HashMap集合的数据结构-存储过程
HashMap<String, Integer> hashMap = new HashMap<>();
hashMap.put("张三",18);
hashMap.put("李四",18);
hashMap.put("张三",20);
1、当创建HashMap集合对象时,在jdk1.8之前,构造方法中创建了一个 长度为16的Entry[] table 用来存储键值对数据;在jdk1.8之后,不是在构造方法底层创建数组了,而是在第一次调用put()方法时创建的数组 Node[] table 来存储键值对数据。
2、假设向哈希表中存储张三-18数据,根据张三调用String类重写后的hashcode()方法计算出hash值,然后用结合数组长度采用某种算法计算出向Node[]数组中存储数据的空间的索引值,如果计算出的索引空间没有数据,则直接将张三-18存到数组中。
3、假设李四的hashcode()值与张三一样,那么此时的索引空间不为null,此时底层会比较张三和李四的hash值是否一致,如果不一致,则在此空间上划分出一个节点来存储李四-18。这种方法叫做拉链法。
4、向哈希表中存储张三-20,此时hashcode()得到的索引值和前面的张三一样。此时比较后存储的张三的hash值和已经存在的数据的hash值是否一致,不一致,则采取拉链法添加元素,一致则发生哈希碰撞。
发生哈希碰撞后,底层会调用张三的所属类String中的equals()方法比较两个内容是否相等:
(1)相等。将后添加数据的value覆盖之前的value。
(2)不相等。那么继续与链表中的其他数据进行比较,如果全部都不相等,则划分一个节点存储数据。
如果节点长度即链表长度大于阈值8并且数组长度大于64则,将链表变成红黑树。节点长度即链表长度大于阈值8并且数组长度小于64,则进行数组扩容。
哈希表底层采用的何种算法计算hash值?还有哪些算法可以计算? 底层采用的是key的hashCode方法的值结合数组长度进行无符号右移(>>>)、按位异或(^)、按位与(&)。 还可以采用:平方取中法、取余法、伪随机数法。1、HashMap存取值原理
put()方法
- jdk1.7存值分析
private void inflateTable(int toSize) {
// 将大小调整为2的n次方(12 -> 16)
int capacity = roundUpToPowerOf2(toSize);
threshold = (int) Math.min(capacity * loadFactor, MAXIMUM_CAPACITY + 1);
table = new Entry[capacity];
initHashSeedAsNeeded(capacity);
}
public V put(K key, V value) {
if (table == EMPTY_TABLE) {
inflateTable(threshold);
}
//HashMap允许存储null键,存储在数组的0索引位置
if (key == null)
return putForNullKey(value);
//内部通过一个扰乱算法获得一个hash值,用于计算数组索引
int hash = hash(key);
//计算数组索引
int i = indexFor(hash, table.length);
//判断是否是重复键
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++;
//添加元素
addEntry(hash, key, value, i);
return null;
}
void addEntry(int hash, K key, V value, int bucketIndex) {
//元素个数大于阈值,同时当前索引位有值,就会执行扩容操作
if ((size >= threshold) && (null != table[bucketIndex])) {
//2倍扩容
resize(2 * table.length);
hash = (null != key) ? hash(key) : 0;
//重新计算索引位置
bucketIndex = indexFor(hash, table.length);
}
//基于键值创建Entry节点,并以头插法存入对应位置
createEntry(hash, key, value, bucketIndex);
}
- jdk1.8
public V put(K key, V value) {
//hash(key)计算hash值,用于计算索引
return putVal(hash(key), key, value, false, true);
}
final V putVal(int hash, K key, V value, boolean onlyIfAbsent,
boolean evict) {
Node<K,V>[] tab; Node<K,V> p; int n, i;
//完成初始化容器
if ((tab = table) == null || (n = tab.length) == 0)
n = (tab = resize()).length;
//得到的索引位没有元素,直接存入
if ((p = tab[i = (n - 1) & hash]) == null)
tab[i] = newNode(hash, key, value, null);
else {
//索引位有元素
Node<K,V> e; K k;
//重复键
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
e = p;
//红黑树节点
else if (p instanceof TreeNode)
//入树
e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
else {
//遍历链表依次比较键
for (int binCount = 0; ; ++binCount) {
//没有重复键
if ((e = p.next) == null) {
//尾插法,添加元素,形成单向链表
p.next = newNode(hash, key, value, null);
//树化
if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st
treeifyBin(tab, hash);
break;
}
//有重复键
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
break;
p = e;
}
}
if (e != null) { // existing mapping for key
V oldValue = e.value;
//键重复,更新值
if (!onlyIfAbsent || oldValue == null)
e.value = value;
afterNodeAccess(e);
return oldValue;
}
}
++modCount;
//容量超过阈值,扩容
if (++size > threshold)
resize();
afterNodeInsertion(evict);
return null;
}
get()方法
- jdk1.7
public V get(Object key) {
//取空键对应的值
if (key == null)
return getForNullKey();
//取非空键对应的值
Entry<K,V> entry = getEntry(key);
return null == entry ? null : entry.getValue();
}
final Entry<K,V> getEntry(Object key) {
if (size == 0) {
return null;
}
int hash = (key == null) ? 0 : hash(key);
for (Entry<K,V> e = table[indexFor(hash, table.length)];
e != null;
e = e.next) {
Object k;
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
return e;
}
return null;
}
- jdk1.8
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;
if ((tab = table) != null && (n = tab.length) > 0 &&
(first = tab[(n - 1) & hash]) != null) {
//检查头部元素是否是要找的元素
if (first.hash == hash && // always check first node
((k = first.key) == key || (key != null && key.equals(k))))
return first;
if ((e = first.next) != null) {
//红黑树查找
if (first instanceof TreeNode)
return ((TreeNode<K,V>)first).getTreeNode(hash, key);
do {
//链表查找
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
return e;
} while ((e = e.next) != null);
}
}
return null;
}
2、HashMap如何防止碰撞
解决hash碰撞的方式有很多,比如开放地址法,重哈希,链地址法,公共溢出区等等。
HashMap中防止碰撞的方式主要有两个:哈希值扰动+链地址法(当扰动后,还是hash碰撞,使用链表/红黑树存储元素)
- jdk1.7扰动
final int hash(Object k) {
int h = 0;
h ^= k.hashCode();
//充分利用高低位
h ^= (h >>> 20) ^ (h >>> 12);
return h ^ (h >>> 7) ^ (h >>> 4);
}
01100011 00001110 11000110 00011001
00000000 01101010 11001100 00011001
- jdk1.8扰动
static final int hash(Object key) {
int h;
//充分利用高低位
return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}
3、HashMap容量取值问题
- jdk1.7默认容量
public HashMap() {
//默认容量16
this(DEFAULT_INITIAL_CAPACITY, DEFAULT_LOAD_FACTOR);
}
- jdk1.7自定义容量
public HashMap(int initialCapacity) {
this(initialCapacity, DEFAULT_LOAD_FACTOR);
}
public HashMap(int initialCapacity, float loadFactor) {
if (initialCapacity < 0)
throw new IllegalArgumentException("Illegal initial capacity: " + initialCapacity);
//超过最大容纳量,取最大容量
if (initialCapacity > MAXIMUM_CAPACITY)
initialCapacity = MAXIMUM_CAPACITY;
//负载因子容错处理
if (loadFactor <= 0 || Float.isNaN(loadFactor))
throw new IllegalArgumentException("Illegal load factor: " + loadFactor);
this.loadFactor = loadFactor;
//这个阈值不是真正的阈值,后面在put()的时候会调用inflateTable
threshold = initialCapacity;
init();
}
- jdk1.8容量赋值
- 注意,jdk1.8的容量计算动作,在resize()扩容方法中完成。
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) {
if (oldCap >= MAXIMUM_CAPACITY) {
threshold = Integer.MAX_VALUE;
return oldTab;
}
else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&
oldCap >= DEFAULT_INITIAL_CAPACITY)
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;
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;
- jdk1.8中容量计算:
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;
}
cap = 12
二进制
00000000 00000000 00000000 00001100
cap - 1
00000000 00000000 00000000 00001011
n |= n >>> 1:
00000000 00000000 00000000 00001011
00000000 00000000 00000000 00000101
-----------------------------------
00000000 00000000 00000000 00001111
n |= n >>> 2:
00000000 00000000 00000000 00001111
00000000 00000000 00000000 00000111
-----------------------------------
00000000 00000000 00000000 00001111
....
最终结果:00000000 00000000 00000000 00001111 = 15
返回 16
- 通过一系列右移+或运算后,能够将初始值减一得到的值,后面的所有0变成1,最终返回的是得到的值+1的结果作为容量,正好就是大于等于给定容量的2的幂次方数
4、HashMap数据结构(1.7和1.8对比)
- jdk1.7数据结构:数组+单向链表
void createEntry(int hash, K key, V value, int bucketIndex) {
//取出索引位置的元素
Entry<K,V> e = table[bucketIndex];
//将新的元素放置到索引位,同时将原来的作为新元素的下一个保存,形成单向链表
//头插法
table[bucketIndex] = new Entry<>(hash, key, value, e);
size++;
}
- jdk1.8数据结构:数组+单向链表+红黑树+双向链表
只看 红黑树和双向链表结构
//当添加元素后,单向链表长度达到8个会执行该方法
final void treeifyBin(Node<K,V>[] tab, int hash) {
int n, index; Node<K,V> e;
//如果此时数组长度小于64,会通过扩容数组的方式,来避免单向链表过长
if (tab == null || (n = tab.length) < MIN_TREEIFY_CAPACITY)
resize();
//通过转成红黑树,来避免单向链表过长
else if ((e = tab[index = (n - 1) & hash]) != null) {
TreeNode<K,V> hd = null, tl = null;
do {
//把所有Node节点,转成TreeNode节点,并形成双向链表
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);
if ((tab[index] = hd) != null)
//将双向链表中的元素形成红黑树结构
hd.treeify(tab);
}
}
//当添加元素时,对应的索引位置为TreeNode节点,会执行该方法
final TreeNode<K,V> putTreeVal(HashMap<K,V> map, Node<K,V>[] tab,
int h, K k, V v) {
Class<?> kc = null;
boolean searched = false;
TreeNode<K,V> root = (parent != null) ? root() : this;
for (TreeNode<K,V> 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<K,V> 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);
}
//以上逻辑,就是在遍历红黑树,决定新元素放置的位置
TreeNode<K,V> xp = p;
if ((p = (dir <= 0) ? p.left : p.right) == null) {
Node<K,V> xpn = xp.next;
TreeNode<K,V> x = map.newTreeNode(h, k, v, xpn);
//找到新元素放置的位置,并将其添加进红黑树结构
if (dir <= 0)
xp.left = x;
else
xp.right = x;
//同时维护双向链表结构
xp.next = x;
x.parent = x.prev = xp;
if (xpn != null)
((TreeNode<K,V>)xpn).prev = x;
//通过变色+旋转达到红黑树的自平衡
moveRootToFront(tab, balanceInsertion(root, x));
return null;
}
}
}
- 在维护红黑树的同时,还维护了一种双向链表的结构呢,主要是为了扩容方便的
5、HashMap扩容时机及扩容机制
- jdk1.7扩容:先扩容,在添加值
void addEntry(int hash, K key, V value, int bucketIndex) {
//当元素个数达到了扩容阈值,同时元素该放置的位置有元素时,会执行扩容
if ((size >= threshold) && (null != table[bucketIndex])) {
//扩容为原来的两倍
resize(2 * table.length);
hash = (null != key) ? hash(key) : 0;
bucketIndex = indexFor(hash, table.length);
}
//扩容之后,在将新元素添加进集合
createEntry(hash, key, value, bucketIndex);
}
void resize(int newCapacity) {
Entry[] oldTable = table;
int oldCapacity = oldTable.length;
//达到最大容量,不扩容
if (oldCapacity == MAXIMUM_CAPACITY) {
threshold = Integer.MAX_VALUE;
return;
}
Entry[] newTable = new Entry[newCapacity];
transfer(newTable, initHashSeedAsNeeded(newCapacity));
table = newTable;
threshold = (int)Math.min(newCapacity * loadFactor, MAXIMUM_CAPACITY + 1);
}
void transfer(Entry[] newTable, boolean rehash) {
int newCapacity = newTable.length;
for (Entry<K,V> e : table) {
while(null != e) {
//记录遍历到的元素的下一个元素
Entry<K,V> next = e.next;
if (rehash) {
e.hash = null == e.key ? 0 : hash(e.key);
}
//计算新数组的角标位置
int i = indexFor(e.hash, newCapacity);
//把当前元素的下一个改为新数组对应位置的元素--头插法
e.next = newTable[i];
//将当前元素放置在数组对应索引位置
newTable[i] = e;
//再次迁移下一个元素
e = next;
}
}
}
- jdk1.8扩容:先添加值,再扩容
//元素个数,达到扩容阈值,就扩容
//这个方法前半部分初始化数组的逻辑之前已经分析过了
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) {
//数组容量达到最大值,不扩容
if (oldCap >= MAXIMUM_CAPACITY) {
threshold = Integer.MAX_VALUE;
return oldTab;
}
//新的数组容量为原来的2倍
else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&
oldCap >= DEFAULT_INITIAL_CAPACITY)
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;
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;
if (oldTab != null) {
for (int j = 0; j < oldCap; ++j) {
Node<K,V> e;
if ((e = oldTab[j]) != null) {
oldTab[j] = null;
//数组角标位置只有一个元素,直接将数据迁移到新数组
if (e.next == null)
newTab[e.hash & (newCap - 1)] = e;
//数组角标位置为TreeNode,迁移红黑树数据
else if (e instanceof TreeNode)
((TreeNode<K,V>)e).split(this, newTab, j, oldCap);
else { // preserve order
//迁移单向链表数据
Node<K,V> loHead = null, loTail = null;
Node<K,V> hiHead = null, hiTail = null;
Node<K,V> next;
//先遍历整个单向链表,元素放置的位置,要么是原来的位置,要么是原来位置+扩容容量的位置
do {
next = e.next;
//放置在原来角标位置的元素
if ((e.hash & oldCap) == 0) {
if (loTail == null)
loHead = e;
else
//尾插法
loTail.next = e;
loTail = e;
}
//放置在原来角标+扩容容量 位置的元素
else {
if (hiTail == null)
hiHead = e;
else
//尾插法
hiTail.next = e;
hiTail = e;
}
} while ((e = next) != null);
//将放置在原角标位的元素存入数组
if (loTail != null) {
loTail.next = null;
newTab[j] = loHead;
}
//将放置在新角标位的元素存入数组
if (hiTail != null) {
hiTail.next = null;
newTab[j + oldCap] = hiHead;
}
}
}
}
}
return newTab;
}
- 红黑树数据的迁移
final void split(HashMap<K,V> map, Node<K,V>[] tab, int index, int bit) {
TreeNode<K,V> b = this;
// Relink into lo and hi lists, preserving order
TreeNode<K,V> loHead = null, loTail = null;
TreeNode<K,V> hiHead = null, hiTail = null;
int lc = 0, hc = 0;
//通过遍历双向链表,实现数据迁移
for (TreeNode<K,V> e = b, next; e != null; e = next) {
next = (TreeNode<K,V>)e.next;
e.next = null;
//原角标位置
if ((e.hash & bit) == 0) {
//记录前一个
if ((e.prev = loTail) == null)
loHead = e;
else
//记录下一个 -- 尾插法
loTail.next = e;
loTail = e;
//该标记累计,用于判断是否需要转会单向链表
++lc;
}
//原角标+扩容容量 位置
else {
//记录前一个
if ((e.prev = hiTail) == null)
hiHead = e;
else
//记录下一个 -- 尾插法
hiTail.next = e;
hiTail = e;
//该标记累计,用于判断是否需要转会单向链表
++hc;
}
}
if (loHead != null) {
//元素个数小于等于6,转成单向链表
if (lc <= UNTREEIFY_THRESHOLD)
tab[index] = loHead.untreeify(map);
else {
//存入新的数组
tab[index] = loHead;
if (hiHead != null) // (else is already treeified)
//树化
loHead.treeify(tab);
}
}
if (hiHead != null) {
//元素个数小于等于6,转成单向链表
if (hc <= UNTREEIFY_THRESHOLD)
tab[index + bit] = hiHead.untreeify(map);
else {
//存入新的数组
tab[index + bit] = hiHead;
if (loHead != null)
//树化
hiHead.treeify(tab);
}
}
}
//将红黑树转成单向链表
final Node<K,V> untreeify(HashMap<K,V> map) {
Node<K,V> hd = null, tl = null;
for (Node<K,V> q = this; q != null; q = q.next) {
Node<K,V> p = map.replacementNode(q, null);
if (tl == null)
hd = p;
else
//尾插法,形成单向链表
tl.next = p;
tl = p;
}
return hd;
}
6、多线程下HashMap扩容的问题(1.7和1.8对比)
- jdk1.7,多线程扩容情况下,会导致循环引用
- jdk1.8,多线程环境下,会导致数据丢失问题
// 添加元素时,会有数据覆盖丢失数据
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;
//此处,如果多个线程向同一个位置存入元素,会有值覆盖的问题,导致数丢失
if ((p = tab[i = (n - 1) & hash]) == null)
tab[i] = newNode(hash, key, value, null);
//下面代码省略
// 扩容时,迁移数据的情况下,会有数据覆盖丢失的问题
// 多线程环境下,给同一个数组的相同位置赋值,会有数据覆盖的风险
if (loTail != null) {
loTail.next = null;
newTab[j] = loHead; //将原始索引位的数据迁移到新数组
}
if (hiTail != null) {
hiTail.next = null;
newTab[j + oldCap] = hiHead; //将新索引位的数据迁移到新数组
}
当然,jdk1.8中的HashMap本身是线程不安全的,在多线程环境下使用ConcurrentHashMap
面试题
1.HashMap的数据结构?
- 在JDK1.7中HashMap的底层数据结构是Entry数组+链表实现的,JDK1.8中是Node数组+链表+红黑树。Entry和Node都实现了Map.Entry接口,里面的成员都有key、value、next指针和hash,HashMap通过put()和get()方法来存储和获取数据。
- 发生哈希冲突时,JDK1.7用的是头插法,而JDK1.8及之后使用的都是尾插法,当采用头插法时会容易出现逆序且环形链表死循环问题,在JDK1.8之后是因为加入了红黑树使用尾插法,能够避免出现逆序且链表死循环的问题。
2.那你讲一下put()的具体过程吧,以JDK8为例
- put()的时候,首先会看数组是否已经初始化?没有则通过resize()初始化table,接下来根据hash & 数组长度 - 1得到该元素在数组中的下标,如该位置为null,则直接new 一个Node放在该位置即可,插入完毕。
- 如果是有元素,则发生了哈希冲突。比较他们的hash和key是不是一样,一样则说明是一个替换操作,直接替换即可。
- 否则,判断该元素是不是属于TreeNode,是,则按红黑树的插入方式。
- 都不是,则说明是链表,根据next指针向后遍历该链表,直到找到和他key一样的,说明是替换操作,不然直到node为null,则插入链表末尾。如果插入后链表数量大于8,则进行树化treeifyBin操作。
- 插入结束后,判断table的size > 扩容阈值吗?大于则进行扩容,不然就结束了。
讲一下HashMap的get()过程
- get()方法通过计算指定key的哈希值后,调用内部方法 getNode();
- getNode()方法中根据 hash & tab.length-1 计算出对应索引位置,如果hash和key都一样,则找到,直接返回
- 不然说明有哈希冲突。判断头节点是不是是红黑树节点,是,就调用红黑树节点的getTreeNode()方法,其实就是TreeNode类中的find()方法。
- 否则就遍历链表节点,结束!
说一下HashMap的扩容机制?
发生扩容的情况:
1.第一次put()的时候,这个时候数组还是空的,初始化数组大小默认16,负载因子0.75,阈值12
2.还有在链表长度大于8,table的长度小于64时,是不进行树化的,而是扩容数组
3.这个就是数组的size 大于 阈值了, 需要扩容
扩容过程:
真正在resize()方法里面,创建一个newTable,大小老表的2倍。主要是要进行一个老表数据迁移到newTable中,会去遍历老表中的数据,分四种情况;
(1)该table[i] == null, 没有迁移的数据
(2)table[i] != null, 并且table[i] = null, 也就是说只有一个头节点,这样就按照hash & newTab.length - 1得到下标,直接放到newTable中
(3)该节点属于TreeNode,按红黑树的 方式插入
(4)链表情况:JDK8会分为两种情况:高位链 和 低位链
就是计算 e.hash & oldCap = 0 ? 放在和老表一样的位置 : 放在老表位置 + 老表长度 (原因:我们知道计算元素下标的方式是 e.hash & table.length - 1, 数组扩容变为原来数组的2倍, 比如说 老表长度为16, 16-1=15 二进制就是 0000 1111, 新表长度为32, 32-1=31, 它的二进制就是 比 15多一个1,0001 1111, 这样计算e.hash & 31 和 e.hash & 15结果就只和高位那个1有关, 如果e.hash & 16(0001 0000) = 0 ,说明e.hash & 31高位不影响它的结果,所以计算的下标和原来的一样;e.hash & 16(0001 0000) = 1,说明2.hash的倒数第五位就是1, 那么计算得到的下标就是 在原有的基础上 + 10000,也就是老表下标 + 老表长度)