HashMap

一、定义

public class HashMap<K,V> extends AbstractMap<K,V>
    implements Map<K,V>, Cloneable, Serializable {
}

二、实现

2.1 数据结构

HashMap 的底层数据存储结构是“数组 + 链表 + 红黑树”，红黑树结构是 JDK8 之后进行的优化。

transient Node<K,V>[] table;

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; }

    public final int hashCode() {
        return Objects.hashCode(key) ^ Objects.hashCode(value);
    }
}

它的实际结构大概是这样子的：

  0    1    2    3    4    5    6    7 
 ____ ____ ____ ____ ____ ____ ____ ____
|    |    | 42 |    |    | 21 | 14 | 15 |
           /  \                 |    |
         26    58               22   7
        / \    / \              |
       10 34  50 66             6
      / \
     2  18

整个数组长度为8，而2那里放的就是红黑树，6、7那边则放的是链表。

实际上HashMap的数组长度这么短时，是不会有红黑树的，这里只是做个例子展示。

2.2 集合操作

1）查找元素

HashMap底层就是“数组 + 链表 + 红黑树”，所以查找也不是很麻烦，只要遍历数组的每一个链表或树就可以。

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) {
    Node<K,V>[] tab; Node<K,V> first, e; int n; K k;
    // 找到指定hash对应的数组位置
    if ((tab = table) != null && (n = tab.length) > 0 &&
        (first = tab[(n - 1) & hash]) != null) {
        // 判断第一个节点是否是查找的元素，是则直接返回
        if (first.hash == hash &&
            ((k = first.key) == key || (key != null && key.equals(k))))
            return first;
        if ((e = first.next) != null) {
            // 如果第一个节点不是，就遍历后面的元素查找
            if (first instanceof TreeNode)
                // 如果是红黑树结构，按照树的查找来找
                return ((TreeNode<K,V>)first).getTreeNode(hash, key);
            // 如果是链表，就逐个遍历查找
            do {
                if (e.hash == hash &&
                    ((k = e.key) == key || (key != null && key.equals(k))))
                    return e;
            } while ((e = e.next) != null);
        }
    }
    return null;
}

查找的话，可以分为几步：

1. 计算hash对应到table的位置first = table[(n - 1) & hash]，如果first不为null，则进行下一步；
2. 如果first就是所要寻找的元素，那么就直接返回；
3. 如果first是一个树节点（TreeNode），那么就按照树的查找来找目标元素；
4. 如果first是普通节点，就按照链表的顺序，从头到尾寻找目标元素。

理论上来说，只要知道了数据的结构，遍历寻找还是比较简单的。

2）删除元素

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;

        // 1. 查找删除节点和它的父节点
        if (p.hash == hash &&
            ((k = p.key) == key || (key != null && key.equals(k)))) {
            // 表头或树根节点，即放在数组中的节点
            node = p;
        } else if ((e = p.next) != null) {
            if (p instanceof TreeNode) {
                // 红黑树结构
                node = ((TreeNode<K,V>)p).getTreeNode(hash, key);
            } else {
                // 链表结构
                do {
                    if (e.hash == hash &&
                        ((k = e.key) == key ||
                            (key != null && key.equals(k)))) {
                        node = e;
                        break;
                    }
                    p = e;
                } while ((e = e.next) != null);
            }
        }

        // 2. 找到指定节点的话就删除
        if (node != null && (!matchValue || (v = node.value) == value ||
                                (value != null && value.equals(v)))) {
            if (node instanceof TreeNode) {
                // 红黑树结构
                ((TreeNode<K,V>)node).removeTreeNode(this, tab, movable);
            } else if (node == p) {
                // 链表表头，即放在数组中的节点
                tab[index] = node.next;
            } else {
                // 链表中的非表头节点
                p.next = node.next;
            }
            ++modCount;
            --size;
            afterNodeRemoval(node);
            return node;
        }
    }
    return null;
}

删除的处理逻辑也不复杂，就是源码写的花里胡哨：

1. 先找到要删除的节点，以及它的父节点，查找过程和上面的类似；
2. 如果是红黑树结构，就按照树结构来删除；
3. 如果是链表结构，直接按照链表结构删除节点，即父节点指向孙子节点。

3）添加元素

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) {
        // 1. 数组还未初始化，新建数组
        n = (tab = resize()).length;
    }
    if ((p = tab[i = (n - 1) & hash]) == null) {
        // 2. hash对应的数组位置还未初始化，直接插入新节点
        tab[i] = newNode(hash, key, value, null);
    } else {
        // 3. hash对应的数组位置已经初始化，即已存在链表或红黑树
        Node<K,V> e; K k;
        if (p.hash == hash &&
            ((k = p.key) == key || (key != null && key.equals(k)))) {
            // 3.1 表头或树根节点，即放在数组中的节点（用于性能优化）
            e = p;
        } else if (p instanceof TreeNode) {
            // 3.2 红黑树结构
            e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
        } else {
            // 3.3 链表结构
            for (int binCount = 0; ; ++binCount) {
                // 插入节点不存在，找到链表尾部插入新节点
                if ((e = p.next) == null) {
                    p.next = newNode(hash, key, value, null);
                    if (binCount >= TREEIFY_THRESHOLD - 1) {
                        // 如果达到阈值，需要把链表转化成红黑树
                        treeifyBin(tab, hash);
                    }
                    break;
                }

                // 插入节点已存在，则不插入新节点，而是更新值就行
                if (e.hash == hash &&
                    ((k = e.key) == key || (key != null && key.equals(k))))
                    break;
                p = e;
            }
        }

        // 如果插入节点已存在，就更新值，而不是插入新节点
        if (e != null) {
            V oldValue = e.value;
            if (!onlyIfAbsent || oldValue == null)
                e.value = value;
            afterNodeAccess(e);
            return oldValue;
        }
    }
    ++modCount;
    if (++size > threshold) {
        // 超过阈值，扩容
        resize();
    }
    afterNodeInsertion(evict);
    return null;
}

添加的话，可以分为几步：

1. table未初始化时，先初始化table
2. hash所在的table位置未初始化。计算hash对应到table的位置p = table[(n - 1) & hash]，如果p为null，则直接插入新节点到数组上
3. 添加节点已存在时。如果p在table中已存在，不会新建节点，而是直接更新值
4. 添加节点不存在时，分2种情况：

• 插入结构是红黑树，如果p是一个树节点（TreeNode），也就是红黑树结构，那么就按照树结构来添加节点
• 插入结构是链表，如果p是普通节点，也就是链表结构，把新节点添加到链表末尾。另外如果此时超过了阈值，链表会转化为红黑树

需要说明的一点就是，如果添加的元素在HashMap中已存在，那么就会更新对应节点的值，而不是插入新节点。

总的来说，集合的几个操作并不算复杂，复杂的是这些操作引起的扩容问题以及同hash值节点的数据结构变更（链表变树，树变链表）。

2.3 扩容机制

1）初始容量

HashMap的初始容量是指数组的长度，它要求数组的长度始终是“2的倍数”，和ArrayDueue的要求一样。

所以当传入的参数不符合要求时，就会对它进行修正：

static final int tableSizeFor(int cap) {
    int n = cap - 1;
    n |= n >>> 1;
    n |= n >>> 2;
    n |= n >>> 4;
    n |= n >>> 8;
    n |= n >>> 16;
    return (n < 0) ? 1 : (n >= MAXIMUM_CAPACITY) ? MAXIMUM_CAPACITY : n + 1;
}

也就是说，如果传入的初始化容量不是“2的倍数”，会自动被修正为“2的倍数”。

比如，new HashMap(3)实际上底层的数组长度的初始长度会是 4，new HashMap(14)实际上底层的数组长度的初始长度会是 16。

至于为什么要取“2的倍数”，应该和ArrayDueue的一样，其实就是计算从hash值映射到数组时可以更高效：

1. 计算机对于2倍数计算是很快的，直接通过移位操作（n << 1）就可以实现；
2. 计算hash对应的数组位置时，一般需要取模，但如果容量是2的倍数，那么取模就可以用掩码（table[i = (n - 1) & hash])）来实现，会更高效一些。

2）负载因子

对于扩容，有一个问题，就是什么时候才需要重新调整数组容量？

因为理论上来说，“数组 + 链表 + 红黑树”是可以放置无数个节点的，是不是一直都不需要调整呢？

实际上不是，一旦数据多了起来，不论是链表，还是红黑树，它的节点都会变得越来越多，查找也会越来越慢，这个时候就需要减短它的节点数量，来提高性能。

在 HashMap 中，使用了负载因子来表示需要数组扩容的时机：

final float loadFactor;

为了了解负载因子的作用，先解释一下负载的意义。举个例子说明，比如当前结构如下：

  0    1    2    3    4    5    6    7 
 ____ ____ ____ ____ ____ ____ ____ ____
| 0  | 1  | 42 | 11 |    | 21 | 14 | 15 |
                                |    |
                                22   7
                                |
                                6

此时的元素数量是 10，数组长度是 8，那么实际负载就是 10 / 8 = 1.25。

负载因子在一定意义上，代表了当前数据结构的饱满程度

假设HashMap的负载因子是0.75，那么对于上面的例子而已，它的负载值 1.25 > 0.75，实际上早就已经需要扩容了。

也就是说，在设定好指定的负载因子后，如果不断添加元素，实际负载也会不断增大，直到大于负载因子时，就需要进行扩容。

另外，HashMap为了减少负载的计算，一般都用阈值threshold来提前计算好会超过负载因子的最大元素数量。

threshold = table.length * loadFactor;

当元素的数量size > threshold时，就是实际负载超过负载因子的时候，这个时候就要进行扩容。

if (size > threshold) {
    // 超过阈值，扩容
    resize();
}

实际上，阈值threshold并不是一个必要的变量，只是为了提高性能，减少负载的计算（除法计算），而添加的。

3）扩容容量

HashMap 为了保持“2的倍数”容量，每次扩容都是之前的2倍。也就是 “新容量 = 旧容量 * 2”。

直接看一下扩容代码：

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) {
        // 数组不是第一次初始化时，对旧容量进行扩容
        // 如果旧容量已经是最大容量了，就不再扩容
        if (oldCap >= MAXIMUM_CAPACITY) {
            threshold = Integer.MAX_VALUE;
            return oldTab;
        }
        // 正常情况下，新容量 = 旧容量 * 2
        else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&
                    oldCap >= DEFAULT_INITIAL_CAPACITY)
            newThr = oldThr << 1;
    } else if (oldThr > 0) {
        // 数组第一次初始化时，如果初始化容量大于0，就用初始化容量，它也是2的倍数
        newCap = oldThr;
    } else {
        // 数组第一次初始化时，如果初始化容量为0，就用默认的初始化容量DEFAULT_INITIAL_CAPACITY
        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];
    table = newTab;

    // 略掉后面的代码，在后面的4）中贴有
}

扩容容量的计算还算简单，主要可以分为几步：

1. 如果不是第一次初始化数组，就对旧容量进行扩容，在没有达到最大容量的情况下，新容量 = 旧容量 * 2
2. 如果是第一次初始化数组，并且初始化容量大于0，那么就用初始化容量作为新容量
3. 如果是第一次初始化数组，并且初始化容量为0，那么就用默认初始化容量作为新容量

当然，代码中间还加上了一些溢出边界的判断，但是总体逻辑差不多就是这样。

4）数据迁移

扩容数组之后，还需要把旧数组的数据迁移到新数组中。先看它的代码：

final Node<K,V>[] resize() {
    // 略掉前面的代码，在前面的3）中贴有
    
    for (int j = 0; j < oldCap; ++j) {
        Node<K,V> e;
        if ((e = oldTab[j]) != null) {
            oldTab[j] = null;
            if (e.next == null) {
                // 只有一个节点的时候
                newTab[e.hash & (newCap - 1)] = e;
            } else if (e instanceof TreeNode) {
                // 红黑树结构
                ((TreeNode<K,V>)e).split(this, newTab, j, oldCap);
            } else {
                // 链表结构
                Node<K,V> loHead = null, loTail = null;
                Node<K,V> hiHead = null, hiTail = null;
                Node<K,V> next;
                // 把旧的链表拆分成2条新链表，同时保留旧链表的顺序
                do {
                    next = e.next;
                    if ((e.hash & oldCap) == 0) {
                        // 分配到低位链表
                        if (loTail == null)
                            loHead = e;
                        else
                            loTail.next = e;
                        loTail = e;
                    } else {
                        // 分配到高位链表
                        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;
                }
            }
        }
    }    
}

迁移过程可以分为几个步骤：

1. 遍历旧数组的所有元素，重新计算里面每个元素在新数组中的位置，并把它移动到新数组中
2. 因为是扩容了2倍，所以在旧数组中同位置的元素，映射到新数组上面时，会映射到2个位置
3. 如果是红黑树结构，映射到新数组时，也会被拆分成2部分
4. 如果是链表结构，映射到新数组时，也会被拆分成2条链表

举个例子说明一下，假设旧的数据结构如下：

  0    1    2    3    4    5    6    7 
 ____ ____ ____ ____ ____ ____ ____ ____ 
|    | 9  |    | 11 |    | 21 | 14 | 15 |
       |                        |    |
       1                        22   7
                                |
                                6

当前的数组大小是 8，那么按照前面的规则，扩容后的新数组长度应该是 16，重新分配后的结构如下：

  0    1    2    3    4    5    6    7 
 ____ ____ ____ ____ ____ ____ ____ ____ 
|    | 9  |    | 11 |    | 21 | 14 | 15 |
       |                        |    |
       1                        22   7
                                |
                                6

                    |
                    v

  0    1    2    3    4    5    6    7    8    9    10   11   12   13   14   15 
 ____ ____ ____ ____ ____ ____ ____ ____ ____ ____ ____ ____ ____ ____ ____ ____
|    | 1  |    |    |    | 21 | 22 | 7  |    |  9 |    | 11 |    |    | 14 | 15 |
                                                                        |
                                                                        6

其实重新hash的计算也很简单，因为是2倍扩容，实际上重新分配时，一部分节点还是在原来的位置，而另一部分会被分出去。

if ((e.hash & oldCap) == 0) {
    // 原来的索引位置 i
} else {
    // 扩容后的索引位置 i + oldCap.length
}

另外，HashMap 重新分配后的链表顺序还是和之前一样的。

这一点 HashMap 和 HashTable 不一样，HashTable 扩容后链表结构会反过来。

这是链表的重分配，实际上红黑树的重分配也是一样的，只不过调整树结构稍微麻烦一些，毕竟是有顺序的红黑树。

2.4 树转化

除了加上“红黑树”结构以外，HashMap 和 HashTable 的结构都差不多，一般情况下都是“数组 + 链表”。

而 HashMap 为了提高效率，增加了“红黑树”的功能，当然也给代码加了很多复杂操作~~

什么时候需要红黑树呢？这里先说明一下相关的几个属性：

/**
 * 转化树的数组长度阈值
 */
static final int MIN_TREEIFY_CAPACITY = 64;

/**
 * 链表转树的阈值
 */
static final int TREEIFY_THRESHOLD = 8;

/**
 * 树转链表的阈值
 */
static final int UNTREEIFY_THRESHOLD = 6;

这里有3个变量和链表与树转化有关。

其中 MIN_TREEIFY_CAPACITY 和 TREEIFY_THRESHOLD 是链表转红黑树用到的，UNTREEIFY_THRESHOLD 是红黑树转回链表时用到的。

2.4.1 链表转到红黑树

HashMap 不是随便就把链表转到红黑树的，而是需要满足某些条件：

• 数组长度达到阈值 MIN_TREEIFY_CAPACITY，即64
• 链表长度达到阈值 TREEIFY_THRESHOLD，即8

注意，要同时满足这2个条件，才会将链表转成红黑树。

MIN_TREEIFY_CAPACITY 是转化树需要的数组长度阈值，这是用来干嘛的？

其实就是当 table 数组太小时，HashMap 宁愿进行扩容，也不愿意把链表转成树。

这个可能是考虑到性能问题，数组比较小时，维护红黑树反而比扩容的性能低。

下面是链表转成红黑树的逻辑判断：

// 这个部分的源码上面添加元素写有备注了，就不重复写了
final V putVal(int hash, K key, V value, boolean onlyIfAbsent, boolean evict) {
    // 忽略部分代码
    if ((p = tab[i = (n - 1) & hash]) == null) {
        // 忽略部分代码
    } else {
        Node<K,V> e; K k;
        if (p.hash == hash &&
            ((k = p.key) == key || (key != null && key.equals(k)))) {
            // 忽略部分代码
        } else if (p instanceof TreeNode) {
            // 忽略部分代码
        } else {
            for (int binCount = 0; ; ++binCount) {
                if ((e = p.next) == null) {
                    p.next = newNode(hash, key, value, null);
                    if (binCount >= TREEIFY_THRESHOLD - 1) {
                        // 如果达到阈值，需要把链表转化成红黑树
                        treeifyBin(tab, hash);
                    }
                    break;
                }
                // 忽略部分代码
            }
        }
        // 忽略部分代码
    }
    // 忽略部分代码
}

final void treeifyBin(Node<K,V>[] tab, int hash) {
    int n, index; Node<K,V> e;

    // 如果table很小时，先直接扩容table，而不要把链表转成树
    if (tab == null || (n = tab.length) < MIN_TREEIFY_CAPACITY)
        resize();
    else if ((e = tab[index = (n - 1) & hash]) != null) {
        TreeNode<K,V> hd = null, tl = null;
        // 先把链表节点转成树节点，但此时还是链表结构，只是节点类型变了
        do {
            TreeNode<K,V> p = replacementTreeNode(e, null);
            if (tl == null)
                hd = p;
            else {
                p.prev = tl;
                tl.next = p;
            }
            tl = p;
        } while ((e = e.next) != null);
        
        // 这里才真正把链表转成红黑树
        if ((tab[index] = hd) != null)
            hd.treeify(tab);
    }
}

就比如说，当前数组长度是 16，然后其中某个位置的链表很长了，需要转成红黑树。

但此时数组长度还比较小 16 < 64，所以它就不转化成红黑树了，而是直接把数组扩容为 32，然后把长链表拆分，并重新分配到不同位置。

2.4.2 红黑树转回链表

当红黑树的节点数量变少了，把它转成链表来维护，反而性能会更好。不过，这个转换回来也要满足某些条件才行：

1. 删除节点后，如果此时红黑树节点数量已经很少了，红黑树将会转回链表
2. 进行扩容时，此时红黑树会拆分成2棵子树，如果拆分后的2棵子树的节点数量低于某个阈值，即 UNTREEIFY_THRESHOLD，红黑树将会转会链表

注意，满足其中1个条件，就会将红黑树转成链表。

首先是“红黑树的节点数量很少”的情况。

这种情况只会出现在删除节点的时候，具体看代码：

final void removeTreeNode(HashMap<K,V> map, Node<K,V>[] tab, boolean movable) {
    // 忽略部分代码
    // 移除节点...
    
    // 当红黑树的节点数量很少时，将会转回链表
    if (root == null || root.right == null ||
        (rl = root.left) == null || rl.left == null) {
        tab[index] = first.untreeify(map);  // too small
        return;
    }
    // 忽略后面很多代码...
}

节点数量很少，究竟多少算少呢？按照代码的判断，它有几种情况：

1. 红黑树节点完全没有了
2. 红黑树右子树没有了
3. 红黑树左子树没有了
4. 红黑树的左子树的左子树没有了

这几种情况下，就认定为红黑树的节点数量很少了。

这是为什么？红黑树本质上是一棵平衡树，如果某棵子树没了，另一边的子树肯定没几个节点，那就意味着整棵树就没几个节点了（至于更深层的原因，可以去深入了解红黑树的结构）。

其次是“进行扩容时，如果红黑树节点数量低于 UNTREEIFY_THRESHOLD”。

这种情况只会出现在增加节点导致扩容的时候：

final void split(HashMap<K,V> map, Node<K,V>[] tab, int index, int bit) {
    // 忽略部分代码
    // 重新分配节点，分成2部分...

    if (loHead != null) {
        if (lc <= UNTREEIFY_THRESHOLD)
            // 如果红黑树的节点数量低于UNTREEIFY_THRESHOLD，就会将其转回链表
            tab[index] = loHead.untreeify(map);
        else {
            tab[index] = loHead;
            if (hiHead != null) // (else is already treeified)
                loHead.treeify(tab);
        }
    }
    if (hiHead != null) {
        if (hc <= UNTREEIFY_THRESHOLD)
            // 如果红黑树的节点数量低于UNTREEIFY_THRESHOLD，就会将其转回链表
            tab[index + bit] = hiHead.untreeify(map);
        else {
            tab[index + bit] = hiHead;
            if (loHead != null)
                hiHead.treeify(tab);
        }
    }
}

可以看到，扩容后，会将之前的节点拆分成2部分，如果某部分的节点数量不大于阈值 UNTREEIFY_THRESHOLD，就会将红黑树转回链表。

2.4.3 测试代码

针对链表红黑树相互转换的几种情况，写个测试代码来测试一下。

测试的情况分为3种：

1. 添加节点时，链表转红黑树
2. 删除节点时，红黑树节点很少，转回链表
3. 扩容时，红黑树节点少于阈值，转回链表

测试思路是这样的：

1. 明确链表转红黑树时，table 必须要达到阈值 MIN_TREEIFY_CAPACITY，即64。所以一开始就设定容量为64，这样是为了避免中间出现扩容的情况，一旦出现扩容情况就复杂了。

2. 为了测试链表和红黑树的转换时机，需要一直在同一个位置进行增删数据，同时打印 HashMap 的结构。

3. 第3种情况是必须要扩容的，所以为了在同一个位置添加可以快速扩容，把负载因子改小了。但是这个负载因子也不是随便写的，因为必须要使得扩容后红黑树的节点数量不大于阈值 UNTREEIFY_THRESHOLD，即6。同时为了看到红黑树转回链表和不转回链表的情况，最好就是一个大于6，一个小于6，所以这里取的是13，重新分配后刚好满足这样要求（7和6），然后这个负载因子就是根据 13/64 --> 0.2 来算的。

因为 HashMap 的很多属性外部都访问不到，比如 table 成员，然后测试时又需要用到，所以这里通过反射拿到它里面的 table 属性。

public class PrintHashMap extends HashMap<Integer, Integer> {

    public PrintHashMap(int initialCapacity, float loadFactor) {
        super(initialCapacity, loadFactor);
    }

    @Override
    public String toString() {
        StringBuilder sb = new StringBuilder();
        sb.append("{map size: ").append(size());
        Object[] table = getTable();
        if (table == null) {
            return sb.toString();
        }
        sb.append(", table size: ").append(table.length);
        if (table.length == 0) {
            return sb.toString();
        }
        sb.append(", nodes: {");
        boolean hasNotNullNode = false;
        for (int i = 0; i < table.length; i++) {
            Object node = table[i];
            if (node == null) {
                continue;
            }
            if (hasNotNullNode) {
                sb.append(", ");
            }
            hasNotNullNode = true;
            sb.append(i).append(": ").append(getNodeTypeStr(node));
        }
        sb.append("}");
        sb.append("}");
        return sb.toString();
    }

    private Object[] getTable() {
        try {
            Field tableField = HashMap.class.getDeclaredField("table");
            tableField.setAccessible(true);
            return (Object[]) tableField.get(this);
        } catch (Exception e) {
            e.printStackTrace();
        }
        return null;
    }

    private String getNodeTypeStr(Object node) {
        StringBuilder sb = new StringBuilder();
        String nodeType = node.getClass().getName();
        sb.append("{type: ").append(nodeType).append(", value: ").append(node).append("}");
        return sb.toString();
    }
}

然后下面是具体的测试代码：

public static void main(String[] args) {
    int index = 1;
    int size = 64;

    System.out.println("测试添加节点时，链表转红黑树");
    PrintHashMap map = new PrintHashMap(size, 1);
    testPut(map, size, index, 10);

    System.out.println("测试删除节点时，红黑树节点很少，转回链表");
    testRemove(map, size, index, 10);

    System.out.println("测试扩容时，红黑树节点少于阈值，转回链表");
    map = new PrintHashMap(size, 0.20f);
    testPut(map, size, index, 13);
}

private static void testPut(PrintHashMap map, int size, int index, int n) {
    for (int i = 0; i < n; i++) {
        map.put(index, index);
        System.out.println(i + " -> put " + index);
        System.out.println(map);
        index += size;
    }
    System.out.println();
}

private static void testRemove(PrintHashMap map, int size, int index, int n) {
    index = index + n * size;
    for (int i = 0; i < n; i++) {
        index -= size;
        map.remove(index);
        System.out.println(i + " -> remove " + index);
        System.out.println(map);
    }
    System.out.println();
}

最后输出结果是这样的：

测试添加节点时，链表转红黑树
0 -> put 1
{map size: 1, table size: 64, nodes: {1: {type: java.util.HashMap$Node, value: 1=1}}}
1 -> put 65
{map size: 2, table size: 64, nodes: {1: {type: java.util.HashMap$Node, value: 1=1}}}
2 -> put 129
{map size: 3, table size: 64, nodes: {1: {type: java.util.HashMap$Node, value: 1=1}}}
3 -> put 193
{map size: 4, table size: 64, nodes: {1: {type: java.util.HashMap$Node, value: 1=1}}}
4 -> put 257
{map size: 5, table size: 64, nodes: {1: {type: java.util.HashMap$Node, value: 1=1}}}
5 -> put 321
{map size: 6, table size: 64, nodes: {1: {type: java.util.HashMap$Node, value: 1=1}}}
6 -> put 385
{map size: 7, table size: 64, nodes: {1: {type: java.util.HashMap$Node, value: 1=1}}}
7 -> put 449
{map size: 8, table size: 64, nodes: {1: {type: java.util.HashMap$Node, value: 1=1}}}
8 -> put 513
{map size: 9, table size: 64, nodes: {1: {type: java.util.HashMap$TreeNode, value: 193=193}}}
9 -> put 577
{map size: 10, table size: 64, nodes: {1: {type: java.util.HashMap$TreeNode, value: 193=193}}}

测试删除节点时，红黑树节点很少，转回链表
0 -> remove 577
{map size: 9, table size: 64, nodes: {1: {type: java.util.HashMap$TreeNode, value: 193=193}}}
1 -> remove 513
{map size: 8, table size: 64, nodes: {1: {type: java.util.HashMap$TreeNode, value: 193=193}}}
2 -> remove 449
{map size: 7, table size: 64, nodes: {1: {type: java.util.HashMap$TreeNode, value: 193=193}}}
3 -> remove 385
{map size: 6, table size: 64, nodes: {1: {type: java.util.HashMap$TreeNode, value: 193=193}}}
4 -> remove 321
{map size: 5, table size: 64, nodes: {1: {type: java.util.HashMap$TreeNode, value: 193=193}}}
5 -> remove 257
{map size: 4, table size: 64, nodes: {1: {type: java.util.HashMap$TreeNode, value: 65=65}}}
6 -> remove 193
{map size: 3, table size: 64, nodes: {1: {type: java.util.HashMap$Node, value: 65=65}}}
7 -> remove 129
{map size: 2, table size: 64, nodes: {1: {type: java.util.HashMap$Node, value: 65=65}}}
8 -> remove 65
{map size: 1, table size: 64, nodes: {1: {type: java.util.HashMap$Node, value: 1=1}}}
9 -> remove 1
{map size: 0, table size: 64, nodes: {}}

测试扩容时，红黑树节点少于阈值，转回链表
0 -> put 1
{map size: 1, table size: 64, nodes: {1: {type: java.util.HashMap$Node, value: 1=1}}}
1 -> put 65
{map size: 2, table size: 64, nodes: {1: {type: java.util.HashMap$Node, value: 1=1}}}
2 -> put 129
{map size: 3, table size: 64, nodes: {1: {type: java.util.HashMap$Node, value: 1=1}}}
3 -> put 193
{map size: 4, table size: 64, nodes: {1: {type: java.util.HashMap$Node, value: 1=1}}}
4 -> put 257
{map size: 5, table size: 64, nodes: {1: {type: java.util.HashMap$Node, value: 1=1}}}
5 -> put 321
{map size: 6, table size: 64, nodes: {1: {type: java.util.HashMap$Node, value: 1=1}}}
6 -> put 385
{map size: 7, table size: 64, nodes: {1: {type: java.util.HashMap$Node, value: 1=1}}}
7 -> put 449
{map size: 8, table size: 64, nodes: {1: {type: java.util.HashMap$Node, value: 1=1}}}
8 -> put 513
{map size: 9, table size: 64, nodes: {1: {type: java.util.HashMap$TreeNode, value: 193=193}}}
9 -> put 577
{map size: 10, table size: 64, nodes: {1: {type: java.util.HashMap$TreeNode, value: 193=193}}}
10 -> put 641
{map size: 11, table size: 64, nodes: {1: {type: java.util.HashMap$TreeNode, value: 193=193}}}
11 -> put 705
{map size: 12, table size: 64, nodes: {1: {type: java.util.HashMap$TreeNode, value: 193=193}}}
12 -> put 769
{map size: 13, table size: 128, nodes: {1: {type: java.util.HashMap$TreeNode, value: 129=129}, 65: {type: java.util.HashMap$Node, value: 193=193}}}

测试结果基本和上面的源码分析一致：

• 增加节点，直到节点数量大于阈值 TREEIFY_THRESHOLD 时，即8时，链表就会转成红黑树。

• 删除节点，直到节点数量很少时，这里是3，红黑树就会转回链表。

• 扩容时，重新分配得节点数量不大于阈值 UNTREEIFY_THRESHOLD 时，即6时，红黑树就会转回链表。

从这里可以看出了，实际上添加第9个元素时，即节点数量 > 8 时，链表才会转为红黑树。

小结

链表转到红黑树需要满足的条件：

• 添加节点后，数组长度达到阈值 MIN_TREEIFY_CAPACITY，即64
• 添加节点后，链表长度达到阈值 TREEIFY_THRESHOLD，即8
• 注意，要同时满足这2个条件，才会将链表转成红黑树

红黑树转回链表需要满足的条件：

• 删除节点后，红黑树节点数量很少时，红黑树就会转回链表
• 扩容时，重新分配得节点数量不大于阈值 UNTREEIFY_THRESHOLD 时，即6时
• 注意，满足其中1个条件，就会将红黑树转回链表

总结

数据结构

• 数据结构是“数组 + 链表 + 红黑树”

扩容机制

• 负载因子负责控制扩容的时机
• 当满足“大小 > 容量 * 负载因子”时，才触发扩容
• 每次扩容是2倍，这是为了维持hash的快速定位
• 扩容时的重新分配位置，倒序插入

树转化机制

• 链表转到红黑树
  • 添加节点后，数组长度达到阈值 MIN_TREEIFY_CAPACITY，即64
  • 添加节点后，链表长度达到阈值 TREEIFY_THRESHOLD，即8，但是实际上是下一次再添加时才会转为红黑树，即长度为9时
  • 注意，要同时满足这2个条件，才会将链表转成红黑树
• 红黑树转回链表
  • 删除节点后，红黑树节点数量很少时，红黑树就会转回链表
    1. 红黑树节点完全没有了
    2. 红黑树右子树没有了
    3. 红黑树左子树没有了
    4. 红黑树的左子树的左子树没有了
  • 扩容后，重新分配得节点数量不大于阈值 UNTREEIFY_THRESHOLD 时，即6时
  • 注意，满足其中1个条件，就会将红黑树转回链表