- 作者简介：大家好，我是爱吃芝士的土豆倪，24届校招生Java选手，很高兴知道大家
- 系列专栏：Spring源码、JUC源码
- 假如感觉博主的文章还不错的话，请三连支持一下博主哦
- 博主正在努力完结2023方案中：源码溯源，一探究竟
- 联系办法：nhs19990716，加我进群，大家一同学习，一同前进，一同对立互联网寒冬
HashMap调集
1.HashMap调集简介
HashMap依据哈希表的Map接口完结，是以key-value存储办法存在，即首要用来寄存键值对。HashMap 的完结不是同步的，这意味着它不是线程安全的。它的key、value都能够为null。此外，HashMap中的映射不是有序的。
JDK1.8 之前 HashMap 由 数组+链表 组成的，数组是 HashMap 的主体，链表则是首要为了处理哈希抵触**(两个目标调用的hashCode办法核算的哈希码值共同导致核算的数组索引值相同)**而存在的（“拉链法”处理抵触）.JDK1.8 今后在处理哈希抵触时有了较大的改变，当链表长度大于阈值（或许红黑树的边界值，默以为 8）而且当时数组的长度大于64时，此刻此索引方位上的一切数据改为运用红黑树存储。
弥补：将链表转化成红黑树前会判别，即便阈值大于8，可是数组长度小于64，此刻并不会将链表变为红黑树。而是挑选进行数组扩容。 ！！！（这样做的意图是由于数组比较小，尽量避开红黑树结构，这种状况下变为红黑树结构，反而会下降功率，由于红黑树需求进行左旋，右旋，变色这些操作来保持平衡 。一起数组长度小于64时，查找时刻相对要快些。所以综上所述为了进步功能和削减查找时刻，底层在阈值大于8而且数组长度大于64时，链表才转化为红黑树。）
当然虽然增了红黑树作为底层数据结构，结构变得杂乱了，可是阈值大于8而且数组长度大于64时，链表转化为红黑树时，功率也变的更高效。
2.HashMap调集底层的数据结构
2.1数据结构概念
数据结构是核算机存储、安排数据的办法。数据结构是指相互之间存在一种或多种特定联系的数据元素的调集。一般状况下，精心挑选的数据结构能够带来更高的运转或许存储功率。数据结构往往同高效的检索算法和索引技术有关。
数据结构：便是存储数据的一种办法。ArrayList LinkedList
在JDK1.8 之前 HashMap 由 数组+链表 数据结构组成的。
在JDK1.8 之后 HashMap 由 数组+链表 +红黑树数据结构组成的。
2.2HashMap底层的数据结构存储数据的进程
存储进程如下所示：
运用的代码：
public class Demo01 {
public static void main(String[] args) {
HashMap<String, Integer> map = new HashMap<>();
map.put("刘德华", 53);
map.put("柳岩", 35);
map.put("张学友", 55);
map.put("郭富城", 52);
map.put("拂晓", 51);
map.put("林青霞", 55);
map.put("刘德华", 50);
}
}
简略的来说，哈希表是由数组+链表+红黑树（JDK1.8添加了红黑树部分）完结的。如下图所示。
可是这样的话问题来了，传统hashMap的缺陷，1.8为什么引进红黑树？这样结构的话不是更麻烦了吗，为何阈值大于8换成红黑树？
JDK 1.8 曾经 HashMap 的完结是 数组+链表，即便哈希函数获得再好，也很难抵达元素百分百均匀散布。当 HashMap 中有许多的元素都寄存到同一个桶中时，这个桶下有一条长长的链表，这个时分 HashMap 就适当于一个单链表，假如单链表有 n 个元素，遍历的时刻杂乱度便是 O(n)，完全失去了它的优势。针对这种状况，JDK 1.8 中引进了 红黑树（查找时刻杂乱度为 O(logn)）来优化这个问题。 当链表长度很小的时分，即便遍历，速度也十分快，可是当链表长度不断变长，肯定会对查询功能有必定的影响，所以才需求转成树。
上述咱们大概论述了HashMap底层存储数据的办法。为了方便大家更好的了解，咱们结合一个存储流程图来进一步阐明一下：(jdk8存储进程)
阐明：
1.size表明 HashMap中K-V的实时数量 ， 留意这个不等于数组的长度 。
2.threshold( 临界值) =capacity(容量) * loadFactor( 加载因子 )。这个值是当时已占用数组长度的最大值。size超越这个临界值就从头resize(扩容)，扩容后的 HashMap 容量是之前容量的两倍 。
3.HashMap承继联系
HashMap承继联系如下图所示：
阐明：
- Cloneable 空接口，表明能够克隆。 创立并回来HashMap目标的一个副本。
- Serializable 序列化接口。属于标记忆接口。HashMap目标能够被序列化和反序列化。
- AbstractMap 父类供给了Map完结接口。以最大限度地削减完结此接口所需的作业。
弥补：通过上述承继联系咱们发现一个很奇怪的现象， 便是HashMap现已承继了AbstractMap而AbstractMap类完结了Map接口，那为什么HashMap还要在完结Map接口呢？同样在ArrayList中LinkedList中都是这种结构。
据 java 调集结构的创始人Josh Bloch描绘，这样的写法是一个失误。在java调集结构中，类似这样的写法许多，最开端写java调集结构的时分，他以为这样写，在某些地方或许是有价值的，直到他意识到错了。显然的，JDK的保护者，后来不以为这个小小的失误值得去修正，所以就这样存在下来了。
4.HashMap调集类的成员
4.1成员变量
1.序列化版本号
private static final long serialVersionUID = 362498820763181265L;
2.调集的初始化容量( 有必要是二的n次幂 )
//默许的初始容量是16 -- 1<<4适当于1*2的4次方---1*16
static final int DEFAULT_INITIAL_CAPACITY = 1 << 4;
HashMap结构办法还能够指定调集的初始化容量巨细：
HashMap(int initialCapacity) 结构一个带指定初始容量和默许加载因子 (0.75) 的空 HashMap。
依据上述解说咱们现已知道，当向HashMap中添加一个元素的时分，需求依据key的hash值，去确认其在数组中的详细方位。 HashMap为了存取高效，要尽量较少磕碰，便是要尽量把数据分配均匀，每个链表长度大致相同，这个完结就在把数据存到哪个链表中的算法。
这个算法实践便是取模，hash%length，核算机中直接求余功率不如位移运算(
在核算机中，求余运算（也称为模运算）一般比位移运算功率低，这首要是由于求余运算涉及到更多的核算和处理过程。求
余运算需求进行除法操作，而除法操作一般比位移操作更杂乱和耗时。除法操作涉及到一系列的除法、乘法和减法等算术运算，而位移运算仅仅简略地将二进制数的位向左或向右移动。
除法操作的杂乱性导致了它的履行时刻较长。在硬件层面上，除法运算一般需求更多的核算单元和时钟周期来完结，相对于位移运算来说，它需求更多的资源和时刻。
另外，现代核算机架构中的指令集一般会对位移运算进行特别优化，将其作为一种基本的操作进行支持，并供给专门的指令来履行位移操作。相比之下，求余运算不像位移运算那样常见，往往没有得到类似的特别优化。
综上所述，尽管位移运算相对于求余运算在某些状况下或许更高效，但这并不意味着求余运算在一切状况下都低效。在实践编程中，咱们应该依据详细的需求和状况挑选合适的运算办法。
)。所以源码中做了优化,运用 hash&(length-1)，而实践上hash%length等于hash&(length-1)的条件是length是2的n次幂。
为什么这样能均匀散布削减磕碰呢？2的n次方实践便是1后边n个0，2的n次方-1 实践便是n个1；
举例：
阐明：按位与运算：相同的二进制数位上，都是1的时分，成果为1，不然为零。
例如长度为8时分，3&(8-1)=3 2&(8-1)=2 ，不同方位上，不磕碰；
例如长度length为8时分，8是2的3次幂。二进制是：1000
length-1 二进制运算：
1000
- 1
---------------------
111
如下所示：
hash&(length-1)
3 &(8 - 1)=3
00000011 3 hash
& 00000111 7 length-1
---------------------
00000011-----》3 数组下标
hash&(length-1)
2 & (8 - 1) = 2
00000010 2 hash
& 00000111 7 length-1
---------------------
00000010-----》2 数组下标
阐明：上述核算成果是不同方位上，不磕碰；
例如长度为9时分，3&(9-1)=0 2&(9-1)=0 ，都在0上，磕碰了；
例如长度length为9时分，9不是2的n次幂。二进制是：00001001
length-1 二进制运算：
1001
- 1
---------------------
1000
如下所示：
hash&(length-1)
3 &(9 - 1)=0
00000011 3 hash
& 00001000 8 length-1
---------------------
00000000-----》0 数组下标
hash&(length-1)
2 & (9 - 1) = 2
00000010 2 hash
& 00001000 8 length-1
---------------------
00000000-----》0 数组下标
阐明：上述核算成果都在0上，磕碰了；
留意： 当然假如不考虑功率直接求余即可（就不需求要求长度有必要是2的n次方了)
小结：
1.由上面能够看出，当咱们依据key的hash确认其在数组的方位时，假如n为2的幂次方，能够确保数据的均匀刺进，假如n不是2的幂次方，或许数组的一些方位永远不会刺进数据，糟蹋数组的空间，加大hash抵触。
2.另一方面，一般咱们或许会想通过 % 求余来确认方位，这样也能够，只不过功能不如 & 运算。而且当n是2的幂次方时：hash & (length – 1) == hash % length
3.因而，HashMap 容量为2次幂的原因，便是为了数据的的均匀散布，削减hash抵触，究竟hash抵触越大，代表数组中一个链的长度越大，这样的话会下降hashmap的功能
4.假如创立HashMap目标时，输入的数组长度是10，不是2的幂，HashMap通过一通位移运算和或运算得到的肯定是2的幂次数，而且是离那个数最近的数字。
源代码如下：
//创立HashMap调集的目标，指定数组长度是10，不是2的幂
HashMap hashMap = new HashMap(10);
public HashMap(int initialCapacity) {//initialCapacity=10
this(initialCapacity, DEFAULT_LOAD_FACTOR);
}
public HashMap(int initialCapacity, float loadFactor) {//initialCapacity=10
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);//initialCapacity=10
}
/**
* Returns a power of two size for the given target capacity.
*/
static final int tableSizeFor(int cap) {//int cap = 10
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;
}
下面剖析这个算法： 1)、首要，为什么要对cap做减1操作。int n = cap – 1; 这是为了防止，cap现已是2的幂。假如cap现已是2的幂， 又没有履行这个减1操作，则履行完后边的几条无符号右移操作之后，回来的capacity将是这个cap的2倍。假如不明白，要看完后边的几个无符号右移之后再回来看看。 下面看看这几个无符号右移操作： 2）、假如n这时为0了（通过了cap-1之后），则通过后边的几回无符号右移依然是0，终究回来的capacity是 1（终究有个n+1的操作）。 这儿只评论n不等于0的状况。
留意：|（按位或运算）：运算规矩：相同的二进制数位上，都是0的时分，成果为0，不然为1。
第一次右移 ：
int n = cap - 1;//cap=10 n=9
n |= n >>> 1;
00000000 00000000 00000000 00001001 //9
|
00000000 00000000 00000000 00000100 //9右移之后变为4
-------------------------------------------------
00000000 00000000 00000000 00001101 //按位异或之后是13
由于n不等于0，则n的二进制表明中总会有一bit为1，这时考虑最高位的1。通过无符号右移1位，则将最高位的1右移了1位，再做或操作，使得n的二进制表明中与最高位的1紧邻的右边一位也为1，如：
00000000 00000000 00000000 00001101
第二次右移 ：
n |= n >>> 2;//n通过第一次右移变为了：n=13
00000000 00000000 00000000 00001101 // 13
|
00000000 00000000 00000000 00000011 //13右移之后变为3
-------------------------------------------------
00000000 00000000 00000000 00001111 //按位异或之后是15
留意，这个n现现已过了n |= n >>> 1; 操作。假定此刻n为00000000 00000000 00000000 00001101 ，则n无符号右移两位，会将最高位两个接连的1右移两位，然后再与本来的n做或操作，这样n的二进制表明的高位中会有4个接连的1。如：
00000000 00000000 00000000 00001111 //按位异或之后是15
第三次右移 :
n |= n >>> 4;//n通过第一、二次右移变为了：n=15
00000000 00000000 00000000 00001111 // 15
|
00000000 00000000 00000000 00000000 //15右移之后变为0
-------------------------------------------------
00000000 00000000 00000000 00001111 //按位异或之后是15
这次把现已有的高位中的接连的4个1，右移4位，再做或操作，这样n的二进制表明的高位中正常会有8个接连的1。如00001111 1111xxxxxx 。 以此类推 留意，容量最大也便是32bit的正数，因而终究n |= n >>> 16; ，最多也就32个1（可是这现已是负数了。在履行tableSizeFor之前，对initialCapacity做了判别，假如大于MAXIMUM_CAPACITY(2 ^ 30)，则取MAXIMUM_CAPACITY。假如等于MAXIMUM_CAPACITY(2 ^ 30)，会履行移位操作。所以这儿面的移位操作之后，最大30个1，不会大于等于MAXIMUM_CAPACITY。30个1，加1之后得2 ^ 30） 。
请看下面的一个完整例子：
留意，得到的这个capacity却被赋值给了threshold。
this.threshold = tableSizeFor(initialCapacity);//initialCapacity=10
3.默许的负载因子，默许值是0.75
static final float DEFAULT_LOAD_FACTOR = 0.75f;
4.调集最大容量
//调集最大容量的上限是：2的30次幂
static final int MAXIMUM_CAPACITY = 1 << 30;
5.当链表的值超越8则有或许会转红黑树(1.8新增)
//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;
问题：为什么Map桶中节点个数超越8才转为红黑树？
8这个阈值定义在HashMap中，针对这个成员变量，在源码的注释中只阐明了8是bin（bin便是bucket(桶)）从链表转成树的阈值，可是并没有阐明为什么是8：
在HashMap中有一段注释阐明： 咱们持续往下看 :
Because TreeNodes are about twice the size of regular nodes, we use them only when bins contain enough nodes to warrant use (see TREEIFY_THRESHOLD). And when they become too small (due to removal or resizing) they are converted back to plain bins. In usages with well-distributed user hashCodes, tree bins are rarely used. Ideally, under random hashCodes, the frequency of nodes in bins follows a Poisson distribution
(http://en.wikipedia.org/wiki/Poisson_distribution) with a parameter of about 0.5 on average for the default resizing threshold of 0.75, although with a large variance because of resizing granularity. Ignoring variance, the expected occurrences of list size k are (exp(-0.5)*pow(0.5, k)/factorial(k)).
The first values are:
由于树节点的巨细大约是一般节点的两倍，所以咱们只在箱子包括满足的节点时才运用树节点(拜见TREEIFY_THRESHOLD)。当它们变得太小(由于删去或调整巨细)时，就会被转化回一般的桶。在运用散布良好的用户hashcode时，很少运用树箱。抱负状况下，在随机哈希码下，箱子中节点的频率服从泊松散布
(http://en.wikipedia.org/wiki/Poisson_distribution)，默许调整阈值为0.75，均匀参数约为0.5，尽管由于调整粒度的差异很大。忽略方差，列表巨细k的预期出现次数是(exp(-0.5)*pow(0.5, k)/factorial(k))。
第一个值是:
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
more: less than 1 in ten million
TreeNodes占用空间是一般Nodes的两倍，所以只有当bin包括满足多的节点时才会转成TreeNodes，而是否满足多便是由TREEIFY_THRESHOLD的值决议的。当bin中节点数变少时，又会转成一般的bin。而且咱们检查源码的时分发现，链表长度抵达8就转成红黑树，当长度降到6就转成一般bin。
这样就解说了为什么不是一开端就将其转化为TreeNodes，而是需求必定节点数才转为TreeNodes，说白了便是权衡，空间和时刻的权衡。
这段内容还提到：当hashCode离散性很好的时分，树型bin用到的概率十分小，由于数据均匀散布在每个bin中，简直不会有bin中链表长度会抵达阈值。可是在随机hashCode下，离散性或许会变差，然而JDK又不能阻止用户完结这种不好的hash算法，因而就或许导致不均匀的数据散布。不过抱负状况下随机hashCode算法下一切bin中节点的散布频率会遵循泊松散布，咱们能够看到，一个bin中链表长度抵达8个元素的概率为0.00000006，简直是不或许事件。所以，之所以挑选8，不是随意决议的，而是依据概率统计决议的。由此可见，发展将近30年的Java每一项改动和优化都是十分谨慎和科学的。
也便是说：挑选8由于契合泊松散布，超越8的时分，概率现已十分小了，所以咱们挑选8这个数字。
另一种说法是在调研这个问题的时分，在一些材料上翻阅得到的
红黑树的均匀查找长度是log(n)，假如长度为8，均匀查找长度为log(8)=3，链表的均匀查找长度为n/2，当长度为8时，均匀查找长度为8/2=4，这才有转化成树的必要；链表长度假如是小于等于6，6/2=3，而log(6)=2.6，虽然速度也很快的，可是转化为树结构和生成树的时刻并不会太短。
6.当链表的值小于6则会从红黑树转回链表
//当桶(bucket)上的结点数小于这个值时树转链表
static final int UNTREEIFY_THRESHOLD = 6;
7.当Map里边的数量超越这个值时，表中的桶才干进行树形化 ，不然桶内元素太多时会扩容，而不是树形化
//桶中结构转化为红黑树对应的数组长度最小的值
static final int MIN_TREEIFY_CAPACITY = 64;
8、table用来初始化(有必要是二的n次幂)(重点)
//存储元素的数组
transient Node<K,V>[] table;
9、 HashMap中寄存元素的个数(重点)
//寄存元素的个数，留意这个不等于数组的长度。
transient int size;
size为HashMap中K-V的实时数量，不是数组table的长度。
10、 用来记载HashMap的修正次数
// 每次扩容和更改map结构的计数器
transient int modCount;
11、 用来调整巨细下一个容量的值核算办法为(容量*负载因子)
// 临界值 当实践巨细(容量*负载因子)超越临界值时，会进行扩容
int threshold;
12 哈希表的加载因子(重点)
// 加载因子
final float loadFactor;
阐明：
1.loadFactor加载因子，是用来衡量 HashMap 满的程度，表明HashMap的疏密程度，影响hash操作到同一个数组方位的概率，核算HashMap的实时加载因子的办法为：size/capacity，而不是占用桶的数量去除以capacity。capacity 是桶的数量，也便是 table 的长度length。
loadFactor太大导致查找元素功率低，太小导致数组的运用率低，寄存的数据会很涣散。loadFactor的默许值为0.75f是官方给出的一个比较好的临界值。
当HashMap里边容纳的元素现已抵达HashMap数组长度的75%时，表明HashMap太挤了，需求扩容，而扩容这个进程涉及到 rehash、复制数据等操作，十分耗费功能。，所以开发中尽量削减扩容的次数，能够通过创立HashMap调集目标时指定初始容量来尽量防止。
一起在HashMap的结构器中能够定制loadFactor。
结构办法：
HashMap(int initialCapacity, float loadFactor) 结构一个带指定初始容量和加载因子的空 HashMap。
2.为什么加载因子设置为0.75,初始化临界值是12？
loadFactor越趋近于1，那么 数组中寄存的数据(entry)也就越多，也就越密，也便是会让链表的长度添加，loadFactor越小，也便是趋近于0，数组中寄存的数据(entry)也就越少，也就越稀疏。
假如希望链表尽或许少些。要提早扩容，有的数组空间有或许一直没有存储数据。加载因子尽或许小一些。
举例：
例如：加载因子是0.4。 那么16*0.4--->6 假如数组中满6个空间就扩容会形成数组运用率太低了。
加载因子是0.9。 那么16*0.9---->14 那么这样就会导致链表有点多了。导致查找元素功率低。
所以既统筹数组运用率又考虑链表不要太多，通过许多测试0.75是最佳方案。
4.2结构办法
HashMap 中重要的结构办法，它们别离如下：
结构一个空的 HashMap ，默许初始容量（16）和默许负载因子（0.75）。
public HashMap() {
this.loadFactor = DEFAULT_LOAD_FACTOR; // 将默许的加载因子0.75赋值给loadFactor，并没有创立数组
}
结构一个具有指定的初始容量和默许负载因子（0.75） HashMap。
// 指定“容量巨细”的结构函数
public HashMap(int initialCapacity) {
this(initialCapacity, DEFAULT_LOAD_FACTOR);
}
结构一个具有指定的初始容量和负载因子的 HashMap。咱们来剖析一下。
/*
指定“容量巨细”和“加载因子”的结构函数
initialCapacity: 指定的容量
loadFactor:指定的加载因子
*/
public HashMap(int initialCapacity, float loadFactor) {
//判别初始化容量initialCapacity是否小于0
if (initialCapacity < 0)
//假如小于0，则抛出不合法的参数反常IllegalArgumentException
throw new IllegalArgumentException("Illegal initial capacity: " +
initialCapacity);
//判别初始化容量initialCapacity是否大于调集的最大容量MAXIMUM_CAPACITY-》2的30次幂
if (initialCapacity > MAXIMUM_CAPACITY)
//假如超越MAXIMUM_CAPACITY，会将MAXIMUM_CAPACITY赋值给initialCapacity
initialCapacity = MAXIMUM_CAPACITY;
//判别负载因子loadFactor是否小于等于0或许是否是一个非数值
if (loadFactor <= 0 || Float.isNaN(loadFactor))
//假如满足上述其中之一，则抛出不合法的参数反常IllegalArgumentException
throw new IllegalArgumentException("Illegal load factor: " +
loadFactor);
//将指定的加载因子赋值给HashMap成员变量的负载因子loadFactor
this.loadFactor = loadFactor;
this.threshold = tableSizeFor(initialCapacity);
}
终究调用了tableSizeFor，来看一下办法完结：
/**
* Returns a power of two size for the given target capacity.
回来比指定初始化容量大的最小的2的n次幂
*/
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;
}
阐明：
对于 this.threshold = tableSizeFor(initialCapacity); 疑问解答：
tableSizeFor(initialCapacity) 判别指定的初始化容量是否是2的n次幂，假如不是那么会变为比指 定初始化容量大的最小的2的n次幂。这点上述现已解说过。
可是留意，在tableSizeFor办法体内部将核算后的数据回来给调用这儿了，而且直接赋值给threshold边 界值了。有些人会觉得这儿是一个bug,应该这样书写：
this.threshold = tableSizeFor(initialCapacity) * this.loadFactor;
这样才契合threshold的意思（当HashMap的size抵达threshold这个阈值时会扩容）。
可是，请留意，在jdk8今后的结构办法中，并没有对table这个成员变量进行初始化，table的初始化被推 迟到了put办法中，在put办法中会对threshold从头核算，put办法的详细完结咱们下面会进行解说
包括另一个“Map”的结构函数
//结构一个映射联系与指定 Map 相同的新 HashMap。
public HashMap(Map<? extends K, ? extends V> m) {
//负载因子loadFactor变为默许的负载因子0.75
this.loadFactor = DEFAULT_LOAD_FACTOR;
putMapEntries(m, false);
}
终究调用了putMapEntries，来看一下办法完结：
final void putMapEntries(Map<? extends K, ? extends V> m, boolean evict) {
//获取参数调集的长度
int s = m.size();
if (s > 0)
{
//判别参数调集的长度是否大于0，阐明大于0
if (table == null) // 判别table是否现已初始化
{ // pre-size
// 未初始化，s为m的实践元素个数
float ft = ((float)s / loadFactor) + 1.0F;
int t = ((ft < (float)MAXIMUM_CAPACITY) ?
(int)ft : MAXIMUM_CAPACITY);
// 核算得到的t大于阈值，则初始化阈值
if (t > threshold)
threshold = tableSizeFor(t);
}
// 已初始化，而且m元素个数大于阈值，进行扩容处理
else if (s > threshold)
resize();
// 将m中的一切元素添加至HashMap中
for (Map.Entry<? extends K, ? extends V> e : m.entrySet()) {
K key = e.getKey();
V value = e.getValue();
putVal(hash(key), key, value, false, evict);
}
}
}
留意：
float ft = ((float)s / loadFactor) + 1.0F;这一行代码中为什么要加1.0F ？
s/loadFactor的成果是小数，加1.0F与(int)ft适当所以对小数做一个向上取整以尽或许的确保更大容量，更大的容量能够削减resize的调用次数。所以 + 1.0F是为了获取更大的容量。
例如：本来调集的元素个数是6个，那么6/0.75是8，是2的n次幂，那么新的数组巨细便是8了。然后本来数组的数据就会存储到长度是8的新的数组中了，这样会导致在存储元素的时分，容量不够，还得持续扩容，那么功能下降了，而假如+1呢，数组长度直接变为16了，这样能够削减数组的扩容。
这也是规划的最佳准则
4.3成员办法
4.3.1添加办法
put办法是比较杂乱的，完结过程大致如下：
1）先通过hash值核算出key映射到哪个桶；
2）假如桶上没有磕碰抵触，则直接刺进；
3）假如出现磕碰抵触了，则需求处理抵触：
a:假如该桶运用红黑树处理抵触，则调用红黑树的办法刺进数据；
b:不然选用传统的链式办法刺进。假如链的长度抵达临界值，则把链转变为红黑树；
4）假如桶中存在重复的键，则为该键替换新值value；
5）假如size大于阈值threshold，则进行扩容；
详细的办法如下：
public V put(K key, V value) {
return putVal(hash(key), key, value, false, true);
}
阐明：
1）HashMap只供给了put用于添加元素，putVal办法仅仅给put办法调用的一个办法，并没有供给给用户运用。 所以咱们重点看putVal办法。
2）咱们能够看到在putVal()办法中key在这儿履行了一下hash()办法,来看一下Hash办法是怎么完结的。
static final int hash(Object key)
{
int h;
/*
1）假如key等于null：
能够看到当key等于null的时分也是有哈希值的，回来的是0.
2）假如key不等于null：
首要核算出key的hashCode赋值给h,然后与h无符号右移16位后的二进制进行按位异或得到终究的 hash值
*/
return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}
从上面能够得知HashMap是支持Key为空的，而HashTable是直接用Key来获取HashCode所以key为空会抛反常。
{其实上面就现已解说了为什么HashMap的长度为什么要是2的幂由于HashMap 运用的办法很巧妙，它通过 hash & (table.length -1)来得到该目标的保存位，前面说过 HashMap 底层数组的长度总是2的n次方，这是HashMap在速度上的优化。当 length 总是2的n次方时，hash & (length-1)运算等价于对 length 取模，也便是hash%length，可是&比%具有更高的功率。比如 n % 32 = n & (32 -1)。}
解读上述hash办法：
咱们先研究下key的哈希值是怎么核算出来的。key的哈希值是通过上述办法核算出来的。
这个哈希办法首要核算出key的hashCode赋值给h,然后与h无符号右移16位后的二进制进行按位异或得到终究的 hash值。核算进程如下所示：
static final int hash(Object key)
{
int h;
/*
1）假如key等于null：
能够看到当key等于null的时分也是有哈希值的，回来的是0.
2）假如key不等于null：
首要核算出key的hashCode赋值给h,然后与h无符号右移16位后的二进制进行按位异或得到终究的 hash值
*/
return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}
在putVal函数中运用到了上述hash函数核算的哈希值：
final V putVal(int hash, K key, V value, boolean onlyIfAbsent,
boolean evict) {
。。。。。。。。。。。。。。
if ((p = tab[i = (n - 1) & hash]) == null)//这儿的n表明数组长度16
。。。。。。。。。。。。。。
}
核算进程如下所示：
阐明：
1）key.hashCode()；回来散列值也便是hashcode。假定随意生成的一个值。
2）n表明数组初始化的长度是16
3）&（按位与运算）：运算规矩：相同的二进制数位上，都是1的时分，成果为1，不然为零。
4）^（按位异或运算）：运算规矩：相同的二进制数位上，数字相同，成果为0，不同为1。
简略来说便是：
-
高16 bit 不变，低16 bit 和高16 bit 做了一个异或（得到的 hashcode 转化为32位二进制，前16位和后16位低16 bit和高16 bit做了一个异或）
问题：为什么要这样操作呢？
假如当n即数组长度很小，假定是16的话，那么n-1即为 —》1111 ，这样的值和hashCode()直接做按位与操作，实践上只运用了哈希值的后4位。假如当哈希值的高位改变很大，低位改变很小，这样就很简单形成哈希抵触了，所以这儿把高低位都运用起来，然后处理了这个问题。 (其实本质上便是充沛运用了 hash的高位 和 低位，充沛吸收其 特色)
例如上述：
hashCode()值： 1111 1111 1111 1111 1111 0000 1110 1010
&
n-1即16-1--》15： 。。。。。。。。。。。。。。。。。。。。。。1111
-------------------------------------------------------------------
0000 0000 0000 0000 0000 0000 0000 1010 ----》10作为索引
其实便是将hashCode值作为数组索引，那么假如下个高位hashCode不共同，低位共同的话，就会形成核算的索引仍是10,然后形成了哈希抵触了。下降功能。
putVal()办法源代码如下所示：
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;
/*
1）transient Node<K,V>[] table; 表明存储Map调集中元素的数组。
2）(tab = table) == null 表明将空的table赋值给tab,然后判别tab是否等于null，第一次肯定是 null
3）(n = tab.length) == 0 表明将数组的长度0赋值给n,然后判别n是否等于0，n等于0
由于if判别运用双或，满足一个即可，则履行代码 n = (tab = resize()).length; 进行数组初始化。
并将初始化好的数组长度赋值给n.
4）履行完n = (tab = resize()).length，数组tab每个空间都是null
*/
if ((tab = table) == null || (n = tab.length) == 0)
n = (tab = resize()).length;
/*
1）i = (n - 1) & hash 表明核算数组的索引赋值给i，即确认元素寄存在哪个桶中
2）p = tab[i = (n - 1) & hash]表明获取核算出的方位的数据赋值给节点p
3) (p = tab[i = (n - 1) & hash]) == null 判别节点方位是否等于null，假如为null，则履行代 码：tab[i] = newNode(hash, key, value, null);依据键值对创立新的节点放入该方位的桶中
小结：假如当时桶没有哈希磕碰抵触，则直接把键值对刺进空间方位
*/
if ((p = tab[i = (n - 1) & hash]) == null)
//创立一个新的节点存入到桶中
tab[i] = newNode(hash, key, value, null);
else {
// 履行else阐明tab[i]不等于null，表明这个方位现已有值了。
Node<K,V> e; K k;
/*
比较桶中第一个元素(数组中的结点)的hash值和key是否持平
1）p.hash == hash ：p.hash表明本来存在数据的hash值 hash表明后添加数据的hash值 比较两个 hash值是否持平
阐明：p表明tab[i]，即 newNode(hash, key, value, null)办法回来的Node目标。
Node<K,V> newNode(int hash, K key, V value, Node<K,V> next)
{
return new Node<>(hash, key, value, next);
}
而在Node类中具有成员变量hash用来记载着之前数据的hash值的
2）(k = p.key) == key ：p.key获取本来数据的key赋值给k key 表明后添加数据的key 比较两 个key的地址值是否持平
3）key != null && key.equals(k)：能够履行到这儿阐明两个key的地址值不持平，那么先判别后 添加的key是否等于null，假如不等于null再调用equals办法判别两个key的内容是否持平
*/
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
/*
阐明：两个元素哈希值持平，而且key的值也持平
将旧的元素整体目标赋值给e，用e来记载
*/
e = p;
// hash值不持平或许key不持平；判别p是否为红黑树结点
else if (p instanceof TreeNode)
// 放入树中
e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
// 阐明是链表节点
else {
/*
1)假如是链表的话需求遍历到终究节点然后刺进
2)选用循环遍历的办法，判别链表中是否有重复的key
*/
for (int binCount = 0; ; ++binCount) {
/*
1)e = p.next 获取p的下一个元素赋值给e
2)(e = p.next) == null 判别p.next是否等于null，等于null，阐明p没有下一个元 素，那么此刻抵达了链表的尾部，还没有找到重复的key,则阐明HashMap没有包括该键
将该键值对刺进链表中
*/
if ((e = p.next) == null) {
/*
1）创立一个新的节点刺进到尾部
p.next = newNode(hash, key, value, null);
Node<K,V> newNode(int hash, K key, V value, Node<K,V> next)
{
return new Node<>(hash, key, value, next);
}
留意第四个参数next是null，由于当时元素刺进到链表末尾了，那么下一个节点肯定是 null
2）这种添加办法也满足链表数据结构的特色，每次向后添加新的元素
*/
p.next = newNode(hash, key, value, null);
/*
1)节点添加完结之后判别此刻节点个数是否大于TREEIFY_THRESHOLD临界值8，假如大于
则将链表转化为红黑树
2）int binCount = 0 ：表明for循环的初始化值。从0开端计数。记载着遍历节点的个 数。值是0表明第一个节点，1表明第二个节点。。。。7表明第八个节点，加上数组中的的一 个元素，元素个数是9
TREEIFY_THRESHOLD - 1 --》8 - 1 ---》7
假如binCount的值是7(加上数组中的的一个元素，元素个数是9)
TREEIFY_THRESHOLD - 1也是7，此刻转化红黑树
*/
if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st
//转化为红黑树
treeifyBin(tab, hash);
// 跳出循环
break;
}
/*
履行到这儿阐明e = p.next 不是null，不是终究一个元素。持续判别链表中结点的key值与插 入的元素的key值是否持平
*/
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
// 持平，跳出循环
/*
要添加的元素和链表中的存在的元素的key持平了，则跳出for循环。不用再持续比较了
直接履行下面的if语句去替换去 if (e != null)
*/
break;
/*
阐明新添加的元素和当时节点不持平，持续查找下一个节点。
用于遍历桶中的链表，与前面的e = p.next组合，能够遍历链表
*/
p = e;
}
}
/*
表明在桶中找到key值、hash值与刺进元素持平的结点
也便是说通过上面的操作找到了重复的键，所以这儿便是把该键的值变为新的值，并回来旧值
这儿完结了put办法的修正功能
*/
if (e != null) {
// 记载e的value
V oldValue = e.value;
// onlyIfAbsent为false或许旧值为null
if (!onlyIfAbsent || oldValue == null)
//用新值替换旧值
//e.value 表明旧值 value表明新值
e.value = value;
// 拜访后回调
afterNodeAccess(e);
// 回来旧值
return oldValue;
}
}
//修正记载次数
++modCount;
// 判别实践巨细是否大于threshold阈值，假如超越则扩容
if (++size > threshold)
resize();
// 刺进后回调
afterNodeInsertion(evict);
return null;
}
4.3.2将链表转化为红黑树的treeifyBin办法
节点添加完结之后判别此刻节点个数是否大于TREEIFY_THRESHOLD临界值8，假如大于则将链表转化为红黑树，转化红黑树的办法 treeifyBin，整体代码如下：
if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st
//转化为红黑树 tab表明数组名 hash表明哈希值
treeifyBin(tab, hash);
treeifyBin办法如下所示：
/**
* Replaces all linked nodes in bin at index for given hash unless
* table is too small, in which case resizes instead.
替换指定哈希表的索引处桶中的一切链接节点，除非表太小，不然将修正巨细。
Node<K,V>[] tab = tab 数组名
int hash = hash表明哈希值
*/
final void treeifyBin(Node<K,V>[] tab, int hash) {
int n, index; Node<K,V> e;
/*
假如当时数组为空或许数组的长度小于进行树形化的阈值(MIN_TREEIFY_CAPACITY = 64),
就去扩容。而不是将节点变为红黑树。
意图：假如数组很小，那么转化红黑树，然后遍历功率要低一些。这时进行扩容，那么从头核算哈希值
，链表长度有或许就变短了，数据会放到数组中，这样相对来说功率高一些。
*/
if (tab == null || (n = tab.length) < MIN_TREEIFY_CAPACITY)
//扩容办法
resize();
else if ((e = tab[index = (n - 1) & hash]) != null) {
/*
1）履行到这儿阐明哈希表中的数组长度大于阈值64，开端进行树形化
2）e = tab[index = (n - 1) & hash]表明将数组中的元素取出赋值给e,e是哈希表中指定位 置桶里的链表节点，从第一个开端
*/
//hd：红黑树的头结点 tl :红黑树的尾结点
TreeNode<K,V> hd = null, tl = null;
do {
//新创立一个树的节点，内容和当时链表节点e共同
TreeNode<K,V> p = replacementTreeNode(e, null);
if (tl == null)
//将新创键的p节点赋值给红黑树的头结点
hd = p;
else {
/*
p.prev = tl：将上一个节点p赋值给现在的p的前一个节点
tl.next = p;将现在节点p作为树的尾结点的下一个节点
*/
p.prev = tl;
tl.next = p;
}
tl = p;
/*
e = e.next 将当时节点的下一个节点赋值给e,假如下一个节点不等于null
则回到上面持续取出链表中节点转化为红黑树
*/
} while ((e = e.next) != null);
/*
让桶中的第一个元素即数组中的元素指向新建的红黑树的节点，今后这个桶里的元素便是红黑树
而不是链表数据结构了
*/
if ((tab[index] = hd) != null)
hd.treeify(tab);
}
}
小结：上述操作一共做了如下几件事：
1.依据哈希表中元素个数确认是扩容仍是树形化
2.假如是树形化遍历桶中的元素，创立相同个数的树形节点，复制内容，建立起联系
3.然后让桶中的第一个元素指向新创立的树根节点，替换桶的链表内容为树形化内容
4.3.3扩容办法_resize
4.3.3.1扩容机制
想要了解HashMap的扩容机制你要有这两个问题
- 1.什么时分才需求扩容
- 2.HashMap的扩容是什么
1.什么时分才需求扩容
当HashMap中的元素个数超越数组巨细(数组长度)*loadFactor(负载因子)时，就会进行数组扩容，loadFactor的默许值(DEFAULT_LOAD_FACTOR)是0.75,这是一个折中的取值。也便是说，默许状况下，数组巨细为16，那么当HashMap中的元素个数超越160.75=12(这个值便是阈值或许边界值threshold值)的时分，就把数组的巨细扩展为216=32，即扩大一倍，然后从头核算每个元素在数组中的方位，而这是一个十分耗功能的操作，所以假如咱们现已预知HashMap中元素的个数，那么预知元素的个数能够有用的进步HashMap的功能。
弥补：
当HashMap中的其中一个链表的目标个数假如抵达了8个，此刻假如数组长度没有抵达64，那么HashMap会先扩容处理，假如现已抵达了64，那么这个链表会变成红黑树，节点类型由Node变成TreeNode类型。当然，假如映射联系被移除后，下次履行resize办法时判别树的节点个数低于6，也会再把树转化为链表。
2.HashMap的扩容是什么
进行扩容，会伴跟着一次从头hash分配，而且会遍历hash表中一切的元素，是十分耗时的。在编写程序中，要尽量防止resize。
HashMap在进行扩容时，运用的rehash办法十分巧妙，由于每次扩容都是翻倍，与本来核算的 (n-1)&hash的成果相比，仅仅多了一个bit位，所以节点要么就在本来的方位，要么就被分配到“原方位+旧容量“这个方位。
怎么了解呢？例如咱们从16扩展为32时，详细的改变如下所示：
因而元素在从头核算hash之后，由于n变为2倍，那么n-1的标记范围在高位多1bit(赤色)，因而新的index就会产生这样的改变：
阐明：5是假定核算出来的本来的索引。这样就验证了上述所描绘的：扩容之后所以节点要么就在本来的方位，要么就被分配到”原方位+旧容量“这个方位。
因而，咱们在扩大HashMap的时分，不需求从头核算hash，只需求看看本来的hash值新增的那个bit是1仍是0就能够了，是0的话索引没变，是1的话索引变成“原索引+oldCap(原方位+旧容量)”。能够看看下图为16扩大为32的resize示意图：
正是由于这样巧妙的rehash办法，既省去了从头核算hash值的时刻，而且一起，由于新增的1bit是0仍是1能够以为是随机的，在resize的进程中确保了rehash之后每个桶上的节点数必定小于等于本来桶上的节点数，确保了rehash之后不会出现更严峻的hash抵触，均匀的把之前的抵触的节点涣散到新的桶中了。
4.3.3.2源码resize办法的解读
下面是代码的详细完结：
final Node<K,V>[] resize() {
//得到当时数组
Node<K,V>[] oldTab = table;
//假如当时数组等于null长度回来0，不然回来当时数组的长度
int oldCap = (oldTab == null) ? 0 : oldTab.length;
//当时阀值点 默许是12(16*0.75)
int oldThr = threshold;
int newCap, newThr = 0;
//假如老的数组长度大于0
//开端核算扩容后的巨细
if (oldCap > 0) {
// 超越最大值就不再扩大了，就只好随你磕碰去吧
if (oldCap >= MAXIMUM_CAPACITY) {
//修正阈值为int的最大值
threshold = Integer.MAX_VALUE;
return oldTab;
}
/*
没超越最大值，就扩大为本来的2倍
1)(newCap = oldCap << 1) < MAXIMUM_CAPACITY 扩大到2倍之后容量要小于最大容量
2）oldCap >= DEFAULT_INITIAL_CAPACITY 原数组长度大于等于数组初始化长度16
*/
else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&
oldCap >= DEFAULT_INITIAL_CAPACITY)
//阈值扩大一倍
newThr = oldThr << 1; // double threshold
}
//老阈值点大于0 直接赋值
else if (oldThr > 0) // 老阈值赋值给新的数组长度
newCap = oldThr;
else {// 直接运用默许值
newCap = DEFAULT_INITIAL_CAPACITY;//16
newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);
}
// 核算新的resize最大上限
if (newThr == 0) {
float ft = (float)newCap * loadFactor;
newThr = (newCap < MAXIMUM_CAPACITY && ft < (float)MAXIMUM_CAPACITY ?
(int)ft : Integer.MAX_VALUE);
}
//新的阀值 默许本来是12 乘以2之后变为24
threshold = newThr;
//创立新的哈希表
@SuppressWarnings({"rawtypes","unchecked"})
//newCap是新的数组长度--》32
Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap];
table = newTab;
//判别旧数组是否等于空
if (oldTab != null) {
// 把每个bucket都移动到新的buckets中
//遍历旧的哈希表的每个桶，从头核算桶里元素的新方位
for (int j = 0; j < oldCap; ++j) {
Node<K,V> e;
if ((e = oldTab[j]) != null) {
//本来的数据赋值为null 便于GC回收
oldTab[j] = null;
//判别数组是否有下一个引用
if (e.next == null)
//没有下一个引用，阐明不是链表，当时桶上只有一个键值对，直接刺进
newTab[e.hash & (newCap - 1)] = e;
//判别是否是红黑树
else if (e instanceof TreeNode)
//阐明是红黑树来处理抵触的，则调用相关办法把树分隔
((TreeNode<K,V>)e).split(this, newTab, j, oldCap);
else { // 选用链表处理抵触
Node<K,V> loHead = null, loTail = null;
Node<K,V> hiHead = null, hiTail = null;
Node<K,V> next;
//通过上述解说的原理来核算节点的新方位
do {
// 原索引
next = e.next;
//这儿来判别假如等于true e这个节点在resize之后不需求移动方位
if ((e.hash & oldCap) == 0) {
if (loTail == null)
loHead = e;
else
loTail.next = e;
loTail = e;
}
// 原索引+oldCap
else {
if (hiTail == null)
hiHead = e;
else
hiTail.next = e;
hiTail = e;
}
} while ((e = next) != null);
// 原索引放到bucket里
if (loTail != null) {
loTail.next = null;
newTab[j] = loHead;
}
// 原索引+oldCap放到bucket里
if (hiTail != null) {
hiTail.next = null;
newTab[j + oldCap] = hiHead;
}
}
}
}
}
return newTab;
}
4.3.4 删去办法(remove)
了解了put办法之后，remove办法现已没什么难度了，所以重复的内容就不再做详细介绍了。
删去的话便是首要先找到元素的方位，假如是链表就遍历链表找到元素之后删去。假如是用红黑树就遍历树然后找到之后做删去，树小于6的时分要转链表。
删去remove办法：
//remove办法的详细完结在removeNode办法中，所以咱们重点看下removeNode办法
public V remove(Object key) {
Node<K,V> e;
return (e = removeNode(hash(key), key, null, false, true)) == null ?
null : e.value;
}
removeNode办法：
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;
//依据hash找到方位
//假如当时key映射到的桶不为空
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;
//假如桶上的节点便是要找的key，则将node指向该节点
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
node = p;
else if ((e = p.next) != null) {
//阐明节点存在下一个节点
if (p instanceof TreeNode)
//阐明是以红黑树来处理的抵触，则获取红黑树要删去的节点
node = ((TreeNode<K,V>)p).getTreeNode(hash, key);
else {
//判别是否以链表办法处理hash抵触，是的话则通过遍历链表来寻觅要删去的节点
do {
if (e.hash == hash &&
((k = e.key) == key ||
(key != null && key.equals(k)))) {
node = e;
break;
}
p = e;
} while ((e = e.next) != null);
}
}
//比较找到的key的value和要删去的是否匹配
if (node != null && (!matchValue || (v = node.value) == value ||
(value != null && value.equals(v)))) {
//通过调用红黑树的办法来删去节点
if (node instanceof TreeNode)
((TreeNode<K,V>)node).removeTreeNode(this, tab, movable);
else if (node == p)
//链表删去
tab[index] = node.next;
else
p.next = node.next;
//记载修正次数
++modCount;
//变化的数量
--size;
afterNodeRemoval(node);
return node;
}
}
return null;
}
4.3.5查找元素办法(get)
查找办法，通过元素的Key找到Value。
代码如下：
public V get(Object key) {
Node<K,V> e;
return (e = getNode(hash(key), key)) == null ? null : e.value;
}
get办法首要调用的是getNode办法，代码如下：
final Node<K,V> getNode(int hash, Object key) {
Node<K,V>[] tab; Node<K,V> first, e; int n; K k;
//假如哈希表不为空而且key对应的桶上不为空
if ((tab = table) != null && (n = tab.length) > 0 &&
(first = tab[(n - 1) & hash]) != null) {
/*
判别数组元素是否持平
依据索引的方位检查第一个元素
留意：总是检查第一个元素
*/
if (first.hash == hash && // always check first node
((k = first.key) == key || (key != null && key.equals(k))))
return first;
// 假如不是第一个元素，判别是否有后续节点
if ((e = first.next) != null) {
// 判别是否是红黑树，是的话调用红黑树中的getTreeNode办法获取节点
if (first instanceof TreeNode)
return ((TreeNode<K,V>)first).getTreeNode(hash, key);
do {
// 不是红黑树的话，那便是链表结构了，通过循环的办法判别链表中是否存在该key
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
return e;
} while ((e = e.next) != null);
}
}
return null;
}
小结：
1.get办法完结的过程：
1）通过hash值获取该key映射到的桶
2）桶上的key便是要查找的key,则直接找到并回来
3）桶上的key不是要找的key,则检查后续的节点：
a:假如后续节点是红黑树节点，通过调用红黑树的办法依据key获取value
b:假如后续节点是链表节点，则通过循环遍历链表依据key获取value
2.上述红黑树节点调用的是getTreeNode办法通过树形节点的find办法进行查找：
final TreeNode<K,V> getTreeNode(int h, Object k) {
return ((parent != null) ? root() : this).find(h, k, null);
}
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;
if ((ph = p.hash) > h)
p = pl;
else if (ph < h)
p = pr;
else if ((pk = p.key) == k || (k != null && k.equals(pk)))
return p;//找到之后直接回来
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)
p = (dir < 0) ? pl : pr;
//递归查找
else if ((q = pr.find(h, k, kc)) != null)
return q;
else
p = pl;
} while (p != null);
return null;
}
3.查找红黑树，由于之前添加时现已确保这个树是有序的了，因而查找时基本便是减半查找，功率更高。
4.这儿和刺进时相同，假如对比节点的哈希值和要查找的哈希值持平，就会判别key是否持平，持平就直接回来。不持平就从子树中递归查找。
若为树，则在树中通过key.equals(k)查找，O(logn)
若为链表，则在链表中通过key.equals(k)查找，O(n)。
4.3.6遍历HashMap调集几种办法
1、别离遍历Key和Values
2、运用Iterator迭代器迭代
3、通过get办法（不主张运用）
阐明：依据阿里开发手册，不主张运用这种办法，由于迭代两次。keySet获取Iterator一次，还有通过get又迭代一次。下降功能。
4.jdk8今后运用Map接口中的默许办法：
default void forEach(BiConsumer<? super K,? super V> action)
BiConsumer接口中的办法：
void accept(T t, U u) 对给定的参数履行此操作。
参数
t - 第一个输入参数
u - 第二个输入参数
遍历代码：
public class Demo02 {
public static void main(String[] args) {
HashMap<String,String> m1 = new HashMap();
m1.put("001", "zhangsan");
m1.put("002", "lisi");
m1.forEach((key,value)->{
System.out.println(key+"---"+value);
});
}
}
5.怎么规划多个非重复的键值对要存储HashMap的初始化？
5.1HashMap的初始化问题描绘
假如咱们切当的知道咱们有多少键值对需求存储，那么咱们在初始化HashMap的时分就应该指定它的容量，以防止HashMap主动扩容，影响运用功率。
默许状况下HashMap的容量是16，可是，假如用户通过结构函数指定了一个数字作为容量，那么Hash会挑选大于该数字的第一个2的幂作为容量。(3->4、7->8、9->16) .这点咱们在上述现已进行过解说。
《阿里巴巴Java开发手册》中主张咱们设置HashMap的初始化容量。
那么，为什么要这么主张？你有想过没有。
当然，以上主张也是有理论支撑的。咱们上面介绍过，HashMap的扩容机制，便是当抵达扩容条件时会进行扩容。HashMap的扩容条件便是当HashMap中的元素个数（size）超越临界值（threshold）时就会主动扩容。在HashMap中，threshold = loadFactor * capacity。
所以，假如咱们没有设置初始容量巨细，跟着元素的不断添加，HashMap会有或许产生屡次扩容，而HashMap中的扩容机制决议了每次扩容都需求重建hash表，是十分影响功能的。
可是设置初始化容量，设置的数值不同也会影响功能，那么当咱们已知HashMap中行将寄存的KV个数的时分，容量设置成多少为好呢？
5.2HashMap中容量的初始化
当咱们运用HashMap(int initialCapacity)来初始化容量的时分，jdk会默许帮咱们核算一个相对合理的值作为初始容量。那么，是不是咱们只需求把已知的HashMap中行将寄存的元素个数直接传给initialCapacity就能够了呢？
关于这个值的设置，在《阿里巴巴Java开发手册》有以下主张：
也便是说，假如咱们设置的默许值是7，通过Jdk处理之后，会被设置成8，可是，这个HashMap在元素个数抵达 8*0.75 = 6的时分就会进行一次扩容，这明显是咱们不希望见到的。咱们应该尽量削减扩容。原因也现已剖析过。
假如咱们通过initialCapacity/ 0.75F + 1.0F核算，7/0.75 + 1 = 10 ,10通过Jdk处理之后，会被设置成16，这就大大的削减了扩容的几率。
当HashMap内部保护的哈希表的容量抵达75%时（默许状况下），会触发rehash，而rehash的进程是比较耗费时刻的。所以初始化容量要设置成initialCapacity/0.75 + 1的话，能够有用的削减抵触也能够减小差错。
所以，我能够以为，当咱们清晰知道HashMap中元素的个数的时分，把默许容量设置成initialCapacity/ 0.75F + 1.0F是一个在功能上相对好的挑选，可是，一起也会牺牲些内存。
咱们想要在代码中创立一个HashMap的时分，假如咱们已知这个Map中行将寄存的元素个数，给HashMap设置初始容量能够在必定程度上提升功率。
可是，JDK并不会直接拿用户传进来的数字作为默许容量，而是会进行一番运算，终究得到一个2的幂。原因也现已剖析过。
可是，为了最大程度的防止扩容带来的功能耗费，咱们主张能够把默许容量的数字设置成initialCapacity/ 0.75F + 1.0F。
