转载自 彻底理解HashMap的元素插入原理
HashMap,是Java语言中比较基础也比较重要的一种数据结构,由于其用途广泛,所以,Java的工程师在设计HashMap的时候考虑了很多因素。
通过阅读HashMap的源码,可以学习到很多知识,本文就是一篇基于HashMap源码的深度分析。
全文文字+代码大概有1.5W左右,阅读时间大概半小时。如果你没有完整的半个小时时间,请先收藏,欢迎转发。
关于HashMap,还有几篇文章可以结合着一起看:
全网把Map中的hash()分析的最透彻的文章,别无二家。
关于HashMap容量的初始化,还有这么多学问。
HashMap
作为哈希表的Map接口实现,其具备以下几个特点:
-
和HashTable类似,采用数组+单链表形式存储元素,从jdk1.8开始,增加了红黑树的结构,当单链表中元素个数超过指定阈值,会转化为红黑树结构存储,目的就是为了解决单链表元素过多时查询慢的问题。
-
和HashTable不同的是,HashMap是线程不安全的,方法都未使用synchronized关键字。因为内部实现不同,允许key和value值为null。
-
构建HashMap实例时有两个重要的参数,会影响其性能:初始大小和加载因子。初始大小用来规定哈希表数组的长度,即桶的个数。加载因子用来表示哈希表元素的填满程度,越大则表示允许填满的元素就越多,哈希表的空间利用率就越高,但是冲突的机会也就增加了。反之,越小则冲突的机会就会越少,但是空间很多就浪费了。
静态常量
1、源码:
/*** 默认初始大小,值为16,要求必须为2的幂*/static final int DEFAULT_INITIAL_CAPACITY = 1 << 4; // aka 16/*** 最大容量,必须不大于2^30*/static final int MAXIMUM_CAPACITY = 1 << 30;/*** 默认加载因子,值为0.75*/
static final float DEFAULT_LOAD_FACTOR = 0.75f;/*** hash冲突默认采用单链表存储,当单链表节点个数大于8时,会转化为红黑树存储*/
static final int TREEIFY_THRESHOLD = 8;/*** hash冲突默认采用单链表存储,当单链表节点个数大于8时,会转化为红黑树存储。* 当红黑树中节点少于6时,则转化为单链表存储*/
static final int UNTREEIFY_THRESHOLD = 6;/*** hash冲突默认采用单链表存储,当单链表节点个数大于8时,会转化为红黑树存储。* 但是有一个前提:要求数组长度大于64,否则不会进行转化*/
static final int MIN_TREEIFY_CAPACITY = 64;
注意:HashMap默认采用数组+单链表方式存储元素,当元素出现哈希冲突时,会存储到该位置的单链表中。但是单链表不会一直增加元素,当元素个数超过8个时,会尝试将单链表转化为红黑树存储。但是在转化前,会再判断一次当前数组的长度,只有数组长度大于64才处理。否则,进行扩容操作。此处先提到这,后续会有详细的讲解。
2、问题:
问:为何加载因子默认为0.75?
答:通过源码里的javadoc注释看到,元素在哈希表中分布的桶频率服从参数为0.5的泊松分布,具体可以参考下StackOverflow里的解答:https://stackoverflow.com/questions/10901752/what-is-the-significance-of-load-factor-in-hashmap
构造函数
1、无参构造函数:
public HashMap() {this.loadFactor = DEFAULT_LOAD_FACTOR; // all other fields defaulted
}
2、带参构造函数,指定初始容量:
public HashMap(int initialCapacity) {this(initialCapacity, DEFAULT_LOAD_FACTOR);
}
3、带参构造函数,指定初始容量和加载因子:
3.1、源码:
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)//通过后面扩容的方法知道,该值就是初始创建数组时的长度
}//返回大于等于cap最小的2的幂,如cap为12,结果就是16
static final int tableSizeFor(int cap) {int n = cap - 1;//为了保证当cap本身是2的幂的情况下,能够返回原本的数,否则返回的是cap的2倍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;
}
3.2、示例:
下面我们以cap等于8为例:
不减一的过程如下:
图注:tableSizeFor不减一过程
最后执行加1操作,那么返回的是2^4=16,是cap的2倍。
减一的过程如下:
图注:tableSizeFor减一过程
最后执行加1操作,那么返回的是2^3=8,也就是cap本身。
3.3、问题:
问:为何数组容量必须是2次幂?
答:索引计算公式为i = (n - 1) & hash,如果n为2次幂,那么n-1的低位就全是1,哈希值进行与操作时可以保证低位的值不变,从而保证分布均匀,效果等同于hash%n,但是位运算比取余运算要高效的多。
4、带参构造函数,指定Map集合:
public HashMap(Map<? extends K, ? extends V> m) {this.loadFactor = DEFAULT_LOAD_FACTOR;putMapEntries(m, false);}final void putMapEntries(Map<? extends K, ? extends V> m, boolean evict) {int s = m.size();if (s > 0) {if (table == null) { // pre-sizefloat 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);}}
}
添加元素
1、源码:
public V put(K key, V value) {return putVal(hash(key), key, value, false, true);}//将key的哈希值,进行高16位和低16位异或操作,增加低16位的随机性,降低哈希冲突的可能性static final int hash(Object key) {int h;return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);}final V putVal(int hash, K key, V value, boolean onlyIfAbsent,boolean evict) {Node<K,V>[] tab; Node<K,V> p; int n, i;//首次table为null,首先通过resize()进行数组初始化if ((tab = table) == null || (n = tab.length) == 0)n = (tab = resize()).length;//利用index=(n-1)&hash的方式,找到索引位置//如果索引位置无元素,则创建Node对象,存入数组该位置中if ((p = tab[i = (n - 1) & hash]) == null)tab[i] = newNode(hash, key, value, null);else { //如果索引位置已有元素,说明hash冲突,存入单链表或者红黑树中Node<K,V> e; K k;//hash值和key值都一样,则进行value值的替代if (p.hash == hash &&((k = p.key) == key || (key != null && key.equals(k))))e = p;else if (p instanceof TreeNode) //hash值一致,key值不一致,且p为红黑树结构,则往红黑树中添加e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);else { //hash值一致,key值不一致,且p为单链表结构,则往单链表中添加for (int binCount = 0; ; ++binCount) {if ((e = p.next) == null) {p.next = newNode(hash, key, value, null); //追加到单链表末尾if (binCount >= TREEIFY_THRESHOLD - 1) // //超过树化阈值则进行树化操作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 keyV oldValue = e.value;if (!onlyIfAbsent || oldValue == null)e.value = value;afterNodeAccess(e);return oldValue;}}++modCount;if (++size > threshold) //当元素个数大于新增阈值,则通过resize()扩容resize();afterNodeInsertion(evict);return null;
}
2、流程图:
图注:添加元素流程图
3、hash计算:
问:获取hash值时:为何在hash方法中加上异或无符号右移16位的操作?
答:此方式是采用"扰乱函数"的解决方案,将key的哈希值,进行高16位和低16位异或操作,增加低16位的随机性,降低哈希冲突的可能性。
下面我们通过一个例子,来看下有无"扰乱函数"的情况下,计算出来索引位置的值:
图注:hash计算
扩容
1、源码:
final Node<K,V>[] resize() {Node<K,V>[] oldTab = table;int oldCap = (oldTab == null) ? 0 : oldTab.length;int oldThr = threshold;int newCap, newThr = 0;if (oldCap > 0) {//数组不为空if (oldCap >= MAXIMUM_CAPACITY) { //当前长度超过MAXIMUM_CAPACITY,新增阈值为Integer.MAX_VALUEthreshold = Integer.MAX_VALUE;return oldTab;}else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&oldCap >= DEFAULT_INITIAL_CAPACITY) //进行2倍扩容,如果当前长度超过初始16,新增阈值也做2倍扩容newThr = oldThr << 1; // double threshold}else if (oldThr > 0) // 数组为空,指定了新增阈值newCap = oldThr;else { //数组为空,未指定新增阈值,采用默认初始大小和加载因子,新增阈值为16*0.75=12newCap = DEFAULT_INITIAL_CAPACITY;newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);}if (newThr == 0) { //按照给定的初始大小计算扩容后的新增阈值float ft = (float)newCap * loadFactor;newThr = (newCap < MAXIMUM_CAPACITY && ft < (float)MAXIMUM_CAPACITY ?(int)ft : Integer.MAX_VALUE);}threshold = newThr; //扩容后的新增阈值@SuppressWarnings({"rawtypes","unchecked"})Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap]; //扩容后的数组table = newTab;if (oldTab != null) { //将原数组中元素放入扩容后的数组中for (int j = 0; j < oldCap; ++j) {Node<K,V> e;if ((e = oldTab[j]) != null) {oldTab[j] = null;if (e.next == null) //无后继节点,则直接计算在新数组中位置,放入即可newTab[e.hash & (newCap - 1)] = e;else if (e instanceof TreeNode) //为树节点需要拆分((TreeNode<K,V>)e).split(this, newTab, j, oldCap);else { //有后继节点,且为单链表,将原数组中单链表元素进行拆分,一部分在原索引位置,一部分在原索引+原数组长度Node<K,V> loHead = null, loTail = null; //保存在原索引的链表Node<K,V> hiHead = null, hiTail = null; //保存在新索引的链表Node<K,V> next;do {next = e.next;if ((e.hash & oldCap) == 0) { //哈希值和原数组长度进行&操作,为0则在原数组的索引位置,非0则在原数组索引位置+原数组长度的新位置if (loTail == null)loHead = e;elseloTail.next = e;loTail = e;}else {if (hiTail == null)hiHead = e;elsehiTail.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;
}
2、流程图:
2.1 首次调用扩容方法:
图注:首次调用扩容方法
2.2 示例:
情况一:
-
使用无参构造函数:
HashMap<String, Integer> hashMap = new HashMap<>();
-
put元素,发现table为null,调用resize扩容方法:
int oldCap = (oldTab == null) ? 0 : oldTab.length;
int oldThr = threshold;
-
oldCap为0,oldThr为0,执行resize()里的该分支:
newCap = DEFAULT_INITIAL_CAPACITY;
newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);
threshold = newThr;
@SuppressWarnings({"rawtypes","unchecked"})Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap];
table = newTab;
-
newCap为16,newThr为12,也就是说HashMap默认数组长度为16,元素添加阈值为12。
-
threshold为12。创建大小为16的数组,赋值给table。
情况二:
使用有参构造函数:
HashMap<String, Integer> hashMap = new HashMap<>(7);
oldCap为0,oldThr为8,执行resize()里的该分支:
else if (oldThr > 0) // initial capacity was placed in thresholdnewCap = oldThr;
newCap为8,newThr为0,执行resize()里的该分支:
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"})Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap];
table = newTab;
threshold为6。创建大小为8的数组,赋值给table。
2.3 非首次调用扩容方法:
图注:非首次调用扩容方法
2.4 示例:
接着2.2里的情况二,继续添加元素,直到扩容:
oldCap为8,oldThr为6,执行resize()里的该分支:
if (oldCap > 0) {if (oldCap >= MAXIMUM_CAPACITY) {threshold = Integer.MAX_VALUE;return oldTab;}else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&oldCap >= DEFAULT_INITIAL_CAPACITY)newThr = oldThr << 1; // double threshold
}
oldCap小于MAXIMUM_CAPACITY,进行2倍扩容,newCap为16。oldCap小于DEFAULT_INITIAL_CAPACITY,不做newThr的扩容,为0,执行resize()里的该分支:
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"})Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap];table = newTab;
..........省略.......//将原数组元素存入新数组中
因为newCap小于MAXIMUM_CAPACITY ,ft为newCap*加载因子为12,threshold为12。创建大小为16的数组,赋值给table,并将原数组元素放入新数组中。
继续添加元素,直到扩容:
oldCap为16,oldThr为12,执行resize()里的该分支:
if (oldCap > 0) {if (oldCap >= MAXIMUM_CAPACITY) {threshold = Integer.MAX_VALUE;return oldTab;}else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&oldCap >= DEFAULT_INITIAL_CAPACITY)newThr = oldThr << 1; // double threshold
}
oldCap小于MAXIMUM_CAPACITY,将数组长度进行2倍扩容,newCap为32。oldCap>=DEFAULT_INITIAL_CAPACITY,将添加元素的阈值也进行2倍扩容,注意此时不再用加载因子去计算阈值,而是随着数组长度进行相应的2倍扩容,threshold为24。
创建大小为32的数组,赋值给table,并将原数组元素放入新数组中。
threshold = newThr;
@SuppressWarnings({"rawtypes","unchecked"})Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap];
table = newTab;
..........省略.......//将原数组元素存入新数组中
继续添加元素,扩容到数组长度等于MAXIMUM_CAPACITY:
oldCap为MAXIMUM_CAPACITY,执行resize()里的该分支:
if (oldCap > 0) {if (oldCap >= MAXIMUM_CAPACITY) {threshold = Integer.MAX_VALUE;return oldTab;}else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&oldCap >= DEFAULT_INITIAL_CAPACITY)newThr = oldThr << 1; // double threshold
}
因为oldCap等于MAXIMUM_CAPACITY,threshold设置为 Integer.MAX_VALUE,不再扩容,直接返回原数组。此时继续添加元素,Integer.MAX_VALUE+1=Integer.MIN_VALUE,不再大于threshold,则不再进行扩容操作了。
树化操作
1、源码:
将原本的单链表转化为双向链表,再遍历这个双向链表转化为红黑树:
final void treeifyBin(Node<K,V>[] tab, int hash) {int n, index; Node<K,V> e;//树形化还有一个要求就是数组长度必须大于等于64,否则继续采用扩容策略if (tab == null || (n = tab.length) < MIN_TREEIFY_CAPACITY)resize();else if ((e = tab[index = (n - 1) & hash]) != null) {TreeNode<K,V> hd = null, tl = null;//hd指向首节点,tl指向尾节点do {TreeNode<K,V> p = replacementTreeNode(e, null);//将链表节点转化为红黑树节点if (tl == null) // 如果尾节点为空,说明还没有首节点hd = p; // 当前节点作为首节点else { // 尾节点不为空,构造一个双向链表结构,将当前节点追加到双向链表的末尾p.prev = tl; // 当前树节点的前一个节点指向尾节点tl.next = p; // 尾节点的后一个节点指向当前节点}tl = p; // 把当前节点设为尾节点} while ((e = e.next) != null); // 继续遍历单链表//将原本的单链表转化为一个节点类型为TreeNode的双向链表if ((tab[index] = hd) != null) // 把转换后的双向链表,替换数组原来位置上的单向链表hd.treeify(tab); // 将当前双向链表树形化}
}
将双向链表转化为红黑树的具体实现:
final void treeify(Node<K,V>[] tab) {TreeNode<K,V> root = null; // 定义红黑树的根节点for (TreeNode<K,V> x = this, next; x != null; x = next) { // 从TreeNode双向链表的头节点开始逐个遍历next = (TreeNode<K,V>)x.next; // 头节点的后继节点x.left = x.right = null;if (root == null) {x.parent = null;x.red = false;root = x; // 头节点作为红黑树的根,设置为黑色}else { // 红黑树存在根节点K k = x.key; int h = x.hash;Class<?> kc = null;for (TreeNode<K,V> p = root;;) { // 从根开始遍历整个红黑树int dir, ph;K pk = p.key;if ((ph = p.hash) > h) // 当前红黑树节点p的hash值大于双向链表节点x的哈希值dir = -1;else if (ph < h) // 当前红黑树节点的hash值小于双向链表节点x的哈希值dir = 1;else if ((kc == null &&(kc = comparableClassFor(k)) == null) ||(dir = compareComparables(kc, k, pk)) == 0) // 当前红黑树节点的hash值等于双向链表节点x的哈希值,则如果key值采用比较器一致则比较key值dir = tieBreakOrder(k, pk); //如果key值也一致则比较className和identityHashCodeTreeNode<K,V> xp = p; if ((p = (dir <= 0) ? p.left : p.right) == null) { // 如果当前红黑树节点p是叶子节点,那么双向链表节点x就找到了插入的位置x.parent = xp;if (dir <= 0) //根据dir的值,插入到p的左孩子或者右孩子xp.left = x;elsexp.right = x;root = balanceInsertion(root, x); //红黑树中插入元素,需要进行平衡调整(过程和TreeMap调整逻辑一模一样)break;}}}}//将TreeNode双向链表转化为红黑树结构之后,由于红黑树是基于根节点进行查找,所以必须将红黑树的根节点作为数组当前位置的元素moveRootToFront(tab, root);
}
将红黑树的根节点移动到数组的索引所在位置上:
static <K,V> void moveRootToFront(Node<K,V>[] tab, TreeNode<K,V> root) {int n;if (root != null && tab != null && (n = tab.length) > 0) {int index = (n - 1) & root.hash; //找到红黑树根节点在数组中的位置TreeNode<K,V> first = (TreeNode<K,V>)tab[index]; //获取当前数组中该位置的元素if (root != first) { //红黑树根节点不是数组当前位置的元素Node<K,V> rn;tab[index] = root;TreeNode<K,V> rp = root.prev;if ((rn = root.next) != null) //将红黑树根节点前后节点相连((TreeNode<K,V>)rn).prev = rp;if (rp != null)rp.next = rn;if (first != null) //将数组当前位置的元素,作为红黑树根节点的后继节点first.prev = root;root.next = first;root.prev = null;}assert checkInvariants(root);}
}
红黑树插入
1、源码:
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;TreeNode<K,V> root = (parent != null) ? root() : this;for (TreeNode<K,V> p = root;;) {int dir, ph; K pk;if ((ph = p.hash) > h)//进行哈希值的比较dir = -1;else if (ph < h)dir = 1;else if ((pk = p.key) == k || (k != null && k.equals(pk)))return p;else if ((kc == null &&(kc = comparableClassFor(k)) == null) ||(dir = compareComparables(kc, k, pk)) == 0) {//hash值相同,则按照key进行比较if (!searched) {TreeNode<K,V> q, ch;searched = true;if (((ch = p.left) != null &&(q = ch.find(h, k, kc)) != null) ||//去左子树中查找哈希值相同,key相同的节点((ch = p.right) != null &&(q = ch.find(h, k, kc)) != null))//去右子树中查找哈希值相同,key相同的节点return q;}dir = tieBreakOrder(k, pk);//通过比较k与pk的hashcode}TreeNode<K,V> xp = p;if ((p = (dir <= 0) ? p.left : p.right) == null) {//找到红黑树合适的位置插入Node<K,V> xpn = xp.next;TreeNode<K,V> x = map.newTreeNode(h, k, v, xpn);if (dir <= 0) //插入到左节点或者右节点xp.left = x;elsexp.right = x;xp.next = x;//插入到双向链表合适的位置x.parent = x.prev = xp;if (xpn != null)((TreeNode<K,V>)xpn).prev = x;moveRootToFront(tab, balanceInsertion(root, x));//做插入后的平衡调整 将平衡后的红黑树节点作为数组该位置的元素return null;}}
}
2、说明:
当hash冲突时,单链表元素个数超过树化阈值(TREEIFY_THRESHOLD)后,转化为红黑树存储。之后再继续冲突,则就变成往红黑树中插入元素了。关于红黑树插入元素,请看我之前写的文章:TreeMap之元素插入
红黑树拆分
1、源码:
将红黑树按照扩容后的数组,重新计算索引位置,并且拆分后的红黑树还需要判断个数,从而决定是做去树化操作还是树化操作:
final void split(HashMap<K,V> map, Node<K,V>[] tab, int index, int bit) {TreeNode<K,V> b = this;// Relink into lo and hi lists, preserving orderTreeNode<K,V> loHead = null, loTail = null; //保存在原索引的红黑树TreeNode<K,V> hiHead = null, hiTail = null; //保存在新索引的红黑树int lc = 0, hc = 0;for (TreeNode<K,V> e = b, next; e != null; e = next) {next = (TreeNode<K,V>)e.next;e.next = null;if ((e.hash & bit) == 0) { //哈希值和原数组长度进行&操作,为0则在原数组的索引位置,非0则在原数组索引位置+原数组长度的新位置if ((e.prev = loTail) == null)loHead = e;elseloTail.next = e;loTail = e;++lc;}else {if ((e.prev = hiTail) == null)hiHead = e;elsehiTail.next = e;hiTail = e;++hc;}}if (loHead != null) {if (lc <= UNTREEIFY_THRESHOLD) //当红黑树的节点不大于去树化阈值,则将原索引处的红黑树进行去树化操作tab[index] = loHead.untreeify(map); //红黑树根节点作为原索引处的元素 else { //当红黑树的节点大于去树化阈值,则将原索引处的红黑树进行树化操作tab[index] = loHead;if (hiHead != null) // (else is already treeified)loHead.treeify(tab);}}if (hiHead != null) {if (hc <= UNTREEIFY_THRESHOLD) //当红黑树的节点不大于去树化阈值,则将新索引处的红黑树进行去树化操作tab[index + bit] = hiHead.untreeify(map); //红黑树根节点作为新索引处的元素else { //当红黑树的节点大于去树化阈值,则将新索引处的红黑树进行树化操作tab[index + bit] = hiHead;if (loHead != null)hiHead.treeify(tab);}}
}
去树化操作
1、源码:
遍历红黑树,还原成单链表结构:
final Node<K,V> untreeify(HashMap<K,V> map) {Node<K,V> hd = null, tl = null;for (Node<K,V> q = this; q != null; q = q.next) { //遍历红黑树,依次将TreeNode转化为Node,还原成单链表形式Node<K,V> p = map.replacementNode(q, null);if (tl == null)hd = p;elsetl.next = p;tl = p;}return hd;
}
综合示例
1、代码:
//插入38个元素,无hash冲突,依次存入索引0~37的位置HashMap<Integer, Integer> hashMap = new HashMap<>(64);for(int i=0; i<38; i++){hashMap.put(i, i);}//依次插入64、128、182、256、320、384,448,索引位置为0,出现hash冲突,往单链表中插入for (int i=1; i <= 7; i++) {hashMap.put(64*i, 64*i);}
//插入512,hash冲突,往单链表中插入。此时单链表个数大于TREEIFY_THRESHOLD,将单链表转化为红黑树
hashMap.put(64*8, 64*8);
//插入576,hash冲突,往红黑树中插入
hashMap.put(64*9, 64*9);
//hash不冲突,保存到数组索引为38的位置,此时总元素个数为48,新增阈值为48,不做处理。
hashMap.put(38, 38);
//hash不冲突,保存到数组索引为39的位置,此时总元素个数为49,新增阈值为48,扩容!!!
hashMap.put(39, 39);
2、内部实现过程:
图注:添加0~37
图注:添加64~448
图注:添加512
图注:树化操作
图注:调整根的位置
图注:添加576
图注:添加38
图注:添加39
图注:扩容
图注:去树化
讨论题
-
为何单链表转化为红黑树,要求节点个数大于8?
-
为何转化为红黑树前,要求数组总长度要大于64?
-
为何红黑树转化为单链表,要求节点个数小于等于6?