JDK1.8之hashMap源码分析_hashmap1.8

        hello,大家好，博主今天分享一篇关于hashMap源码的文章。OK，废话不多说，直接进入正题。

HashMap是Java中常用的一种集合类型，它的底层实现是基于哈希表。哈希表是一种以键值对形式存储数据的数据结构，通过哈希函数将键映射到数组中，以达到快速查找的目的。在本文中，我们将深入分析JDK1.8中HashMap的源码实现。

一  put方法实现

     HashMap中的put方法是向集合中添加元素的核心方法。当我们向HashMap中添加一个键值对时，它会先对键进行哈希函数映射，得到它在数组中的下标索引，然后根据键值对的值创建一个新的节点，将它添加到链表中。 在JDK1.8中，当链表长度达到一定阈值（默认为8）时，不再将其转化为红黑树，而是使用一种新的数据结构——链表和红黑树的混合结构。这种新的结构可以同时解决链表长度过长和红黑树开销过大的问题，从而提高了HashMap在散列分布不均匀的情况下的性能。具体实现可以参考下面的代码：

public V put(K key, V value) {
    Node<K,V>[] tab; Node<K,V> p; int n, i;
    // 如果哈希表为空，或者大小为0，则初始化哈希表
    if ((tab = table) == null || (n = tab.length) == 0)
        n = (tab = resize()).length;
    // 根据键的哈希值计算在数组中的位置
    if ((p = tab[i = (n - 1) & hash(key)]) == null)
        // 如果该位置为空，则直接将新节点放在该位置
        tab[i] = newNode(hash(key), key, value, null);
    else {
        Node<K,V> e; K k;
        // 如果该位置不为空，则遍历链表找到与该键相同的节点
        if (p.hash == hash(key) && ((k = p.key) == key || (key != null && key.equals(k))))
            e = p;
        else if (p instanceof TreeNode)
            // 如果该节点已经是红黑树节点，则调用红黑树的插入方法
            e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash(key), key, value);
        else {
            for (int binCount = 0; ; ++binCount) {
                if ((e = p.next) == null) {
                    // 当遍历到链表尾部仍未找到相同的键时，将新节点添加到链表末尾
                    p.next = newNode(hash(key), key, value, null);
                    // 如果链表长度达到阈值，则将链表转为红黑树
                    if (binCount >= TREEIFY_THRESHOLD - 1)
                        treeifyBin(tab, hash(key));
                    break;
                }
                if (e.hash == hash(key) &&
                    ((k = e.key) == key || (key != null && key.equals(k))))
                    break;
                p = e;
            }
        }
        // 如果已经有该键的节点，更新该键对应的值
        if (e != null) {
            V oldValue = e.value;
            if (!onlyIfAbsent || oldValue == null)
                e.value = value;
            afterNodeAccess(e);
            return oldValue;
        }
    }
    // 更新修改次数和大小，并检查是否需要扩容
    ++modCount;
    if (++size > threshold)
        resize();
    afterNodeInsertion(true);
    return null;
}

二 get方法实现

    HashMap中的get方法用于根据键获取对应的值。当我们调用get方法时，它会先根据键的哈希值找到该键在数组中的索引位置，然后遍历该位置上的链表，找到与该键对应的节点。 对于包含大量元素的哈希表，链表长度可能会很长，从而影响查询效率。在JDK1.8中，当链表长度达到一定阈值（默认为8）时，如果该位置上的节点是一个红黑树节点，就会调用红黑树的查找方法，以提高查询效率。具体实现可以参考下面的代码：

public V get(Object key) {
    Node<K,V>[] tab; Node<K,V> e, p; int n; int hash = hash(key);
    // 如果哈希表不为空，则根据键的哈希值找到在数组中的位置
    if ((tab = table) != null && (n = tab.length) > 0 &&
        (p = tab[(n - 1) & hash]) != null) {
        if (p.hash == hash && ((e = p).key == key || (key != null && key.equals(e.key))))
            // 如果该位置上的节点就是要查找的节点，则直接返回该节点的值
            return e.value;
        else if (p instanceof TreeNode)
            // 如果该位置上的节点是红黑树节点，则调用红黑树的查找方法
            return ((TreeNode<K,V>)p).getTreeNode(hash, key);
        else { // 否则遍历该位置上的链表，查找对应的节点
            do {
                if (p.hash == hash && ((e = p).key == key || (key != null && key.equals(e.key))))
                    return e.value;
            } while ((p = p.next) != null);
        }
    }
    // 如果未找到对应的节点，则返回null
    return null;
}

三 HashMap 的扩容机制

HashMap的扩容机制是为了在桶满时动态增加桶的数量，以保证桶的平均长度不超过一个给定的阈值。在JDK 1.8中，如果一个桶的长度超过该阈值，则在该桶上执行一次树化操作（即将链表转换为红黑树），以减少查找时间。如果一个桶上的红黑树节点数量小于等于6，则会将树转换为链表，以减少节点的空间开销。 在JDK 1.8中，扩容操作的触发条件是当HashMap中的数量达到容量（即桶的数量）的0.75倍时，就会开始扩容。具体来说，扩容操作会翻倍旧的桶的数量，并将原先的所有键值对重新分配到新的桶中，以提高性能和空间利用率。 下面是JDK 1.8中resize方法的代码：

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)
            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;
    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;
}

HashMap 扩容的过程主要分 3 个阶段： 1. 初始化：获取旧桶的大小（oldCap）和阈值（oldThr）并计算新桶的大小（newCap）和新阈值（newThr）。 2. 扩容：根据计算出的 newCap，创建一个新的数组（newTab），并遍历旧数组（oldTab）中的每个节点，将它们移动到新数组中。 3. 收尾：更新 HashMap 的阈值（threshold）和桶（table）以及返回新桶。 其中，第一阶段和第三阶段主要是对阈值和桶进行操作，而第二阶段是对 HashMap 中的各个节点进行搬移的过程。

四 JDK1.8解决了JDK1.7的hashMap哪些缺点

在 JDK 1.8 中，HashMap 的实现进行了优化，主要改进了以下两个方面，以解决 JDK 1.7 中 HashMap 存在的缺点： 1. 数据结构转换 JDK 1.8 在底层实现中，引入了红黑树这种数据结构，当链表中的元素个数达到阈值时，将链表转换为红黑树，以提高查找速度。同时，在红黑树的实现中，也进行了一些细节的优化和改进，如节点的颜色和平衡性维护等。 2. 键值对冲突处理 在 JDK 1.7 中，对于键值对冲突的情况，HashMap 采用的是链式存储。当链表中的元素较多时，会导致查找效率降低，从而影响整个 HashMap 的性能。而在 JDK 1.8 中，通过使用红黑树优化，可以在链表中的元素个数较多时，将链表转换为红黑树，进一步提高查找效率。 下面是一些具体的示例代码：

1. 数据结构转换

public class HashMapDemo {
    public static void main(String[] args) {
        Map<Integer, String> map = new HashMap<>(16);
        for (int i = 0; i < 20; i++) {
            map.put(i, "value" + i);
        }
    }
}

  当插入的元素个数达到一定阈值（默认为 8），HashMap 会自动将链表转换为红黑树，从而提高查找效率。

2. 键值对冲突处理

public class HashMapDemo {
    public static void main(String[] args) {
        Map<Integer, String> map = new HashMap<>(16);
        for (int i = 0; i < 20; i++) {
            map.put(i % 10, "value" + i);
        }
    }
}

在这个示例中，我们故意将多个键映射到相同的哈希值上，这样就会导致键值对冲突。在 JDK 1.7 中，这些键值对会被存储在同一个桶中的链表中，当链表中的元素数量达到一定阈值时，查找效率会受到影响。而在 JDK 1.8 中，当链表中的元素数量达到一定阈值时，HashMap 会自动将链表转换为红黑树，进一步提高查找效率。