Java 常用集合类的底层扩容机制

Posted 2022-12-12 offerNotFound

集合里的三大接口：List、Set、Map，其中 List 与 Set 继承于 Collection 接口（Collection 继承于 Iterable 接口）。

List

ArrayList

先说结论：

1. 它的底层使用的是一个Object类型的数组 elmentData []；
2. 当创建一个ArrayList时，如果没定义初始容量大小，则elmentData [] 为0。当添加了第一个元素进去后，elmentData [] 默认扩容为10，如需再次扩容，则扩容 elmentData [] 为1.5倍（如 0 -> 10 -> 15 -> 22 -> 33 -> …）。
3. 当创建一个ArrayList时，如果定义了初始容量大小，如需再次扩容，则扩容 elmentData [] 为当前的1.5倍（假设定义为5，则 5 -> 7 -> 10 -> …）。

源码过程:

当调用 ArrayList 的 add 方法时，会先去判断是否需要扩容，然后再去赋值。

通过 ensureCapacityInternal 方法判断是否需要扩容，过程如下：

1. 通过调用 calculateCapacity 方法去算扩容后最小的容量（即比较是默认的10大，还是你添加的数量大）
2. 确认了最小容量后，才调用 ensureExplicitCapacity 方法来确认是否需要扩容（其中 modCount 参数是记录当前list被修改的次数，这是为了防止有多个线程去修改它）。当所需容量大于当前 list 容量时，就会调用 grow 方法去扩容。

扩容方法，即先记录下 list 的大小，新容量 = list 的大小 + list 的大小/2（即1.5倍）。

但是第一次比较奇特，它的 list 大小为0，新容量算出来也为0。所以当新容量小于所需扩容量时，新容量就会变成所需扩容量。所以第一次扩容是没有使用1.5倍的扩容机制的（仅限是调用了 ArrayList 的无参构造情况下，即未定义初始容量）。

然后再判断新容量是否大于 MAX_ARRAY_SIZE （数组容量最大值），如果不大于就会调用 Arrays 的 copyOf 方法扩容（copyOf 方法会保留原先的数据）。

Vector

Vector 的底层也是一个数组 elmentData [],但相对于 ArrayList 来说，它是线程安全的，它的每个操作方法都是加了锁的。如果在开发中需要保证线程安全，则可以使用 Vector。

扩容机制也与 ArrayList 大致相同。唯一需要注意的一点是，Vector 的扩容量是2倍。

Set

HashSet

HashSet 的底层其实是 HashMap（数组+链表+红黑树），它可以存放空值（但只能有一个）。

HashSet 添加元素的机制，先说结论：

1. 当添加一个元素时，会先去得到这个元素的hash值，然后通过这个hash值转换成一个索引值（即元素存放的位置）。
2. 当确定了索引值后，如果该位置没有元素，则直接放入；如果有元素，就调用 equals 方法比较索引处的链表里的元素与要添加的元素（是根据元素类型来确定比较的什么），如果相同就放弃添加，如果不同放到该位置处链表的最后一个元素的后面（即 old.next = new）。
3. 数组的扩容倍数是2倍（16 -> 32 -> 64），加载因子默认为0.75，临界值为 (数组大小 * 加载因子)。
4. 当某索引处的元素链表长度到达8时（默认为8），并且当前数组大小达到64时（默认为64），该索引处就会由链表转化为红黑树。

源码过程

1. 当执行add方法时，它会去执行 map 的put方法。
   而

2. map 的put方法需要 key-value 对，key就是要添加的元素，但 value 呢？其实 value
   就是上图中的PRESENT，是一个人空对象，起到一个占位的作用。
   

3. 进入到put方法后，首先看一下hash(key)这个方法是如何计算出索引值的，算法如下（这里算出来的值不是 hashCode）：
   

4. 下面进入最难的 putVal方法（源码过长，对照着源码来看）。

5. 第一次放入元素时，由于是此时数组还是空的，所以会进入resize方法，这个方法就会默认让其扩容至16（DEFAULT_INITIAL_CAPACITY），同时还会计算一个临界值。
   其中DEFAULT_LOAD_FACTOR是一个加载因子（默认为0.75），其作用是：假如这个数组大小为16，按理说应该16个空间都用完了才去扩容是最合理的，但实际上设计者设计了一个临界值（此时为16 * 0.75=12），也就是说当你使用量达到了临界值时，就会开始扩容了，这个加载因子就起了个缓冲的作用。（注意：到达临界值是指添加的元素个数到达临界值就去扩容，而不是指数组索引达到的12才去扩容）
   那为什么会这样设计呢？因为设计者担心如果你此时使用了12个空间，还剩4个空间了，这时突然有很多线程往这4个空间里添加元素，而你又没有扩容，这时就会卡住或阻塞。

6. 接下来会根据Key来得到hash去计算应该放到table表的哪个索引位置，并且把这个索引位置赋值给变量p。

7. 然后判断这个p位置处是否为空。

8. 如果p为空，表示当前位置还未存放过元素，那么就创建一个Node（key-value，value就是上述的PRESENT），然后直接把元素放在这

9. 如果p不为空，这时就会有三种情况：
   ①如果p位置对应的链表的第一个元素和准备添加的元素的 hash 值一样，并且满足准备加入的元素和 p位置处已有的元素是同一个对象或者两者不是同一个对象但调用equals方法为 true，那这个元素就会被视为是重复的，无法添加。情况①不满足就看情况②
   ②判断p位置处是不是转化成红黑树了，如果是的话，就调用putTreeVal方法去判断p位置处已有元素和要添加的元素是否相同（这是红黑树的算法，究极复杂）。如果不是一颗红黑树，就看情况③
   ③既然要添加的元素与p位置处链表的第一个元素不相同，那么就用for循环来判断p位置处链表接下来的元素是否与之相同。但凡有一个相同就无法添加，不相同就添加到该链表的最后一个元素的后面（注意：当元素添加至链表后，会立即判断该链表长度是否达到了8，并且数组大小达到了64。如果两个都达到了,就会把该链表转化成红黑树；如果数组大小没达到64，那么就会先扩容数组大小至64再树化，在没至64前，继续挂在该链表的屁股后面）。

LinkedHashSet

它的底层是LinkedHashMap，维护的是一个数组 + 双向链表（有头结点head 和尾节点tail，每个节点有 before 和 after 属性）。相比于HashSet。

国际惯例，LinkedHashSet 添加元素的机制，先说结论：

1. 添加第一个元素时，先求hash值来确定索引位置，然后将添加的元素放入双向链表中（如果该元素已经存在，则放弃添加，与HashSet一样）。
2. 它的存储顺序与取出顺序是一致的。
3. 默认第一次扩容也是16。
4. 它节点的 before 会指向上一个元素，after 会指向下一个元素。

源码机制与HashSet一样，同样是调用map的put方法。

Map

HashMap

它的 key 也可以为空，但只能有一个，并且常用String类型来作为Map的key。一些概念：

• K-V键值对 是存放在一个HashMap$Node中的
• K-V键值对 为了方便遍历，它还会把HashMap$Node封装成一个Entry（这个Node实现了Entry），再把这个Entry放进EntrySet集合，因为Map.Entry类型里提供了getKey()和getValue()方法，可以让你单独取出Key或者Value。
  

• 使用EntrySet遍历Map时，需要先将EntrySet转成Entry，再将Entry强转为Map.Entry。

扩容机制在 HashSet 处记录过。

HashTable

它的底层是数组（HashTable$Entry[ ]），初始化大小为11，加载因子同样是0.75。当达到临界值时调用rehash()方法扩容，扩容大小为（原大小 * 2 + 1）；