HashMap:
也是我们平时开发中使用频率很高的双列集合，直接父类是AbstractMap,是基于hash表存储的一种集合。
几个重要的类变量：
//hash表的初始化大小，默认为16.是基于数组实现的。
static final int DEFAULT_INITIAL_CAPACITY = 1 << 4; // aka 16
//hash表最大容量，最大值不能超过这个数值。
static final int MAXIMUM_CAPACITY = 1 << 30;
//默认加载因子，当我们初始化时默认hash表为16，当键值对的大小大于16*0.75=12时，就会触发扩容
static final float DEFAULT_LOAD_FACTOR = 0.75f;
//树形化得阈(yu)值，当hash表中某一个桶位置存储链表的长度大于8时，将链表转换为红黑树，至于为什么是8,因为理想状态下哈希表的每个箱子中，元素的数量遵守泊松分布，当链表长度大于8的时候，得出的概率几乎为0.
static final int TREEIFY_THRESHOLD = 8;
//当红黑树的大小小于6，解散红黑树
static final int UNTREEIFY_THRESHOLD = 6;
//在转变成树之前，还会有一次判断，只有键值对数量大于 64 才会发生转换。这是为了避免在哈希表建立初期，多个键值对恰好被放入了同一个链表中而导致不必要的转化。
static final int MIN_TREEIFY_CAPACITY = 64;
//map容量
transient Node<K,V>[] table;
//存储键值对个数
transient int size;
//修改计数
transient int modCount;
//扩容阈值
int threshold;
//加载因子
final float loadFactor;
//Map存储的基本单元Node,
static class Node<K,V> implements Map.Entry<K,V> {
final int hash;
final K key;
V value;
Node<K,V> next;
Node(int hash, K key, V value, Node<K,V> next) {
this.hash = hash;
this.key = key;
this.value = value;
this.next = next;
}
public final K getKey() { return key; }
public final V getValue() { return value; }
public final String toString() { return key + "=" + value; }
//计算当前元素的hash
public final int hashCode() {
return Objects.hashCode(key) ^ Objects.hashCode(value);
}
public final V setValue(V newValue) {
V oldValue = value;
value = newValue;
return oldValue;
}
public final boolean equals(Object o) {
if (o == this)
return true;
if (o instanceof Map.Entry) {
Map.Entry<?,?> e = (Map.Entry<?,?>)o;
if (Objects.equals(key, e.getKey()) &&
Objects.equals(value, e.getValue()))
return true;
}
return false;
}
}
//添加元素
public V put(K key, V value) {
//传入putVal之前会先计算器key的hash值
return putVal(hash(key), key, value, false, true);
}
//计算hash,最终会用以这个值作为tab数组的下标来存储
//我们不直接 key.hashCode()计算hash的原因是容易出现 哈希码 与 数组大小范围不匹配的情况，即 计算出来的哈希码可能 不在数组大小范围内，从而导致无法匹配存储位置。所以我们通过[ 哈希码 与运算(&) （数组长度-1）],根据HashMap的容量大小（数组长度），按需取 哈希码一定数量的低位 作为存储的数组下标位置，从而 解决 “哈希码与数组大小范围不匹配” 的问题
static final int hash(Object key) {
int h;
//扰动处理：加大哈希码低位的随机性，使得分布更均匀，从而提高对应数组存储下标位置的随机性 & 均匀性，最终减少Hash冲突
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;
//tab为空的话，通过resize()初始化或者扩容。
if ((tab = table) == null || (n = tab.length) == 0)
n = (tab = resize()).length;
//如果存入的当前元素的位置为空，直接tab插入元素
if ((p = tab[i = (n - 1) & hash]) == null)
tab[i] = newNode(hash, key, value, null);
//否则存在hash冲突
else {
Node<K,V> e; K k;
//p:tab[i]的hash与传入插入元素key一致，e记住table[i]的值，最后用新值覆盖
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
e = p;
//要是特么的是树形节点，直接存或者更新到红黑树里。
else if (p instanceof TreeNode)
e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
else {
//否则链表形式存储，binCount记录链表大小，超过8树形化
for (int binCount = 0; ; ++binCount) {
//如果存储位置为空，直接插入
if ((e = p.next) == null) {
p.next = newNode(hash, key, value, null);
if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st
//链表转为树， treeifyBin里首先进行 if (tab == null || (n = tab.length) < MIN_TREEIFY_CAPACITY) 的判断，只有键值对数量大于 64 才会发生转换。
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;
//tab大小比扩容阈值大，进行扩容。
if (++size > threshold)
resize();
afterNodeInsertion(evict);
return null;
}//扩容 :该函数有2种使用情况：1.初始化哈希表 2.当前数组容量过小，需扩容
final Node<K,V>[] resize() {
//默认容量
Node<K,V>[] oldTab = table;
int oldCap = (oldTab == null) ? 0 : oldTab.length;
//默认扩容阈值比这玩意大，就扩容。
int oldThr = threshold;
//新容器，新阈值
int newCap, newThr = 0;
if (oldCap > 0) {
//比最大还大？，限制你。
if (oldCap >= MAXIMUM_CAPACITY) {
threshold = Integer.MAX_VALUE;
return oldTab;
}
// 若无超过最大值，就扩充为原来的2倍
else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&
oldCap >= DEFAULT_INITIAL_CAPACITY)
newThr = oldThr << 1; // double threshold
}
//初始化哈希表（采用指定 or 默认值）
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);
}
// 计算新的resize上限
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) {
// 把每个bucket都移动到新的bucket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)
((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;
}