java|字节跳动面试官（说说HashMap 的设计与优化（））开发语言|hashmap|哈希算法

hashmap 是一个 key-value 形式的键值对集合。（本文内容基于 JDK1.8）下面是一个简单的 hashmap 的结构。本文主要是通过源码的方式分析 HashMap 的实现和优化。主要是围绕源码本身展开，以添加注释的方式进行记录和分析

文章图片

初始化在创建 HashMap 对象示例的时候不会初始化存储数组，会在首次调用 put 方法的时候初始化数组。构造方法如下：

public HashMap(int initialCapacity, float loadFactor) { // initialCapacity 初始容量 < 0 报错; 默认 16 if (initialCapacity < 0) throw new IllegalArgumentException("Illegal initial capacity: " + initialCapacity); // initialCapacity 初始容量是否大于最大容量 if (initialCapacity > MAXIMUM_CAPACITY) initialCapacity = MAXIMUM_CAPACITY; // loadFactor 负载因子 <= 0 || isNaN ; 默认0.75 if (loadFactor <= 0 || Float.isNaN(loadFactor)) throw new IllegalArgumentException("Illegal load factor: " + loadFactor); this.loadFactor = loadFactor; this.threshold = tableSizeFor(initialCapacity); }

put 方法添加数据通常我们采用 put 方法，该方法也是我们开发中比较常用的方法之一。最终会调用 putVal 方法进行初始化和添加数据。在这个方法中我们需要注意的有几个地方：

如果没有初始化会调用 resize() 方法进行 hashmap 存储数组的初始化。
默认通过 & 运算计算节点存储位置，这里也证明了为什么初始化数组的长度要是 2 的 n 次方。
如果不存在 hash 冲突的情况下，通过然后调用 newNode 方法创建节点，存放到对应的数组下标。
如果存在 hsah 冲突的情况下。这里就会有三种情况：

首次 hash 冲突的情况下，当前节点是一个普通的节点，如果 key 相同得话，将采取数据覆盖的方式；
如果当前节点类型是 treeNode 类型，是一棵红黑树。将调用 putTreeVal 方法来进行添加子节点；
最后，将当作链表处理，首先查找链表的尾节点，找到尾节点后，将当前节点添加到尾节点，这里有一个判断如果当前链表的节点数 > 8 并且 hashmap 的总长度 > 64 就会将当前的链表进行变换为红黑树。还有一种特殊情况，如果在链表的查找过程中查找到了一个当前新增key 相同的节点，那么就会覆盖当前节点数据并且退出循环；

前面所有的步骤都是为了找到当前的节点指针，然后再通过当前对象修改 value 值，这里有一个需要注意的地方，在修改的时候会做一个判断如果 **_onlyIfAbsent_** 等于 false 才可以修改，就是说可能当前 hashmap 存在不可以被修改的情况，比如：map.putIfAbsent 方法的时候调用就会修改失败，最后才能修改 value 值，并且返回旧值。
最后对修改次数累加，然后判断一次是否需要拓展 hashmap 的容量，然后返回 null , 方法结束。

// put 方法 public V put(K key, V value) { return putVal(hash(key), key, value, false, true); }// putVal 方法 final V putVal(int hash, K key, V value, boolean onlyIfAbsent, boolean evict) { Node[] tab; Node p; int n, i; // 如果没有初始化 if ((tab = table) == null || (n = tab.length) == 0) // 调用 resize 初始化 // n = tab.length 容量 n = (tab = resize()).length; // 默认通过 & 运算计算节点存储位置，这里也证明了为什么初始化数组的长度要是2的n 次方 // 并且把当前节点的数据给 p if ((p = tab[i = (n - 1) & hash]) == null) tab[i] = newNode(hash, key, value, null); else { // 如果节点数据已经存在，即存在 hash 冲突的情况 Node e; K k; // 1. 当前节点存在，并且插入k，和存在的 k 的value 值相同，那么直接刷新当前节点数据即可 if (p.hash == hash && ((k = p.key) == key || (key != null && key.equals(k)))) // 新的节点数据 = p, 其实这里也只是获取 p 的指针 e = p; // 2. 如果是 TreeNode 结构，即红黑树结构 else if (p instanceof TreeNode) e = ((TreeNode)p).putTreeVal(this, tab, hash, key, value); else { // 3. 其他情况，即链表结构 for (int binCount = 0; ; ++binCount) { // 父节点子节点为 null if ((e = p.next) == null) { // 将 p.next = newNode p.next = newNode(hash, key, value, null); // 节点数是否大于变形的阈值 (TREEIFY_THRESHOLD = 8) if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st // 如果 tab.length < 64 默认拓容 // 否则进行红黑树转换 treeifyBin(tab, hash); break; } // 如果存在值相同的情况 if (e.hash == hash && ((k = e.key) == key || (key != null && key.equals(k)))) break; p = e; } } // 如果 e 不为空，就是说当前节点指针不为空，【这种情况是覆盖】，返回旧值 if (e != null) { // existing mapping for key V oldValue = https://www.it610.com/article/e.value; // 当前节点可以被修改或者是新增节点 if (!onlyIfAbsent || oldValue == null) e.value = value; // 预留模板方法 afterNodeAccess(e); return oldValue; } } // 修改次数 ++ ++modCount; // 大于拓容阈值 if (++size> threshold) // 拓容 resize(); // 预留模板方法 afterNodeInsertion(evict); return null; }

总结：其实通过上面的分析和代码的，我们分析出有一下几个核心方法：

newNode 创建 Node 节点
((TreeNode)p).putTreeVal(**this**, tab, hash, key, value); 添加节点信息；
treeifyBin 节点冲突情况下，链表转换为红黑树；
resize() HashMap 拓容；

newNode 创建节点创建 HashMap 的节点信息，其实这个方法看上去比较普通，但是本质上也是比较普通。但是对于 hash 这个参数我们可以思考一下。

Node newNode(int hash, K key, V value, Node next) { return new Node<>(hash, key, value, next); }

hash 计算 hash 码 hash 方法如下，

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

理论上 hash 散列是一个 int 值，如果直接拿出来作为下标访问 hashmap 的话，考虑到二进制 32 位，取值范围在**-2147483648 ~ 2147483647** 范围。大概有 40 亿个 key ，只要哈希函数映射比较均匀松散，一般很难出现碰撞。存在一个问题是 40 亿长度的数组，内存是不能放下的。因为咱们 HashMap 的默认长度为 16 。所以这个 hashCode , (key.hashCode ) 是不能直接来使用的。使用之前先做对数组长度的与运算，得到的值才能用来访问数组下标。代码如下：

// n = hashmap 的长度 p = tab[i = (n - 1) & hash])

这里为什么要使用 n -1 ，来进行与运算，这里详单与是一个”低位掩码”, 以默认长度 16 为例子。和某个数进行与预算，结果的大小是 < 16 的。如下所示：

10000000 00100000 00001001 &00000000 00000000 00001111 ------------------------------ 00000000 00000000 00001001// 高位全部归 0, 只保留后四位

这个时候会有一个问题，如果本身的散列值分布松散，只要是取后面几位的话，碰撞也会非常严重。还有如果散列本省做得不好的话，分布上成等差数列的漏洞，可能出现最后几位出现规律性的重复。这个时候“扰动函数”的价值制就体现出来了。如下所示：

文章图片

函数中有这样的一段代码： (h = key.hashCode()) ^ (h >>> 16) 右位移 16 位，正好是32bit 的一半，与自己的高半区做成异或，就是为了**混合原始的哈希码的高位和低位，以此来加大低位的随机性。**并且混合后的低位掺杂了高位的部分特征，这样高位的信息变相保存下来。其实按照开发经验来说绝大多数情况使用的时候 hashmap 的长度不会超过 1000，所以提升低位的随机性可以提升可以减少hash 冲突，提升程序性能。
Node.putTreeVal 当前是一棵红黑树那么就需要添加节点

final TreeNode putTreeVal(HashMap map, Node[] tab, int h, K k, V v) { Class kc = null; boolean searched = false; TreeNode root = (parent != null) ? root() : this; for (TreeNode p = root; ; ) { int dir, ph; K pk; if ((ph = p.hash) > h) dir = -1; else if (ph < h) dir = 1; else if ((pk = p.key) == k || (k != null && k.equals(pk))) return p; else if ((kc == null && (kc = comparableClassFor(k)) == null) || (dir = compareComparables(kc, k, pk)) == 0) { if (!searched) { TreeNode q, ch; searched = true; if (((ch = p.left) != null && (q = ch.find(h, k, kc)) != null) || ((ch = p.right) != null && (q = ch.find(h, k, kc)) != null)) return q; } dir = tieBreakOrder(k, pk); }TreeNode xp = p; if ((p = (dir <= 0) ? p.left : p.right) == null) { Node xpn = xp.next; TreeNode x = map.newTreeNode(h, k, v, xpn); if (dir <= 0) xp.left = x; else xp.right = x; xp.next = x; x.parent = x.prev = xp; if (xpn != null) ((TreeNode)xpn).prev = x; moveRootToFront(tab, balanceInsertion(root, x)); return null; } } }

treeifyBin 链表树化如果 hashmap 的长度小于 64 会优先选择拓容，否则会当前冲突 key 所在的结构由链表转换为红黑树。这个是 jdk 1.8 才有的新特征，hashmap 在 hash 冲突后可能由链表变化为红黑树结构。这样做的目的是为了提高读写效率。

final void treeifyBin(Node[] tab, int hash) { int n, index; Node e; // 不一定树化还可能是拓容，需要看数组的长度是否小于 64 MIN_TREEIFY_CAPACITY if (tab == null || (n = tab.length) < MIN_TREEIFY_CAPACITY) resize(); else if ((e = tab[index = (n - 1) & hash]) != null) { // hd 头节点, tl 尾节点 TreeNode hd = null, tl = null; do { // 将链表转换为树结构 TreeNode p = replacementTreeNode(e, null); if (tl == null) hd = p; else { p.prev = tl; tl.next = p; } tl = p; } while ((e = e.next) != null); if ((tab[index] = hd) != null) // 转换红黑树操作，这里循环比较，染色、旋转等 hd.treeify(tab); } }

replacementTreeNode 方法 replacementTreeNode 方法主要是将 Node 转换为 TreeNode

TreeNode replacementTreeNode(Node p, Node next) { return new TreeNode<>(p.hash, p.key, p.value, next); }

TreeNode#treeify 方法 treeify 方法主要是将树结构转换为红黑树。

final void treeify(Node[] tab) { // 根节点默认为 null TreeNode root = null; // 链表遍历，x 指向当前节点，next 指向下一个节点 for (TreeNode x = this, next; x != null; x = next) { // 下一个节点 next = (TreeNode)x.next; // 设置当前节点的 left, right 为 null x.left = x.right = null; // 如果没有根节点 if (root == null) { // 当前父节点为 null x.parent = null; // 当前红色节点属性设置为 false (把当前节点设置为黑色) x.red = false; // 根节点指向当前节点 root = x; } // 如果已经存在根节点 else { // 获取当前链表的 key K k = x.key; // 获取当前节点的 hash int h = x.hash; // 定义当前 key 所属类型 Class kc = null; // 从根节点开始遍历，此遍历设置边界，只能从内部跳出 for (TreeNode p = root; ; ) { // dir 标识方向（左右）ph 标识当前节点的 hash 值 int dir, ph; // 当前节点的 key K pk = p.key; // 如果当前节点 hash 值大于当前链表节点的 hash 值 if ((ph = p.hash) > h) // 标识当前节链表节点会放在当前红黑树节点的左侧 dir = -1; else if (ph < h) // 右侧 dir = 1; // 如果两个节点的 key 的 hash 值相等，那么通过其他方式进行比较 // 如果当前链表节点的 key 实现了comparable 接口，并且当前树节点和链表节点是相同的 class 实例，那么通过 comparable 比较 // 如果还是相等再通过 tieBreakOrder 比较一次 else if ((kc == null && (kc = comparableClassFor(k)) == null) || (dir = compareComparables(kc, k, pk)) == 0) dir = tieBreakOrder(k, pk); TreeNode xp = p; // 保存当前树节点 // 如果 dir 小于等于 0: 当前链表节点一定放置在当前树节点的左侧，但不一定是该树节点的左子节点， // 也可能是左子节点或者右子节点或者更深层次的节点 // 如果dir 大于等于 0:当前链表节点一定放置在当前树节点的右侧，但不一定是该树节点的右子节点， // 也可能是右子节点或者左子节点或者更深层次的节点 // 如果当前树节点不是叶子，那么最终以当前树节点的左子节点或者右子节点为起始几点，然后再重新开始寻找自己当前链表节点的位置。 // 如果当前树节点就是叶子节点，那么更具 dir 的值，就可以把当前链表节点挂载到当前树节点的左或者右侧了。 // 挂载之后，还需要重新把树进行平衡。平衡之后，就可以针对下一个链表节点进行处理了 if ((p = (dir <= 0) ? p.left : p.right) == null) { x.parent = xp; // 当前链表节点作为当前树节点的子节点 if (dir <= 0) xp.left = x; // 左子节点 else xp.right = x; // 右子节点 root = balanceInsertion(root, x); // 重新平衡 break; } } } } // 把所有的链表节点都遍历之后，最终构造出来的树可能是经历多个平衡操作，根节点目前到底是链表的那个节点是不确定的 // 因为我们需要基于树来做查找，所以就应该把 tab[N] 得到的对象一定是根节点对象，而且是链表的第一个节点对象，所以要做对应的调整。 // 把红黑树的节点设置为所在数组槽的第一个元素 // 说明: TreeNode 既是一个红黑树也是一个双向链表 // 这个方法做的事情是保证树根节点一定要成为链表的首节点 moveRootToFront(tab, root); }

balanceInsertion 树平衡这个方法分析之前，我们可以先看看红黑树的规则：红黑树是每个结点都带有颜色属性的二叉查找树，颜色或红色或黑色。在二叉查找树强制一般要求以外，对于任何有效的红黑树我们增加了如下的额外要求:

性质1. 节点是红色或黑色。
性质2. 根节点是黑色。
性质3. 所有叶子都是黑色。（叶子是NIL结点）
性质4. 每个红色节点的两个子结点都是黑色。（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）
性质5. 从任一节节点其每个叶子的所有路径都包含相同数目的黑色节点。

// root 为根节点 // x 为需要插入的节点 // 最后返回的是一个平很后的根节点 static TreeNode balanceInsertion(TreeNode root, TreeNode x) { // 查询节点标记为红色 x.red = true; // 设置一个只可以内部退出的循环 // 变量说明: // xp 当前节点, xpp 父节点的父节点,xppl 父节点的父节点的左节点, xppr 父节点的父节点的右节点 for (TreeNode xp, xpp, xppl, xppr; ; ) { // 如果父节点为空，说明当前节点就是根节点，那么直接把当前接待你标记为黑色返回当前节点。 if ((xp = x.parent) == null) { x.red = false; return x; } // 如果当前节点为黑设色并且当前父节点为 null, 或者 // 父节点为红色，但是 xpp 节点为空 else if (!xp.red || (xpp = xp.parent) == null) return root; // 当前节点等于 xppl if (xp == (xppl = xpp.left)) { //xppr != null 并且是红色 if ((xppr = xpp.right) != null && xppr.red) { xppr.red = false; xp.red = false; xpp.red = true; x = xpp; // 当前节点等于 xpp, 进入下一次循环 } else { if (x == xp.right) { // 当前节点是父节点的右子节点 root = rotateLeft(root, x = xp); //父节点左旋 xpp = (xp = x.parent) == null ? null : xp.parent; // 获取 xpp } if (xp != null) { // 父节点不为空 xp.red = false; // 父节点设置为黑色 if (xpp != null) { // xpp 不为空 xpp.red = true; // xpp 为红色 root = rotateRight(root, xpp); // xpp 右旋转 } } } } else { // 如果 xp 是 xpp 的右节点 if (xppl != null && xppl.red) { // xppl 不为空，并且为红色 xppl.red = false; // xppl 设置为黑色 xp.red = false; // 父节点为黑色 xpp.red = true; // xpp 为红色 x = xpp; // x = xpp 进入下次循环 } else { if (x == xp.left) { // 当前节点为父节点的左子节点 root = rotateRight(root, x = xp); // 根节点你右旋转 xpp = (xp = x.parent) == null ? null : xp.parent; // xpp = xp.parent } if (xp != null) { // xp != null xp.red = false; // xp 为黑色 if (xpp != null) { // xpp != null xpp.red = true; // xpp 为红色 root = rotateLeft(root, xpp); // 左旋 } } } } } }// 节点左旋转 // root 当前根节点 // p 指定选装的节点 // 返回旋转后的根接待你（平衡涉及左旋右旋根根节点改变，所以需要返回最新的根节点） // 示意图 //pppp //|| //p--->r /// \/ \ //lrprr /// \/ \ //rlrrlrl // 旋转做了几件事情？ // 1. 将 rl 设置为 p 的子接待你，将 rl 设置为父节点 p // 2. 将 r 的父节点设置 pp, 将 pp 的左子节点设或者右子接待你设置为 r // 3. 将 r 的左子节点设置为 p, 将 p 的父节点设置为 r static TreeNode rotateLeft(TreeNode root, TreeNode p) { TreeNode r, pp, rl; // 左旋的节点以及需要左旋的节点的右节点不为空 if (p != null && (r = p.right) != null) { // 要左旋转的右子节点 = rl , if ((rl = p.right = r.left) != null) // 设置 rl 父亲节点设置为 p rl.parent = p; // 将 r 的父节点设置为 p 的父节点，如果 pp == null if ((pp = r.parent = p.parent) == null) // 染黑 (root = r).red = false; else if (pp.left == p) // 判断父节点是在 pp 的左边还是右边 pp.left = r; // 如果是左子节点，把 pp.letf = r else pp.right = r; // 如果是右子节点, pp.reight = r r.left = p; // 最后将 r的左子节点设置为 p p.parent = r; // 最后将 p.parent 设置为 r } return root; }// 节点右旋转 // 右旋同理 static TreeNode rotateRight(TreeNode root, TreeNode p) { TreeNode l, pp, lr; if (p != null && (l = p.left) != null) { if ((lr = p.left = l.right) != null) lr.parent = p; if ((pp = l.parent = p.parent) == null) (root = l).red = false; else if (pp.right == p) pp.right = l; else pp.left = l; l.right = p; p.parent = l; } return root; }

moveRootToFront 方法把所有的链表节点都遍历之后，最终构造出来的树可能是经历多个平衡操作，根节点目前到底是链表的那个节点是不确定的。因为我们需要基于树来做查找，所以就应该把 tab[N] 得到的对象一定是根节点对象，而且是链表的第一个节点对象，所以要做对应的调整。把红黑树的节点设置为所在数组槽的第一个元素，这个方法做的事情是保证树根节点一定要成为链表的首节点。

static void moveRootToFront(Node[] tab, TreeNode root) { int n; // root 节点不为空，并且表不为空，并且数组长度大于 0 if (root != null && tab != null && (n = tab.length) > 0) { // 当前 Node 所在槽位 int index = (n - 1) & root.hash; // 获取当前槽所在接待你 TreeNode first = (TreeNode)tab[index]; // 如果当前槽位节点不是首节点 if (root != first) { // 后驱节点 Node rn; // 修改为首节点 tab[index] = root; // rp 前驱节点为 root 的前驱节点 TreeNode rp = root.prev; // 后驱节点不为空 if ((rn = root.next) != null) ((TreeNode)rn).prev = rp; if (rp != null) rp.next = rn; if (first != null) // 原来的头节点前驱节点指向新的头节点 root 节点 first.prev = root; // root 节点的后驱节点指向之前的头节点 root.next = first; // root 由于是头节点所以前驱节点为 null root.prev = null; } assert checkInvariants(root); } }

remove 方法 remove 方法的本质是将 key 值所在的节点的值设置为 nu

public V remove(Object key) { Node e; return (e = removeNode(hash(key), key, null, false, true)) == null ? null : e.value; }

removeNode 方法

final Node removeNode(int hash, Object key, Object value, boolean matchValue, boolean movable) { Node[] tab; Node p; int n, index; // tab 不为空, 数组长度大于 0, 当前节点数据不为 null // 不得不说 hashmap 源码的逻辑还是非常严谨的 if ((tab = table) != null && (n = tab.length) > 0 && (p = tab[index = (n - 1) & hash]) != null) { // node 用来存储当前节点信息 Node node = null, e; K k; V v; if (p.hash == hash && ((k = p.key) == key || (key != null && key.equals(k)))) node = p; else if ((e = p.next) != null) { // 如果是树形结构 if (p instanceof TreeNode) // 获取节点 node = ((TreeNode)p).getTreeNode(hash, key); else { // 链表查找 do { if (e.hash == hash && ((k = e.key) == key || (key != null && key.equals(k)))) { node = e; break; } p = e; } while ((e = e.next) != null); } } // if (node != null && (!matchValue || (v = node.value) == value || (value != null && value.equals(v)))) { // 如果是红黑树，删除节点 if (node instanceof TreeNode) ((TreeNode)node).removeTreeNode(this, tab, movable); else if (node == p) // 如果是头节点 // 那么头节点指针指向移除节点的后驱节点 tab[index] = node.next; else // 前驱节点的后驱指针，指向当前节点的后驱指针 p.next = node.next; // 修改次数累加 ++modCount; // 数据长度减少 --size; afterNodeRemoval(node); return node; } } return null; }

文章图片

removeTreeNode 方法 removeTreeNode 是删除节点的核心方法，删除的时候如果是一个普通节点就可以直接情况，如果是链表的话需要将当前节点删除。如果是红黑树的话，需要删除 TreeNode , 然后进行一次树平衡，或者将树转换为链表。

final void removeTreeNode(HashMap map, Node[] tab, boolean movable) { int n; if (tab == null || (n = tab.length) == 0) return; // 获取索引值 int index = (n - 1) & hash; // 获取头节点，即树的根节点 TreeNode first = (TreeNode)tab[index], root = first, rl; // 当前节点的后驱节点，当前节点的前驱节点保存 TreeNode succ = (TreeNode)next, pred = prev; // 前驱节点为 null if (pred == null) // 当前是头节点，删除之后，头节点直接指向了删除节点的后继节点 tab[index] = first = succ; else pred.next = succ; if (succ != null) succ.prev = pred; // 如果头节点（即根节点）为空，说明当前节点删除后，红黑树为空，直接返回 if (first == null) return; // 如果头接单不为空，直接调用 root() 方法获取根节点 if (root.parent != null) root = root.root(); if (root == null || (movable && (root.right == null || (rl = root.left) == null || rl.left == null))) { // 链表化，英文前面的链表节点完成删除操作，故这里直接返回，即可完成节点删除 tab[index] = first.untreeify(map); // too small return; }// p 当前节点; pl 当前节点左节点，pr 当前节点右节点 // replacement p 节点删除后替代的节点 TreeNode p = this, pl = left, pr = right, replacement; if (pl != null && pr != null) { // p 节点删除后，他的左右节点不为空时，遍历他的右节点上的左子树 // （以下操作先让 p 节点和 s 节点交换位置，然后再找到 replacement 节点替换他） TreeNode s = pr, sl; while ((sl = s.left) != null) // find successor s = sl; // 通过上述操作 s 节点是大于 p 节点的最小节点（替换它的节点） // 将 s 节点和 p 节点的颜色交换 boolean c = s.red; s.red = p.red; p.red = c; // swap colors // srs 节点的右节点 TreeNode sr = s.right; // ppp 节点的父节点 TreeNode pp = p.parent; // 如果 pr 就是 s 节点 if (s == pr) { // p was s's direct parent // 节点交换 p.parent = s; s.right = p; } else { // 获取 s 的父节点 TreeNode sp = s.parent; // 将 p 节点的父节点指向 sp, 且 sp 节点存在 if ((p.parent = sp) != null) { // 判断 s 节点的 sp 节点在左侧还是右侧，将 p 节点存放在 s 节点一侧 if (s == sp.left) sp.left = p; else sp.right = p; } // 将 pr 节点编程 s 节点的右节点，并且 pr 节点存在 if ((s.right = pr) != null) // 将 s 节点编程 pr 节点的父节点 pr.parent = s; } // 因为 s 节点的性质， s 节点没有左节点 // 当 p 节点和 s 节点交换了位置，所以将 p 节点的左几点指向空 p.left = null; // 将 sr 节点编程 p 节点的左节点，并且 sr 节点存在 if ((p.right = sr) != null) // 将 p 节点编程 sr 的父节点 sr.parent = p; // 将 pl 节点编程 s 节点的左节点，并且存在 pl 节点 if ((s.left = pl) != null) // 将 pl 父节点赋值为s pl.parent = s; // s 父节点设置为 pp 并且 pp 节点存在 if ((s.parent = pp) == null) // root 节点为 s root = s; // p 节点等于 pp.left else if (p == pp.left) // pp 的左节点为 s pp.left = s; else // p 节点等于 pp.right // pp 右节点为 s pp.right = s; // sr 不为空 if (sr != null) // 替换节点为 sr replacement = sr; else // 否则替换节点为 p replacement = p; } else if (pl != null) // 如果 pl 节点存在， pr 节点不存在，不用交换位置， pl 节点为替换为 replacement 节点 replacement = pl; else if (pr != null) // 如果 pr 节点存在,pl 节点不存在，不用交换位置， pr 节点为替换为 replacement 节点 replacement = pr; else // 如果都不存在 p 节点成为 replacement 节点 replacement = p; // 以下判断根据上述逻辑查看，仅以p 节点的当前位置为性质，对 replacement 节点进行操作 if (replacement != p) { // 如果 replacement 不是 p 节点 // 将 p 节点的父节点 pp 变成 replacement 节点的父节点 TreeNode pp = replacement.parent = p.parent; // 如果 pp 节点不存在 if (pp == null) // replacement 变成根节点 root = replacement; else if (p == pp.left) // 如果 pp 节点存在，根据 p 节点在 pp 节点的位置，设置 replacement 节点的位置 pp.left = replacement; else pp.right = replacement; // 将 p 节点所有的引用关系设置为 null p.left = p.right = p.parent = null; }// 如果 p 节点是红色，删除后不影响root 节点，如果是黑色，找到平衡后的根节点，并且用 r 表示 TreeNode r = p.red ? root : balanceDeletion(root, replacement); // 如果 p 是 replacement 节点 if (replacement == p) {// detach // 得到 pp TreeNode pp = p.parent; p.parent = null; if (pp != null) { // pp 存在 // 根据 p 节点的位置，将 pp 节点的对应为位置设置为空 if (p == pp.left) pp.left = null; else if (p == pp.right) pp.right = null; } } // 移动新的节点到数组上 if (movable) moveRootToFront(tab, r); }

balanceDeletion 方法删除节点后的树平衡方法。

static TreeNode balanceDeletion(TreeNode root, TreeNode x) { // x 当前需要删除的节点 // xp x 父节点 // xpl x 父节点的左子节点 // xpr x 父节点的右子节点 for (TreeNode xp, xpl, xpr; ; ) { if (x == null || x == root) // x 为空或者 x 为根节点 return root; else if ((xp = x.parent) == null) { // 当 xp 为空，说明 x 为根节点，将 x 设置为黑色并且返回 x 节点。 x.red = false; return x; } else if (x.red) { // x节点是红色，无需调整 x.red = false; return root; } else if ((xpl = xp.left) == x) { // 如果x节点为xpl节点 if ((xpr = xp.right) != null && xpr.red) { // 如果xpr节点不为空，且xpr节点是红色的 // 将xpr设置为黑色，xp设置为红色 xpr.red = false; xp.red = true; // 左旋 root = rotateLeft(root, xp); // 重新将xp节点指向x节点的父节点，并将xpr节点指向xp的右节点 xpr = (xp = x.parent) == null ? null : xp.right; } if (xpr == null) // 若xpr节点不存在 // 则将x节点指向xp节点向上调整 x = xp; else { // sl xpr节点的左节点 // sr xpr节点的右节点 TreeNode sl = xpr.left, sr = xpr.right; if ((sr == null || !sr.red) && (sl == null || !sl.red)) { // 若sr节点为空或者sr节点是黑色的，且sl节点为空或者sl节点是黑色的 // 将xpr节点变成红色 xpr.red = true; // 则将x节点指向xp节点向上调整 x = xp; } else { //sr和sl中存在一个红节点 if (sr == null || !sr.red) { //此处说明sl是红节点,将sl节点设置为黑色 if (sl != null) sl.red = false; //将xpr节点设置为红色 xpr.red = true; //右旋 root = rotateRight(root, xpr); //将xpr节点重新指向xp节点的右节点 xpr = (xp = x.parent) == null ? null : xp.right; } if (xpr != null) { //如果xpr节点不为空,让xpr节点与xp节点同色 xpr.red = (xp == null) ? false : xp.red; //当sr节点不为空，变成黑色 if ((sr = xpr.right) != null) sr.red = false; } //存在xp节点if (xp != null) { //将xp节点设置为黑色 xp.red = false; //进行左旋 root = rotateLeft(root, xp); } //将x节点指向root进行下一次循环时跳出 x = root; } } } else { // symmetric //当x节点是右节点 if (xpl != null && xpl.red) { //当xpl节点存在且为红色 //将xpl变为黑色，xp变为红色 xpl.red = false; xp.red = true; //右旋 root = rotateRight(root, xp); //将xpl节点重新指向xp节点的左节点 xpl = (xp = x.parent) == null ? null : xp.left; } if (xpl == null) //如果xpl节点不存在，则xp节点没有子节点了 //将x节点指向xp节点向上调整 x = xp; else { //sl xpl节点的左节点 //sr xpl节点的右节点 TreeNode sl = xpl.left, sr = xpl.right; if ((sl == null || !sl.red) && (sr == null || !sr.red)) { //若sr节点为空或者sr节点是黑色的，且sl节点为空或者sl节点是黑色的 //将xpl节点变成红色 xpl.red = true; //则将x节点指向xp节点向上调整 x = xp; } else { //sr和sl中存在一个红节点 if (sl == null || !sl.red) { //此处说明sr是红节点,将sr节点设置为黑色 if (sr != null) sr.red = false; //将xpr节点设置为红色 xpl.red = true; //左旋 root = rotateLeft(root, xpl); //将xpl节点重新指向xp节点的左节点 xpl = (xp = x.parent) == null ? null : xp.left; } //如果xpl节点存在 if (xpl != null) { //使xpl节点与xp节点同色 xpl.red = (xp == null) ? false : xp.red; //如果sl节点存在 if ((sl = xpl.left) != null) //将sl节点变为黑色sl.red = false; } // 如果xp节点存在 if (xp != null) { // 将xp节点设置为黑色 xp.red = false; // 右旋 root = rotateRight(root, xp); } // 将x节点指向root进行下一次循环时跳出 x = root; } } } } }

线程安全 HashMap 不是线程安全的集合，如果要使用线程安全的 k-v 集合可以使用 CurrentHashMap.
注意事项使用 Map 的方法 keySet()/values()/entrySet()返回集合对象时，不可以对其进行添加元素操作，否则会抛出
UnsupportedOperationException 异常。 ?
集合初始化时，指定集合初始值大小解释： HashMap 使用 HashMap(int initialCapacity) 初始化，如果暂时无法确定集合大小，那么指定默认值（16）即可。 initialCapacity = (需要存储的元素个数 / 负载因子) + 1。注意负载因子（即 loader factor）默认为 0.75，如果暂时无法确定初始值大小，请设置为 16（即默认值）举例： HashMap 需要放置 1024 个元素，由于没有设置容量初始大小，随着元素增加而被迫不断扩容， resize()方法总共会调用 8 次，反复重建哈希表和数据迁移。当放置的集合元素个数达千万级时会影响程序性能。 ?
使用 entrySet 遍历 Map 类集合 KV，而不是 keySet 方式进行遍历。说明：keySet 其实是遍历了 2 次，一次是转为 Iterator 对象，另一次是从 hashMap 中取出 key 所对应的value。而 entrySet 只是遍历了一次就把 key 和 value 都放到了 entry 中，效率更高。如果是 JDK8，使用Map.forEach 方法。 values()返回的是 V 值集合，是一个 list 集合对象；keySet()返回的是 K 值集合，是一个 Set 集合对象；entrySet()返回的是 K-V 值组合集合。 ?
Map 类集合 K/V 能不能存储 null 值的情况，如下表格：

集合类	Key	Value	Super	说明
hashtable	不允许为 null	不允许为 null	Dictionary	线程安全
ConcurrentHashMap	不允许为 null	不允许为 null	AbstractMap	锁分段技术（JDK8: CAS）
TreeMap	不允许为 null	允许为 null	AbstractMap	线程不安全
【java\|字节跳动面试官（说说HashMap 的设计与优化（））】HashMap	允许为 null	允许为 null	AbstractMap	线程不安全