JDK1.8深入HashMap详解
HashMap
常量、变量
//初始Node<K,V>[] 大小为16
static final int DEFAULT_INITIAL_CAPACITY = 1 << 4;
//Node<K,V>[] 最大值为2的30次方
static final int MAXIMUM_CAPACITY = 1 << 30;
//默认加载因子
static final float DEFAULT_LOAD_FACTOR = 0.75f;
//树化阈值
static final int TREEIFY_THRESHOLD = 8;
//退为链表阈值
static final int UNTREEIFY_THRESHOLD = 6;
//HashMap的基本单位（后续我们会说成一个个桶）
transient Node<K,V>[] table;
transient Set<Map.Entry<K,V>> entrySet;
//HashMap以存储数据的数量
transient int size;
//记录hashmap的修改次数，应用于fail-fast机制
transient int modCount;
//扩容阈值
int threshold;
//加载因子
final float loadFactor;
Node内部类其实现了Entry接口
Node重写了hashCode与equals方法，具体自己看源码
4个构造方法：
//如果入参initialCapacity大于MAXIMUM_CAPACITY（2的30次方）则让其值为2的30次方
如果入参initialCapacity与loadFactory入参不正确则抛出异常
1、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);
}
2、public HashMap(int initialCapacity) {
this(initialCapacity, DEFAULT_LOAD_FACTOR);
}
3、public HashMap() {
this.loadFactor = DEFAULT_LOAD_FACTOR; // all other fields defaulted
}
//牵扯太多 后续再说
4、public HashMap(Map<? extends K, ? extends V> m) {
this.loadFactor = DEFAULT_LOAD_FACTOR;
putMapEntries(m, false);
}
请看下面一段代码
// 声明了一个Hash集合叫map，此时我们只是给map的加载因子赋予了默认值。
Hash<String, Object> map = new HashMap<>();
//我们put一个String类型的对象进入map
map.put("1","test1");
请看put源码：
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;//tab用来接当前map的table数组，p是table[]对应位置的元素
if ((tab = table) == null || (n = tab.length) == 0)
n = (tab = resize()).length;//如果map为空此时做出扩容操作
if ((p = tab[i = (n - 1) & hash]) == null)//(n-1)&hash计算出当前hash值对应table[]数组中哪个位置，如果当前位置为空则直接放在这里
tab[i] = newNode(hash, key, value, null);
else {//如果当前位置不为空
Node<K,V> e; K k;//k表示当前节点的key值，e用来记录旧节点（覆盖情况的出现）
//每次判断桶中的第一个元素即table[i],得到覆盖或者保持旧值取决于onlyIfAbsent
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
e = p;
else if (p instanceof TreeNode)
e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
else {
for (int binCount = 0; ; ++binCount) {//遍历桶中的链表，e用来记录p节点的next
if ((e = p.next) == null) {//只要遍历到p的下一个节点为空就直接连接到p的下一个节点
p.next = newNode(hash, key, value, null);
if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st//如果超过了树化阈值
treeifyBin(tab, hash);//树化
break;
}
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
break;//如果遍历到key相同的节点就跳出循环
p = e;//往链表下一个节点移动
}
}
if (e != null) { // existing mapping for key//put进的key值与链表上某一节点的key值相同
V oldValue = e.value;
if (!onlyIfAbsent || oldValue == null)
e.value = value;//赋予新值
afterNodeAccess(e);
return oldValue; //返回旧值
}
}
++modCount;//应用于fast-
if (++size > threshold)
resize();
afterNodeInsertion(evict);
return null;
}
依次解释putVal中hash（）、resize（）、putTreeVal（）
hash（）
static final int hash(Object key) {
int h;
return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}
返回一个int型基本数据。
1、如果key是null那么返回0，说明HashMap是可以把null作为Key传入的，
2、如果key不是null那么返回的是，key的hash值的前16位异或后16位，因为一个int是4个字节（32位二进制）。
充分利用了其高位数据，使hash值更加散乱。
来看resize（）--->HashMap的扩容机制
final Node<K,V>[] resize() {
Node<K,V>[] oldTab = table;//记录旧数组，待会需要把旧数组的值装入新数组中
int oldCap = (oldTab == null) ? 0 : oldTab.length;//oldCap记录原数组大小
int oldThr = threshold;//oldThr记录原数组的扩容阈值
int newCap, newThr = 0;//newCap记录新的数组大小、newThr记录新的数组的扩容阈值
if (oldCap > 0) { //原数组不为空
if (oldCap >= MAXIMUM_CAPACITY) {//原数组大小大于MAXIMUM_CAPACITY，则把threshold赋值为2^31-1
threshold = Integer.MAX_VALUE;
return oldTab;
}
//newCap = oldCap*2 之后如果小于MAXIMUM_CAPACITY且oldCap大于16（说明构造或经过了扩容），那么新阈值*2
else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&
oldCap >= DEFAULT_INITIAL_CAPACITY)
newThr = oldThr << 1;
}
else if (oldThr > 0)
newCap = oldThr;
else { //初始化hashmap
newCap = DEFAULT_INITIAL_CAPACITY;
newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);
}
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];//新建了一个大小为newCap的Node数组
table = newTab;
if (oldTab != null) {//既然我们已经有了新的Node[](空的)、新的阈值，那么我们只差copy新数组的值了
for (int j = 0; j < oldCap; ++j) {//遍历
Node<K,V> e;//用来暂时存储原数组中的元素
if ((e = oldTab[j]) != null) {//先把非空旧节点赋值给e，然后把旧节点赋予空值（准备gc）
oldTab[j] = null;
if (e.next == null)//如果当前桶只有一个元素（而非链表结构）
newTab[e.hash & (newCap - 1)] = e;//找出e节点在新table[]中的位置，并赋值
else if (e instanceof TreeNode)//如果e节点是树节点（说明桶中是红黑树了），须知！只有树化时才会把Node转换为ThreeNode
((TreeNode<K,V>)e).split(this, newTab, j, oldCap);//
else {//说明是链表结构
Node<K,V> loHead = null, loTail = null;//低位链头链尾
Node<K,V> hiHead = null, hiTail = null;//高位链头链尾
Node<K,V> next;
do {
next = e.next;
//我们可以知道的是CAPACITY一定是2的N次方，所以如果相与为0那么说明e的哈希值一定小于数组长度。我们把这一部分节点
叫做低位链表（0到oldCap-1）。剩下的叫高位链表（oldCap到newCap-1）。
if ((e.hash & oldCap) == 0) {
if (loTail == null)//链表的开始链头跟链尾为空，链头不会动，链尾一直指向最新加入的点若低位链尾为空则链头指向当前节点
loHead = e;
else
loTail.next = e;//若低位链尾不为空则由链尾指向当前节点
loTail = e;
}
else {
if (hiTail == null)
hiHead = e;
else
hiTail.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;
}//这两条if说明了一个事实，在原数组中的一个位置，会被分配到新数组中的两个位置，例如table[6]（table为2^3次方）上的链表，扩容以后一部分在table[6]，一部
分在table[14]。
}
}
}
}
return newTab;
}
可能resize有点长看的会有点晕，让我们来整理一下思路：
有①②③三个条件组依次判断
①、条件：原数组不为空
1）原数组大小大于MAXIMUN_CAPACITY,修改threshold为Integer.MAXIMUN（即2^31-1）
2)新数组大小为原数组的两倍且扩容完后的CAPACITY必须小于MAXIMUN_CAPACITY，而且原数组大小必须大于16。那么才给threshold*2
①、条件：原数组不为空、原阈值大于0
直接newThr = oldThr
①、条件：原数组为空、或者原阈值小于等于0（说明是调用了默认的构造器）
newCap = DEFAULT_INITIAL_CAPACITY;
newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);
②、条件：如果新阈值为零（这一步是为了防止在之前的if判断的情况下newThr没有被赋值）
newThr = (newCap < MAXIMUM_CAPACITY && ft < (float)MAXIMUM_CAPACITY ?
(int)ft : Integer.MAX_VALUE);
新数组容量小于最大值，且新阈值小于最大值，则让newThr = newCap*loadFactor 。否则就让其为Integer.MAX_VALUE。其实跟1、略相似
③、条件：原数组内容是否为空
不为空则要把原数组的内容放在新数组中，且原数组准备gc
for(int j=0; j<oldCap; j++)依次遍历原数组的table[]
每次用Node<K,V>记录table[j]然后让oldTab[j] = null;
接下来一组判断
1）条件：如果e的next为空（说明桶中只有一个元素）
那么newTab[e.hash & (newCap - 1)] = e;
2）条件：桶中不止一个元素，e是树节点（说明这个桶中是红黑树结构）
((TreeNode<K,V>)e).split(this, newTab, j, oldCap);
3）条件：桶中不止一个元素，且不是红黑树结构，那么就是单链表结构了
把单链表分为高位链表与低位链表两条链表
然后判断如果高位（低位）链表不为空则把低位链表放在当前桶中，高位链表放在当（前桶的位置+oldCap）。
看完树化看红黑树的putVal()
treeifyBin（）--->树化前的准备工作，把单链表变成双链表
final void treeifyBin(Node<K,V>[] tab, int hash) {
int n, index; Node<K,V> e;
if (tab == null || (n = tab.length) < MIN_TREEIFY_CAPACITY)//树化前的最后一步判断，如果tab[]的长度小于最小树化值（64），则扩容。
resize();
else if ((e = tab[index = (n - 1) & hash]) != null) {
TreeNode<K,V> hd = null, tl = null;//hd指向链表头节点，tl始终指向最新的新增节点。
do {
TreeNode<K,V> p = replacementTreeNode(e, null);//replacementTreeNode返回一个TreeNode，它的next节点是第二个参数
if (tl == null)
hd = p;
else {
p.prev = tl;
tl.next = p;
}
tl = p;
} while ((e = e.next) != null);
if ((tab[index] = hd) != null)//把链头放在桶中
hd.treeify(tab);//树化的终极细节
}
}
树化之前必须了解红黑树！
为什么会出现红黑树？
红黑树是基于二叉搜索树的。
二叉搜索树可以快速的找出一个给定关键字的数据，并且可以快速插入和删除数据项。但是二叉搜索树有一个很麻烦的问题，
如果插入的数据是随机的那么执行的效果会很好，可是如果插入的数据是有序、反序的数据此时二叉搜索树会退化成一个线性
链表，那么它的快速查找、插入、删除指定数据项的功能就丧失了。
红黑树节点特性：
1、每个节点只有红、黑两种颜色
2、根节点是黑色
3、每个叶子结点（ NIL或者空节点 ）是黑色
4、红色节点的子节点必须是黑色的（ 不存在父节点和其任意一个子节点都为红色节点 ）
5、从任一节点到其每个子节点所有的路径包含相同数据的黑色节点（ 相同黑色高度 ）
树节点
parent：父节点
left：左孩子节点
right：右孩子节点
prev：双链表（指向上一个几点）
treeify（）--->树化细节
需要注意的是，树化只是树化当前桶中的双链表成红黑树，并非所有table[]节点
final void treeify(Node<K,V>[] tab) {
TreeNode<K,V> root = null;//用于记录红黑树根节点
for (TreeNode<K,V> x = this, next; x != null; x = next) {//x等于调用了该方法的对象
next = (TreeNode<K,V>)x.next;
x.left = x.right = null;
if (root == null) {//如果是树化的初始阶段，则由调用该方法的对象（双链表的链头）作为根节点。
x.parent = null;
x.red = false;//根节点必须为黑色
root = x;
}
else {
K k = x.key;
int h = x.hash;
Class<?> kc = null;//记录待插入节点x的运行时类型
for (TreeNode<K,V> p = root;;) {//从根节点开始循环遍历找到合适的插入位置
int dir, ph;//dir为正：插入位置为左节点、dir为负：插入节点为右节点。ph代表当前遍历节点的hash值
K pk = p.key;
if ((ph = p.hash) > h)
dir = -1;
else if (ph < h)
dir = 1;
//若hash值相等则判断K类型是否实现了Comparable接口，实现了则由Comparable的compareTo方法比较
else if ((kc == null &&
(kc = comparableClassFor(k)) == null) ||
(dir = compareComparables(kc, k, pk)) == 0)
dir = tieBreakOrder(k, pk);
TreeNode<K,V> xp = p;
//遍历节点p的左（右）子树为空直接插入，并且让p往下一层走一步（用于下一次循环）。
if ((p = (dir <= 0) ? p.left : p.right) == null) {
x.parent = xp;
if (dir <= 0)
xp.left = x;
else
xp.right = x;
root = balanceInsertion(root, x);//每次插入节点之后必须平衡红黑树，返回根节点
break;
}
}
}
}
moveRootToFront(tab, root);//树化完成时把根节点变为桶中的第一个元素
}
treeify中的comparableClassFor方法：
//如果x对象的类是T,且实现了Comparable<T>那么返回类型T，否则返回null
static Class<?> comparableClassFor(Object x) {
if (x instanceof Comparable) {//首先判断是否实现了Comparable接口，没实现就直接返回null
Class<?> c; Type[] ts, as; Type t; ParameterizedType p;
//判断是否为String类，若是则直接返回Class<String>，
//public final class String implements java.io.Serializable, Comparable<String>
//可以看到String是实现了Comparable<String>接口的
if ((c = x.getClass()) == String.class)
return c;
if ((ts = c.getGenericInterfaces()) != null) {
for (int i = 0; i < ts.length; ++i) {
//如果该接口是泛型类型接口
//且原生类型为Comparable类
//且泛型参数只有一个，并且是c类型的 （类似于“c 类名 implements Comparable<c>”）
if (((t = ts[i]) instanceof ParameterizedType) &&
((p = (ParameterizedType)t).getRawType() ==
Comparable.class) &&
(as = p.getActualTypeArguments()) != null &&
as.length == 1 && as[0] == c) // type arg is c
return c;
}
}
}
return null;
}
balanceInsertion（）--->每次插入节点之后红黑树进行平衡
在了解怎么平衡之前请让这幅图在脑海中有一定影响，对于代码的理解帮助非常大
balanceInsertion细节
、
代码部分：
static <K,V> TreeNode<K,V> balanceInsertion(TreeNode<K,V> root,
TreeNode<K,V> x) {
x.red = true;//可以看出每次插入的新节点都为红色
//循环只有2个return跳出
for (TreeNode<K,V> xp, xpp, xppl, xppr;;){//xp:x的父亲、xpp：x的祖父、xppl：祖父的左孩、xppr:祖父右孩
if ((xp = x.parent) == null) {//插入节点为根节点
x.red = false;
return x;
}
else if (!xp.red || (xpp = xp.parent) == null)//插入的节点的父节点为黑色，或者不存在祖父节点（根节点）
return root;
if (xp == (xppl = xpp.left)) {//当插入节点的父节点是祖父节点的左孩子的时候
if ((xppr = xpp.right) != null && xppr.red) {//当叔叔节点存在且为红色的时候
xppr.red = false;
xp.red = false;
xpp.red = true;
x = xpp;//让下次循环节点从祖父节点开始
}
else {//当叔叔节点不存在、或者叔叔节点为黑色的时候
if (x == xp.right) {//当插入节点为父节点的右孩子的时候
root = rotateLeft(root, x = xp);//父节点左旋
xpp = (xp = x.parent) == null ? null : xp.parent;
}
if (xp != null) {//若旋转之后的父节点不为空则变黑色
xp.red = false;
if (xpp != null) {//若祖父节点不为空则变为红色，之后祖父节点右旋
xpp.red = true;
root = rotateRight(root, xpp);
}
}
}
}
else {//当插入节点的父节点是祖父节点的右孩子的时候
if (xppl != null && xppl.red) {//当叔叔节点存在且为红色的时候
xppl.red = false;
xp.red = false;
xpp.red = true;
x = xpp;//让下次循环节点从祖父节点开始
}
else {//当叔叔节点不存在、或者叔叔节点为黑色的时候
if (x == xp.left) {//当插入节点为父节点的左孩子的时候
root = rotateRight(root, x = xp);//父节点右旋
xpp = (xp = x.parent) == null ? null : xp.parent;
}
if (xp != null) {//若旋转之后的父节点不为空则变黑色
xp.red = false;
if (xpp != null) {//若祖父节点不为空则变为红色，之后祖父节点左旋
xpp.red = true;
root = rotateLeft(root, xpp);
}
}
}
}
}
}
moveRootToFront()--->把平衡了的红黑树的根节点放入桶中的第一个元素
static <K,V> void moveRootToFront(Node<K,V>[] tab, TreeNode<K,V> root) {
int n;
if (root != null && tab != null && (n = tab.length) > 0) {//健壮性判断
//这里强调一下为什么index会等于树化的桶对应的index，因为双链表的位置也是(n-1)&hash。所以链表上的每个节点的
hash值&(n-1)的值都会相同，所以不管链表上哪个节点是平衡后的红黑树的根节点，都会在原桶之中。
int index = (n - 1) & root.hash;
//需要明确的是，我们树化之后双链表的prev、next指向是没有改变的，只不过修改了TreeNode的parent、left、right
//所以即使平衡了红黑树之后，根节点很大可能不会是双链表的链头。
TreeNode<K,V> first = (TreeNode<K,V>)tab[index];//记录当前桶中第一个节点（双链表的首节点）
if (root != first) {//如果根节点不是双链表的表头
Node<K,V> rn;
tab[index] = root;//桶中的首元素直接指向了红黑树的根节点
TreeNode<K,V> rp = root.prev;
if ((rn = root.next) != null)//这三个if请看如下图
((TreeNode<K,V>)rn).prev = rp;
if (rp != null)
rp.next = rn;
if (first != null)
first.prev = root;
root.next = first;
root.prev = null;
}
assert checkInvariants(root);//检测是否符合红黑树
}
}
右旋
实现代码：（ 手动自己敲出来的 ）
static <K,V> TreeNode<K,V> rotateRight( TreeNode<K,V> root , TreeNode<K,V> p ){
TreeNode<K,V> lr,l,pp;//lr是p节点左孩子、l是p的左节点、pp是p的父节点
if( p != null && ( l = p.left )!=null ){//先判断p节点为不为空，不为空则判断p节点的左节点为不为空，如果不为空则进入接下来的判断
if( (lr = p.left = l.right) != null )//首先把lr指向p节点的左节点的右节点，如果这个时候lr不为空的话，那么久把p节点作为lr的父节点
lr.parent = p;
if( (pp = l.parent = p.parent) == null )//首先把p节点与l节点指向pp节点（作为他们的父节点），然后如果父节点不存在那么左节点将会变为根节点
(root = l).red = false;
else if( pp.right = p )//剩下的判断是说如果pp节点不为空（pp肯定指向了旋转之前该子树的根节点，判断是pp的左节点是p，还是右节点
是p），那么旋转之后必定该子树的根节点必须是pp节点的一个左（右）节点。
pp.right = l;
else
pp.left = l;
l.right = p;//因为旋转之后子节点父节点倒置了，所以要调整一下关系
p.parent = l;
}
return root;
}
OK我们现在学习红黑树的插入与删除
红黑树的插入
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;//获得根节点用于遍历
for (TreeNode<K,V> p = root;;) {//p为当前循环操作的节点
int dir, ph; K pk;//dir的值影响着我们是往左还是右接着遍历红黑树
if ((ph = p.hash) > h)
dir = -1;
else if (ph < h)
dir = 1;
else if ((pk = p.key) == k || (k != null && k.equals(pk)))//hash、key相同，覆盖情况的出现所以返回
return p;
else if ((kc == null &&
(kc = comparableClassFor(k)) == null) ||
(dir = compareComparables(kc, k, pk)) == 0) {//hash相同、key不相同，用compareTo比较key值大小，相同则
if (!searched) {
TreeNode<K,V> q, ch;
searched = true;
if (((ch = p.left) != null &&//先从左子树开始搜索相同节点
(q = ch.find(h, k, kc)) != null) ||
((ch = p.right) != null &&//而后从右子树开始搜索相同节点
(q = ch.find(h, k, kc)) != null))
return q;//如果查找结果不为空（p!=null）则返回查找到的节点，交给putVal方法去覆盖
}
dir = tieBreakOrder(k, pk);
}
TreeNode<K,V> xp = p;
if ((p = (dir <= 0) ? p.left : p.right) == null) {//如果p节点坐在位置为空则直接进行插入
Node<K,V> xpn = xp.next;
TreeNode<K,V> x = map.newTreeNode(h, k, v, xpn);//生成一个新节点，其next指向spn
if (dir <= 0)
xp.left = x;
else
xp.right = x;
xp.next = x;
x.parent = x.prev = xp;
//此处仔细说明一下，为什么要生成xpn这个节点，我们必须要考虑的一点是桶中是一种带有双向链表的红黑树结构
所以当我们插入一个节点的时候必须要考虑双链表的插入形式，即xp.next=x，x.next=xpn，xpn.prev=x,反正就是双链表中插入一个节点该做的步骤
if (xpn != null)
((TreeNode<K,V>)xpn).prev = x;
moveRootToFront(tab, balanceInsertion(root, x));//先平衡红黑树再把根节点置为桶中的第一个元素
return null;
}
}
}
root()方法--->返回根节点
final TreeNode<K,V> root() {//如果父节点不为空就一直往上走，直到找到根节点
for (TreeNode<K,V> r = this, p;;) {//r记录当前循环执行节点，p记录r的父节点（用于下一次循环使用）
if ((p = r.parent) == null)//父节点为空时跳出循环返回根节点
return r;
r = p;//往上寻找
}
}
getTreeNode（）方法--->底层调用find()方法
final TreeNode<K,V> getTreeNode(int h, Object k) {
return ((parent != null) ? root() : this).find(h, k, null);
}
find（）方法--->Finds the node starting at root p with the given hash and key.
//find方法：在当前节点及其子孙节点中找到对应key值得节点，并返回
final TreeNode<K,V> find(int h, Object k, Class<?> kc) {
TreeNode<K,V> p = this;//用p记录当前节点
do {
int ph, dir; K pk;
TreeNode<K,V> pl = p.left, pr = p.right, q;
if ((ph = p.hash) > h)//如果当前节点的hash值比传入的hash值大，那么下次比较将由其左节点与传入的hash值比较
p = pl;
else if (ph < h)
p = pr;
else if ((pk = p.key) == k || (k != null && k.equals(pk)))//如果hash值相等，且key相等则表示找到了
return p;
else if (pl == null)//hash值相、key不相同，且左孩子为空则进行下一轮循环
p = pr;
else if (pr == null)
p = pl;
else if ((kc != null ||
(kc = comparableClassFor(k)) != null) &&
(dir = compareComparables(kc, k, pk)) != 0)//如果左右孩子都不为空，一路下来只能用compareTo比较了，不相同p就可以进行下一路循环
p = (dir < 0) ? pl : pr;
else if ((q = pr.find(h, k, kc)) != null)//如果K没有实现Comparable接口或者比较之后还是相同，只能递归调用find方法寻找右子树了
return q;
else//如果右子树还是没有找到对应的节点，只能从左子树开始寻找
p = pl;
} while (p != null);
return null;//找到最后没有找到对应的节点则返回null
}
红黑树的删除操作
public V remove(Object key) {//返回删除节点的value值
Node<K,V> e;
return (e = removeNode(hash(key), key, null, false, true)) == null ?
null : e.value;
}
/**
* Implements Map.remove and related methods
*
* @param hash hash for key
* @param key the key
* @param value the value to match if matchValue, else ignored
* @param matchValue if true only remove if value is equal
* @param movable if false do not move other nodes while removing
* @return the node, or null if none
*/
//先找待删除节点，最后判断若找到则删除节点，删除成功则返回删除节点，失败则返回null
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;
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;//node用来记录找到匹配的待删除节点
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))//桶中第一个元素就被匹配到相同的key值
node = p;
else if ((e = p.next) != null) {//如果桶中第一个元素没有被匹配到，且桶中不止一个元素的话
if (p instanceof TreeNode)//如果桶中是红黑树结构（一定要牢记只有树化时才会生成TreeNode节点）
node = ((TreeNode<K,V>)p).getTreeNode(hash, key);
else {//桶中是单链表结构
do {//循环遍历链表，找到就跳出循环，或者找到链尾都没有找到（找到链尾时p指向的是链表中最后一个节点）
if (e.hash == hash &&
((k = e.key) == key ||
(key != null && key.equals(k)))) {
node = e;
break;
}
p = e;
} while ((e = e.next) != null);
}
}
//这才是删除的步骤，之前是找到待删除节点
//如果matchValue为true则要判断value是否相等，如果不相同则方法返回null。
//链表的删除直接把指向该节点的链条不指向待删除节点就行
if (node != null && (!matchValue || (v = node.value) == value ||
(value != null && value.equals(v)))) {
if (node instanceof TreeNode)//如果匹配到的待删除节点为红黑树节点，调用红黑树的删除方法
((TreeNode<K,V>)node).removeTreeNode(this, tab, movable);
else if (node == p)//说明匹配的待删除节点是桶中第一个节点，则要把单链表中第二个节点放到桶中第一个元素
tab[index] = node.next;
else //前面提过了，只要是在链表遍历时候删除（链头已经匹配失败了）的时候p节点是始终跟在待删除节点的后一个节点，所以删除完成之后要把上一个节点的next指向删除节点的next
p.next = node.next;
++modCount;//修改次数加一（用于fail-fast机制）
--size;//map的大小减一
afterNodeRemoval(node);
return node;//返回已删除节点
}
}
return null;
}
深入拓展环节：fast-fail（快速失败机制）
为什么会有fast-fail机制？
如果HashMap在遍历的时候有另外一个线程对其进行了修改，那么会造成严重的后果。
首先看一个内部抽象类
abstract class HashIterator {
Node<K,V> next; // next entry to return 下一个节点
Node<K,V> current; // current entry 当前节点
int expectedModCount; // 被赋予开始遍历时HashMap的modCount、用于fast-fail机制
int index; // current slot 遍历Node<K,V> table[] 的下标
HashIterator() {
expectedModCount = modCount;//把当前HashMap的modCount赋值给内部类中的期望修改次数expectedModCount
Node<K,V>[] t = table;
current = next = null;
index = 0;
if (t != null && size > 0) { // advance to first entry
do {} while (index < t.length && (next = t[index++]) == null);//迅速找到第一个非空节点，因为HashMap的插入并非有序的
}
}
public final boolean hasNext() {
return next != null;
}
final Node<K,V> nextNode() {
Node<K,V>[] t;
Node<K,V> e = next;
if (modCount != expectedModCount)//首先就是检查在开始循环时被赋予的期望修改次数跟当前HashMap的修改次数是否相同
throw new ConcurrentModificationException();
if (e == null)
throw new NoSuchElementException();
if ((next = (current = e).next) == null && (t = table) != null) {
do {} while (index < t.length && (next = t[index++]) == null);
}
return e;
}
public final void remove() {
Node<K,V> p = current;
if (p == null)//判断当前节点是否为空
throw new IllegalStateException();
if (modCount != expectedModCount)//首先就是检查在开始循环时被赋予的期望修改次数跟当前HashMap的修改次数是否相同
throw new ConcurrentModificationException();
current = null;
K key = p.key;
removeNode(hash(key), key, null, false, false);
expectedModCount = modCount;//在做出remove操作之后会被重写赋予modCount值
}
}
final class KeyIterator extends HashIterator
implements Iterator<K> {
public final K next() { return nextNode().key; }
}
final class ValueIterator extends HashIterator
implements Iterator<V> {
public final V next() { return nextNode().value; }
}
final class EntryIterator extends HashIterator
implements Iterator<Map.Entry<K,V>> {
public final Map.Entry<K,V> next() { return nextNode(); }
}
那么我们什么时候用到这些迭代器呢？哇这就说的又是很大一个点
我们首先了解三个方法keySet()、values()、entrySet()
里面有一个方法叫iterator返回KeyIterator、ValueIterator、EntryIterator然后就可以遍历了。
这里我只详细说明一个
public Set<K> keySet() {
Set<K> ks = keySet;//这里的keySet是AbstractMap类里面的，因为HashMap是AbstractMap的子类
if (ks == null) {//初始化
ks = new KeySet();
keySet = ks;
}
return ks;//最终是不是Set<K> ks = new KeySet();KeySet的父类AbstractSet实现了Set接口，也就说明KeySet同样实现了Set接口
}
final class KeySet extends AbstractSet<K> {
public final int size() { return size; }//返回当前HashMap的size
public final void clear() { HashMap.this.clear(); }//HashMap.this调用外部类的clear()方法，因为同名所以必须显示调用
public final Iterator<K> iterator() { return new KeyIterator(); }//返回key的迭代器
public final boolean contains(Object o) { return containsKey(o); }//直接调用外部类的containsKey()方法
public final boolean remove(Object key) {
return removeNode(hash(key), key, null, false, true) != null;
}
public final Spliterator<K> spliterator() {
return new KeySpliterator<>(HashMap.this, 0, -1, 0, 0);
}
public final void forEach(Consumer<? super K> action) {
Node<K,V>[] tab;
if (action == null)
throw new NullPointerException();
if (size > 0 && (tab = table) != null) {
int mc = modCount;
for (int i = 0; i < tab.length; ++i) {
for (Node<K,V> e = tab[i]; e != null; e = e.next)
action.accept(e.key);
}
if (modCount != mc)
throw new ConcurrentModificationException();
}
}
}