HashMap的实现原理

HashMap简介

• 数据无序、底层由数组+链表+红黑树实现（JDK8开始）、容量是2的指数幂、初始大小为16（不指定长度）
• 发生冲突时通过拉链法处理，当链表大于阈值时（阈值默认为8），将链表转化为红黑树
• 时间复杂度：哈希查找O（1），哈希冲突多O（n），红黑树O（log n），平均O（1）

HashMap里面设计的算法（put和get操作原理）

• 主要涉及哈希算法和寻址算法。哈希算法是在put过程中，根据传入key值获取对应hash值的一种方法；寻址算法在put和get过程中都有所运用，即根据hash值获得下标位置的方法。

哈希算法

• 根据一个key，通过计算得到它对应的hash值（即将hash code向右移16位，再与原数值进行异或运算）（每个虚拟机对hash的计算都不一样，有些跟地址有关）
  
• 直接使用hashcode做hash指的话，通过寻址算法所得结果有许多相同
• 通过哈希算法的优化，一定程度避免了hash冲突，让数据更加散列

寻址算法

• 根据hash值计算数组下标位置
• 一个key的hash值，用这个hash值跟数组长度取模，就可以得到下标位置， 实际在源码中，采用了与运算代（ 两个都是1，结果为1；不然是0 ）替了取模（因为对于现代的处理器来说，除法和求余数（模运算）是最慢的动作）
• 公式：（n - 1) & hash（n为数组长度）

put和get操作过程详解

put过程

• 根据哈希算法获取哈希值
• 哈希数组为空，则创建数组，默认初始大小为16
• 对哈希值进行寻址运算，获取在数组中应该存入的下标位置，此时分为四种情况

1. 如果该下标位置为空，则直接存入key,value键值对
2. 如果不为空，只有一个元素且key相等，满足相等条件，替换旧值，不相等则拉链处理
3. 如果该位置存了一个TreeNode，则说明是红黑树，执行树的插入操作
4. 如果是一个链表，则遍历链表，如果中途有相等则替换，否则将key,value键值对插入链表最后；如果链表长度大于阈值 ，则转化为红黑树

get过程

• 通过寻址算法找到key值应该对应的下标
• 如果节点为空则返回空
• 再判断首节点.key 是否和目标值相同, 相同则直接返回(首节点不用区分链表还是红黑树)
• 首节点.next为空, 则直接返回空
• 首节点是树形节点, 则进入红黑树数的取值流程, 并返回结果
• 进入链表的取值流程, 并返回结果

HashMap的容量大小

如详解里面所提到的，HashMap的容量大小一般为2的指数次幂，在未指定初始大小的时候的默认大小为16，其原因有以下几点

• 当n为2的指数幂时，根据寻址算法中的计算公式，n减1后换算成2进制，则每一位都为1，与hash进行与运算，就可 以得到（0~n-1）范围内的每一个index
• 当n不为2的指数次幂时，减1后换算成2进制，会出现0，与hash进行与运算，会导致 （0~n-1）范围内的某些index永远得不到
• 总结：当n不为2的指数幂时，有些地址永远得不到

加载因子和转化阈值

• 加载因子又名负载因子、装载因子

• 加载因子代表哈希表在其容量到达一定程度后，需要进行扩容

• 负载因子越大表示散列表的装填程度越高，反之愈小

  负载因子越大， 对空间的利用更充分，但哈希碰撞机会变大，后果是查找效率的降低

  负载因子太小，对空间造成严重浪费，但数据稀疏使碰撞机会变小，查询效率提高

• 加载因子0.75：根据泊松分布，加载因子为0.75时，节点出现在频率在Hash桶（表）中遵循参数平均为0.5的泊松分布。（源码没有解释，网上没统一答案）

• 转化阈值8：用0.75作为加载因子时，桶中元素到达8个的时候，概率已经变得非常小，超过８个是几乎不可能的