文章目录
1）基本数据结构
1.7 数组 + 链表
1.8 数组 + （链表 | 红黑树）
2）树化与退化
树化规则
树化有两个条件分别是：
当链表长度超过树化阈值 8 时
数组容量已经 >=64
当链表长度超过树化阈值 8 时，先尝试扩容来减少链表长度，如果数组容量已经 >=64，才会进行树化
值得注意的是：链表长度可能超过8
树化意义
红黑树用来避免 DoS 攻击，防止链表超长时性能下降，树化应当是偶然情况，是保底策略
hash 表的查找，更新的时间复杂度是 O ( 1 ) O(1)O(1)，而红黑树的查找，更新的时间复杂度是 O ( l o g 2 n ) O(log_2n )O(log
2
n)，TreeNode 占用空间也比普通 Node 的大，如非必要，尽量还是使用链表
hash 值如果足够随机，则在 hash 表内按泊松分布，在负载因子 0.75 的情况下，长度超过 8 的链表出现概率是 0.00000006，树化阈值选择 8 就是为了让树化几率足够小
退化规则
情况1：在扩容时如果拆分树时，树元素个数 <= 6 则会退化链表
情况2：remove 树节点时，若 root、root.left、root.right、root.left.left 有一个为 null ，也会退化为链表
3）索引计算
计算索引是为了快速查找
索引计算方法
首先，计算对象的 hashCode()
再进行调用 HashMap 的 hash() 方法进行二次哈希
二次 hash() 是为了综合高位数据，让哈希分布更为均匀
最后 & (capacity – 1) 得到索引
数组容量为何是 2 的 n 次幂
计算索引时效率更高：如果是 2 的 n 次幂可以使用按位与运算（97 & （16 - 1）= 1）代替取模运算 （97 % 16 = 1）位运算性能大于模运算。如果不是2的n次幂上述公式是不成立的。
扩容时重新计算索引效率更高： hash & oldCap == 0 的元素留在原来位置 ，否则新位置 = 旧位置 + oldCap
注意
二次 hash 是为了配合 容量是 2 的 n 次幂 这一设计前提，如果 hash 表的容量不是 2 的 n 次幂，则不必二次 hash
容量是 2 的 n 次幂 这一设计计算索引效率更好，但 hash 的分散性就不好，需要二次 hash 来作为补偿，没有采用这一设计的典型例子是 Hashtable
4）put 与扩容
当HashMap中的元素为总容量的3/4是进行扩容操作，扩容为原来的两倍。
put 流程
HashMap 是懒惰创建数组的，首次使用才创建数组
计算索引（桶下标）
如果桶下标还没人占用，创建 Node 占位返回
如果桶下标已经有人占用
已经是 TreeNode 走红黑树的添加或更新逻辑
是普通 Node，走链表的添加或更新逻辑，如果链表长度超过树化阈值，走树化逻辑
返回前检查容量是否超过阈值，一旦超过进行扩容（先将元素添加到旧数组中然后在进行扩容）
1.7 与 1.8 的区别
链表插入节点时，1.7 是头插法，1.8 是尾插法
1.7 是大于等于阈值且没有空位时才扩容，而 1.8 是大于阈值就扩容
1.8 在扩容计算 Node 索引时，会优化（ hash & oldCap == 0 的元素留在原来位置 ，否则新位置 = 旧位置 + oldCap）
扩容（加载）因子为何默认是 0.75f
在空间占用与查询时间之间取得较好的权衡
大于这个值，空间节省了，但链表就会比较长影响性能
小于这个值，冲突减少了，但扩容就会更频繁，空间占用也更多
5）并发问题
1、扩容死链（1.7 会存在）
1.7 源码如下：
void transfer(Entry[] newTable, boolean rehash) { int newCapacity = newTable.length; for (Entry<K,V> e : table) { while(null != e) { Entry<K,V> next = e.next; if (rehash) { e.hash = null == e.key ? 0 : hash(e.key); } int i = indexFor(e.hash, newCapacity); e.next = newTable[i]; newTable[i] = e; e = next; } } }
e 和 next 都是局部变量，用来指向当前节点和下一个节点
线程1（绿色）的临时变量 e 和 next 刚引用了这俩节点，还未来得及移动节点，发生了线程切换，由线程2（蓝色）完成扩容和迁移
线程2 扩容完成，由于头插法，链表顺序颠倒。但线程1 的临时变量 e 和 next 还引用了这俩节点，还要再来一遍迁移
第一次循环
循环接着线程切换前运行，注意此时 e 指向的是节点 a，next 指向的是节点 b
e 头插 a 节点，注意图中画了两份 a 节点，但事实上只有一个（为了不让箭头特别乱画了两份）
当循环结束是 e 会指向 next 也就是 b 节点
第二次循环
next 指向了节点 a
e 头插节点 b
当循环结束时，e 指向 next 也就是节点 a
第三次循环
next 指向了 null
e 头插节点 a，a 的 next 指向了 b（之前 a.next 一直是 null），b 的 next 指向 a，死链已成
当循环结束时，e 指向 next 也就是 null，因此第四次循环时会正常退出
2、数据错乱（1.7，1.8 都会存在）
当两个线程同时插入hashCode相同的元素时可能会发生数据错乱的情况
当调用put的时候最终会调用到这里
假设有两个线程t1,t2 同时调用，当t1调用到Entry<K,V> e = table[bucketIndex]; 时 时间片段用完了，线程挂起
注：这个e就是新创建的Entry的next的值
此时线程t2调用了put，put了一个新值，最后table[bucketIndex] = t2的新值，当t1再次拿到时间片段继续执行，此时table[bucketIndex] = t1的新值，而t1的新值的next却还是之前的数据所以T2存的值就丢失了。
6）key 的设计
key 的设计要求
HashMap 的 key 可以为 null，但 Map 的其他实现则不然
作为 key 的对象，必须实现 hashCode（为了让key有更好的分布性） 和 equals（如果计算hashCode相同，需要比较两个是不是相同对象。即hashCode相同equals可能不同，但equals相同hashCode必然相同），并且 key 的内容不能修改（不可变）
key 的 hashCode 应该有良好的散列性
如果 key 可变，例如修改了 age 会导致再次查询时查询不到
public class HashMapMutableKey { public static void main(String[] args) { HashMap<Student, Object> map = new HashMap<>(); Student stu = new Student("张三", 18); map.put(stu, new Object()); System.out.println(map.get(stu)); stu.age = 19; System.out.println(map.get(stu)); } static class Student { String name; int age; public Student(String name, int age) { this.name = name; this.age = age; } public String getName() { return name; } public void setName(String name) { this.name = name; } public int getAge() { return age; } public void setAge(int age) { this.age = age; } @Override public boolean equals(Object o) { if (this == o) return true; if (o == null || getClass() != o.getClass()) return false; Student student = (Student) o; return age == student.age && Objects.equals(name, student.name); } @Override public int hashCode() { return Objects.hash(name, age); } } }
String 对象的 hashCode() 设计
目标是达到较为均匀的散列效果，每个字符串的 hashCode 足够独特
字符串中的每个字符都可以表现为一个数字，称为Si,其中 i 的范围是 0 ~ n - 1
散列公式为：
31 代入公式有较好的散列特性，并且 31 * h 可以被优化为
即
即
即
