Archived Version

Appearance

Java 数据结构与集合源码 ​

简单来说，数据结构就是一种程序设计优化的方法论，研究数据的逻辑结构和物理结构以及它们之间相互关系，并对这种结构定义相应的运算，目的是加快程序的执行速度、减少内存占用的空间。

数据结构剖析 ​

数据间逻辑关系 ​

数据的逻辑结构指反映数据元素之间的逻辑关系，而与数据的存储无关，是独立于计算机的。

  • 集合结构：数据结构中的元素之间除了“同属一个集合”的相互关系外，别无其他关系。集合元素之间没有逻辑关系
  • 线性结构：数据结构中的元素存在“一对一”的相互关系。结构中必须存在唯一的首元素和唯一的尾元素。比如一维数组、链表、栈、队列等
  • 树形结构：数据结构中的元素存在“一对多”的相互关系。比如家谱、文件系统、组织架构
  • 图形结构：数据结构中的元素存在“多对多”的相互关系。比如全国铁路网、地铁图

数据的存储结构（或物理结构） ​

数据的物理结构/存储结构包括“数据元素的表示”和“关系的表示”。数据的存储结构是“计算机实现数据逻辑结构的表现”，它依赖于计算机语言。

顺序结构 ​

使用一组连续的存储单元依次存储逻辑上相邻的各个元素，这样的结构就被成为顺序结构。

  • 优点：只需要申请存放数据本身的内存空间即可，支持下标访问，也可以实现随机访问
  • 缺点：必须静态分配连续空间，内存空间的利用率比较低。插入或删除可能需要移动大量元素，效率比较低

链式结构 ​

不使用连续的存储空间存放元素，而是为每一个元素构造一个节点（包含元素和指向下一个元素的指针）。 节点中除了存放数据本身以外，还需要存放指向下一个节点的指针。

  • 优点：不采用连续的存储空间使得内存空间利用率比较高，没有顺序存储结构中必须静态分配元素个数的缺点。 插入或删除元素时，不需要移动大量的元素
  • 缺点：需要额外的空间来表达数据之间的逻辑关系，不支持下标访问和随机访问

索引结构 ​

除建立存储节点信息外，还建立附加的索引表来记录每个元素节点的地址。

除建立存储节点信息外，还建立附加的索引表来记录每个元素节点的地址。索引表由若干索引项组成。索引项的一般形式是：关键字，地址。

  • 优点：用节点的索引号来确定结点存储地址，检索速度快
  • 缺点：增加了附加的索引表，会占用较多的存储空间。在增加和删除数据时要修改索引表，因而会花费较多的时间

散列结构 ​

根据元素的关键字直接计算出该元素的存储地址，又称为 Hash 存储。

  • 优点：检索、增加和删除结点的操作都很快
  • 缺点：不支持排序，一般比用线性表存储需要更多的空间，并且记录的关键字不能重复

运算结构 ​

施加在数据上的运算包括运算的定义和实现。运算的定义是针对逻辑结构的，指出运算的功能； 运算的实现是针对存储结构的，指出运算的具体操作步骤。

一维数组 ​

数组的特点 ​

在 Java 中，数组是用来存放同一种数据类型的集合，注意只能存放同一种数据类型。

//只声明了类型和长度
数据类型[]  数组名称 = new 数据类型[数组长度];

//声明了类型，初始化赋值，大小由元素个数决定
数据类型[] 数组名称 = {数组元素1，数组元素2，......}

物理结构特点：

  • 申请内存：一次申请一大段连续的空间，一旦申请到了，内存就固定了
  • 不能动态扩展 (初始化给大了，浪费；给小了，不够用)，插入快，删除和查找慢
  • 存储特点：所有数据存储在这个连续的空间中，数组中的每一个元素都是一个具体的数据（或对象），所有数据都紧密排布，不能有间隔

自定义数组 ​

java
package javacode.data_structure;

class Array {
    private Object[] elementData;

    private int size;

    public Array(int capacity){
        elementData = new Object[capacity];
    }

    /**
     * 添加元素
     * @param value
     */
    public void add(Object value){
        if(size >= elementData.length){
            throw new RuntimeException("数组已满，不可添加");
        }
        elementData[size] = value;
        size++;
    }

    /**
     * 查询元素 value 在数组中的索引位置
     * @param value
     * @return
     */
    public int find(Object value){
        for (int i = 0; i < size; i++) {
            if(elementData[i].equals(value)){
                return i;
            }
        }
        return -1;
    }

    /**
     * 从当前数组中移除首次出现的 value 元素
     * @param value
     * @return
     */
    public boolean delete(Object value){
        int index = find(value);
        if(index == -1){
            return false;
        }

        for(int i = index;i < size - 1;i++){
            elementData[i] = elementData[i + 1];
        }
        elementData[size - 1] = null;
        size--;
        return true;
    }

    /**
     * 将数组中首次出现的 oldValue 替换为 newValue
     * @param oldValue
     * @param newValue
     * @return
     */
    public boolean update(Object oldValue,Object newValue){
        int index = find(oldValue);
        if(index == -1){
            return false;
        }
        elementData[index] = newValue;
        return true;

    }

    /**
     * 遍历数组中所有数据
     */
    public void print(){
        System.out.print("{");
        for (int i = 0; i < size; i++) {
            if(i == size - 1){
                System.out.println(elementData[i] + "}");
                break;
            }
            System.out.print(elementData[i] + ",");
        }
    }
}

public class ArrayTest {
    public static void main(String[] args) {
        Array arr = new Array(10);
        arr.add(123);
        arr.add("AA");
        arr.add(345);
        arr.add(345);
        arr.add("BB");
        arr.delete(345);
        arr.update(345,444);
        arr.print();
    }
}

链表 ​

链表的特点 ​

  • 逻辑结构：线性结构
  • 物理结构：不要求连续的存储空间
  • 存储特点：链表由一系列结点node（链表中每一个元素称为结点）组成，结点可以在代码执行过程中动态创建。 每个结点包括两个部分：一个是存储数据元素的数据域，另一个是存储下一个结点地址的指针域

常见的链表结构有如下的形式：

自定义链表 ​

自定义单向链表 ​

java
package javacode.custome_linkedlist.danxiang;

/*
单链表中的节点。
节点是单向链表中基本的单元。
每一个节点 Node 都有两个属性：
    一个属性：是存储的数据。
    另一个属性：是下一个节点的内存地址。
 */
public class Node {

    // 存储的数据
    Object data;

    // 下一个节点的内存地址
    Node next;

    public Node(){

    }

    public Node(Object data, Node next){
        this.data = data;
        this.next = next;
    }
}
java
package javacode.custome_linkedlist.danxiang;

/*
链表类 (单向链表)
 */
public class Link<E> {

    // 头节点
    Node header;

    private int size = 0;

    public int size(){
        return size;
    }

    // 向链表中添加元素的方法（向末尾添加）
    public void add(E data){
        //public void add(Object data){
        // 创建一个新的节点对象
        // 让之前单链表的末尾节点 next 指向新节点对象。
        // 有可能这个元素是第一个，也可能是第二个，也可能是第三个。
        if(header == null){
            // 说明还没有节点。
            // new 一个新的节点对象，作为头节点对象。
            // 这个时候的头节点既是一个头节点，又是一个末尾节点。
            header = new Node(data, null);
        }else {
            // 说明头不是空！
            // 头节点已经存在了！
            // 找出当前末尾节点，让当前末尾节点的 next 是新节点。
            Node currentLastNode = findLast(header);
            currentLastNode.next = new Node(data, null);
        }
        size++;
    }

    /**
     * 专门查找末尾节点的方法。
     */
    private Node findLast(Node node) {
        if(node.next == null) {
            // 如果一个节点的 next 是 null
            // 说明这个节点就是末尾节点。
            return node;
        }
        // 程序能够到这里说明：node 不是末尾节点。
        return findLast(node.next); // 递归算法！
    }

    /*// 删除链表中某个数据的方法
    public void remove(Object obj){
        //略
    }

    // 修改链表中某个数据的方法
    public void modify(Object newObj){
        //略
    }

    // 查找链表中某个元素的方法。
    public int find(Object obj){
        //略
    }*/
}

自定义双向链表 ​

java
package javacode.custome_linkedlist.shuangxiang;

/*
双向链表中的节点。
 */
public class Node<E> {
    Node prev;
    E data;
    Node next;

    Node(Node prev, E data, Node next) {
        this.prev = prev;
        this.data = data;
        this.next = next;
    }
}
java
package javacode.custome_linkedlist.shuangxiang;

import java.util.Iterator;

/**
 * 链表类 (双向链表)
 * @author 尚硅谷 - 宋红康
 * @create 15:05
 */
public class DoubleLinkedList<E> implements Iterable<E>{
    private Node first;  //链表的首元素
    private Node last;   //链表的尾元素
    private int total;

    public void add(E e){
        Node newNode = new Node(last, e, null);

        if(first == null){
            first = newNode;
        }else{
            last.next = newNode;
        }
        last = newNode;
        total++;
    }

    public int size(){
        return total;
    }

    public void delete(Object obj){
        Node find = findNode(obj);
        if(find != null){
            if(find.prev != null){
                find.prev.next = find.next;
            }else{
                first = find.next;
            }
            if(find.next != null){
                find.next.prev = find.prev;
            }else{
                last = find.prev;
            }

            find.prev = null;
            find.next = null;
            find.data = null;

            total--;
        }
    }

    private Node findNode(Object obj){
        Node node = first;
        Node find = null;

        if(obj == null){
            while(node != null){
                if(node.data == null){
                    find = node;
                    break;
                }
                node = node.next;
            }
        }else{
            while(node != null){
                if(obj.equals(node.data)){
                    find = node;
                    break;
                }
                node = node.next;
            }
        }
        return find;
    }

    public boolean contains(Object obj){
        return findNode(obj) != null;
    }

    public void update(E old, E value){
        Node find = findNode(old);
        if(find != null){
            find.data = value;
        }
    }

    @Override
    public Iterator<E> iterator() {
        return new Itr();
    }

    private class Itr implements Iterator<E>{
        private Node<E> node = first;

        @Override
        public boolean hasNext() {
            return node!=null;
        }

        @Override
        public E next() {
            E value = node.data;
            node = node.next;
            return value;
        }
    }
}

自定义双链表测试：

java
package javacode.custome_linkedlist.shuangxiang;

public class DoubleLinkedListTest {
    public static void main(String[] args) {
        DoubleLinkedList<String> my = new DoubleLinkedList<>();
        my.add("hello");
        my.add("world");
        my.add(null);
        my.add(null);
        my.add("java");
        my.add("java");
        my.add("atguigu");

        System.out.println("一共有：" + my.size());
        System.out.println("所有元素：");
        for (String s : my) {
            System.out.println(s);
        }
        System.out.println("-------------------------------------");
        System.out.println("查找 java,null,haha 的结果：");
        System.out.println(my.contains("java"));
        System.out.println(my.contains(null));
        System.out.println(my.contains("haha"));

        System.out.println("-------------------------------------");
        System.out.println("替换 java,null 后：");
        my.update("java","JAVA");
        my.update(null,"songhk");
        System.out.println("所有元素：");
        for (String s : my) {
            System.out.println(s);
        }
        System.out.println("-------------------------------------");
        System.out.println("删除 hello，JAVA,null，atguigu 后：");
        my.delete("hello");
        my.delete("JAVA");
        my.delete(null);
        my.delete("atguigu");
        System.out.println("所有元素：");
        for (String s : my) {
            System.out.println(s);
        }
    }
}

栈 ​

栈的特点 ​

  • 栈（Stack，有整齐排列的意思）又称为堆栈或堆叠，是限制仅在表的一端进行插入和删除运算的线性表
  • 栈按照先进后出（FILO,first in last out）的原则存储数据，先进入的数据被压入栈底，最后的数据在栈顶。 每次删除（退栈）的总是删除当前栈中最后插入（进栈）的元素，而最先插入的是被放在栈的底部，要到最后才能删除

TIP

弹夹里的子弹可以比作栈的数据。先装进弹夹的子弹反而最后打出。

核心类库中的栈结构有 Stack 和 LinkedList。 Stack 就是顺序栈，它是 Vector 的子类。 LinkedList 是链式栈。

体现栈结构的操作方法：

  • peek() 方法：查看栈顶元素，不弹出
  • pop() 方法：弹出栈
  • push(E e) 方法：压入栈

时间复杂度：

  • 索引：O(n)
  • 搜索：O(n)
  • 插入：O(1)
  • 移除：O(1)

Stack 使用举例 ​

java
package javacode.stack;

import org.junit.Test;

import java.util.LinkedList;
import java.util.Stack;

public class TestStack {
    /*
     * 测试 Stack
     * */
    @Test
    public void test1(){
        Stack<Integer> list = new Stack<>();
        list.push(1);
        list.push(2);
        list.push(3);

        System.out.println("list = " + list);

        System.out.println("list.peek()=" + list.peek());
        System.out.println("list.peek()=" + list.peek());
        System.out.println("list.peek()=" + list.peek());

/*
		System.out.println("list.pop() =" + list.pop());
		System.out.println("list.pop() =" + list.pop());
		System.out.println("list.pop() =" + list.pop());
		System.out.println("list.pop() =" + list.pop());//java.util.NoSuchElementException
*/

        while(!list.empty()){
            System.out.println("list.pop() =" + list.pop());
        }
    }

    /*
     * 测试 LinkedList
     * */
    @Test
    public void test2(){
        LinkedList<Integer> list = new LinkedList<>();
        list.push(1);
        list.push(2);
        list.push(3);

        System.out.println("list = " + list);

        System.out.println("list.peek()=" + list.peek());
        System.out.println("list.peek()=" + list.peek());
        System.out.println("list.peek()=" + list.peek());

/*
		System.out.println("list.pop() =" + list.pop());
		System.out.println("list.pop() =" + list.pop());
		System.out.println("list.pop() =" + list.pop());
		System.out.println("list.pop() =" + list.pop());//java.util.NoSuchElementException
*/
        while(!list.isEmpty()){
            System.out.println("list.pop() =" + list.pop());
        }
    }
}

自定义栈 ​

java
package javacode.stack;

public class MyStack {
    // 向栈当中存储元素，我们这里使用一维数组模拟。存到栈中，就表示存储到数组中。
    // 为什么选择 Object 类型数组？因为这个栈可以存储 java 中的任何引用类型的数据
    private Object[] elements;

    // 栈帧，永远指向栈顶部元素
    // 那么这个默认初始值应该是多少。注意：最初的栈是空的，一个元素都没有。
    //private int index = 0; // 如果 index 采用 0，表示栈帧指向了顶部元素的上方。
    //private int index = -1; // 如果 index 采用 -1，表示栈帧指向了顶部元素。
    private int index;

    /**
     * 无参数构造方法。默认初始化栈容量 10.
     */
    public MyStack() {
        // 一维数组动态初始化
        // 默认初始化容量是 10.
        this.elements = new Object[10];
        // 给 index 初始化
        this.index = -1;
    }

    /**
     * 压栈的方法
     * @param obj 被压入的元素
     */
    public void push(Object obj) throws Exception {
        if(index >= elements.length - 1){
            //方式 1：
            //System.out.println("压栈失败，栈已满！");
            //return;
            //方式 2：
            throw new Exception("压栈失败，栈已满！");
        }
        // 程序能够走到这里，说明栈没满
        // 向栈中加 1 个元素，栈帧向上移动一个位置。
        index++;
        elements[index] = obj;
        System.out.println("压栈" + obj + "元素成功，栈帧指向" + index);
    }

    /**
     * 弹栈的方法，从数组中往外取元素。每取出一个元素，栈帧向下移动一位。
     * @return
     */
    public Object pop() throws Exception {
        if (index < 0) {
            //方式 1：
            //System.out.println("弹栈失败，栈已空！");
            //return;
            //方式 2：
            throw new Exception("弹栈失败，栈已空！");
        }
        // 程序能够执行到此处说明栈没有空。
        Object obj = elements[index];
        System.out.print("弹栈" + obj + "元素成功，");
        elements[index] = null;
        // 栈帧向下移动一位。
        index--;
        return obj;
    }

    // set 和 get 也许用不上，但是你必须写上，这是规矩。你使用 IDEA 生成就行了。
    // 封装：第一步：属性私有化，第二步：对外提供 set 和 get 方法。
    public Object[] getElements() {
        return elements;
    }

    public void setElements(Object[] elements) {
        this.elements = elements;
    }

    public int getIndex() {
        return index;
    }

    public void setIndex(int index) {
        this.index = index;
    }
}

队列 ​

队列（Queue）是只允许在一端进行插入，而在另一端进行删除的运算受限的线性表。

队列是逻辑结构，其物理结构可以是数组，也可以是链表。

队列的修改原则：队列的修改是依先进先出（FIFO）的原则进行的。 新来的成员总是加入队尾（即不允许"加塞"），每次离开的成员总是队列头上的（不允许中途离队），即当前"最老的"成员离队。

树的理解 ​

名词解释：

  • 结点：树中的数据元素都称之为结点
  • 根节点：最上面的结点称之为根，一颗树只有一个根且由根发展而来，从另外一个角度来说，每个结点都可以认为是其子树的根
  • 父节点：结点的上层结点，如图中，结点 K 的父节点是 E、结点 L 的父节点是 G
  • 子节点：节点的下层结点，如图中，节点 E 的子节点是 K 节点、节点 G 的子节点是 L 节点
  • 兄弟节点：具有相同父节点的结点称为兄弟节点，图中 F、G、H 互为兄弟节点
  • 结点的度数：每个结点所拥有的子树的个数称之为结点的度，如结点 B 的度为 3
  • 树叶：度数为 0 的结点，也叫作终端结点，图中 D、K、F、L、H、I、J 都是树叶
  • 非终端节点（或分支节点）：树叶以外的节点，或度数不为 0 的节点。图中根、A、B、C、E、G 都是
  • 树的深度（或高度）：树中结点的最大层次数，图中树的深度为 4
  • 结点的层数：从根节点到树中某结点所经路径上的分支树称为该结点的层数，根节点的层数规定为 1，其余结点的层数等于其父亲结点的层数 +1
  • 同代：在同一棵树中具有相同层数的节点

二叉树的基本概念 ​

二叉树（Binary tree）是树形结构的一个重要类型。二叉树特点是每个结点最多只能有两棵子树，且有左右之分。 许多实际问题抽象出来的数据结构往往是二叉树形式，二叉树的存储结构及其算法都较为简单，因此二叉树显得特别重要。

二叉树的遍历 ​

  • 前序遍历：中左右（根左右）

先访问根结点，再前序遍历左子树，最后再前序遍历右子树。前序遍历运算访问二叉树各结点是以根、左、右的顺序进行访问的。

  • 中序遍历：左中右（左根右）

先中前序遍历左子树，然后再访问根结点，最后再中序遍 历右子树。中序遍历运算访问二叉树各结点是以左、根、右的顺序进行访问的。

  • 后序遍历：左右中（左右根）

先后序遍历左子树，然后再后序遍历右子树，最后访问根 结点。后序遍历运算访问二叉树各结点是以左、右、根的顺序进行访问的。

  • 前序遍历：ABDHIECFG
  • 中序遍历：HDIBEAFCG
  • 后序遍历：HIDEBFGCA

经典二叉树 ​

满二叉树 ​

除最后一层无任何子节点外，每一层上的所有结点都有两个子结点的二叉树。第 n 层的结点数是 2 的 n-1 次方，总的结点个数是 2 的 n 次方 - 1。

完全二叉树 ​

叶结点只能出现在最底层的两层，且最底层叶结点均处于次底层叶结点的左侧。

二叉排序/查找/搜索树 ​

英文名叫 BST (binary search/sort tree)，满足如下性质：

  • 若它的左子树不为空，则左子树上所有结点的值均小于它的根节点的值
  • 若它的右子树上所有结点的值均大于它的根节点的值
  • 它的左、右子树也分别为二叉排序/查找/搜索树

对二叉查找树进行中序遍历，得到有序集合，便于检索。

平衡二叉树 ​

Self-balancing binary search tree，AVL。平衡二叉树首先是二叉排序树，此外具有以下性质：

  • 它是一棵空树或它的左右两个子树的高度差的绝对值不超过 1
  • 并且左右两个子树也都是一棵平衡二叉树
  • 不要求非叶节点都有两个子结点

平衡二叉树的目的是为了减少二叉查找树的层次，提高查找速度。平衡二叉树的常用实现有红黑树、AVL、替罪羊树、Treap、伸展树等。

红黑树 ​

Red-Black Tree。红黑树的每个节点上都存储有颜色，可以是红 (Red) 或黑 (Black)。

红黑树是一种自平衡二叉查找树，是在计算机科学中用到的一种数据结构， 它是在 1972 年由 Rudolf Bayer 发明的。红黑树是复杂的，但它的操作有着良好的最坏情况运行时间，并且在实践中是高效的。

它可以在 O(log n) 时间内做查找，插入和删除，这里的 n 是树中元素的数目。

红黑树的特性：

  • 每个节点是红色或者黑色的
  • 根节点是黑色的
  • 每个叶子节点（NIL）是黑色的（这里的叶子节点是指为空 (NIL 或 NULL) 的叶子节点）
  • 每个红色节点的两个子节点都是黑色的 (从每个叶子到根的所有路径上不能有两个连续的红色节点)
  • 从任一节点到其每个叶子的所有路径都包含相同数目的黑色节点（确保没有一条路径会比其他路径长出 2 倍）

当我们插入或删除节点时，可能会破坏已有的红黑树，使得它不满足以上 5 个要求，那么此时就需要进行处理，使得它继续满足以上的 5 个要求：

  • recolor：将某个节点变红或变黑
  • rotation：将红黑树某些结点分支进行旋转（左旋或右旋）

红黑树可以通过红色节点和黑色节点尽可能的保证二叉树的平衡。主要是用它来存储有序的数据，它的时间复杂度是 O(logN)，效率非常之高。

二叉树及其结点的表示 ​

普通二叉树 ​

public class BinaryTree<E>{
    private TreeNode root; //二叉树的根结点
    private int total;//结点总个数
    
    private class TreeNode{
        //至少有以下几个部分
        TreeNode parent;
        TreeNode left;
        E data;
        TreeNode right;
        
        public TreeNode(TreeNode parent, TreeNode left, E data, TreeNode right) {
            this.parent = parent;
            this.left = left;
            this.data = data;
            this.right = right;
        }
	}
}

TreeMap 红黑树 ​

public class TreeMap<K,V> {
    private transient Entry<K,V> root;
    private transient int size = 0;
    
	static final class Entry<K,V> implements Map.Entry<K,V> {
        K key;
        V value;
        Entry<K,V> left;
        Entry<K,V> right;
        Entry<K,V> parent;
        boolean color = BLACK;

        /**
         * Make a new cell with given key, value, and parent, and with
         * {@code null} child links, and BLACK color.
         */
        Entry(K key, V value, Entry<K,V> parent) {
            this.key = key;
            this.value = value;
            this.parent = parent;
        }
    }
}

List 接口分析 ​

List 接口特点 ​

List 集合所有的元素是以一种线性方式进行存储的。 例如，存元素的顺序是 11、22、33。那么集合中，元素的存储就是按照 11、22、33 的顺序完成的

它是一个元素存取有序的集合。即元素的存入顺序和取出顺序有保证的。。

它是一个带有索引的集合，通过索引就可以精确的操作集合中的元素（与数组的索引是一个道理）。

集合中可以有重复的元素，通过元素的 equals 方法，来比较是否为重复的元素。

List 接口的主要实现类：

  • ArrayList：动态数组
  • Vector：动态数组
  • LinkedList：双向链表
  • Stack：栈

动态数组 ArrayList 与 Vector ​

Java 的 List 接口的实现类中有两个动态数组的实现：ArrayList 和 Vector。

ArrayList 与 Vector 的区别 ​

它们的底层物理结构都是数组，我们称为动态数组。

ArrayList 是新版的动态数组，线程不安全，效率高，Vector 是旧版的动态数组，线程安全，效率低。 动态数组的扩容机制不同，ArrayList 默认扩容为原来的 1.5 倍，Vector 默认扩容增加为原来的 2 倍。

数组的初始化容量，如果在构建 ArrayList 与 Vector 的集合对象时，没有显式指定初始化容量， 那么 Vector 的内部数组的初始容量默认为 10，而 ArrayList 在 JDK 6.0 及之前的版本也是 10，JDK8.0。 之后的版本 ArrayList 初始化为长度为 0 的空数组，之后在添加第一个元素时，再创建长度为 10 的数组。

原因：用的时候再创建数组，避免浪费。因为很多方法的返回值是 ArrayList 类型， 需要返回一个 ArrayList 的对象，例如从数据库查询对象的方法，返回值很多就是 ArrayList。有可能你要查询的数据不存在，要么返回 null，要么返回一个没有元素的 ArrayList 对象。

ArrayList 部分源码分析 ​

JDK1.7.0_07 中：

java
//属性
private transient Object[] elementData; //存储底层数组元素
private int size; //记录数组中存储的元素的个数

//构造器
public ArrayList() {
    this(10); //指定初始容量为 10
}

public ArrayList(int initialCapacity) {
    super();
    //检查初始容量的合法性
    if (initialCapacity < 0)
        throw new IllegalArgumentException("Illegal Capacity: "+ initialCapacity);
    //数组初始化为长度为 initialCapacity 的数组
    this.elementData = new Object[initialCapacity]; 
}

//方法：add() 相关方法
public boolean add(E e) {
    ensureCapacityInternal(size + 1);  //查看当前数组是否够多存一个元素
    elementData[size++] = e; //将元素 e 添加到 elementData 数组中
    return true;
}

private void ensureCapacityInternal(int minCapacity) {
    modCount++;
    // 如果 if 条件满足，则进行数组的扩容
    if (minCapacity - elementData.length > 0)
        grow(minCapacity);
}

private void grow(int minCapacity) {
    // overflow-conscious code
    int oldCapacity = elementData.length; //当前数组容量
    int newCapacity = oldCapacity + (oldCapacity >> 1); //新数组容量是旧数组容量的 1.5 倍
    if (newCapacity - minCapacity < 0)  //判断旧数组的 1.5 倍是否够
        newCapacity = minCapacity;
    //判断旧数组的 1.5 倍是否超过最大数组限制
    if (newCapacity - MAX_ARRAY_SIZE > 0)
        newCapacity = hugeCapacity(minCapacity);
    //复制一个新数组
    elementData = Arrays.copyOf(elementData, newCapacity);
}

//方法：remove() 相关方法
public E remove(int index) {
    rangeCheck(index); //判断 index 是否在有效的范围内

    modCount++; //修改次数加 1
    //取出 [index] 位置的元素，[index] 位置的元素就是要被删除的元素，用于最后返回被删除的元素
    E oldValue = elementData(index); 

    int numMoved = size - index - 1; //确定要移动的次数
    //如果需要移动元素，就用 System.arraycopy 移动元素
    if (numMoved > 0)
        System.arraycopy(elementData, index+1, elementData, index, numMoved);
    //将 elementData[size-1] 位置置空，让 GC 回收空间，元素个数减少
    elementData[--size] = null; 

    return oldValue;
}

private void rangeCheck(int index) {
    if (index >= size) //index 不合法的情况
        throw new IndexOutOfBoundsException(outOfBoundsMsg(index));
}

E elementData(int index) { //返回指定位置的元素
    return (E) elementData[index];
}

//方法：set() 方法相关
public E set(int index, E element) {
    rangeCheck(index); //检验 index 是否合法
	
    //取出 [index] 位置的元素，[index] 位置的元素就是要被替换的元素，用于最后返回被替换的元素
    E oldValue = elementData(index);
    //用 element 替换 [index] 位置的元素
    elementData[index] = element;
    return oldValue;
}

//方法：get() 相关方法
public E get(int index) {
    rangeCheck(index); //检验 index 是否合法

    return elementData(index); //返回 [index] 位置的元素
}

//方法：indexOf()
public int indexOf(Object o) {
    //分为 o 是否为空两种情况
    if (o == null) {
        //从前往后找
        for (int i = 0; i < size; i++)
            if (elementData[i]==null)
                return i;
    } else {
        for (int i = 0; i < size; i++)
            if (o.equals(elementData[i]))
                return i;
    }
    return -1;
}

//方法：lastIndexOf()
public int lastIndexOf(Object o) {
    //分为 o 是否为空两种情况
    if (o == null) {
        //从后往前找
        for (int i = size-1; i >= 0; i--)
            if (elementData[i]==null)
                return i;
    } else {
        for (int i = size-1; i >= 0; i--)
            if (o.equals(elementData[i]))
                return i;
    }
    return -1;
}

jdk1.8.0_271 中：

java
//属性
transient Object[] elementData;
private int size;
private static final Object[] DEFAULTCAPACITY_EMPTY_ELEMENTDATA = {};

//构造器
public ArrayList() {
    this.elementData = DEFAULTCAPACITY_EMPTY_ELEMENTDATA;  //初始化为空数组
}

//方法:add() 相关方法
public boolean add(E e) {
    //查看当前数组是否够多存一个元素
    ensureCapacityInternal(size + 1);  // Increments modCount!!
    //存入新元素到 [size] 位置，然后 size 自增 1
    elementData[size++] = e;
    return true;
}

private void ensureCapacityInternal(int minCapacity) {
    ensureExplicitCapacity(calculateCapacity(elementData, minCapacity));
}

private static int calculateCapacity(Object[] elementData, int minCapacity) {
    //如果当前数组还是空数组
    if (elementData == DEFAULTCAPACITY_EMPTY_ELEMENTDATA) {
        //那么 minCapacity 取 DEFAULT_CAPACITY 与 minCapacity 的最大值
        return Math.max(DEFAULT_CAPACITY, minCapacity);
    }
    return minCapacity;
}

//查看是否需要扩容
private void ensureExplicitCapacity(int minCapacity) {
    modCount++;  //修改次数加 1

    //如果需要的最小容量比当前数组的长度大，即当前数组不够存，就扩容
    if (minCapacity - elementData.length > 0)
        grow(minCapacity);
}

private void grow(int minCapacity) {
    // overflow-conscious code
    int oldCapacity = elementData.length; //当前数组容量
    int newCapacity = oldCapacity + (oldCapacity >> 1); //新数组容量是旧数组容量的 1.5 倍
    //看旧数组的 1.5 倍是否够
    if (newCapacity - minCapacity < 0)
        newCapacity = minCapacity;
    //看旧数组的 1.5 倍是否超过最大数组限制
    if (newCapacity - MAX_ARRAY_SIZE > 0)
        newCapacity = hugeCapacity(minCapacity);
    //复制一个新数组
    elementData = Arrays.copyOf(elementData, newCapacity);
}

ArrayList 相关方法图示 ​

  • ArrayList 采用数组作为底层实现
  • ArrayList 自动扩容过程
  • ArrayList 的 add(E e) 方法
  • ArrayList 的 add(int index,E e) 方法

Vector 部分源码分析 ​

jdk1.8.0_271 中：

java
//属性
protected Object[] elementData;
protected int elementCount;

//构造器
public Vector() {
	this(10); //指定初始容量 initialCapacity 为 10
}

public Vector(int initialCapacity) {
	this(initialCapacity, 0); //指定 capacityIncrement 增量为 0
}

public Vector(int initialCapacity, int capacityIncrement) {
    super();
    //判断了形参初始容量 initialCapacity 的合法性
    if (initialCapacity < 0)
        throw new IllegalArgumentException("Illegal Capacity: "+ initialCapacity);
    //创建了一个 Object[] 类型的数组
    this.elementData = new Object[initialCapacity];
    //增量，默认是 0，如果是 0，后面就按照 2 倍增加，如果不是 0，后面就按照你指定的增量进行增量
    this.capacityIncrement = capacityIncrement;
}

//方法：add() 相关方法
//synchronized 意味着线程安全的   
public synchronized boolean add(E e) {
    modCount++;
    //看是否需要扩容
    ensureCapacityHelper(elementCount + 1);
    //把新的元素存入 [elementCount]，存入后，elementCount 元素的个数增 1
    elementData[elementCount++] = e;
    return true;
}

private void ensureCapacityHelper(int minCapacity) {
     //看是否超过了当前数组的容量
    if (minCapacity - elementData.length > 0)
        grow(minCapacity); //扩容
}

private void grow(int minCapacity) {
    // overflow-conscious code
    int oldCapacity = elementData.length; //获取目前数组的长度
    //如果 capacityIncrement 增量是 0，新容量 = oldCapacity 的 2 倍
    //如果 capacityIncrement 增量是不是 0，新容量 = oldCapacity + capacityIncrement 增量;
    int newCapacity = oldCapacity + ((capacityIncrement > 0) ?
                                     capacityIncrement : oldCapacity);
    //如果按照上面计算的新容量还不够，就按照你指定的需要的最小容量来扩容 minCapacity
    if (newCapacity - minCapacity < 0)
        newCapacity = minCapacity;
    //如果新容量超过了最大数组限制，那么单独处理
    if (newCapacity - MAX_ARRAY_SIZE > 0)
        newCapacity = hugeCapacity(minCapacity);
    //把旧数组中的数据复制到新数组中，新数组的长度为 newCapacity
    elementData = Arrays.copyOf(elementData, newCapacity);
}

//方法：remove() 相关方法
public boolean remove(Object o) {
    return removeElement(o);
}
public synchronized boolean removeElement(Object obj) {
    modCount++;
    //查找 obj 在当前 Vector 中的下标
    int i = indexOf(obj);
    //如果 i>=0，说明存在，删除 [i] 位置的元素
    if (i >= 0) {
        removeElementAt(i);
        return true;
    }
    return false;
}

//方法：indexOf()
public int indexOf(Object o) {
    return indexOf(o, 0);
}
public synchronized int indexOf(Object o, int index) {
    if (o == null) {//要查找的元素是 null 值
        for (int i = index ; i < elementCount ; i++)
            if (elementData[i]==null)//如果是 null 值，用==null 判断
                return i;
    } else {//要查找的元素是非 null 值
        for (int i = index ; i < elementCount ; i++)
            if (o.equals(elementData[i]))//如果是非 null 值，用 equals 判断
                return i;
    }
    return -1;
}

//方法：removeElementAt()
public synchronized void removeElementAt(int index) {
    modCount++;
    //判断下标的合法性
    if (index >= elementCount) {
        throw new ArrayIndexOutOfBoundsException(index + " >= " +
                                                 elementCount);
    }
    else if (index < 0) {
        throw new ArrayIndexOutOfBoundsException(index);
    }

    //j 是要移动的元素的个数
    int j = elementCount - index - 1;
    //如果需要移动元素，就调用 System.arraycopy 进行移动
    if (j > 0) {
        //把 index+1 位置以及后面的元素往前移动
        //index+1 的位置的元素移动到 index 位置，依次类推
        //一共移动 j 个
        System.arraycopy(elementData, index + 1, elementData, index, j);
    }
    //元素的总个数减少
    elementCount--;
    //将 elementData[elementCount] 这个位置置空，用来添加新元素，位置的元素等着被 GC 回收
    elementData[elementCount] = null; /* to let gc do its work */
}

链表 LinkedList ​

Java 中有双链表的实现：LinkedList，它是 List 接口的实现类。

LinkedList 是一个双向链表，如图所示：

链表与动态数组的区别 ​

动态数组底层的物理结构是数组，因此根据索引访问的效率非常高。 但是非末尾位置的插入和删除效率不高，因为涉及到移动元素。另外添加操作时涉及到扩容问题，就会增加时空消耗。

链表底层的物理结构是链表，因此根据索引访问的效率不高，即查找元素慢。 但是插入和删除不需要移动元素，只需要修改前后元素的指向关系即可，所以插入、删除元素快。而且链表的添加不会涉及到扩容问题。

LinkedList 源码分析 ​

jdk1.8.0_271 中：

java
//属性
transient Node<E> first; //记录第一个结点的位置
transient Node<E> last; //记录当前链表的尾元素
transient int size = 0; //记录最后一个结点的位置

//构造器
public LinkedList() {
}

//方法：add() 相关方法
public boolean add(E e) {
    linkLast(e); //默认把新元素链接到链表尾部
    return true;
}

void linkLast(E e) {
    final Node<E> l = last; //用 l 记录原来的最后一个结点
    //创建新结点
    final Node<E> newNode = new Node<>(l, e, null);
    //现在的新结点是最后一个结点了
    last = newNode;
    //如果 l==null，说明原来的链表是空的
    if (l == null)
        //那么新结点同时也是第一个结点
        first = newNode;
    else
        //否则把新结点链接到原来的最后一个结点的 next 中
        l.next = newNode;
    //元素个数增加
    size++;
    //修改次数增加
    modCount++;
}

//其中，Node 类定义如下
private static class Node<E> {
    E item; //元素数据
    Node<E> next; //下一个结点
    Node<E> prev; //前一个结点

    Node(Node<E> prev, E element, Node<E> next) {
        this.item = element;
        this.next = next;
        this.prev = prev;
    }
}
//方法：获取 get() 相关方法
public E get(int index) {
    checkElementIndex(index);
    return node(index).item;
} 

//方法：插入 add() 相关方法
public void add(int index, E element) {
    checkPositionIndex(index);//检查 index 范围

    if (index == size)//如果 index==size，连接到当前链表的尾部
        linkLast(element);
    else
        linkBefore(element, node(index));
}

Node<E> node(int index) {
    // assert isElementIndex(index);
	/*
	index < (size >> 1) 采用二分思想，先将 index 与长度 size 的一半比较，如果 index<size/2，就只从位置 0
	往后遍历到位置 index 处，而如果 index>size/2，就只从位置 size 往前遍历到位置 index 处。这样可以减少一部
	分不必要的遍历。
	*/
    //如果 index<size/2，就从前往后找目标结点
    if (index < (size >> 1)) {
        Node<E> x = first;
        for (int i = 0; i < index; i++)
            x = x.next;
        return x;
    } else {//否则从后往前找目标结点
        Node<E> x = last;
        for (int i = size - 1; i > index; i--)
            x = x.prev;
        return x;
    }
}

//把新结点插入到 [index] 位置的结点 succ 前面
void linkBefore(E e, Node<E> succ) {//succ 是 [index] 位置对应的结点
    // assert succ != null;
    final Node<E> pred = succ.prev; //[index] 位置的前一个结点

    //新结点的 prev 是原来 [index] 位置的前一个结点
    //新结点的 next 是原来 [index] 位置的结点
    final Node<E> newNode = new Node<>(pred, e, succ);

    //[index] 位置对应的结点的 prev 指向新结点
    succ.prev = newNode;

    //如果原来 [index] 位置对应的结点是第一个结点，那么现在新结点是第一个结点
    if (pred == null)
        first = newNode;
    else
        pred.next = newNode;//原来 [index] 位置的前一个结点的 next 指向新结点
    size++;
    modCount++;
}

//方法：remove() 相关方法
public boolean remove(Object o) {
    //分 o 是否为空两种情况
    if (o == null) {
        //找到 o 对应的结点 x
        for (Node<E> x = first; x != null; x = x.next) {
            if (x.item == null) {
                unlink(x);//删除 x 结点
                return true;
            }
        }
    } else {
        //找到 o 对应的结点 x
        for (Node<E> x = first; x != null; x = x.next) {
            if (o.equals(x.item)) {
                unlink(x);//删除 x 结点
                return true;
            }
        }
    }
    return false;
}
E unlink(Node<E> x) {//x 是要被删除的结点
    // assert x != null;
    final E element = x.item;//被删除结点的数据
    final Node<E> next = x.next;//被删除结点的下一个结点
    final Node<E> prev = x.prev;//被删除结点的上一个结点

    //如果被删除结点的前面没有结点，说明被删除结点是第一个结点
    if (prev == null) {
        //那么被删除结点的下一个结点变为第一个结点
        first = next;
    } else {//被删除结点不是第一个结点
        //被删除结点的上一个结点的 next 指向被删除结点的下一个结点
        prev.next = next;
        //断开被删除结点与上一个结点的链接
        x.prev = null;//使得 GC 回收
    }

    //如果被删除结点的后面没有结点，说明被删除结点是最后一个结点
    if (next == null) {
        //那么被删除结点的上一个结点变为最后一个结点
        last = prev;
    } else {//被删除结点不是最后一个结点
        //被删除结点的下一个结点的 prev 执行被删除结点的上一个结点
        next.prev = prev;
        //断开被删除结点与下一个结点的连接
        x.next = null;//使得 GC 回收
    }
    //把被删除结点的数据也置空，使得 GC 回收
    x.item = null;
    //元素个数减少
    size--;
    //修改次数增加
    modCount++;
    //返回被删除结点的数据
    return element;
}

public E remove(int index) { //index 是要删除元素的索引位置
    checkElementIndex(index);
    return unlink(node(index));
}

LinkedList 相关方法图示 ​

  • 只有 1 个元素的 LinkedList
  • 包含 4 个元素的 LinkedList
  • add(E e) 方法
  • add(int index,E e) 方法
  • remove(Object obj) 方法
  • remove(int index) 方法

Map 接口分析 ​

哈希表的物理结构 ​

HashMap 和 Hashtable 底层都是哈希表（也称散列表），其中维护了一个长度为 2 的幂次方的 Entry 类型的数组 table， 数组的每一个索引位置被称为一个桶 (bucket)， 你添加的映射关系 (key,value) 最终都被封装为一个 Map.Entry 类型的对象，放到某个 table[index] 桶中。

使用数组的目的是查询和添加的效率高，可以根据索引直接定位到某个 table[index]。

HashMap 中数据添加过程 ​

JDK7 中过程分析 ​

java
// 在底层创建了长度为 16 的 Entry[] table 的数组
HashMap map = new HashMap();
map.put(key1,value1);
/*
分析过程如下：

将(key1,value1)添加到当前hashmap的对象中。首先会调用key1所在类的hashCode()方法，计算key1的哈希值1，
此哈希值1再经过某种运算(hash())，得到哈希值2。此哈希值2再经过某种运算(indexFor())，确定在底层table数组中的索引位置i。
   （1）如果数组索引为i上的数据为空，则(key1,value1)直接添加成功   ------位置1
   （2）如果数组索引为i上的数据不为空，有(key2,value2)，则需要进一步判断：
       判断key1的哈希值2与key2的哈希值是否相同：
         （3） 如果哈希值不同，则(key1,value1)直接添加成功   ------位置2
              如果哈希值相同，则需要继续调用key1所在类的equals()方法，将key2放入equals()形参进行判断
                （4） equals方法返回false : 则(key1,value1)直接添加成功   ------位置3
                      equals方法返回true : 默认情况下，value1会覆盖value2。

位置1：直接将(key1,value1)以Entry对象的方式存放到table数组索引i的位置。
位置2、位置3：(key1,value1) 与现有的元素以链表的方式存储在table数组索引i的位置，新添加的元素指向旧添加的元素。

...
在不断的添加的情况下，满足如下条件的情况下，会进行扩容:
if ((size >= threshold) && (null != table[bucketIndex])) :
默认情况下，当要添加的元素个数超过12(即：数组的长度 * loadFactor得到的结果)时，就要考虑扩容。

补充：jdk7源码中定义的：
static class Entry<K,V> implements Map.Entry<K,V>
*/
java
map.get(key1);
/*
① 计算 key1 的 hash 值，用这个方法 hash(key1)

② 找 index = table.length-1 & hash;

③ 如果 table[index] 不为空，那么就挨个比较哪个 Entry 的 key 与它相同，就返回它的 value
*/
java
map.remove(key1);
/*
① 计算 key1 的 hash 值，用这个方法 hash(key1)

② 找 index = table.length-1 & hash;

③ 如果 table[index] 不为空，那么就挨个比较哪个 Entry 的 key 与它相同，就删除它，把它前面的 Entry 的 next 的值修改为被删除 Entry 的 next
*/

JDK8 中过程分析 ​

下面说明是 JDK8 相较于 JDK7 的不同之处：

/*
①
使用HashMap()的构造器创建对象时，并没有在底层初始化长度为16的table数组。

②
jdk8中添加的key,value封装到了HashMap.Node类的对象中。而非jdk7中的HashMap.Entry。

③
jdk8中新增的元素所在的索引位置如果有其他元素。在经过一系列判断后，如果能添加，则是旧的元素指向新的元素。而非jdk7中的新的元素指向旧的元素。“七上八下”

④
jdk7时底层的数据结构是：数组+单向链表。 而jdk8时，底层的数据结构是：数组+单向链表+红黑树。
红黑树出现的时机：当某个索引位置i上的链表的长度达到8，且数组的长度超过64时，此索引位置上的元素要从单向链表改为红黑树。
如果索引i位置是红黑树的结构，当不断删除元素的情况下，当前索引i位置上的元素的个数低于6时，要从红黑树改为单向链表。

*/

HashMap 源码剖析 ​

JDK1.7.0_07 中源码 ​

Entry ​

key-value 被封装为 HashMap.Entry 类型，而这个类型实现了 Map.Entry 接口。

java
public class HashMap<K,V>{
    transient Entry<K,V>[] table;
    
    static class Entry<K,V> implements Map.Entry<K,V> {
        final K key;
        V value;
        Entry<K,V> next;
        int hash;

        /**
         * Creates new entry.
         */
        Entry(int h, K k, V v, Entry<K,V> n) {
            value = v;
            next = n;
            key = k;
            hash = h;
        }
        //略
    }
}
属性 ​
java
//table 数组的默认初始化长度
static final int DEFAULT_INITIAL_CAPACITY = 16;
//哈希表
transient Entry<K,V>[] table;
//哈希表中 key-value 的个数
transient int size;
//临界值、阈值（扩容的临界值）
int threshold;
//加载因子
final float loadFactor;
//默认加载因子
static final float DEFAULT_LOAD_FACTOR = 0.75f;
构造器 ​
java
public HashMap() {
    //DEFAULT_INITIAL_CAPACITY：默认初始容量 16
  	//DEFAULT_LOAD_FACTOR：默认加载因子 0.75
    this(DEFAULT_INITIAL_CAPACITY, DEFAULT_LOAD_FACTOR);
}
java
public HashMap(int initialCapacity, float loadFactor) {
    //校验 initialCapacity 合法性
    if (initialCapacity < 0)
        throw new IllegalArgumentException("Illegal initial capacity: " + initialCapacity);
    //校验 initialCapacity 合法性 
    if (initialCapacity > MAXIMUM_CAPACITY)
        initialCapacity = MAXIMUM_CAPACITY;
    //校验 loadFactor 合法性
    if (loadFactor <= 0 || Float.isNaN(loadFactor))
        throw new IllegalArgumentException("Illegal load factor: " + loadFactor);

    //计算得到 table 数组的长度（保证 capacity 是 2 的整次幂）
    int capacity = 1;
    while (capacity < initialCapacity)
        capacity <<= 1;
	//加载因子，初始化为 0.75
    this.loadFactor = loadFactor;
    // threshold 初始为默认容量
    threshold = (int)Math.min(capacity * loadFactor, MAXIMUM_CAPACITY + 1);
    //初始化 table 数组
    table = new Entry[capacity];
    useAltHashing = sun.misc.VM.isBooted() &&
                                       (capacity >= Holder.ALTERNATIVE_HASHING_THRESHOLD);
    init();
}
put() 方法 ​
java
public V put(K key, V value) {
    //如果 key 是 null，单独处理，存储到 table[0] 中，如果有另一个 key 为 null，value 覆盖
    if (key == null)
        return putForNullKey(value);
    //对 key 的 hashCode 进行干扰，算出一个 hash 值
    /*
      hashCode 值        xxxxxxxxxx
      table.length-1    000001111
   
      hashCode 值 xxxxxxxxxx  无符号右移几位和原来的 hashCode 值做^运算，使得 hashCode 高位二进制值参与计算，
                            也发挥作用，降低 index 冲突的概率。
    */
    int hash = hash(key);
    //计算新的映射关系应该存到 table[i] 位置，
    //i = hash & table.length-1，可以保证 i 在 [0,table.length-1] 范围内
    int i = indexFor(hash, table.length);
    //检查 table[i] 下面有没有 key 与我新的映射关系的 key 重复，如果重复替换 value
    for (Entry<K,V> e = table[i]; e != null; e = e.next) {
        Object k;
        if (e.hash == hash && ((k = e.key) == key || key.equals(k))) {
            V oldValue = e.value;
            e.value = value;
            e.recordAccess(this);
            return oldValue;
        }
    }

    modCount++;
    //添加新的映射关系
    addEntry(hash, key, value, i);
    return null;
}

其中，

java
//如果 key 是 null，直接存入 [0] 的位置
private V putForNullKey(V value) {
    //判断是否有重复的 key，如果有重复的，就替换 value
    for (Entry<K,V> e = table[0]; e != null; e = e.next) {
        if (e.key == null) {
            V oldValue = e.value;
            e.value = value;
            e.recordAccess(this);
            return oldValue;
        }
    }
    modCount++;
    //把新的映射关系存入 [0] 的位置，而且 key 的 hash 值用 0 表示
    addEntry(0, null, value, 0);
    return null;
}
java
final int hash(Object k) {
    int h = 0;
    if (useAltHashing) {
        if (k instanceof String) {
            return sun.misc.Hashing.stringHash32((String) k);
        }
        h = hashSeed;
    }

    h ^= k.hashCode();

    // This function ensures that hashCodes that differ only by
    // constant multiples at each bit position have a bounded
    // number of collisions (approximately 8 at default load factor).
    h ^= (h >>> 20) ^ (h >>> 12);
    return h ^ (h >>> 7) ^ (h >>> 4);
}
java
static int indexFor(int h, int length) {
    return h & (length-1);
}
java
void addEntry(int hash, K key, V value, int bucketIndex) {
    //判断是否需要库容
    //扩容：（1）size 达到阈值（2）table[i] 正好非空
    if ((size >= threshold) && (null != table[bucketIndex])) {
        //table 扩容为原来的 2 倍，并且扩容后，会重新调整所有 key-value 的存储位置
        resize(2 * table.length); 
        //新的 key-value 的 hash 和 index 也会重新计算
        hash = (null != key) ? hash(key) : 0;
        bucketIndex = indexFor(hash, table.length);
    }
	//存入 table 中
    createEntry(hash, key, value, bucketIndex);
}
java
void createEntry(int hash, K key, V value, int bucketIndex) {
    Entry<K,V> e = table[bucketIndex];
    //原来 table[i] 下面的映射关系作为新的映射关系 next
    table[bucketIndex] = new Entry<>(hash, key, value, e);
    //个数增加
    size++; 
}

JDK1.8.0_271 中源码 ​

Node ​

key-value 被封装为 HashMap.Node 类型或 HashMap.TreeNode 类型，它俩都直接或间接的实现了 Map.Entry 接口。

存储到 table 数组的可能是 Node 结点对象，也可能是 TreeNode 结点对象，它们也是 Map.Entry 接口的实现类。 即 table[index] 下的映射关系可能串起来一个链表或一棵红黑树。

java
public class HashMap<K,V>{
    transient Node<K,V>[] table;
    
    //Node 类
    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;
        }
        // 其它结构：略
    }
    
    //TreeNode 类
    static final class TreeNode<K,V> extends LinkedHashMap.Entry<K,V> {
        TreeNode<K,V> parent;
        TreeNode<K,V> left;
        TreeNode<K,V> right;
        TreeNode<K,V> prev;
        boolean red; //是红结点还是黑结点
        TreeNode(int hash, K key, V val, Node<K,V> next) {
            super(hash, key, val, next);
        }
    }
    
    //....
}
属性 ​
java
static final int DEFAULT_INITIAL_CAPACITY = 1 << 4; // 默认的初始容量 16
static final int MAXIMUM_CAPACITY = 1 << 30; //最大容量  1 << 30
static final float DEFAULT_LOAD_FACTOR = 0.75f;  //默认加载因子
static final int TREEIFY_THRESHOLD = 8; //默认树化阈值 8，当链表的长度达到这个值后，要考虑树化
static final int UNTREEIFY_THRESHOLD = 6;//默认反树化阈值 6，当树中结点的个数达到此阈值后，要考虑变为链表

//当单个的链表的结点个数达到 8，并且 table 的长度达到 64，才会树化。
//当单个的链表的结点个数达到 8，但是 table 的长度未达到 64，会先扩容
static final int MIN_TREEIFY_CAPACITY = 64; //最小树化容量 64

transient Node<K,V>[] table; //数组
transient int size;  //记录有效映射关系的对数，也是 Entry 对象的个数
int threshold; //阈值，当 size 达到阈值时，考虑扩容
final float loadFactor; //加载因子，影响扩容的频率
构造器 ​
java
public HashMap() {
    this.loadFactor = DEFAULT_LOAD_FACTOR; // all other fields defaulted (其他字段都是默认值)
}
put() 方法 ​
java
public V put(K key, V value) {
    return putVal(hash(key), key, value, false, true);
}

其中，

java
static final int hash(Object key) {
    int h;
    //如果 key 是 null，hash 是 0
	//如果 key 非 null，用 key 的 hashCode 值 与 key 的 hashCode 值高 16 进行异或
	//		即就是用 key 的 hashCode 值高 16 位与低 16 位进行了异或的干扰运算
		
	/*
	index = hash & table.length-1
	如果用 key 的原始的 hashCode 值  与 table.length-1 进行按位与，那么基本上高 16 没机会用上。
	这样就会增加冲突的概率，为了降低冲突的概率，把高 16 位加入到 hash 信息中。
	*/
    return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}
java
final V putVal(int hash, K key, V value, boolean onlyIfAbsent,boolean evict) {
    Node<K,V>[] tab; //数组
    Node<K,V> p;  //一个结点
    int n, i; //n 是数组的长度   i 是下标
    
    //tab 和 table 等价
	//如果 table 是空的
    if ((tab = table) == null || (n = tab.length) == 0){
        n = (tab = resize()).length;
        /*
		tab = resize();
		n = tab.length;*/
		/*
		如果 table 是空的，resize() 完成了①创建了一个长度为 16 的数组②threshold = 12
		n = 16
		*/
	}
    //i = (n - 1) & hash，下标 = 数组长度 -1 & hash
	//p = tab[i] 第 1 个结点
	//if(p==null) 条件满足的话说明 table[i] 还没有元素
    if ((p = tab[i = (n - 1) & hash]) == null){
        //把新的映射关系直接放入 table[i]
        tab[i] = newNode(hash, key, value, null);
        //newNode（）方法就创建了一个 Node 类型的新结点，新结点的 next 是 null
    }else {
        Node<K,V> e; K k;
        //p 是 table[i] 中第一个结点
		//if(table[i] 的第一个结点与新的映射关系的 key 重复)
        if (p.hash == hash &&
            ((k = p.key) == key || (key != null && key.equals(k))))
            e = p;//用 e 记录这个 table[i] 的第一个结点
        else if (p instanceof TreeNode){ //如果 table[i] 第一个结点是一个树结点
            //单独处理树结点
            //如果树结点中，有 key 重复的，就返回那个重复的结点用 e 接收，即 e!=null
            //如果树结点中，没有 key 重复的，就把新结点放到树中，并且返回 null，即 e=null
            e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
        }else {
            //table[i] 的第一个结点不是树结点，也与新的映射关系的 key 不重复
			//binCount 记录了 table[i] 下面的结点的个数
            for (int binCount = 0; ; ++binCount) {
                //如果 p 的下一个结点是空的，说明当前的 p 是最后一个结点
                if ((e = p.next) == null) {
                    //把新的结点连接到 table[i] 的最后
                    p.next = newNode(hash, key, value, null);
                    //如果 binCount>=8-1，达到 7 个时
                    if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st
                        //要么扩容，要么树化
                        treeifyBin(tab, hash);
                    break;
                }
                //如果 key 重复了，就跳出 for 循环，此时 e 结点记录的就是那个 key 重复的结点
                if (e.hash == hash &&
                        ((k = e.key) == key || (key != null && key.equals(k))))
                    break;
                p = e;//下一次循环，e=p.next，就类似于 e=e.next，往链表下移动
            }
        }
        //如果这个 e 不是 null，说明有 key 重复，就考虑替换原来的 value
        if (e != null) { // existing mapping for key
            V oldValue = e.value;
            if (!onlyIfAbsent || oldValue == null)
                e.value = value;
            afterNodeAccess(e); //什么也没干
            return oldValue;
        }
    }
    ++modCount;
    
    //元素个数增加
	//size 达到阈值
    if (++size > threshold)
        resize(); //一旦扩容，重新调整所有映射关系的位置
    afterNodeInsertion(evict); //什么也没干
    return null;
}
java
final Node<K,V>[] resize() {
    Node<K,V>[] oldTab = table; //oldTab 原来的 table
    //oldCap：原来数组的长度
    int oldCap = (oldTab == null) ? 0 : oldTab.length;
    //oldThr：原来的阈值
    int oldThr = threshold;//最开始 threshold 是 0
    
    //newCap，新容量
	//newThr：新阈值
    int newCap, newThr = 0;
    if (oldCap > 0) { //说明原来不是空数组
        if (oldCap >= MAXIMUM_CAPACITY) { //是否达到数组最大限制
            threshold = Integer.MAX_VALUE;
            return oldTab;
        }
        else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&
                 oldCap >= DEFAULT_INITIAL_CAPACITY)
            //newCap = 旧的容量*2，新容量<最大数组容量限制
			//新容量：32,64，...
			//oldCap >= 初始容量 16
			//新阈值重新算 = 24，48 ....
            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; //新容量是默认初始化容量 16
        //新阈值= 默认的加载因子 * 默认的初始化容量 = 0.75*16 = 12
        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; //阈值赋值为新阈值 12，24.。。。
    //创建了一个新数组，长度为 newCap，16，32,64.。。
    @SuppressWarnings({"rawtypes","unchecked"})
    Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap];
    table = newTab;
    if (oldTab != null) { //原来不是空数组
        //把原来的 table 中映射关系，倒腾到新的 table 中
        for (int j = 0; j < oldCap; ++j) {
            Node<K,V> e;
            if ((e = oldTab[j]) != null) {//e 是 table 下面的结点
                oldTab[j] = null; //把旧的 table[j] 位置清空
                if (e.next == null) //如果是最后一个结点
                    newTab[e.hash & (newCap - 1)] = e; //重新计算 e 的在新 table 中的存储位置，然后放入
                else if (e instanceof TreeNode) //如果 e 是树结点
                    //把原来的树拆解，放到新的 table
                    ((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;
                    //把原来 table[i] 下面的整个链表，重新挪到了新的 table 中
                    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;
}
java
Node<K,V> newNode(int hash, K key, V value, Node<K,V> next) {
    //创建一个新结点
    return new Node<>(hash, key, value, next);
}
java
final void treeifyBin(Node<K,V>[] tab, int hash) {
    int n, index; 
    Node<K,V> e;
    //MIN_TREEIFY_CAPACITY：最小树化容量 64
    //如果 table 是空的，或者  table 的长度没有达到 64
    if (tab == null || (n = tab.length) < MIN_TREEIFY_CAPACITY)
        resize();//先扩容
    else if ((e = tab[index = (n - 1) & hash]) != null) {
        //用 e 记录 table[index] 的结点的地址
        TreeNode<K,V> hd = null, tl = null;
        /*
			do...while，把 table[index] 链表的 Node 结点变为 TreeNode 类型的结点
			*/
        do {
            TreeNode<K,V> p = replacementTreeNode(e, null);
            if (tl == null)
                hd = p;//hd 记录根结点
            else {
                p.prev = tl;
                tl.next = p;
            }
            tl = p;
        } while ((e = e.next) != null);

        //如果 table[index] 下面不是空
        if ((tab[index] = hd) != null)
            hd.treeify(tab);//将 table[index] 下面的链表进行树化
    }
}

小结：

LinkedHashMap 源码剖析 ​

源码 ​

内部定义的 Entry 如下：

java
static class Entry<K,V> extends HashMap.Node<K,V> {
	Entry<K,V> before, after;
	
	Entry(int hash, K key, V value, Node<K,V> next) {
		super(hash, key, value, next);
	}
}

LinkedHashMap 重写了 HashMap 中的 newNode() 方法：

java
Node<K,V> newNode(int hash, K key, V value, Node<K,V> e) {
    LinkedHashMap.Entry<K,V> p =
        new LinkedHashMap.Entry<K,V>(hash, key, value, e);
    linkNodeLast(p);
    return p;
}
java
TreeNode<K,V> newTreeNode(int hash, K key, V value, Node<K,V> next) {
    TreeNode<K,V> p = new TreeNode<K,V>(hash, key, value, next);
    linkNodeLast(p);
    return p;
}

图示 ​

Set 接口分析 ​

Set 集合与 Map 集合的关系 ​

Set 的内部实现其实是一个 Map，Set 中的元素，存储在 HashMap 的 key 中。 即 HashSet 的内部实现是一个 HashMap，TreeSet 的内部实现是一个 TreeMap，LinkedHashSet 的内部实现是一个 LinkedHashMap。

源码剖析 ​

HashSet 源码 ​

java
//构造器
public HashSet() {
    map = new HashMap<>();
}

public HashSet(int initialCapacity, float loadFactor) {
    map = new HashMap<>(initialCapacity, loadFactor);
}

public HashSet(int initialCapacity) {
    map = new HashMap<>(initialCapacity);
}

//这个构造器是给子类 LinkedHashSet 调用的
HashSet(int initialCapacity, float loadFactor, boolean dummy) {
    map = new LinkedHashMap<>(initialCapacity, loadFactor);
}

//add() 方法：
public boolean add(E e) {
    return map.put(e, PRESENT)==null;
}
//其中，
private transient HashMap<E,Object> map;
private static final Object PRESENT = new Object();

//iterator() 方法：
public Iterator<E> iterator() {
    return map.keySet().iterator();
}

LinkedHashSet 源码 ​

java
//构造器
public LinkedHashSet() {
    super(16, .75f, true);
} 
public LinkedHashSet(int initialCapacity) {
    super(initialCapacity, .75f, true);//调用 HashSet 的某个构造器
}
public LinkedHashSet(int initialCapacity, float loadFactor) {
    super(initialCapacity, loadFactor, true);//调用 HashSet 的某个构造器
}

TreeSet 源码 ​

java
public TreeSet() {
    this(new TreeMap<E,Object>());
}

TreeSet(NavigableMap<E,Object> m) {
    this.m = m;
}
//其中，
private transient NavigableMap<E,Object> m;

//add() 方法：
public boolean add(E e) {
    return m.put(e, PRESENT)==null;
}
//其中，
private static final Object PRESENT = new Object();

【拓展】HashMap 的相关问题 ​

1、说说你理解的哈希算法

hash 算法是一种可以从任何数据中提取出其“指纹”的数据摘要算法，它将任意大小的数据映射到一个固定大小的序列上， 这个序列被称为 hash code、数据摘要或者指纹。比较出名的 hash 算法有 MD5、SHA。 hash 是具有唯一性且不可逆的，唯一性是指相同的“对象”产生的 hash code 永远是一样的。

2、Entry 中的 hash 属性为什么不直接使用 key 的 hashCode() 返回值呢？

不管是 JDK1.7 还是 JDK1.8 中，都不是直接用 key 的 hashCode 值直接与 table.length-1 计算求下标的， 而是先对 key 的 hashCode 值进行了一个运算，JDK1.7 和 JDK1.8 关于 hash() 的实现代码不一样， 但是不管怎么样都是为了提高 hash code 值与 (table.length-1) 的按位与完的结果，尽量的均匀分布。

JDK1.7:

java
    final int hash(Object k) {
        int h = hashSeed;
        if (0 != h && k instanceof String) {
            return sun.misc.Hashing.stringHash32((String) k);
        }

        h ^= k.hashCode();
        h ^= (h >>> 20) ^ (h >>> 12);
        return h ^ (h >>> 7) ^ (h >>> 4);
    }

JDK1.8:

java
	static final int hash(Object key) {
        int h;
        return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
    }

虽然算法不同，但是思路都是将 hashCode 值的高位二进制与低位二进制值进行了异或，然高位二进制参与到 index 的计算中。

为什么要 hashCode 值的二进制的高位参与到 index 计算呢？

因为一个 HashMap 的 table 数组一般不会特别大，至少在不断扩容之前，那么 table.length-1 的大部分高位都是 0， 直接用 hashCode 和 table.length-1 进行 & 运算的话，就会导致总是只有最低的几位是有效的， 那么就算你的 hashCode() 实现的再好也难以避免发生碰撞，这时让高位参与进来的意义就体现出来了。 它对 hashcode 的低位添加了随机性并且混合了高位的部分特征，显著减少了碰撞冲突的发生。

3、HashMap 是如何决定某个 key-value 存在哪个桶的呢？

因为 hash 值是一个整数，而数组的长度也是一个整数，有两种思路：

①hash 值 % table.length 会得到一个[0,table.length-1] 范围的值，正好是下标范围，但是用 % 运算效率没有位运算符 & 高。

②hash 值 & (table.length-1)，任何数 & (table.length-1) 的结果也一定在[0, table.length-1]范围。

JDK1.7:

java
static int indexFor(int h, int length) {
    // assert Integer.bitCount(length) == 1 : "length must be a non-zero power of 2";
    return h & (length-1); //此处 h 就是 hash
}

JDK1.8:

java
final V putVal(int hash, K key, V value, boolean onlyIfAbsent, boolean evict) {
    Node<K,V>[] tab; Node<K,V> p; int n, i;
    if ((tab = table) == null || (n = tab.length) == 0)
        n = (tab = resize()).length;
    if ((p = tab[i = (n - 1) & hash]) == null)  // i = (n - 1) & hash
        tab[i] = newNode(hash, key, value, null);
    //....省略大量代码
}

4、为什么要保持 table 数组一直是 2 的 n 次幂呢？

因为如果数组的长度为 2 的 n 次幂，那么 table.length-1 的二进制就是一个高位全是 0，低位全是 1 的数字，这样才能保证每一个下标位置都有机会被用到。

举例 1：

hashCode值是   ？
table.length是10
table.length-1是9

？   ????????
9	 00001001
&_____________
	 00000000	[0]
	 00000001	[1]
	 00001000	[8]
	 00001001	[9]
	 一定[0]~[9]

举例 2：

hashCode值是   ？
table.length是16
table.length-1是15

？   ????????
15	 00001111
&_____________
	 00000000	[0]
	 00000001	[1]
	 00000010	[2]
	 00000011	[3]
	 ...
	 00001111    [15]
	 范围是[0,15]，一定在[0,table.length-1]范围内

5、解决 [index] 冲突问题

虽然从设计 hashCode() 到上面 HashMap 的 hash() 函数，都尽量减少冲突， 但是仍然存在两个不同的对象返回的 hashCode 值相同，或者 hashCode 值就算不同，通过 hash() 函数计算后， 得到的 index 也会存在大量的相同，因此 key 分布完全均匀的情况是不存在的。那么发生碰撞冲突时怎么办？

JDK1.8 之间使用：数组 + 链表的结构。

<img src='https://lukecheng2.oss-cn-chengdu.aliyuncs.com/public/assets/java/java-1/java-2-set-19.png />

JDK1.8 之后使用：数组 + 链表/红黑树的结构。

<img src='https://lukecheng2.oss-cn-chengdu.aliyuncs.com/public/assets/java/java-1/java-2-set-20.png />

即 hash 相同或 hash&(table.lengt-1) 的值相同，那么就存入同一个“桶”table[index]中，使用链表或红黑树连接起来。

6、为什么 JDK1.8 会出现红黑树和链表共存呢？

因为当冲突比较严重时，table[index]下面的链表就会很长，那么会导致查找效率大大降低，而如果此时选用二叉树可以大大提高查询效率。

但是二叉树的结构又过于复杂，占用内存也较多，如果结点个数比较少的时候，那么选择链表反而更简单。所以会出现红黑树和链表共存。

7、加载因子的值大小有什么关系？

如果太大，threshold 就会很大，那么如果冲突比较严重的话，就会导致 table[index]下面的结点个数很多，影响效率。

如果太小，threshold 就会很小，那么数组扩容的频率就会提高，数组的使用率也会降低，那么会造成空间的浪费。

8、什么时候树化？什么时候反树化？

java
static final int TREEIFY_THRESHOLD = 8;//树化阈值
static final int UNTREEIFY_THRESHOLD = 6;//反树化阈值
static final int MIN_TREEIFY_CAPACITY = 64;//最小树化容量

当某 table[index]下的链表的结点个数达到 8，并且 table.length>=64， 那么如果新 Entry 对象还添加到该 table[index]中，那么就会将 table[index]的链表进行树化。

当某 table[index]下的红黑树结点个数少于 6 个，此时，

  • 当继续删除 table[index]下的树结点，最后这个根结点的左右结点有 null，或根结点的左结点的左结点为 null，会反树化
  • 当重新添加新的映射关系到 map 中，导致了 map 重新扩容了，这个时候如果 table[index]下面还是小于等于 6 的个数，那么会反树化
java
package com.atguigu.map;

public class MyKey{
    int num;

    public MyKey(int num) {
        super();
        this.num = num;
    }

    @Override
    public int hashCode() {
        if(num<=20){
            return 1;
        }else{
            final int prime = 31;
            int result = 1;
            result = prime * result + num;
            return result;
        }
    }

    @Override
    public boolean equals(Object obj) {
        if (this == obj)
            return true;
        if (obj == null)
            return false;
        if (getClass() != obj.getClass())
            return false;
        MyKey other = (MyKey) obj;
        if (num != other.num)
            return false;
        return true;
    }

}
java
package com.atguigu.map;

import org.junit.Test;

import java.util.HashMap;

public class TestHashMapMyKey {
    @Test
    public void test1(){
        //这里为了演示的效果，我们造一个特殊的类，这个类的 hashCode（）方法返回固定值 1
        //因为这样就可以造成冲突问题，使得它们都存到 table[1] 中
        HashMap<MyKey, String> map = new HashMap<>();
        for (int i = 1; i <= 11; i++) {
            map.put(new MyKey(i), "value"+i);//树化演示
        }
    }
    @Test
    public void test2(){
        HashMap<MyKey, String> map = new HashMap<>();
        for (int i = 1; i <= 11; i++) {
            map.put(new MyKey(i), "value"+i);
        }
        for (int i = 1; i <=11; i++) {
            map.remove(new MyKey(i));//反树化演示
        }
    }
    @Test
    public void test3(){
        HashMap<MyKey, String> map = new HashMap<>();
        for (int i = 1; i <= 11; i++) {
            map.put(new MyKey(i), "value"+i);
        }

        for (int i = 1; i <=5; i++) {
            map.remove(new MyKey(i));
        }//table[1] 下剩余 6 个结点

        for (int i = 21; i <= 100; i++) {
            map.put(new MyKey(i), "value"+i);//添加到扩容时，反树化
        }
    }
}

9、key-value 中的 key 是否可以修改？

key-value 存储到 HashMap 中会存储 key 的 hash 值，这样就不用在每次查找时重新计算每一个 Entry 或 Node（TreeNode）的 hash 值了， 因此如果已经 put 到 Map 中的 key-value，再修改 key 的属性，而这个属性又参与 hashcode 值的计算，那么会导致匹配不上。

这个规则也同样适用于 LinkedHashMap、HashSet、LinkedHashSet、Hashtable 等所有散列存储结构的集合。

10、JDK1.7 中 HashMap 的循环链表是怎么回事？如何解决？

避免 HashMap 发生死循环的常用解决方案：

  • 多线程环境下，使用线程安全的 ConcurrentHashMap 替代 HashMap，推荐
  • 多线程环境下，使用 synchronized 或 Lock 加锁，但会影响性能，不推荐
  • 多线程环境下，使用线程安全的 Hashtable 替代，性能低，不推荐

HashMap 死循环只会发生在 JDK1.7 版本中，主要原因：头插法 + 链表 + 多线程并发 + 扩容。

在 JDK1.8 中，HashMap 改用尾插法，解决了链表死循环的问题。

Released under the MIT License.

Copyright © 2021-present