HashMap底层实现原理解析-JDK8
原创
HashMap在平时的工作中是使用最频繁的一种数据存储结构,例如在工作中我们可以用HashMap做本地缓存,存放临时对象等等场景中，而且HashMap也是平时面试当中被经常问到的知识点。因此对HashMap的知识点掌握还是比较重要的。
HashMap在JDK8 中做了一下优化,和JDK7不一样的地方主要包含以下几个地方：
- 数据结构不同： 在JDK7 中数据存储结构由 数组 + 链表 形式组成。其每一个数组元素是一个Entry类型的节点。通过对目标元素KEY取hash计算得到该元素在数组的下表，然后将元素放入数组对应下标处，当发生Hash碰撞(通过hash计算得到数组下标处已有元素，则通过单向链表的形式将该Entry通过链表的新式接入)，其数据结构如下图所示:
hashmap7.png
在JDK8中数据存储结构在 数组 + 链表的基础上，引入了红黑树 数据结构来减小链表长度。
在链表长度等于7的时候，当位桶数组长度小于64时执行一次位桶数组的扩容，当位桶数组长度已经大于64时将链表转换成红黑树。如果链表长度小于6时，会将红黑树转换成链表。因为红黑树在增加，删除节点时需要维护树的平衡，增加了计算复杂度。这样做也是为了提供HashMap的性能考虑。以下是HashMap在JDK8下的结构图:
hashmap8.png
2. 新的Node节点插入到链表的位置不同
在JDK 7 中链表上插入节点是头部插入
在JDK 8 中链表上插入节点是尾部插入
3. hash算法的简化
JDK8 中的Hash实现更加简洁，将更多性能方面的考虑交由红黑树去实现。
4. 扩容机制不同
在JDK1.7的时候是直接用hash值和需要扩容的二进制数进行&（这里就是为什么扩容的时候为啥一定必须是2的多少次幂的原因所在，因为如果只有2的n次幂的情况时最后一位二进制数才一定是1，这样能最大程度减少hash碰撞）（hash值 & length-1）
而在JDK1.8的时候直接用了JDK1.7的时候计算的规律，也就是扩容前的原始位置+扩容的大小值=JDK1.8的计算方式，而不再是JDK1.7的那种异或的方法。但是这种方式就相当于只需要判断Hash值的新增参与运算的位是0还是1就直接迅速计算出了扩容后的储存方式。
1 HashMap中的节点
1.Node 节点
Node是HashMap中用来承载我们的数据载体。我们通过put，get 方法用来存储或获取值最终都是体现在Node上。
Node 是HashMap中定义的一个静态内部类，它是一个单向链表。实现Map.Entry<K,V>接口
static class Node<K,V> implements Map.Entry<K,V> {
final int hash;//hash值
final K key;
V value;
Node<K,V> next; //下一个node节点引用
Node(int hash, K key, V value, Node<K,V> next) {
this.hash = hash;
this.key = key;
this.value = value;
this.next = next;
}
/**
* 忽略中间源码
*/
//重写了equals方法，equal方法用来判断插入的节点已存在，
//判断条件如果插入的是同一对象返回true，否则判断两个对象的key，和 value
//是否都相同，如果key 和 value都相等 则也返回true 。其他情况返回false
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;
}
}
}- TreeNode TreeNode 是JDK8 中HashMap链表长度大于等于7时会将链表转换成红黑树。红黑树是一种自平衡的二叉查找树。在HashMap 中也是承载我们数据的节点对象
static final class TreeNode<K,V> extends LinkedHashMap.Entry<K,V> {
TreeNode<K,V> parent; // 父节点
TreeNode<K,V> left; //左子树
TreeNode<K,V> right; //右子树
TreeNode<K,V> prev; //上一个节点
boolean red; //颜色
TreeNode(int hash, K key, V val, Node<K,V> next) {
super(hash, key, val, next);
}
//根据当前节点找到根节点
final TreeNode<K,V> root() {
for (TreeNode<K,V> r = this, p;;) {
if ((p = r.parent) == null)
return r;
r = p;
}
}
}
}2 HashMap中的属性,常量
1：loadFactor DEFAULT_INITIAL_CAPACITY
HashMap中默认的位桶数组的长度。默认值1 << 4 (16)
当我们new HashMap() 时，如果在构造器中不传值，或者传的值小于16 则HashMap会生成一个默认值是16的位桶数组。
2： DEFAULT_LOAD_FACTOR
HashMap 的负载因子默认 0.75f. 此负载因子的作用是为了位桶数组的扩容。当我们插入一个元素至位桶数组中(未发生hash碰撞的情况)时会检查是否需要扩容，依据是当前位桶数组长度 负载因子 是否小等于当前插入元素的下标。如果当前元素的下标已经大于等于 位桶长度 负载因子 时就会进行一次扩容。扩容大小为原理长度的一倍。
3: MAXIMUM_CAPACITY
HashMap的最大容量 1<< 30
4：TREEIFY_THRESHOLD
链表转红黑树的阈值 默认值8
5：UNTREEIFY_THRESHOLD
红黑树转链表的阈值 默认值 6
6：MIN_TREEIFY_CAPACITY
红黑树的最小容量 默认值 64
3 HashMap中的构造器
// 传入初始容量及 自定义的加载因子
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);
}
// 只传入初始容量，加载因子使用默认值 0.75
public HashMap(int initialCapacity) {
this(initialCapacity, DEFAULT_LOAD_FACTOR);
}
// 使用默认初始容量 16 ，默认加载因子 0.75
public HashMap() {
this.loadFactor = DEFAULT_LOAD_FACTOR; // all other fields defaulted
}
// 使用已有map为构造函数
public HashMap(Map<? extends K, ? extends V> m) {
this.loadFactor = DEFAULT_LOAD_FACTOR;
putMapEntries(m, false);
}4 HashMap取值
public V get(Object key) {
Node<K,V> e;
//根据key 和 key的 hash值取获取node节点
//如果未null 直接返回null, 因此 hashMap 允许key 是 null
//由此看出获取value的 方法是 getNode
return (e = getNode(hash(key), key)) == null ? null : e.value;
}
/**
* 1 将key经过hash 计算得到hash值，然后根据hash值定位元素在位桶数组中的下标
* 2 在位桶数组对应下标出的链表上逐一比对，根据key 的 equal 方法判断
* 3
*/
final Node<K,V> getNode(int hash, Object key) {
Node<K,V>[] tab; //EntryTable 数组对象
Node<K,V> first, //第一个Node节点
e;
int n; K k;
// if 条件用来判断 当前位桶数组下标处的链表上所有节点key的 hash值相同
if ((tab = table) != null && (n = tab.length) > 0 &&
(first = tab[(n - 1) & hash]) != null) {
//判断第一个节点的key 是否和目标key 相同。如果相同返回第一个节点
//条件 第一个节点的key的hash值和目标key一致 ，切 第一个节点值和目标key一致
if (first.hash == hash && // always check first node
((k = first.key) == key || (key != null && key.equals(k))))
return first;
//否则遍历链表后面所有节点，找到key值相等的节点
if ((e = first.next) != null) {
if (first instanceof TreeNode)
return ((TreeNode<K,V>)first).getTreeNode(hash, key);
do {
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
return e;
} while ((e = e.next) != null);
}
}
return null;
}5 HashMap存值
HashMap 的存储过程相对复杂一点，其流程图入下图所示:
final V putVal(int hash, K key, V value, boolean onlyIfAbsent,
boolean evict) {
Node<K,V>[] tab; Node<K,V> p; int n, i;
//如果位桶数组是空或者长度是0 则对位桶数组进行一次扩容
if ((tab = table) == null || (n = tab.length) == 0)
n = (tab = resize()).length;
//获取当前key对应的节点，如果节点为空则插入新节点
if ((p = tab[i = (n - 1) & hash]) == null)
tab[i] = newNode(hash, key, value, null);
//处理hash冲突
else {
Node<K,V> e; K k;
// 如果key的hash相同，而且key值也相等。则覆盖节点
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
e = p;
//如果节点类型是红黑树类型。则进行红黑树节点的插入
else if (p instanceof TreeNode)
e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
else {
//循环遍历找出链表上的最后一个节点
for (int binCount = 0; ; ++binCount) {
if ((e = p.next) == null) {
//找到最后一个节点后，创建新的节点并将最后一个节点的next 指向新创建的节点
p.next = newNode(hash, key, value, null);
//记录链表长度并判断 链表长度是否 大于等于 7
if (binCount >= TREEIFY_THRESHOLD - 1)
// 如果大于等于7则进行tree节点操作
treeifyBin(tab, hash);
break;
}
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
break;
p = e;
}
}
//如果链表存在相同节点则覆盖旧节点
if (e != null) { // existing mapping for key
V oldValue = e.value;
if (!onlyIfAbsent || oldValue == null)
e.value = value;
afterNodeAccess(e);
return oldValue;
}
}
//记录修改次数，并判断是否达到扩容阈值，如果超过则进行扩容
++modCount;
threshold = 负载因子 * 数组长度
if (++size > threshold)
resize();
afterNodeInsertion(evict);
return null;
}
final void treeifyBin(Node<K,V>[] tab, int hash) {
int n, index; Node<K,V> e;
//如果位桶数组长度小于 64， 则执行一次扩容
if (tab == null || (n = tab.length) < MIN_TREEIFY_CAPACITY)
resize();
else if ((e = tab[index = (n - 1) & hash]) != null) {
// 负责对链表进行红黑树转换
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);
}
}6 HashMap扩容
当HashMap 在put值时，如果 HashMpa 为空，或者length =0 时会进行resize 扩容
当链表长度大于等于 7 而且 hashMap 长度小于 64 时会进行resize扩容
当put值是如果数组size 达到扩容阈值时会进行resize扩容
进行resize扩容一次，将原位桶数组长度扩大一倍
final Node<K,V>[] resize() {
Node<K,V>[] oldTab = table;
int oldCap = (oldTab == null) ? 0 : oldTab.length; //旧的容量
int oldThr = threshold; //旧的扩容临界值
int newCap, newThr = 0; //新的容量，新的扩容临界值
//就的容量大于0 而且 就的容量大于HashMap 定义的最大容量 1 >> 30
if (oldCap > 0) {
if (oldCap >= MAXIMUM_CAPACITY) {
//就扩容临街值定义为 Integer的最大值。不再进行扩容
threshold = Integer.MAX_VALUE;
return oldTab;
}
//如果新的容量等于 旧容量翻倍后还小于 最大容量，而且旧容量大于等于默认初始容量
else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&
oldCap >= DEFAULT_INITIAL_CAPACITY)
//进行库容，新容量 = 就容量的2倍
newThr = oldThr << 1; // double threshold
}
//初始化时 新容量 = 旧容量
else if (oldThr > 0) // initial capacity was placed in threshold
newCap = oldThr;
else { // zero initial threshold signifies using defaults
//新容量等于默认初始容量 16
newCap = DEFAULT_INITIAL_CAPACITY;
//新的扩容临界值 = 初始默认容量 * 负载因子 = 16 * 0.75 = 12
newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);
}
//设置默认容量，需要根据loadFactory 设置扩容临界值
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"})
//创建新的表，并初始化原始数据
Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap];
table = newTab;
//库容有需要将node节点重新放入扩容后的数组中
if (oldTab != null) {
//开始遍历原来的旧表
for (int j = 0; j < oldCap; ++j) {
Node<K,V> e;
if ((e = oldTab[j]) != null) {
oldTab[j] = null;
if (e.next == null)
//当前位桶数组出如果没有节点。则将Node直接放入第一个位置
newTab[e.hash & (newCap - 1)] = e;
else if (e instanceof TreeNode)
//如果是树节点 则需要执行split方法
((TreeNode<K,V>)e).split(this, newTab, j, oldCap);
else { // preserve order
//处理链表节点的扩容
//preserve order保证顺序，进行节点搬移
Node<K,V> loHead = null, loTail = null;
Node<K,V> hiHead = null, hiTail = null;
Node<K,V> next;
//循环遍历链表
do {
//记录下一个结点
next = e.next;
//新表是旧表的两倍容量，实例上就把单链表拆分为两队，
// 旧表中节点的下标和新表中一直的节点 复制到lo链表
if ((e.hash & oldCap) == 0) {
if (loTail == null)
loHead = e;
else
loTail.next = e;
loTail = e;
}
else {
// 旧表中节点的下标和新表下标不一致的 放在hiTail 链表
if (hiTail == null)
hiHead = e;
else
hiTail.next = e;
hiTail = e;
}
} while ((e = next) != null);
//lo队不为null，放在新表原位置
if (loTail != null) {
loTail.next = null;//释放节点
newTab[j] = loHead;
}
//hi队不为null，放在新表j+oldCap位置
if (hiTail != null) {
hiTail.next = null;//释放节点
newTab[j + oldCap] = hiHead;
}
}
}
}
}
return newTab;
}原创声明：本文系作者授权腾讯云开发者社区发表，未经许可，不得转载。
如有侵权，请联系 cloudcommunity@tencent.com 删除。
原创声明：本文系作者授权腾讯云开发者社区发表，未经许可，不得转载。
如有侵权，请联系 cloudcommunity@tencent.com 删除。
评论
登录后参与评论
推荐阅读
目录
相关产品与服务
对象存储
对象存储（Cloud Object Storage，COS）是由腾讯云推出的无目录层次结构、无数据格式限制，可容纳海量数据且支持 HTTP/HTTPS 协议访问的分布式存储服务。腾讯云 COS 的存储桶空间无容量上限，无需分区管理，适用于 CDN 数据分发、数据万象处理或大数据计算与分析的数据湖等多种场景。