189 8069 5689
Jdk 1.8
创新互联专业IDC数据服务器托管提供商，专业提供成都服务器托管，服务器租用，郑州服务器托管，郑州服务器托管，成都多线服务器托管等服务器托管服务。
数据结构
1.8的版本的HashMap采用数组+链表+红黑树的数据结构来存储数据,还是通过hash & (tab.length - 1)来确定在数组的位置,不过在数据的存储方面加了一个红黑树,当链表的大于等于8时,并且table的长度大于等于64时,就把这个链树化,不然还是扩容.增加红黑树,是为了提高查找节点的时间.结构如下图所示.
基本成员变量
capacity容量
/**
* 初始容量
*/
static final int DEFAULT_INITIAL_CAPACITY = 1 << 4; // aka 16max_capacity最大容量
/**
* 最大容量
*/
static final int MAXIMUM_CAPACITY = 1 << 30;loadFactor负载因子
/**
* 负载因子
*/
static final float DEFAULT_LOAD_FACTOR = 0.75f;treeify_threshold树化(转换为红黑树)的阈值
// 链表转为红黑树的阈值,第9个节点
static final int TREEIFY_THRESHOLD = 8; untreeify_threshold转换为链表的阈值
// 红黑树转为链表的阈值,6个节点转移
static final int UNTREEIFY_THRESHOLD = 6;min_treeify_capacity树化的最小容量
// 转红黑树时,table的最小长度
static final int MIN_TREEIFY_CAPACITY = 64;node链表
static class Node implements Map.Entry {
// 当前node的hash
final int hash;
final K key;
V value;
// 指向下个node
Node next;
Node(int hash, K key, V value, Node next) {
this.hash = hash;
this.key = key;
this.value = value;
this.next = next;
} TreeNode红黑树
static final class TreeNode extends LinkedHashMap.Entry {
TreeNode parent; // 父节点
TreeNode left; // 左儿子节点
TreeNode right; // 右儿子基点
TreeNode prev; // 上一个节点
boolean red; // 是否为红色
TreeNode(int hash, K key, V val, Node next) {
super(hash, key, val, next);
} 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);
}无参构造(和1.7一样)
public HashMap() {
this.loadFactor = DEFAULT_LOAD_FACTOR; // all other fields defaulted
}基本方法
Put()方法
执行流程:
(1) 判断当前table有没有初始化,没有就调用resize()方法初始化.(resize方法既是扩容也是初始化)
(2) 判断算出的位置i处有没有值,没有值,创建一个新的node,插入i位置.
(3) 当前i位置有值,判断头结点的hash和key是否和传入的key和hash相等,相等则记录这个e.
(4) 与头节点的key和hash不同,判断节点是否是树节点,如果是,调用树节点的插入方法putTreeVal()方法.(占时不了解红黑树的底层方法实现逻辑,待续).
(5) 不是树结构,那证明是链表结构,遍历链表结构,并记录链表长度binCount.主要做了两步,(1)在链表里找到和传入的key和hash相等的基点,并记录,(2) 没有找到,创建一个节点,插入链表的尾部,并判断链表长度有没有大于等于8,如果是就调treeifyBin方法决定是否需要树化.
(6) 判断前面记录的e节点是否为空,不为空证明找到了相同的基点,那就替换value,返回oldValue.
(7) 整个插入流程已经结束,接下来要判断是否需要扩容,如果(++size > threshold)满足,那么就调用扩容方法resize();
public V put(K key, V value) {
return putVal(hash(key), key, value, false, true);
}
/**
* put
*/
final V putVal(int hash, K key, V value, boolean onlyIfAbsent,
boolean evict) {
Node[] tab;
Node p;
int n, i;
if ((tab = table) == null || (n = tab.length) == 0) // table为null,table的length为0,table还没有初始化
n = (tab = resize()).length; //调用扩容方法,初始化table
if ((p = tab[i = (n - 1) & hash]) == null) //table{[i] 没有值,直接插入
tab[i] = newNode(hash, key, value, null);
else { // 有值
Node e; K k;
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k)))) // 找到了相同的key
e = p;
else if (p instanceof TreeNode) // 判断是否是树结构
e = ((TreeNode)p).putTreeVal(this, tab, hash, key, value); // 调用树的插入
else {
// 遍历链表,并记录节点的长度
for (int binCount = 0; ; ++binCount) {
if ((e = p.next) == null) { // 找到最后一个节点了
p.next = newNode(hash, key, value, null); //设置当前节点为为p的next
if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st 如果节点长度大于等于了8,就调用treeifyBin方法
treeifyBin(tab, hash);
break;
}
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k)))) // 找到了相同的key
// 此时break,返回的是e.key与传入的key相等的e,以便下面进行替换
break;
p = e;
}
}
// e != null 说明前面的遍历找到了相同的key,下面就行替换,返回旧值
if (e != null) { // existing mapping for key //
V oldValue = e.value;
if (!onlyIfAbsent || oldValue == null) // onlyIfAbsent默认是false
e.value = value; // 替换value
afterNodeAccess(e);
return oldValue; // 返回旧的value
}
}
++modCount;
// 当前值大于阈值,进行扩容
if (++size > threshold)
resize();
afterNodeInsertion(evict);
return null;
} resize()方法(初始化和扩容都是创建新的table)
解释为什么在新table的位置没有重新计算,而是根据(e.hash & oldCap) == 0,等于0就是在原位置,不等于0时,就是newtable[原位置+oldCap] ,如下图.
table长度我们以16为例,hash值我们以484和30为例,我们发现484&16=0,30&16=30,我们发现一个区别就是他们的他们的低5位一个是0,一个是1.
我们让低5位是0的484,分别&上(16-1)和(32-1),结论是位置没有发生变化,所以说如果低5位是0,那么扩容前和扩容后位置不变.
我们让低5位是1的30,分别&上(16-1)和(32-1),结论是位置发生变化,所以说如果低5位是1,那么新位置就是原来位置+oldCap.
其实我们发现(e.hash & oldCap) == 0 只是为了证明低5位是0还是1,这是为什么了,其实是和(16-1)和(32-1)有着密切的关系,15二进制是1111,31是11111,我们发现不管哪个数&上15或者31都是这个数低4位或者低5位本身,所以e.hash如果低5位0,那其实都是&1111,因为低5位是0&运算下还是0,如果e.hash的低5位是1,那么和0相比就是低5位会变成1,所以需要加上这个多的位置的值oldCap.
/**
* 扩容
* @return
*/
final Node[] resize() {
// 旧table
Node[] oldTab = table;
// 旧的table长度
int oldCap = (oldTab == null) ? 0 : oldTab.length;
// 旧的阈值
int oldThr = threshold;
int newCap, newThr = 0;
// 证明就table,已经被初始化了
if (oldCap > 0) {
// 如果旧的table大于做大值,阈值就设置为Internet的最大值,返回
if (oldCap >= MAXIMUM_CAPACITY) {
threshold = Integer.MAX_VALUE;
return oldTab;
}
// 给newCap赋值 newCap = oldCap << 1 (* 2^1) < MAXIMUM_CAPACITY(1 << 30)
// oldCap >= 16 证明已经初始化过了,现在是扩容(假如oldCap就是16)
// 新阈值 newThr = (oldThr = threshold) = 12 << 1(12 * 2^1)
else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&
oldCap >= DEFAULT_INITIAL_CAPACITY)
newThr = oldThr << 1; // double threshold // 新的阈值
}
// 这种情况是table还没有初始化
// oldThr >0 是因为在有参构造里面会把cap赋值给threshold
else if (oldThr > 0) // initial capacity was placed in threshold
// 容量就是oldThr
newCap = oldThr;
// 无参构造,容量和阈值都使用默认
else { // zero initial threshold signifies using defaults
newCap = DEFAULT_INITIAL_CAPACITY;
newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);
}
// newThr=0证明使用的是有参构造,容量有值,阈值没有值
// 所以初始化阈值
if (newThr == 0) {
float ft = (float)newCap * loadFactor;
newThr = (newCap < MAXIMUM_CAPACITY && ft < (float)MAXIMUM_CAPACITY ?
(int)ft : Integer.MAX_VALUE);
}
/** 上面属于table参数准备部分,分为初始化或者扩容 */
// 新的阈值
threshold = newThr;
// 创建新的table
@SuppressWarnings({"rawtypes","unchecked"})
Node[] newTab = (Node[])new Node[newCap];
table = newTab;
if (oldTab != null) {
// 开始遍历旧的table,进行数据迁移
for (int j = 0; j < oldCap; ++j) {
Node e;
if ((e = oldTab[j]) != null) {
oldTab[j] = null; // 释放内存地址
if (e.next == null) // 表示只有一个元素
newTab[e.hash & (newCap - 1)] = e;
else if (e instanceof TreeNode) // 如果是树结构,调用树结构的方法
((TreeNode)e).split(this, newTab, j, oldCap);
else { // preserve order
// 链表结构的数据 lo 表示位置不变 hi表示位置是原来的位置+oldCap
// 是通过(e.hash & oldCap) == 0 这句话来判断的
Node loHead = null, loTail = null;
Node hiHead = null, hiTail = null;
Node next;
do {
next = e.next;
// 解释在上面的图片
if ((e.hash & oldCap) == 0) {
if (loTail == null) // 第一次循环 tail 为null,所以头和尾都是 e
loHead = e; // 头部是当前的e
else // 接下来的循环tail不为null
loTail.next = e; // loTail 是上一次满足if的e
// e 是这一次满足if的e
// 所以loTail.next = e的目的就是,上一次满足if的e指向下一次满足if的e
// 代码就是loTail.next = e
loTail = e; // 每次循环尾部就是当前节点
}
else {
if (hiTail == null)
hiHead = e;
else
hiTail.next = e;
hiTail = e;
}
} while ((e = next) != null);
// 位置不变还是j
if (loTail != null) {
loTail.next = null; // 尾部节点的next设置为null
newTab[j] = loHead; // 设置头结点指向table[j] (第一次循环时,head=tail,接下来循环给tail追加节点)
}
// 位置变化,是 j+oldCap
if (hiTail != null) {
hiTail.next = null;
newTab[j + oldCap] = hiHead;
}
}
}
}
}
return newTab;
} get()方法
public V get(Object key) {
Node e;
return (e = getNode(hash(key), key)) == null ? null : e.value;
}
/**
* 获取值
*/
final Node getNode(int hash, Object key) {
Node[] tab;
Node first, e;
int n;
K k;
if ((tab = table) != null && (n = tab.length) > 0 && // table不是null,table的长度大于0
(first = tab[(n - 1) & hash]) != null) { // ,根据可以取得第一个node不为空
if (first.hash == hash && // always check first node 对比第一个hash和当前值的hash是否一样
((k = first.key) == key || (key != null && key.equals(k))))
return first; // 等于第一个,返回
if ((e = first.next) != null) { // 向下遍历,next不等于空
if (first instanceof TreeNode) // 判断是否是树结构
return ((TreeNode)first).getTreeNode(hash, key); // 查找
do { // 不是树,就是链表,遍历链表
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
return e;
} while ((e = e.next) != null);
}
}
return null; // 没有找到,返回null
} 1.8 在数据结构方面加入了红黑树,提升了查询的性能,在链表插入方面是先插入的在前面,而在1.7先插入的在后面.在扩容方面,没有重新计算hash,这算是一大改变,还有就是在扩容后链表的顺序没有改变.红黑树方面占时不太了解.
前面的1.7 HashMap和1.8我们都讲了loadFactor负载因子,来解释下这个的作用,loadFactor越小,说明存储的元素就少,因为HashMap存在hash冲突,所以存的元素越少,冲突就越小,查询的效率就的到了提升,但是存的元素少了,就浪费了容量,所以这是一种以空间换时间的做法.loadFactor越大,说明存的元素就越多,数据多了hash冲突就会提高,所以查询时间就会提高,这是一种以时间换空间的做法.所以具体是需要时间还是空间根据自己的功能来确定.