Java集合系列07之HashMap源码分析
2019-05-22 本文已影响0人
Hengtao24
系列文章：
前言
HashMap是一个基于哈希实现的无序散列表，存储内容是键值对(key-value)，非线程安全。其定义如下：
public class HashMap<K,V> extends AbstractMap<K,V>
implements Map<K,V>, Cloneable, Serializable
可以看到HashMap继承AbstractMap，实现了Map、Cloneable、java.io.Serializable接口。
本文源码分析基于jdk 1.8.0_121
继承关系
HashMap继承关系
java.lang.Object
|___ java.util.AbstractMap<K,V>
|___ java.util.HashMap<K,V>
所有已实现的接口：
Serializable, Cloneable, Map<K,V>
关系图
HashMap关系图
-
table是Node型的数组，而Node其实是个单向链表，所以HashMap的底层实现是由数组和链表实现的 -
size是HashMap的实际大小 -
threshold为是否需要调整HashMap的容量的阈值，等于加载因子乘以容量，当size达到threshold时，便对HashMap扩容至原来的两倍 -
loadFactor是加载因子 -
modCount是修改HashMap结构的计数值，用来实现fail-fast机制
需要注意的是在JDK 1.8以前HashMap的实现是数组+链表，但是哈希函数很难将元素百分百均匀分布，因此可能出现有大量的元素都存放到同一个桶中，那么便会出现一条长链表， HashMap 就相当于一个单链表结构，遍历的时间复杂度变成 O(n)。JDK 1.8时引入红黑树结构来优化此种现象，时间复杂度为O(logn)。当单个链表长度大于8时，就会将链表结构转为红黑树结构，示意图如下：
HashMap红黑树
图片来源【文斯莫克香吉士】博客，博客地址见参考信息【Java集合：HashMap详解（JDK 1.8）】
数据结构
链表节点数据结构定义如下：
static class Node<K,V> implements Map.Entry<K,V> {
final int hash;
final K key;
V value;
// 下一个节点
Node<K,V> next;
...
}
红黑树的节点数据结构定义如下：
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;
...
}
// LinkedHashMap.Entry数据结构
static class Entry<K,V> extends HashMap.Node<K,V> {
Entry<K,V> before, after;
...
}
可以看到TreeNode继承于LinkedHashMap.Entry，而 LinkedHashMap.Entry 继承自 HashMap.Node。
构造函数
// 默认构造函数
HashMap()
// 指定“容量大小”的构造函数
HashMap(int initialCapacity)
// 指定“容量大小”和“加载因子”的构造函数
HashMap(int initialCapacity, float loadFactor)
// 包含“子Map”的构造函数
HashMap(Map<? extends K, ? extends V> m)
从上述构造函数中我们可以看到影响HashMap的容量主要有初始容量大小initialCapacity和加载因子loadFactor，初始容量是指哈希表中桶的数量，当哈希表中的条目数与当前容量的比值超出了加载因子时，则要对该哈希表进行 rehash/resize 操作（即重建内部数据结构），将哈希表容量增加一倍。默认的加载因子是0.75，这是结合空间成本和时间成本给出的一个经验值，加载因子过大，增加时间成本；加载因子过小，则增加空间成本。因此，选取合适的加载因子很重要，可以减少rehash的次数。
API
void clear()
Object clone()
boolean containsKey(Object key)
boolean containsValue(Object value)
Set<Entry<K, V>> entrySet()
V get(Object key)
boolean isEmpty()
Set<K> keySet()
V put(K key, V value)
void putAll(Map<? extends K, ? extends V> map)
V remove(Object key)
int size()
Collection<V> values()
源码分析
成员变量
// 默认的初始容量是16，必须是2的幂。
static final int DEFAULT_INITIAL_CAPACITY = 1 << 4;
// 最大容量，必须小于2的30次方，初始容量过大将被这个值代替
static final int MAXIMUM_CAPACITY = 1 << 30;
// 默认加载因子
static final float DEFAULT_LOAD_FACTOR = 0.75f;
// 存储数据的Node数组，长度必须是2的幂
// HashMap是采用拉链法实现的，每一个Node本质上是一个单向链表
transient Node<K,V>[] table;
// 红黑树代替链表的阈值
// 当一个桶中链表长度大于此数值时，应该用红黑树代替链表，以优化查找效率
static final int TREEIFY_THRESHOLD = 8;
// 红黑树还原为链表的阈值
// 扩容时，当一个桶中链表长度小于此数值时，就会把红黑树还原为链表结构
static final int UNTREEIFY_THRESHOLD = 6;
// 哈希表最小的树形化容量
// 当哈希表中的容量大于这个值时，表中的桶才能进行树形化
// 否则桶内元素太多时会扩容，而不是树形化
// 为了避免进行扩容、树形化选择的冲突，这个值不能小于 4 * TREEIFY_THRESHOLD
static final int MIN_TREEIFY_CAPACITY = 64;
// 键值对
transient Set<Map.Entry<K,V>> entrySet;
// HashMap的大小，它是HashMap保存的键值对的数量
transient int size;
// 阈值用于判断是否需要调整HashMap的容量（threshold 容量*加载因子）
int threshold;
// 加载因子实际大小
final float loadFactor;
// HashMap被改变的次数
transient volatile int modCount;
构造函数
// 指定“初始容量”和“加载因子”的构造函数
public HashMap(int initialCapacity, float loadFactor) {
if (initialCapacity < 0)
throw new IllegalArgumentException("Illegal initial capacity: " +
initialCapacity);
// HashMap的最大容量是MAXIMUM_CAPACITY
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);
}
// 找到大于给定容量的最小2的幂值
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;
}
// 指定初始容量的构造函数
public HashMap(int initialCapacity) {
this(initialCapacity, DEFAULT_LOAD_FACTOR);
}
// 默认构造函数
public HashMap() {
this.loadFactor = DEFAULT_LOAD_FACTOR; // all other fields defaulted
}
// 包含子Map的构造函数
public HashMap(Map<? extends K, ? extends V> m) {
this.loadFactor = DEFAULT_LOAD_FACTOR;
putMapEntries(m, false);
}
定位桶位置
// hash操作
static final int hash(Object key) {
int h;
// key.hashCode()算法原理见参考信息
// >>> : 无符号右移
// hashCode的高16位参与运算
return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}
对于给定的key，只要其hashCode()的返回值一样，那么其hash值就一样，如果用hash值对table长度取模，那么便可以让哈希表的元素分布相对均匀点。
此处源码对取模运算进行了优化，table的长度总是2的n次幂，而x mod 2^n = x & (2^n - 1)，因此源码使用i = (n - 1) & hash来对table长度取模，从而找到对应的索引位置，&比%具有更高的效率。
增加元素
// 把key-value添加到HashMap中
public V put(K key, V value) {
return putVal(hash(key), key, value, false, true);
}
// 把给定的hash，key，value添加到HashMap中
final V putVal(int hash, K key, V value, boolean onlyIfAbsent,boolean evict) {
Node<K,V>[] tab; Node<K,V> p; int n, i;
// table为null或长度为0，则resize
if ((tab = table) == null || (n = tab.length) == 0)
n = (tab = resize()).length;
// (n-1) & hash寻找索引值
// 如果在table中该索引值对应节点为空，则新建一个节点
if ((p = tab[i = (n - 1) & hash]) == null)
tab[i] = newNode(hash, key, value, null);
else {
Node<K,V> e; K k;
// 节点p满足hash值和key值跟传入的hash值和key值相等则让e=p
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
e = p;
// 如果p属于红黑树型，则调用putTreeVal查找目标节点
else if (p instanceof TreeNode)
e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
else {
// 遍历此链表, binCount用于统计节点数
for (int binCount = 0; ; ++binCount) {
// p.next为null，则新建一个节点插入链表尾部
if ((e = p.next) == null) {
p.next = newNode(hash, key, value, null);
// binCount大于8，则替换为红黑树结构
// 减1是因为循环是从p节点的下一个节点开始的
if (binCount >= TREEIFY_THRESHOLD - 1)
treeifyBin(tab, hash);
break;
}
// 找到对应节点，则终止循环
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
break;
p = e;
}
}
// 已存在给定的key的映射关系
if (e != null) { // existing mapping for key
V oldValue = e.value;
// 满足条件，替换value值
if (!onlyIfAbsent || oldValue == null)
e.value = value;
afterNodeAccess(e); // Callbacks to allow LinkedHashMap post-actions
return oldValue;
}
}
// 改变modCount
++modCount;
// 插入节点后超出容量阈值，则扩容
if (++size > threshold)
resize();
afterNodeInsertion(evict); // Callbacks to allow LinkedHashMap post-actions
return null;
}
// 添加m中所有元素到HashMap中
public void putAll(Map<? extends K, ? extends V> m) {
putMapEntries(m, true);
}
// 将m中元素加入到HashMap中
final void putMapEntries(Map<? extends K, ? extends V> m, boolean evict) {
int s = m.size();
if (s > 0) {
// 如果table为null，则设置threshold值
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);
}
// 如果table不为null，s大于threshold，则resize
else if (s > threshold)
resize();
// 把m中元素逐一加入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);
}
}
}
红黑树增加元素
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;
// 查找根节点，索引处头节点不一定为红黑树头节点
TreeNode<K,V> root = (parent != null) ? root() : this;
// 添加元素时，从根节点遍历，
for (TreeNode<K,V> p = root;;) {
int dir, ph; K pk;
// 传入的hash值小于p节点的hash值
// 则令dir=-1，表示向p的左边查找树
if ((ph = p.hash) > h)
dir = -1;
// 传入的hash值大于p节点的hash值
// 则令dir=1，表示向p的右边查找树
else if (ph < h)
dir = 1;
// 如果当前节点的哈希值、键和要添加的都一致，就返回当前节点
else if ((pk = p.key) == k || (k != null && k.equals(pk)))
return p;
// k所属的类没有实现Comparable接口或者k和p节点的key值相等
else if ((kc == null &&
(kc = comparableClassFor(k)) == null) ||
(dir = compareComparables(kc, k, pk)) == 0) {
// 第一次符合条件，方法只执行一次
if (!searched) {
TreeNode<K,V> q, ch;
searched = true;
// 如果从当前节点p所在子树中可以找到要添加的节点，则直接返回
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;
}
// 哈希值相等，但键无法比较
// 通过自定义规则来插入节点
dir = tieBreakOrder(k, pk);
}
TreeNode<K,V> xp = p;
// 要插入的节点比当前节点小就插到左子树，大就插到右子树
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;
// 必要的平衡操作
moveRootToFront(tab, balanceInsertion(root, x));
return null;
}
}
}
// 此方法用于a和b哈希值相等，但无法比较时
// 自定义一个规则保持平衡
static int tieBreakOrder(Object a, Object b) {
int d;
if (a == null || b == null ||
(d = a.getClass().getName().
compareTo(b.getClass().getName())) == 0)
d = (System.identityHashCode(a) <= System.identityHashCode(b) ?
-1 : 1);
return d;
}
获取元素
// 获取key对应的value
public V get(Object key) {
Node<K,V> e;
return (e = getNode(hash(key), key)) == null ? null : e.value;
}
// 根据给定的hash和key找到对应节点
final Node<K,V> getNode(int hash, Object key) {
Node<K,V>[] tab; Node<K,V> first, e; int n; K k;
// table不为null且table的length大于0且hash对应的桶不为空
if ((tab = table) != null && (n = tab.length) > 0 &&
(first = tab[(n - 1) & hash]) != null) {
// 如果first.hash和给定hash相同且key也相同，则返回first.key
if (first.hash == hash && // always check first node
((k = first.key) == key || (key != null && key.equals(k))))
return first;
// first.next不为null
if ((e = first.next) != null) {
// first是红黑树节点，则调用getTreeNode
if (first instanceof TreeNode)
return ((TreeNode<K,V>)first).getTreeNode(hash, key);
// 循环直至next为null
do {
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
return e;
} while ((e = e.next) != null);
}
}
return null;
}
红黑树获取节点
// 找到红黑树节点
final TreeNode<K,V> getTreeNode(int h, Object k) {
return ((parent != null) ? root() : this).find(h, k, null);
}
// 根据hash值和key查找节点
// 因为红黑树有序，所以相当于折半查找
// 红黑树具有平衡二叉树的特点：左节点<根节点<右节点
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;
// 给定的hash值小于p节点的hash值, 则向左遍历
if ((ph = p.hash) > h)
p = pl;
// 给定的hash值大于p节点的hash值, 则向右遍历
else if (ph < h)
p = pr;
// p节点为目标节点，则返回之
else if ((pk = p.key) == k || (k != null && k.equals(pk)))
return p;
// 左节点为空则向右遍历
else if (pl == null)
p = pr;
// 右节点为空则向左遍历
else if (pr == null)
p = pl;
// k所属的类实现Comparable接口或者k和p节点的key值不等
else if ((kc != null ||
(kc = comparableClassFor(k)) != null) &&
(dir = compareComparables(kc, k, pk)) != 0)
// k<pk 则向左遍历，否则向右遍历
p = (dir < 0) ? pl : pr;
// k所属的类没有实现Comparable接口，则直接向右遍历
else if ((q = pr.find(h, k, kc)) != null)
return q;
// 上一步向右遍历为空，则再向左遍历
else
p = pl;
} while (p != null);
return null;
}
删除元素
// 删除键为key的元素
public V remove(Object key) {
Node<K,V> e;
return (e = removeNode(hash(key), key, null, false, true)) == null ?
null : e.value;
}
// 删除键为key的元素
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;
// table不为null且table的length大于0且hash对应的桶不为空
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;
// p为目标节点，则让node=p
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
node = p;
// 循环遍历直至找到满足的节点
else if ((e = p.next) != null) {
// 如果p属于TreeNode型，则调用getTreeNode方法
if (p instanceof TreeNode)
node = ((TreeNode<K,V>)p).getTreeNode(hash, key);
else {
do {
// 当节点的hash值和key与传入的相同,则该节点即为目标节点
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node不为null，即找到了目标节点
if (node != null && (!matchValue || (v = node.value) == value ||
(value != null && value.equals(v)))) {
// node属于TreeNode型，则调用removeTreeNode方法
if (node instanceof TreeNode)
((TreeNode<K,V>)node).removeTreeNode(this, tab, movable);
// 删除单向链表中的节点
else if (node == p)
tab[index] = node.next;
else
p.next = node.next;
// 修改modCount和size值
++modCount;
--size;
afterNodeRemoval(node);
return node;
}
}
return null;
}
resize
// 重新调整HashMap大小
final Node<K,V>[] resize() {
Node<K,V>[] oldTab = table;
int oldCap = (oldTab == null) ? 0 : oldTab.length;
int oldThr = threshold;
int newCap, newThr = 0;
// 旧HashMap不为null且length大于0
if (oldCap > 0) {
// 旧HashMap的容量超过最大容量值
if (oldCap >= MAXIMUM_CAPACITY) {
threshold = Integer.MAX_VALUE;
return oldTab;
}
// 扩容至原来两倍
else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&
oldCap >= DEFAULT_INITIAL_CAPACITY)
newThr = oldThr << 1;
}
// 旧表的容量为0，旧表的阈值不为0
else if (oldThr > 0)
// 新表的容量设置为老表的阈值
newCap = oldThr;
// 旧表阈值为0，设置新表容量为默认容量，阈值为默认阈值
else {
newCap = DEFAULT_INITIAL_CAPACITY;
newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);
}
// 如果新表的阈值为0, 则通过新的容量*负载因子获得阈值
if (newThr == 0) {
float ft = (float)newCap * loadFactor;
newThr = (newCap < MAXIMUM_CAPACITY && ft < (float)MAXIMUM_CAPACITY ?
(int)ft : Integer.MAX_VALUE);
}
// 重设threshold
threshold = newThr;
// 新建一个table数组
@SuppressWarnings({"rawtypes","unchecked"})
Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap];
table = newTab;
// 将旧table中所有元素添加到新table中
if (oldTab != null) {
for (int j = 0; j < oldCap; ++j) {
Node<K,V> e;
// 索引值为j的老表头节点赋值给e
if ((e = oldTab[j]) != null) {
oldTab[j] = null;
// e.next为null，则该位置只有1个节点
// 计算该节点在新表下的索引位置，并放在该处
if (e.next == null)
newTab[e.hash & (newCap - 1)] = e;
// 如果是红黑树结构，且元素数量小于还原阈值UNTREEIFY_THRESHOLD
// 则树形结构还原为链表结构
else if (e instanceof TreeNode)
((TreeNode<K,V>)e).split(this, newTab, j, oldCap);
else { // preserve order
// 存储跟原索引位置相同的节点
Node<K,V> loHead = null, loTail = null;
// 存储索引位置为:原索引+oldCap的节点
Node<K,V> hiHead = null, hiTail = null;
Node<K,V> next;
do {
next = e.next;
// e的hash值与旧表的容量进行与运算为0,则扩容后的索引位置跟老表的索引位置一样
if ((e.hash & oldCap) == 0) {
// loTail为空, 代表该节点为第一个节点
if (loTail == null)
// 将第一个节点赋值给lohead
loHead = e;
else
// 否则将该节点加在loTail后面
loTail.next = e;
// loTail赋值为节点e
loTail = e;
}
// e的hash值与老表的容量进行与运算为1,则扩容后的索引位置为:老表的索引位置＋oldCap
else {
// hiTail为空, 代表该节点为第一个节点
if (hiTail == null)
// 将第一个节点赋值给hihead
hiHead = e;
else
// 否则将该节点加在hiTail后面
hiTail.next = e;
// hiTail赋值为节点e
hiTail = e;
}
} while ((e = next) != null);
if (loTail != null) {
// 最后一个节点的next设为空
loTail.next = null;
// 新表原索引j处设为lohead
newTab[j] = loHead;
}
if (hiTail != null) {
// 最后一个节点的next设为空
hiTail.next = null;
// 新表原索引j+oldCap处设为hiHead
newTab[j + oldCap] = hiHead;
}
}
}
}
}
return newTab;
}
是否包含元素
// 是否包含key
public boolean containsKey(Object key) {
return getNode(hash(key), key) != null;
}
// 是否包含value
public boolean containsValue(Object value) {
Node<K,V>[] tab; V v;
// 双重循环查找value
if ((tab = table) != null && size > 0) {
for (int i = 0; i < tab.length; ++i) {
for (Node<K,V> e = tab[i]; e != null; e = e.next) {
if ((v = e.value) == value ||
(value != null && value.equals(v)))
return true;
}
}
}
return false;
}
Node数据结构
static class Node<K,V> implements Map.Entry<K,V> {
final int hash;
final K key;
V value;
// 下一个节点
Node<K,V> next;
// 构造函数
Node(int hash, K key, V value, Node<K,V> next) {
this.hash = hash;
this.key = key;
this.value = value;
this.next = next;
}
public final K getKey() { return key; }
public final V getValue() { return value; }
public final String toString() { return key + "=" + value; }
public final int hashCode() {
return Objects.hashCode(key) ^ Objects.hashCode(value);
}
public final V setValue(V newValue) {
V oldValue = value;
value = newValue;
return oldValue;
}
public final boolean equals(Object o) {
if (o == this)
return true;
if (o instanceof Map.Entry) {
Map.Entry<?,?> e = (Map.Entry<?,?>)o;
if (Objects.equals(key, e.getKey()) &&
Objects.equals(value, e.getValue()))
return true;
}
return false;
}
}
树形化操作
// 将桶类链表结构转化为树形结构
final void treeifyBin(Node<K,V>[] tab, int hash) {
int n, index; Node<K,V> e;
// 哈希表为空或哈希表长度小于树形化容量阈值（默认64），则执行resize操作
if (tab == null || (n = tab.length) < MIN_TREEIFY_CAPACITY)
resize();
// 哈希表中的元素个数超过了树形化容量阈值，进行树形化
// e 是给定hash值对应的桶的第一个链表节点
else if ((e = tab[index = (n - 1) & hash]) != null) {
TreeNode<K,V> hd = null, tl = null;
do {
// 新建一个TreeNode节点
TreeNode<K,V> p = replacementTreeNode(e, null);
if (tl == null) // 头节点
hd = p;
else {
p.prev = tl;
tl.next = p;
}
tl = p;
} while ((e = e.next) != null);
// 将对应桶的第一个元素设为红黑树结构的头节点
if ((tab[index] = hd) != null)
hd.treeify(tab); // 形成以此节点为根节点的红黑树结构
}
}
// 返回一个TreeNode节点
TreeNode<K,V> replacementTreeNode(Node<K,V> p, Node<K,V> next) {
return new TreeNode<>(p.hash, p.key, p.value, next);
}
// 形成红黑树
final void treeify(Node<K,V>[] tab) {
TreeNode<K,V> root = null;
// this为调用此方法的TreeNode
for (TreeNode<K,V> x = this, next; x != null; x = next) {
next = (TreeNode<K,V>)x.next;
x.left = x.right = null;
// 还没有根节点将x设为根节点
// 设置root为黑色
if (root == null) {
// 根节点没有父节点
x.parent = null;
x.red = false;
root = x;
}
else {
K k = x.key;
int h = x.hash;
Class<?> kc = null;
// 从根节点开始，遍历所有节点跟当前节点x比较，调整位置
for (TreeNode<K,V> p = root;;) {
int dir, ph;
K pk = p.key;
// 待比较节点的哈希值比x大时， dir为-1，向左查找
// 否则dir为1，向右查找
if ((ph = p.hash) > h)
dir = -1;
else if (ph < h)
dir = 1;
// x的hash值和p的hash值相等，则比较key值
// k没有实现Comparable接口或者x节点的key和p节点的key相等
else if ((kc == null &&
(kc = comparableClassFor(k)) == null) ||
(dir = compareComparables(kc, k, pk)) == 0)
// 通过自定义规则来判断向左还是向右查找
dir = tieBreakOrder(k, pk);
// 待比较节点的哈希值比x大，x就是左孩子，否则x是右孩子
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;
// 进行红黑树的插入平衡(通过左旋、右旋和改变节点颜色来保证当前树符合红黑树的要求)
root = balanceInsertion(root, x);
break;
}
}
}
}
// 将root节点调整为table索引处头节点
moveRootToFront(tab, root);
}
遍历
假设key和value都是String型
- 根据
entrySet()通过Iterator遍历
Iterator iter = map.entrySet().iterator();
while(iter.hasNext()){
Map.Entry entry = (Map.Entry)iter.next();
key = (String)entry.getKey();
value = (String)entry.getValue();
}
- 根据
keySet()通过Iterator遍历
Iterator iter = map.keySet().iterator();
while(iter.hasNext()){
key = (String)iter.next();
value = (String)map.get(key);
}
- 根据
value()通过Iterator遍历
Iterator iter = map.values().iterator();
while(iter.hasNext()){
value = (String)iter.next;
}
