HashMap
1. 简介
- HashMap基于哈希表的Map接口实现。
- 是以key-value存储形式存在，即主要用来存放键值对。
- HashMap的实现不是同步的，即其不是线程安全的。
- 它的key值、value值都可以为null，但是键位置只能是一个null。
- 它的key值是唯一的，不可以重复 。
- HashMap中的映射 不是有序 的。
- JDK1.8之前HashMap由 数组+链表 组成的，数组是HashMap的主体，链表则是主要为了解决哈希冲突（两个对象调用的hashcode方法计算的哈希码值一致导致计算的数组索引值相同）而存在的（“拉链法解决冲突）。
- JDK1.8以后在解决哈希冲突时有了较大的变化，当链表长度大于阈值（或者红黑树的边界值，默认为8）并且当前数组的长度大于64时，此时此索引位置上的所有数据改为使用红黑树存储。
- 补充：将链表转换成红黑树前会判断，即使阈值大于8，但是数组长度小于64，此时并不会将链表变为红黑树，而是选择进行数组扩容。这样做的目的是因为数组比较小，尽量避开红黑树结构，这种情况下变为红黑树结构反而会降低效率，因为红黑树需要进行左旋，右旋，变色这些操作来保持平衡。同时数组长度小于64时，搜索时间相对要快一些所以综上所述为了提高性能和减少搜索时间，底层在阈值大于8并且数组长度大于64时，链表才转换为红黑树。
2. HashMap集合底层数据结构
2.1 HashMap的结构组成以及变革
- JDK1.8之前HashMap由数组+链表数据结构组成的。
- JDK1.8之后HashMap由数组+链表+红黑树数据结构组成的。
2.2 HashMap底层的数据结构存储数据的过程
HashMap<String, Integer> hashMap = new HashMap<>();
/*
该语句的执行过程：
-- 1.8之前，构造方法中创建一个长度是16的Entry[] table用来存储键值对数据。
-- 1.8之后，在构造方法中不创建数组了，而是在第一次调用put()方法时创建数组Node[] table来存储键值对数据。
*/
- 假设向哈希表中存储键值对
<"a", 1>，根据键值“a”调用String类中重写之后的hashCode()方法计算出值，然后结合数组长度采用某种算法（这里的算法有很多，比如无符号右移(>>>)、按位异或(^)、按位与(&)等，也有平方取中法、取余数、伪随机数法，不过更多的是按位运算的方法，效率较高。通过这些算法来获取索引值）计算出向Node数组中存储数据的空间的索引值，如果计算出的索引空间没有数据，则直接将<"a", 1>存储到数组中。 - 向哈希表中存储键值对
<"b", 2>,根据键值“b”计算出的Hash值并经过算法处理后得到的索引值如果与"a"的索引相同，由于该索引值的数组空间已经被占用，则比较“a”和“b”的hash值，如果hash值相等，此时发生哈希碰撞，此时底层调用equals方法比较两个键的内容的值是否相等，如果相等，则更新数组内容为2，否则，则继续向下比较，如果都不想等，则在此空间上划出一个节点来存储键值对<"b", 2>。- 我用的示例键值对只做介绍之用，实际其hash值并不相等。
- 如果节点长度即链表长度大于阈值8并且数组长度大于64则将链表变为红黑树
- 当链表长度大于阈值8，但是数组长度小于64时进行数组扩容，具体是获取一个容量为原来二倍的空间，然后将原来的数据复制过来。
tips：
- size表示HashMap中K-V的实时数量，并不是数组的长度。
- threshold（临界值）= capacity（容量）* loadFactor（加载因子），这个值是当前已占用数组长度的最大值。size超过这个临界值就重新resize（扩容），扩容后的HashMap是之前容量的两倍。
3. HashMap的继承关系
-
HashMap继承自AbstractMap（正如名字一样，其是一个抽象类，并且实现了Map接口）
tips：
- Cloneable空接口。表示可以克隆，创建并返回HashMap对象的一个副本。
- Serializable序列化接口。属于标记型接口，HashMap对象可以被序列化和反序列化。
- AbstractMap父类提供了Map实现接口。以最大限度地减少实现此接口所需的工作。
- AbstractMap实现了Map接口而HashMap也实现了Map接口的原因是因为没有原因，java集合框架的创始人Josh Bloch手抖了，写了这么个bug，后续维护的程序员表示这根本不叫事，我分分钟几十万上下的人怎么可能去修改这种bug。
4. HashMap集合类的成员
4.1 成员变量
-
序列化版本号
private static final long serialversionUID = 362498820763181265L; -
集合的初始化容量（ 必须是二的n次幂 ）
//默认的初始容量是16 -- 1<<4相当于1*2的四次方 static final int DEFAULT_INITIAL_CAPACITY = 1 << 4; //HashMap构造方法还可以执行集合的初始化容量大小 HashMap(int initialCapacity); //构造一个带指定初始容量和默认加载因子（0.75）的空HashMap。tips:为什么默认值是2的n次幂？这样有什么好处？
根据上面的内容我们已经知道，当向HashMap中添加一个元素的时候，需要根据key的hash值，去确定其在数组中的具体位置，HashMap为了存取高效，要尽量减少碰撞，就是要尽量把数据分配均匀，每个链表长度大致相同，这个实现就在于把数据存到哪个链表中的算法。
这个算法实际上就是取模运算，而计算机中通过求余数的方式取模效率较低，而位运算的效率相对较高。所以源码中的取模运算
hash%length优化为了hash&(length - 1),但是实际上这样优化的前提是length为2的n次幂。为什么使用2的n次幂就能均匀分布，减少碰撞呢？
2的n次幂转化为二进制为：1 0 0… (n个0)
2的n次幂-1转化为二进制：1 … (n个1)
当key与一个值进行按位与的时候，其分散程度取决于这个数的二进制中1的个数（因为按位与的原则是同一为一，否则为零，因此当一个值为1时，结果和另一个值相同），而2的n次幂-1全是1，在位数相同的情况下不存在分散程度更好的情况。
既然HashMap进行了这样的优化，如果自定义容量的参数不是2的n次幂会怎么样？
自定义容量并不是你指定多少容量就i是多少的，当传入的参数不是2的n次幂时，会通过或运算以及位移运算对参数进行二进制的向上取整（比如你传入的是7，向上取整就是8，9就是16，保证是2的n次幂）。（具体算法挺精妙的，n通过和n右移1/2/4/8/16位进行或运算保证最后得到的数为n的二进制向上取整-1，然后返回其+1就是n向上取整的值）
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; } -
默认的负载因子，默认值为0.75
//负载因子的作用是进行容量预警，在实际进行加载的时候并不会整个数组填满才进行扩容或者变形，而是达到容量*负载因子就开始进行扩容或变形。因为数组填满是很难的，往往在接近填满的时候数组中部分链表已经巨长了，效率会很低下，而负载因子就是在数组容量增加率还是降低，链表长度增长率开始增价的时候进行预警，并且进行扩容或者变形 static final float DEFALULT_LOAD_FACTOR = 0.75f; -
集合最大容量
//集合最大容量的上限是：2的30次幂 static final int MAXIMUM_CAPACITY = 1 << 30; -
当链表的值超过8则会转红黑树（jdk1.8以后加入）
//当桶(bucket)上的结点大于这个值时会转成红黑树 static final int TREEIFY_THRESHOLD = 8;这个8是怎么得到的？
官方的解释是因为树节点的大小大约是普通链表结点的两倍，所以只在数组中包含足够多的结点时才使用树节点；当结点因为一系列删除或者调整大小等操作变的足够少时，其又会转换为链表结点。通过大量的实验获取到转换的数据，发现其频率服从泊松分布。通过对空间和时间的权衡，发现在链表长度达到8时转为红黑树，当长度降到6时，转化为链表是最优的结果。
-
当链表的值小于6则会从红黑树转会链表
//当桶(bucket)上的结点小于这个值时会转换为链表 static final int UNTREEIFY_THRESHOLD = 6; -
当Map里面的数量超过这个值时，表中的桶才能进行树形化，否则桶内元素太多时会扩容，而不是树形化为了避免进行扩容、树形化选择的冲突，这个值不能小于4 * UNTREEIFY_THRESHOLD(8)
//桶中结构转换为红黑树对应的数组长度最小的值 static final int MIN_TREEIFY_CAPACITY = 64; -
table用来初始化（必须是2的n次幂）
//存储元素的数组 transient Node<K, V>[] table; //jdk1.8之前叫做Entry -
用来存放缓存
//存放具体元素的集合 transient Set<Map.Entry<K, V>> entrySet; -
HashMap中存放元素的个数
//存放元素的实时个数，注意这个不等于数组的长度 transient int size; -
用来记录HashMap的修改次数
//每次扩容和更改map结构的计数器 transient int modCount; -
用来调整大小，下一个容量的值计算方式为（容量*负载因子）
//临界值 当实际大小（容量*负载因子）超过临界值，会进行扩容 int threshold; -
哈希表的加载因子
//加载因子，用来衡量HashMap满的程度，表示HashMap的疏密程度，影响hash操作到同一个数组位置的概率，计算试试加载因子的方法为：size/capacity。加载因子影响数组的利用率，官方默认的0.75是一个比较好的临界值。 final float loadFactor; //由于扩容比较耗时，因此尽量减少扩容次数，另外HashMap通过了在构造器中定制loadFactor的方法，但是不建议修改，上面已经说了0.75是最优的值 HashMap(int initialCapacity, float loadFactor);
4.2 构造方法
-
无参构造，构造一个空的HashMap，默认初始容量16和默认负载因子0.75
public HashMap() { this.loadFactor = DEFAULT_LOAD_FACTOR; } -
构造一个具有指定的初始容量和默认负载因子0.75的HashMap
public HashMap(int initialCapacity) { this(initialCapacity, DEFAULT_LOAD_FACTOR); } -
构造一个具有指定的初始容量和负载因子的HashMap
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; //tableSizeFor()方法上面有 this.threshold = tableSizeFor(initialCapacity); } /* 关于this.threshold = tableSizeFor(initialCapacity);这行代码 threhold是临界值，具体计算应该为size*loadFactor，但是这里却传入了本应该为size的值。这是因为在jdk1.8以后的构造方法中，并没有对table这个成员变量进行初始化，table的初始化推迟到了put方法中，在put方法中会对threshold重新计算。 */ -
构造一个映射关系与指定Map相同的新HashMap
public HashMap(Map<? extends K, ? extends V> m) { this.loadFactor = DEFAULT_LOAD_FACTOR; putMapEntries(m, false); } final void putMapEntries(Map<? extends K, ? extends V> m, boolean evict) { int s = m.size(); if (s > 0) { if (table == null) { // pre-size //+1的原因和进行转换的时候-1相同，就是为了防止数组填满甚至越界 float ft = ((float)s / loadFactor) + 1.0F; int t = ((ft < (float)MAXIMUM_CAPACITY) ? (int)ft : MAXIMUM_CAPACITY); if (t > threshold) //这里跟上一段讲的一样 threshold = tableSizeFor(t); } else if (s > threshold) //大于临界值就扩容 resize(); for (Map.Entry<? extends K, ? extends V> e : m.entrySet()) { K key = e.getKey(); V value = e.getValue(); putVal(hash(key), key, value, false, evict); } } }
4.3 成员方法
4.3.1 增加方法
put方法实现步骤：
- 先通过hash值计算出key映射到哪个桶
- 如果桶上没有碰撞冲突，则直接插入
- 如果出现了冲突，则需要处理冲突
- 如果该桶使用红黑树处理冲突，则调用红黑树的方法插入数据
- 否则采用传统的链式方法插入；如果链的长度达到临节值，则把链表转换为红黑树
- 如果桶中存在重复的键，则为该键替换新值value
- 如果size大于阈值threshold，则进行扩容
具体代码如下：
public V put(K key, V value) {
return putVal(hash(key), key, value, false, true);
}
static final int hash(Object key) {
int h;
/*
1. 如果key等于null，则返回0
2. 如果key不等于null，则计算出key的hashCode值赋予h，然后与h无符号右移16位后的二进制进行按位异或得到最后的hash值。
这样操作的原因是由于hashCode直接获得的值较大，后面要进行位压缩，这里进行低16位和高16位的异或操作，其实就是进行了初步压缩，并且因为hashCode的计算方式，可以减少哈希冲突
*/
return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}
/*
putVal方法中多了两个参数，
onlyIfAbsent：如果为true代表不更改现有的值
evict：如果位false代表table为创建状态
*/
final V putVal(int hash, K key, V value, boolean onlyIfAbsent,
boolean evict) {
Node<K,V>[] tab; Node<K,V> p; int n, i;
if ((tab = table) == null || (n = tab.length) == 0)
n = (tab = resize()).length;
//因为在上述hash()中获得到的值较大，这一步主要是进行位压缩，其实就是对数组长度取余(这里采用的是上述的位运算，效率更高)（n默认为16）
if ((p = tab[i = (n - 1) & hash]) == null)
tab[i] = newNode(hash, key, value, null); //newNode就是new新的结点
else { //如果当前数组不是null，也就是冲突了
Node<K,V> e; K k;
//比较hash值和key值的内容，如果完全相同就覆盖修改
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
e = p;
//检查是否是树节点，如果是树节点就插入树
else if (p instanceof TreeNode)
e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
else { //不是树就插入节点
for (int binCount = 0; ; ++binCount) {
if ((e = p.next) == null) {
p.next = newNode(hash, key, value, null);
//如果链表结点个数大于8，就转换红黑树
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;
}
}
if (e != null) { // existing mapping for key
V oldValue = e.value;
//当插入的key在Map中已经存在时，进行标识符的修改，并且覆盖原有值
if (!onlyIfAbsent || oldValue == null)
e.value = value;
afterNodeAccess(e);
return oldValue;
}
}
//插入结点完成，进行全局参数的修改
++modCount;
if (++size > threshold)
resize();
afterNodeInsertion(evict);
return null;
}
4.3.2 treeifyBin方法
结点添加完成之后判断此时结点个数是否大于TREEIFY_THRESHOLD，如果大于则将链表转换为红黑树
final void treeifyBin(Node<K,V>[] tab, int hash) {
int n, index; Node<K,V> e;
//如果数组长度小于MIN_TREEIFY_CAPACITY（默认64）,则进行扩容
if (tab == null || (n = tab.length) < MIN_TREEIFY_CAPACITY)
resize();
else if ((e = tab[index = (n - 1) & hash]) != null) {
TreeNode<K,V> hd = null, tl = null;
//遍历转换为树节点
do {
//replacementTreeNode()就是创建一个树结点
TreeNode<K,V> p = replacementTreeNode(e, null);
if (tl == null)
hd = p;
else {
p.prev = tl;
tl.next = p;
}
tl = p;
} while ((e = e.next) != null);
if ((tab[index] = hd) != null)
//红黑树的旋转
hd.treeify(tab);
}
}
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;
if (root == null) {
x.parent = null;
x.red = false;
root = x;
}
else {
K k = x.key;
int h = x.hash;
Class<?> kc = null;
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;
}
}
}
}
moveRootToFront(tab, root);
}
4.3.3 resize方法
- 什么时候需要扩容
- 当HashMap中的元素个数超过数组大小(数组长度) * loadFactor(负载因子)时，就会进行数组扩容。每次扩容，源码中的操作是原大小左移一位，即扩大了两倍，然后重新计算每个元素在数组中的位置，而这是一个非常消耗性能的操作；因此如果我们已经预知HashMap中元素的个数，可以通过预设数组大小来有效的提高HashMap的性能。
- HashMap的扩容是什么
- 进行扩容，往往会伴随着一次重新hash分配，并且会遍历hash表中的所有元素。因为每次扩容都是左移一位，与原来计算的(n-1)&hash的结果相比，只是多了一个bit位（多这一位是hash值的扩容位，如果为0，则会在原来的位置，如果为1，则加上扩容量），所以结点的位置会在原来的位置或者被分配到了“原位置+扩容量”这个位置；因此就不需要重新计算hash值。
//扩容方法
final Node<K,V>[] resize() {
Node<K,V>[] oldTab = table;
int oldCap = (oldTab == null) ? 0 : oldTab.length;
int oldThr = threshold;
int newCap, newThr = 0;
//如果旧的容量大于零
if (oldCap > 0) {
//如果旧的容量已经达到最大，不能扩容了就把旧的返回回去
if (oldCap >= MAXIMUM_CAPACITY) {
threshold = Integer.MAX_VALUE;
return oldTab;
} //如果旧的容量扩容后（这里左移1位就是容量变为2倍）依旧小于容量最大值，并且旧的容量达到了扩容条件（DEFAULT_INITIAL_CAPACITY这个参数就是用来判断扩容条件的）则进行扩容
else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&
oldCap >= DEFAULT_INITIAL_CAPACITY)
newThr = oldThr << 1; // double threshold
} //如果旧的容量不大于零并且旧的临界值大于零，就把旧的临界值赋值给新的
else if (oldThr > 0) // initial capacity was placed in threshold
newCap = oldThr;
//如果旧的容量和临界值都不大于0
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]; //创建了新的数组
table = newTab;
if (oldTab != null) {
//遍历转存
for (int j = 0; j < oldCap; ++j) {
Node<K,V> e;
if ((e = oldTab[j]) != null) {
oldTab[j] = null;
//如果e.next为空也就是这个数组还是空的，没有发生冲突
if (e.next == null)
newTab[e.hash & (newCap - 1)] = e;
//如果发生了冲突，就要判断是否使用红黑树解决冲突了
else if (e instanceof TreeNode)
((TreeNode<K,V>)e).split(this, newTab, j, oldCap);
//进行链表处理
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;
//检查高位是否是0，如果是0就存在原来的位置
if ((e.hash & oldCap) == 0) {
if (loTail == null)
loHead = e;
else
loTail.next = e;
loTail = e;
}
//如果是1，就存在j + oldCap的位置
else {
if (hiTail == null)
hiHead = e;
else
hiTail.next = e;
hiTail = e;
}
} while ((e = next) != null);
//检查高位是否是0，如果是0就存在原来的位置
if (loTail != null) {
loTail.next = null;
newTab[j] = loHead;
}
//如果是1，就存在j + oldCap的位置
if (hiTail != null) {
hiTail.next = null;
newTab[j + oldCap] = hiHead;
}
}
}
}
}
return newTab;
}
4.3.4 remove方法
删除比较简单，首先要找到元素的位置，如果是链表就遍历删除；如果是红黑树，就也是遍历删除，然后判断树是否小于6，如果小于6就转换成链表。
//remove方法
public V remove(Object key) {
Node<K,V> e;
return (e = removeNode(hash(key), key, null, false, true)) == null ? null : e.value;
}
//removeNode方法
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;
if ((tab = table) != null && (n = tab.length) > 0 &&
(p = tab[index = (n - 1) & hash]) != null) {
Node<K,V> node = null, e; K k; V v;
//判断数组中的结点是否是要删除的结点
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
node = p;
//如果不是，判断是否有链表
else if ((e = p.next) != null) {
//判断是不是树节点
if (p instanceof TreeNode)
node = ((TreeNode<K,V>)p).getTreeNode(hash, key);
else {
//如果不是树节点，循环删除
do {
if (e.hash == hash &&
((k = e.key) == key ||
(key != null && key.equals(k)))) {
node = e;
break;
}
p = e;
} while ((e = e.next) != null);
}
}
if (node != null && (!matchValue || (v = node.value) == value || (value != null && value.equals(v)))) {
if (node instanceof TreeNode)
((TreeNode<K,V>)node).removeTreeNode(this, tab, movable);
else if (node == p)
tab[index] = node.next;
else
p.next = node.next;
++modCount;
--size;
afterNodeRemoval(node);
return node;
}
}
return null;
}
//removeTreeNode方法
final void removeTreeNode(HashMap<K,V> map, Node<K,V>[] tab, boolean movable) {
int n;
if (tab == null || (n = tab.length) == 0)
return;
int index = (n - 1) & hash;
TreeNode<K,V> first = (TreeNode<K,V>)tab[index], root = first, rl;
TreeNode<K,V> succ = (TreeNode<K,V>)next, pred = prev;
if (pred == null)
tab[index] = first = succ;
else
pred.next = succ;
if (succ != null)
succ.prev = pred;
if (first == null)
return;
if (root.parent != null)
root = root.root();
if (root == null
|| (movable
&& (root.right == null
|| (rl = root.left) == null
|| rl.left == null))) {
tab[index] = first.untreeify(map); // too small
return;
}
TreeNode<K,V> p = this, pl = left, pr = right, replacement;
if (pl != null && pr != null) {
TreeNode<K,V> s = pr, sl;
while ((sl = s.left) != null) // find successor
s = sl;
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;
if (s == pr) { // p was s's direct parent
p.parent = s;
s.right = p;
}
else {
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;
if ((p.right = sr) != null)
sr.parent = p;
if ((s.left = pl) != null)
pl.parent = s;
if ((s.parent = pp) == null)
root = s;
else if (p == pp.left)
pp.left = s;
else
pp.right = s;
if (sr != null)
replacement = sr;
else
replacement = p;
}
else if (pl != null)
replacement = pl;
else if (pr != null)
replacement = pr;
else
replacement = p;
if (replacement != p) {
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
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;
}
}
if (movable)
moveRootToFront(tab, r);
}
get方法
查找方法，通过元素的key找到value。具体步骤如下：
- 通过hash值获取该key映射到的桶
- 桶上的key就i是要查找的key，则直接返回
- 桶上的key不是要找的key，则查看后续结点：
- 如果后续节点是红黑树结点，通过调用红黑树的方法根据key获取value
- 如果后续结点是链表节点，则通过循环遍历链表根据key获取value
public V get(Object key) {
Node<K,V> e;
return (e = getNode(hash(key), key)) == null ? null : e.value;
}
//getNode方法
final Node<K,V> getNode(int hash, Object key) {
Node<K,V>[] tab; Node<K,V> first, e; int n; K k;
//如果哈希表不为空并且key对应的桶上不为空
if ((tab = table) != null && (n = tab.length) > 0 &&
(first = tab[(n - 1) & hash]) != null) {
//判断数组元素是否相等，如果相等就返回
if (first.hash == hash && // always check first node
((k = first.key) == key || (key != null && key.equals(k))))
return first;
//如果存在链表，先判断是不是树结点
if ((e = first.next) != null) {
if (first instanceof TreeNode)
return ((TreeNode<K,V>)first).getTreeNode(hash, key);
do { //不是树就进行遍历
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
return e;
} while ((e = e.next) != null);
}
}
return null;
}
//查找红黑树结点，红黑树本身就是有序的，因此通过折半查找就行，效率很高，具体操作和插入相同
final TreeNode<K,V> getTreeNode(int h, Object k) {
return ((parent != null) ? root() : this).find(h, k, null);
}
final TreeNode<K,V> find(int h, Object k, Class<?> kc) {
TreeNode<K,V> p = this;
do {
int ph, dir; K pk;
TreeNode<K,V> pl = p.left, pr = p.right, q;
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;
else if (pl == null)
p = pr;
else if (pr == null)
p = pl;
else if ((kc != null ||
(kc = comparableClassFor(k)) != null) &&
(dir = compareComparables(kc, k, pk)) != 0)
p = (dir < 0) ? pl : pr;
else if ((q = pr.find(h, k, kc)) != null)
return q;
else
p = pl;
} while (p != null);
return null;
}
4.3.6 遍历HashMap的几种方式
-
分别便利key和values
for (String key : map.keySet()) { System.out.println(key); } for (Object value : map.values()) { System.out.println(value); } -
使用迭代器Iterator迭代
Iterator<Map.Entry<String, Object>> iterator = map.entrySet().iterator(); while (iterator.hasNext()) { Map.Entry<String, Object> mapEntry = iterator.next; System.out.println(mapEntry.getKey() + ": " + mapEntry.getValue()); } -
通过get方式(不建议使用，效率太低了)
Set<String> keySet = map.keySet(); //这里进行了一次迭代，下面的get又进行了一次迭代 for (String str : keySet) { System.out.println(str + ": " + map.get(str)); } -
jdk1.8以后使用Map接口中的默认方法：
default void forEach(BiConsumer<? super K, ? super V> action) /* BiConsumer是消费接口，它的两个参数： t key u value */ map.forEach((key, value)->{ System.out.println(key + ": " + value); });
5. 其他
5.1 JDK1.8为什么加入红黑树？单纯为了效率嘛？
-
HashMap导致的DOS
由于当前使用的容器多为Tomcat，其在处理HTTP请求时，会通过HashMap存储请求参数；加入攻击者通过制造大量的hash冲突的key，就会产生链表巨长的HashMap，这也就导致服务器在查询时占用大量的CPU资源用来轮询，从而使服务器拒绝其他的服务，即DOS攻击。
5.2 如何设计多个非重复的键值对要存储HashMap的初始化？
5.2.1 HashMap的初始化问题描述
- 如果我们能确切的知道我们有多少键值对需要存储，那么我们在初始化HashMap的时候就应该指定它的容量，以防止ashhMap自动扩容，影响使用效率。
5.2.2 HashMap中容量的初始化
当我们使用HashMap(int initialCapacity)来初始化容量的时候，jdk会默认帮我们计算一个相对合理的容量(也就是默认为向上取整为2的n次幂)，但是HashMap在元素个数达到size*0.75时就会进行扩容，这明显不行，因此我们建议使用这样一个算法来计算合理的初始化参数：
initialCapacity = (需要存储的元素个数 / 负载因子) + 1.
这样虽然会牺牲一些内存，但是提升了性能，仍然是合算的。
Q.E.D.