HashMap源码分析
数据结构是程序的重要组成部分，选择好的数据结构可以让程序更加高效。对于数据的操作，无非就是增、删、改、查，下面将讲解为什么使用HashMap以及它的原理。
起初，存储数据最简单的数据结构是数组
【数组】
一片物理上连续的大小确定的存储空间。如：
int[] a = new int[10];
这里的数组 指一维数组，二维数组不做考虑。
我在网上截了一张一维数组的图片，如图：
图片.png
数据的元素都是有角标的，如图所示，数组的大小是n，元素角标从0开始，a[0]=a1，a[1]=a2，a[2]=a3，a[3]=a4，a[4]=a5，a[5]=a6，a[6]=a7...等等。
数组元素的操作有四种，分别是：增、删、改、查。
查找： 查询比较简单，假如在一个长度为n的数组里查找数值为m的数，那么只能根据数组的角标顺序查找，它的时间复杂度为n，简称O(n)。
增加、删除： 由于数组的大小不变（物理上连续的存储空间），所以数据无法做到增加和删除操作。
修改： 修改就是更新某角标的数据，直接赋值即可，如：
a[i] = m;
为了解决数组不可增加、删除的问题，引入了顺序表
【顺序表】
顺序表就是我们常用的ArrayList，它是物理上连续、逻辑上连续、大小可以动态增加的数据结构。
ArrayList弥补了数组不能添加和删除元素的缺陷。
有关ArrayList增加和删除元素的代码如下：
ArrayList<String> list = new ArrayList<>();
//添加一个元素
list.add("张三");
//在角标为0的位置上插入一个元素
list.add(0, "李四");
//移除一个元素
list.remove("张三");
//在指定位置上移除一个元素
list.remove(0);
我们来分析一下源码：
/**
* Appends the specified element to the end of this list.
*
* @param e element to be appended to this list
* @return <tt>true</tt> (as specified by {@link Collection#add})
*/
public boolean add(E e) {
ensureCapacityInternal(size + 1); // Increments modCount!!
elementData[size++] = e;
return true;
}
它的意思是，在顺序表的末尾增添一个新的元素，elementData是一个Object数组
transient Object[] elementData;
将新增的元素赋值到elementData[size++] 中
elementData[size++] = e;
但是，问题来了，elementData的长度是size，那么以上的赋值操作不是数组越界了吗？我们发现，在赋值之前，还有一句代码：
ensureCapacityInternal(size + 1); // Increments modCount!!
private void ensureCapacityInternal(int minCapacity) {
if (elementData == DEFAULTCAPACITY_EMPTY_ELEMENTDATA) {
minCapacity = Math.max(DEFAULT_CAPACITY, minCapacity);
}
ensureExplicitCapacity(minCapacity);
}
private void ensureExplicitCapacity(int minCapacity) {
modCount++;
// overflow-conscious code
if (minCapacity - elementData.length > 0)
grow(minCapacity);
}
/**
* Increases the capacity to ensure that it can hold at least the
* number of elements specified by the minimum capacity argument.
*
* @param minCapacity the desired minimum capacity
*/
private void grow(int minCapacity) {
// overflow-conscious code
int oldCapacity = elementData.length;
int newCapacity = oldCapacity + (oldCapacity >> 1);
if (newCapacity - minCapacity < 0)
newCapacity = minCapacity;
if (newCapacity - MAX_ARRAY_SIZE > 0)
newCapacity = hugeCapacity(minCapacity);
// minCapacity is usually close to size, so this is a win:
elementData = Arrays.copyOf(elementData, newCapacity);
}
最终走到了grow方法中，minCapacity为size+1，核心代码如下：
elementData = Arrays.copyOf(elementData, newCapacity);
它的意思是，使用Arrays.copyOf重新创建一个新的数组，新数组的大小是newCapacity，将原来数组elementData中的所有源码赋值到新的数组中。(重点)
我们再来分析一下以下源码：
/**
* Inserts the specified element at the specified position in this
* list. Shifts the element currently at that position (if any) and
* any subsequent elements to the right (adds one to their indices).
*
* @param index index at which the specified element is to be inserted
* @param element element to be inserted
* @throws IndexOutOfBoundsException {@inheritDoc}
*/
public void add(int index, E element) {
if (index > size || index < 0)
throw new IndexOutOfBoundsException(outOfBoundsMsg(index));
ensureCapacityInternal(size + 1); // Increments modCount!!
System.arraycopy(elementData, index, elementData, index + 1,
size - index);
elementData[index] = element;
size++;
}
其核心代码是：
System.arraycopy(elementData, index, elementData, index + 1, size - index);
和上面提到的Arrays.copyOf作用是一样的，它们的却别是：
Arrays.copyOf是新建一个大小为size +1的数组，并将原来的数组的数据复制到新的数组中；
System.arraycopy是新建一个大小为size+1的数组，将原有数组的[0~index]范围中的元素拷贝到新数组的[0~index]位置上，将原有数组剩余的元素全部拷贝到新数组的[index+1~size+1]位置上。
remove方法的源码就不说了，和add一样，使用了Arrays.copyOf和System.arraycopy这两个方法。
所以，我们得出的结论是，顺序表(ArrayList)本质上就是一个数组(int[])，它和数组一样，都是有角标的，所以查找的速度是非常快的，但是，缺点是：速度特别慢。
那么，有没有好的数据结构解决这个问题呢？
有的，链表可以解决查找速度慢的问题。
【链表】
链表就是我们常用的LinkedList，它是物理上不连续、逻辑上连续、可以动态添加和删除节点的数据结构。
链表分为：单链表、双链表、循环单链表，这里只说明单链表。
我在网上截了一张图，如下：
图片.png
链表的元素由若干个节点组成，每个节点由数据和next组成。d1、d2、d3就是链表的数据，next指向下一个节点的地址。
链表在物理上不连续，但是在逻辑上是连续的，节点中的next将若干个节点在逻辑上串连在一起。
链表增加和删除节点的代码如下：
LinkedList<String> list = new LinkedList<>();
//添加一个元素，默认在末尾添加一个元素
list.add("张三");
//在末尾添加一个元素
list.addLast("张三");
//在链表首部添加一个元素
list.addFirst("张三");
//在指定位置添加一个元素
list.add(0, "张三");
//移除某元素
list.remove("张三");
//删除一个元素，默认删除首部元素
list.remove();
//删除首部元素
list.removeFirst();
//删除尾部元素
list.removeLast();
//删除指定位置的元素
list.remove(0);
开始分析源码：
/**
* Inserts the specified element at the specified position in this list.
* Shifts the element currently at that position (if any) and any
* subsequent elements to the right (adds one to their indices).
*
* @param index index at which the specified element is to be inserted
* @param element element to be inserted
* @throws IndexOutOfBoundsException {@inheritDoc}
*/
public void add(int index, E element) {
checkPositionIndex(index);
if (index == size)
linkLast(element);
else
linkBefore(element, node(index));
}
add(int index, E element)在链表的指定位置添加一个元素，如果index正好等于链表的长度，那么就直接在链表的尾部添加一个元素，不需要消耗查找所需需要的时间，如果index不等于链表的长度，那么执行以下代码：
linkBefore(element, node(index));
下面来了重点知识，linkBefore方法的作用是将element插入到index位置上，在插入元素之前必须先找到index对应的节点，也就是linkBefore方法的第二个参数引用的方法：
/**
* Returns the (non-null) Node at the specified element index.
*/
Node<E> node(int index) {
// assert isElementIndex(index);
if (index < (size >> 1)) {
Node<E> x = first;
for (int i = 0; i < index; i++)
x = x.next;
return x;
} else {
Node<E> x = last;
for (int i = size - 1; i > index; i--)
x = x.prev;
return x;
}
}
Node表示节点，通过for循环，从第一个元素或者最后一个元素开始查找，直到遍历到第index个节点为止。这就是链表的缺点，查询操作比较慢。
最终，根据等待插入的数据和index位置的节点开始插入操作。
/**
* Inserts element e before non-null Node succ.
*/
void linkBefore(E e, Node<E> succ) {
// assert succ != null;
final Node<E> pred = succ.prev;
final Node<E> newNode = new Node<>(pred, e, succ);
succ.prev = newNode;
if (pred == null)
first = newNode;
else
pred.next = newNode;
size++;
modCount++;
}
在这里，可以得出结论是，链表插入和删除数据不需要移动或拷贝元素，直接next 即可完成增加和删除操作，所以速度是比较快的，但是当在指定位置插入节点时，必须找到当前位置的节点，这个查询操作是非常的慢的，这是链表最主要的缺点了。
为了解决链表查找速度慢的问题，我们必须找到一个既查找速度快，又添加删除速度快的数据结构。
首先，整理一下顺序表和链表的优缺点，如表：
| 顺序表 | 链表 | |
|---|---|---|
| 优点 | 查找快 | 删除增加元素快 |
| 缺点 | 增删慢 | 查找慢 |
那么，有没有一种数据结构可以结合两者的优点呢？
答案是有的，这就是我们常说的哈希表。
我在网上截了一张图，如下：
图片.png
哈希表是由数组+链表组成的混合结构，在图中纵向的0~15表示一个数组，每个数组的下标都可以含有一个链表。
当使用put方法添加元素时，首先需计算出数组的索引，再将元素插入到当前数组索引对应链表的某个位置。实际上，往往插入元素的次数比较频繁，在索引为12的位置上插入过多的元素，每次都要从头遍历当前索引所对应链表，如果key相同，则替换掉原来的value值，否则直接在链表的末尾添加元素。像这种，重复的在某索引下插入元素叫做碰撞。很明显，如果碰撞次数太多，会大大的影响hashmap的性能。那么，怎么才能减少碰撞的次数呢？请继续往下看。
本文讲解HashMap的大方向主要有以下几点：
- 构造方法
- 插入元素
- 获取元素
- 遍历
（1）构造方法
【方法一】
/**
* Constructs an empty <tt>HashMap</tt> with the default initial capacity
* (16) and the default load factor (0.75).
*/
public HashMap() {
this.loadFactor = DEFAULT_LOAD_FACTOR; // all other fields defaulted
}
在这个方法中，DEFAULT_LOAD_FACTOR为负载系数，源码中的定义如下：
/**
* The load factor used when none specified in constructor.
*/
static final float DEFAULT_LOAD_FACTOR = 0.75f;
负载系数默认为0.75，这个参数和HashMap的扩容有关。
另外，HashMap是有容量的，此时HashMap的默认容量是16，源码中的定义如下：
/**
* The default initial capacity - MUST be a power of two.
*/
static final int DEFAULT_INITIAL_CAPACITY = 1 << 4; // aka 16
【方法二】
/**
* Constructs an empty <tt>HashMap</tt> with the specified initial
* capacity and the default load factor (0.75).
*
* @param initialCapacity the initial capacity.
* @throws IllegalArgumentException if the initial capacity is negative.
*/
public HashMap(int initialCapacity) {
this(initialCapacity, DEFAULT_LOAD_FACTOR);
}
这个构造方法容量可以自定义，至于负载系数采用默认值0.75。
【方法三】
/**
* Constructs an empty <tt>HashMap</tt> with the specified initial
* capacity and load factor.
*
* @param initialCapacity the initial capacity
* @param loadFactor the load factor
* @throws IllegalArgumentException if the initial capacity is negative
* or the load factor is nonpositive
*/
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);
}
这个方法可以任意指定HashMap的容量以及负载系数。容量的大小不能大于MAXIMUM_CAPACITY，有关MAXIMUM_CAPACITY源码中的定义代码是：
/**
* The maximum capacity, used if a higher value is implicitly specified
* by either of the constructors with arguments.
* MUST be a power of two <= 1<<30.
*/
static final int MAXIMUM_CAPACITY = 1 << 30;
转成十进制是：
static final int MAXIMUM_CAPACITY = 1073741824;
另外，这个方法中的tableSizeFor方法是计算当前容量的阈值，即最大容量，最大容量总是等于2的n次幂，假如HashMap的容量是9，那么数组的大小是16，2的4次幂。计算数组大小的源码如下：
/**
* Returns a power of two size for the given target capacity.
*/
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;
}
【方法四】
/**
* Constructs a new <tt>HashMap</tt> with the same mappings as the
* specified <tt>Map</tt>. The <tt>HashMap</tt> is created with
* default load factor (0.75) and an initial capacity sufficient to
* hold the mappings in the specified <tt>Map</tt>.
*
* @param m the map whose mappings are to be placed in this map
* @throws NullPointerException if the specified map is null
*/
public HashMap(Map<? extends K, ? extends V> m) {
this.loadFactor = DEFAULT_LOAD_FACTOR;
putMapEntries(m, false);
}
这个方法的形参就是HashMap集合，想都不用想，肯定会遍历旧集合，并一个一个添加到新的集合中。putMapEntries方法的源码如下：
/**
* Implements Map.putAll and Map constructor
*
* @param m the map
* @param evict false when initially constructing this map, else
* true (relayed to method afterNodeInsertion).
*/
final void putMapEntries(Map<? extends K, ? extends V> m, boolean evict) {
int s = m.size();
if (s > 0) {
if (table == null) { // pre-size
float ft = ((float)s / loadFactor) + 1.0F;
int t = ((ft < (float)MAXIMUM_CAPACITY) ?
(int)ft : MAXIMUM_CAPACITY);
if (t > threshold)
threshold = tableSizeFor(t);
}
else if (s > threshold)
resize();
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);
}
}
}
其中putVal方法就是插入元素。
（2）插入元素
当需要添加元素时，代码实现如下：
HashMap<String, String> hashMap = new HashMap<>();
//添加一个元素
hashMap.put("key", "value");
那么，put方法的原理是什么呢？想要知道这个答案，必须研究下源码了。
/**
* Associates the specified value with the specified key in this map.
* If the map previously contained a mapping for the key, the old
* value is replaced.
*
* @param key key with which the specified value is to be associated
* @param value value to be associated with the specified key
* @return the previous value associated with <tt>key</tt>, or
* <tt>null</tt> if there was no mapping for <tt>key</tt>.
* (A <tt>null</tt> return can also indicate that the map
* previously associated <tt>null</tt> with <tt>key</tt>.)
*/
public V put(K key, V value) {
return putVal(hash(key), key, value, false, true);
}
/**
* Implements Map.put and related methods
*
* @param hash hash for key
* @param key the key
* @param value the value to put
* @param onlyIfAbsent if true, don't change existing value
* @param evict if false, the table is in creation mode.
* @return previous value, or null if none
*/
final V putVal(int hash, K key, V value, boolean onlyIfAbsent,
boolean evict) {
Node<K,V>[] tab; Node<K,V> p; int n, i;
if ((tab = table) == null || (n = tab.length) == 0)
n = (tab = resize()).length;
if ((p = tab[i = (n - 1) & hash]) == null)
tab[i] = newNode(hash, key, value, null);
else {
Node<K,V> e; K k;
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
e = p;
else if (p instanceof TreeNode)
e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
else {
for (int binCount = 0; ; ++binCount) {
if ((e = p.next) == null) {
p.next = newNode(hash, key, value, null);
if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st
treeifyBin(tab, hash);
break;
}
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
break;
p = e;
}
}
if (e != null) { // existing mapping for key
V oldValue = e.value;
if (!onlyIfAbsent || oldValue == null)
e.value = value;
afterNodeAccess(e);
return oldValue;
}
}
++modCount;
if (++size > threshold)
resize();
afterNodeInsertion(evict);
return null;
}
【第一步】 对Key求Hash值，然后再计算下标
putVal的第一个参数是根据Key的hashcode计算一个新的hashcode，源码如下：
static final int hash(Object key) {
int h;
return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}
在JDK1.8之前，重新计算hashcode源码是这样的
final int hash(Object k) {
int h = 0;
if (useAltHashing) {
if (k instanceof String) {
return sun.misc.Hashing.stringHash32((String) k);
}
h = hashSeed;
}
//得到k的hashcode值
h ^= k.hashCode();
//进行计算
h ^= (h >>> 20) ^ (h >>> 12);
return h ^ (h >>> 7) ^ (h >>> 4);
}
计算数组下标代码如下：
在JDK1.8之前的源码是：
static int indexFor(int h, int length) {
return h & (length-1);
}
在JDK1.8之后，计算数组下标的代码在putVal中，
tab[i = (n - 1) & hash]
n是数组的长度，hash的重新计算后的hashcode。
所以，计算数组下标的算法是：
index = hashcode & (length-1)
该算法相当于
index = hashcode % length
那么，问题来了，为什么不直接使用key的hashcode？为什么JDK1.8前后会有差异？
原因只有一个：为了让Hash表更加散列，减少冲突（碰撞）次数。
如果hashcode没有重新计算，假设某对象的hashcode是3288498，那么对应的二进制是：
1100100010110110110010
hashmap的长度默认为16，所以假设length = 16，hashcode & (length-1)的运算如下：
1100100010110110110010
& 0000000000000000001111
--------------------------------------
0000000000000000000010
以上计算结果是十进制2，即数组下标为2。因此，我们发现的现象是：计算数组角标的计算，其实就是低位在计算，当前是在低4位上进行运算。
当数组长度为8时，在第3位计算出数组下标；
当数组长度为16时，在第4位计算出数组下标；
当数组长度为32时，在第5位计算出数组下标；
当数组长度为64时，在第6位计算出数组下标；
以此类推...
为了让HashMap的存储更加散列，即低n位更加散列，需要和高m位进行异或运算，最终得出新的hashcode。这就是要重新计算hashcode的原因。JDK1.8前后重新计算hashcode算法的差异是因为，JDK1.8的hash算法比JDK1.8之前的hash算法更能让HashMap的存储更加散列，避免存储空间的拥挤，减少碰撞的发生。
【第二步】 碰撞的处理
Java中HashMap是利用“拉链法”处理HashCode的碰撞问题。在调用HashMap的put方法或get方法时，都会首先调用hashcode方法，去查找相关的key，当有冲突时，再调用equals方法。hashMap基于hasing原理，我们通过put和get方法存取对象。当我们将键值对传递给put方法时，他调用键对象的hashCode()方法来计算hashCode，然后找到bucket（哈希桶）位置来存储对象。当获取对象时，通过键对象的equals()方法找到正确的键值对，然后返回值对象。HashMap使用链表来解决碰撞问题，当碰撞发生了，对象将会存储在链表的下一个节点中。hashMap在每个链表节点存储键值对对象。当两个不同的键却有相同的hashCode时，他们会存储在同一个bucket位置的链表中。
【第三步】 如果链表长度超过阀值( TREEIFY THRESHOLD==8)，就把链表转成红黑树，链表长度低于6，就把红黑树转回链表
/**
* The bin count threshold for using a tree rather than list for a
* bin. Bins are converted to trees when adding an element to a
* bin with at least this many nodes. The value must be greater
* than 2 and should be at least 8 to mesh with assumptions in
* tree removal about conversion back to plain bins upon
* shrinkage.
*/
static final int TREEIFY_THRESHOLD = 8;
if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st
//红黑树
treeifyBin(tab, hash);
在JDK1.8之后，HashMap的存储引入了红黑树数据结构。
【第四步】 如果节点已经存在就替换旧值
代码如下：
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
e = p;
【第五步】 扩容
代码如下：
/**
* Initializes or doubles table size. If null, allocates in
* accord with initial capacity target held in field threshold.
* Otherwise, because we are using power-of-two expansion, the
* elements from each bin must either stay at same index, or move
* with a power of two offset in the new table.
*
* @return the table
*/
final Node<K,V>[] resize() {
Node<K,V>[] oldTab = table;
//当前容量
int oldCap = (oldTab == null) ? 0 : oldTab.length;
//阈值，最大容量
int oldThr = threshold;
//定义新容量和阈值
int newCap, newThr = 0;
if (oldCap > 0) {//如果当前容量>0
if (oldCap >= MAXIMUM_CAPACITY) {
threshold = Integer.MAX_VALUE;
return oldTab;
}
else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&
oldCap >= DEFAULT_INITIAL_CAPACITY)
//计算新的阈值，在老阈值的基础上乘以2
newThr = oldThr << 1; // double threshold
}
else if (oldThr > 0) // initial capacity was placed in threshold
newCap = oldThr;
else { // zero initial threshold signifies using defaults
newCap = DEFAULT_INITIAL_CAPACITY;
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"})
//计算完容量和阈值之后，开始新建一个数组，扩容
Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap];
table = newTab;
if (oldTab != null) {
//赋值操作
for (int j = 0; j < oldCap; ++j) {
Node<K,V> e;
if ((e = oldTab[j]) != null) {
oldTab[j] = null;
if (e.next == null)
newTab[e.hash & (newCap - 1)] = e;
else if (e instanceof TreeNode)
((TreeNode<K,V>)e).split(this, newTab, j, oldCap);
else { // preserve order
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);
if (loTail != null) {
loTail.next = null;
newTab[j] = loHead;
}
if (hiTail != null) {
hiTail.next = null;
newTab[j + oldCap] = hiHead;
}
}
}
}
}
return newTab;
}
以上扩容相关代码是基于JDK1.8的，和JDK1.8之前存在差异。
（3）获取元素
/**
* Returns the value to which the specified key is mapped,
* or {@code null} if this map contains no mapping for the key.
*
* <p>More formally, if this map contains a mapping from a key
* {@code k} to a value {@code v} such that {@code (key==null ? k==null :
* key.equals(k))}, then this method returns {@code v}; otherwise
* it returns {@code null}. (There can be at most one such mapping.)
*
* <p>A return value of {@code null} does not <i>necessarily</i>
* indicate that the map contains no mapping for the key; it's also
* possible that the map explicitly maps the key to {@code null}.
* The {@link #containsKey containsKey} operation may be used to
* distinguish these two cases.
*
* @see #put(Object, Object)
*/
public V get(Object key) {
Node<K,V> e;
return (e = getNode(hash(key), key)) == null ? null : e.value;
}
/**
* Implements Map.get and related methods
*
* @param hash hash for key
* @param key the key
* @return the node, or null if none
*/
final Node<K,V> getNode(int hash, Object key) {
Node<K,V>[] tab; Node<K,V> first, e; int n; K k;
if ((tab = table) != null && (n = tab.length) > 0 &&
(first = tab[(n - 1) & hash]) != null) {
if (first.hash == hash && // always check first node
((k = first.key) == key || (key != null && key.equals(k))))
return first;
if ((e = first.next) != null) {
if (first instanceof TreeNode)
return ((TreeNode<K,V>)first).getTreeNode(hash, key);
do {
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
return e;
} while ((e = e.next) != null);
}
}
return null;
}
获取元素其实，没什么好讲的，但是需要知道的是，不管是插入元素还是获取元素，都是围绕节点(Node)来操作的。Node实现了Map.Entry<K,V>接口。
（4）遍历元素
【方法一】
如果只需要获取所有的key，最佳方案如下：
for (Integer key : map.keySet()) {//在for-each循环中遍历keys
System.out.println(String.valueOf(key));
}
优点：比entrySet遍历要快，代码简洁。
【方法二】
如果只需要获取所有的value，最佳方案如下：
for (String value : map.values()) {//在for-each循环中遍历value
System.out.println(value);
}
优点：比entrySet遍历要快，代码简洁。
【方法三】
通过键找值遍历
for (Integer key : map.keySet()) {//在for-each循环中遍历keys
String value = map.get(key);
System.out.println(key+"========"+value);
}
缺点：根据键取值是耗时操作，效率非常的慢， 所以不推荐。
【方法四】
通过Map.entrySet遍历key和value
for (Map.Entry<Integer, String> entry : map.entrySet()) {
System.out.println("key= " + entry.getKey() + " and value= " + entry.getValue());
}
优点：代码简洁，效率高，推荐使用。
【方法五】
使用Iterator遍历
Iterator<Map.Entry<Integer, String>> iterator = map.entrySet().iterator();
while (iterator.hasNext()) {
Map.Entry<Integer, String> entry = iterator.next();
System.out.println("key= " + entry.getKey() + " and value= " + entry.getValue());
}
缺点：代码比起前面几个方法并不简洁。
优点：当遍历的时候，如果涉及到删除操作，建议使用Iterator的remove方法，因为如果使用foreach的话会报错。
最后，一个比较重要的就是HashMap的面试题了，大家可以自行百度。
比如：
[本章完...]
