一、hashcode 和 equals关系
先以一个小例子入手：
public class HashTest {
public static void main(String[] args) {
HashMap<Book,String> map = new HashMap<>();
Book b = new Book(1,"java");
map.put(b, "String");
System.out.println((b.hashCode() +" "+ new Book(1,"java").hashCode()));
System.out.println(map.get(new Book(1,"java")));
}
}
class Book {
public int price;
public String name;
public Book(int price, String name) {
super();
this.price = price;
this.name = name;
}
@Override
public boolean equals(Object obj) {
if (this == obj)
return true;
if (obj == null)
return false;
if (getClass() != obj.getClass())
return false;
Book other = (Book) obj;
if (name == null) {
if (other.name != null)
return false;
} else if (!name.equals(other.name))
return false;
return true;
}
}
这是个只重写了equals()，并没有重写hashcode()。上面运行的结果如下：
2018699554 1311053135
null
也就是没有重写的hashcode值，是系统处理的，内容一致的对象hashcode并不一定相同。第二点就是HashMap会根据Key的hashcode来决定放在哪个数组中，不同的hashcode当然得不到想要的Value。
对于hashcod()和equals()几点建议：
- equals相等，它的hashcode也一定要相等
- 重写了hashcode，也一定要重写equals
- equals要满足对称、反射、传递特性
二、HashMap
结构
HashMap的存储方式是数组+链表的形式，数组也叫作桶，hashcode | （数组大小-1）相等的Key放在同一个链表中。先看几个属性定义：
//默认数组的长度
static final int DEFAULT_INITIAL_CAPACITY = 1 << 4; // aka 16
// 数组的最大上限
static final int MAXIMUM_CAPACITY = 1 << 30;
// 默认加载因子，如果DEFAULT_LOAD_FACTOR * CAPACITY < 元素个数，就需要扩容调整
static final float DEFAULT_LOAD_FACTOR = 0.75f;
// 链表的结构定义
static class Node<K,V> implements Map.Entry<K,V> {
final int hash;
final K key;
V value;
Node<K,V> next;
}
首先最常见的问题是：数组的长度为什么只能是2的次方大小？
// 使用低16位避免冲突
static final int hash(Object key) {
int h;
return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}
如何根据Key的hashcode，将元素尽量平均的放入了桶中。如果采用非2次方会有什么影响了？
假设是数组的长度是15，那么15 - 1 = 1110；在与1110作与运算的时候，尾部永远都是0，事实上只有三位数有效，那么长度为15的数组只有8个用到了，剩下的都浪费了。那么采用除以长度取余的方式不就可以解决数组浪费的问题了嘛，但是取余的效率比按位与的方式差多了。
小结：
- 不是2的次方，会造成数组资源浪费的问题
- 采用取余的方法，没有按位与的效率高
HashMap的添加操作put
添加操作是HashMap的核心，会涉及到链表插入和重新扩容。
HashMap是支持null作为key或者value的
// 添加入口
public V put(K key, V value) {
return putVal(hash(key), key, value, false, true);
}
// 查找Key是不是之前插入过了，插入过了就直接返回，否则放在链表末尾
// 如果数组还没初始化，则要resize()操作，如果单链表长度过大则treeifyBin(tab, hash)，将其树化存储;
final V putVal(int hash, K key, V value, boolean onlyIfAbsent,
boolean evict) {
Node<K,V>[] tab; Node<K,V> p; int n, i;
// 如果桶为null或长度为0，需要重新分配大小，相当于懒加载模式，使用时才初始化
if ((tab = table) == null || (n = tab.length) == 0)
n = (tab = resize()).length;
// 核心 按位与来查找元素在哪个桶上面，该桶的元素还没有，直接放在第一个即可
if ((p = tab[i = (n - 1) & hash]) == null)
tab[i] = newNode(hash, key, value, null);
else {
Node<K,V> e; K k;
// 找到该链表的第一个元素跟插入的元素的key是一样的，说明原本就插入过这个key
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);
// 寻找之前有没有插入过这个key ，如果e不为null就代表有
else {
for (int binCount = 0; ; ++binCount) {
if ((e = p.next) == null) {
// 如果
p.next = newNode(hash, key, value, null);
if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st
// 链表长度过大，也需要调节数组
treeifyBin(tab, hash);
break;
}
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
break;
p = e;
}
}
// existing mapping for key
if (e != null) {
V oldValue = e.value;
if (!onlyIfAbsent || oldValue == null)
e.value = value;
afterNodeAccess(e);
return oldValue;
}
}
++modCount;
if (++size > threshold)
resize();
afterNodeInsertion(evict);
return null;
}
现在看下扩容的方法resize()，遍历数组的，在递归链表，取出子元素按照新的规范存储
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) {
if (oldCap >= MAXIMUM_CAPACITY) {
threshold = Integer.MAX_VALUE;
return oldTab;
}
else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&
oldCap >= DEFAULT_INITIAL_CAPACITY)
// 数组扩大一倍
newThr = oldThr << 1; // double threshold
}
else if (oldThr > 0) // initial capacity was placed in threshold
newCap = oldThr;
else { // zero initial threshold signifies using defaults
newCap = DEFAULT_INITIAL_CAPACITY;
newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);
}
// 设置并检查新的阈值
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;
if (oldTab != null) {
// 通过循环遍历的方式将数据重新分配到新的数组桶中
for (int j = 0; j < oldCap; ++j) {
Node<K,V> e;
if ((e = oldTab[j]) != null) {
oldTab[j] = null;
if (e.next == null)
newTab[e.hash & (newCap - 1)] = e;
else if (e instanceof TreeNode) // 针对树化的部分进行分配
((TreeNode<K,V>)e).split(this, newTab, j, oldCap);
else { // preserve order
Node<K,V> loHead = null, loTail = null;
Node<K,V> hiHead = null, hiTail = null;
Node<K,V> next;
do {
next = e.next;
if ((e.hash & oldCap) == 0) {
if (loTail == null)
loHead = e;
else
loTail.next = e;
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;
}
}
}
}
}
return newTab;
}
