title: Java集合框架整理(二)——HashMap源码分析
tag: Java集合
category: Java
date: 2019-05-06
HashMap源码分析(1.8)
文章目录
简介
- HashMap是一个键值对的集合容器,继承自Map
- 是线程不安全的(线程安全的是ConcurrentHashMap),允许key为null,value为null
- 是无序集合,遍历时是无序的
- 是一个关联数组、哈希表,内部的数据结构是一个数组,称之为哈希桶,每个桶里放的是一个链表,链表的节点就是最后存放的元素(1.8 当链表的节点数大于8,链表转为红黑树,节点数小于6,红黑树转为链表)
- 开放地址法,解决哈希冲突,具体体现在上一点的数据结构实现上
- 默认初始桶长16,默认加载因子0.75,最大容量2^30,在put的时候才会去初始化桶
- 每次扩容是以前的2倍,通过new一个新的数组,然后拷贝值
- 通过扰动函数来减少哈希碰撞(1.8 2次扰动,1.7 9次扰动)
下面就是HashMap的数据结构
接着从源码角度来看看HashMap吧
首先看看HashMap继承结构
public class HashMap<K,V> extends AbstractMap<K,V>
implements Map<K,V>, Cloneable, Serializable {
...
}
HashMap是继承自AbstractMap的,AbstractMap是实现了Map的(具体可以看看Java集合框架整理(一)),同时自己也实现了Map、Cloneable(可复制)、Serializable(可序列化)等接口
接着看看一些内部属性吧
public class HashMap<K,V> extends AbstractMap<K,V>
implements Map<K,V>, Cloneable, Serializable {
//默认桶初始化容量 16
static final int DEFAULT_INITIAL_CAPACITY = 1 << 4; // aka 16
//最大桶容量 2^31-1
static final int MAXIMUM_CAPACITY = 1 << 30;
//默认加载因子 0.75
static final float DEFAULT_LOAD_FACTOR = 0.75f;
//当链表节点数大于8转为红黑树的阈值
static final int TREEIFY_THRESHOLD = 8;
//当红黑树节点数小于6转为链表的阈值
static final int UNTREEIFY_THRESHOLD = 6;
//最小树化容量阈值,即 当哈希表中的容量 > 该值时,才允许树形化链表 (即 将链表 转换成红黑树);否则,若桶内元素太多时,则直接扩容,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 * TREEIFY_THRESHOLD
static final int MIN_TREEIFY_CAPACITY = 64;
...
//桶
transient Node<K,V>[] table;
//用来遍历的 keySet values
transient Set<Map.Entry<K,V>> entrySet;
//存储元素个数
transient int size;
//记录修改次数的
transient int modCount;
//实际哈希表内元素数量的扩容阈值,当哈希表内元素数量超过阈值时,会发生扩容resize()
int threshold;
//实际加载因子,用于计算哈希表元素数量的阈值。 threshold = 哈希桶.length * loadFactor
final float loadFactor;
...
}
具体属性的解释都备注好了,也没啥难懂的
然后我们看看具体存储的节点Node
static class Node<K,V> implements Map.Entry<K,V> {
final int hash;
final K key;
V value;
Node<K,V> next;
Node(int hash, K key, V value, Node<K,V> next) {
this.hash = hash;
this.key = key;
this.value = value;
this.next = next;
}
public final K getKey() { return key; }
public final V getValue() { return value; }
public final String toString() { return key + "=" + value; }
public final int hashCode() {
return Objects.hashCode(key) ^ Objects.hashCode(value);
}
public final V setValue(V newValue) {
V oldValue = value;
value = newValue;
return oldValue;
}
public final boolean equals(Object o) {
if (o == this)
return true;
if (o instanceof Map.Entry) {
Map.Entry<?,?> e = (Map.Entry<?,?>)o;
if (Objects.equals(key, e.getKey()) &&
Objects.equals(value, e.getValue()))
return true;
}
return false;
}
}
Node中记录了key、value、hash值以及下一个节点
然后主要注意一些东西,key和hash值都是final的,也就是初始化后不能轻易改变的,而value却不是,这就是为啥通常只能根据key来改变value,而没有根据value改变key;Node的hashCode是通过key和value相与得到的;equals不仅比较Node,也可以是key和value相同
接着看看构造函数
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;
this.threshold = tableSizeFor(initialCapacity);
}
public HashMap(int initialCapacity) {
this(initialCapacity, DEFAULT_LOAD_FACTOR);
}
public HashMap() {
this.loadFactor = DEFAULT_LOAD_FACTOR; // all other fields defaulted
}
public HashMap(Map<? extends K, ? extends V> m) {
this.loadFactor = DEFAULT_LOAD_FACTOR;
putMapEntries(m, false);
}
构造函数就只有4个,通常我们通过new HashMap<>()
,这个时候就是无参构造,只会默认指定一个默认的加载因子,其他的都是再put时使用默认值
指定桶的初始容量,也会使用默认的加载因子,最后重载到根据容量、加载因子两个参数的构造器;在这个构造器中,会先后检验初始化的容量是否不合理(<0 或者超出最大值),同样会检验加载因子。然后将加载因子赋值给变量loadFactor,通过tableSizeFor(initialCapacity)
方法来计算threshold阈值(这还不是确定的,只是尽进行了一个初始化)
先看看是怎么计算的吧
//计算大于cap值的最小2的幂
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;
}
将传入的容量大小转化为:大于传入容量大小的最小的2的幂
好了,这里转换就是通过与运算和位运算来的,回到之前的构造方法,我们还有一个构造方法没看
还有一个构造方法是根据一个Map来初始化的,同样使用了默认的加载因子,然后通过putMapEntries(m, false)
方法将Map中的元素添加到HashMap中,看看这个方法是什么吧
final void putMapEntries(Map<? extends K, ? extends V> m, boolean evict) {
int s = m.size();
if (s > 0) {
if (table == null) { // pre-size
float ft = ((float)s / loadFactor) + 1.0F;
int t = ((ft < (float)MAXIMUM_CAPACITY) ?
(int)ft : MAXIMUM_CAPACITY);
if (t > threshold)
//这里计算出来就是有用的了
threshold = tableSizeFor(t);
}
else if (s > threshold)
resize();
for (Map.Entry<? extends K, ? extends V> e : m.entrySet()) {
K key = e.getKey();
V value = e.getValue();
//添加到哈希表中
putVal(hash(key), key, value, false, evict);
}
}
}
putMapEntries方法也很简单,如果table还没有初始化的话(为null),就先计算阈值;接着如果map的size大于了阈值,那么就要进行扩容了;如果都没问题的话,通过遍历Map,将key、value存入HashMap中
好了,构造方法和初始化就先看到这里吧,具体怎么扩容、怎么添加后面会讲到
到这里,我们发现,实例化的时候,我们都没有真正上的进行初始化桶(table数组),都只是进行一些值得确定(如加载因子、容量等)
put
通常,我们都是通过put添加到HashMap中
public V put(K key, V value) {
return putVal(hash(key), key, value, false, true);
}
put方法中,根据key值计算了hash值(就是我们存储的位置hash值),然后通过putVal方法添加到HashMap中
先看看这个计算key得hash吧
static final int hash(Object key) {
int h;
return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}
从这个计算来看,可以知道一下几点
- 当key为null时,hash值为0,说明key是可以为null的(对比HashTable,HashTable对key直接hashCode(),若key为null时,会抛出异常,所以HashTable的key不可为null)
- 当key不为null时,先计算出key的哈希码h,然后进行扰动处理(按位异或哈希码自身右移16位),所以是两次扰动(一次异或,一次右移16位)
putVal
通过key得到hash后,传入putVal方法
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为null或者length为0,通过resize()扩容进行初始化,所以第一次初始化是在第一次put时候(以Map实例化除外,但它也会在resize中进行初始化)
if ((tab = table) == null || (n = tab.length) == 0)
//记录table的length
n = (tab = resize()).length;
//通过(length - 1) & hash计算下标,没有哈希冲突则直接添加进去
if ((p = tab[i = (n - 1) & hash]) == null)
tab[i] = newNode(hash, key, value, null);
else {
//产生哈希冲突
Node<K,V> e; K k;
//key值存在(处于桶内的头节点),更新value
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
e = p;
else if (p instanceof TreeNode)
//如果是红黑树节点,则以红黑树的方式添加
e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
else {
//否则是链表,遍历链表到链尾,插入
for (int binCount = 0; ; ++binCount) {
if ((e = p.next) == null) {
p.next = newNode(hash, key, value, null);
//如果到达了树化(链表转红黑树)的阈值(8),则进行树化
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;
}
}
//红黑树或链表中的存在key,更新value就可以了
if (e != null) { // existing mapping for key
V oldValue = e.value;
if (!onlyIfAbsent || oldValue == null)
e.value = value;
afterNodeAccess(e);
return oldValue;
}
}
//操作修改+1
++modCount;
//是否需要扩容
if (++size > threshold)
resize();
//LinkedHashMap用的api
afterNodeInsertion(evict);
return null;
}
总的分为如下几个部分
- table是否为null或者length为0:是通过
resize()
进行初始化 - 通过桶的length,(length - 1) & hash计算在桶中的下标,为null则没有产生冲突,插入,否则进入下一步
- 存在哈希冲突,首先判断是不是和桶内的头结点拥有同一个key,是则更新value,不是则进行桶内链表或者红黑树的比较
- 如果是红黑树,则通过红黑树的插入方式进行插入
- 不是红黑树,是链表,则遍历链表,如果链表中有相同的key,跳出遍历循环,更新value;如果没有,遍历到链尾,进行插入,插入成功后判断是否到达树化的阈值(8),如果到达,将链表进行树化(转为红黑树)
- 记录操作数,size+1,判断是否到达阈值,是否需要进行扩容
扩容
我们看看resize()
方法,如何进行扩容和初始化
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) {
//检查是否到达最大值,已经到达最大值,不再进行扩容
if (oldCap >= MAXIMUM_CAPACITY) {
threshold = Integer.MAX_VALUE;
return oldTab;
}
else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&
oldCap >= DEFAULT_INITIAL_CAPACITY)
//新桶的容量newCap是旧桶容量的2倍,并且保证小于最大容量,旧容量大于默认容量16
//新的加载因子是旧的2倍 一般是0.75变为1.5
newThr = oldThr << 1; // double threshold
}
else if (oldThr > 0) // initial capacity was placed in threshold
newCap = oldThr;
else { // zero initial threshold signifies using defaults
//初始化为默认的容量 一般table==null且阈值为0或者不存在的情况下
newCap = DEFAULT_INITIAL_CAPACITY;
//计算新的阈值
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;
//真正初始化桶的位置
@SuppressWarnings({"rawtypes","unchecked"})
Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap];
table = newTab;
//扩容完成后,进行值的复制
if (oldTab != null) {
for (int j = 0; j < oldCap; ++j) {
Node<K,V> e;
if ((e = oldTab[j]) != null) {
oldTab[j] = null;
//只有头结点的情况
if (e.next == null)
newTab[e.hash & (newCap - 1)] = e;
else if (e instanceof TreeNode)
//是红黑树,则需要进行拆分,重新计算下标
((TreeNode<K,V>)e).split(this, newTab, j, oldCap);
else { // preserve order
//链表基本上不会有什么位置的变化,因为2的幂的缘故,计算出新的下标还是以前的下标,桶的容量始终保持2的幂也是为了方便链表的复制更高效一点
//低位头结点
Node<K,V> loHead = null, loTail = null;
//高位头结点
Node<K,V> hiHead = null, hiTail = null;
Node<K,V> next;
//遍历链表,尾插法
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);
//将低位的链表放置到原index处
if (loTail != null) {
loTail.next = null;
newTab[j] = loHead;
}
//将高位链表放在新的index处
if (hiTail != null) {
hiTail.next = null;
newTab[j + oldCap] = hiHead;
}
}
}
}
}
return newTab;
}
首先看一下是真正确定容量和阈值的
如果oldCap的容量是大于0的,则会检验旧容量是否达到了最大容量(达到最大容量不再进行扩容),没有到达最大容量,则进行2倍扩容(扩容后也要保证小于等于最大容量),同时阈值也扩大2倍;
如果当前table是空的,但是已经有了阈值,那么新容量就等于旧容量;
如果table是空的,且没有设置阈值,那么旧才用默认的值,默认容量16,默认阈值12(默认加载因子 * 默认容量)
接着更新阈值,然后构建新的哈希桶(如果之前没有初始化桶,那么这次就会初始化了)
接着又是判断旧桶存不存在,旧桶不为null,那么就需要将旧桶的数据复制到新桶中:
1. 遍历旧桶
2. 如果旧桶中有元素,则复制给e,将原哈希桶置空(以便GC)
3. 如果旧桶中的链表就一个头结点(只有e),则没有哈希冲突,直接通过hash & (newCap - 1)(与运算)计算新的位置,然后存入
4. 如果旧桶里放的是红黑树,则通过红黑树的方式,进行拆分,重新计算(一般红黑树都会重新转为链表)
5. 如果旧桶里的链表不只一个结点,则通过遍历链表,从新计算节点的index下标,低位的仍然还在低位(以前的index下标),高位则放在高位(通过高低位头结点来记录)
好了,hash扰动和扩容基本就看得差不多了,接着看看其他几个添加api吧
public void putAll(Map<? extends K, ? extends V> m) {
//这个方法前面我们也看过了
putMapEntries(m, true);
}
//若key对应的value之前存在,不会覆盖 1.8新增
public V putIfAbsent(K key, V value) {
return putVal(hash(key), key, value, true, true);
}
总之,不管怎样,put最后都会通过putVal()
方法来添加
get
接着看看从HashMap中获取元素吧
public V get(Object key) {
Node<K,V> e;
return (e = getNode(hash(key), key)) == null ? null : e.value;
}
首先根据key计算hash值,通过getNode来获取对应key的节点,为null则返回null,否则返回节点的value
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) {
//检查头结点
if (first.hash == hash && // always check first node
((k = first.key) == key || (key != null && key.equals(k))))
return first;
if ((e = first.next) != null) {
//红黑树的查找
if (first instanceof TreeNode)
return ((TreeNode<K,V>)first).getTreeNode(hash, key);
//链表内的查找
do {
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
return e;
} while ((e = e.next) != null);
}
}
return null;
}
首先是对table桶的判断和元素的判断,有才会进行查找
如果刚好是头节点,返回
如果不是头节点,判断是不是红黑树节点,是通过红黑树查找;否则是链表,遍历链表查找
几个类似方法
//有默认值的get方法 1.8新增
public V getOrDefault(Object key, V defaultValue) {
Node<K,V> e;
return (e = getNode(hash(key), key)) == null ? defaultValue : e.value;
}
replace
public boolean replace(K key, V oldValue, V newValue) {
Node<K,V> e; V v;
if ((e = getNode(hash(key), key)) != null &&
((v = e.value) == oldValue || (v != null && v.equals(oldValue)))) {
e.value = newValue;
afterNodeAccess(e);
return true;
}
return false;
}
public V replace(K key, V value) {
Node<K,V> e;
if ((e = getNode(hash(key), key)) != null) {
V oldValue = e.value;
e.value = value;
afterNodeAccess(e);
return oldValue;
}
return null;
}
replace方法都是通过getNode来获取到对应的节点,然后替换旧值
remove
通过remove删除一个元素
public V remove(Object key) {
Node<K,V> e;
return (e = removeNode(hash(key), key, null, false, true)) == null ?
null : e.value;
}
跟get方法类似,根据key获取hash值,然后通过removeNode方法进行具体的删除
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;
//头节点的检查
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
//待删除节点赋值给node
node = p;
else if ((e = p.next) != null) {
//红黑树的获取节点
if (p instanceof TreeNode)
node = ((TreeNode<K,V>)p).getTreeNode(hash, key);
else {
//链表获取key的节点
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)))) {
//删除红黑树的key的节点
if (node instanceof TreeNode)
((TreeNode<K,V>)node).removeTreeNode(this, tab, movable);
else if (node == p)
//如果是头结点直接通过next覆盖
tab[index] = node.next;
else
//链表中间,通过链表直接覆盖
p.next = node.next;
//记录操作次数
++modCount;
//size-1
--size;
//LinkedHashMap使用的api
afterNodeRemoval(node);
return node;
}
}
return null;
}
整个删除逻辑也不复杂,根据key计算hash值,得到对应的下标,然后依次判断是头结点、红黑树中的节点、链表中的节点,然后进行删除就可以了
public boolean remove(Object key, Object value) {
return removeNode(hash(key), key, value, true, true) != null;
}
key、value为条件删除,最终也是嗲用removeNode方法
其他api
清空
//清空操作,置为null
public void clear() {
Node<K,V>[] tab;
modCount++;
if ((tab = table) != null && size > 0) {
size = 0;
for (int i = 0; i < tab.length; ++i)
tab[i] = null;
}
}
遍历
public Set<Map.Entry<K,V>> entrySet() {
Set<Map.Entry<K,V>> es;
//entrySet是缓存
return (es = entrySet) == null ? (entrySet = new EntrySet()) : es;
}
看看EntrySet
final class EntrySet extends AbstractSet<Map.Entry<K,V>> {
public final int size() {
return size;
}
public final void clear() {
HashMap.this.clear();
}
public final Iterator<Map.Entry<K,V>> iterator() {
return new EntryIterator();
}
//通过getNode方法
public final boolean contains(Object o) {
if (!(o instanceof Map.Entry))
return false;
Map.Entry<?,?> e = (Map.Entry<?,?>) o;
Object key = e.getKey();
Node<K,V> candidate = getNode(hash(key), key);
return candidate != null && candidate.equals(e);
}
//通过removeNode方法
public final boolean remove(Object o) {
if (o instanceof Map.Entry) {
Map.Entry<?,?> e = (Map.Entry<?,?>) o;
Object key = e.getKey();
Object value = e.getValue();
return removeNode(hash(key), key, value, true, true) != null;
}
return false;
}
//获取迭代器
public final Spliterator<Map.Entry<K,V>> spliterator() {
return new EntrySpliterator<>(HashMap.this, 0, -1, 0, 0);
}
//forEach遍历
public final void forEach(Consumer<? super Map.Entry<K,V>> action) {
Node<K,V>[] tab;
if (action == null)
throw new NullPointerException();
if (size > 0 && (tab = table) != null) {
int mc = modCount;
for (int i = 0; i < tab.length; ++i) {
for (Node<K,V> e = tab[i]; e != null; e = e.next)
action.accept(e);
}
if (modCount != mc)
throw new ConcurrentModificationException();
}
}
}
总结
- HashMap是一个键值对的Map集合,是无序的且遍历无序
- 是线程非安全的,key和value都可以为null
- 开放地址法,俗称拉链法来解决哈希冲突;其底层采用数组作为哈希桶table,桶内存放链表(1.8 链表大于8转为红黑树,节点数小于6转为链表)
- 默认容量是16(保证2的幂),默认加载因子0.75,根据
默认容量 * 默认加载因子
计算阈值,当容量达到阈值会进行扩容操作;table桶的初始化是在第一次put(通过putVal方法)存入的时候才进行(构造器中的初始化只是一些值的初始化如容量、加载因子、阈值等)- 扩容当table桶没有初始化或者达到容量时,会进行扩容;扩容前,会再次确定容量、阈值,然后创建一个新的table桶,如果存在旧桶,则会将旧桶的值复制到新桶中;复制过程,会根据新桶的容量计算新的下标,然后会根据头结点、红黑树节点(红黑树会将以前的红黑树进行拆分,重新计算哈希冲突,最后可能是红黑树,也可能是链表)、链表来进行不同的复制(链表复制过程中,会有低位链表——下标是没有变的,高位链表——新的下标;这是由于桶的容量始终是2的幂产生的一种高效率的方式)
- 插入操作前,会检查是否扩容;然后计算根据
(length - 1) & hash(key)
(通过位与运算来代替求余运算)来计算桶中的下标,然后依次检查头节点、红黑树节点、链表;头结点如果没有值或者有key,则插入或更新;红黑树节点,则通过红黑树添加;链表则是通过遍历链表,有相同的key则替换value,没有则在链尾插入新的节点,如果节点数大于8则进行树化;插入完成会去检验是否需要扩容- get、remove、replace等方法,都十分简单,通过key获取hash值进而得到下标,然后还是头节点、红黑树、链表几种不同的获取或删除节点
1.7和1.8的区别
- 1.7的一些运算赋值在1.8中变为了位运算,一些判断也从Math变为了if else
- JDK 1.7 做了9次扰动处理 = 4次位运算 + 5次异或运算。1.8 简化了扰动函数 = 只做了2次扰动 = 1次位运算 + 1次异或运算
- 1.7扩容函数是在确定要扩容进行,1.8的扩容函数可能是初始化;1.7更新阈值在扩容后,1.8在扩容前,很多判断、阈值更新都是在扩容前
- 1.8扩容后进行复制时,会先进行链表的一个判断(当前链表只有一个元素时),1.7没有;1.8有链表高低位的处理,是将整个旧链表复制到新的中,低位链表的索引跟原来的一样,高位的则放在新的索引处(尾插法),1.7则是遍历旧链表,头插法插入新链表(可能导致逆序)
- 1.8中加入了红黑树,当链表长度到8时链表转化为红黑树,扩容时,重新计算存储位置,红黑树内数量<6又会转化为链表
- key和value都允许为null(key只能有一个为null,而value则可以有多个为null)
特别鸣谢
的key则替换value,没有则在链尾插入新的节点,如果节点数大于8则进行树化;插入完成会去检验是否需要扩容
- get、remove、replace等方法,都十分简单,通过key获取hash值进而得到下标,然后还是头节点、红黑树、链表几种不同的获取或删除节点
1.7和1.8的区别
- 1.7的一些运算赋值在1.8中变为了位运算,一些判断也从Math变为了if else
- JDK 1.7 做了9次扰动处理 = 4次位运算 + 5次异或运算。1.8 简化了扰动函数 = 只做了2次扰动 = 1次位运算 + 1次异或运算
- 1.7扩容函数是在确定要扩容进行,1.8的扩容函数可能是初始化;1.7更新阈值在扩容后,1.8在扩容前,很多判断、阈值更新都是在扩容前
- 1.8扩容后进行复制时,会先进行链表的一个判断(当前链表只有一个元素时),1.7没有;1.8有链表高低位的处理,是将整个旧链表复制到新的中,低位链表的索引跟原来的一样,高位的则放在新的索引处(尾插法),1.7则是遍历旧链表,头插法插入新链表(可能导致逆序)
- 1.8中加入了红黑树,当链表长度到8时链表转化为红黑树,扩容时,重新计算存储位置,红黑树内数量<6又会转化为链表
- key和value都允许为null(key只能有一个为null,而value则可以有多个为null)