java基础学习004——哈希表性能优化原理

哈希表的扩容和链表优化为二叉树（如红黑树）是两种不同的性能优化策略，分别针对哈希冲突和查询效率问题。以下是它们的触发条件和原理：

1.哈希表数组的扩容
触发条件：

哈希表的底层数组通常在以下情况下触发扩容：
1、负载因子（Load Factor）超过阈值：

负载因子 = 当前元素数量 / 数组容量。  
 默认阈值通常为0.75。当负载因子超过该值时，哈希冲突概率显著增加，查询效率从平均 O(1) 退化为 O(n)（链表情况下），所以此时需要扩容。

插入新元素时发现容量不足：  在插入前检查负载因子，若超过阈值，则先扩容再插入。

扩容过程：

1. 新建一个更大的数组（通常是原容量的2倍，如从16扩容到32）。
2. 重新计算所有键的哈希值并分配到新数组中。
3.  扩容代价较高，但能显著减少后续冲突。

2. 链表优化为二叉树
触发条件：

在哈希表的同一个桶（Bucket）中，当链表长度过长时，会将其转换为红黑树。

主要触发条件有两个因素，链表长度以及数组容量：

1. 当链表长度超过阈值时：  Java中默认阈值为8（即链表长度超过8时转换为红黑树）。
2. 数组容量达到最小树化容量：   Java中要求数组长度至少为 64。如果未达到，即使链表长度超过8，也会优先扩容数组而非树化。

优化目的：

最坏情况下，链表查询时间复杂度为O(n)，而红黑树为O(log n)。当哈希冲突严重时，树化能避免极端情况下的性能退化。
反向操作：当红黑树节点数少于阈值（Java中为6），会退化为链表。而树化的阈值和退化的阈值之间有差值，目的就是避免频繁的树化和退化转换，导致性能下降。而在节点数目不是那么多的情况下，退化为链表反而能够减少内存浪费，同时这时候链表查询和红黑树查询实际差距很小。

总结：通过扩容和树化，哈希表能在高负载和哈希冲突严重时仍保持较高的性能。这两种策略共同保证了哈希表在时间和空间效率上的平衡。

哈希函数的设计思路

java中哈希函数的设计逻辑

static final int hash(Object key) {
    int h;
    return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}
int index = (n - 1) & hash;

• h>>>16：将哈希值无符号右移 16 位，相当于取高 16 位。
• h^(h>>>16)：原始哈希码与高位异或，混合高低位，使高位的信息参与低位计算。
• 映射桶下标的过程中通常会用到 hash&(n-1) 作为索引。

如果 hashCode() 获得的值本身的低位变化不够，直接使用低位会导致哈希冲突较多。因此，Java 通过高低位混合来提升哈希分布的均匀性。