看了这份HashMap源码分析，面试官都得竖大拇指！
1、写在前面的话
put、resize、get、remove 方法，下面就正式开始。
2、put 方法
public V put(K key, V value) {
return putVal(hash(key), key,
value,
false,
true);
}
putValue方法。
hash 方法，代码如下
static final int hash(Object key) {
int h;
return (key ==
null) ?
0 : (h = key.hashCode()) ^ (h >>>
16);
}
hashCode方法，
public native int hashCode();
异或：相同返回 0 ，不同返回 1
HashCode 是 int值，32个 bit，如果直接用原始的 HashCode 计算的话：(n - 1) & hash，正常 HashCode 的 size 不会太大，高 16 位参与不到计算位置的运算里，所以计算hash 的时候进行了高 16 位和低 16 位的异或运算，根本目的是为了散列更均匀。
/**
* Implements Map.put and related methods.
*
* @param hash key 的 hash 值
* @param key key 值
* @param value value 值
* @param onlyIfAbsent true：如果某个 key 已经存在那么就不插了；false 存在则替换，没有则新增。这里为 false
* @param evict 不用管了，我也不认识
* @return previous value, or null if none
*/
final V putVal(int hash, K key, V value, boolean onlyIfAbsent,
boolean evict) {
// tab 表示当前 hash 散列表的引用
Node<K, V>[] tab;
// 表示具体的散列表中的元素
Node<K, V> p;
// n：表示散列表数组的长度
// i：表示路由寻址的结果
int n, i;
// 将 table 赋值发给 tab ；如果 tab == null，说明 table 还没有被初始化。则此时是需要去创建 table 的
// 为什么这个时候才去创建散列表？因为可能创建了 HashMap 时候可能并没有存放数据，如果在初始化 HashMap 的时候就创建散列表，势必会造成空间的浪费
// 这里也就是延迟初始化的逻辑
if ((tab = table) ==
null || (n = tab.length) ==
0) {
//resize()下面会单独详细讲解
n = (tab = resize()).length;
}
// 如果 p == null，说明寻址到的桶的位置没有元素。那么就将 key-value 封装到 Node 中，并放到寻址到的下标为 i 的位置
if ((p = tab[i = (n -
1) & hash]) ==
null) {
tab[i] = newNode(hash, key,
value,
null);
}
// 到这里说明 该位置已经有数据了，且此时可能是链表结构，也可能是树结构
else {
// e 表示找到了一个与当前要插入的key value 一致的元素
Node<K, V> e;
// 临时的 key
K k;
// p 的值就是上一步 if 中的结果即：此时的 (p = tab[i = (n - 1) & hash]) 不等于 null
// p 是原来的已经在 i 位置的元素，且新插入的 key 是等于 p中的key
//说明找到了和当前需要插入的元素相同的元素（其实就是需要替换而已）
if (p.hash == hash && ((k = p.key) == key || (key !=
null && key.
equals(k))))
//将 p 的值赋值给 e
e = p;
//说明已经树化，红黑树会有单独的文章介绍，本文不再赘述，不然文章要非常非常的长
else
if (p instanceof TreeNode) {
e = ((TreeNode<K, V>) p).putTreeVal(
this, tab, hash, key,
value);
}
else {
//到这里说明不是树结构，也不相等，那说明不是同一个元素，那就是链表了
for (
int binCount =
0; ; ++binCount) {
//如果 p.next == null 说明 p 是最后一个元素，说明，该元素在链表中也没有重复的，那么就需要添加到链表的尾部
if ((e = p.next) ==
null) {
//直接将 key-value 封装到 Node 中并且添加到 p的后面
p.next = newNode(hash, key,
value,
null);
// 当元素已经是 7了，再来一个就是 8 个了，那么就需要进行树化
if (binCount >= TREEIFY_THRESHOLD -
1) {
treeifyBin(tab, hash);
}
break;
}
//在链表中找到了某个和当前元素一样的元素，即需要做替换操作了。
if (e.hash == hash && ((k = e.key) == key || (key !=
null && key.
equals(k)))) {
break;
}
//将e(即p.next)赋值为e，这就是为了继续遍历链表的下一个元素（没啥好说的）下面有张图帮助大家理解。
p = e;
}
}
//如果条件成立，说明找到了需要替换的数据，
if (e !=
null) {
//这里不就是使用新的值赋值为旧的值嘛
V oldValue = e.
value;
if (!onlyIfAbsent || oldValue ==
null) {
e.
value =
value;
}
//这个方法没用，里面啥也没有
afterNodeAccess(e);
//HashMap put 方法的返回值是原来位置的元素值
return oldValue;
}
}
// 上面说过，对于散列表的 结构修改次数，那么就修改 modCount 的次数
++modCount;
//size 即散列表中的元素的个数，添加后需要自增，如果自增后的值大于扩容的阈值，那么就触发扩容操作
if (++size > threshold) {
resize();
}
//啥也没干
afterNodeInsertion(evict);
//原来位置没有值，那么就返回 null 呗
return
null;
}
3、resize 方法
final Node<K, V>[] resize() {
// oldTab 表示引用扩容前的 散列表
Node<K, V>[] oldTab = table;
// oldCap 扩容前的 table 数组的长度，后面就是一个简单的三目运算符：oldTab 为 null，长度则为 0 ，否则就取 table 实际的长度
int oldCap = (oldTab ==
null) ?
0 : oldTab.length;
//表示扩容之前的扩容阈值，也即触发本次 扩容的阈值
int oldThr = threshold;
// newCap：扩容之后的 table 的数组的长度
// newThr：扩容之后下次触发扩容的阈值
int newCap, newThr =
0;
//条件成立：说明散列表已经初始化过了，就是一次正常的容量不够了的扩容（因为在 table 没有初始化也会进行 resize 的）
if (oldCap >
0) {
//基本的容量大小判断，基本是不可能达到这个数值的，但是为了保持程序的健壮性，还是需要做该检查的。
if (oldCap >= MAXIMUM_CAPACITY) {
threshold = Integer.MAX_VALUE;
//直接返回原来的容量，已经已经达到最大值，无法再继续扩容了。
return oldTab;
}
//走到这里，首先将 newCap 扩大为原来的 2 倍，且需要判断是否超过了最大值
//并且要保证扩容之后的容量是大于扩容之前的阈值（16） oldCap >= DEFAULT_INITIAL_CAPACITY 这个条件会不成立吗？假设你创建HashMap 的时候传的初始容量为3 那么就不走这部进行扩容了
//两个条件都满足以后，那么就将扩容的阈值翻倍
else
if ((newCap = oldCap <<
1) < MAXIMUM_CAPACITY && oldCap >= DEFAULT_INITIAL_CAPACITY)
//将原来的扩容阈值扩大一倍后赋值给新的扩容阈值
newThr = oldThr <<
1;
}
// 到这一步说明 oldCap == 0，说明此时散列表中没有任何的元素。但是为什么扩容阈值会可能有大于 0 的情况。
//需要回头看下构造方法，除了无参构造，别的方法里面最终执行 tableSizeFor()方法。这就导致了 threshold 可能是 > 0 的
else
if (oldThr >
0) {
newCap = oldThr;
}
else {
// 到这一步说明 oldTab = 0,oldThr = 0；此时直接非 容量赋值初始值
newCap = DEFAULT_INITIAL_CAPACITY;
//通过 容量 * 负载因子 得到 扩容阈值
newThr = (
int) (DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);
}
//这个是什么情况？ 第一种是上面的 else if (oldThr > 0) { newCap = oldThr; }的情况下，还有一种是上面的第一个 if 中的else if 条件没有满足。这个时候 newThr == 0 是成立的
if (newThr ==
0) {
// 这里面就是在计算新的扩容阈值。
float ft = (
float) newCap * loadFactor;
//这里真没什么好说的，就是简单的三目运算
newThr = (newCap < MAXIMUM_CAPACITY && ft < (
float) MAXIMUM_CAPACITY ? (
int) ft : Integer.MAX_VALUE);
}
//将新的扩容阈值赋值给 threshold
threshold = newThr;
@SuppressWarnings({
"rawtypes",
"unchecked"})
//创建一个容量更大的数组
Node<K, V>[] newTab = (Node<K, V>[])
new Node[newCap];
//将新数组赋值给 table
table = newTab;
//条件成立，说明 原来的散列表中有元素呗
if (oldTab !=
null) {
//扩容没有捷径，就是每个桶位置去处理
for (
int j =
0; j < oldCap; ++j) {
//e：表示当前 node 节点
Node<K, V> e;
//将 j位置的元素赋值给 e，且如果 j 位置元素不为null。否则继续下一轮循环
if ((e = oldTab[j]) !=
null) {
//将 j 位置置为 null，方便 GC
oldTab[j] =
null;
//如果 e.next 为空，说明该位置没有发生过 hash 碰撞。
if (e.next ==
null) {
//计算新的桶的小标，并将e设置进去
newTab[e.hash & (newCap -
1)] = e;
}
else
if (e
instanceof TreeNode) {
//判断是否已经树化，本文不讨论，过~
((TreeNode<K, V>) e).split(
this, newTab, j, oldCap);
}
else {
//★★★★★最重要的的地方★★★★★ 处理链表 再拿出来单独介绍
......
}
}
}
}
return newTab;
}
final Node<K, V>[] resize() {
......
if (oldTab !=
null) {
......
else {
//★★★★★最重要的的地方★★★★★ 处理链表
// 低位链表：存放扩容之后的数组的下标位置，与当前数组的下标位置是一致的（下面会结合图来解释）
Node<K, V> loHead =
null, loTail =
null;
// 高位链表：存放扩容之后的数组的下标位置，当前数组的下标位置 + 扩容之前的数组的长度（下面会结合图来解释）
//卡不明白不要急，下面会针对这里详细讲解
Node<K, V> hiHead =
null, hiTail =
null;
//下一个节点
Node<K, V> next;
do {
//开始遍历元素
next = e.next;
//oldCap 一定是1000...这样形式的（2的次幂，最高位一定是 1 ）
//e.hash有两种情况，低位不用管，怎么都是0，高位可能是1也可能是0，如果是1那么结果就是1，那该条件就不成立了，如果是0那么结果必然是0
if ((e.hash & oldCap) ==
0) {
//如果改位置为空，直接将e放进去
if (loTail ==
null) {
loHead = e;
}
else {
//否则就添加到链表的后面
loTail.next = e;
}
loTail = e;
}
else {
//到这一步说明高位1为1，添加也是如果原来位置没有元素那么就直接添加，
if (hiTail ==
null) {
hiHead = e;
}
else {
//原来位置有值就将新元素添加到链表的尾部
hiTail.next = e;
}
hiTail = e;
}
}
while ((e = next) !=
null);
//下面的两个if不明白的请看下图中的注释
//低位链表有数据
if (loTail !=
null) {
//将原来的低位链表的next置空，方便GC，
loTail.next =
null;
//将低位链表直接添加到新的散列表的和原来的一样的下标位置
newTab[j] = loHead;
}
//高位链表有数据
if (hiTail !=
null) {
//将原来的高位链表的next置空，方便GC
hiTail.next =
null;
//将高位链表的放在 新的散列表的 老表的长度+老表的位置 的下标位置
newTab[j + oldCap] = hiHead;
}
}
}
}
}
return newTab;
}
可能很多朋友还是不明白，这里我再拿出来继续讲解下，假设原来散列表的长度是16，length - 1转成二进制是 0 1111，现在假设有一个 A 和 B 两个 Node 的 key 的 hash 值分别为：0 1111,1 1111 A 和 0 1110 取余 结果是：0 1111 & 0 1111 = 0 1111，下标是15， 同样 B 1 1111 & 0 1111 = 0 1111，这个时候是在原来的桶中的，现在散列表扩容后长度变成了 32 ，32 - 1 = 31 = 1 1111，此时再来计算 A 和 B 的在新的散列表中的位置，A ：0 1111 & 1 1111 = 0 1111 = 15，也就是说 A 在迁移到新的桶中的下标位置还是 15 ，再来看下 B ：1 1111 & 1 1111 = 1 1111 = 31，即 B 在新的散列表中的位置为 原来的散列表的长度（16）+ 原来的下标的位置（15） = 新的下标的位置（31），这就是迁移后元素存放的特点。
4、get 方法
public V get(Object key) {
Node<K, V> e;
return (e = getNode(hash(key), key)) ==
null ?
null : e.
value;
}
final Node<K, V> getNode(int hash, Object key) {
//当前HashMap的散列表的引用
Node<K, V>[] tab;
//first：桶头元素
//e：用于存放临时元素
Node<K, V> first, e;
//n：table 数组的长度
int n;
//元素中的 k
K k;
// 将 table 赋值为 tab，不等于null 说明有数据，(n = tab.length) > 0 同理说明 table 中有数据
//同时将 改位置的元素 赋值为 first
if ((tab = table) !=
null && (n = tab.length) >
0 && (first = tab[(n -
1) & hash]) !=
null) {
//定位到了桶的到的位置的元素就是想要获取的 key 对应的，直接返回该元素
if (first.hash == hash && ((k = first.key) == key || (key !=
null && key.
equals(k)))) {
return first;
}
//到这一步说明定位到的元素不是想要的，且改位置不仅仅有一个元素，需要判断是链表还是树
if ((e = first.next) !=
null) {
//是否已经树化，本文不考虑
if (first instanceof TreeNode) {
return ((TreeNode<K, V>) first).getTreeNode(hash, key);
}
//处理链表的情况
do {
//如果遍历到了就直接返回该元素
if (e.hash == hash && ((k = e.key) == key || (key !=
null && key.
equals(k)))) {
return e;
}
}
while ((e = e.next) !=
null);
}
}
//遍历不到返回null
return
null;
}
5、remove 方法
public V remove(Object key) {
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 值
* @param key key 值
* @param value value 值
* @param matchValue 是否需要值匹配 false 表示不需要
* @param movable 不用管
* @return the node, or null if none
*/
final Node<K, V> removeNode(int hash, Object key, Object value, boolean matchValue, boolean movable) {
//当前HashMap 中的散列表的引用
Node<K, V>[] tab;
//p：表示当前的Node元素
Node<K, V> p;
// n：table 的长度
// index：桶的下标位置
int n, index;
//(tab = table) != null && (n = tab.length) > 0 条件成立，说明table不为空（table 为空就没必要执行了）
// p = tab[index = (n - 1) & hash]) != null 将定位到的捅位的元素赋值给 p ，并判断定位到的元素不为空
if ((tab = table) !=
null && (n = tab.length) >
0 && (p = tab[index = (n -
1) & hash]) !=
null) {
//进到 if 里面来了，说明已经定位到元素了
//node：保存查找到的结果
//e：表示当前元素的下一个元素
Node<K, V> node =
null, e;
K k;
V v;
// 该条件如果成立，说明当前的元素就是要找的结果（这是最简单的情况，这个是很好理解的）
if (p.hash == hash && ((k = p.key) == key || (key !=
null && key.equals(k)))) {
node = p;
}
//到这一步，如果 (e = p.next) != null 说明该捅位找到的元素可能是链表或者是树，需要继续判断
else
if ((e = p.next) !=
null) {
//树，不考虑
if (p
instanceof TreeNode) {
node = ((TreeNode<K, V>) p).getTreeNode(hash, key);
}
//处理链表的情况
else {
do {
//如果条件成立，说明已经匹配到了元素，直接将查找到的元素赋值给 node，并跳出循环（总体还是很好理解的）
if (e.hash == hash && ((k = e.key) == key || (key !=
null && key.equals(k)))) {
node = e;
break;
}
//将正在遍历的当前的临时元素 e 赋值给 p
p = e;
}
while ((e = e.next) !=
null);
}
}
// node != null 说明匹配到了元素
//matchValue为false ，所以!matchValue = true，后面的条件直接不用看了
if (node !=
null && (!matchValue || (v = node.value) == value || (value !=
null && value.equals(v)))) {
//树，不考虑
if (node
instanceof TreeNode) {
((TreeNode<K, V>) node).removeTreeNode(
this, tab, movable);
}
// 这种情况是上面的最简单的情况
else
if (node == p) {
//直接将当前节点的下一个节点放在当前的桶位置（注意不是下一个桶位置，是该桶位置的下一个节点）
tab[index] = node.next;
}
else {
//说明定位到的元素不是该桶位置的头元素了，那直接进行一个简单的链表的操作即可
p.next = node.next;
}
//移除和添加都属于结构的修改，需要同步自增 modCount 的值
++modCount;
//table 中的元素个数减 1
--size;
//啥也没做，不用管
afterNodeRemoval(node);
//返回被移除的节点元素
return node;
}
}
//没有匹配到返回null 即可
return
null;
}
public boolean remove(Object key, Object value) {
return removeNode(hash(key), key,
value,
true,
true) !=
null;
}
// (!matchValue || (v = node.value) == value || (value != null && value.equals(v)))
//matchValue = true，所以 !matchValue = false,所以此时必须保证后面的值是true 才执行真正的 remove 操作
if (node !=
null && (!matchValue || (v = node.
value) ==
value || (
value !=
null &&
value.
equals(v)))) {
}
6、本文小结
完
往期推荐
有道无术，术可成；有术无道，止于术
好文章，我在看❤️