4.4 hash方法
Java 8中的散列值优化函数
只做一次16位右位移异或
key.hashCode()函数调用的是key键值类型自带的哈希函数，返回int型散列值
理论上散列值是一个int型，如果直接拿散列值作为下标访问HashMap主数组的话，考虑到2进制32位带符号的int范围大概40亿的映射空间。只要哈希函数映射得比较均匀松散，一般应用是很难出现碰撞的。
但问题是一个40亿长度的数组，内存是放不下的.HashMap扩容之前的数组初始大小才16,所以这个散列值是不能直接拿来用的.
用之前还要先做对数组的长度取模运算，得到的余数才能用来访问数组下标
源码中模运算就是把散列值和数组长度做一个"与"操作，
这也正好解释了为什么HashMap的数组长度要取2的整次幂
因为这样（数组长度-1）正好相当于一个“低位掩码”
“与”操作的结果就是散列值的高位全部归零，只保留低位值，用来做数组下标访问
以初始长度16为例，16-1=15
2进制表示是00000000 00000000 00001111
和某散列值做“与”操作如下，结果就是截取了最低的四位值
但这时候问题就来了,这样就算我的散列值分布再松散,要是只取最后几位的话,碰撞也会很严重
这时候“扰动函数”的价值就体现出来了
右位移16位，正好是32位一半，自己的高半区和低半区做异或，就是为了混合原始hashCode的高位和低位，以此来加大低位的随机性
而且混合后的低位掺杂了高位的部分特征，这样高位的信息也被变相保留下来。
index的运算规则是
e.hash & (newCap - 1)
newCap是2的幂,所以newCap - 1的高位全0
若e.hash值只用自身的hashcode,index只会和e.hash的低位做&操作.这样一来,index的值就只有低位参与运算,高位毫无存在感,从而会带来哈希冲突的风险
所以在计算key的hashCode时,用其自身hashCode与其低16位做异或操作
这也就让高位参与到index的计算中来了,即降低了哈希冲突的风险又不会带来太大的性能问题
4.5 Put方法
①.判断键值对数组table[i]是否为空或为null，否则执行resize()进行扩容
②.根据键值key计算hash值得到插入的数组索引i，如果table[i]==null，直接新建节点添加，转向⑥，如果table[i]不为空，转向③
③.判断table[i]的首个元素是否和key一样，如果相同直接覆盖value，否则转向④，这里的相同指的是hashCode以及equals
④.判断table[i] 是否为treeNode，即table[i] 是否是红黑树，如果是红黑树，则直接在树中插入键值对，否则转向⑤
⑤.遍历table[i]，判断链表长度是否大于8，大于8的话把链表转换为红黑树，在红黑树中执行插入操作，否则进行链表的插入操作；遍历过程中若发现key已经存在直接覆盖value即可
⑥.插入成功后，判断实际存在的键值对数量size是否超多了最大容量threshold，如果超过，执行resize()扩容
public V put(K key, V value) { // 对key的hashCode()做hash return putVal(hash(key), key, value, false, true); } final V putVal(int hash, K key, V value, boolean onlyIfAbsent, boolean evict) { Node[] tab; Node p; int n, i; // 步骤① tab为空则调用resize()初始化创建 if ((tab = table) == null || (n = tab.length) == 0) n = (tab = resize()).length; // 步骤② 计算index,并对null做处理 //tab[i = (n - 1) & hash对应下标的第一个节点 if ((p = tab[i = (n - 1) & hash]) == null) // 无哈希冲突的情况下,将value直接封装为Node并赋值 tab[i] = newNode(hash, key, value, null); else { Node e; K k; // 步骤③ 节点的key相同,直接覆盖节点 if (p.hash == hash && ((k = p.key) == key || (key != null && key.equals(k)))) e = p; // 步骤④ 判断该链为红黑树 else if (p instanceof TreeNode) // p是红黑树类型，则调用putTreeVal方式赋值 e = ((TreeNode)p).putTreeVal(this, tab, hash, key, value); // 步骤⑤ p非红黑树类型,该链为链表 else { // index 相同的情况下 for (int binCount = 0; ; ++binCount) { if ((e = p.next) == null) { // 如果p的next为空,将新的value值添加至链表后面 p.next = newNode(hash, key, value, null); if (binCount >= TREEIFY_THRESHOLD - 1) // 如果链表长度大于8,链表转化为红黑树,执行插入 treeifyBin(tab, hash); break; } // key相同则跳出循环 if (e.hash == hash && ((k = e.key) == key || (key != null && key.equals(k)))) break; //就是移动指针方便继续取 p.next p = e; } } if (e != null) { // existing mapping for key V oldValue = e.value; //根据规则选择是否覆盖value if (!onlyIfAbsent || oldValue == null) e.value = value; afterNodeAccess(e); return oldValue; } } ++modCount; // 步骤⑥:超过最大容量,就扩容 if (++size > threshold) // size大于加载因子,扩容 resize(); afterNodeInsertion(evict); return null; }
在构造函数中最多也只是设置了initialCapacity、loadFactor的值,并没有初始化table,table的初始化工作是在put方法中进行的.
4.6 resize
扩容(resize)就是重新计算容量,向HashMap对象里不停的添加元素,内部的数组无法装载更多的元素时,就需要扩大数组的长度.
当然Java里的数组是无法自动扩容的,方法是使用一个新的数组代替已有的容量小的数组
/** * 该函数有2种使用情况：1.初始化哈希表 2.当前数组容量过小，需扩容 */ final Node[] resize() { Node[] oldTab = table; int oldCap = (oldTab == null) ? 0 : oldTab.length; int oldThr = threshold; int newCap, newThr = 0; // 针对情况2：若扩容前的数组容量超过最大值，则不再扩充 if (oldCap > 0) { if (oldCap >= MAXIMUM_CAPACITY) { threshold = Integer.MAX_VALUE; return oldTab; } // 针对情况2：若无超过最大值，就扩充为原来的2倍 else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY && oldCap >= DEFAULT_INITIAL_CAPACITY) //newCap设置为oldCap的2倍并小于MAXIMUM_CAPACITY，且大于默认值, 新的threshold增加为原来的2倍 newThr = oldThr << 1; // double threshold } // 针对情况1：初始化哈希表（采用指定 or 默认值） else if (oldThr > 0) // initial capacity was placed in threshold // threshold>0, 将threshold设置为newCap,所以要用tableSizeFor方法保证threshold是2的幂次方 newCap = oldThr; else { // zero initial threshold signifies using defaults // 默认初始化 newCap = DEFAULT_INITIAL_CAPACITY; newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY); } // 计算新的resize上限 if (newThr == 0) { // newThr为0，newThr = newCap * 0.75 float ft = (float)newCap * loadFactor; newThr = (newCap < MAXIMUM_CAPACITY && ft < (float)MAXIMUM_CAPACITY ? (int)ft : Integer.MAX_VALUE); } threshold = newThr; @SuppressWarnings({"rawtypes","unchecked"}) // 新生成一个table数组 Node[] newTab = (Node[])new Node[newCap]; table = newTab; if (oldTab != null) { // oldTab 复制到 newTab for (int j = 0; j < oldCap; ++j) { Node e; if ((e = oldTab[j]) != null) { oldTab[j] = null; if (e.next == null) // 链表只有一个节点，直接赋值 //为什么要重新Hash呢？因为长度扩大以后，Hash的规则也随之改变。 newTab[e.hash & (newCap - 1)] = e; else if (e instanceof TreeNode) // e为红黑树的情况 ((TreeNode)e).split(this, newTab, j, oldCap); else { // preserve order链表优化重hash的代码块 Node loHead = null, loTail = null; Node hiHead = null, hiTail = null; Node next; do { next = e.next; // 原索引 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; }
