JDK 8 HashMap源码解读
开始进入HashMap前，先了解一下知识，这样才能更好的理解源码。
开始前预习
关于二叉树的知识点摘自：https://www.jianshu.com/p/bf73c8d50dc2
推荐看原文；树的相关知识只作为回顾，不会详细说明。
树
树：
- 有且仅有一个特定的成为根的节点
- 当n>1时，其余节点可分为m(m>0)个互不相交的有限集 T1、T2、…、Tn，其中每一个集合本身又是一棵树，并且称为根的子树。
此外，树的定义还需要强调以下两点：
- n>0时根结点是唯一的，不可能存在多个根结点，数据结构中的树只能有一个根结点。
- m>0时，子树的个数没有限制，但它们一定是互不相交的。
节点的度：
节点拥有的子树数目称为节点的度。
节点的层次：
从根节点定义起，根为第一层，根的孩子为第二层，以此类推。
树的深度：
树中节点的最大层次数称为树的深度和高度。
二叉树
特点：
- 每个节点最多有两颗子树，所以二叉树中不存在度大于2的节点
- 左子树和右子树是有顺序的，次序不能任意颠倒
- 即使树中某节点只有一颗子树，也要区分它是左子树还是右子树
其实二叉树很好理解
斜树：
- 所有的结点都只有左子树的二叉树叫左斜树。所有结点都是只有右子树的二叉树叫右斜树。这两者统称为斜树
满二叉树：
- 在一棵二叉树中。如果所有分支结点都存在左子树和右子树，并且所有叶子都在同一层上，这样的二叉树称为满二叉树
完全二叉树：
- 对一颗具有n个结点的二叉树按层编号，如果编号为i(1<=i<=n)的结点与同样深度的满二叉树中编号为i的结点在二叉树中位置完全相同，则这棵二叉树称为完全二叉树
存储结构：
- 顺序存储结构：使用一维数组存储，并且存储的位置就是数组的下标索引，但一般适用于完全二叉树
- 链表存储结构：节点定义有指向左孩子和右孩子的指针
二叉查找树（BST)
定义：
又称二叉排序树，具有二叉树性质，若它有左子树，字左子树上所有节点的值均小于它的根节点的值，若它的右子树不为空，则右子树上所有节点的值均大于它的根节点的值
对于上面的定义，普通的二叉树就不一样，它不像查找树这样，有大小之分。
完全平衡二叉树(AVL)
定义：
在二叉查找树的基础上，左子树和右子树的高度之差的绝对值不超过1；左子树和右子树的高度因子称之为平衡因子。
缺点：
红黑树
它是一种自平衡二叉查找树
定义：
- 节点非红即黑
- 根节点是黑的
- 每个叶子节点都是黑的（空节点）
- 从根节点到叶子节点，不会出现两个连续的红色节点
- 对每个节点，从该节点到叶子节点的路径上包含相同数目的黑节点
理解左旋和右旋：
- 左旋是逆时针旋转，右旋是顺时针旋转；
- 右旋就是旋转节点以左孩子为中心，顺时针旋转，左孩子的右孩子变为旋转节点的左孩子，旋转节点变为左孩子的右孩子（好绕，看到比较好）
- 左旋就是旋转节点以右孩子为中心，逆时针旋转，右孩子的左孩子变为旋转节点的右孩子，旋转节点变为右孩子的
在这里插入图片描述
插入的规律：
- 父亲节点是黑色的，不进行调整 ；
- 父亲节点是红色的：
- 叔叔节点是红色，父亲节点+叔叔节点变黑色，祖父节点变红色，如果祖父节点上面还有节点，那么将祖父节点作为新节点去检查上面的树；
- 叔叔节点为空，父节点，新节点在左边，祖父节点右旋；父节点，新节点在右边，祖父节点左旋；父节点在右，新节点在左，新节点右旋，祖父节点左旋，反之旋转方向相反；
- 叔叔是黑色，父节点，新节点在左边，祖父节点右旋；父节点，新节点在右边，祖父节点左旋；父节点在右，新节点在左，新节点右旋，祖父节点左旋，反之旋转方向相反；（这条和叔叔节点是空的一样，因为所有的叶子节点（空节点）都是黑的）
对于父亲节点红色，叔叔节点不存在或者是黑的规律，文字描述过于绕，我简化为下面的：
定：x：新节点，p：父节点，pp祖父节点，以父节点p为旋转中心
- p右，x右，pp左旋
- p右，x左，x右旋（p以x为旋转中心，右旋），pp左旋
- p左，x左，pp右旋
- p左，x右，x左旋（p以x为旋转中心，右旋），pp右旋
实例检验以上规律：
- **父亲节点是黑色的，不进行调整 **
这种情况有：
1.只有根节点
在这里插入图片描述
2.在上一次插入后，叶子节点（非空节点）为黑色
如下，第一幅图中在插入10 后，父级那一层20和40都变为黑色，或者是第二幅图中插入10后，父级和祖父级10、25和20都变色。
以定义来说：
- 节点非红即黑 =》 符合
- 根节点是黑的 =》 符合
- 每个叶子节点都是黑的（空节点） =》 符合
- 从根节点到叶子节点，不会出现两个连续的红色节点 =》 符合
- 对每个节点，从该节点到叶子节点的路径上包含相同数目的黑节点 =》 符合
所以，这些情况下，再插入节点，都不需要调整
在这里插入图片描述
在这里插入图片描述
- 叔叔节点是红色的，叔叔节点是红色，父亲节点+叔叔节点变黑色，祖父节点变红色，如果祖父节点上面还有节点，那么将祖父节点作为新节点去检查上面的树；
在这里插入图片描述
虽然这颗树调整完后，不是很好看，但是它完全符合红黑树的定义，配合定义再来看一遍：
- 节点非红即黑 =》 符合
- 根节点是黑的 =》 符合
- 每个叶子节点都是黑的（空节点） =》 符合
- 从根节点到叶子节点，不会出现两个连续的红色节点 =》 符合
- 对每个节点，从该节点到叶子节点的路径上包含相同数目的黑节点 =》 符合
在这里插入图片描述
- 父亲节点是红色，叔叔节点为空，父节点，新节点在左边，祖父节点右旋；父节点，新节点在右边，祖父节点左旋，反之旋转方向相反；父节点在右，新节点在左，新节点右旋，祖父节点左旋，反之旋转方向相反；
简单的如下面情况，在插入10或者是小于30的数，都需要调整
在这里插入图片描述
或者是下面情况，插入小于20的数，就会发生旋转，插入5发生右旋，插入15发生左旋。
在这里插入图片描述
- 叔叔是黑色，父节点，新节点在左边，祖父节点右旋；父节点，新节点在右边，祖父节点左旋；父节点在右，新节点在左，新节点右旋，祖父节点左旋，反之旋转方向相反；（这条和叔叔节点是空的一样，因为所有的叶子节点（空节点）都是黑的）
上面图稍微修改一下，这个图比上面复杂一点，但是找到规律也是很简单的，在第一次插入5时，调整的是20为根节点的子树，当调整完后，将20作为新节点，去调整上面的树也就是红框框住的树（每次调整只关心3层）；在调整完后，整颗树就比较完美了。
在这里插入图片描述
源码
红黑树源码
上边我们从原理和实例上了解了红黑树，现在从源码级别来看看他的一个流程，HashMap的插入有使用到红黑树，所以，了解了红黑树，再去看效果会更好。
static <K,V> TreeNode<K,V> balanceInsertion(TreeNode<K,V> root,
TreeNode<K,V> x) {
// 新节点默认红色
x.red = true;
for (TreeNode<K,V> xp, xpp, xppl, xppr;;) {
// 表示没有父亲节点，也就是根节点，设为黑色
if ((xp = x.parent) == null) {
x.red = false;
return x;
}
// 父亲节点位黑色，或者是祖父节点位空，这个不需要处理，直接返回
else if (!xp.red || (xpp = xp.parent) == null)
return root;
// 下面的情况都是父亲节点是红色为前提
// 判断父亲节点是否左节点
if (xp == (xppl = xpp.left)) {
// 判断叔叔节点是不是红的
if ((xppr = xpp.right) != null && xppr.red) {
// 父亲 叔叔都是红色，就变为黑色
xppr.red = false;
xp.red = false;
xpp.red = true;
// 将祖父节点作为新节点（往上层检查，变换）
x = xpp;
}
// 到这里存在两种情况：1.不存在叔叔节点，2.叔叔节点是黑色
else {
// 如果新节点插入到右边
if (x == xp.right) {
// 新节点左旋
root = rotateLeft(root, x = xp);
// 左旋后，矫正变量对应的节点
xpp = (xp = x.parent) == null ? null : xp.parent;
}
if (xp != null) {
// 设置xp节点颜色
xp.red = false;
if (xpp != null) {
// 设置xpp为红色，然后右旋
xpp.red = true;
root = rotateRight(root, xpp);
}
}
}
}
// 父亲节点是右节点
else {
// 叔叔节点红色
if (xppl != null && xppl.red) {
// 变色
xppl.red = false;
xp.red = false;
xpp.red = true;
// 递归设置
x = xpp;
}
// 叔叔节点黑色
else {
// 新节点是左孩子
if (x == xp.left) {
root = rotateRight(root, x = xp);
xpp = (xp = x.parent) == null ? null : xp.parent;
}
if (xp != null) {
xp.red = false;
if (xpp != null) {
xpp.red = true;
root = rotateLeft(root, xpp);
}
}
}
}
}
}左旋
static <K,V> TreeNode<K,V> rotateLeft(TreeNode<K,V> root,
TreeNode<K,V> p) {
// r: p的右孩子
// pp:p的父亲
// rl:p的右孩子的左孩子（r的左孩子）
// p: 要旋转的节点
TreeNode<K,V> r, pp, rl;
if (p != null && (r = p.right) != null) {
// 修改p右孩子地指针
if ((rl = p.right = r.left) != null)
// r的左孩子不为空，就把它的parent指针指向p
rl.parent = p;
// 修改r的parent指针，指向pp
if ((pp = r.parent = p.parent) == null)
// 这种情况就是pp为根节点，就把r作为根节点，并变为黑色
(root = r).red = false;
// pp不是根节点，并且左孩子是p
else if (pp.left == p)
// 就把r变为pp的左孩子
pp.left = r;
// 除去以上情况：p为pp的右孩子
else
pp.right = r;
// 修改指针执行，完成旋转
r.left = p;
p.parent = r;
}
return root;
}右旋
static <K,V> TreeNode<K,V> rotateRight(TreeNode<K,V> root,
TreeNode<K,V> p) {
// l: P的左孩子
// pp:P的父亲
// lr:p的左孩子的右孩子（l的右孩子）
// p: 要旋转的节点
TreeNode<K,V> l, pp, lr;
if (p != null && (l = p.left) != null) {
// 修改l右孩子指针
if ((lr = p.left = l.right) != null)
// l的右孩子不为空，就把lr的父亲指针指向p
lr.parent = p;
// 修改p的parent指针指向
if ((pp = l.parent = p.parent) == null)
// 根节点设置黑色
(root = l).red = false;
// 如果p为右节点
else if (pp.right == p)
// 修改pp的右节点为l(p的右孩子)
pp.right = l;
// 非上述情况：p为左节点
else
// 修改pp的左节点为l(p的左孩子)
pp.left = l;
// 修改指针，完成旋转
l.right = p;
p.parent = l;
}
return root;
}下面这种情况是：叔叔节点是红色，父亲节点+叔叔节点变黑色，祖父节点变红色，如果祖父节点上面还有节点，那么将祖父节点作为新节点去检查上面的树；
在插入新节点后，需要对红黑树进行调整，在调整的最后，x = xpp这个的意思是：从我们插入节点开始进行检查是否符合红黑树定义，每次的检查涉及到插入节点x、父节点xp、祖父节点xpp，相当于一颗大的树里的一个子树，所以需要递归的方法去调整整颗树。
在这里插入图片描述
这种情况是，不存在叔叔节点，或者叔叔节点是黑色的。
他就包含了以下规律：
- 叔叔节点为空，父节点，新节点在左边，祖父节点右旋；父节点，新节点在右边，祖父节点左旋；父节点在右，新节点在左，新节点右旋，祖父节点左旋，反之旋转方向相反；
- 叔叔是黑色，父节点，新节点在左边，祖父节点右旋；父节点，新节点在右边，祖父节点左旋；父节点在右，新节点在左，新节点右旋，祖父节点左旋，反之旋转方向相反；（这条和叔叔节点是空的一样，因为所有的叶子节点（空节点）都是黑的）
在这里插入图片描述
先以简单例子走流程，分析他的调整过程。
假设一：父亲节点红色，不存在叔叔节点
第一次将 r左旋，调换p和r的位置。
在这里插入图片描述
在旋转完后，需要把各变量对应的节点重新对应设置，然后修改xpp颜色，然后进入第二处旋转。
第二次将pp右旋，调整pp为r的右孩子并变色；
在这里插入图片描述
右旋和左旋一样，修改指针指向，调整节点树顺序，到这才完成红黑树的调整。
在这里插入图片描述
假设二：父亲节点红色，在左边，叔叔节点黑色，插入新节点也在左边
以这个图为例，将红框中的部分拆出来。
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
HashMap 源码
JDK7和8有这样一些区别：
- 在hash上的计算，8 的没有7 的复杂，原因可能就是在8里面引入了红黑树，已经将插入读取的效率提高了，再在下标上下功夫没有多大用处了。
final int hash(Object k) {
int h = hashSeed;
if (0 != h && k instanceof String) {
return sun.misc.Hashing.stringHash32((String) k);
}
h ^= k.hashCode();
// This function ensures that hashCodes that differ only by
// constant multiples at each bit position have a bounded
// number of collisions (approximately 8 at default load factor).
h ^= (h >>> 20) ^ (h >>> 12);
return h ^ (h >>> 7) ^ (h >>> 4);
}jdk8：
static final int hash(Object key) {
int h;
return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}- 8里的内部数组数组类型是Node，7里面是Entry
- 8里面链表是尾插法，7是头插法
final V putVal(int hash, K key, V value, boolean onlyIfAbsent,
boolean evict) {
Node<K,V>[] tab; Node<K,V> p; int n, i;
// 初始化
if ((tab = table) == null || (n = tab.length) == 0)
n = (tab = resize()).length;
// 如果空的，新建节点；这里的下标计算和jdk7的一样取模
if ((p = tab[i = (n - 1) & hash]) == null)
tab[i] = newNode(hash, key, value, null);
else {
Node<K,V> e; K k;
// 找相同的节点
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
e = p;
// 红黑树
else if (p instanceof TreeNode)
e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
// 链表
else {
// 遍历
for (int binCount = 0; ; ++binCount) {
if ((e = p.next) == null) {
p.next = newNode(hash, key, value, null);
// 当有8个节点时进行树化
if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st
treeifyBin(tab, hash);
break;
}
// 遍历到当前级退出
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)
resize();
afterNodeInsertion(evict);
return null;
}情况一：插入前还是链表
红黑树是改变链表的插入查询效率提升，这里在树化增加判断，利用扩容的方式使链表长度变短，提升效率，当长度大于64后，效率提升不大，就采用红黑树树。
final void treeifyBin(Node<K,V>[] tab, int hash) {
int n, index; Node<K,V> e;
// null，或者长度< 64 不会树化；效率问题
if (tab == null || (n = tab.length) < MIN_TREEIFY_CAPACITY)
resize();
else if ((e = tab[index = (n - 1) & hash]) != null) {
// 红黑树的节点：包含parent,left,right,prev，它是NOde的子类，同时也包含Node的属性，
//
TreeNode<K,V> hd = null, tl = null;
// 从第一个元素遍历
do {
// 修改节点为红黑树的节点对象
TreeNode<K,V> p = replacementTreeNode(e, null);
// 第一个元素进来，hd、tl 为P
// 第二次进来tl != null
if (tl == null)
hd = p;
// 循环第二次开始都走这里
else {
// 形成双向列表；
p.prev = tl;
tl.next = p;
}
tl = p;
} while ((e = e.next) != null);
if ((tab[index] = hd) != null)
// 第一个节点不为空，
hd.treeify(tab);
}
}balanceInsertion方法就是在红黑树哪里讲过，
final void treeify(Node<K,V>[] tab) {
TreeNode<K,V> root = null;
for (TreeNode<K,V> x = this, next; x != null; x = next) {
next = (TreeNode<K,V>)x.next;
x.left = x.right = null;
if (root == null) {
x.parent = null;
x.red = false;
root = x;
}
else {
// 表示新节点的
K k = x.key;
// 新节点的hash
int h = x.hash;
// key 的class类型
Class<?> kc = null;
// 从根节点开始
for (TreeNode<K,V> p = root;;) {
int dir, ph;
K pk = p.key;
// 根据树的概念，大的右边，小的左边进行插入，那么这里也是判断下一个几点应该是在那一边
if ((ph = p.hash) > h)
// dir -1 往右边走，1 则往左
dir = -1;
else if (ph < h)
dir = 1;
else if ((kc == null &&
// kc = null,才会进行赋值；
(kc = comparableClassFor(k)) == null) ||
// kc ！= null空的情况进入这个判断；判断k 和pk是否相等（新节点和根节点的key是否相等）
(dir = compareComparables(kc, k, pk)) == 0)
// 重新计算dir
dir = tieBreakOrder(k, pk);
TreeNode<K,V> xp = p;
// dir <= 0 ,插入到p的左边；这里p.left 赋值给了p，是遍历left下的树
if ((p = (dir <= 0) ? p.left : p.right) == null) {
x.parent = xp;
if (dir <= 0)
xp.left = x;
else
xp.right = x;
// 调整红黑树；
root = balanceInsertion(root, x);
break;
}
}
}
}
// 移动root
moveRootToFront(tab, root);
}这里，如果x实现的是Comparable接口就返回其类型，如果不是就返回空
static Class<?> comparableClassFor(Object x) {
if (x instanceof Comparable) {
Class<?> c; Type[] ts, as; Type t; ParameterizedType p;
if ((c = x.getClass()) == String.class) // bypass checks
return c;
if ((ts = c.getGenericInterfaces()) != null) {
for (int i = 0; i < ts.length; ++i) {
if (((t = ts[i]) instanceof ParameterizedType) &&
((p = (ParameterizedType)t).getRawType() ==
Comparable.class) &&
(as = p.getActualTypeArguments()) != null &&
as.length == 1 && as[0] == c) // type arg is c
return c;
}
}
}
return null;
}计算dir值
static int tieBreakOrder(Object a, Object b) {
int d;
if (a == null || b == null ||
// 比较classname
(d = a.getClass().getName().
compareTo(b.getClass().getName())) == 0)
// 比较hashcode
d = (System.identityHashCode(a) <= System.identityHashCode(b) ?
-1 : 1);
return d;
}移动root节点
static <K,V> void moveRootToFront(Node<K,V>[] tab, TreeNode<K,V> root) {
int n;
if (root != null && tab != null && (n = tab.length) > 0) {
// 计算位置
int index = (n - 1) & root.hash;
// 这个就是链表的头结点
TreeNode<K,V> first = (TreeNode<K,V>)tab[index];
// root不是头结点的的情况下
if (root != first) {
Node<K,V> rn;
// 将数组中的位置换成root节点
tab[index] = root;
// root的前置节点rp
TreeNode<K,V> rp = root.prev;
if ((rn = root.next) != null)
// 把root节点下一个节点的前节点指向根节点的上一个
((TreeNode<K,V>)rn).prev = rp;
if (rp != null)
// root前一个节点到 下一个节点指向root节点的上一个
rp.next = rn;
if (first != null)
// 把root放到第一个节点的前面
first.prev = root;
root.next = first;
root.prev = null;
}
assert checkInvariants(root);
}
}上面这代码的意思画图表示下更清晰（我曹 你TM画个锤子）：
其实它现在是颗红黑树，但是他有链表结构，
在这里插入图片描述
情况二：插入前是红黑树；
其里面很多判断方法和上面的一样
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;
// 获取到根节点
TreeNode<K,V> root = (parent != null) ? root() : this;
// 遍历
for (TreeNode<K,V> p = root;;) {
int dir, ph; K pk;
// 插入左边和右边的判断
if ((ph = p.hash) > h)
dir = -1;
else if (ph < h)
dir = 1;
// 找到hash值相同的，可能值也相同
else if ((pk = p.key) == k || (k != null && k.equals(pk)))
return p;
// hash值相同，且地址不同或者值又或者equals不等
else if ((kc == null &&
// 获取k的类型，赋值kc
(kc = comparableClassFor(k)) == null) ||
// 只有kc ！= null才会进入（k实现comparable）
// 判断kc的类型不相等才会返回0，不然返回k和pk的比较结果
(dir = compareComparables(kc, k, pk)) == 0) {
// 进入这里，表示，k实现comparable，或者k和pk相等
if (!searched) {
TreeNode<K,V> q, ch;
searched = true;
if (((ch = p.left) != null &&
(q = ch.find(h, k, kc)) != null) ||
((ch = p.right) != null &&
(q = ch.find(h, k, kc)) != null))
return q;
}
dir = tieBreakOrder(k, pk);
}
// 插入节点
TreeNode<K,V> xp = p;
if ((p = (dir <= 0) ? p.left : p.right) == null) {
Node<K,V> xpn = xp.next;
TreeNode<K,V> x = map.newTreeNode(h, k, v, xpn);
if (dir <= 0)
xp.left = x;
else
xp.right = x;
xp.next = x;
x.parent = x.prev = xp;
if (xpn != null)
((TreeNode<K,V>)xpn).prev = x;
// 调整红黑树并移动root节点为头结点
moveRootToFront(tab, balanceInsertion(root, x));
return null;
}
}
}JDK7里面的扩容多了一个判断条件：索引位置是否是空的；
还有就是8里面的，他会将链表和红黑树分为低位和高位的链表进行转移，比起7的比较复杂。
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) {
// 旧数组长度大于是最大值
if (oldCap >= MAXIMUM_CAPACITY) {
threshold = Integer.MAX_VALUE;
return oldTab;
}
// 旧数组长度2倍且大于等于默认长度
else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&
oldCap >= DEFAULT_INITIAL_CAPACITY)
// 阈值扩大2倍
newThr = oldThr << 1; // double threshold
}
// 旧数组长度为0，不变
else if (oldThr > 0) // initial capacity was placed in threshold
newCap = oldThr;
else { // zero initial threshold signifies using defaults
// 默认值
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;
@SuppressWarnings({"rawtypes","unchecked"})
Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap];
table = newTab;
// 旧数组不为空
if (oldTab != null) {
// 遍历；j为数组里的元素索引
for (int j = 0; j < oldCap; ++j) {
Node<K,V> e;
// j位置的元素不为空，存在树或链表
if ((e = oldTab[j]) != null) {
oldTab[j] = null;
// 下一个元素是空的，就直接把这个元素放到新数组中
if (e.next == null)
newTab[e.hash & (newCap - 1)] = e;
// 如果它是一颗红黑树
else if (e instanceof TreeNode)
((TreeNode<K,V>)e).split(this, newTab, j, oldCap);
// 它是一个链表
else { // preserve order
Node<K,V> loHead = null, loTail = null;
Node<K,V> hiHead = null, hiTail = null;
Node<K,V> next;
// 遍历链表
do {
next = e.next;
// 与原来的数组长度&，得到的结果只有高位和低位
if ((e.hash & oldCap) == 0) {
if (loTail == null)
// 设置头结点
loHead = e;
else
loTail.next = e;
// 设置尾节点
loTail = e;
}
else {
if (hiTail == null)
hiHead = e;
else
hiTail.next = e;
hiTail = e;
}
} while ((e = next) != null);
if (loTail != null) {
// 低位的链表的尾结点赋值null
loTail.next = null;
// 移动低位链表到新数组
newTab[j] = loHead;
}
if (hiTail != null) {
// 高位链表的尾结点赋值null
hiTail.next = null;
// 移动高位链表到新数组
newTab[j + oldCap] = hiHead;
}
}
}
}
}
return newTab;
}// tab 新数组，index 旧数组索引， bit 就数组容量
final void split(HashMap<K,V> map, Node<K,V>[] tab, int index, int bit) {
// 当前节点，头结点
TreeNode<K,V> b = this;
// Relink into lo and hi lists, preserving order
TreeNode<K,V> loHead = null, loTail = null;
TreeNode<K,V> hiHead = null, hiTail = null;
int lc = 0, hc = 0;
// 遍历链表
for (TreeNode<K,V> e = b, next; e != null; e = next) {
next = (TreeNode<K,V>)e.next;
e.next = null;
// 一样的分出高位链表和低位链表
if ((e.hash & bit) == 0) {
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;
}
}
// 低位不为null
if (loHead != null) {
// 低位链表的长度小于指定阈值就将树变为链表（解树化）
if (lc <= UNTREEIFY_THRESHOLD)
tab[index] = loHead.untreeify(map);
else {
// 低位链表放到新数组位置
tab[index] = loHead;
// 如果高位不为null，就重新树化低位链表
// 这里的意思是，本身一颗红黑树，被分成了高低位链表，然后移动到新数组不同位置，所以需要重新树化
if (hiHead != null) // (else is already treeified)
loHead.treeify(tab);
}
}
if (hiHead != null) {
if (hc <= UNTREEIFY_THRESHOLD)
tab[index + bit] = hiHead.untreeify(map);
else {
tab[index + bit] = hiHead;
if (loHead != null)
hiHead.treeify(tab);
}
}
}本文参与 腾讯云自媒体同步曝光计划，分享自作者个人站点/博客。
原始发表：2020/08/01 ，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
腾讯云开发者
