讲解步骤

  · 基础知识

  · 工作原理

  · 关键代码

  · 核心方法

基础知识

数组结构

数组接口,在查询数据方面,具备优势

链表结构

链表结构,在增删数据方面,具备优势

红黑树结构

红黑树结构,在查询数据方面,数据量较大的时候,具备一定的优势

什么是散列(哈希)表

散列表,顾名思义,就是将数据分布在不同的列
但是散列表并不是完全将数据分散在不同的列,而是按照某种规则,将具备同样规则的数据存储在同一列。
即具备相同规则的数据存储在同一列,规则不同的数据分布在不同的列。
这种规则最终的产生与哈希值有关。
这里需要注意的事,哈希值只是确定最后存储列的因素,也就是说不同的哈希值可能会存在同一列。

什么是哈希值

散列表,顾名思义,就是将数据分布在不同的列
但是散列表并不是完全将数据分散在不同的列,而是按照某种规则,将具备同样规则的数据存储在同一列。
即具备相同规则的数据存储在同一列,规则不同的数据分布在不同的列。
这种规则最终的产生与哈希值有关。
这里需要注意的事,哈希值只是确定最后存储列的因素,也就是说不同的哈希值可能会存在同一列。

工作原理

存储结构

HashMap基于散列法,又称哈希法：数组+链表+红黑树。

HashMap需要同时存储一对键和值。
Map集合中提供了put(key, value)方法,所有的键和值会被封装到一个Entry实现类(Node)对象,存储到集合中。
在存储的过程中,会先通过hashCode()方法获取一个哈希值,并通过这个哈希值,与数组的长度进行一定的运算,得到一个索引值(存储的列)
在通过equals方法来判断这个元素是否已存在,不存在则存储在该列,若存储,则保留原来的数据。
存储在一列的数据,将以链表的形式,前后关联,这样有利于将来进行删除的时候提高效率。
但是如果一列的桶结构数据过多,就会导致查询的效率降低。
为了优化桶结构带来的问题,HashMap中会去检查,当一列的桶结构数据达到8个以上,就降这一列树化(转变为树结构)

名词理解

所有的数据都是以Node节点为单位。
hash值:哈希值,该方法内部提供了一个扰动函数------int hashCode()
扰动函数:用于产生哈希值,前16位与后16位做异或运算,提高低位随机性。------h = key.hashCode()) ^ (h >>> 16)
路由寻址:由数组长度与哈希值产进行与操作,产生最终的存储列(索引位置):(table.length-1)&node.hash
Hash碰撞：哈希值如果相同，就会存储到相同的列。
链化：哈希值相同，就会存储在同系列，产生桶状结构，桶结构过长，查询数据低效。
红黑树：jdk8引入,类似于二叉树,可以避免过长的桶状结构

扩容原理

扩容:增加数组长度。目的在于解决数据过多，链化严重，默认以两倍的长度扩容。
①一列添加第8+个元素，且数组长度小于64，会优先扩容。
②一列添加第8+个元素，且数组长度达到64个，会优先树化。
③添加元素后,若哈希表中元素总个数超过阈值(一个指定的值)，会进行扩容。
④扩容后，会重新根据数组长度和哈希值计算存储位置。

关键代码

核心字段

static final int DEFAULT_INITIAL_CAPACITY = 1 << 4; 默认数组大小
static final int MAXIMUM_CAPACITY = 1 << 30; 数组最大长度
static final float DEFAULT_LOAD_FACTOR = 0.75f; 默认负载因子
static final int TREEIFY_THRESHOLD = 8; 树化阈值
static final int UNTREEIFY_THRESHOLD = 6; 树降级阈值
static final int MIN_TREEIFY_CAPACITY = 64; 树化阈值
transient Node<K,V>[] table; 哈希表
transient Set<Map.Entry<K,V>> entrySet; 键值对对象集合
transient int size; 元素长度
transient int modCount; 增删元素次数
int threshold;扩容阈值     扩容阈值=loadFactor*capacity
final float loadFactor;   负载因子

核心方法

put-->putVal(存储数据)

final V putVal(int hash, K key, V value, boolean onlyIfAbsent,
                   boolean evict) {
        Node<K,V>[] tab; Node<K,V> p; int n, i;
    	//判断表是否为空或长度为0,若满足条件,则初始化表(体现了延迟加载)
        if ((tab = table) == null || (n = tab.length) == 0)
            n = (tab = resize()).length;
    	//判断要添加的元素对应的列是否为空,若满足条件,则直接插入
        if ((p = tab[i = (n - 1) & hash]) == null)
            tab[i] = newNode(hash, key, value, null);
        else {
            Node<K,V> e; K k;
            //判断元素的哈希值与要存储列的键相同,则替换键对应的值
            if (p.hash == hash &&
                ((k = p.key) == key || (key != null && key.equals(k))))
                e = p;
            else if (p instanceof TreeNode)
                //如果当前节点是一个数结构节点,按照树结构存储新元素。
                e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
            else {    
                for (int binCount = 0; ; ++binCount) {
                    //遍历当前列的节点,判断如果当前节点超过8个节点,则将当前列转为树结构。
                    if ((e = p.next) == null) {
                        p.next = newNode(hash, key, value, null);
                        if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st
                            treeifyBin(tab, hash);
                        break;
                    }
                  
                    if (e.hash == hash &&
                        ((k = e.key) == key || (key != null && key.equals(k))))
                        break;
                    p = e;
                }
            }
            //存在相同键,就值替换新值
            if (e != null) { // existing mapping for key
                V oldValue = e.value;
                if (!onlyIfAbsent || oldValue == null)
                    e.value = value;
                afterNodeAccess(e);
                return oldValue;
            }
        }
    	//记录操作次数
        ++modCount;
    	//判断元素个数达到指定的阈值,则进行扩容操作。
        if (++size > threshold)
            resize();
        afterNodeInsertion(evict);
        return null;
    }

resize(扩容)

 final Node<K,V>[] resize() {
        Node<K,V>[] oldTab = table;
        int oldCap = (oldTab == null) ? 0 : oldTab.length;
        int oldThr = threshold;
        int newCap, newThr = 0;
        if (oldCap > 0) {
            if (oldCap >= MAXIMUM_CAPACITY) {
                threshold = Integer.MAX_VALUE;
                return oldTab;
            }
            else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&
                     oldCap >= DEFAULT_INITIAL_CAPACITY)
                //修改新表的长度为旧表的两倍
                newThr = oldThr << 1; // double threshold
        }
        else if (oldThr > 0) // initial capacity was placed in threshold
            newCap = oldThr;
        else {               // zero initial threshold signifies using defaults
            newCap = DEFAULT_INITIAL_CAPACITY;
            newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);
        }
        if (newThr == 0) {
            float ft = (float)newCap * loadFactor;
            newThr = (newCap < MAXIMUM_CAPACITY && ft < (float)MAXIMUM_CAPACITY ?
                      (int)ft : Integer.MAX_VALUE);
        }
        threshold = newThr;
        @SuppressWarnings({"rawtypes","unchecked"})
            Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap];
        table = newTab;
     	//将新表内容，重新计算位置后,放入新表
        if (oldTab != null) {
            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 (e instanceof TreeNode)
                        ((TreeNode<K,V>)e).split(this, newTab, j, oldCap);
                    else { // preserve order
                        Node<K,V> loHead = null, loTail = null;
                        Node<K,V> hiHead = null, hiTail = null;
                        Node<K,V> next;
                        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);
                        if (loTail != null) {
                            loTail.next = null;
                            newTab[j] = loHead;
                        }
                        if (hiTail != null) {
                            hiTail.next = null;
                            newTab[j + oldCap] = hiHead;
                        }
                    }
                }
            }
        }
        return newTab;
    }

tableSizeFor(数组长度初始化)

二进制位运算
右移:二进制数据向右移动一位,最高位补原最高位值,原最低位舍弃。4>>1结果等于2    2>>1结果等于1  
无符号右移:二进制数据向右移动一位,最高位补0,原最低位舍弃。4>>>1结果等于2    2>>>1结果等于1     
    	无符号右移动,会确保移动后一定是一个正数。
左移:二进制数据向左移动一位,最低位补0,原最高位舍弃。举例:4<<1结果等于8   8<<1结果等于16     
或:有1则1  1001|100结果为1100(12)
    
static final int tableSizeFor(int cap) {
    	//下列操作的最终目的保证了,最终的n值一定比cap大,且最接近满足+1后数组长度定义的数值(0,3,7,15,31,63...)
   		1001  100
        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;
    }