@kiraSally
2018-03-12T18:45:52.000000Z
字数 19530
阅读 3185
JAVA
COLLECTIONS
源码
1.8版
- 笔者个人博客 kiraSally的掘金个人博客 感谢支持
- 1.7采用数组+链表的结构,即使哈希函数取得再好,也很难达到元素百分百均匀分布
- 当 HashMap 中有大量的元素都存放到同一个桶中时,这个桶下有一条长长的链表,这个时候 HashMap 就相当于一个单链表,假如单链表有 n 个元素,遍历的时间复杂度就是
O(n)
,完全失去了它的优势
HashMap1.8
版本基于 集合番@HashMap一文通(1.7版) 进行优化,这里只谈论改进的地方O(logn)
)的结构HashMap1.8
几乎被重写,可以认为是个新的类TreeMap
基本一致(情况一样,只是代码有些差别)读者可参见 集合番@TreeMap一文通(1.7版)
/**
* The bin count threshold for using a tree rather than list for a bin.
* Bins are converted to trees when adding an element to a bin with at least this many nodes.
* The value must be greater than 2 and should be at least 8 to mesh with assumptions in tree
* removal about conversion back to plain bins upon shrinkage.
* 一个桶的树化阈值:
* 1.当桶中元素个数超过这个值时,会将链表转换为红黑树
* 2.该值必须大于2且至少为8,避免频繁转换导致效率不高
* 3.默认为8,即当新增元素造成链表长度变成8时,自动转换为红黑树
*/
static final int TREEIFY_THRESHOLD = 8;
/**
* The bin count threshold for untreeifying a (split) bin during a
* resize operation. Should be less than TREEIFY_THRESHOLD, and at
* most 6 to mesh with shrinkage detection under removal.
* 一个树的链表还原阈值:
* 1.当扩容时,桶中元素个数小于这个值,就会把树形的桶元素还原(切分)为链表
* 2.该值应小于TREEIFY_THRESHOLD且至少为 6,避免频繁转换导致效率不高
*/
static final int UNTREEIFY_THRESHOLD = 6;
/**
* The smallest table capacity for which bins may be treeified.
* (Otherwise the table is resized if too many nodes in a bin.)
* Should be at least 4 * TREEIFY_THRESHOLD to avoid conflicts
* between resizing and treeification thresholds.
* 哈希表的最小树形化容量:
* 1.当哈希表中的容量大于该值时,表中的桶才能进行树形化,否则桶内元素太多时会扩容,而不是树形化
* 2.为了避免进行扩容、树形化选择的冲突,这个值不能小于 4 * TREEIFY_THRESHOLD
*/
static final int MIN_TREEIFY_CAPACITY = 64;
/**
* 1.7版本
*/
public HashMap(int initialCapacity, float loadFactor) {
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;
//以下是与1.8不同之处
// Find a power of 2 >= initialCapacity 效果等同于 1.8的tableSizeFor()
int capacity = 1;
while (capacity < initialCapacity)
capacity <<= 1;
threshold = (int)Math.min(capacity * loadFactor, MAXIMUM_CAPACITY + 1);
table = new Entry[capacity];
useAltHashing = sun.misc.VM.isBooted() && (capacity >= Holder.ALTERNATIVE_HASHING_THRESHOLD);
init();
}
/**
* 1.8版本 区别于1.7
* 1.构造器阶段并没有初始化数组(而是改成在第一次put时执行resize初始化数组)
* 2.容量根据阈值进行换算而不是阈值根据容量再换算(initial capacity was placed in threshold)
*/
public HashMap(int initialCapacity, float loadFactor) {
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;
//构造器阶段阈值等同于容量,保证为2次幂(resize时生效)
this.threshold = tableSizeFor(initialCapacity);
}
/**
* Basic hash bin node, used for most entries. (See below for
* TreeNode subclass, and in LinkedHashMap for its Entry subclass.)
* 1.8中将Entry改成Node(内部结构不变)
* 虽然只是改了名字,但名字的变更体现出HashMap对于`节点`概念的重视
*/
static class Node<K,V> implements Map.Entry<K,V> {
final int hash;//新增final属性,表明hash值也不可变了,更加严谨
final K key;
V value;
Node<K,V> next;//单向链表
Node(int hash, K key, V value, Node<K,V> next) {
this.hash = hash;
this.key = key;
this.value = value;
this.next = next;
}
...
}
/**
* Entry for Tree bins. Extends LinkedHashMap.Entry (which in turn extends Node)
* so can be used as extension of either regular or linked node.
* 红黑树节点 相比于TreeMap,
* 1.增加pre来记录前一个节点
* 2.继承LinkedHashMap.Entry<K,V>,而LinkedHashMap.Entry<K,V>又继承HashMap.Node:
* 1.拥有了Node和链表Node的所有功能
* 2.具有额外6个属性Entry<K,V> before, after;final int hash;final K key;V value;Node<K,V> next;
*/
static final class TreeNode<K,V> extends LinkedHashMap.Entry<K,V> {
TreeNode<K,V> parent; // 父节点
TreeNode<K,V> left;//左子节点
TreeNode<K,V> right;//右子节点
TreeNode<K,V> prev; // 前一个元素的节点
boolean red;//是否是红节点
TreeNode(int hash, K key, V val, Node<K,V> next) {
super(hash, key, val, next);
}
...
}
/**
* LinkedHashMap.Entry的实现
* HashMap.Node subclass for normal LinkedHashMap entries.
* 可以发现,最终TreeNode还是继承了HashMap.Node的所有功能,底层实现还是Node
*/
static class Entry<K,V> extends HashMap.Node<K,V> {
Entry<K,V> before, after;
Entry(int hash, K key, V value, Node<K,V> next) {
super(hash, key, value, next);
}
}
/**
* Returns a power of two size for the given target capacity.
* 方法的意义在于 找到大于等于指定容量(capacity)参数的2次幂
*/
static final int tableSizeFor(int cap) {
int n = cap - 1;//cap-1在于要变成都是1的这种情况,防止变两倍 [实例论证3]
//一个数介于邻近的两个2次幂之间时,这个数从高位出现第一个1的位置与离它最近的且小于它的2次幂的高位1的位置是一致
//[实例论证1]
// >>> 表示无符号向右移动N位 ; | 表示与操作:任何一个数与1进行与操作,结果都是1
//算法论证[实例论证2] : 此算法最重要是找到距离n最近且大于n的二次幂-1的值(即二进制都是1的值)
n |= n >>> 1;
n |= n >>> 2;
n |= n >>> 4;
n |= n >>> 8;
n |= n >>> 16;
//此时n+1一定是cap的2次幂
//从高位第一个出现1的位置开始向右连续32位时已经超越了int的最大值,所以不用在进行位移操作,只到16位即可
return (n < 0) ? 1 : (n >= MAXIMUM_CAPACITY) ? MAXIMUM_CAPACITY : n + 1;//二次幂,但最小为1
}
- 论证:一个数介于邻近的两个2次幂之间时,这个数从高位出现第一个1的位置与离它最近的且小于它的2次幂的高位1的位置是一致
- 假设我们要寻找的数是离9最近的且大于它的2次幂,可知该值应为2^4=16
同时再找到离它最近且小于它的2次幂,可知该值应为2^3=8
- 8的2进制: 0000 1000
- 9的2进制: 0000 1001
- 16的2进制: 0001 0000
根据以上读者是否发现,9从高位开始第一次出现的位置1与8是一致的,因此可得结论:
一个数介于邻近的两个2次幂之间时,这个数从高位出现第一个1的位置与离它最近的且小于它的2次幂的高位1的位置是一致
- 论证:找到距离n最近且大于n的二次幂-1的值
- 假设我们要寻找离17最近且比他大的2次幂,可知该值应该是2^6=32,下面根据算法可推算出如下过程
【注意1的填充】
- 首先32 = 2^6 = 0010 0000 = 0001 1111 + 0000 0001 = 31 + 1
- 由图和上面的公式可知,此算法能有效的找到距离n最近且大于n的二次幂-1的值(即二进制都是1的值),或者说是 n从最高位开始后面全是1的值,之后+1即可得到距离n最近且大于n的二次幂
- 之所有每次位移会2次幂级别的变动,是因为第一次右移1位且与操作后高位2位均为1,所以此次操作是向右位移2位,下次就是高4位都为1,即变动x位是根据位运算之后高x位已经有几个1决定的,最终是要利用
任何一个数与1进行与操作,结果都是1
的特性把所有位置都变成1
- 论证:cap-1在于要变成都是1的这种情况,防止变两倍
- 2^0=1=0000 0001,而该值无论右移1,2,4,8,16位后与本身与操作,依然还是1,没有什么效果
- 如果一个数恰恰本身就是2的幂的时候,如果不进行减1操作,直接右移的话会导致最后求得的值扩大一倍,比如直接取4(0100),后面位全部填充1可得7 (0111),而7+1=8,即变成2倍,显然不符合我们的预期要求
public V put(K key, V value) {
return putVal(hash(key), key, value, false, true);
}
/**
* Implements Map.put and related methods
* 新增键值对
* @param hash hash for key
* @param key the key
* @param value the value to put
* @param onlyIfAbsent if true, don't change existing value
* @param evict if false, the table is in creation mode.
* @return previous value, or null if none
*/
//注意 不可以被继承重载 如果使用hashMap的方式的话
final V putVal(int hash, K key, V value, boolean onlyIfAbsent,boolean evict) {
Node<K, V>[] tab;
Node<K, V> p;
int n, i;
//当数组为空时
if ((tab = table) == null || (n = tab.length) == 0) {
n = (tab = resize()).length;//当初始化或者当前数组长度为0时,需要重新resize并返回新的长度
}
//相当于通过 h & (length-1) 计算下标并获取元素
if ((p = tab[i = (n - 1) & hash]) == null){
//若当前下标位置空置(即该key不存在),就新建一个普通(non-tree)节点
tab[i] = newNode(hash, key, value, null);
}else {
//当该key存在或者发生hash冲突时
Node<K,V> e; K k;
//若在数组中通过hash和equals比较能够直接找到该值,就覆盖旧值
//即当前桶即非链表也非红黑树
if (p.hash == hash && ((k = p.key) == key || (key != null && key.equals(k)))){
e = p;//覆盖
}
//否则需要先判断节点是否是红黑树节点
else if (p instanceof TreeNode){//若是红黑树类型,执行树节点putTreeVal操作
e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
}
else {
//此时发生了冲突
for (int binCount = 0; ; ++binCount) {
//如果此时的桶还不是链表,需要转变为链表 或者 如果在链表中没有,那就新增一个节点
if ((e = p.next) == null) {
//注意链表插入时1.7与1.8是不同的
//1.7:是头插入法,后来的留在数组上,先来的链在尾上(遍历时是先进后出)
//1.8:是尾插入法,先来的留在数组上,后来的链在尾上(遍历时是先进先出)
p.next = newNode(hash, key, value, null);
//如果桶的链表长度>=桶的树化阈值,需要将链表转变为红黑树
//这里需要注意:是先新增元素之后再判断树化条件,而不是先树化再新增
if (binCount >= TREEIFY_THRESHOLD - 1)
treeifyBin(tab, hash); //当前桶树化
break;
}
//如果在链表中已经存在该值,就覆盖旧值
if (e.hash == hash && ((k = e.key) == key || (key != null && key.equals(k))))
break;
p = e;
}
}
//原则:用新值覆盖旧值
if (e != null) { // existing mapping for key
V oldValue = e.value;
//onlyIfAbsent 若是true,不允许覆盖
if (!onlyIfAbsent || oldValue == null)
e.value = value;
afterNodeAccess(e);//相当于1.7的afterNodeAccess,LinkedHashMap专用,用于有序控制
return oldValue;
}
}
++modCount;
if (++size > threshold)//超过阈值就扩容
resize();
afterNodeInsertion(evict);//LinkedHashMap专用,用于删除最旧元素 (remove eldest)
return null;
}
// Create a regular (non-tree) node 创建一个普通的非树节点
Node<K,V> newNode(int hash, K key, V value, Node<K,V> next) {
return new Node<>(hash, key, value, next);
}
/**
* Initializes or doubles table size. If null, allocates in accord with initial capacity
* target held in field threshold. Otherwise, because we are using power-of-two expansion,
* the elements from each bin must either stay at same index, or move with a power of two
* offset in the new table.
* 初始化Map或2倍扩容,且会均匀的把之前的冲突的节点分散到新的桶中
* 当Map为空时,将分配与阈值一样大小的容量
* 当Map不为空时,由于2次幂扩容,元素位置会产生两种情况
* 1.要么元素所在位置不变
* 2.要么元素所在位置变动:向右位移2次幂位置
* 注意:由于1.8中容量是根据阈值得来的,因此读者会在1.8中看到很多对阈值的判断和处理,这点一定要清楚
* @return the table
*/
final Node<K,V>[] resize() {
Node<K,V>[] oldTab = table;//由于新数组会覆盖旧数组,所以要临时先备份一份,用于对新数组重新赋值
int oldCap = (oldTab == null) ? 0 : oldTab.length;
int oldThr = threshold;
int newCap, newThr = 0;
if (oldCap > 0) {//当Map不为空时
//临界处理:最大值
if (oldCap >= MAXIMUM_CAPACITY) {
threshold = Integer.MAX_VALUE;//最大值其实是Integer的最大值
return oldTab;
}
//若2倍容量 < MAXIMUM_CAPACITY 同时 原容量>=默认容量(即16),那么就扩容2倍
else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY && oldCap >= DEFAULT_INITIAL_CAPACITY)
newThr = oldThr << 1; // double threshold 阈值直接两倍(容量都是根据阈值来的)
} else if (oldThr > 0){//当Map为空时,需要判断阈值是否>0
newCap = oldThr;//阈值即新容量(注意:初始化时候就是执行该操作完成容量赋值)
// initial capacity was placed in threshold(容量都是根据阈值来的)
} else {
//当Map为空,且阈值不是大于0(即无效阈值),那么就使用默认值
// zero initial threshold signifies using defaults
newCap = DEFAULT_INITIAL_CAPACITY;//1 << 4 = 16
newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);//0.75 * 16 = 12
}
//当新阈值没有被重置时,需要根据 新容量和负载因子 重新计算出新的阈值
//注意:初始化的时候,阈值会被重置,即此时 阈值!=容量 ,容量已经在(oldThr > 0)时重置过了
if (newThr == 0) {
//等同于1.7版本:threshold = (int)Math.min(capacity * loadFactor, MAXIMUM_CAPACITY + 1);
float ft = (float)newCap * loadFactor;
newThr = (newCap < MAXIMUM_CAPACITY && ft < (float)MAXIMUM_CAPACITY ?
(int)ft : Integer.MAX_VALUE);
}
threshold = newThr;//重置给真实阈值
@SuppressWarnings({"rawtypes","unchecked"})
Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap];//新建一个新容量的Node数组
table = newTab;//覆盖原数组(第一行已经备份了)
//当原数组非空,需要对新数组重新填充
if (oldTab != null) {
//遍历
for (int j = 0; j < oldCap; ++j) {
Node<K,V> e;//用于备份当前节点
//若该数组下标位置非空
if ((e = oldTab[j]) != null) {
oldTab[j] = null;//先把原数组的当前位置清空,因为已经备份了 help gc
if (e.next == null)//当前桶即非链表也非红黑树
newTab[e.hash & (newCap - 1)] = e;//位置可能不变或移动2次幂,跟newCap-1有关
else if (e instanceof TreeNode)//若当前桶是树节点,需要对树进行切分
((TreeNode<K,V>)e).split(this, newTab, j, oldCap);
else { // preserve order 当前桶是链表,要保持顺序 1.7的会倒置
//扩容后,新数组中的链表顺序依然与旧数组中的链表顺序保持一致!!!
Node<K,V> loHead = null, loTail = null;//lo=low,表示低位(即数组前半部分的链表)
Node<K,V> hiHead = null, hiTail = null;//hi=high,表示高位(即数组后半部分的链表)
Node<K,V> next;
//遍历当前桶的链表
//1.8:是尾插入法,先来的留在数组上,后来的链在尾上(遍历时是先进先出)
do {
next = e.next;
//根据e.hash & oldCap是否为零将原链表拆分成2个链表
//判断当前位置是否发生变动 0则没变 即保留在原链表中不需要移动
if ((e.hash & oldCap) == 0) {
//原索引 在数组前半部分处理
//若队尾为空,当前元素即是队首元素(也就是第一个插入的元素),保证先进先出
if (loTail == null)
loHead = e;
else
//若队尾不为空,当前元素链接到原队尾元素后面,保证先进先出
loTail.next = e;
loTail = e;//为了保证插入顺序不变,当前元素都需先设置为队尾元素
}
//原索引+oldCap 否则移动到"原索引+oldCap"的新链表中
else {
//在数组后半部分处理
if (hiTail == null)
hiHead = e;
else
hiTail.next = e;
hiTail = e;//为了保证插入顺序不变,当前元素都需先设置为队尾元素
}
} while ((e = next) != null);
//原索引放到原桶中
if (loTail != null) {//如果队尾元素非空
loTail.next = null;//loTail此时就是队尾元素
newTab[j] = loHead;//队首是放在数组里面的
}
//原索引+oldCap放到新桶中
if (hiTail != null) {//如果队尾元素非空
hiTail.next = null;//hiTail此时就是队尾元素
newTab[j + oldCap] = hiHead;//队首是放在数组里面的
}
}
}
}
}
return newTab;
}
- 注意:是不需要计算索引下标,节点的Hash值是不会发生变化的!!!
- &运算的定义:两位同时为"1",结果才为"1",否则为0
- 首先,我们先根据下标计算公式得出扩容前后索引的变化
- 根据图片可知,扩容后的21的索引下标比扩容前的索引下标多了一个1,且这个1位于newCap-1的掩码最高位
- 结论:元素在重新计算hash后,因为n变为2倍,那么n-1的mask范围在高位多1bit,即多了个原容量的距离
- 优化:无需重新计算Hash,节省了时间,新索引=原索引+原容量
e.hash & oldCap
从何而来???
- 作用:确认newCap-1最高位对应的hash(key)位是0还是1
- 由于扩容前后
hash不变
,由容量2次幂
且index=(n-1)&hash
可知:
新的index的决定因素为:(newCap-1)二进制最高位对应的hash位上是0还是1;- 因此源码作者巧妙的拉关系,以"oldCap等价于newTab的(n-1)的最高位"进而得出
e.hash & oldCap
!
- 优化:由于所计算的hash(key)位是1是0可以认为是随机的,所以将一个冲突长链表"均分"成了两个链表,减少碰撞
/**
* Replaces all linked nodes in bin at index for given hash unless
* table is too small, in which case resizes instead.
* 桶内链表树化:将桶内所有的链表节点替换成红黑树节点,当元素数量不够树化时会重新resize
* 注意:不是整个Map转换,只是当前桶!
*/
final void treeifyBin(Node<K,V>[] tab, int hash) {
int n, index; Node<K,V> e;
//当数组为空 或者 数组长度 < 树化阈值(64)时需要执行resize方法,重新决定内部的数据结构类型
if (tab == null || (n = tab.length) < MIN_TREEIFY_CAPACITY)
resize();
//否则,需要树化
else if ((e = tab[index = (n - 1) & hash]) != null) {
TreeNode<K,V> hd = null, tl = null;//hd指的是head,tl指的是tail,分别指向红黑树的头、尾节点
//从链表头节点开始遍历链表,头节点是存放在数组中的
do {
//新建一个树形节点,内容和当前链表节点e保持一致
//此时next默认为null,会在后面按顺序重新对next赋值
TreeNode<K,V> p = replacementTreeNode(e, null);
if (tl == null)//当尾节点为空,即当前节点应为头节点(因为就这一个节点)
hd = p;
else {
p.prev = tl;//prev被赋值,主要是记录当前节点的上一个节点
tl.next = p;//p指向之前尾节点的next,保持插入顺序
}
tl = p;//当前节点设置为尾节点,保持插入顺序
} while ((e = e.next) != null);
//桶内第一个元素即链表头节点,并放在数组中
if ((tab[index] = hd) != null)
hd.treeify(tab);//从头节点开始遍历,将整个桶树化
//注意头节点并不一定是树的根节点:树化后的根节点会重新设置为头节点,即tab[index]=root
//具体参见moveRootToFront()
}
}
// For treeifyBin 新建一个树形节点
TreeNode<K,V> replacementTreeNode(Node<K,V> p, Node<K,V> next) {
return new TreeNode<>(p.hash, p.key, p.value, next);
}
/**
* Forms tree of the nodes linked from this node.
* 塑造红黑树
* @return root of tree 这里比较有意思,明明时void但有注释@return,不知大神们何意
*/
final void treeify(Node<K,V>[] tab) {
TreeNode<K,V> root = null;//根节点需要排序后重新设置(之前链表的头节点不一定是树的根节点)
//this指的是当前二叉树的头节点,从头节点开始遍历
for (TreeNode<K,V> x = this, next; x != null; x = next) {
next = (TreeNode<K,V>)x.next;
x.left = x.right = null;
//当根节点为空时,先设置根节点为黑色,同时当前节点先当作根节点(即自上而下插入)
if (root == null) {
x.parent = null;
x.red = false;//红黑树的根节点为黑色
root = x;
}
else {
//后面进入循环走的逻辑,x 指向树中的某个节点
K k = x.key;
int h = x.hash;
Class<?> kc = null;
//重新循环,从根节点开始,遍历所有节点与当前节点x比较,重新调整位置,类似冒泡排序
for (TreeNode<K,V> p = root;;) {
int dir, ph;
K pk = p.key;
if ((ph = p.hash) > h)//如果比较节点的hash比当前节点的hash大,查左子树
dir = -1;
else if (ph < h)
dir = 1;//如果比较节点的hash比当前节点的hash小,查右子树
else if ((kc == null && (kc = comparableClassFor(k)) == null) ||
(dir = compareComparables(kc, k, pk)) == 0 )
//tieBreakOrder 用于hash相同时且key无法比较时,直接根据引用比较
//这里指的是如果当前比较节点的哈希值比x大,返回-1,否则返回1
dir = tieBreakOrder(k, pk);
//经过前面的计算,得到了当前节点和要插入节点x的一个大小关系
//如果当前比较节点的哈希值比x大,x就是左子节点,否则x是右子节点
TreeNode<K,V> xp = p;
if ((p = (dir <= 0) ? p.left : p.right) == null) {
x.parent = xp;//把当前节点变成x的父节点
if (dir <= 0)
xp.left = x;
else
xp.right = x;
root = balanceInsertion(root, x);
break;
}
}
}
}
moveRootToFront(tab, root);//将根节点设置为头节点
}
/**
* Tree version of putVal. 当桶内为红黑树时,查找该节点,
* 若该节点不存在就新增,返回null
* 若当前节点存在,返回当前节点,用于之后的值覆盖操作
*/
//this, tab, hash, key, newValue
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;
TreeNode<K,V> root = (parent != null) ? root() : this;//如果当前node非根节点,需要向上溯源找到根节点
//双重for循环,确定节点位置
for (TreeNode<K,V> p = root;;) {//从根节点开始遍历,确定键值对的位置
int dir, ph; K pk;
if ((ph = p.hash) > h)//对比当前节点和 比较节点的hash大小
dir = -1;// 比较节点hash > 当前节点hash 找左子树
else if (ph < h)
dir = 1;// 比较节点hash < 当前节点hash 找右子树
else if ((pk = p.key) == k || (pk != null && k.equals(pk)))
return p;//如果该节点已经存在,直接返回该节点即可
else if ((kc == null && (kc = comparableClassFor(k)) == null) ||
(dir = compareComparables(kc, k, pk)) == 0) {
//如果当前节点和要添加的节点哈希值相等,但是两个节点的键不是一个类,只能挨个对比左右子节点
if (!searched) {
TreeNode<K,V> q, ch;
searched = true;
//左查 or 右查
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);
}
//经过前面的计算,得到了比较节点p和要插入节点x的一个大小关系
//如果比较节点p的哈希值比x大,x就是左子节点,否则x是右子节点
TreeNode<K,V> xp = p;
//如果比较节点还没有左子节点或者右子节点时才能插入,否则就进入下一轮循环(因为是查找二叉树)
if ((p = (dir <= 0) ? p.left : p.right) == null) {
//比较节点的next即是新节点的next,原因是当前x需要作为比较节点p的子节点(树的位置需要调整)
Node<K,V> xpn = xp.next;
TreeNode<K,V> x = map.newTreeNode(h, k, v, xpn);//新建一个树形节点
if (dir <= 0)
xp.left = x;//x的hash比比较节点小,即作为比较节点的左子节点
else
xp.right = x;//x的hash比比较节点大,即作为比较节点的右子节点
xp.next = x;
x.parent = x.prev = xp;//比较节点即是当前节点的x的父节点也是上一个节点
if (xpn != null)//当比较节点的原next节点存在时,需要重新设置该节点的上一个节点指向新节点
((TreeNode<K,V>)xpn).prev = x;
moveRootToFront(tab, balanceInsertion(root, x));//每次都要重新平衡并确定新的根节点
return null;//新增节点返回null
}
}
}
/*
*
* Tie-breaking utility for ordering insertions when equal hashCodes and non-comparable.
* We don't require a total order, just a consistent insertion rule to maintain equivalence
* across rebalancings. Tie-breaking further than necessary simplifies testing a bit.
* 当a和b哈希值相同但是无法比较时,直接根据两个引用的地址进行比较
* 这个树里不要求完全有序,只要插入时使用相同的规则保持平衡即可
*/
static int tieBreakOrder(Object a, Object b) {
int d;
if (a == null || b == null || (d = a.getClass().getName().compareTo(b.getClass().getName())) == 0)
d = (System.identityHashCode(a) <= System.identityHashCode(b) ? -1 : 1);
return d;
}
public V get(Object key) {
Node<K,V> e;//getEntry变更为getNode
return (e = getNode(hash(key), key)) == null ? null : e.value;
}
/**
* Implements Map.get and related methods
* get方法主要包括几个步骤:
* 1.优先获取头节点(即放在数组中的元素) -- 好处是:不需要一上来就遍历
* 2.若头节点没有匹配上且头节点next非空,那么就需要遍历
* 3.遍历前需要先判断是否为树形节点,是则根据红黑树遍历否则就根据链表遍历
* 4.若该key对应的节点不存在,默认返回null
* @param hash hash for key
* @param key the key
* @return the node, or null if none
*/
final Node<K,V> getNode(int hash, Object key) {
Node<K,V>[] tab; Node<K,V> first, e; int n; K k;
if ((tab = table) != null && (n = tab.length) > 0 &&
(first = tab[(n - 1) & hash]) != null) {
if (first.hash == hash && // always check first node 总是优先匹配头节点
((k = first.key) == key || (key != null && key.equals(k))))
return first;
//若头节点没有匹配上且头节点next非空,那么就需要遍历
if ((e = first.next) != null) {
//优先判断是否树形节点,注意:当桶内已经树化,则桶内节点都是TreeNode类型
if (first instanceof TreeNode)
return ((TreeNode<K,V>)first).getTreeNode(hash, key);
//否则,桶内为链表结构,需要遍历链表(根据插入顺序遍历-FIFO先进先出原则)
do {
if (e.hash == hash && ((k = e.key) == key || (key != null && key.equals(k))))
return e;
} while ((e = e.next) != null);
}
}
return null;//对应节点不存在,返回null
}
/**
* Calls find for root node.
* 红黑树 总是从根节点开始查找
*/
final TreeNode<K,V> getTreeNode(int h, Object k) {
return ((parent != null) ? root() : this).find(h, k, null);
}
/**
* Finds the node starting at root p with the given hash and key.
* The kc argument caches comparableClassFor(key) upon first use comparing keys.
* 查找指定key,并从根节点开始递归
*/
final TreeNode<K,V> find(int h, Object k, Class<?> kc) {
TreeNode<K,V> p = this;//这里的this指的是root,参见getTreeNode
do {
int ph, dir; K pk;
TreeNode<K,V> pl = p.left, pr = p.right, q;
//查找原则:左子树都比自身小,右子树都比自身大,二分查找即可
//比较hash,当前节点hash小,继续查左子树,否则查右子数
if ((ph = p.hash) > h)
p = pl;
else if (ph < h)
p = pr;
else if ((pk = p.key) == k || (k != null && k.equals(pk)))
return p;//若找到,直接返回
//哪边子树是空,就查另一边子树
else if (pl == null)
p = pr;
else if (pr == null)
p = pl;
//主要处理hash相同时,key又实现了Compareble的情况(即根据比较器比较)
else if ((kc != null || (kc = comparableClassFor(k)) != null) &&
(dir = compareComparables(kc, k, pk)) != 0)
p = (dir < 0) ? pl : pr;
//先递归右子树,找不到再找左子树(此时左右子树都非空)
else if ((q = pr.find(h, k, kc)) != null)
return q;
else
p = pl;
} while (p != null);
return null;//找不到则返回null
}
/**
* Splits nodes in a tree bin into lower and upper tree bins,or untreeifies if now too small.
* Called only from resize;see above discussion about split bits and indices.
* 该方法主要有两个作用:
* 1.将桶内元素分成低位链表和高位链表两个部分
* 2.当该桶的元素数量太少时,会执行反树化操作(即链化操作)
* 该方法只能被resize方法使用
* @param map the map 当前map
* @param tab the table for recording bin heads 这里代指newTab
* @param index the index of the table being split 当前数组下标
* @param bit the bit of hash to split on 这里代指oldCap
*/
final void split(HashMap<K,V> map, Node<K,V>[] tab, int index, int bit) {
TreeNode<K,V> b = this;//当前node
// Relink into lo and hi lists, preserving order
TreeNode<K,V> loHead = null, loTail = null;//lo=low
TreeNode<K,V> hiHead = null, hiTail = null;//hi=high
int lc = 0, hc = 0;//lc=lowCount 即桶内低位元素个数 hc=highCount 即桶内高位元素个数
for (TreeNode<K,V> e = b, next; e != null; e = next) {
next = (TreeNode<K,V>)e.next;
e.next = null;
//(e.hash & bit) == 0 等价于 resize方法中的 (e.hash & oldCap) == 0,同时效果等效
//即将桶内元素分成低位链表和高位链表两个部分,即红黑树一分为二成两个链表
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;
}
}
//注意:两条链不是直接以链表的形式置于相应的槽位,而是同样根据链的长短进行判断是链化还是树化
//低位链表位置不变,还是在原桶中
if (loHead != null) {
//低位元素数量若<=链表还原阈值,那需要将反树化,将树重新变成链表结构
if (lc <= UNTREEIFY_THRESHOLD)
tab[index] = loHead.untreeify(map);
else {
tab[index] = loHead;//重新设置原桶头节点
//若新桶头节点非空,原桶需要重新树化(因为重新分割了)
if (hiHead != null) // (else is already treeified)
loHead.treeify(tab);
}
}
//高位链表位置变动,变动到新桶,即[index+oldCap]位置
if (hiHead != null) {
//高位元素数量若<=链表还原阈值,那需要将反树化,将树重新变成链表结构
if (hc <= UNTREEIFY_THRESHOLD)
tab[index + bit] = hiHead.untreeify(map);
else {
tab[index + bit] = hiHead;//重新设置新桶头节点
//若原桶头节点非空,新桶需要重新树化(因为重新分割了)
if (loHead != null)
hiHead.treeify(tab);
}
}
}
//请原谅笔者对黑长直的执着(笔者媳妇也是可爱的黑长直~)
HashMap<String, String> beautyProdMap = new HashMap<String,String>();
beautyProdMap.put("三笠·阿克曼","进击的巨人");
beautyProdMap.put("三日月夜空","我的朋友很少");
beautyProdMap.put("古手川唯","出包女王");
beautyProdMap.put("毒岛冴子","学园默示录");
beautyProdMap.put("东城绫","草莓100%");
- 该方法用于当获取元素不存在时,可以返回给定的默认值
// JDK8之前的实现方法
String product = beautyProdMap.get("东城绫");
if (product == null){
product = "Unknown";
}
// JDK8的实现方法
final String product = beautyProdMap.getOrDefault("东城绫", "Unknown");
- 该方法用于当指定键已经不再与某个值相关联,则将它与给定值关联
// JDK8之前的实现方式
String product = beautyProdMap.get("毒岛冴子");
if (product == null){
product = beautyProdMap.put("毒岛冴子", "学园默示录2");
}
// JDK8的实现方式
final String product = beautyProdMap.putIfAbsent("毒岛冴子", "学园默示录2");
.....待续.....
集合番@HashMap一文通(1.8版) 由 黄志鹏kira 创作,采用 知识共享 署名-非商业性使用 4.0 国际 许可协议 进行许可。
本站文章除注明转载/出处外,均为本站原创或翻译,转载前请务必署名。