• 详解HashMap源码解析(下)


    🚀 优质资源分享 🚀

    学习路线指引(点击解锁)知识定位人群定位
    🧡 Python实战微信订餐小程序 🧡进阶级本课程是python flask+微信小程序的完美结合,从项目搭建到腾讯云部署上线,打造一个全栈订餐系统。
    💛Python量化交易实战💛入门级手把手带你打造一个易扩展、更安全、效率更高的量化交易系统

    上文详解HashMap源码解析(上)介绍了HashMap整体介绍了一下数据结构,主要属性字段,获取数组的索引下标,以及几个构造方法。本文重点讲解元素的添加查找扩容等主要方法。

    添加元素

    put(K key, V value)

    public V put(K key, V value) {
        return putVal(hash(key), key, value, false, true);
    }
    
    
    • 1
    • 2
    • 3
    • 4

    首先算出key的哈希码,调用hash方法,获取到hash值。

    • 调用putVal()
        /**
     * @param hash hash for key hash 值
     * @param key the key key 值
     * @param value the value to put value 值
     * @param onlyIfAbsent if true, don't change existing value 只有不存在,才不改变他的值
     * @param evict if false, the table is in creation mode. 
     * @return previous value, or null if none 返回上一个值,如果不存在返回null
     */
        final V putVal(int hash, K key, V value, boolean onlyIfAbsent,
     boolean evict) {
            // 声明一个node数组 tab,node 节点 
            Node[] tab; Node p; int n, i;
     // 如果 table 为 null 或者 tab的长度为 0 ,|| 两边都要做一下判断,table 为空,或者table的长度为0
     if ((tab = table) == null || (n = tab.length) == 0)
     // table 初始化
     n = (tab = resize()).length;
     // 不存在,直接新建一个Node节点
     if ((p = tab[i = (n - 1) & hash]) == null)
     // 新建节点
     tab[i] = newNode(hash, key, value, null);
     else {
     // 存在节点
     Node e; K k;
     // hash值 和 p 节点的hash值一致,(键值的地址)一致或者(键的值)一致,直接替换
     if (p.hash == hash &&
     ((k = p.key) == key || (key != null && key.equals(k))))
     e = p;
     // 节点是红黑树
     else if (p instanceof TreeNode)
     e = ((TreeNode)p).putTreeVal(this, tab, hash, key, value);
     else {
     // 节点是链表,从前往后遍历
     for (int binCount = 0; ; ++binCount) {
     // 遍历链表的最后一个节点
     if ((e = p.next) == null) {
     p.next = newNode(hash, key, value, null);
     // 链表个数大于等于 8,因为从零开始所以要减一
     if (binCount >= TREEIFY\_THRESHOLD - 1) // -1 for 1st
     // 转成红黑树
     treeifyBin(tab, hash);
     break;
     }
     // hash一致 或者 值一致 
     if (e.hash == hash &&
     ((k = e.key) == key || (key != null && key.equals(k))))
     break;
     p = e;
     }
     }
     // e不为空,直接替换赋值
     if (e != null) { // existing mapping for key
     V oldValue = e.value;
     if (!onlyIfAbsent || oldValue == null)
     // 原来的值为空,赋值
     e.value = value;
     afterNodeAccess(e);
     return oldValue;
     }
     }
     ++modCount;
     if (++size > threshold)
     resize();
     afterNodeInsertion(evict);
     return null;
     }
    折叠 
    
    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11
    • 12
    • 13
    • 14
    • 15
    • 16
    • 17
    • 18
    • 19
    • 20
    • 21
    • 22
    • 23
    • 24
    • 25
    • 26
    • 27
    • 28
    • 29
    • 30
    • 31
    • 32
    • 33
    • 34
    • 35
    • 36
    • 37
    • 38
    • 39
    • 40
    • 41
    • 42
    • 43
    • 44
    • 45
    • 46
    • 47
    • 48
    • 49
    • 50
    • 51
    • 52
    • 53
    • 54
    • 55
    • 56
    • 57
    • 58
    • 59
    • 60
    • 61
    • 62
    • 63
    • 64
    • 65
    • 66
    • 首先判断哈希数组table是否为null,如果为null,就扩容。
    • (n - 1) & hash对应的下标是否存在节点。
      • 不存在节点,就创建新的节点并赋值。
      • 存在节点
        • 节点key值是否相等,相等就替换 value
        • 是否为红黑树,添加数据到红黑树中。
        • 上面都不符合,就是普通链表,遍历链表,如果链表存在相同key就替换,否则在链表最后添加数据。

    流程图:

    putAll(Map extends K, ? extends V m)

    putAll 是将集合元素全部添加到HashMap中,putAll调用了putMapEntries方法,putMapEntries先判断是否需要扩容,然后遍历元素,调用putVal添加元素,下面是添加元素代码:

    for (Map.Entry <span class="hljs-keyword"extends K, ? extends V> e : m.entrySet()) {
        K key = e.getKey();
        V value = e.getValue();
        putVal(hash(key), key, value, false, evict);
    }
    
    
    • 1
    • 2
    • 3
    • 4
    • 5
    • 6

    获取数据

    get(Object key)

    通过key找到哈希表的中Node节点的value值。

    // 返回map映射对应的value值
    public V get(Object key) {
        Node e;
     return (e = getNode(hash(key), key)) == null ? null : e.value;
    }
    
    
    • 1
    • 2
    • 3
    • 4
    • 5
    • 6

    首先使用hash方法算出哈希值,然后再调用getNode()获取数据:

    final Node getNode(int hash, Object key) {
        Node[] tab; Node first, e; int n; K k;
     // 判断tab有数据,并且对应下标存在数据
     if ((tab = table) != null && (n = tab.length) > 0 &&
     (first = tab[(n - 1) & hash]) != null) {
     // hash相等以及key相等(key地址相等或者key的值相等),找的就是第一个元素
     if (first.hash == hash && // always check first node
     ((k = first.key) == key || (key != null && key.equals(k))))
     return first;
     // 遍历链表 
     if ((e = first.next) != null) {
     // 红黑树找到当前key所在的节点位置 
     if (first instanceof TreeNode)
     return ((TreeNode)first).getTreeNode(hash, key);
     do {
     // 普通链表,往后遍历,直到找到数据或者遍历到链表末尾为止
     if (e.hash == hash &&
     ((k = e.key) == key || (key != null && key.equals(k))))
     return e;
     } while ((e = e.next) != null);
     }
     }
     return null;
    }
    
    
    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11
    • 12
    • 13
    • 14
    • 15
    • 16
    • 17
    • 18
    • 19
    • 20
    • 21
    • 22
    • 23
    • 24
    • 25
    • 判断哈希数组是否不为null并且数组下标(n - 1) & hash处不为null,如果都有值,就查询首节点first,否则返回null
    • 找到首节点,匹配上相等的hashkey,返回首节点。
    • 链表有多个元素,是否为红黑树
      • 是红黑树,在红黑树查找
      • 不是红黑树,就遍历普通链表,直到匹配到相同的hashkey值。

    流程图:

    resize 扩容

    当哈希数组为null,或元素个数超过了阈值,就调用resize扩容方法:

    final Node[] resize() {
        // 记录原数组
        Node[] oldTab = table;
     // 原数组长度 
     int oldCap = (oldTab == null) ? 0 : oldTab.length;
     // 原阈值(数组长度达到阈值)
     int oldThr = threshold;
     // 新容量,新阈值
     int newCap, newThr = 0;
     if (oldCap > 0) {
     // 数组长度大于或者等于MAXIMUM\_CAPACITY(1>>30)不做扩容操作。
     if (oldCap >= MAXIMUM\_CAPACITY) {
     threshold = Integer.MAX\_VALUE;
     return oldTab;
     }
     // 扩容后长度小于MAXIMUM\_CAPACITY(1>>30)并且数组原来长度大于16
     // 阈值和新容量都翻倍
     else if ((newCap = oldCap << 1) < MAXIMUM\_CAPACITY &&
     oldCap >= DEFAULT\_INITIAL\_CAPACITY)
     newThr = oldThr << 1; // double threshold
     }
     // 阈值大于零,旧阈值替换成新容量
     else if (oldThr > 0) // initial capacity was placed in threshold
     newCap = oldThr;
     else { // zero initial threshold signifies using defaults
     // oldCap 和 oldThr 都小于等于0,说明是调用无参构造方法,赋值默认容量16,默认阈值12。
     newCap = DEFAULT\_INITIAL\_CAPACITY;
     newThr = (int)(DEFAULT\_LOAD\_FACTOR * DEFAULT\_INITIAL\_CAPACITY);
     }
     if (newThr == 0) {
     // 新阈值为零,计算阈值
     float ft = (float)newCap * loadFactor;
     newThr = (newCap < MAXIMUM\_CAPACITY && ft < (float)MAXIMUM\_CAPACITY ?
     (int)ft : Integer.MAX\_VALUE);
     }
     threshold = newThr;
     @SuppressWarnings({"rawtypes","unchecked"})
     // 新建Node数组。调用无参构造方法,并不会创建数组,在第一次调用put方法,才会调用resize方法,才会创建数组,延迟加载,提高效率。
     Node[] newTab = (Node[])new Node[newCap];
     table = newTab;
     // 原来的数组不为空,把原来的数组的元素重新分配到新的数组中
     // 如果是第一次调用resize方法,就不需要重新分配数组。
     if (oldTab != null) {
     // 旧数组遍历 
     for (int j = 0; j < oldCap; ++j) {
     Node e;
     // 存在下标下的第一个元素
     if ((e = oldTab[j]) != null) {
     oldTab[j] = null;
     // 当前元素下一个元素为空,说明此处只有一个元素,直接使用元素的hash值和新数组的容量取模,获得新下标的位置
     if (e.next == null)
     newTab[e.hash & (newCap - 1)] = e;
     // 红黑树,拆分红黑树,必要时可能退化为链表 
     else if (e instanceof TreeNode)
     ((TreeNode)e).split(this, newTab, j, oldCap);
     // 长度大于1的普通链表 
     else { // preserve order
     // loHead、loTail分别代表旧位置的头尾节点
     Node loHead = null, loTail = null;
     // hiHead、hiTail分别代表新位置的头尾节点
     Node hiHead = null, hiTail = null;
     Node next;
     // 遍历链表
     do {
     next = e.next;
     // & 与运算,两个都会1,结果才为1
     // 元素的hash值和oldCap与运算为0,原位置不变
     if ((e.hash & oldCap) == 0) {
     if (loTail == null)
     loHead = e;
     else
     loTail.next = e;
     loTail = e;
     }
     // 移动到原来位置 + oldCap
     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;
    }
    
    折叠 
    
    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11
    • 12
    • 13
    • 14
    • 15
    • 16
    • 17
    • 18
    • 19
    • 20
    • 21
    • 22
    • 23
    • 24
    • 25
    • 26
    • 27
    • 28
    • 29
    • 30
    • 31
    • 32
    • 33
    • 34
    • 35
    • 36
    • 37
    • 38
    • 39
    • 40
    • 41
    • 42
    • 43
    • 44
    • 45
    • 46
    • 47
    • 48
    • 49
    • 50
    • 51
    • 52
    • 53
    • 54
    • 55
    • 56
    • 57
    • 58
    • 59
    • 60
    • 61
    • 62
    • 63
    • 64
    • 65
    • 66
    • 67
    • 68
    • 69
    • 70
    • 71
    • 72
    • 73
    • 74
    • 75
    • 76
    • 77
    • 78
    • 79
    • 80
    • 81
    • 82
    • 83
    • 84
    • 85
    • 86
    • 87
    • 88
    • 89
    • 90
    • 91
    • 92
    • 93
    • 94
    • 95
    • 96
    • 97
    • 98
    • 99
    • 原容量是否为空
      • 不为空,是否大于最大容量
        • 大于最大容量,不做扩容
        • 小于最大容量,并且大于默认容量16。阈值和容量都翻倍。
      • 为空,原阈值大于零, 就阈值赋值给新容量。
    • 原容量和原阈值都小于等于零,赋值默认容量16和默认阈值12。
    • 做完阈值和容量的赋值之后,遍历数组。
    • 有值,是否只有一个元素,如果是就放入新数组n-1&hash下标处。
    • 如果是红黑树就拆分红黑树。
    • 上面两个都不符合就是普通链表。
    • 遍历链表,如果hash&数组原长度为0
      • 放在数组原下标处。
      • 不为零,放在原位置+原数组长度处。

    流程图:

    总结

    本文主要讲解了元素的添加查找扩容等主要方法,其中添加查询都需要先获取数组的下标,然后进行对应的操作。

    put添加

    • 首次添加数据需要对数组进行扩容。
    • 对应下标是否有值
      • 没有值,直接赋值
      • 有值
        • key一致,替换value值。
        • key不一致
          • 是红黑树,在红黑树添加数据。
          • 不是红黑树,就是链表,遍历链表,存在相同节点key,替换。否者添加在链表的尾部。

    get查询

    • 下标是否有值
      • 没有值,返回null
      • 有值
        *hashkey相等的话,返回节点。
        • 是否是多链表。
          • 不是,返回null
          • 是的话,是否是红黑树。
            • 红黑树,在红黑树中查找
            • 否则就是普通链表,遍历链表知道匹配到相同的hashkey

    resize 扩容

    • 容量大于零
      • 大于最大容量值,不再扩容。
      • 介于最大和默认容量之间,阈值和容量都翻倍。
    • 初始化的时候,设置默认容量和默认阈值。
    • 遍历原数组
    • 节点有值,并且只有一个值,赋值给新数组n-1&hash处。
    • 如果是红黑树,就拆分红黑树。
    • 以上都不符合,就是普通链表,遍历链表。因为数组长度都是2的幂次方,扩容后元素的位置*要么是在原位置,要么是在原位置再移动2次幂的位置
      • hash&与运算原数组长度,等于0,存在原来的位置。
      • 不等于0,就存放下标原来位置+原数组长度位置处。
  • 相关阅读:
    ADC实验
    回归预测 | MATLAB实现基于BP-Adaboost的BP神经网络结合AdaBoost多输入单输出回归预测
    华为培训笔记
    day05_流程控制语句
    OWT(Open WebRTC Toolkit) Server信令分析 (上)
    influxdb2的使用
    量化交易学习(10)均线交叉策略
    单链表的基本操作
    这份文档太关键了,阿里开发6年JavaP7工程师深知MySQL重要性(建议看看)
    OpenFeign使用示例
  • 原文地址:https://blog.csdn.net/qq_45562973/article/details/125617493