删除时不移动其他节点 为true移动 * @return the node, or null if none */ final Node<K,V> removeNode(int hash, Object key, Object value, boolean matchValue, boolean movable) { // 和上边一样的 找到桶 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; // 桶首元素 if (p.hash == hash && ((k = p.key) == key || (key != null && key.equals(k)))) node = p; else if ((e = p.next) != null) { // 对应桶有数，判断树还是链表 先找出来node<> if (p instanceof TreeNode) node = ((TreeNode<K,V>)p).getTreeNode(hash, key); else { do { if (e.hash == hash && ((k = e.key) == key || (key != null && key.equals(k)))) { node = e; break; } p = e; } while ((e = e.next) != null); } } // 如果有 移除 if (node != null && (!matchValue || (v = node.value) == value || (value != null && value.equals(v)))) { // 如果是树 if (node instanceof TreeNode) ((TreeNode<K,V>)node).removeTreeNode(this, tab, movable); // 如果是桶里首元素 else if (node == p) tab[index] = node.next; // 如果是链表中间元素 p为元素前的一个元素 else p.next = node.next; ++modCount; --size; afterNodeRemoval(node); return node; } } return null; }

V get(Object key) 获取元素

// 找到key对应的value public V get(Object key) { Node<K,V> e; return (e = getNode(hash(key), key)) == null ? null : e.value; } // 找到key对应的value final Node<K,V> getNode(int hash, Object key) { // first为桶首元素 Node<K,V>[] tab; Node<K,V> first, e; int n; K k; // 数组不为空且长度大于0（有桶），且传进来的key对应的桶（链表）部位空 if ((tab = table) != null && (n = tab.length) > 0 && (first = tab[(n - 1) & hash]) != null) { // 和桶首比较 if (first.hash == hash && ((k = first.key) == key || (key != null && key.equals(k)))) return first; // 如果链表不只首部一个元素 判断是树还是链 if ((e = first.next) != null) { if (first instanceof TreeNode) return ((TreeNode<K,V>)first).getTreeNode(hash, key); // 链表 依次判断key是否与传进来的key完全相等 do { if (e.hash == hash && ((k = e.key) == key || (key != null && key.equals(k)))) return e; } while ((e = e.next) != null); } } return null; }