我习惯了无所谓，却不是真的什么都不在乎。 请关注：源码猎人
目录
简介
HashMap的主干是一个Entry数组，Entry是HashMap的基本组成单元，每一个Entry包含一个key-value键值对，采用拉链法解决Hash碰撞，链表长度超过8可能会转红黑树，这谁都知道，甚至我们都知道HashMap的put过程和扩容过程，但是我们在面试时，都说对了为啥面试官还是不满意呢？因为这些都是一个程序员最起码应该知道的，面试官在意的是你是否真的明白HashMap核心思想以及内部算法。先抛开红黑树来说，HashMap中至少有4中算法，抛开拉链法还有两种解决Hash冲突的办法，抛开HashMap来说，有很多框架、分库分表策略、请求漏油等或多或少都使用了它的思想。
位运算
不懂位运算，你怎么看HashMap算法？（这里只讲下面需要用到的位运算）
进制转换
在面试过程中我发现很多人尽然不知道进制转换，这里粗略讲一下十进制转二进制
以上是0到9十个数的二进制
十进制整数转换为二进制整数采用"除2取余，逆序排列"法。具体做法是：用2整除十进制整数，可以得到一个商和余数；再用2去除商，又会得到一个商和余数，如此进行，直到商为小于1时为止，然后把先得到的余数作为二进制数的低位有效位，后得到的余数作为二进制数的高位有效位，依次排列起来。
常用位运算
& 按位与
对应位同为1时，才为1，否则全为0（对应位只要有0，全为0，否则为1）
| 按位或
对应位只要有1时，即为1，否则全为0（对应位只有全是0时，结果才是0，否则为1）
~ 按位非
对每位进行取反
^ 按位异或
只要对应为不同即为1
<< 左移
m<<n即在数字没有溢出的前提下，对于正数和负数，左移n位都相当于m乘以2的n次方
>> 右移
m>>n即相当于m除以2的n次方，得到的为整数时，即为结果。如果结果为小数，此时会出现两种情况：
- 如果m为正数，得到的商会无条件 的舍弃小数位；
- 如果m为负数，舍弃小数部分，然后把整数部分加+1得到位移后的值。
>>> 无符号右移
符号右移>>> 与 右移>> 的区别就是无论操作数是正数还是负数，高位都是补0
位运算技巧
整数m大于0时，m>>n 相当于 m/(2^n)
任意整数m，m<<n 相当于 m*(2^n)
任意整数m，m&0 结果为0
任意整数m，m|0 结果为原值
任意整数m，m&(2^n) 结果只有0或者(2^n)
任意整数m，想要使m末位变为1，可以用 m|1；想要使m后两位变为1，可以用(m|2)|1
2^n 转换为二进制后，从右往左只有在n+1位为1，其他位都是0
2^n-1 转换为二进制后，从右往左数n位都是1，也就是第n位左边为0，右边为1
整数m大于0时，m/(2^n) 相当于m>>n，移掉的就是余数
整数m大于0时，想要取m后n位，可以使用 m&(n个1)，n个1可以用2^n -1替换，即m&(2^n -1)，m的后n位就是m>>n抹掉的数字，即m/(2^n) 的余数
HashMap 源码解读
public class HashMap<K,V> extends AbstractMap<K,V>
implements Map<K,V>, Cloneable, Serializable属性
// 默认数组长度 16
static final int DEFAULT_INITIAL_CAPACITY = 1 << 4; // aka 16
// 最大数组长度
static final int MAXIMUM_CAPACITY = 1 << 30;
// 默认加载因子
static final float DEFAULT_LOAD_FACTOR = 0.75f;
// 链表转红黑树阈值
static final int TREEIFY_THRESHOLD = 8;
// 红黑树转链表阈值
static final int UNTREEIFY_THRESHOLD = 6;
// 链表转红黑树限制
static final int MIN_TREEIFY_CAPACITY = 64;
// 元素数组
transient Node<K,V>[] table;
// 将数据转换成set的另一种存储形式，这个变量主要用于迭代功能
transient Set<Entry<K,V>> entrySet;
// 数组长度
transient int size;
// 修改次数
transient int modCount;
// 扩容阈值
int threshold;
// 实际加载因子
final float loadFactor;构造函数
public HashMap(int initialCapacity, float loadFactor) {
// 判断长度是否越界
if (initialCapacity < 0)
throw new IllegalArgumentException("Illegal initial capacity: " +
initialCapacity);
if (initialCapacity > MAXIMUM_CAPACITY)
initialCapacity = MAXIMUM_CAPACITY;
// 判断加载因子不能小于等于0，也不能是无穷值NAN
if (loadFactor <= 0 || Float.isNaN(loadFactor))
throw new IllegalArgumentException("Illegal load factor: " +
loadFactor);
// 设置加载因子
this.loadFactor = loadFactor;
// 计算扩容阈值（初始化时阈值并没有乘以加载因子）
this.threshold = tableSizeFor(initialCapacity);
}此构造函数只设置了加载因子和计算下次扩容阈值，并没有创建数组
public HashMap(int initialCapacity) {
// 调用两个参数的构造函数，加载因子使用默认值
this(initialCapacity, DEFAULT_LOAD_FACTOR);
}此构造函数调用上面构造函数初始化
public HashMap() {
// 设置默认加载因子
this.loadFactor = DEFAULT_LOAD_FACTOR; // all other fields defaulted
}最常用的构造函数，除了设置默认加载因子，其实什么事也没干
public HashMap(Map<? extends K, ? extends V> m) {
// 设置默认加载因子
this.loadFactor = DEFAULT_LOAD_FACTOR;
putMapEntries(m, false);
}调用putMapEntries方法，方法如下
final void putMapEntries(Map<? extends K, ? extends V> m, boolean evict) {
// 获取m长度
int s = m.size();
// 判断长度大于0
if (s > 0) {
// 当前table为空
if (table == null) {
// 长度除以加载因子（5/0.75=6.666...），算长度时只能算整数所以加1
float ft = ((float)s / loadFactor) + 1.0F;
int t = ((ft < (float)MAXIMUM_CAPACITY) ?
(int)ft : MAXIMUM_CAPACITY);
// 以m算出来的数组长度大于扩容阈值，则修改扩容阈值
// 当前table为空，所以会用这个阈值当数组初始化长度
if (t > threshold)
threshold = tableSizeFor(t);
}
else if (s > threshold)
// 长度大于扩容阈值，先扩容一次
resize();
// 遍历参数m的所有entry
for (Map.Entry<? extends K, ? extends V> e : m.entrySet()) {
K key = e.getKey();
V value = e.getValue();
// 向当前map中添加元素
putVal(hash(key), key, value, false, evict);
}
}
}基础方法
public int size() {
return size;
}
public boolean isEmpty() {
return size == 0;
}
public boolean containsKey(Object key) {
return getNode(hash(key), key) != null;
}获取Hash
static final int hash(Object key) {
int h;
return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}从源码中可以看出，hash算法实际上就键的hashCode与hashCode无符号右移16位异或，为什么要搞这么麻烦呢？hashCode范围-2147483648到2147483648，这么大的数HashMap根本放不下，那么他是如何确定元素所在的数组下标呢？没错就是通过余数，正常情况下我们取余通过%，例如
9%2=1
9%4=1在特殊情况下针对这种除数是2的n次幂还可以用&，例如
1001&0001=1（9%2或者9&(2-1)）
1001&0011=1（9%4或者9&(4-1)）二进制中，一个数右移1位相当于除以2的商，而恰巧被移除出去的那一位就是除以2得到的余数，例如
9>>1 二进制 1001>>1=100，结果为4，9除以2等于4，1001向右移1位被移除的是1，9模2等于1不仅是除以2，对于一个数要除以2的n次幂，也就是相当于把这个数向右移n位，而被移出去的n位即正好是我们要求是余数。例如
9>>2 二进制 1001>>2=10，结果为2
9除以4（2的2次幂）等于2，1001向右移2位被移除的是1，9模4等于1
19>>3 二进制 10011>>3=10，结果为2
19除以8（2的3次幂）等于2，10011向右移3位被移除的是3，19模8等于3对于除数是2的n次方的算式，我们只需要得到被除数的低n位就可以了，而正好，对于2的n次方这样的数，我们将其转换为二进制之后，它就是第n+1位为1，其余低位都为0的数，因此我们将其减1，就得到了第n+1位为0，而其他位都为1的数，用此数与被除数k进行位与运算，就得到了被除数的低n位二进制数
若一个数m满足：m=2n，那么k % m = k & (m-1)通过上面可以的值hashCode&(16-1)可以得到余数，把前面换成hashCode&1111可以看出，实际上只有hashCode后4位参与运算，前面都是无效数据（都被0替换）。这样算出来的散列效果并不好，有没有办法把前面也参与运算？于是就有了高位与地位先异或一次，让结果中包含高位特征，然后在取余。
计算长度
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;
}此方法返回一个比给定整数大且最接近的2的幂次方整数，先排除cap - 1以9为例
9>>>1 二进制1001>>>1=100即4，9|4二进制1001 | 100=1101即13
13>>>2 二进制1101>>>2=11即3，13|3二进制1101 | 11=1111即15
15>>>4 二进制1111>>>4=0即3，15|0二进制1111 | 0=1111即15
15>>>8 二进制1111>>>8=0即3，15|0二进制1111 | 0=1111即15
15>>>16 二进制1111>>>16=0即3，15|0二进制1111 | 0=1111即15最后n+1即16，这里你发现了什么？9的二进制1001最后全变成了1111，实际上就是把这个数所有为都变成1，最后在加1一个是2的n次幂（2的n次幂，转换二进制就是n+1位为1其他位都是0，2的n次幂减一，转换二进制就是从n位开始都是1）。如果cap为2的n次幂时，n+1位都会变成1，这样都超过我们想要的值了，所以要cap-1。（负数补码最终都会变成-1）
键取值
public V get(Object key) {
// 声明节点
Node<K,V> e;
// 调用getNode获取节点，不为空时取值
return (e = getNode(hash(key), key)) == null ? null : e.value;
}
final Node<K,V> getNode(int hash, Object key) {
// 声明变量
Node<K,V>[] tab; Node<K,V> first, e; int n; K k;
// 判断数组是否为空，判断元素个数是否等于0，判断数组中头元素是否为空
if ((tab = table) != null && (n = tab.length) > 0 &&
(first = tab[(n - 1) & hash]) != null) {
// 判断头元素hash是否一样，一样时判断键是否一样
if (first.hash == hash &&
((k = first.key) == key || (key != null && key.equals(k))))
// 都一样返回头元素
return first;
// 不一样找下级元素
if ((e = first.next) != null) {
// 头元素为树节点去红黑树中找
if (first instanceof TreeNode)
return ((TreeNode<K,V>)first).getTreeNode(hash, key);
// 头节点不为树节点，就是链表遍历链表查找
do {
// hash一样，键一样就返回当前元素
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
return e;
// 给e赋，为空时退出循环
} while ((e = e.next) != null);
}
}
// 没找到返回null
return null;
}添加方法
public V put(K key, V value) {
// 调用putVal方法
return putVal(hash(key), key, value, false, true);
}
// onlyIfAbsent 表示是否仅在 oldValue 为 null 的情况下更新键值对的值
// evict 如果为false，则表处于创建阶段
final V putVal(int hash, K key, V value, boolean onlyIfAbsent,
boolean evict) {
// 声明变量
Node<K,V>[] tab; Node<K,V> p; int n, i;
// 判断数组是否为空，判断数组长度是否为0
if ((tab = table) == null || (n = tab.length) == 0)
// 开始初始化（使用下次扩容阈值扩容并返回长度）
n = (tab = resize()).length;
// 通过取余得到索引，通过索引找到槽，判断槽中是否有元素
if ((p = tab[i = (n - 1) & hash]) == null)
// 没有元素时，构建元素并存入
tab[i] = newNode(hash, key, value, null);
else {// 槽中有元素的逻辑（p不为空）
// 声明临时变量
Node<K,V> e; K k;
// 如果键跟头元素一样，则将e指向该键值对
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
// 一样赋值给e
e = p;
// 如果p是树节点，即走红黑树插入逻辑
else if (p instanceof TreeNode)
e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
else {
// 最后走链表逻辑
for (int binCount = 0; ; ++binCount) {
// 直到找到尾部
if ((e = p.next) == null) {
// 能进入到这儿，e一定为空，表示没有重复建
p.next = newNode(hash, key, value, null);
// binCount从0开始，大于等于7就会尝试链变树
// 判断前已经添加，所以binCount=7时实际元素是8
// 前面又加了一个，所以从第9个开始尝试变树
if (binCount >= TREEIFY_THRESHOLD - 1)
// 尝试变树
treeifyBin(tab, hash);
break;
}
// 如果键跟e一样，则跳出循环
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
break;
// 当前轮e赋值给p
p = e;
}
}
// 当e不为空，也就是有重复值
if (e != null) {
V oldValue = e.value;
// 原值为空时，无论onlyIfAbsent是什么，都会被新值覆盖
if (!onlyIfAbsent || oldValue == null)
e.value = value;
// 此方法在HashMap中是空方法，LinkedHashMap中会讲
afterNodeAccess(e);
// 返回原值
return oldValue;
}
}
// 能走到这儿，至少说明没有重复建（有重复前面已经返回了）
// 并且添加新元素成功，修改次数加1
++modCount;
// size加1，并判断是否达到下次扩容阈值
if (++size > threshold)
// 扩容
resize();
// 此方法在HashMap中是空方法，LinkedHashMap中会讲
afterNodeInsertion(evict);
// 添加成功返回空
return null;
}从putVal源代码中我们可以知道，当插入一个元素成功的时候size就加1，若size大于threshold的时候，就会进行扩容（1、替换元素不会触发扩容，2、先添加元素在判断扩容）。按数组默认长16，扩容法值12，当我们加完第13个元素后开始扩容，若果中间有hash冲突可能只用了10个槽，一样会扩容，HashMap是否会空槽，跟hash算法有关。扩容会遍历所有的元素，时间复杂度很高，但是扩容处理后，元素会更加均匀的分布在各个槽中，会提升访问效率。
链表转树前置方法
final void treeifyBin(Node<K,V>[] tab, int hash) {
int n, index; Node<K,V> e;
// 只有在添加时，链表长度超过8才会调用这个方法
// 数组为空或者，数组长度小于64，不管有没有达到扩容阈值都会扩容一次
if (tab == null || (n = tab.length) < MIN_TREEIFY_CAPACITY)
resize();
// 槽中链表头元素不为空
else if ((e = tab[index = (n - 1) & hash]) != null) {
TreeNode<K,V> hd = null, tl = null;
do {
// 普通节点转为树节点
TreeNode<K,V> p = replacementTreeNode(e, null);
// 当前轮临时元素为空（第一次）
if (tl == null)
// 设置头元素
hd = p;
else {
// 设置新节点前面节点为当前轮tl
p.prev = tl;
// 当前轮临时结点下一个结点设置为新节点
tl.next = p;
}
// 节点下移
tl = p;
} while ((e = e.next) != null);// 原链表中节点末尾退出
// 替换槽中整条链，当新双向链表不为空时（节点已经替换成树节点）
if ((tab[index] = hd) != null)
// 双向链表转红黑树
hd.treeify(tab);
}
}扩容
final Node<K,V>[] resize() {
// 原数组
Node<K,V>[] oldTab = table;
// 原数组长度
int oldCap = (oldTab == null) ? 0 : oldTab.length;
// 原扩容阈值
int oldThr = threshold;
// 新长度，新扩容阈值
int newCap, newThr = 0;
// 原数组长度大于0
if (oldCap > 0) {
// 是否达到上限
if (oldCap >= MAXIMUM_CAPACITY) {
// 达到上限不在扩容
threshold = Integer.MAX_VALUE;
return oldTab;
}
// 原长度扩容一倍，并且新长度小于上限，原长度大于16
else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&
oldCap >= DEFAULT_INITIAL_CAPACITY)
// 新扩容阈值也增加一倍
newThr = oldThr << 1; // double threshold
}
// 原扩容阈值大于0
else if (oldThr > 0)
// 原数组长度为0，原扩容阈值大于0，只有在初始化时存在
newCap = oldThr;
else {
// HashMap新建状态赋值
newCap = DEFAULT_INITIAL_CAPACITY;
newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);
}
// 新扩容阈值为0（只有在初始化时，走到这儿才会新扩容阈值等于0）
if (newThr == 0) {
// 计算新扩容阈值（新长度*加载因子，并且小于上限）
float ft = (float)newCap * loadFactor;
newThr = (newCap < MAXIMUM_CAPACITY && ft < (float)MAXIMUM_CAPACITY ?
(int)ft : Integer.MAX_VALUE);
}
// 赋值新扩容阈值
threshold = newThr;
// 创建新数组
@SuppressWarnings({"rawtypes","unchecked"})
Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap];
table = newTab;
// 以下逻辑是元素迁移逻辑
if (oldTab != null) {
// 遍历原数组
for (int j = 0; j < oldCap; ++j) {
Node<K,V> e;
// e这时为槽里第一个元素（无论是链表还是红黑树，找到头元素，下面的都可以获得）
if ((e = oldTab[j]) != null) {
// 头元素拿出来后，当前槽清空
oldTab[j] = null;
// 只有一个元素
if (e.next == null)
// 只有一个元素时，直接放入新数组槽中
newTab[e.hash & (newCap - 1)] = e;
// 红黑树
else if (e instanceof TreeNode)
// 请看TreeNode的split方法
((TreeNode<K,V>)e).split(this, newTab, j, oldCap);
// 链表
else {
// loHead 原槽中头节点，loTail 原链当前节点
Node<K,V> loHead = null, loTail = null;
// hiHead 扩容槽中头节点，hiTail 扩容链当前节点
Node<K,V> hiHead = null, hiTail = null;
// 下级元素
Node<K,V> next;
// 遍历链表上所有元素
do {
// 先取出当前元素的下级元素
next = e.next;
// 判断是否可以放在原槽中（0可以，oldCap需要移动）
if ((e.hash & oldCap) == 0) {
// 头结点为空
if (loTail == null)
// 当前结点赋给头结点
loHead = e;
else
// 否则往后追加
loTail.next = e;
// 相当于当前结点下移
loTail = e;
}
else {
// 扩容槽头节点为空
if (hiTail == null)
// 赋值头节点
hiHead = e;
else
// 头结点不为空往后追加
hiTail.next = e;
// 扩容槽中当前节点下移
hiTail = e;
}
} while ((e = next) != null);
// 原链不为空
if (loTail != null) {
// 这一步主要作用是清空原结构冗余链
loTail.next = null;
// 整个头结点放入槽中
newTab[j] = loHead;
}
if (hiTail != null) {
// 这一步主要作用是清空原结构冗余链
hiTail.next = null;
// 整个扩容头结点放入扩容后槽中
newTab[j + oldCap] = hiHead;
}
}
}
}
}
// 返回新数组
return newTab;
}很多人对(e.hash & oldCap) == 0可能会有疑问，这里解释一下。它的结果只能是0或者oldCap，认真看来hash获取的都知道取余hash&oldCap-1，那么扩容后取余方式hash&newCap-1，举个实际的例子
12%4，二进制1100 & 11 = 0 10进制0
12%8，二进制1100 & 1 11 = 100 10进制4
实际上，扩容后取余方式就是在前面又补1，后面的11都没用上（对于2n次幂肯定一样）；那么扩容后这个元素是否需要移动到扩容后槽中，其实就看（newCap-1）最高位就行。既然我们只需要看这一位那我就把hash其他位全变成零，1 11中后面11换成0根hash位与操作就行，刚好（newCap-1）除了高位一外其他位换0就是oldCap。所以这er要么是0要么就是oldCap，需要往新槽里面移动的，只需要在原槽基础上加oldCap就可以了。
删除
public V remove(Object key) {
Node<K,V> e;
return (e = removeNode(hash(key), key, null, false, true)) == null ? null : e.value;
}
public boolean remove(Object key, Object value) {
return removeNode(hash(key), key, value, true, true) != null;
}
// matchValue 为true，则表示删除它key对应的value，不删除key,
// movable 为false，则表示删除后，不移动节点
final Node<K,V> removeNode(int hash, Object key, Object value,
boolean matchValue, boolean movable) {
Node<K,V>[] tab; Node<K,V> p; int n, index;
// 哈希数组不为null，且长度大于0，然后获得到要删除key的节点所在是数组下标位置
if ((tab = table) != null && (n = tab.length) > 0 &&
(p = tab[index = (n - 1) & hash]) != null) {
// nodee 存储要删除的节点，e 临时变量，k 当前节点的key，v 当前节点的value
Node<K,V> node = null, e; K k; V v;
// 如果数组下标的节点正好是要删除的节点，把值赋给临时变量node
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
node = p;
// 链表或者红黑树
else if ((e = p.next) != null) {
if (p instanceof TreeNode)
// 遍历红黑树，找到该节点并返回
node = ((TreeNode<K,V>)p).getTreeNode(hash, key);
else { // 表示为链表节点，一样的遍历找到该节点
do {
if (e.hash == hash &&
((k = e.key) == key ||
(key != null && key.equals(k)))) {
node = e;
break;
}
// 如果进入了链表中的遍历，那么此处的p不再是数组下标的节点，而是要删除结点的上一个结点
p = e;
} while ((e = e.next) != null);
}
}
// 找到要删除的节点后，判断!matchValue，我们正常的remove删除，!matchValue都为true
if (node != null && (!matchValue || (v = node.value) == value ||
(value != null && value.equals(v)))) {
// 如果删除的节点是红黑树结构，则去红黑树中删除
if (node instanceof TreeNode)
((TreeNode<K,V>)node).removeTreeNode(this, tab, movable);
// 如果是链表结构，且删除的节点为数组下标节点，也就是头结点，直接让下一个作为头
else if (node == p)
tab[index] = node.next;
else // 为链表结构，删除的节点在链表中，把要删除的下一个结点设为上一个结点的下一个节点
p.next = node.next;
// 修改计数器
++modCount;
// 长度减1
--size;
// 此方法在hashMap中是为了让子类去实现，主要是对删除结点后的链表关系进行处理
afterNodeRemoval(node);
// 返回删除的节点
return node;
}
}
// 返回null则表示没有该节点，删除失败
return null;
}清除重置
public void clear() {
Node<K,V>[] tab;
modCount++;
// 数组不为空
if ((tab = table) != null && size > 0) {
size = 0;
// 遍历数组
for (int i = 0; i < tab.length; ++i)
// 所有槽清空
tab[i] = null;
}
}可以看出，HashMap并没有清除所有元素，只是清空所有槽，并且不会改变槽个数
void reinitialize() {
table = null;
entrySet = null;
keySet = null;
values = null;
modCount = 0;
threshold = 0;
size = 0;
}清空所有数据
创建、转型节点
Node<K,V> newNode(int hash, K key, V value, Node<K,V> next) {
return new Node<>(hash, key, value, next);
}创建新普通节点
Node<K,V> replacementNode(Node<K,V> p, Node<K,V> next) {
return new Node<>(p.hash, p.key, p.value, next);
}其他节点转换为普通节点
TreeNode<K,V> newTreeNode(int hash, K key, V value, Node<K,V> next) {
return new TreeNode<>(hash, key, value, next);
}创建树节点
TreeNode<K,V> replacementTreeNode(Node<K,V> p, Node<K,V> next) {
return new TreeNode<>(p.hash, p.key, p.value, next);
}普通节点转换为树节点
替换
public boolean replace(K key, V oldValue, V newValue) {
Node<K,V> e; V v;
// 根据key查找节点，如果节点的值不为oldValue时放弃修改
if ((e = getNode(hash(key), key)) != null &&
((v = e.value) == oldValue || (v != null && v.equals(oldValue)))) {
e.value = newValue;
afterNodeAccess(e);
return true;
}
return false;
}只有在key存在，并且key对应的值跟oldValue一样时，才会替换
public V replace(K key, V value) {
Node<K,V> e;
// 根据key查找节点
if ((e = getNode(hash(key), key)) != null) {
V oldValue = e.value;
// 新值覆盖原值
e.value = value;
afterNodeAccess(e);
// 返回原值
return oldValue;
}
return null;
}找到节点就覆盖，找不到就返回空
内部类 Node类
static class Node<K,V> implements Map.Entry<K,V>Node属性
// hash值
final int hash;
// 键
final K key;
// 值
V value;
// 下一个元素
Node<K,V> next;Node构造函数
Node(int hash, K key, V value, Node<K,V> next) {
this.hash = hash;
this.key = key;
this.value = value;
this.next = next;
}Node构造函数只负责初始化内部属性
Node方法
public final K getKey() { return key; }
public final V getValue() { return value; }
public final String toString() { return key + "=" + value; }
public final V setValue(V newValue) {
V oldValue = value;
value = newValue;
return oldValue;
}可以看出只能更改值不能更改键
public final int hashCode() {
return Objects.hashCode(key) ^ Objects.hashCode(value);
}hashcode方法比较特殊，键的hashcode和值的hashcode异或
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;
}equals方法其实就是比较键和值是否一样
内部类 TreeNode类
static final class TreeNode<K,V> extends LinkedHashMap.Entry<K,V>不理解红黑树，看TreeNode源码比较吃力，这里顺带介绍下红黑树。
红黑树的五大特性：
1、每个结点是黑色或者红色。
2、根结点是黑色。
3、每个叶子结点(NIL)是黑色。(这里叶子结点，是指为空(NIL或NULL)的叶子结点！)
4、如果一个结点是红色的，则它的子结点必须是黑色的。
5、每个结点到叶子结点NIL所经过的黑色结点的个数一样的。(确保没有一条路径会比
其他路径长出俩倍，所以红黑树是相对接近平衡的二叉树的！)红黑树基本操作：
左旋：以某个结点作为支点(旋转结点)，其右子结点变为旋转结点的父结点，
右子结点的左子结点变为旋转结点的右子结点，其左子结点保持不变。
右旋：以某个结点作为支点(旋转结点)，其左子结点变为旋转结点的父结点，
左子结点的右子结点变为旋转结点的左子结点，其右子结点保持不变。
变色：结点的颜色由红变黑或由黑变红。LinkedHashMap.Entry类
static class Entry<K,V> extends HashMap.Node<K,V> {
Entry<K,V> before, after;
// 调用HashMap.Node构造函数
Entry(int hash, K key, V value, Node<K,V> next) {
super(hash, key, value, next);
}
}HashMap.Node前面已经讲过了，往上翻
TreeNode属性
// 父节点
TreeNode<K,V> parent;
// 左节点
TreeNode<K,V> left;
// 又结点
TreeNode<K,V> right;
// 前面结点
TreeNode<K,V> prev;
// 当前结点颜色
boolean red;
// LinkedHashMap.Entry中上一个元素（双向链表）
Entry<K,V> before;
// LinkedHashMap.Entry中下一个元素（双向链表）
Entry<K,V> after;
// hash值
final int hash;
// 键
final K key;
// 值
V value;
// 下一个元素
Node<K,V> next;TreeNode构造函数
TreeNode(int hash, K key, V val, Node<K,V> next) {
// 调用LinkedHashMap.Entry中构造函数
super(hash, key, val, next);
}TreeNode 方法
TreeNode查找root结点
final TreeNode<K,V> root() {
// 这里声明两个变量r、p，当前结点赋值给r，然后迭代
for (TreeNode<K,V> r = this, p;;) {
// 取当前结点的父节点赋值p，判断是否为空
if ((p = r.parent) == null)
// 没有父节点就是root结点
return r;
// p赋值给r继续迭代
r = p;
}
}TreeNode的find方法
// h 为键的hash值，k 为键，kc 为比较器(实现了Comparable接口)
final TreeNode<K,V> find(int h, Object k, Class<?> kc) {
// 声明变量p，并把当前节点赋值给它
TreeNode<K,V> p = this;
do {
// 声明ph存放临时节点hash，dir 临时比较的结果，pk临时节点键
int ph, dir; K pk;
// pl 左节点，pr右节点，q下轮要找的节点
TreeNode<K,V> pl = p.left, pr = p.right, q;
// 把当前节点hash赋值给ph，判断当前节点hash是否大于h
if ((ph = p.hash) > h)
// 大于说明要找的节点在左边
p = pl;
else if (ph < h)
// ph 小于h，说明要找的在右边
p = pr;
// 能走到这，至少说明hash一样了
else if ((pk = p.key) == k || (k != null && k.equals(pk)))
// 把当前节点键赋值给pk，然后判断是否一样，一样直接就返回
return p;
// 能走这儿，说明hash一样key不一样
else if (pl == null)
// 左边为空赋值右边，希望寄托下一轮
p = pr;
else if (pr == null)
// 右边边为空赋值左边，希望寄托下一轮
p = pl;
// 能走这儿，说明hash一样，key不一样，还都有子节点
// comparableClassFor 获取键的比较器
// compareComparables 获取比较结果
// 判断比较器是否为空，为空获取k的比较器，然后比较大小
else if ((kc != null ||
(kc = comparableClassFor(k)) != null) &&
(dir = compareComparables(kc, k, pk)) != 0)
// 比较结果小于0走左边，大于零走右边，等于0还是左右不分
p = (dir < 0) ? pl : pr;
// 前面比较器比较结果也一样，尝试右边查一把
else if ((q = pr.find(h, k, kc)) != null)
// 查到了就返回
return q;
else
// 没查到，从左边继续下一轮查
p = pl;
} while (p != null);
// 都查完了还是空，只能返回没查到
return null;
}find方法使用比较多所以这里先做分析
TreeNode的getTreeNode方法
final TreeNode<K,V> getTreeNode(int h, Object k) {
return ((parent != null) ? root() : this).find(h, k, null);
}这里先判断自己是不是root结点，如果是就从自身开始找，如果不是先找root，然后从root开始找TreeNode添加
final TreeNode<K,V> putTreeVal(HashMap<K,V> map, Node<K,V>[] tab,
int h, K k, V v) {
// 比较器
Class<?> kc = null;
// 是否搜索过（只有在hash和比较器都不能确定时才会用）
boolean searched = false;
// 获取头结点
TreeNode<K,V> root = (parent != null) ? root() : this;
// 从头结点开始遍历
for (TreeNode<K,V> p = root;;) {
// dir 比较器比较结果，ph 当前临时hash，pk当前临时键
int dir, ph; K pk;
if ((ph = p.hash) > h)
// 当前hash大于h，走左边
dir = -1;
else if (ph < h)
// 当前hash小于h，走右边
dir = 1;
else if ((pk = p.key) == k || (k != null && k.equals(pk)))
// 键已存在
return p;
// 相同hash，键不等，通过比较器确定
else if ((kc == null &&
(kc = comparableClassFor(k)) == null) ||
(dir = compareComparables(kc, k, pk)) == 0) {
// 比较器比较也一样
if (!searched) { // 没搜索过
TreeNode<K,V> q, ch;
// 设置搜索标志
searched = true;
// 先搜索左边，没搜到，在搜索右边（find方法前面有将）
if (((ch = p.left) != null &&
(q = ch.find(h, k, kc)) != null) ||
((ch = p.right) != null &&
(q = ch.find(h, k, kc)) != null))
// 搜索到就返回q
return q;
}
// 搜索过或者没搜到，只能通过物理hash大小确定左右
dir = tieBreakOrder(k, pk);
}
// 走这儿说明没有重复建
TreeNode<K,V> xp = p;
// 这里一定可以确定左右（dir只能是-1或1，为0前面已经转掉了）
if ((p = (dir <= 0) ? p.left : p.right) == null) {
// 能到这儿，说明有一边为空，
Node<K,V> xpn = xp.next;// 兼容双向原链表结构
// 创建新树节点，原下级链表接在此节点后
TreeNode<K,V> x = map.newTreeNode(h, k, v, xpn);
// 新节点上树
if (dir <= 0)
xp.left = x;
else
xp.right = x;
// 维护双向链表下级节点
xp.next = x;
// 维护树父级节点，维护双向链表前面结点
x.parent = x.prev = xp;
// 当前结点下级几点不为空时，需要把下级节点前面指向x
if (xpn != null)
((TreeNode<K,V>)xpn).prev = x;
// 平衡红黑树
moveRootToFront(tab, balanceInsertion(root, x));
// 添加成功返回空
return null;
}
}
}TreeNode删除
// 此方法只有HashMap删除时找到应该删除的结点为树节点是才会调用
final void removeTreeNode(HashMap<K,V> map, Node<K,V>[] tab,
boolean movable) {
int n;
// 数组为空时直接返回
if (tab == null || (n = tab.length) == 0)
return;
// 确定当前元素所在的槽
int index = (n - 1) & hash;
// first、root临时当前槽头节点
TreeNode<K,V> first = (TreeNode<K,V>)tab[index], root = first, rl;
// succ临时当前节点的下级节点， pred临时当前节点前面节点
TreeNode<K,V> succ = (TreeNode<K,V>)next, pred = prev;
// 删除的节点是头节点
if (pred == null)
tab[index] = first = succ;
else
// 不是头节点，上级节点下级指向当前下级
pred.next = succ;
// 不是尾节点，把下级节点的上级指向当前上级
if (succ != null)
succ.prev = pred;
// --走到这双向链表中该节点已经删除成功--
// 头节点为空直接返回
if (first == null)
return;
// 头节点上级不为空
if (root.parent != null)
// 重新找root节点
root = root.root();
if (root == null// 头节点为空
|| (movable
&& (root.right == null // 头节点右为空
|| (rl = root.left) == null // 头节点左为空
|| rl.left == null))) { // 左节点的左节点为空
// 树链表，树转链表依赖双向链表，不依赖树结构（这种情况无视长度小于6？）
tab[index] = first.untreeify(map); // too small
return;
}
// 下面开始从树结构中移除当前元素
TreeNode<K,V> p = this, pl = left, pr = right, replacement;
// 左右都不为空
if (pl != null && pr != null) {
// 找到右节点下最左边节点（循环左边的左边）
// 右边所有子节点中，最左边的一定最接近当前节点（可以自己推）
TreeNode<K,V> s = pr, sl;
while ((sl = s.left) != null) // find successor
s = sl;
// 交换p（当前节点）和s（右边最左下）的颜色
boolean c = s.red; s.red = p.red; p.red = c; // swap colors
TreeNode<K,V> sr = s.right;
TreeNode<K,V> pp = p.parent;
// 当前节点的右节点没有左节点（简单交换位置）
if (s == pr) {
// 当前上级指向s
p.parent = s;
// 当前节点放到s右边
s.right = p;
}
else {
// s节点和当前节点互换位置并设置父节点
TreeNode<K,V> sp = s.parent;
if ((p.parent = sp) != null) {
if (s == sp.left)
sp.left = p;
else
sp.right = p;
}
if ((s.right = pr) != null)
pr.parent = s;
}
p.left = null;
// 如果s有右节点，把p设置成sr的父节点
if ((p.right = sr) != null)
sr.parent = p;
// 把p的左节点交接给s
if ((s.left = pl) != null)
pl.parent = s;
// 把p的父节点交接给s
if ((s.parent = pp) == null)
root = s;
else if (p == pp.left)
pp.left = s;
else
pp.right = s;
// 如果sr不为null替换p的节点就是sr，否则为p
if (sr != null)
replacement = sr;
else
replacement = p;
}
// 左右空的情况
else if (pl != null)
replacement = pl;
else if (pr != null)
replacement = pr;
else
replacement = p;
if (replacement != p) {
// 把要删除的移除掉
TreeNode<K,V> pp = replacement.parent = p.parent;
if (pp == null)
root = replacement;
else if (p == pp.left)
pp.left = replacement;
else
pp.right = replacement;
p.left = p.right = p.parent = null;
}
TreeNode<K,V> r = p.red ? root : balanceDeletion(root, replacement);
if (replacement == p) { // detach
// 移除当前节点
TreeNode<K,V> pp = p.parent;
p.parent = null;
if (pp != null) {
if (p == pp.left)
pp.left = null;
else if (p == pp.right)
pp.right = null;
}
}
// 是否需要平衡树
if (movable)
moveRootToFront(tab, r);
}树转链表
final Node<K,V> untreeify(HashMap<K,V> map) {
Node<K,V> hd = null, tl = null;
// 这里只依赖链表转换
for (Node<K,V> q = this; q != null; q = q.next) {
// TreeNode将转化成Node
Node<K,V> p = map.replacementNode(q, null);
if (tl == null)
hd = p;
else
tl.next = p;
tl = p;
}
return hd;
}TreeNode扩容迁移节点
final void split(HashMap<K,V> map, Node<K,V>[] tab, int index, int bit) {
TreeNode<K,V> b = this;
// loHead 扩容前头节点，loTail扩容前临时结点
// hiHead 扩容前头节点，hiTail扩容前临时结点
TreeNode<K,V> loHead = null, loTail = null;
TreeNode<K,V> hiHead = null, hiTail = null;
// lc原槽中元素个数， hc扩容槽元素个数
int lc = 0, hc = 0;
for (TreeNode<K,V> e = b, next; e != null; e = next) {
next = (TreeNode<K,V>)e.next;
e.next = null;
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;
}
}
if (loHead != null) {
// 原槽元素个数小于等于6，树转链表
if (lc <= UNTREEIFY_THRESHOLD)
tab[index] = loHead.untreeify(map);
else {
tab[index] = loHead;
if (hiHead != null)
loHead.treeify(tab);
}
}
if (hiHead != null) {
// 扩容槽中元素个数小于等于6，树转链表
if (hc <= UNTREEIFY_THRESHOLD)
tab[index + bit] = hiHead.untreeify(map);
else {
tab[index + bit] = hiHead;
if (loHead != null)
hiHead.treeify(tab);
}
}
}双向链表转树
调用此方法前必须先构建双向链表
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;
// 插入的是第一个元素 并给root赋值
if (root == null) {
x.parent = null;
x.red = false;
root = x;
}
else {
K k = x.key;
int h = x.hash;
Class<?> kc = null;
//插入到红黑树中的位置 逻辑跟putTreeVal类似
for (TreeNode<K,V> p = root;;) {
int dir, ph;
K pk = p.key;
if ((ph = p.hash) > h)
dir = -1;
else if (ph < h)
dir = 1;
else if ((kc == null &&
(kc = comparableClassFor(k)) == null) ||
(dir = compareComparables(kc, k, pk)) == 0)
dir = tieBreakOrder(k, pk);
TreeNode<K,V> xp = p;
if ((p = (dir <= 0) ? p.left : p.right) == null) {
x.parent = xp;
if (dir <= 0)
xp.left = x;
else
xp.right = x;
root = balanceInsertion(root, x);
break;
}
}
}
}
// 把root节点移到链表头
moveRootToFront(tab, root);
}头节点前移
static <K,V> void moveRootToFront(Node<K,V>[] tab, TreeNode<K,V> root) {
int n;
if (root != null && tab != null && (n = tab.length) > 0) {
// 确定槽位置
int index = (n - 1) & root.hash;
TreeNode<K,V> first = (TreeNode<K,V>)tab[index];
// 如果链表的头不是红黑树的头节点 则把root移到头节点 也就是first的前面
if (root != first) {
Node<K,V> rn;
tab[index] = root;
TreeNode<K,V> rp = root.prev;
if ((rn = root.next) != null)
((TreeNode<K,V>)rn).prev = rp;
if (rp != null)
rp.next = rn;
if (first != null)
first.prev = root;
root.next = first;
root.prev = null;
}
// 检查一下红黑树的各个成员变量是否正常
assert checkInvariants(root);
}
}moveRootToFront的作用就是把root节点move到链表的头.
常见面试题
1、HashMap 默认值问题
HashMap 初始默认大小为16，但是在刚刚new出来时，长度为0。
HashMap 默认加载因子是0.75，它是采用先插入在扩容，当添加完第13个元素后触发扩容
HashMap 链表长度超过8不一定转红黑树，数组长度小于64时直接扩容，当数组长度大于64时才会转红黑树
HashMap 红黑树退链默认值为6
HashMap 键不重复，键可以有一个空直。线程不安全 等
2、hash算法原理是什么？
取key的hashcode，然后混合高低位，hashcode^(hashcode>>>16)，因为在取余时实际上只用到了后几位，前面高位都没用上，这要取余结果还是会有比较高的重复概率，通过左16位和右16位取异，相当于是混合高低位，使低位也具有高位的特征，这样取余重复概率小一些。
3、HashMap是如何保证数组长度一定是2的n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;
}HashMap通过tableSizeFor方法保证数组长度一定是2的n次幂，原理就是把高位右边全变为1，然后再加1，结果一定是2的n次幂。但是如果原来就是2的n次幂，结果就会整体左移一位，所以一开始需要先减一。
4、HashMap 是如何通过hash值计算出key所在的位置？
通过取余方式，原理就是hash%数组长度。HashMap要求数组长度为2的n次幂，所以可以使用 hash & (length-1)。
5、HashMap 扩容时它是怎么知道那些元素需要迁移，哪些元素不需要迁移？
它是通过 hash & oldlength 看看是否为0，如果为0不需要迁移，不为0需要迁移，迁移时原下标加原长就是新下标。如果不这么做，那么就需要用hash值对新数组长度取余，即新长度减1做&运算，如果高位不变那么余数跟原来一样，高位为1就需要迁移。
6、红黑树5个原则是什么？
一红一黑，根黑叶子黑，红下两黑。红黑树只有左旋右旋两种操作，查询的时候从右边查起会更省时间。
7、HashMap 内部用到哪几种结构？
数组、数组+链表、数组+双向链表、数组+红黑树，数组加双向链表只是链表转树时的中间状态结构。
扫一扫
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
