HashMap源碼 目錄 1.1 包含的屬性 1.2 構造器 1.3 hash方法源碼 1.4 put源碼 1.5 resize源碼 1.6 table 變數為什麼用transient 修飾 1.1 包含的屬性 public class HashMap<K,V> extends AbstractMa ...
HashMap源碼
目錄
1.1 包含的屬性
public class HashMap<K,V> extends AbstractMap<K,V> implements Map<K,V>, Cloneable, Serializable {
// 序列號
private static final long serialVersionUID = 362498820763181265L;
// 預設的初始容量是16
static final int DEFAULT_INITIAL_CAPACITY = 1 << 4;
// 最大容量
static final int MAXIMUM_CAPACITY = 1 << 30;
// 預設的填充因數
static final float DEFAULT_LOAD_FACTOR = 0.75f;
// 當桶(bucket)上的結點數大於這個值時會轉成紅黑樹
static final int TREEIFY_THRESHOLD = 8;
// 當桶(bucket)上的結點數小於這個值時樹轉鏈表
static final int UNTREEIFY_THRESHOLD = 6;
// 桶中結構轉化為紅黑樹對應的table的最小容量
static final int MIN_TREEIFY_CAPACITY = 64;
// 存儲元素的數組，總是2的冪次倍
transient Node<k,v>[] table;
// 存放具體元素的集
transient Set<map.entry<k,v>> entrySet;
// 存放元素的個數，註意這個不等於數組的長度。
transient int size;
// 每次擴容和更改map結構的計數器
transient int modCount;
// 臨界值(容量*填充因數) 當實際大小超過臨界值時，會進行擴容
int threshold;
// 載入因數
final float loadFactor;
}
-
loadFactor 載入因數
loadFactor 載入因數是控制數組存放數據的疏密程度，loadFactor 越趨近於 1，那麼 數組中存放的數據(entry)也就越多，也就越密，也就是會讓鏈表的長度增加，loadFactor 越小，也就是趨近於 0，數組中存放的數據(entry)也就越少，也就越稀疏。
給定的預設容量為
16，負載因數為0.75。Map 在使用過程中不斷的往裡面存放數據，當數量達到了16 * 0.75 = 12就需要將當前16的容量進行擴容，而擴容這個過程涉及到 rehash、複製數據等操作，所以非常消耗性能。loadFactor 太大導致查找元素效率低，太小導致數組的利用率低，存放的數據會很分散。loadFactor 的預設值為 0.75f 是官方給出的一個比較好的臨界值。
理想情況下，在隨機 hashCodes 下，桶 中節點的頻率遵循泊松分佈，預設調整大小閾值為 0.75，參數平均約為 0.5，儘管由於調整大小粒度而存在很大差異。
**當閾值為0.75，泊松分佈的參數為0.5時，桶中元素超過8的概率極低
-
threshold
threshold = capacity * loadFactor，當 Size>=threshold的時候，那麼就要考慮對數組的擴增了，也就是說，這個的意思就是 衡量數組是否需要擴增的一個標準。
1.2 構造器
public HashMap() {
this.loadFactor = DEFAULT_LOAD_FACTOR; // 16
}
public HashMap(int initialCapacity) {
//this(16,0.75)
this(initialCapacity, DEFAULT_LOAD_FACTOR);
}
public HashMap(Map<? extends K, ? extends V> m) {
this.loadFactor = DEFAULT_LOAD_FACTOR;
putMapEntries(m, false);
}
/**
* 構造一個具有指定初始容量和負載因數的空 HashMap。
參數：
initialCapacity - 初始容量
loadFactor – 負載因數
拋出：
IllegalArgumentException – 如果初始容量為負或負載因數為非正
*/
public HashMap(int initialCapacity, float loadFactor) {
//異常檢測
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);
//賦值負載因數
this.loadFactor = loadFactor;
//計算容量，並將容量賦值給閾值
this.threshold = tableSizeFor(initialCapacity);
}
/**
* 返回給定目標容量的 2 次方。
*/
static final int tableSizeFor(int cap) {
int n = -1 >>> Integer.numberOfLeadingZeros(cap - 1);
return (n < 0) ? 1 : (n >= MAXIMUM_CAPACITY) ? MAXIMUM_CAPACITY : n + 1;
}
1.3 hash方法源碼
static final int hash(Object key) {
int h;
// key.hashCode()：返回散列值也就是hashcode
// ^ ：按位異或
// >>>:無符號右移，忽略符號位，空位都以0補齊
return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}
-
HashMap 通過 key 的 hashCode 經過擾動函數處理過後得到 hash 值，然後通過
(n - 1) & hash判斷當前元素存放的位置，使用 hash 方法也就是擾動函數是為了防止一些實現比較差的 hashCode() 方法 換句話說使用擾動函數之後可以減少碰撞。 -
這裡的 Hash 演算法本質上就是三步：取key的 hashCode 值、根據 hashcode 計算出hash值、通過取模計算下標。
-
擾動hash的好處
-
當n比較小時，hash只有低16位參與了計算，高位的計算可以認為是無效的。這樣導致了計算結果只與低位信息有關，高位數據沒發揮作用。為了處理這個缺陷，我們可以讓 hash 高16位數據與低16位數據進行異或運算，通過這種方式，讓高位數據與低位數據進行異或，讓高位數據參與到計算中
-
增加 hash 的複雜度。當覆蓋的 hashCode 方法分佈性不佳時， hash 的衝突率比較高。通過移位和異或運算，可以讓 hash 變得更複雜，進而影響 hash 的分佈性。
-
1.4 put源碼
public V put(K key, V value) {
return putVal(hash(key), key, value, false, true);
}
final V putVal(int hash, K key, V value, boolean onlyIfAbsent,
boolean evict) {
Node<K,V>[] tab; Node<K,V> p; int n, i;
// table未初始化或者長度為0，進行擴容
if ((tab = table) == null || (n = tab.length) == 0)
n = (tab = resize()).length;
// (n - 1) & hash 確定元素存放在哪個桶中，桶為空，新生成結點放入桶中
//(此時，這個結點是放在數組中)
if ((p = tab[i = (n - 1) & hash]) == null)
tab[i] = newNode(hash, key, value, null);
// 桶中已經存在元素
else {
Node<K,V> e; K k;
// 如果鍵的值以及節點 hash 等於鏈表中的第一個鍵值對節點時，則將 e 指向該鍵值對
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
// 將第一個元素賦值給e，用e來記錄
e = p;
// hash值不相等，即key不相等；為紅黑樹結點
else if (p instanceof TreeNode)
// 放入樹中
e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
// 為鏈表結點
else {
// 在鏈表最末插入結點
for (int binCount = 0; ; ++binCount) {
// 到達鏈表的尾部
if ((e = p.next) == null) {
// 在尾部插入新結點
p.next = newNode(hash, key, value, null);
// 結點數量達到閾值(預設為 8 )，執行 treeifyBin 方法
// 這個方法會根據 HashMap 數組來決定是否轉換為紅黑樹。
// 只有當數組長度大於或者等於 64 的情況下，才會執行轉換紅黑樹操作，
//以減少搜索時間。否則，就是只是對數組擴容。
if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st
treeifyBin(tab, hash);
// 跳出迴圈
break;
}
// 判斷鏈表中結點的key值與插入的元素的key值是否相等
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
// 相等，跳出迴圈
break;
// 用於遍歷桶中的鏈表，與前面的e = p.next組合，可以遍歷鏈表
p = e;
}
}
// 表示在桶中找到key值、hash值與插入元素相等的結點
if (e != null) {
// 記錄e的value
V oldValue = e.value;
// onlyIfAbsent為false或者舊值為null
if (!onlyIfAbsent || oldValue == null)
//用新值替換舊值
e.value = value;
// 訪問後回調
afterNodeAccess(e);
// 返回舊值
return oldValue;
}
}
// 結構性修改
++modCount;
// 實際大小大於閾值則擴容
if (++size > threshold)
resize();
// 插入後回調
afterNodeInsertion(evict);
return null;
}
1.5 resize源碼
HashMap 按當前桶數組長度的2倍進行擴容，閾值也變為原來的2倍（如果計算過程中，閾值溢出歸零，則按閾值公式重新計算）
final Node<K,V>[] resize() {
//保存舊map
Node<K,V>[] oldTab = table;
int oldCap = (oldTab == null) ? 0 : oldTab.length; //舊數組的容量
int oldThr = threshold; //舊數組的閾值
int newCap, newThr = 0; //初始化新容量和新閾值
// 如果 table 不為空，表明已經初始化過了
if (oldCap > 0) {
// 當 table 容量超過容量最大值，則不再擴容
if (oldCap >= MAXIMUM_CAPACITY) {
threshold = Integer.MAX_VALUE;
return oldTab;
}
// 否則，按舊容量和閾值的2倍計算新容量和閾值的大小
else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&
oldCap >= DEFAULT_INITIAL_CAPACITY)
newThr = oldThr << 1; // double threshold
} else if (oldThr > 0) // 桶未初始化，且舊閾值大於0
/*
* 初始化時，將 threshold 的值賦值給 newCap，
* HashMap 使用 threshold 變數暫時保存 initialCapacity 參數的值
*/
newCap = oldThr;
else { // zero initial threshold signifies using defaults
/*
* 調用無參構造方法時，桶數組容量為預設容量，
* 閾值為預設容量與預設負載因數乘積
*/
newCap = DEFAULT_INITIAL_CAPACITY;
newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);
}
// 由於newThr是移位計算，所以可能為0，newThr 為 0 時，按閾值計算公式進行計算
if (newThr == 0) {
float ft = (float)newCap * loadFactor;
newThr = (newCap < MAXIMUM_CAPACITY && ft < (float)MAXIMUM_CAPACITY ?
(int)ft : Integer.MAX_VALUE);
}
threshold = newThr;
// 創建新的桶數組，桶數組的初始化也是在這裡完成的
Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap];
table = newTab;
if (oldTab != null) {
// 如果舊的桶數組不為空，則遍歷桶數組，並將鍵值對映射到新的桶數組中
for (int j = 0; j < oldCap; ++j) {
Node<K,V> e;
if ((e = oldTab[j]) != null) {
oldTab[j] = null;
if (e.next == null) //如果桶中只有一個節點
newTab[e.hash & (newCap - 1)] = e;
else if (e instanceof TreeNode) //若無紅黑樹
// 重新映射時，需要對紅黑樹進行拆分
((TreeNode<K,V>)e).split(this, newTab, j, oldCap);
else { // preserve order //若無鏈表
Node<K,V> loHead = null, loTail = null;
Node<K,V> hiHead = null, hiTail = null;
Node<K,V> next;
// 遍歷鏈表，並將鏈表節點按原順序進行分組
do {
next = e.next;
if ((e.hash & oldCap) == 0) {
if (loTail == null)
loHead = e;
else
loTail.next = e;
loTail = e;
}
else {
if (hiTail == null)
hiHead = e;
else
hiTail.next = e;
hiTail = e;
}
} while ((e = next) != null);
// 將分組後的鏈表映射到新桶中
if (loTail != null) {
loTail.next = null;
newTab[j] = loHead;
}
if (hiTail != null) {
hiTail.next = null;
newTab[j + oldCap] = hiHead;
}
}
}
}
}
return newTab;
}
- 在 JDK 1.8 中，重新映射節點需要考慮節點類型。對於樹形節點，需先拆分紅黑樹再映射。對於鏈表類型節點，則需先對鏈表進行分組，然後再映射
1.6 table 變數為什麼用transient 修飾
HashMap 並沒有使用預設的序列化機制，而是自己實現了readObject和writeObject兩個方法自定義了序列化的內容
-
table 多數情況下是無法被存滿的，序列化未使用的部分，浪費空間
-
同一個鍵值對在不同 JVM 下，所處的桶位置可能是不同的，在不同的 JVM 下反序列化 table 可能會發生錯誤。
