java基础解析系列(一)---String、StringBuffer、StringBuilder
java基础解析系列(二)---Integer
java基础解析系列(三)---HashMap
这是我的博客目录，欢迎阅读
基本概念
节点： Node，存放key和value
static class Node implements Map.Entry {
final int hash;
final K key;
V value;
Node next;
}
键值对数组：Node[] table
加载因子
容量 ：Node数组的长度
大小：hashmap存放的Node的数目
阈值：容量*加载因子
工作原理
创建一个长度为2的次幂的node数组
put的时候，计算key的hash值，将hash值与长度-1进行与运算
如果数组该下标的位置为空，直接存放，如果不为空，判断节点是否为树节点，如果是的话按红黑树的方式存入，否则按照链表的形式存入
当hashmap的节点数目大于阈值的时候，将会重新构造hashmap，而这种操作是费时的操作，所以建议初始化一个合适的容量
域
默认容量，2的四次方
static final int DEFAULT_INITIAL_CAPACITY = 1 << 4; // aka 16
默认加载因子
static final float DEFAULT_LOAD_FACTOR = 0.75f;
node 数组
transient Node[] table;
键值对数目，不是table的长度
/**
* The number of key-value mappings contained in this map.
*/
transient int size;
阈值
/**
* The next size value at which to resize (capacity * load factor).
*
* @serial
*/
//阈值
int threshold;
加载因子
/**
* The load factor for the hash table.
*
* @serial
*/
//加载因子
final float loadFactor;
构造方法
传入初始容量和加载因子
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);
}
传入初始容量，使用默认的加载因子
public HashMap(int initialCapacity) {
this(initialCapacity, DEFAULT_LOAD_FACTOR);
}
无参数，默认容量和加载因子
/**
* Constructs an empty HashMap with the default initial capacity
* (16) and the default load factor (0.75).
*/
public HashMap() {
this.loadFactor = DEFAULT_LOAD_FACTOR; // all other fields defaulted
}
）
容量必须是2的n次方，当你传入的参数不符合条件，会有方法找到一个大于这个参数的最小的2的n次方数(比如大于6的最小2的n次幂是8)，
put方法
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[] tab; Node 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 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)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;
}
直接用伪代码表示
put()
{
index=[hash(key)&（captity-1）]----下标的最大值为captity-1，进行与运算后最终的结果小于等于最大下标
if(table[index])==null)
直接添加node
else
{
if(p是treenode)
{
直接将节点添加到红黑树
}
else
{
如果不是红黑树是链表
if(p的键值==key)
覆盖value
else
{
遍历链表：
{
if(有对应的key)
{
覆盖value
break;
}
}
遍历完成后没有发现对应的key
{
添加到链表
if(链表长度>8)
{
将链表转化为红黑树
}
}
}
}
if(大小大于阈值)
{
容量加倍，重新构造
}
}
}
get方法
public V get(Object key) {
Node e;
return (e = getNode(hash(key), key)) == null ? null : e.value;
}
final Node getNode(int hash, Object key) {
Node[] tab; Node first, e; int n; K k;
if ((tab = table) != null && (n = tab.length) > 0 &&
(first = tab[(n - 1) & hash]) != null) {
//如果链表的第一个节点是的键和要查找的键相等，那么返回该node
if (first.hash == hash && // always check first node
((k = first.key) == key || (key != null && key.equals(k))))
return first;
//如果不是的，看该节点是不是树节点，是的话，用树的方法查找节点，如果不是的按链表的方式查找
if ((e = first.next) != null) {
if (first instanceof TreeNode)
return ((TreeNode)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;
}
为什么长度设置为2的n次方
if ((p = tab[i = (n - 1) & hash]) == null)
tab[i] = newNode(hash, key, value, null);
存放node到table数组的时候，他的下标是通过(n-1)&hash计算出来的（数组长度-1 和 key的hash的值相与，最后结果小于等于长度-1），n为table的长度。
当长度为2的n次幂的时候，(n-1)&hash==hash%n，而前者是位运算，速度会快很多
负载因子
负载因子较大，说明阈值较大，也就意味着可能发生更多的冲突
负载因子较小，说明阈值较小，也就意味着可能会更少的冲突
发生冲突的时候，会降低hashmap的查找速度，所以当要求更少的内存的时候可以增加负载因子，当要求更高的查找速度的时候，可以减少负载因子。
默认的参数是平衡的选择，所以不建议修改
我觉得分享是一种精神，分享是我的乐趣所在，不是说我觉得我讲得一定是对的，我讲得可能很多是不对的，但是我希望我讲的东西是我人生的体验和思考，是给很多人反思，也许给你一秒钟、半秒钟，哪怕说一句话有点道理，引发自己内心的感触，这就是我最大的价值。（这是我喜欢的一句话，也是我写博客的初衷）
作者：jiajun 出处： http://www.cnblogs.com/-new/
本文版权归作者和博客园共有，欢迎转载，但未经作者同意必须保留此段声明，且在文章页面明显位置给出原文连接，否则保留追究法律责任的权利。如果觉得还有帮助的话，可以点一下右下角的【推荐】，希望能够持续的为大家带来好的技术文章！想跟我一起进步么？那就【关注】我吧。
http://www.cnblogs.com/-new/p/7472455.html
