1.数据结构
如上图所示,HashMap底层的数据结构主要是数组 + 链表 + 红黑树。其中当链表的长度大于等于8时,链表会转化成红黑树,当红黑树的大小小于等于6时,红黑树会转化成链表。图中左边竖着的是HashMap的数组结构,数组的元素可以是单个Node,也可以是链表或红黑树,比如数组下标索引为2的位置就是一个链表,下标索引为9的位置对应的是红黑树。
源码
源码解析
- HashMap允许null值,不同于HashTable,是线程不安全的。
- 影响因子(load factor)默认值是0.75,是均衡了时间和空间损耗计算出来的值,较高的值会减少空间开销(扩容减少,数组大小增长速度变慢),但增加了查找成本(hash冲突增加,链表长度变长),不扩容的条件是数组容量 > 需要的数组大小 / load factor。
- 如果HashMap需要储存很多数据时,建议HashMap的初始容量一开始就设置的足够大,这样可以防止扩容时所带来的性能影响。
- HashMap是非线程安全的,可以在外部加锁,或者通过Collections的synchronizedMap方法来实现线程安全,synchronizedMap的实现是在每个方法上加上了synchronized锁。
- 在迭代过程中,如果HashMap的结构被修改,会快速失败。
2.新增
新增key和value的源码如下所示。
源码
源码解析
- 先判断空数组有无初始化,没有的话则进行初始化。
- 如果通过key的hash能够直接找到值,跳转到6,否则跳转到3。
- 如果hash冲突,两种解决方案,链表或红黑树。
- 如果是链表,递归循环,把新元素追加到队尾。
- 如果是红黑树,调用红黑树新增的方法。
- 通过2、4、5将新元素追加成功后,再根据onlyIfAbsent判断是否需要覆盖。
- 判断是否需要扩容,需要扩容则进行扩容,否则结束新增流程。
3.链表的新增
链表的新增比较简单,把当前节点追加到链表的尾部,和LinkedList的追加实现是一样的。当链表长度大于等于8时,此时的链表就会转化成红黑树,转化的方法是treeifyBin,此方法有一个判断,当链表长度大于等于8,并且整个数组大小大于64时,才会转成红黑树,当数组大小小于6 时,只会触发扩容,不会转化成红黑树。
面试的时候,通常会问为什么是8,是因为链表查询的时间复杂度是O(n),红黑树的查询复杂度是O(log(n))。在链表数据不多的时候,使用链表进行遍历也比较快,只有当链表数据比较多的时候,才会转化成红黑树。但红黑树占用的空间是链表的2倍,考虑到转化时间和空间损耗,所以需要定义出转化的边界值。设计这个边界值的时候,参考了泊松分布概率函数,链表各个长度的命中概率如下所示。
当链表的长度为8的时候,出现的概率是0.00000006,不到千万分之一,所以说正常情况下,链表的长度不可能到达8,而一旦到达8时,肯定是hash算法出了问题,所以在这种情况下,为了让HashMap仍然有较高的查询性能,所以让链表转化成红黑树。使用HashMap时,几乎不会碰到链表转化成红黑树的情况,毕竟概率只有千万分之一。
4.红黑树的新增
红黑树新增节点过程的源码如下所示。
源码
源码解析
- 首先判断新增的节点在红黑树上是否已经存在,判断方法有两种,如果节点没有实现Comparable接口,使用equals进行判断,如果节点实现了Comparable接口,则使用compareTo进行判断。
- 新增的节点如果已经在红黑树上,直接返回,不在的话,判断新增节点是在当前节点的左边还是右边,左边值小,右边值大。
- 自旋递归第1步和第2步,直到当前节点的左边或者右边的节点为空时,停止自旋,当前节点即为新增节点的父节点。
- 把新增节点放到当前节点的左边或右边为空的位置,并为当前节点建立父子节点关系。
- 进行着色和旋转,流程结束。
5.查找
HashMap的查找主要分为两步,第一步是根据hash算法定位数组的索引位置,equals判断当前节点是否是需要寻找的key,是的话直接返回,否则继续第二步。第二步会判断当前节点有无next节点,有的话判断是链表类型,还是红黑树类型。分别走链表和红黑树不同类型的查找方法。链表查找的关键源码如下。