一：put方法流程
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; //判断数组是否未初始化 if ((tab = table) == null || (n = tab.length) == 0) //如果未初始化，调用resize方法 进行初始化 n = (tab = resize()).length; //通过 & 运算求出该数据（key）的数组下标并判断该下标位置是否有数据 if ((p = tab[i = (n - 1) & hash]) == null) //如果没有，直接将数据放在该下标位置 tab[i] = newNode(hash, key, value, null); //该数组下标有数据的情况 else { Node<K,V> e; K k; //判断该位置数据的key和新来的数据是否一样 if (p.hash == hash && ((k = p.key) == key || (key != null && key.equals(k)))) //如果一样，证明为修改操作，该节点的数据赋值给e,后边会用到 e = p; //判断是不是红黑树 else if (p instanceof TreeNode) //如果是红黑树的话，进行红黑树的操作 e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value); //新数据和当前数组既不相同，也不是红黑树节点，证明是链表 else { //遍历链表 for (int binCount = 0; ; ++binCount) { //判断next节点，如果为空的话，证明遍历到链表尾部了 if ((e = p.next) == null) { //把新值放入链表尾部 p.next = newNode(hash, key, value, null); //因为新插入了一条数据，所以判断链表长度是不是大于等于8 if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st //如果是，进行转换红黑树操作 treeifyBin(tab, hash); break; } //判断链表当中有数据相同的值，如果一样，证明为修改操作 if (e.hash == hash && ((k = e.key) == key || (key != null && key.equals(k)))) break; //把下一个节点赋值为当前节点 p = e; } } //判断e是否为空（e值为修改操作存放原数据的变量） if (e != null) { // existing mapping for key //不为空的话证明是修改操作，取出老值 V oldValue = e.value; //一定会执行 onlyIfAbsent传进来的是false if (!onlyIfAbsent || oldValue == null) //将新值赋值当前节点 e.value = value; afterNodeAccess(e); //返回老值 return oldValue; } } //计数器，计算当前节点的修改次数 ++modCount; //当前数组中的数据数量如果大于扩容阈值 if (++size > threshold) //进行扩容操作 resize(); //空方法 afterNodeInsertion(evict); //添加操作时 返回空值 return null; }
二：get方法
public V get(Object key) { Node<K,V> e; //hash(key)，获取key的hash值 //调用getNode方法，见下面方法 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; //找到key对应的桶下标，赋值给first节点 if ((tab = table) != null && (n = tab.length) > 0 && (first = tab[(n - 1) & hash]) != null) { //判断hash值和key是否相等，如果是，则直接返回，桶中只有一个数据（大部分的情况） if (first.hash == hash && // always check first node ((k = first.key) == key || (key != null && key.equals(k)))) return first; if ((e = first.next) != null) { //该节点是红黑树，则需要通过红黑树查找数据 if (first instanceof TreeNode) return ((TreeNode<K,V>)first).getTreeNode(hash, key); //链表的情况，则需要遍历链表查找数据 do { if (e.hash == hash && ((k = e.key) == key || (key != null && key.equals(k)))) return e; } while ((e = e.next) != null); } } return null; }
三：扩容机制
//扩容、初始化数组 final Node<K,V>[] resize() { Node<K,V>[] oldTab = table; //如果当前数组为null的时候，把oldCap老数组容量设置为0 int oldCap = (oldTab == null) ? 0 : oldTab.length; //老的扩容阈值 int oldThr = threshold; int newCap, newThr = 0; //判断数组容量是否大于0，大于0说明数组已经初始化 if (oldCap > 0) { //判断当前数组长度是否大于最大数组长度 if (oldCap >= MAXIMUM_CAPACITY) { //如果是，将扩容阈值直接设置为int类型的最大数值并直接返回 threshold = Integer.MAX_VALUE; return oldTab; } //如果在最大长度范围内，则需要扩容 OldCap << 1等价于oldCap*2 //运算过后判断是不是最大值并且oldCap需要大于16 else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY && oldCap >= DEFAULT_INITIAL_CAPACITY) newThr = oldThr << 1; // double threshold 等价于oldThr*2 } //如果oldCap<0，但是已经初始化了，像把元素删除完之后的情况，那么它的临界值肯定还存在， 如果是首次初始化，它的临界值则为0 else if (oldThr > 0) // initial capacity was placed in threshold newCap = oldThr; //数组未初始化的情况，将阈值和扩容因子都设置为默认值 else { // zero initial threshold signifies using defaults newCap = DEFAULT_INITIAL_CAPACITY; newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY); } //初始化容量小于16的时候，扩容阈值是没有赋值的 if (newThr == 0) { //创建阈值 float ft = (float)newCap * loadFactor; //判断新容量和新阈值是否大于最大容量 newThr = (newCap < MAXIMUM_CAPACITY && ft < (float)MAXIMUM_CAPACITY ? (int)ft : Integer.MAX_VALUE); } //计算出来的阈值赋值 threshold = newThr; @SuppressWarnings({"rawtypes","unchecked"}) //根据上边计算得出的容量 创建新的数组 Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap]; //赋值 table = newTab; //扩容操作，判断不为空证明不是初始化数组 if (oldTab != null) { //遍历数组 for (int j = 0; j < oldCap; ++j) { Node<K,V> e; //判断当前下标为j的数组如果不为空的话赋值个e，进行下一步操作 if ((e = oldTab[j]) != null) { //将数组位置置空 oldTab[j] = null; //判断是否有下个节点 if (e.next == null) //如果没有，就重新计算在新数组中的下标并放进去 newTab[e.hash & (newCap - 1)] = e; //有下个节点的情况，并且判断是否已经树化 else if (e instanceof TreeNode) //进行红黑树的操作 ((TreeNode<K,V>)e).split(this, newTab, j, oldCap); //有下个节点的情况，并且没有树化（链表形式） else { //比如老数组容量是16，那下标就为0-15 //扩容操作*2，容量就变为32，下标为0-31 //低位：0-15，高位16-31 //定义了四个变量 // 低位头 低位尾 Node<K,V> loHead = null, loTail = null; // 高位头 高位尾 Node<K,V> hiHead = null, hiTail = null; //下个节点 Node<K,V> next; //循环遍历 do { //取出next节点 next = e.next; //通过 与操作 计算得出结果为0 if ((e.hash & oldCap) == 0) { //如果低位尾为null，证明当前数组位置为空，没有任何数据 if (loTail == null) //将e值放入低位头 loHead = e; //低位尾不为null，证明已经有数据了 else //将数据放入next节点 loTail.next = e; //记录低位尾数据 loTail = e; } //通过 与操作 计算得出结果不为0 else { //如果高位尾为null，证明当前数组位置为空，没有任何数据 if (hiTail == null) //将e值放入高位头 hiHead = e; //高位尾不为null，证明已经有数据了 else //将数据放入next节点 hiTail.next = e; //记录高位尾数据 hiTail = e; } } //如果e不为空，证明没有到链表尾部，继续执行循环 while ((e = next) != null); //低位尾如果记录的有数据，是链表 if (loTail != null) { //将下一个元素置空 loTail.next = null; //将低位头放入新数组的原下标位置 newTab[j] = loHead; } //高位尾如果记录的有数据，是链表 if (hiTail != null) { //将下一个元素置空 hiTail.next = null; //将高位头放入新数组的(原下标+原数组容量)位置 newTab[j + oldCap] = hiHead; } } } } } //返回新的数组对象 return newTab; }
四：总结
HashMap是Java中常用的数据结构之一，用于存储键值对的键值对。以下是HashMap的几个常见的使用场景总结：
1. 缓存管理：HashMap可以用于实现缓存功能，将数据存储在HashMap中，以键值对的形式保存。可以通过查询HashMap来获取需要的数据，避免了再次计算或查询数据库的开销。
2. 数据索引：HashMap是一种快速查找数据的数据结构，可以根据键快速找到对应的值。因此，HashMap可以用于构建索引结构，提高数据的检索效率。
3. 字典：HashMap可以用于实现字典功能，将单词与对应的意义作为键值对存储在HashMap中。通过查询键来获取对应的意义，实现快速查找。
4. 频率统计：HashMap可以用于统计数据中各个元素出现的频率。可以将元素作为键，出现的次数作为值，通过对值进行排序或查询，获取频率最高的元素。
5. 数据存储和检索：HashMap是一种高效的数据结构，可以用于存储和检索大量数据。可以根据键快速找到对应的值，提高数据的存取效率。
总之，HashMap可以在需要存储和检索数据的场景中发挥作用，并且由于其高效的存取方式，在大多数情况下，都是一个不错的选择。
