Java面试高频题：为什么HashMap扩容时加载因子是0.75？原理以及面试时候回答

原理理解

HashMap 是用数组+链表/红黑树实现的，我们要想往 HashMap 中添加数据（元素/键值对）或者取数据，就需要确定数据在数组中的下标（索引）。

先把数据的键进行一次 hash：

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

再做一次取模运算确定下标：

i = (n - 1) & hash

那这样的过程容易产生两个问题：

• 数组的容量过小，经过哈希计算后的下标，容易出现冲突；
• 数组的容量过大，导致空间利用率不高。

加载因子是用来表示 HashMap 中数据的填满程度：

加载因子 = 填入哈希表中的数据个数 / 哈希表的长度

这就意味着：

• 加载因子越小，填满的数据就越少，哈希冲突的几率就减少了，但浪费了空间，而且还会提高扩容的触发几率；
• 加载因子越大，填满的数据就越多，空间利用率就高，但哈希冲突的几率就变大了。
• 这就必须在“哈希冲突”与“空间利用率”两者之间有所取舍

为什么加载因子会选择 0.75 呢？为什么不是 0.8、0.6 呢？

在介绍这个问题之前，首先阐述一下二项分布的概念：

在概率论和统计学中，二项分布是n个独立的成功/失败试验中成功的次数的离散概率分布，其中每次试验的成功概率为p。n次试验中正好得到k次成功的概率由概率质量函数给出：

以此理论为基础：我们往哈希表中扔数据，如果发生哈希冲突就为失败，否则为成功。

我们的目的是往长度为s的哈希表中仍n次数据，发生哈希冲突的为0的概率尽可能大些。

这个概率值需要大于 0.5，我们认为这样的 hashmap 可以提供很低的碰撞率。

负载因子就是n/s。（当哈希表长度为s的时候，填充n次数据就可以进行扩容了）

求得负载因为的值

考虑到 HashMap 的容量有一个要求：它必须是 2 的 n 次幂。当加载因子选择了 0.75 就可以保证它与容量的乘积为整数。

除了 0.75，0.5~1 之间还有 0.625（5/8）、0.875（7/8）可选，从中位数的角度，挑 0.75 比较完美。另外，维基百科上说，拉链法（解决哈希冲突的一种）的加载因子最好限制在 0.7-0.8 以下，超过 0.8，查表时的 CPU 缓存不命中（cache missing）会按照指数曲线上升。

综上，0.75 是个比较完美的选择。

面试时候回答

HashMap的负载因子决定元素个数达到多少时候扩容。

假如我们设的比较大，元素比较多，空位比较少的时候才扩容，那么发生哈希冲突的概率就增加了，查找的时间成本就增加了。

我们设的比较小的话，元素比较少，空位比较多的时候就扩容了，发生哈希碰撞的概率就降低了，查找时间成本降低，但是就需要更多的空间去存储元素，空间成本就增加了。

选择 0.75 这个值是为了在时间和空间成本之间达到一个较好的平衡点，既可以保证哈希表的性能表现，又能够充分利用空间。