标签：第一个 entry 没有 最小 extend 处理 生成 col only
上图可以看到，HashMap继承了AbstractMap，实现的接口有，Map、Cloneable、Serializable。
HasMap的核心数据类型是链表或红黑树的数组，数组和List结构一样可以实现扩容。并且有实现相对应的用于通过计算key对象的hash值定位数组索引位置的hash()方法，当数组同一位置的链表长度大于触发阈值的时候，链表会转化为红黑树，提高遍历的效率。HashMap的数据结构如下图。
Node
HashMap最基本的数据结构单元，核心的数据结构就是Node数组（Node<K, V> table）
TreeNode
当HashMap的核心数据结构table数组在同一个位置的链表长度，大于树化触发阈值的时候，同一个位置的链表将会变成红黑树的结构。他们的都是Map.Entry<K,V>的实现类
KeySet
KeySet是提供给外部用于迭代访问Map的键的访问器类型
Values
Values是提供给外部用于迭代访问Map的值的访问器类型
EntrySet
EntrySet是提供给外部用于迭代访问Map健值对的访问器类型
上面三个分别和下面的三个迭代器类型配合使用
迭代器类的主要作用是提供给HashMap的使用者可以通过循环访问的方式迭代访问HashMap的每个存放的元素。顾名思义，KeyIterator是用于迭代访问Map类型的键值，在HashMap中KeyIterator没有直接的暴露给外部调用，而是给KeySet
类内部使用，来访问Map的键。同理，valueIterator是给Values类使用的，用于迭代访问Map的值。EntryIterator是给EntrySet类提供的内部类，用于迭代访问Map的健值对。
作用普通的的迭代器是相同的，但是分割迭代器是用于在多线程的情况下，同时遍历访问同一个HashMap对象。
桶：table数组同一个位置的一组以链表或红黑树形式存在的元素集合
public class HashMap<K,V> extends AbstractMap<K,V> implements Map<K,V>, Cloneable, Serializable {
// 序列号
private static final long serialVersionUID = 362498820763181265L;
// 默认的初始容量是16
static final int DEFAULT_INITIAL_CAPACITY = 1 << 4;
// 最大容量
static final int MAXIMUM_CAPACITY = 1 << 30;
// 默认的填充因子，当Map的实际元素个数大于当前Map的容量的0.75倍时候Map会进行扩容
static final float DEFAULT_LOAD_FACTOR = 0.75f;
// 当桶(bucket)上的结点数大于这个值时会转成红黑树
static final int TREEIFY_THRESHOLD = 8;
// 当桶(bucket)上的结点数小于这个值时树转链表
static final int UNTREEIFY_THRESHOLD = 6;
// 桶中结构转化为红黑树对应的table的最小大小
static final int MIN_TREEIFY_CAPACITY = 64;
// 存储元素的数组，总是2的幂次倍
transient Node<k,v>[] table;
// 存放具体元素的集
transient Set<map.entry<k,v>> entrySet;
// 存放元素的个数，注意这个不等于数组的长度。
transient int size;
// 每次扩容和更改map结构的计数器
transient int modCount;
// 临界值 当实际大小(容量*填充因子)超过临界值时，会进行扩容
int threshold;
// 自定义的加载因子，没有指定的话后面会使用默认的DEFAULT_LOAD_FACTOR作为填充因子
final float loadFactor;
}
// 用于计算键的Hash值来确定存放table数组的索引位置
static final int hash(Object key) {
int h;
return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}
// Map扩容方法
final Node<K,V>[] resize() {
// 暂存老的核心table数组
Node<K,V>[] oldTab = table;
// 老数组的容量
int oldCap = (oldTab == null) ? 0 : oldTab.length;
// 老的扩容阈值
int oldThr = threshold;
int newCap, newThr = 0;
// 老容量的大于0的情况
if (oldCap > 0) {
// 防止数组越界的处理
if (oldCap >= MAXIMUM_CAPACITY) {
threshold = Integer.MAX_VALUE;
return oldTab;
}
// 老容量的两倍小于最大容量，并且老容量是大于等于默认容量的情况
else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&
oldCap >= DEFAULT_INITIAL_CAPACITY)
// 新容量是老容量的2倍，扩容1倍
newThr = oldThr << 1; // double threshold
}
// 老的扩容阈值大于0
else if (oldThr > 0) // initial capacity was placed in threshold
newCap = oldThr;
// 初始化HashMap后，没有任何元素的时候调用resize
else { // zero initial threshold signifies using defaults
// 使用默认容量作为新的容量
newCap = DEFAULT_INITIAL_CAPACITY;
// 计算新的扩容阈值
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;
@SuppressWarnings({"rawtypes","unchecked"})
// 船新的扩容后的空table数组
Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap];
table = newTab;
if (oldTab != null) {
// 循环遍历老数组
for (int j = 0; j < oldCap; ++j) {
Node<K,V> e;
// 取老的元素，并赋个新的e
if ((e = oldTab[j]) != null) {
// 老数组位置赋值空指针，待GC回收内存
oldTab[j] = null;
// 只有一个元素的情况
if (e.next == null)
// 将元素赋值给新数组的新的索引位置上
newTab[e.hash & (newCap - 1)] = e;
else if (e instanceof TreeNode) // 是红黑树的情况
// 迁移红黑树数据
((TreeNode<K,V>)e).split(this, newTab, j, oldCap);
else { // preserve order
// 链表的情况，迁移数据
Node<K,V> loHead = null, loTail = null;
Node<K,V> hiHead = null, hiTail = null;
Node<K,V> next;
// 循环迭代链表
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;
}
// 存放元素的方法
public V put(K key, V value) {
return putVal(hash(key), key, value, false, true);
}
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table数组没有初始化或者为空的情况
if ((tab = table) == null || (n = tab.length) == 0)
// 进行扩容
n = (tab = resize()).length;
// 确定元素的要存放的索引位置，并取其原始的值
if ((p = tab[i = (n - 1) & hash]) == null)
// 原来的位置是空的，直接新建一个新的Node来存放
tab[i] = newNode(hash, key, value, null);
// 已存在元素
else {
Node<K,V> e; K k;
// 比较第一个元素的hash和键是否相等
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
// 相等的情况直接覆盖
e = p;
// 结构是红黑树的情况
else if (p instanceof TreeNode)
// 放入树中
e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
else {
// 普通的链表结构，循环到链表的最后一个元素
for (int binCount = 0; ; ++binCount) {
if ((e = p.next) == null) {
// 新元素链接到链表的最后一个元素上
p.next = newNode(hash, key, value, null);
// 判断是否需要转换为红黑树
if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st
treeifyBin(tab, hash);
// 结束循环
break;
}
// 比较最后的元素，与插入的元素是否相等
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
break;
p = e;
}
}
// 表示在桶中找到key值、hash值与插入元素相等的结点
if (e != null) { // existing mapping for key
V oldValue = e.value;
// onlyIfAbsent为false的话，用新的值取代旧的值
if (!onlyIfAbsent || oldValue == null)
e.value = value;
afterNodeAccess(e);
return oldValue;
}
}
// 记录结构修改次数
++modCount;
// 判断是否需要扩容
if (++size > threshold)
resize();
afterNodeInsertion(evict);
return null;
}
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;
// 将table指针指向本地变量，并且定位到的数组元素的第一个不是null
if ((tab = table) != null && (n = tab.length) > 0 &&
(first = tab[(n - 1) & hash]) != null) {
// 查找的hash和第一个元素的hash相等
if (first.hash == hash && // always check first node
// hash相等，key也是相等的情况下，就返回第一个元素
((k = first.key) == key || (key != null && key.equals(k))))
return first;
// 不是第一个节点的情况，查看下一个节点
if ((e = first.next) != null) {
// 是红黑树的情况
if (first instanceof TreeNode)
// 通过红黑树查找得到元素
return ((TreeNode<K,V>)first).getTreeNode(hash, key);
// 遍历链表
do {
// 找到hash和key匹配的元素返回
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
return e;
} while ((e = e.next) != null);
}
}
// 没有找到元素，返回null
return null;
}
可以看到HashMap用于定位数组索引的方法是(n -1) & hash，原理同十进制的取模运算。位运算直接对内存数据进行操作，不需要转成十进制，所以位运算要比取模运算的效率更高，所以HashMap在计算元素要存放在数组中的index的时候，使用位运算代替了取模运算。之所以可以做等价代替，前提是要求HashMap的容量一定要是2^n。至于为什么不是2，4，8而是16。因为2，4，8的容量太小，造成过早的扩容，而16以上32太大，浪费内存空间。
之前是链表结构，搜索的时间复杂度是O(N)，之后的红黑树结构的搜索时间复杂度是O(logN)明显的红黑树的搜索效率更高。
在上面的问题中已经说明，为了提高运算效率，不需要再转成十进制来运算。
标签：第一个 entry 没有 最小 extend 处理 生成 col only
原文地址：https://www.cnblogs.com/mufeng3421/p/12961060.html
