HashMap
简介
HashMap采用key/value存储结构，每个key对应唯一的value，查询和修改的速度都很快，能达到O(1)的平均时间复杂度。它是非线程安全的，且不保证元素存储的顺序,可以存储null key和null value;
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；
- 数组的查询效率为O(1)，链表的查询效率是O(k)，红黑树的查询效率是O(log k)，k为桶中的元素个数，所以当元素数量非常多的时候，转化为红黑树能极大地提高效率。
类图
源码
属性
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
//默认初始容量16-必须为2的幂
static final int DEFAULT_INITIAL_CAPACITY = 1 << 4; // aka 16
//最大容量为2的30次方
static final int MAXIMUM_CAPACITY = 1 << 30;
//默认负载因子
static final float DEFAULT_LOAD_FACTOR = 0.75f;
//当一个桶中的元素个数大于等于8时链表转化为红黑树
static final int TREEIFY_THRESHOLD = 8;
//当一个桶中的元素个数小于等于6时红黑树转化为链表
static final int UNTREEIFY_THRESHOLD = 6;
//当数组容量大于 64 时，链表才会转化成红黑树
static final int MIN_TREEIFY_CAPACITY = 64;
//数组，又叫作桶（bucket）
transient Node<K,V>[] table;
//作为entrySet()的缓存
transient Set<Map.Entry<K,V>> entrySet;
//元素个数
transient int size;
//修改次数，用于在迭代的时候执行快速失败策略
transient int modCount;
// 扩容的门槛，有两种情况
// 如果初始化时，给定数组大小的话，通过 tableSizeFor 方法计算，数组大小永远接近于 2 的幂次方，比如你给定初始化大小 19，实际上初始化大小为 32，为 2 的 5 次方。
//如果是通过 resize 方法进行扩容，threshold = capacity * loadFactor
int threshold;
//装载因子
final float loadFactor;
- 容量:容量为数组的长度，亦即桶的个数，默认为16，最大为2的30次方，当容量达到64时才可以树化。
- 装载因子:装载因子用来计算容量达到多少时才进行扩容，默认装载因子为0.75。
- 转化为红黑树:当容量达到64且链表的长度达到8时进行红黑树转换，当链表的长度小于6时转化为链表。
内部类
Node<K,V>
Node是一个典型的单链表节点，其中，hash用来存储key计算得来的hash值。
1
2
3
4
5
6
static class Node<K,V> implements Map.Entry<K,V> {
final int hash;
final K key;
V value;
Node<K,V> next;
}
TreeNode<K,V>
TreeNode是一个典型的树型节点，其中，prev是链表中的节点，用于在删除元素的时候可以快速找到它的前置节点。
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
//HashMap.TreeNode
static final class TreeNode<K,V> extends LinkedHashMap.Entry<K,V> {
TreeNode<K,V> parent; // red-black tree links
TreeNode<K,V> left;
TreeNode<K,V> right;
TreeNode<K,V> prev; // needed to unlink next upon deletion
boolean red;
TreeNode(int hash, K key, V val, Node<K,V> next) {
super(hash, key, val, next);
}
}
//LinkedHashMap.Entry
static class Entry<K,V> extends HashMap.Node<K,V> {
Entry<K,V> before, after;
Entry(int hash, K key, V value, Node<K,V> next) {
super(hash, key, value, next);
}
}
构造方法
HashMap()
无参构造方法
1
2
3
4
//使用默认的初始容量16和默认的加载因子0.75构造一个空的HashMap
public HashMap() {
this.loadFactor = DEFAULT_LOAD_FACTOR; // all other fields defaulted
}
HashMap(int initialCapacity)
使用指定初始容量和默认负载系数构造
1
2
3
4
//构造一个空的HashMap，它具有指定的初始容量和默认的负载系数0.75
public HashMap(int initialCapacity) {
this(initialCapacity, DEFAULT_LOAD_FACTOR);
}
HashMap(int initialCapacity, float loadFactor)
使用指定初始容量和指定负载系数构造，判断传入的初始容量和装载因子是否合法，并计算扩容门槛，扩容门槛为传入的初始容量往上取最近的2的n次方。
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
//构造一个空的HashMap，具有指定的初始容量和负载系数。
public HashMap(int initialCapacity, float loadFactor) {
//负数判断
if (initialCapacity < 0)
throw new IllegalArgumentException("Illegal initial capacity: " + initialCapacity);
if (initialCapacity > MAXIMUM_CAPACITY)
initialCapacity = MAXIMUM_CAPACITY;
//负载因子判断
if (loadFactor <= 0 || Float.isNaN(loadFactor))
throw new IllegalArgumentException("Illegal load factor: " + loadFactor);
this.loadFactor = loadFactor;
//设置下一个调整大小值
this.threshold = tableSizeFor(initialCapacity);
}
//对于给定的目标容量，返回两倍大小的幂
static final int tableSizeFor(int cap) {
// 扩容门槛为传入的初始容量往上取最近的2的n次方
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;
}
新增
put(K key, V value)
添加元素
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
public V put(K key, V value) {
return putVal(hash(key), key, value, false, true);
}
//计算key.hashCode
static final int hash(Object key) {
int h;
//如果key=null，则hash值为0，否则调用key的hashCode()方法
//并让高16位与整个hash异或，为了使计算出的hash更分散
return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}
final V putVal(int hash, K key, V value, boolean onlyIfAbsent,boolean evict) {
Node<K,V>[] tab; Node<K,V> p; int n, i;
//如果数组为空，使用resize方法初始化
if ((tab = table) == null || (n = tab.length) == 0)
n = (tab = resize()).length;
//通过(n - 1) & hash计算索引i,如果数组i元素为空
//将当前元素放入数组i位置
if ((p = tab[i = (n - 1) & hash]) == null)
tab[i] = newNode(hash, key, value, null);
else {
Node<K,V> e; K k;
//如果 key 的 hash 和值都相等，则把当前下标位置的 Node 值赋值给e,用于后续修改value
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
e = p;
//如果当前数组元素是个树节点，使用树的方式新增
else if (p instanceof TreeNode)
e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
//链表
else {
for (int binCount = 0; ; ++binCount) {
//链表从头往后遍历找到尾节点
if ((e = p.next) == null) {
//包装新节点，设置在尾节点的next
p.next = newNode(hash, key, value, null);
//如果插入新节点后链表长度大于8，则判断是否需要转化为树，因为第一个元素没有加到binCount中，所以这里-1
if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st
treeifyBin(tab, hash);
break;
}
//遍历时发现key相等，跳出循环
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
break;
p = e;
}
}
if (e != null) {
//旧value
V oldValue = e.value;
//设置新的value
if (!onlyIfAbsent || oldValue == null)
e.value = value;
//LinkedHashMap复写，处理回调
afterNodeAccess(e);
return oldValue;
}
}
//修改次数加1
++modCount;
// 元素数量加1，判断是否需要扩容
if (++size > threshold)
resize();
// 在节点插入后做点什么事，在LinkedHashMap中用到
afterNodeInsertion(evict);
return null;
}
- 计算key的hash值；
- 如果数组为null或元素个数为0，初始化数组；
- key所在索引为null，则插入；
- 如果key所在的数组中的第一个元素的key与待插入的key相同，说明找到了元素，转后续流程（9）处理；
- 如果第一个元素是树节点，则调用树节点的putTreeVal()寻找元素或插入树节点；
- 如果不是以上三种情况，则遍历数组元素对应的链表查找key是否存在于链表中；
- 如果找到了对应key的元素，则转后续流程（9）处理；
- 如果没找到对应key的元素，则在链表最后插入一个新节点并判断是否需要转化为树；
- 如果找到了对应key的元素，则判断是否需要替换旧值，并直接返回旧值；
- 如果数组插入了元素，则数量加1并判断是否需要扩容；
resize()
扩容
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
final Node<K,V>[] resize() {
//旧数组
Node<K,V>[] oldTab = table;
//旧容量
int oldCap = (oldTab == null) ? 0 : oldTab.length;
//旧扩容阈值
int oldThr = threshold;
int newCap, newThr = 0;
if (oldCap > 0) {
//旧容量达到最大不在扩容
if (oldCap >= MAXIMUM_CAPACITY) {
threshold = Integer.MAX_VALUE;
return oldTab;
}
//旧容量*2小于最大容量且旧容量>=16,则容量扩大为两倍，扩容阈值扩大为两倍
else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&
oldCap >= DEFAULT_INITIAL_CAPACITY)
newThr = oldThr << 1; // double threshold
}
//如果不使用无参构造函数，第一次put会到这
else if (oldThr > 0) // initial capacity was placed in threshold
// 如果旧容量为0且旧扩容门槛大于0，则把新容量赋值为旧门槛
newCap = oldThr;
else { // zero initial threshold signifies using defaults
//使用无参构造函数，第一次put会到这
//如果旧容量旧扩容门槛都是0，说明还未初始化过，则初始化容量为默认容量，扩容门槛为默认容量*默认负载因子
newCap = DEFAULT_INITIAL_CAPACITY;
newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);
}
//新的扩容阈值为0，则计算为新容量*装载因子，不能超过最大值
if (newThr == 0) {
float ft = (float)newCap * loadFactor;
newThr = (newCap < MAXIMUM_CAPACITY && ft < (float)MAXIMUM_CAPACITY ?
(int)ft : Integer.MAX_VALUE);
}
threshold = newThr;
//使用新容量构造新数组
@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;
//如果元素e不是链表，把元素e放入新的数组
if (e.next == null)
newTab[e.hash & (newCap - 1)] = e;
//如果元素e是红黑树顶
else if (e instanceof TreeNode)
((TreeNode<K,V>)e).split(this, newTab, j, oldCap);
//说明是元素e链表头
else { // preserve order
//如果这个链表不止一个元素且不是一颗树
//则分化成两个链表插入到新的桶中去
//比如，原来3、7、11、15这四个元素都在三号桶中
//扩容后，则3和11还是在三号桶，7和15要移到七号桶中去
//也就是分化成了两个链表
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);
//遍历完成分化成两个链表了
//低位链表在新数组中的位置与旧桶一样
if (loTail != null) {
loTail.next = null;
newTab[j] = loHead;
}
//高位链表在新数组中的位置是旧位置+旧容量
if (hiTail != null) {
hiTail.next = null;
newTab[j + oldCap] = hiHead;
}
}
}
}
}
return newTab;
}
- 如果使用是无参构造方法，则第一次插入元素时初始化为默认值，容量为16，扩容门槛为12；
- 如果使用的是有参构造方法，则第一次插入元素时初始化容量等于扩容门槛，扩容门槛在构造方法里等于传入容量向上最近的2的n次方；
- 如果旧容量大于0，则新容量等于旧容量的2倍，但不超过最大容量2的30次方，新扩容门槛为旧扩容门槛的2倍；
- 创建一个新容量的数组；
- 挪动元素，原链表分化成两个新链表，低位链表存储在原来数组的位置，高位链表挪动到原来数组的位置加旧容量的位置；
TreeNode.putTreeVal(HashMap<K,V> map, Node<K,V>[] tab,int h, K k, V v)
插入元素到红黑树中
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
final TreeNode<K,V> putTreeVal(HashMap<K,V> map, Node<K,V>[] tab,
int h, K k, V v) {
Class<?> kc = null;
boolean searched = false;
//找到树的根节点
TreeNode<K,V> root = (parent != null) ? root() : this;
//自旋
for (TreeNode<K,V> p = root;;) {
int dir, ph; K pk;
//dir=direction，标记是在左边还是右边
//p的hash值大于传入hash值，说明要放在左边
if ((ph = p.hash) > h)
dir = -1;
//p的hash值小于传入hash值,说明要放在右边
else if (ph < h)
dir = 1;
//p的hash值等于传入hash值，p的key和传入key相等
else if ((pk = p.key) == k || (k != null && k.equals(pk)))
return p;
else if ((kc == null &&
//如果k是Comparable的子类则返回其真实的类，否则返回null
(kc = comparableClassFor(k)) == null) ||
//如果k和pk不是同样的类型返回0，否则返回两者比较的结果
(dir = compareComparables(kc, k, pk)) == 0) {
if (!searched) {
TreeNode<K,V> q, ch;
searched = true;
//沿着左子树或右子树查找
if (((ch = p.left) != null &&
(q = ch.find(h, k, kc)) != null) ||
((ch = p.right) != null &&
(q = ch.find(h, k, kc)) != null))
return q;
}
//如果两者类型相同，根据内存地址计算hash值进行比较
dir = tieBreakOrder(k, pk);
}
TreeNode<K,V> xp = p;
//没找到节点则新建
if ((p = (dir <= 0) ? p.left : p.right) == null) {
Node<K,V> xpn = xp.next;
TreeNode<K,V> x = map.newTreeNode(h, k, v, xpn);
if (dir <= 0)
xp.left = x;
else
xp.right = x;
xp.next = x;
x.parent = x.prev = xp;
if (xpn != null)
((TreeNode<K,V>)xpn).prev = x;
//插入树节点后使树平衡
moveRootToFront(tab, balanceInsertion(root, x));
return null;
}
}
}
- 找到树的根节点；
- 从根节点开始查找；
- 根据hash值确定在树的左子树还是右子树查找；
- 比较hash值及key值，如果都相同，直接返回；
- 最后没有找到则在树的相应位置插入元素，并做平衡；
TreeNode.treeifyBin(Node<K,V>[] tab, int hash)
如果插入元素后链表的长度大于等于8则判断是否需要转化为树。
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
final void treeifyBin(Node<K,V>[] tab, int hash) {
int n, index; Node<K,V> e;
//如果数组长度小于64，扩容，因为扩容有可能使链表变成两个，减少链表长度
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;
//循环链表使链表节点转化为树节点
do {
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);
//转化为红黑树
if ((tab[index] = hd) != null)
hd.treeify(tab);
}
}
TreeNode.treeify(Node<K,V>[] tab)
链表真正转化为红黑树的方法
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
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;
//设置数组[index]元素为树的根节点
if (root == null) {
x.parent = null;
x.red = false;
root = x;
}
else {
K k = x.key;
int h = x.hash;
Class<?> kc = null;
//循环设置hash值小于根节点hash的为左子树
//大于根节点hash值的为右子树
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;
//插入后平衡
root = balanceInsertion(root, x);
break;
}
}
}
}
//使树的根节点在tab[]在(n - 1) & root.hash位置。
moveRootToFront(tab, root);
}
- 从链表头节点开始遍历；
- 将头结点作为树的根节点；
- 其它节点插入红黑树，然后做平衡；
- 红黑树的根节点设置为数组第一个元素；
为什么链表长度是8时需要转化为红黑树？
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 64 时，只会触发扩容，不会转化成红黑树。
为什么是8？
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，但红黑树需要的占用空间是链表的 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。
在考虑设计 8 这个值的时候，参考了泊松分布概率函数，由泊松分布中得出结论，链表各个长度的命中概率为：
1
2
3
4
5
6
7
8
9
* 0: 0.60653066
* 1: 0.30326533
* 2: 0.07581633
* 3: 0.01263606
* 4: 0.00157952
* 5: 0.00015795
* 6: 0.00001316
* 7: 0.00000094
* 8: 0.00000006
当链表的长度是 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，正常写代码，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。
获取
get(Object key)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
public V get(Object key) {
Node<K,V> e;
return (e = getNode(hash(key), key)) == null ? null : e.value;
}
final Node<K,V> getNode(int hash, Object key) {
Node<K,V>[] tab; Node<K,V> first, e; int n; K k;
//如果数组不为空且数组长度大于0且hash后的值所在元素不为空
if ((tab = table) != null && (n = tab.length) > 0 &&
(first = tab[(n - 1) & hash]) != null) {
//检查第一个元素是不是要查的元素，如果是直接返回
if (first.hash == hash && // always check first node
((k = first.key) == key || (key != null && key.equals(k))))
return first;
if ((e = first.next) != null) {
//如果是树节点，使用树的方法查找
if (first instanceof TreeNode)
return ((TreeNode<K,V>)first).getTreeNode(hash, key);
//遍历链表查找
do {
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
return e;
} while ((e = e.next) != null);
}
}
return null;
}
- 计算key的hash值；
- 找到元素所在位置和第一个元素；
- 如果第一个元素的key与传入key相等，返回；
- 如果第一个元素是树，就按树的方式查找，否则按链表方式遍历；
TreeNode.getTreeNode(int h, Object k)
1
2
3
4
final TreeNode<K,V> getTreeNode(int h, Object k) {
//从根节点开始寻找元素
return ((parent != null) ? root() : this).find(h, k, null);
}
TreeNode.find(int h, Object k, Class<?> kc)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
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;
//左子树
if ((ph = p.hash) > h)
p = pl;
//右子树
else if (ph < h)
p = pr;
//查到返回
else if ((pk = p.key) == k || (k != null && k.equals(pk)))
return p;
//hash相同，key不同，左子树为空查右子树
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)
//通过compare方法比较key值的大小决定使用左子树还是右子树
p = (dir < 0) ? pl : pr;
else if ((q = pr.find(h, k, kc)) != null)
return q;
else
p = pl;
} while (p != null);
return null;
}
删除
remove(Object key)
根据key删除
1
2
3
4
5
public V remove(Object key) {
Node<K,V> e;
return (e = removeNode(hash(key), key, null, false, true)) == null ?
null : e.value;
}
removeNode(int hash, Object key, Object value,boolean matchValue, boolean movable)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
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;
//数组不为空且数组长度>0且index处元素不为null
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;
//直接判断数组index处是否相等
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
node = p;
//否则通过树或者链表查找直到找到
else if ((e = p.next) != null) {
if (p instanceof TreeNode)
node = ((TreeNode<K,V>)p).getTreeNode(hash, key);
else {
do {
if (e.hash == hash &&
((k = e.key) == key ||
(key != null && key.equals(k)))) {
node = e;
break;
}
p = e;
} while ((e = e.next) != null);
}
}
// 如果找到了元素，则看参数是否需要匹配value值，如果不需要匹配直接删除，如果需要匹配则看value值是否与传入的value相等
if (node != null && (!matchValue || (v = node.value) == value ||
(value != null && value.equals(v)))) {
if (node instanceof TreeNode)
//调用树的删除方法
((TreeNode<K,V>)node).removeTreeNode(this, tab, movable);
//元素若在数组上，元素下一节点设置在数组
else if (node == p)
tab[index] = node.next;
//删除node节点，下一个节点前移
else
p.next = node.next;
++modCount;
--size;
//删除节点后处理
afterNodeRemoval(node);
return node;
}
}
return null;
}
- 查找元素所在节点；
- 如果节点是树节点，按树的方法删除；
- 如果节点在数组上，删除节点的下一节点设置在数组上；
- 如果不在数组上，删除链表节点，下一节点前移；
- 修改modCount，修改size,调用移除节点后置处理；
TreeNode.removeTreeNode(HashMap<K,V> map, Node<K,V>[] tab,boolean movable)
红黑树删除树节点
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
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;
//数组索引节点，树的根节点，根左子节点
TreeNode<K,V> first = (TreeNode<K,V>)tab[index], root = first, rl;
//后继节点，前置节点
TreeNode<K,V> succ = (TreeNode<K,V>)next, pred = prev;
//如果没有前置节点说明是根节点，把后继节点设置为数组索引节点，删除当前节点
if (pred == null)
tab[index] = first = succ;
else
// 否则把前置节点的下个节点设置为当前节点的后继节点，相当于删除了当前节点
pred.next = succ;
// 如果后继节点不为空，则让后继节点的前置节点指向当前节点的前置节点，相当于删除了当前节点
if (succ != null)
succ.prev = pred;
//数组索引元素为null直接返回
if (first == null)
return;
//根节点的父节点不为空，重新查找父节点
if (root.parent != null)
root = root.root();
//根节点为空或树的高度太小，则树转化为链表
if (root == null || root.right == null ||
(rl = root.left) == null || rl.left == null) {
tab[index] = first.untreeify(map); // too small
return;
}
//删除红黑树节点：大致过程是寻找右子树中最小的节点放到删除节点的位置，然后做平衡
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);
}
- TreeNode本身既是链表节点也是红黑树节点；
- 先删除链表节点；
- 再删除红黑树节点并做平衡；
总结
HashMap是一种散列表，采用（数组 + 链表 + 红黑树）的存储结构；HashMap的默认初始容量为16（1«4），默认装载因子为0.75f，容量总是2的n次方；HashMap扩容时每次容量变为原来的两倍；- 当数组长度小于64时不会转化为树，只会扩容；
- 当数组长度大于64且单个链表中元素的数量大于8时，链表转化为树；
- 当单个链表中元素数量小于6时，树转化为链表；
HashMap是非线程安全的容器；
