HashMap的原理、查找、扩容。

1.  hashmap的数据结构

Hashmap实际上是一个数组和链表的结合体（在数据结构中，一般称之为“链表散列“），请看下图（横排表示数组，纵排表示数组元素【实际上是一个链表】）。

从图中我们可以看到一个hashmap就是一个数组结构，当新建一个hashmap的时候，就会初始化一个数组。Entry就是数组中的元素，它持有一个指向下一个元素的引用，这就构成了链表。

当我们往hashmap中put元素的时候，先根据key的hash值得到这个元素在数组中的位置（即下标），然后就可以把这个元素放到对应的位置中了。如果这个元素所在的位子上已经存放有其他元素了，那么在同一个位子上的元素将以链表的形式存放，新加入的放在链头，最先加入的放在链尾。从hashmap中get元素时，首先计算key的hashcode，找到数组中对应位置的某一元素，然后通过key的equals方法在对应位置的链表中找到需要的元素。从这里我们可以想象得到，如果每个位置上的链表只有一个元素，那么hashmap的get效率将是最高的，一般实现不了。

2.  hash算法

我们可以看到在hashmap中要找到某个元素，需要根据key的hash值来求得对应数组中的位置。如何计算这个位置就是hash算法。前面说过hashmap的数据结构是数组和链表的结合，所以我们当然希望这个hashmap里面的元素位置尽量的分布均匀些，尽量使得每个位置上的元素数量只有一个，那么当我们用hash算法求得这个位置的时候，马上就可以知道对应位置的元素就是我们要的，而不用再去遍历链表。java中时这样做的，

首先算得key得hashcode值，然后跟数组的长度-1做一次“与”运算（&）。看上去很简单，其实比较有玄机。比如数组的长度是2的4次方，那么hashcode就会和2的4次方-1做“与”运算。很多人都有这个疑问，为什么hashmap的数组初始化大小都是2的次方大小时，hashmap的效率最高，我以2的4次方举例，来解释一下为什么数组大小为2的幂时hashmap访问的性能最高。

看下图，左边两组是数组长度为16（2的4次方），右边两组是数组长度为15。两组的hashcode均为8和9，但是很明显，当它们和1110“与”的时候，产生了相同的结果，也就是说它们会定位到数组中的同一个位置上去，这就产生了碰撞，8和9会被放到同一个链表上，那么查询的时候就需要遍历这个链表，得到8或者9，这样就降低了查询的效率。同时，我们也可以发现，当数组长度为15的时候，hashcode的值会与14（1110）进行“与”，那么最后一位永远是0，而0001，0011，0101，1001，1011，0111，1101这几个位置永远都不能存放元素了，空间浪费相当大，更糟的是这种情况中，数组可以使用的位置比数组长度小了很多，这意味着进一步增加了碰撞的几率，减慢了查询的效率！

所以说，当数组长度为2的n次幂的时候，不同的key算得得index相同的几率较小，那么数据在数组上分布就比较均匀，也就是说碰撞的几率小，相对的，查询的时候就不用遍历某个位置上的链表，这样查询效率也就较高了。

说到这里，我们再回头看一下hashmap中默认的数组大小是多少，查看源代码可以得知是16，为什么是16，而不是15，也不是20呢，看到上面的解释之后我们就清楚了吧，显然是因为16是2的整数次幂的原因，在小数据量的情况下16比15和20更能减少key之间的碰撞，而加快查询的效率。

所以，在存储大容量数据的时候，最好预先指定hashmap的size为2的整数次幂次方。就算不指定的话，也会以大于且最接近指定值大小的2次幂来初始化的。

3.  hashmap的resize

当hashmap中的元素越来越多的时候，碰撞的几率也就越来越高（因为数组的长度是固定的），所以为了提高查询的效率，就要对hashmap的数组进行扩容，数组扩容这个操作也会出现在ArrayList中，所以这是一个通用的操作，很多人对它的性能表示过怀疑，不过想想我们的“均摊”原理，就释然了，而在hashmap数组扩容之后，最消耗性能的点就出现了：原数组中的数据必须重新计算其在新数组中的位置，并放进去，这就是resize。

那么hashmap什么时候进行扩容呢？当hashmap中的元素个数超过数组大小*loadFactor时，就会进行数组扩容，loadFactor的默认值为0.75，也就是说，默认情况下，数组大小为16，那么当hashmap中元素个数超过16*0.75=12的时候，就把数组的大小扩展为2*16=32，即扩大一倍，然后重新计算每个元素在数组中的位置，而这是一个非常消耗性能的操作，所以如果我们已经预知hashmap中元素的个数，那么预设元素的个数能够有效的提高hashmap的性能。比如说，我们有1000个元素new HashMap(1000), 但是理论上来讲new HashMap(1024)更合适，不过上面annegu已经说过，即使是1000，hashmap也自动会将其设置为1024。 但是new HashMap(1024)还不是更合适的，因为0.75*1000 < 1000, 也就是说为了让0.75 * size >1000, 我们必须这样new HashMap(2048)才最合适，既考虑了&的问题，也避免了resize的问题。

4.  key的hashcode与equals方法改写

在第一部分hashmap的数据结构中，写了get方法的过程：首先计算key的hashcode，根据hash算法找到数组中对应位置的某一元素，然后通过key的equals方法在对应位置的链表中找到需要的元素。所以，hashcode与equals方法对于找到对应元素是两个关键方法。

Hashmap的key可以是任何类型的对象，例如User这种对象，为了保证两个具有相同属性的user的hashcode相同，我们就需要改写hashcode方法，比方把hashcode值的计算与User对象的id关联起来，那么只要user对象拥有相同id，那么他们的hashcode也能保持一致了，这样就可以找到在hashmap数组中的位置了。如果这个位置上有多个元素，还需要用key的equals方法在对应位置的链表中找到需要的元素，所以只改写了hashcode方法是不够的，equals方法也是需要改写滴~当然啦，按正常思维逻辑，equals方法一般都会根据实际的业务内容来定义，例如根据user对象的id来判断两个user是否相等。

在改写equals方法的时候，需要满足以下三点：

 (1) 自反性：就是说a.equals(a)必须为true。

 (2) 对称性：就是说a.equals(b)=true的话，b.equals(a)也必须为true。

 (3) 传递性：就是说a.equals(b)=true，并且b.equals(c)=true的话，a.equals(c)也必须为true。

通过改写key对象的equals和hashcode方法，我们可以将任意的业务对象作为map的key(前提是你确实有这样的需要)。

5.  解决hash冲突的算法

1)  开放地址法：开放地址法的基本思想是当发生地址冲突时，在散列表中再按照某种方法继续探测其他的存储地址，知道找到空闲的地址为止。改过程可描述为：Hi(key)=(H(key)+di)mod m(i=1,2,…k(k<=m-1)

其中,H(key)为关键字key的直接散列地址,m为散列表的长度,di为每次再探测时的地址增量。

采用这种方法时,首先计算出关键字的直接散列地址,即H(key),若该直接散列地址上已经有其他的关键字,则继续查看地址为[H(key)+di]的存储地址,判判断其是否为空。如此反复,直至找到空闲的存储地址为止,然后将关键字key存放到该地址。

增量d可以有不同的取法,常用的有以下3种

1)di=1,2,3,…,m-1,称为线性探测再散列。

2)di=1^2，－ 1^2 ， 2^2 ，－ 2^2 ， k^2， -k^2 (k<=m/2),称为二次探测再散列。

3)di=伪随机序列,称为伪随机再散列。

注意:对于利用开放地址法处理冲突所产生的散列表中,删除一个元素时不能直接删除。因为这样将会截断其他具有相同散列地址的元素的查找地址,所以,通常采用设定一个特殊标志的方法表示该元素已经被删除。

2)  链地址法，见上面。

3)  再哈希法：这种方法是同时构造多个不同的哈希函数，当地址发生冲突时，使用第二个、第三个哈希函数计算地址，知道无冲突为止。但是这种方法的缺点是计算时间会大幅度增加。

4)  建立公共溢出区：将哈希表分为基本表和溢出表两部分，凡是和基本表发生冲突的元素，一律填入溢出表。

哈希表主要用来快速存取，查找时间复杂度为O(1)。哈希表里面的数据是无序的。在海量数据处理过程中，哈希法可以快速存取，统计某些数据，将大量数据进行分类，例如提取某日访问网站次数最多的IP

6.  hashmap链表过长怎么办

HashMap在JDK1.8及以后的版本中引入了红黑树结构，若桶中链表元素个数大于等于8时，链表转换成树结构；若桶中链表元素个数小于等于6时，树结构还原成链表。因为红黑树的平均查找长度是log(n)，长度为8的时候，平均查找长度为3，如果继续使用链表，平均查找长度为8/2=4，这才有转换为树的必要。链表长度如果是小于等于6，6/2=3，虽然速度也很快的，但是转化为树结构和生成树的时间并不会太短。

还有选择6和8，中间有个差值7可以有效防止链表和树频繁转换。假设一下，如果设计成链表个数超过8则链表转换成树结构，链表个数小于8则树结构转换成链表，如果一个HashMap不停的插入、删除元素，链表个数在8左右徘徊，就会频繁的发生树转链表、链表转树，效率会很低。

红黑树是在二叉搜索树的基础上加以改变的。

恢复红黑树的属性需要少量(O(log n))的颜色变更(实际是非常快速的)和
不超过三次树旋转(对于插入操作是两次)。

7.  高并发情况下，为什么HashMap出现死锁？（hashmap线程不安全的原因）

我们看到默认HashMap的初始长度是16，比较小，每一次put的时候，都会检查当前hashmap中的元素个数是否超过数组大小*loadFactor时，是就会进行数组扩容，loadFactor的默认值为0.75。如果超过，扩大HashMap容量一倍，整个表里的所有元素都需要按照新的hash算法被算一遍，这个代价较大。提到死锁，对于HashMap来说，貌似只能和链表操作有关。

正常ReHash过程，可以看到，每个元素重新算hash值，将链表翻转，放到对应的bucket上的链表中。这个过程在并发环境下会发生错误，导致数组链表中的链表形成循环链表，在后面的get操作时e = e.next操作无限循环，无限循环出现。HashMap在并发环境下多线程put后可能导致get死循环，具体表现为CPU使用率100%。

多线程put的时候可能导致元素丢失。两个线程发生碰撞，就可能出现覆盖丢失的情况。那么就要使用线程安全的哈希表容器。如下：使用Hashtable 类，Hashtable是线程安全的；使用java并发包（java.util.concurrent）下的ConcurrentHashMap，ConcurrentHashMap实现了更高级的线程安全。或者使用synchronizedMap() 同步方法包装 HashMap object，得到线程安全的Map，并在此Map上进行操作。