深刻淺出理解HashMap1.8源碼設計思想&手寫HashMapV1.0
深刻淺出學Java——HashMap
哈希表（hash table）
也叫散列表，是一種很是重要的數據結構，應用場景及其豐富，許多緩存技術（好比memcached）的核心其實就是在內存中維護一張大的哈希表，本文會對java集合框架中HashMap的實現原理進行講解。java
1、什麼是哈希表node
在討論哈希表以前，咱們先大概瞭解下其餘數據結構在新增，查找等基礎操做執行性能算法
數組：採用一段連續的存儲單元來存儲數據。對於指定下標的查找，時間複雜度爲O(1)；經過給定值進行查找，須要遍歷數組，逐一比對給定關鍵字和數組元素，時間複雜度爲O(n)，固然，對於有序數組，則可採用二分查找，插值查找，斐波那契查找等方式，可將查找複雜度提升爲O(logn)；對於通常的插入刪除操做，涉及到數組元素的移動，其平均複雜度也爲O(n)數組
線性鏈表：對於鏈表的新增，刪除等操做（在找到指定操做位置後），僅需處理結點間的引用便可，時間複雜度爲O(1)，而查找操做須要遍歷鏈表逐一進行比對，複雜度爲O(n)緩存
二叉樹：對一棵相對平衡的有序二叉樹，對其進行插入，查找，刪除等操做，平均複雜度均爲O(logn)。安全
哈希表：相比上述幾種數據結構，在哈希表中進行添加，刪除，查找等操做，性能十分之高，不考慮哈希衝突的狀況下（後面會探討下哈希衝突的狀況），僅需一次定位便可完成，時間複雜度爲O(1)，接下來咱們就來看看哈希表是如何實現達到驚豔的常數階O(1)的。性能優化
咱們知道，數據結構的物理存儲結構只有兩種：順序存儲結構和鏈式存儲結構（像棧，隊列，樹，圖等是從邏輯結構去抽象的，映射到內存中，也這兩種物理組織形式），而在上面咱們提到過，在數組中根據下標查找某個元素，一次定位就能夠達到，哈希表利用了這種特性，哈希表的主幹就是數組。數據結構
好比咱們要新增或查找某個元素，咱們經過把當前元素的關鍵字 經過某個函數映射到數組中的某個位置，經過數組下標一次定位就可完成操做。
這個函數能夠簡單描述爲：存儲位置 = f(關鍵字) ，這個函數f通常稱爲哈希函數，這個函數的設計好壞會直接影響到哈希表的優劣。舉個例子，好比咱們要在哈希表中執行插入操做：併發
插入過程以下圖所示框架
查找操做同理，先經過哈希函數計算出實際存儲地址，而後從數組中對應地址取出便可。
哈希衝突
然而萬事無完美，若是兩個不一樣的元素，經過哈希函數得出的實際存儲地址相同怎麼辦？也就是說，當咱們對某個元素進行哈希運算，獲得一個存儲地址，而後要進行插入的時候，發現已經被其餘元素佔用了，其實這就是所謂的哈希衝突，也叫哈希碰撞。前面咱們提到過，哈希函數的設計相當重要，好的哈希函數會盡量地保證 計算簡單和散列地址分佈均勻,可是，咱們須要清楚的是，數組是一塊連續的固定長度的內存空間，再好的哈希函數也不能保證獲得的存儲地址絕對不發生衝突。那麼哈希衝突如何解決呢？哈希衝突的解決方案有多種:開放定址法（發生衝突，繼續尋找下一塊未被佔用的存儲地址），再散列函數法，鏈地址法，而HashMap便是採用了鏈地址法，也就是數組+鏈表的方式。
2、HashMap的實現原理
HashMap的主幹是一個Entry數組。Entry是HashMap的基本組成單元，每個Entry包含一個key-value鍵值對。（其實所謂Map其實就是保存了兩個對象之間的映射關係的一種集合）
//HashMap的主幹數組，能夠看到就是一個Entry數組，初始值爲空數組{}，主幹數組的長度必定是2的次冪。 //至於爲何這麼作，後面會有詳細分析。 transient Entry<K,V>[] table = (Entry<K,V>[]) EMPTY_TABLE;
Entry是HashMap中的一個靜態內部類。代碼以下
static class Entry<K,V> implements Map.Entry<K,V> {
final K key;
V value;
Entry<K,V> next;//存儲指向下一個Entry的引用，單鏈表結構
int hash;//對key的hashcode值進行hash運算後獲得的值，存儲在Entry，避免重複計算
/**
* Creates new entry.
*/
Entry(int h, K k, V v, Entry<K,V> n) {
value = v;
next = n;
key = k;
hash = h;
}
因此，HashMap的整體結構以下：
簡單來講，HashMap由數組+鏈表組成的，數組是HashMap的主體，鏈表則是主要爲了解決哈希衝突而存在的，若是定位到的數組位置不含鏈表（當前entry的next指向null）,那麼查找，添加等操做很快，僅需一次尋址便可；若是定位到的數組包含鏈表，對於添加操做，其時間複雜度爲O(n)，首先遍歷鏈表，存在即覆蓋，不然新增；對於查找操做來說，仍需遍歷鏈表，而後經過key對象的equals方法逐一比對查找。因此，性能考慮，HashMap中的鏈表出現越少，性能纔會越好。
其餘幾個重要字段
/**實際存儲的key-value鍵值對的個數*/
transient int size;
/**閾值，當table == {}時，該值爲初始容量（初始容量默認爲16）；當table被填充了，也就是爲table分配內存空間後，
threshold通常爲 capacity*loadFactory。HashMap在進行擴容時須要參考threshold，後面會詳細談到*/
int threshold;
/**負載因子，表明了table的填充度有多少，默認是0.75
加載因子存在的緣由，仍是由於減緩哈希衝突，若是初始桶爲16，等到滿16個元素才擴容，某些桶裏可能就有不止一個元素了。
因此加載因子默認爲0.75，也就是說大小爲16的HashMap，到了第13個元素，就會擴容成32。
*/
final float loadFactor;
/**HashMap被改變的次數，因爲HashMap非線程安全，在對HashMap進行迭代時，
若是期間其餘線程的參與致使HashMap的結構發生變化了（好比put，remove等操做），
須要拋出異常ConcurrentModificationException*/
transient int modCount;
HashMap有4個構造器，其餘構造器若是用戶沒有傳入initialCapacity 和loadFactor這兩個參數，會使用默認值
initialCapacity默認爲16，loadFactory默認爲0.75
咱們看下其中一個
public HashMap(int initialCapacity, float loadFactor) {
//此處對傳入的初始容量進行校驗，最大不能超過MAXIMUM_CAPACITY = 1<<30(230)
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;
threshold = initialCapacity;
init();//init方法在HashMap中沒有實際實現，不過在其子類如 linkedHashMap中就會有對應實現
}
從上面這段代碼咱們能夠看出，在常規構造器中，沒有爲數組table分配內存空間（有一個入參爲指定Map的構造器例外），而是在執行put操做的時候才真正構建table數組
OK,接下來咱們來看看put操做的實現
public V put(K key, V value) {
//若是table數組爲空數組{}，進行數組填充（爲table分配實際內存空間），入參爲threshold，
//此時threshold爲initialCapacity 默認是1<<4(24=16)
if (table == EMPTY_TABLE) {
inflateTable(threshold);
}
//若是key爲null，存儲位置爲table[0]或table[0]的衝突鏈上
if (key == null)
return putForNullKey(value);
int hash = hash(key);//對key的hashcode進一步計算，確保散列均勻
int i = indexFor(hash, table.length);//獲取在table中的實際位置
for (Entry<K,V> e = table[i]; e != null; e = e.next) {
//若是該對應數據已存在，執行覆蓋操做。用新value替換舊value，並返回舊value
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++;//保證併發訪問時，若HashMap內部結構發生變化，快速響應失敗
addEntry(hash, key, value, i);//新增一個entry
return null;
}
inflateTable這個方法用於爲主幹數組table在內存中分配存儲空間，經過roundUpToPowerOf2(toSize)能夠確保capacity爲大於或等於toSize的最接近toSize的二次冪，好比toSize=13,則capacity=16;to_size=16,capacity=16;to_size=17,capacity=32.
private void inflateTable(int toSize) {
int capacity = roundUpToPowerOf2(toSize);//capacity必定是2的次冪
/**此處爲threshold賦值，取capacity*loadFactor和MAXIMUM_CAPACITY+1的最小值，
capaticy必定不會超過MAXIMUM_CAPACITY，除非loadFactor大於1 */
threshold = (int) Math.min(capacity * loadFactor, MAXIMUM_CAPACITY + 1);
table = new Entry[capacity];
initHashSeedAsNeeded(capacity);
}
roundUpToPowerOf2中的這段處理使得數組長度必定爲2的次冪，Integer.highestOneBit是用來獲取最左邊的bit（其餘bit位爲0）所表明的數值.
private static int roundUpToPowerOf2(int number) {
// assert number >= 0 : "number must be non-negative";
return number >= MAXIMUM_CAPACITY
? MAXIMUM_CAPACITY
: (number > 1) ? Integer.highestOneBit((number - 1) << 1) : 1;
}
hash函數
/**這是一個神奇的函數，用了不少的異或，移位等運算
對key的hashcode進一步進行計算以及二進制位的調整等來保證最終獲取的存儲位置儘可能分佈均勻*/
final int hash(Object k) {
int h = hashSeed;
if (0 != h && k instanceof String) {
return sun.misc.Hashing.stringHash32((String) k);
}
h ^= k.hashCode();
h ^= (h >>> 20) ^ (h >>> 12);
return h ^ (h >>> 7) ^ (h >>> 4);
}
以上hash函數計算出的值，經過indexFor進一步處理來獲取實際的存儲位置
/**
* 返回數組下標
*/
static int indexFor(int h, int length) {
return h & (length-1);
}
h&（length-1）保證獲取的index必定在數組範圍內，舉個例子，默認容量16，length-1=15，h=18,轉換成二進制計算爲index=2。位運算對計算機來講，性能更高一些（HashMap中有大量位運算）
因此最終存儲位置的肯定流程是這樣的：
再來看看addEntry的實現：
void addEntry(int hash, K key, V value, int bucketIndex) {
if ((size >= threshold) && (null != table[bucketIndex])) {
resize(2 * table.length);//當size超過臨界閾值threshold，而且即將發生哈希衝突時進行擴容
hash = (null != key) ? hash(key) : 0;
bucketIndex = indexFor(hash, table.length);
}
createEntry(hash, key, value, bucketIndex);
}
經過以上代碼可以得知，當發生哈希衝突而且size大於閾值的時候，須要進行數組擴容，擴容時，須要新建一個長度爲以前數組2倍的新的數組，而後將當前的Entry數組中的元素所有傳輸過去，擴容後的新數組長度爲以前的2倍，因此擴容相對來講是個耗資源的操做。
3、爲什麼HashMap的數組長度必定是2的次冪？
咱們來繼續看上面提到的resize方法
void resize(int newCapacity) {
Entry[] oldTable = table;
int oldCapacity = oldTable.length;
if (oldCapacity == MAXIMUM_CAPACITY) {
threshold = Integer.MAX_VALUE;
return;
}
Entry[] newTable = new Entry[newCapacity];
transfer(newTable, initHashSeedAsNeeded(newCapacity));
table = newTable;
threshold = (int)Math.min(newCapacity * loadFactor, MAXIMUM_CAPACITY + 1);
}
若是數組進行擴容，數組長度發生變化，而存儲位置 index = h&(length-1),index也可能會發生變化，須要從新計算index，咱們先來看看transfer這個方法
void transfer(Entry[] newTable, boolean rehash) {
int newCapacity = newTable.length;
//for循環中的代碼，逐個遍歷鏈表，從新計算索引位置，將老數組數據複製到新數組中去（數組不存儲實際數據，因此僅僅是拷貝引用而已）
for (Entry<K,V> e : table) {
while(null != e) {
Entry<K,V> next = e.next;
if (rehash) {
e.hash = null == e.key ? 0 : hash(e.key);
}
int i = indexFor(e.hash, newCapacity);
//將當前entry的next鏈指向新的索引位置,newTable[i]有可能爲空，有可能也是個entry鏈，若是是entry鏈，直接在鏈表頭部插入。
e.next = newTable[i];
newTable[i] = e;
e = next;
}
}
}
這個方法將老數組中的數據逐個鏈表地遍歷，扔到新的擴容後的數組中，咱們的數組索引位置的計算是經過 對key值的hashcode進行hash擾亂運算後，再經過和 length-1進行位運算獲得最終數組索引位置。
HashMap的數組長度必定保持2的次冪，好比16的二進制表示爲 10000，那麼length-1就是15，二進制爲01111，同理擴容後的數組長度爲32，二進制表示爲100000，length-1爲31，二進制表示爲011111。從下圖能夠咱們也能看到這樣會保證低位全爲1，而擴容後只有一位差別，也就是多出了最左位的1，這樣在經過 h&(length-1)的時候，只要h對應的最左邊的那一個差別位爲0，就能保證獲得的新的數組索引和老數組索引一致(大大減小了以前已經散列良好的老數組的數據位置從新調換)，我的理解。
還有，數組長度保持2的次冪，length-1的低位都爲1，會使得得到的數組索引index更加均勻
咱們看到，上面的&運算，高位是不會對結果產生影響的（hash函數採用各類位運算可能也是爲了使得低位更加散列），咱們只關注低位bit，若是低位所有爲1，那麼對於h低位部分來講，任何一位的變化都會對結果產生影響，也就是說，要獲得index=21這個存儲位置，h的低位只有這一種組合。這也是數組長度設計爲必須爲2的次冪的緣由。
若是不是2的次冪，也就是低位不是全爲1此時，要使得index=21，h的低位部分再也不具備惟一性了，哈希衝突的概率會變的更大，同時，index對應的這個bit位不管如何不會等於1了，而對應的那些數組位置也就被白白浪費了。
get方法：
public V get(Object key) {
//若是key爲null,則直接去table[0]處去檢索便可。
if (key == null)
return getForNullKey();
Entry<K,V> entry = getEntry(key);
return null == entry ? null : entry.getValue();
}
get方法經過key值返回對應value，若是key爲null，直接去table[0]處檢索。咱們再看一下getEntry這個方法
final Entry<K,V> getEntry(Object key) {
if (size == 0) {
return null;
}
//經過key的hashcode值計算hash值
int hash = (key == null) ? 0 : hash(key);
//indexFor (hash&length-1) 獲取最終數組索引，而後遍歷鏈表，經過equals方法比對找出對應記錄
for (Entry<K,V> e = table[indexFor(hash, table.length)];
e != null;
e = e.next) {
Object k;
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
return e;
}
return null;
}
能夠看出，get方法的實現相對簡單，key(hashcode)–>hash–>indexFor–>最終索引位置，找到對應位置table[i]，再查看是否有鏈表，遍歷鏈表，經過key的equals方法比對查找對應的記錄。要注意的是，有人以爲上面在定位到數組位置以後而後遍歷鏈表的時候，e.hash == hash這個判斷不必，僅經過equals判斷就能夠。其實否則，試想一下，若是傳入的key對象重寫了equals方法卻沒有重寫hashCode，而恰巧此對象定位到這個數組位置，若是僅僅用equals判斷多是相等的，但其hashCode和當前對象不一致，這種狀況，根據Object的hashCode的約定，不能返回當前對象，而應該返回null，後面的例子會作出進一步解釋。
4、重寫equals方法需同時重寫hashCode方法
最後咱們再聊聊老生常談的一個問題，各類資料上都會提到，「重寫equals時也要同時覆蓋hashcode」，咱們舉個小例子來看看，若是重寫了equals而不重寫hashcode會發生什麼樣的問題
public class MyTest {
private static class Person{
int idCard;
String name;
public Person(int idCard, String name) {
this.idCard = idCard;
this.name = name;
}
@Override
public boolean equals(Object o) {
if (this == o) {
return true;
}
if (o == null || getClass() != o.getClass()){
return false;
}
Person person = (Person) o;
//兩個對象是否等值，經過idCard來肯定
return this.idCard == person.idCard;
}
}
public static void main(String []args){
HashMap<Person,String> map = new HashMap<Person, String>();
Person person = new Person(1234,"喬峯");
//put到hashmap中去
map.put(person,"天龍八部");
//get取出，從邏輯上講應該能輸出「天龍八部」
System.out.println("結果:"+map.get(new Person(1234,"蕭峯")));
}
}
實際輸出結果：null
若是咱們已經對HashMap的原理有了必定了解，這個結果就不難理解了。儘管咱們在進行get和put操做的時候，使用的key從邏輯上講是等值的（經過equals比較是相等的），但因爲沒有重寫hashCode方法，因此put操做時，key(hashcode1)–>hash–>indexFor–>最終索引位置 ，而經過key取出value的時候 key(hashcode1)–>hash–>indexFor–>最終索引位置，因爲hashcode1不等於hashcode2，致使沒有定位到一個數組位置而返回邏輯上錯誤的值null（也有可能碰巧定位到一個數組位置，可是也會判斷其entry的hash值是否相等，上面get方法中有提到。）
因此，在重寫equals的方法的時候，必須注意重寫hashCode方法，同時還要保證經過equals判斷相等的兩個對象，調用hashCode方法要返回一樣的整數值。而若是equals判斷不相等的兩個對象，其hashCode能夠相同（只不過會發生哈希衝突，應儘可能避免）。
5、JDK1.8中HashMap的性能優化
假如一個數組槽位上鍊上數據過多（即拉鍊過長的狀況）致使性能降低該怎麼辦？
JDK1.8在JDK1.7的基礎上針對增長了紅黑樹來進行優化。即當鏈表超過8時，鏈表就轉換爲紅黑樹，利用紅黑樹快速增刪改查的特色提升HashMap的性能，其中會用到紅黑樹的插入、刪除、查找等算法。
關於這方面的探討咱們之後的文章再作說明。
附：HashMap put方法邏輯圖（JDK1.8）
手寫HashMap1.8 v1.0版本
定義統一接口
package day03;
import java.util.HashMap;
import java.util.LinkedHashMap;
import java.util.Set;
/**
* @since 2019/11/28
**/
public interface IHashMap<K ,V> {
/**
* put()
*
* @param key
* @param value
* @return
*/
V put(K key, V value);
/**
* size()
*
* @return
*/
int size();
/**
* entrySet()
*
* @return
*/
Set<IHashMap.Entry<K, V>> entrySet();
/**
* get()
* @param key
* @return
*/
V get(Object key);
/**
* Entry
* @param <K>
* @param <V>
*/
interface Entry<K, V> {
K getKey();
V getValue();
V setValue(V value);
}
}
實現類
package day03;
import java.util.Set;
/**
* <p>
* IHashMap接口實現類
* </p>
* @since 2019/11/28
**/
public class IHashMapImpl<K,V> implements IHashMap<K,V> {
/**
* The load factor for the hash table.
* 哈希表的加載因子
* @serial
*/
final float loadFactor;
/**
* The load factor used when none specified in constructor.
* 構造函數中未指定時的加載因子
*/
static final float DEFAULT_LOAD_FACTOR = 0.75f;
/**
* 存儲元素的數組
* 第一次使用時初始化的表，大小調整爲必要的。分配時，長度老是2的冪
*/
transient Node<K,V>[] table;
/**
* 轉紅黑樹的閾值
*/
static final int TREEIFY_THRESHOLD = 8;
/**
* 此哈希映射在結構上被修改的次數
* 此字段用於對的集合視圖生成迭代器
* 哈希映射失敗得很快
*/
transient int modCount;
/**
* 鍵值映射數（存儲元素的個數）
*/
transient int size;
/**
*臨界值，當實際大小（容量*加載因子）超過臨界值時，會進行擴容
*/
int threshold;
/**
* 最大容量
*/
static final int MAXIMUM_CAPACITY = 1 << 30;
/**
* 默認初始化大小爲16
*/
static final int DEFAULT_INITIAL_CAPACITY = 1 << 4;
/**
* 構造函數1
* @param initialCapacity：自定義初始化容量大小
* @param loadFactor：自定義哈希表加載因子大小
*/
public IHashMapImpl(int initialCapacity, float loadFactor) {
//限制指定的初始容量爲非負
if (initialCapacity < 0) {
throw new IllegalArgumentException("Illegal initial capacity: " +
initialCapacity);
}
//若是指定的初始容量大於最大容量，那麼就設置爲最大容量
if (initialCapacity > MAXIMUM_CAPACITY) {
initialCapacity = MAXIMUM_CAPACITY;
}
//限制哈希表的加載因子爲正
if (loadFactor <= 0 || Float.isNaN(loadFactor)) {
throw new IllegalArgumentException("Illegal load factor: " +
loadFactor);
}
//給加載因子賦值（自定義加載因子大小）
this.loadFactor = loadFactor;
//新的擴容臨界值
this.threshold = tableSizeFor(initialCapacity);
}
/**
* Returns a power of two size for the given target capacity.
* 使得給定容量爲（2^n）
*/
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;
}
/**
* 構造函數2
* @param initialCapacity：自定義哈希表的加載因子大小
*/
public IHashMapImpl(int initialCapacity) {
this(initialCapacity, DEFAULT_LOAD_FACTOR);
}
/**
* 構造函數3（默認屬性值）
*/
public IHashMapImpl() {
this.loadFactor = DEFAULT_LOAD_FACTOR;
}
/**
* 構造函數4：用m的元素初始化散列映射
* @param m
*/
public IHashMapImpl(IHashMap<? extends K, ? extends V> m) {
this.loadFactor = DEFAULT_LOAD_FACTOR;
putMapEntries(m, false);
}
/**
* 把IHashMap做爲參數傳入
* @param m
* @param evict
*/
final void putMapEntries(IHashMap<? extends K, ? extends V> m, boolean evict) {
int s = m.size();
if (s > 0) {
if (table == null) {
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 (IHashMap.Entry<? extends K, ? extends V> e : m.entrySet()) {
K key = e.getKey();
V value = e.getValue();
putVal(hash(key), key, value, false, evict);
}
}
}
/**
* put()邏輯處理：
* 下面簡單說下添加鍵值對put(key,value)的過程：
* 1，判斷鍵值對數組tab[]是否爲空或爲null，不然以默認大小resize()；
* 2，根據鍵值key計算hash值獲得插入的數組索引i，若是tab[i]==null，直接新建節點添加，不然轉入3
* 3，判斷當前數組中處理hash衝突的方式爲鏈表仍是紅黑樹(check第一個節點類型便可),分別處理
* @param key
* @param value
* @return
*/
@Override
public V put(K key, V value) {
return putVal(hash(key), key, value, false, true);
}
@Override
public int size() {
return 0;
}
@Override
public Set<Entry<K, V>> entrySet() {
return null;
}
/**
* get()處理邏輯:
* get(key)方法時獲取key的hash值，計算hash&(n-1)獲得在鏈表數組中的位置
* first=tab[hash&(n-1)],先判斷first的key是否與參數key相等，
* 不等就遍歷後面的鏈表找到相同的key值返回對應的Value值便可
* @param key
* @return
*/
@Override
public V get(Object key) {
Node<K,V> e;
return (e = getNode(hash(key), key)) == null ? null : e.value;
}
/**
* getNode()具體實現
* @param hash
* @param key
* @return
*/
final Node<K,V> getNode(int hash, Object key) {
//Entry數組對象
Node<K,V>[] tab;
//在tab數組中通過散列的第一個位置
Node<K,V> first;
Node<K,V> e;
int n; K k;
//找到插入的第一個Node，方法是hash值和n-1相與，也就是說在一條鏈上的hash值相同
if ((tab = table) != null && (n = tab.length) > 0 && (first = tab[(n - 1) & hash]) != null) {
//檢查第一個node是否是要找到的node，判斷條件是hash值要相同，key值要相同
if (first.hash == hash && ((k = first.key) == key || (key != null && key.equals(k)))) {
return first;
}
//檢查first後面的node
if ((e = first.next) != null) {
if (1==2) {
//TODO:紅黑樹處理邏輯
}
//遍歷後面的鏈表，找到key值和hash值都相同的key
do {
if (e.hash == hash && ((k = e.key) == key || (key != null && key.equals(k)))) {
return e;
}
} while ((e = e.next) != null);
}
}
return null;
}
/**
* 計算hash
* @param key
* @return
*/
static final int hash(Object key) {
int h;
return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}
/**
* put()方法具體業務邏輯實現
* @param hash
* @param key
* @param value
* @param onlyIfAbsent
* @param evict
* @return
*/
final V putVal(int hash, K key, V value, boolean onlyIfAbsent, boolean evict) {
Node<K,V>[] tab;
Node<K,V> p;
int n, i;
//1.若是tab爲空或者tab的長度爲0
if ((tab = table) == null || (n = tab.length) == 0) {
n = (tab = resize()).length;
}
//2.若是table在計算出的index下標對應的tab數組Node節點未初始化，就新建立一個Node節點插入到該位置
if ((p = tab[i = (n - 1) & hash]) == null) {
tab[i] = newNode(hash, key, value, null);
}
//3.這個分支說明計算出index值在tab數組中找到已經初始化的Node節點，就開始處理index衝突
else {
Node<K,V> e = null;
K k;
//檢查第一個Node，p是否是要找的值
if (p.hash == hash && ((k = p.key) == key || (key != null && key.equals(k)))) {
//若是是，則把Node e 指向Node p
e = p;
//若是不是則判斷Node p 是不是紅黑樹類型
} else if (1==2) {
//TODO 條件判斷轉紅黑樹的操做
} else {
//若是前面兩種狀況都不知足，則循環單鏈表
for (int binCount = 0; ; ++binCount) {
//若是Node p 的下一個節點爲空就掛在後面
if ((e = p.next) == null) {
p.next = newNode(hash, key, value, null);
//若是鏈表長度大於等於8，看是否須要轉爲紅黑樹進行處理
if (binCount >= TREEIFY_THRESHOLD - 1) {
//treeifyBin首先判斷當前hashMap的長度，若是不足64，只進行
//resize，擴容table，若是達到64，那麼將衝突的存儲結構爲紅黑樹
treeifyBin(tab, hash);
}
//終止循環條件
break;
}
//若是Node p 的下一個節點不爲空，檢查下一個Node節點是不是咱們要找的值
if (e.hash == hash && ((k = e.key) == key || (key != null && key.equals(k)))) {
//若是找到了相同的key就結束遍歷
break;
}
//將Node p節點指向Node e
p = e;
}
}
//走到這個分支，說明鏈表上有相同的key值
if (e != null) {
V oldValue = e.value;
if (!onlyIfAbsent || oldValue == null) {
e.value = value;
}
afterNodeAccess(e);
//返回存在的value值
return oldValue;
}
}
//安全，便與併發下的快速失敗
++modCount;
//若是當前node節點個數大於臨界值（初始容量*0.75）
if (++size > threshold) {
//擴容兩倍
resize();
}
afterNodeInsertion(evict);
return null;
}
private void afterNodeInsertion(boolean evict) {
}
private void treeifyBin(Node<K,V>[] tab, int hash) {
}
private void afterNodeAccess(Node<K,V> e) {
}
private Node<K,V> newNode(int hash, K key, V value, Node next) {
return new Node(hash, key, value, next);
}
/**
* 擴容機制
* @return
*/
private Node<K,V>[] resize() {
Node<K,V>[] oldTab = table;
int oldCap = (oldTab == null) ? 0 : oldTab.length;
//擴容臨界值
int oldThr = threshold;
int newCap;
int newThr = 0;
//1.若是舊錶的長度大於0
if (oldCap > 0) {
//若是擴容臨界值大於等於最大容量，直接賦值爲最大容量
if (oldCap >= MAXIMUM_CAPACITY) {
threshold = Integer.MAX_VALUE;
return oldTab;
}
//把新表的長度擴容爲舊錶長度的2倍
else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&
oldCap >= DEFAULT_INITIAL_CAPACITY) {
newThr = oldThr << 1;
}
}
//2.若是舊錶的長度爲0，則說明是第一次初始化表
else if (oldThr > 0) {
newCap = oldThr;
} else {
newCap = DEFAULT_INITIAL_CAPACITY;
newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);
}
if (newThr == 0) {
//新表長度乘以加載因子
float ft = (float)newCap * loadFactor;
newThr = (newCap < MAXIMUM_CAPACITY && ft < (float)MAXIMUM_CAPACITY ?
(int)ft : Integer.MAX_VALUE);
}
threshold = newThr;
@SuppressWarnings({"rawtypes","unchecked"})
/**下面開始構造新表，初始化表中數據**/
Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap];
//把新表賦值給table
table = newTab;
//原表不爲空，把原表中的數據移到新表中
if (oldTab != null) {
/**遍歷原來的舊錶**/
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 (1==2) {
//TODO:紅黑樹處理業務邏輯代碼
//若是e後邊有鏈表，到這裏表示e後面帶着單個鏈表，須要遍歷鏈表
} else {
Node<K,V> loHead = null, loTail = null;
Node<K,V> hiHead = null, hiTail = null;
Node<K,V> next;
//從新計算在新表中的位置，並進行搬運
do {
//記錄下一個節點
next = e.next;
//新表是舊錶的兩倍容量，實例上就把單鏈表拆分爲兩隊，
//e.hash&oldCap爲偶數一隊，e.hash&oldCap爲奇數一對
if ((e.hash & oldCap) == 0) {
if (loTail == null) {
loHead = e;
} else {
loTail.next = e;
}
loTail = e;
}
else {
//lo隊不爲null，放在新表原位置
if (hiTail == null) {
hiHead = e;
//hi隊不爲null，放在新表j+oldCap位置
} 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;
}
/**
* Basic hash bin node, used for most entries. (See below for
* TreeNode subclass, and in LinkedHashMap for its Entry subclass.)
*/
static class Node<K,V> implements IHashMap.Entry<K,V> {
final int hash;
final K key;
V value;
Node<K,V> next;
Node(int hash, K key, V value, Node<K,V> next) {
this.hash = hash;
this.key = key;
this.value = value;
this.next = next;
}
@Override
public final K getKey() { return key; }
@Override
public final V getValue() { return value; }
@Override
public final String toString() { return key + "=" + value; }
@Override
public final V setValue(V newValue) {
V oldValue = value;
value = newValue;
return oldValue;
}
}
}
未完待續....
- 1. 深刻淺出 Redux 的設計思想
- 2. 深刻淺出SOA思想
- 3. 深刻理解OkHttp源碼及設計思想
- 4. 深刻淺出—Redux源碼
- 5. 深刻淺出 Viewport 設計原理
- 6. 深刻淺出AQS源碼解析
- 7. 深刻淺出ReentrantReadWriteLock源碼解析
- 8. 深刻淺出ReentrantLock源碼解析
- 9. 深刻淺出理解SerDes
- 10. 深刻淺出理解Redux
- 更多相關文章...
- • Web 創建設計 - 網站建設指南
- • 移動設備 統計 - 瀏覽器信息
- • IntelliJ IDEA代碼格式化設置
- • Scala 中文亂碼解決
-
每一个你不满意的现在，都有一个你没有努力的曾经。
- 1. 深刻淺出 Redux 的設計思想
- 2. 深刻淺出SOA思想
- 3. 深刻理解OkHttp源碼及設計思想
- 4. 深刻淺出—Redux源碼
- 5. 深刻淺出 Viewport 設計原理
- 6. 深刻淺出AQS源碼解析
- 7. 深刻淺出ReentrantReadWriteLock源碼解析
- 8. 深刻淺出ReentrantLock源碼解析
- 9. 深刻淺出理解SerDes
- 10. 深刻淺出理解Redux