一、HashMap集合简介
HashMap基于哈希表的Map接口实现，是以key-value存锗形式存在，即主要用来存放键值对。HashMap的实现不是同步的，这意味着它不是线程安全的。它的key、value都可以为null，此外，HashMap中的映射不是有序的。
jdk1.8之前HashMap由数组+链表组成的，数组是HashMap的主体，链表则是主要为了解决哈希冲突(两个对象调用的hashCode方法计算的哈希值一致导致计算的教组索引值相同)而存在的(“拉链法”解决冲突)。jdk1.8以后在解决哈希冲突时有了较大的变化，当链表长度大于阈值(或者红黑树的边界值，默认为8)并且当前数组的长度大于64时，此时此索引位置上的所有数据改为使用红黑树存储。
补充：将链表转换成红黑树前会判断，即便阈值大于8，但是数组长度小于64，此时并不会将链表变为红黑树，而是选择逬行数组扩容。
这样做的目的是因为数组比较小，尽量避开红黑树结构，这种情况下变为红黑树结构，反而会降低效率，因为红黑树需要逬行左旋，右旋，变色这些操作来保持平衡。同时数组长度小于64时，搜索时间相对要快些。所以结上所述为了提高性能和减少搜索时间，底层阈值大于8并且数组长度大于64时，链表才转换为红黑树，具体可以参考 treeifyBin() 方法。
当然虽然增了红黑树作为底层数据结构，结构变得复杂了，但是阈值大于8并且数组长度大于64时，链表转换为红黑树时，效率也变的更高效。
小结：
特点：
1.存储无序的
2.键和值位置都可以是null，但是键位置只能是一个null
3.键位置是唯一的，底层的数据结构控制的
4.jdk1.8前数据结构是链表+数组，jdk1.8之后是链表+数组+红黑树
5.阈值(边界值)>8并且数组长度大于64，才将链表转换为红黑树，变为红黑树的目的是为了高效的查询。
二、HashMap集合底层的数据结构
2.1 数据结构概念
数据结构是计算机存储、组织数据的方式。数据结构是指互相之间存在一种或多种特定关系的数据元素的集合。通常情况下，精心选择的数据结构可以带来更高效的运行或者存储效率。数据结构往往同高效的检索算法和索引技术有关。
2.2 HashMap底层的数据结构存储数据的过程
存储过程如下所示：
HashMap map = new HashMap<>();
map.put("柳岩", 18);
map.put("杨幂", 28);
map.put("刘德华", 40);
map.put("柳岩", 20);
输出结果：
{杨幂=28, 柳岩=20, 刘德华=40}
如图所示：
1.HashMap map = new HashMap<>();
当创建HashMap集合对象的时候，在jdk8前，构造方法中创建一个长度是16的 Entry[] table 用来存储键值对数据的。在jdk8以后不是在HashMap的构造方法底层创建数组了，是在第一次调用put方法时创建的数组 Node[] table 用来存储键值对数据。
2.假设向哈希表中存箱数据，根据柳岩调用String类中重写之后的hashCode() 方法计算出值，然后结合数组长度采用某种算法(无符号右移等等)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，则直接将存储到数组中。(举例：计算出的索引是3)
3.向哈希表中存储数据，假设算出的 hashCode() 方法结合数祖长度计算出的索引值也是3，那么此时数组空间不是null，此时底层会比较柳岩和刘德华的hash值是否一致，如果不一致，则在空间上划出一个结点来存储键值对数据对，这种方式称为拉链法。
4.假设向哈希表中存储数据，那么首先根据柳岩调用 hashCode() 方法结合数组长度计算出索引肯定3，此时比较后存储的数据柳岩和已经存在的数据的hash值是否相等，如果hash值相等，此时发生哈希碰撞。那么底层会调用柳岩所属类 String 中的equals() 方法比较两个内容是否相等：
相等：将后添加的数据的value覆盖之前的value。
不相等：继续向下和其他的数据的key进行比较，如果都不相等，则划出一个结点存储数据，如果结点长度即链表长度大于阈值8并且数组长度大于64则将链表变为红黑树。
5.在不断的添加数据的过程中，会涉及到扩容问题，当超出阈值(且要存放的位置非空)时，扩容。默认的扩容方式：扩容为原来容量的2倍，并将原有的数据复制到新的数组中来。
6.综上描述，当位于一个表中的元素较多，即hash值相等但是内容不相等的元素较多时，通过key值依次查找的效率较低。而jdk1.8中，哈希表存储采用数组+链表+红黑树实现，当链表长度(阈值)超过8且当前数组的长度大于64时，将链表转换为红黑树，这样大大减少了查找时间。jdk8在哈希表中引入红黑树的原因只是为了查找效率更高。
简单的来说，哈希表是由数组+链表+红黑树(JDK1.8增加了红黑树部分)实现的。如下图所示：
7.传统hashMap的缺点，1.8为什么引入红黑树？这样结构的话不是更麻烦了吗，为何阈值大于8换成红黑树？
jdk1.8以前HashMap的实现是数组+链表，即使哈希函数取得再好，也很难达到元素百分百均匀分布。当HashMap中有大量的元素都存放到同一个桶中时，这个桶下有一条长长的链表，这个时候HashMap就相当于一个单链表，假如单链表有n个元素，遍历的时间复杂度就是O(n)，完全失去了它的优势。
针对这种情况，jdk1.8中引入了红黑树(查找时间复杂度为O(logn))来优化这个问题。当链表长度很小的时候，即使遍历，速度也非常快，但是当链表长度不断变长，肯定会对查询性能有一定的影响，所以才需要转成树。
总结：
说明：
size表示HashMap中键值对的实时数量，注意这个不等于数组的长度。
threshold(临界值)= capacity(容量)* loadFactor(负载因子)。这个值是当前已占用数组长度的最大值。size超过这个值就重新resize(扩容)，扩容后的HashMap容量是之前容量的两倍。
2.3 面试题
HashMap中hash函数是怎么实现的？还有哪些hash函数的实现方式？
答：对于key的hashCode做hash操作，无符号右移16位然后做异或运算。还有平方取中法，伪随机数法和取余数法。这三种效率都比较低。而无符号右移16位异或运算效率是最高的。
当两个对象的hashcode相等时会怎么样？
答：会产生哈希碰撞。若key值内容相同则替换旧的value，不然连接到链表后面，链表长度超过阈值8就转换为红黑树存储。
何时发生哈希碰撞和什么是哈希碰撞,如何解决哈希碰撞？
答：只要两个元素的key计算的哈希码值相同就会发生哈希碰撞。jdk8之前使用链表解决哈希碰撞。jdk8之后使用链表+红黑树解决哈希碰撞。(通过equals)
如果两个键的hashcode相同，如何存储键值对？
答：通过equals比较内容是否相同。相同：则新的value覆盖之前的value。不相同：则将新的键值对添加到哈希表中。
三、HashMap继承关系
HashMap继承关系如下图所示：
说明：
Cloneable空接口，表示可以克隆。创建并返回HashMap对象的一个副本。
Serializable序列化接口。属于标记性接口。HashMap对象可以被序列化和反序列化。
AbstractMap父类提供了 Map实现接口。以最大限度地减少实现此接口所需的工作。
补充：
通过上述继承关系我们发现一个很奇怪的现象，就是HashMap已经继承了AbstractMap而AbstractMap类实现了Map接口，那为什么HashMap还要在实现Map接口呢？同样在ArrayList中LinkedLis冲都是这种结构。
据java集合框架的创始人 Josh Bloch 描述，这样的写法是一个失误。在java集合框架中，类似这样的写法很多，最幵始写java集合框架的时候，他认为这样写，在某些地方可能是有价值的，直到他意识到错了。显然的，jdk的维护者，后来不认为这个小小的失误值得去修改，所以就这样存在下来了。
四、HashMap集合类的成员
4.1 成员变量
序列化版本号
private static final long serialVersionUID = 362498820763181265L;
2.集合的初始化容量(必须是2的n次幂)
//默认的初始容量是16 1 << 4 相当于 1*2的4次方
static final int DEFAULT_INITIAL_CAPACITY = 1 << 4;
问题：为什么必须是2的n次幂？如果输入值不是2的幂比如10会怎么样?
HashMap构造方法还可以指定集合的初始化容量大小：
HashMap(int initialCapacity) //构造一个带指定初始容量和默认负载因子(0.75)的空HashMap。
当向HashMap中添加一个元素的时候，需要根据key的hash值，去确定其在数组中的具体位置。HashMap为了存取高效，减少碰撞，就是要尽量把数据分配均匀，每个链表长度大致相同，这个实现就在把数据存到哪个链表中的算法。
这个算法实际就是取模，hash%length，计算机中直接求余效率不如位移运算。所以源码中做了优化，使用 hash&(length-1)，而实际上 hash%length 等于 hash&(length-1) 的前提是length是2的n次幂。
例如长度为8的时候，3 & (8 - 1) = 3，2 & (8-1) = 2，不同位置上，不碰撞。
/*** Returns a power of two size for the given target capacity.*/
static final int tableSizeFor(intcap) {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;
}
说明：
当在实例化HashMap实例时，如果给定了initialCapacity，由于HashMap的capacity必须都是2的幂，因此这个方法用于找到大于等于initialCapacity的最小的2的幂。
分析：
int n = cap - 1;
防止cap已经是2的幂。如果cap已经是2的幂，又没有这个减1操作，则执行完后面的几条无符号操作之后，返回的capacity将是这个cap的2倍。
如果n这时为0了(经过了cap - 1后)，则经过后面的几次无符号右移依然是0，最后返回的capacity是1(最后有个n + 1的操作)。
注意：容量最大也就是32bit的正数，因此最后 n |= n >>> 16; 最多也就32个1(但是这已经是负数了，在执行tableSizeFor之前，对initialCapacity做了判断，如果大于MAXIMUM_CAPACITY(2 ^ 30)，则取MAXIMUM_CAPACITY。如果等于MAXIMUM_CAPACITY，会执行位移操作。所以这里面的位移操作之后，最大30个1，不会大于等于MAXIMUM_CAPACITY。30个1，加1后得2 ^ 30)。
完整例子：
注意：得到的这个capacity却被赋值给了threshold
1. this.threshold = tableSizeFor(initialCapacity);
2. 默认的负载因子，默认值是0.75
static final float DEFAULT_LOAD_FACTOR = 0.75f;
3. 集合最大容量
static final int MAXIMUM_CAPACITY = 1 << 30; //2的30次幂
4. 当链表的值超过8则会转为红黑树(jdk1.8新增)
//当桶(bucket)上的结点数大于这个值时会转为红黑树
static final int TREEIFY_THRESHOLD = 8;
问题：为什么Map桶中结点个数超过8才转为红黑树？
8这个阈值定义在HashMap中，针对这个成员变量，在源码的注释中只说明了8是bin(bin就是bucket桶)从链表转成树的阈值，但是并没有说明为什么是8；
在HashMap中有一段注释说明；
Because TreeNodes are about twice the size of regular nodes, we use them only when bins contain enough nodes to warrant use (see TREEIFY_THRESHOLD). And when they become too small (due to removal or resizing) they are converted back to plain bins. In usages with well-distributed user hashCodes, tree bins are rarely used. Ideally, under random hashCodes, the frequency of nodes in bins follows a Poisson distribution (http://en.wikipedia.org/wiki/Poisson_distribution) with a parameter of about 0.5 on average for the default resizing
threshold of 0.75, although with a large variance because of resizing granularity. Ignoring variance, the expected occurrences of list size k are (exp(-0.5) * pow(0.5, k) /factorial(k)). The first values are:
翻译：因为树结点的大小大约是普通结点的两倍，所以我们只在箱子包含足够的结点时才使用树结点(参见
TREEIFY_THRESHOLD)。当它们变得太小(由于删除或调整大小)时，就会被转换回普通的捅。在使用分布良好的用户 hashCode 时，很少使用树箱。理想情况下，在随机哈希码下，箱子中结点的频率服从泊松分布
(http://en.wikipedia.org/wiki/Poisson_distribution) ，默认调整阈值为0.75，平均参数约为0.5，尽管由
于调整粒度的差异很大。忽略方差，列表大小k的预朗出现次数是(exp(-0.5) * pow(0.5, k) / factorial(k))。
第一个值是：0: 0.60653066
1: 0.30326533
2: 0.07581633
3: 0.01263606
4: 0.00157952
5: 0.00015795
6: 0.00001316
7: 0.00000094
8: 0.00000006more: less than1 in ten million
TreeNodes占用空间是普通Nodes的两倍，所以只有当bin包含足够多的结点时才会转成TreeNodes，而是否足够多就是由TREEIFY_THRESH〇LD的值决定的。当bin中结点数变少时，又会转成普通的bin。并且我们查看源码的时候发现，链表长度达到8就转成红黑树，当长度降到6就转成普通bin。
这样就解释了为什么不是一开始就将其转换为TreeNodes，而是需要一定结点数才转为TreeNodes，说白了就是权衡空间和时间。
这段内容还说到：当hashCode离散性很好的时候，树型bin用到的概率非常小，因为数据均匀分布在每个bin中，几乎不会有bin中链表长度会达到阈值。但是在随机hashCode下，离散性可能会变差，然而jdk又不能阻止用户实现这种不好的hash算法，因此就可能导致不均匀的数据分布。不理想情况下随机hashCode算法下所有bin中结点的分布频率会遵循泊松分布，我们可以看到，一个bin中链表长度达到8个元素的槪率为0.00000006，几乎是不可能事件。所以，之所以选择8，不是随便決定的，而是裉据概率统计决定的。甶此可见，发展将近30年的java每一项改动和优化都是非常严谨和科学的。
也就是说：选择8因为符合泊松分布，超过8的时候，概率已经非常小了，所以我们选择8这个数宇。
补充：
Poisson分布(泊松分布)，是一种统计与概率学里常见到的离散[概率分布]。泊松分布的概率函数为：
泊松分布的参数A是单位时间(或单位面积)内随机事件的平均发生次数。泊松分布适合于描述单位时间内随机事件发生的次数。
红黑树的平均查找长度是log(n)，如果长度为8，平均查找长度为log(8) = 3，链表的平均查找长度为n/2，当长度为8时，平均查找长虔为8/2 = 4，这才有转换成树的必要；链表长度如果是小于等于6， 6/2 = 3，而log(6) = 2.6，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。
5.当链表的值小于6则会从红黑树转回链表
//当捅(bucket)上的结点数小于这个值，树转为链表
static final int UNTREEIFY_THRESHOLD = 6;
6.MIN_TREEIFY_CAPACITY
当Map里面的数量超过这个值时，表中的桶才能进行树形化，否则桶内元素太多时会扩容，而不是树形化为了避免进行扩容、树形化选择的冲突，这个值不能小于4*TREEIFY_THRESHOLD(8)
//捅中结构转化为红黑树对应的数组长度最小的值
static final int MIN_TREEIFY_CAPACITY = 64;
7.table用来初始化(必须是二的n次幂)(重点)
//存储元素的数组
transient Node[] table;
table在jdk1.8中我们了解到HashMap是由数组加链表加红黑树来组成的结构其中table就是HashMap中的数组，jdk8之前数组类型是Entry类型。从jdk1.8之后是Node类型。只是换了个名字，都实现了一样的接口：Map.Entry。负责存储键值对数据的。
8.用来存放缓存
//存放具体元素的集合
transient Set> entrySet;
9.HashMap中存放元素的个数(重点)
//存放元素的个数，注意这个不等于数组的长度
transient int size;
size为HashMap中K-V的实时数量，不是数组table的长度。
10.用来记录HashMap的修改次数
//每次扩容和更改map结构的计数器
transient int modCount;
11.用来调整大小下一个容量的值计算方式为(容量*负载因子)
//临界值 当实际大小(容量*负载因子)超过临界值时，会进行扩容
int threshold;
12.哈希表的负载因子(重点)
//负载因子
final float loadFactor;
说明：
loadFactor 负载因子，是用来衡量HashMap满的程度，表示HashMap的疏密程度，影响hash操作到同一个数组位置的概率，计算HashMap的实时负载因子的方法为：size/capacity，而不是占用桶的数量去除以capacity。capacity 是桶的数量，也就是 table 的长度 length。
loadFactor太大导致查找元素效率低，太小导致数组的利用率低，存放的数据会很分散。loadFactor的默认值为0.75f是官方给出的一个比较好的临界值。
当HashMap里面容纳的元素已经达到HashMap数组长度的75%时，表示HashMap太挤了，需要扩容，而扩容这个过程涉及到 rehash、复制数据等操作，非常消耗性能。所以开发中尽量减少扩容的次数，可以通过创建HashMap集合对象时指定初始容量来尽量避免。
同时在HashMap的构造器中可以定制loadFactor。
//构造方法，构造一个带指定初始容量和负载因子的空HashMap
HashMap(int initialCapacity, float loadFactor);
为什么负载因子设置为0.75，初始化临界值是12？
loadFactor越趋近于1，那么 数组中存放的数据(entry)也就越多，也就越密，也就是会让链表的长度增加，loadFactor越小，也就是趋近于0，数组中存放的数据(entry)也就越少，也就越稀疏。
如果希望链表尽可能少些，要提前扩容。有的数组空间有可能一直没有存储数据，负载因子尽可能小一些。
举例：
例如：负载因子是0.4。 那么16*0.4--->6如果数组中满6个空间就扩容会造成数组利用率太低了。
负载因子是0.9。 那么16*0.9---->14 那么这样就会导致链表有点多了。导致查找元素效率低。
所以既兼顾数组利用率又考虑链表不要太多，经过大量测试0.75是最佳方案。
threshold计算公式：capacity(数组长度默认16) * loadFactor(负载因子默认0.75)。这个值是当前已占用数组长度的最大值。当Size >= threshold的时候，那么就要考虑对数组的resize(扩容)，也就是说，这个的意思就是 衡量数组是否需要扩增的一个标准。 扩容后的 HashMap 容量是之前容量的两倍。
4.2 构造方法
HashMap 中重要的构造方法，它们分别如下：
构造一个空的HashMap，默认初始容量(16)和默认负载因子(0.75)
publicHashMap() {this.loadFactor = DEFAULT_LOAD_FACTOR; //将默认的负载因子0.75赋值给loadFactor，并没有创建数组
}
2.构造一个具有指定的初始容量和默认负载因子(0.75)HashMap
//指定“容量大小”的构造函数
public HashMap(intinitialCapacity) {this(initialCapacity, DEFAULT_LOAD_FACTOR);
}
3.构造一个具有指定的初始容量和负载因子的 HashMap
/*指定“容量大小”和“负载因子”的构造函数
initialCapacity：指定的容量
loadFactor:指定的负载因子*/
public HashMap(int initialCapacity, floatloadFactor) {//判断初始化容量initialCapacity是否小于0
if (initialCapacity < 0)//如果小于0，则抛出非法的参数异常IllegalArgumentException
throw new IllegalArgumentException("Illegal initial capacity: " +initialCapacity);//判断初始化容量initialCapacity是否大于集合的最大容量MAXIMUM_CAPACITY
if (initialCapacity >MAXIMUM_CAPACITY)//如果超过MAXIMUM_CAPACITY，会将MAXIMUM_CAPACITY赋值给initialCapacity
initialCapacity =MAXIMUM_CAPACITY;//判断负载因子loadFactor是否小于等于0或者是否是一个非数值
if (loadFactor <= 0 ||Float.isNaN(loadFactor))//如果满足上述其中之一，则抛出非法的参数异常IllegalArgumentException
throw new IllegalArgumentException("Illegal load factor: " +loadFactor);//将指定的负载因子赋值给HashMap成员变量的负载因子loadFactor
this.loadFactor =loadFactor;this.threshold =tableSizeFor(initialCapacity);
}//最后调用了tableSizeFor，来看一下方法实现：
/*返回比指定初始化容量大的最小的2的n次幂*/
static final int tableSizeFor(intcap) {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;
}
说明：
对于 javathis.threshold = tableSizeFor(initialCapacity); 疑问解答：
tableSizeFor(initialCapacity)判断指定的初始化容量是否是2的n次幂，如果不是那么会变为比指定初始化容量大的最小的2的n次幂。
但是注意，在tableSizeFor方法体内部将计算后的数据返回给调用这里了，并且直接赋值给threshold边界值了。有些人会觉得这里是一个bug，应该这样书写：this.threshold = tableSizeFor(initialCapacity) * this.loadFactor;
这样才符合threshold的意思(当HashMap的size到达threshold这个阈值时会扩容)。
但是请注意，在jdk8以后的构造方法中，并没有对table这个成员变量进行初始化，table的初始化被推迟到了put方法中，在put方法中会对threshold重新计算。
4.包含另一个“Map”的构造函数
//构造一个映射关系与指定 Map 相同的新 HashMap。
public HashMap(Map extends K, ? extends V>m) {//负载因子loadFactor变为默认的负载因子0.75
this.loadFactor =DEFAULT_LOAD_FACTOR;
putMapEntries(m,false);
}
最后调用了 putMapEntries()，来看一下方法实现：
final void putMapEntries(Map extends K, ? extends V> m, booleanevict) {//获取参数集合的长度
int s =m.size();if (s > 0) {//判断参数集合的长度是否大于0，说明大于0
if (table == null) { //判断table是否已经初始化//未初始化，s为m的实际元素个数
float ft = ((float)s / loadFactor) + 1.0F;int t = ((ft < (float)MAXIMUM_CAPACITY) ? (int)ft : MAXIMUM_CAPACITY);//计算得到的t大于阈值，则初始化阈值
if (t >threshold)
threshold=tableSizeFor(t);
}//已初始化，并且m元素个数大于阈值，进行扩容处理
else if (s >threshold)
resize();//将m中的所有元素添加至HashMap中
for (Map.Entry extends K, ? extends V>e : m.entrySet()) {
K key=e.getKey();
V value=e.getValue();
putVal(hash(key), key, value,false, evict);
}
}
}
注意：
float ft = ((float)s / loadFactor) + 1.0F; 这一行代码中为什么要加1.0F？
s/loadFactor的结果是小数，加1.0F与(int)ft相当于是对小数做一个向上取整以尽可能的保证更大容量，更大的容量能够减少resize的调用次数。所以 + 1.0F是为了获取更大的容量。
例如：原来集合的元素个数是6个，那么6/0.75是8，是2的n次幂，那么新的数组大小就是8了。然后原来数组的数据就会存储到长度是8的新的数组中了，这样会导致在存储元素的时候，容量不够，还得继续扩容，那么性能降低了，而如果+1呢，数组长度直接变为16了，这样可以减少数组的扩容。
4.3成员方法
4.3.1 增加方法
put方法是比较复杂的，实现步骤大致如下：
先通过hash值计算出key映射到哪个桶；
如果桶上没有碰撞冲突，则直接插入；
如果出现碰撞冲突了，则需要处理冲突：
a 如果该桶使用红黑树处理冲突，则调用红黑树的方法插入数据；
b 否则采用传统的链式方法插入。如果链的长度达到临界值，则把链转变为红黑树；
如果桶中存在重复的键，则为该键替换新值value；
如果size大于阈值threshold，则进行扩容；
具体的方法如下
publicV put(K key, V value) {return putVal(hash(key), key, value, false, true);
}
说明：
HashMap只提供了put用于添加元素，putVal方法只是给put方法调用的一个方法，并没有提供给用户使用。 所以我们重点看putVal方法。
我们可以看到在putVal()方法中key在这里执行了一下hash()方法,来看一下Hash方法是如何实现的。
static final inthash(Object key) {inth;/*1)如果key等于null：返回的是0.
2)如果key不等于null：首先计算出key的hashCode赋值给h，然后与h无符号右移16位后的二进制进行按位异或得到最后的hash值*/
return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}
从上面可以得知HashMap是支持Key为空的，而HashTable是直接用Key来获取HashCode所以key为空会抛异常。
解读上述hash方法：
我们先研究下key的哈希值是如何计算出来的。key的哈希值是通过上述方法计算出来的。
这个哈希方法首先计算出key的hashCode赋值给h，然后与h无符号右移16位后的二进制进行按位异或得到最后的 hash值。计算过程如下所示：
static final inthash(Object key) {inth;return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}
在putVal函数中使用到了上述hash函数计算的哈希值：
final V putVal(int hash, K key, V value, boolean onlyIfAbsent, booleanevict) {
...if ((p = tab[i = (n - 1) & hash]) == null) //这里的n表示数组长度16
...
}
计算过程如下所示：
说明：
key.hashCode()；返回散列值也就是hashcode，假设随便生成的一个值。
n表示数组初始化的长度是16。
&(按位与运算)：运算规则：相同的二进制数位上，都是1的时候，结果为1，否则为零。
^(按位异或运算)：运算规则：相同的二进制数位上，数字相同，结果为0，不同为1。
简单来说就是：
高16bit不变，低16bit和高16bit做了一个异或(得到的hashCode转化为32位二进制，前16位和后16位低16bit和高16bit做了一个异或)
问题：为什么要这样操作呢？
如果当n即数组长度很小，假设是16的话，那么n - 1即为1111 ，这样的值和hashCode直接做按位与操作，实际上只使用了哈希值的后4位。如果当哈希值的高位变化很大，低位变化很小，这样就很容易造成哈希冲突了，所以这里把高低位都利用起来，从而解决了这个问题。
现在看putVal()方法，看看它到底做了什么。
主要参数：
hash key的hash值
key 原始Key
value 要存放的值
onlyIfAbsent 如果true代表不更改现有的值
evict 如果为false表示table为创建状态
putVal()方法源代码如下所示：
publicV put(K key, V value) {return putVal(hash(key), key, value, false, true);
}final V putVal(int hash, K key, V value, boolean onlyIfAbsent, booleanevict) {
Node[] tab; Node p; intn, i;/*1)transient Node[] table; 表示存储Map集合中元素的数组。
2)(tab = table) == null 表示将空的table赋值给tab，然后判断tab是否等于null，第一次肯定是null。
3)(n = tab.length) == 0 表示将数组的长度0赋值给n，然后判断n是否等于0，n等于0，由于if判断使用双或，满足一个即可，则执行代码 n = (tab = resize()).length; 进行数组初始化，并将初始化好的数组长度赋值给n。
4)执行完n = (tab = resize()).length，数组tab每个空间都是null。*/
if ((tab = table) == null || (n = tab.length) == 0)
n= (tab =resize()).length;/*1)i = (n - 1) & hash 表示计算数组的索引赋值给i，即确定元素存放在哪个桶中。
2)p = tab[i = (n - 1) & hash]表示获取计算出的位置的数据赋值给结点p。
3) (p = tab[i = (n - 1) & hash]) == null 判断结点位置是否等于null，如果为null，则执行代码：tab[i] = newNode(hash, key, value, null);根据键值对创建新的结点放入该位置的桶中。
小结：如果当前桶没有哈希碰撞冲突，则直接把键值对插入空间位置。*/
if ((p = tab[i = (n - 1) & hash]) == null)//创建一个新的结点存入到桶中
tab[i] = newNode(hash, key, value, null);else{//执行else说明tab[i]不等于null，表示这个位置已经有值了
Nodee; K k;/*比较桶中第一个元素(数组中的结点)的hash值和key是否相等
1)p.hash == hash ：p.hash表示原来存在数据的hash值 hash表示后添加数据的hash值 比较两个hash值是否相等。
说明：p表示tab[i]，即 newNode(hash, key, value, null)方法返回的Node对象。
Node newNode(int hash, K key, V value, Node next) {
return new Node<>(hash, key, value, next);
}
而在Node类中具有成员变量hash用来记录着之前数据的hash值的。
2)(k = p.key) == key ：p.key获取原来数据的key赋值给k key 表示后添加数据的key比较两个key的地址值是否相等。
3)key != null && key.equals(k)：能够执行到这里说明两个key的地址值不相等，那么先判断后添加的key是否等于null，如果不等于null再调用equals方法判断两个key的内容是否相等。*/
if (p.hash == hash &&((k= p.key) == key || (key != null &&key.equals(k))))/*说明：两个元素哈希值相等，并且key的值也相等，将旧的元素整体对象赋值给e，用e来记录*/e=p;//hash值不相等或者key不相等；判断p是否为红黑树结点
else if (p instanceofTreeNode)//放入树中
e = ((TreeNode)p).putTreeVal(this, tab, hash, key, value);//说明是链表结点
else{/*1)如果是链表的话需要遍历到最后结点然后插入
2)采用循环遍历的方式，判断链表中是否有重复的key*/
for (int binCount = 0; ; ++binCount) {/*1)e = p.next 获取p的下一个元素赋值给e。
2)(e = p.next) == null 判断p.next是否等于null，等于null，说明p没有下一个元素，那么此时到达了链表的尾部，还没有找到重复的key,则说明HashMap没有包含该键，将该键值对插入链表中。*/
if ((e = p.next) == null) {/*1)创建一个新的结点插入到尾部
p.next = newNode(hash, key, value, null);
Node newNode(int hash, K key, V value, Node next) {
return new Node<>(hash, key, value, next);
}
注意第四个参数next是null，因为当前元素插入到链表末尾了，那么下一个结点肯定是null。
2)这种添加方式也满足链表数据结构的特点，每次向后添加新的元素。*/p.next= newNode(hash, key, value, null);/*1)结点添加完成之后判断此时结点个数是否大于TREEIFY_THRESHOLD临界值8，如果大于则将链表转换为红黑树。
2)int binCount = 0 ：表示for循环的初始化值。从0开始计数。记录着遍历结点的个数。值是0表示第一个结点，1表示第二个结点。。。。7表示第八个结点，加上数组中的的一个元素，元素个数是9。
TREEIFY_THRESHOLD - 1 --》8 - 1 ---》7
如果binCount的值是7(加上数组中的的一个元素，元素个数是9)
TREEIFY_THRESHOLD - 1也是7，此时转换红黑树。*/
if (binCount >= TREEIFY_THRESHOLD - 1) //-1 for 1st//转换为红黑树
treeifyBin(tab, hash);//跳出循环
break;
}/*执行到这里说明e = p.next 不是null，不是最后一个元素。继续判断链表中结点的key值与插入的元素的key值是否相等。*/
if (e.hash == hash &&((k= e.key) == key || (key != null &&key.equals(k))))//相等，跳出循环
/*要添加的元素和链表中的存在的元素的key相等了，则跳出for循环。不用再继续比较了
直接执行下面的if语句去替换去 if (e != null)*/
break;/*说明新添加的元素和当前结点不相等，继续查找下一个结点。
用于遍历桶中的链表，与前面的e = p.next组合，可以遍历链表*/p=e;
}
}/*表示在桶中找到key值、hash值与插入元素相等的结点
也就是说通过上面的操作找到了重复的键，所以这里就是把该键的值变为新的值，并返回旧值
这里完成了put方法的修改功能*/
if (e != null) {//记录e的value
V oldValue =e.value;//onlyIfAbsent为false或者旧值为null
if (!onlyIfAbsent || oldValue == null)//用新值替换旧值//e.value 表示旧值 value表示新值
e.value =value;//访问后回调
afterNodeAccess(e);//返回旧值
returnoldValue;
}
}//修改记录次数
++modCount;//判断实际大小是否大于threshold阈值，如果超过则扩容
if (++size >threshold)
resize();//插入后回调
afterNodeInsertion(evict);return null;
}
4.3.2 将链表转换为红黑树的treeifyBin方法
结点添加完成之后判断此时结点个数是否大于TREEIFY_THRESHOLD临界值8，如果大于则将链表转换为红黑树，转换红黑树的方法 treeifyBin，整体代码如下：
if (binCount >= TREEIFY_THRESHOLD - 1) //-1 for 1st//转换为红黑树 tab表示数组名 hash表示哈希值
treeifyBin(tab, hash);
treeifyBin方法如下所示：
/*替换指定哈希表的索引处桶中的所有链接结点，除非表太小，否则将修改大小。
Node[] tab = tab 数组名
int hash = hash表示哈希值*/
final void treeifyBin(Node[] tab, inthash) {int n, index; Nodee;/*如果当前数组为空或者数组的长度小于进行树形化的阈值(MIN_TREEIFY_CAPACITY = 64)，就去扩容。而不是将结点变为红黑树。
目的：如果数组很小，那么转换红黑树，然后遍历效率要低一些。这时进行扩容，那么重新计算哈希值，链表长度有可能就变短了，数据会放到数组中，这样相对来说效率高一些。*/
if (tab == null || (n = tab.length)
resize();else if ((e = tab[index = (n - 1) & hash]) != null) {/*1)执行到这里说明哈希表中的数组长度大于阈值64，开始进行树形化
2)e = tab[index = (n - 1) & hash]表示将数组中的元素取出赋值给e，e是哈希表中指定位置桶里的链表结点，从第一个开始*/
//hd：红黑树的头结点 tl：红黑树的尾结点
TreeNode hd = null, tl = null;do{//新创建一个树的结点，内容和当前链表结点e一致
TreeNode p = replacementTreeNode(e, null);if (tl == null)
hd= p; //将新创键的p结点赋值给红黑树的头结点
else{
p.prev= tl; //将上一个结点p赋值给现在的p的前一个结点
tl.next = p; //将现在结点p作为树的尾结点的下一个结点
}
tl=p;/*e = e.next 将当前结点的下一个结点赋值给e，如果下一个结点不等于null
则回到上面继续取出链表中结点转换为红黑树*/}while ((e = e.next) != null);/*让桶中的第一个元素即数组中的元素指向新建的红黑树的结点，以后这个桶里的元素就是红黑树
而不是链表数据结构了*/
if ((tab[index] = hd) != null)
hd.treeify(tab);
}
}
小结：上述操作一共做了如下几件事：
根据哈希表中元素个数确定是扩容还是树形化。
如果是树形化遍历桶中的元素，创建相同个数的树形结点，复制内容，建立起联系。
然后让桶中的第一个元素指向新创建的树根结点，替换桶的链表内容为树形化内容。
4.3.3 扩容方法 resize()
扩容机制
1.什么时候才需要扩容
当HashMap中的元素个数超过数组大小(数组长度)*loadFactor(负载因子)时，就会进行数组扩容，loadFactor的默认值(DEFAULT_LOAD_FACTOR)是0.75,这是一个折中的取值。也就是说，默认情况下，数组大小为16，那么当HashMap中的元素个数超过16×0.75=12(这个值就是阈值或者边界值threshold值)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，那么预知元素的个数能够有效的提高HashMap的性能。
补充：
当HashMap中的其中一个链表的对象个数如果达到了8个，此时如果数组长度没有达到64，那么HashMap会先扩容解决，如果已经达到了64，那么这个链表会变成红黑树，结点类型由Node变成TreeNode类型。当然，如果映射关系被移除后，下次执行resize方法时判断树的结点个数低于6，也会再把树转换为链表。
2.HashMap的扩容是什么
进行扩容，会伴随着一次重新hash分配，并且会遍历hash表中所有的元素，是非常耗时的。在编写程序中，要尽量避免resize。
HashMap在进行扩容时，使用的rehash方式非常巧妙，因为每次扩容都是翻倍，与原来计算的 (n-1)&hash的结果相比，只是多了一个bit位，所以结点要么就在原来的位置，要么就被分配到"原位置+旧容量"这个位置。
例如我们从16扩展为32时，具体的变化如下所示：
因此元素在重新计算hash之后，因为n变为2倍，那么n-1的标记范围在高位多1bit(红色)，因此新的index就会发生这样的变化
说明：
5是假设计算出来的原来的索引。这样就验证了上述所描述的：扩容之后所以结点要么就在原来的位置，要么就被分配到"原位置+旧容量"这个位置。
因此，我们在扩充HashMap的时候，不需要重新计算hash，只需要看看原来的hash值新增的那个bit是1还是0就可以了，是0的话索引没变，是1的话索引变成“原索引+oldCap(原位置+旧容量)”。可以看看下图为16扩充为32的resize示意图：
正是因为这样巧妙的rehash方式，既省去了重新计算hash值的时间，而且同时，由于新增的1bit是0还是1可以认为是随机的，在resize的过程中保证了rehash之后每个桶上的结点数一定小于等于原来桶上的结点数，保证了rehash之后不会出现更严重的hash冲突，均匀的把之前的冲突的结点分散到新的桶中了。
源码resize方法的解读
下面是代码的具体实现：
final Node[] resize() {//得到当前数组
Node[] oldTab =table;//如果当前数组等于null长度返回0，否则返回当前数组的长度
int oldCap = (oldTab == null) ? 0: oldTab.length;//当前阀值点 默认是12(16*0.75)
int oldThr =threshold;int newCap, newThr = 0;//如果老的数组长度大于0//开始计算扩容后的大小
if (oldCap > 0) {//超过最大值就不再扩充了，就只好随你碰撞去吧
if (oldCap >=MAXIMUM_CAPACITY) {//修改阈值为int的最大值
threshold =Integer.MAX_VALUE;returnoldTab;
}/*没超过最大值，就扩充为原来的2倍
1) (newCap = oldCap << 1) < MAXIMUM_CAPACITY 扩大到2倍之后容量要小于最大容量
2)oldCap >= DEFAULT_INITIAL_CAPACITY 原数组长度大于等于数组初始化长度16*/
else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&oldCap>=DEFAULT_INITIAL_CAPACITY)//阈值扩大一倍
newThr = oldThr << 1; //double threshold
}//老阈值点大于0 直接赋值
else if (oldThr > 0) //老阈值赋值给新的数组长度
newCap =oldThr;else { //直接使用默认值
newCap = DEFAULT_INITIAL_CAPACITY;//16
newThr = (int)(DEFAULT_LOAD_FACTOR *DEFAULT_INITIAL_CAPACITY);
}//计算新的resize最大上限
if (newThr == 0) {float ft = (float)newCap *loadFactor;
newThr= (newCap < MAXIMUM_CAPACITY && ft < (float)MAXIMUM_CAPACITY ?(int)ft : Integer.MAX_VALUE);
}//新的阀值 默认原来是12 乘以2之后变为24
threshold =newThr;//创建新的哈希表
@SuppressWarnings({"rawtypes","unchecked"})//newCap是新的数组长度--》32
Node[] newTab = (Node[])newNode[newCap];
table=newTab;//判断旧数组是否等于空
if (oldTab != null) {//把每个bucket都移动到新的buckets中//遍历旧的哈希表的每个桶，重新计算桶里元素的新位置
for (int j = 0; j < oldCap; ++j) {
Nodee;if ((e = oldTab[j]) != null) {//原来的数据赋值为null 便于GC回收
oldTab[j] = null;//判断数组是否有下一个引用
if (e.next == null)//没有下一个引用，说明不是链表，当前桶上只有一个键值对，直接插入
newTab[e.hash & (newCap - 1)] =e;//判断是否是红黑树
else if (e instanceofTreeNode)//说明是红黑树来处理冲突的，则调用相关方法把树分开
((TreeNode)e).split(this, newTab, j, oldCap);else { //采用链表处理冲突
Node loHead = null, loTail = null;
Node hiHead = null, hiTail = null;
Nodenext;//通过上述讲解的原理来计算结点的新位置
do{//原索引
next =e.next;//这里来判断如果等于true e这个结点在resize之后不需要移动位置
if ((e.hash & oldCap) == 0) {if (loTail == null)
loHead=e;elseloTail.next=e;
loTail=e;
}//原索引+oldCap
else{if (hiTail == null)
hiHead=e;elsehiTail.next=e;
hiTail=e;
}
}while ((e = next) != null);//原索引放到bucket里
if (loTail != null) {
loTail.next= null;
newTab[j]=loHead;
}//原索引+oldCap放到bucket里
if (hiTail != null) {
hiTail.next= null;
newTab[j+ oldCap] =hiHead;
}
}
}
}
}returnnewTab;
}
4.3.4 删除方法remove()
删除的话就是首先先找到元素的位置，如果是链表就遍历链表找到元素之后删除。如果是用红黑树就遍历树然后找到之后做删除，树小于6的时候要转链表。
删除remove()方法：
//remove方法的具体实现在removeNode方法中，所以我们重点看下removeNode方法
publicV remove(Object key) {
Nodee;return (e = removeNode(hash(key), key, null, false, true)) == null ?
null: e.value;
}
removeNode()方法：
final Node removeNode(inthash, Object key, Object value,boolean matchValue, booleanmovable) {
Node[] tab; Node p; intn, index;//根据hash找到位置//如果当前key映射到的桶不为空
if ((tab = table) != null && (n = tab.length) > 0 &&(p= tab[index = (n - 1) & hash]) != null) {
Node node = null, e; K k; V v;//如果桶上的结点就是要找的key，则将node指向该结点
if (p.hash == hash &&((k= p.key) == key || (key != null &&key.equals(k))))
node=p;else if ((e = p.next) != null) {//说明结点存在下一个结点
if (p instanceofTreeNode)//说明是以红黑树来处理的冲突，则获取红黑树要删除的结点
node = ((TreeNode)p).getTreeNode(hash, key);else{//判断是否以链表方式处理hash冲突，是的话则通过遍历链表来寻找要删除的结点
do{if (e.hash == hash &&((k= e.key) == key ||(key!= null &&key.equals(k)))) {
node=e;break;
}
p=e;
}while ((e = e.next) != null);
}
}//比较找到的key的value和要删除的是否匹配
if (node != null && (!matchValue || (v = node.value) == value ||(value!= null &&value.equals(v)))) {//通过调用红黑树的方法来删除结点
if (node instanceofTreeNode)
((TreeNode)node).removeTreeNode(this, tab, movable);else if (node ==p)//链表删除
tab[index] =node.next;elsep.next=node.next;//记录修改次数
++modCount;//变动的数量
--size;
afterNodeRemoval(node);returnnode;
}
}return null;
}
4.3.5 查找元素方法get()
查找方法，通过元素的Key找到Value。
代码如下：
publicV get(Object key) {
Nodee;return (e = getNode(hash(key), key)) == null ? null: e.value;
}
get方法主要调用的是getNode方法，代码如下：
final Node getNode(inthash, Object key) {
Node[] tab; Node first, e; intn; K k;//如果哈希表不为空并且key对应的桶上不为空
if ((tab = table) != null && (n = tab.length) > 0 &&(first= tab[(n - 1) & hash]) != null) {/*判断数组元素是否相等
根据索引的位置检查第一个元素
注意：总是检查第一个元素*/
if (first.hash == hash && //always check first node
((k = first.key) == key || (key != null &&key.equals(k))))returnfirst;//如果不是第一个元素，判断是否有后续结点
if ((e = first.next) != null) {//判断是否是红黑树，是的话调用红黑树中的getTreeNode方法获取结点
if (first instanceofTreeNode)return ((TreeNode)first).getTreeNode(hash, key);do{//不是红黑树的话，那就是链表结构了，通过循环的方法判断链表中是否存在该key
if (e.hash == hash &&((k= e.key) == key || (key != null &&key.equals(k))))returne;
}while ((e = e.next) != null);
}
}return null;
}
小结：
get方法实现的步骤：
a. 通过hash值获取该key映射到的桶
b. 桶上的key就是要查找的key,则直接找到并返回
c. 桶上的key不是要找的key,则查看后续的结点：
如果后续结点是红黑树结点，通过调用红黑树的方法根据key获取value
如果后续结点是链表结点，则通过循环遍历链表根据key获取value
2 . 上述红黑树结点调用的是getTreeNode方法通过树形结点的find方法进行查找：
final TreeNode getTreeNode(inth, Object k) {return ((parent != null) ? root() : this).find(h, k, null);
}final TreeNode find(int h, Object k, Class>kc) {
TreeNode p = this;do{intph, dir; K pk;
TreeNode pl = p.left, pr =p.right, q;if ((ph = p.hash) >h)
p=pl;else if (ph
p=pr;else if ((pk = p.key) == k || (k != null &&k.equals(pk)))return p; //找到之后直接返回
else if (pl == null)
p=pr;else if (pr == null)
p=pl;else if ((kc != null ||(kc= comparableClassFor(k)) != null) &&(dir= compareComparables(kc, k, pk)) != 0)
p= (dir < 0) ?pl : pr;//递归查找
else if ((q = pr.find(h, k, kc)) != null)returnq;elsep=pl;
}while (p != null);return null;
}
3. 查找红黑树，由于之前添加时已经保证这个树是有序的了，因此查找时基本就是折半查找，效率更高。
4. 这里和插入时一样，如果对比结点的哈希值和要查找的哈希值相等，就会判断key是否相等，相等就直接返回。不相等就从子树中递归查找。
4.1 若为树，则在树中通过key.equals(k)查找，O(logn)
4.2 若为链表，则在链表中通过key.equals(k)查找，O(n)。
4.3.6 遍历HashMap集合几种方式
1.分别遍历Key和Values
for(String key : map.keySet()) {
System.out.println(key);
}for(Object vlaue : map.values() {
System.out.println(value);
}
2.使用Iterator迭代器迭代
Iterator> iterator =map.entrySet().iterator();while(iterator.hasNext()) {
Map.Entry mapEntry =iterator.next();
System.out.println(mapEntry.getKey()+ "---" +mapEntry.getValue());
}
3.通过get方式(不建议使用)
Set keySet =map.keySet();for(String str : keySet) {
System.out.println(str+ "---" +map.get(str));
}
说明：根据阿里开发手册，不建议使用这种方式，因为迭代两次。keySet获取Iterator一次，还有通过get又迭代一次，降低性能。
4.jdk8以后使用Map接口中的默认方法
default void forEach(BiConsumer super K,? super V>action)//BiConsumer接口中的方法：
voidaccept(T t, U u) 对给定的参数执行此操作。
参数
t-第一个输入参数
u- 第二个输入参数
遍历代码：
HashMap map = newHashMap();
map.put("001", "zhangsan");
map.put("002", "lisi");
map.forEach((key, value)->{
System.out.println(key+ "---" +value);
});
五、如何设计多个非重复的键值对要存储HashMap的初始化？
5.1 HashMap的初始化问题描述
如果我们确切的知道我们有多少键值对需要存储，那么我们在初始化HashMap的时候就应该指定它的容量，以防止HashMap自动扩容，影响使用效率。
默认情况下HashMap的容量是16，但是，如果用户通过构造函数指定了一个数字作为容量，那么Hash会选择大于该数字的第一个2的幂作为容量(3->4、7->8、9->16)。这点我们在上述已经进行过讲解。
《阿里巴巴Java开发手册》中建议我们设置HashMap的初始化容量。
那么，为什么要这么建议？你有想过没有。
当然，以上建议也是有理论支撑的。我们上面介绍过，HashMap的扩容机制，就是当达到扩容条件时会进行扩容。HashMap的扩容条件就是当HashMap中的元素个数(size)超过临界值(threshold)时就会自动扩容。在HashMap中，threshold = loadFactor * capacity。
所以，如果我们没有设置初始容量大小，随着元素的不断增加，HashMap会有可能发生多次扩容，而HashMap中的扩容机制决定了每次扩容都需要重建hash表，是非常影响性能的。
但是设置初始化容量，设置的数值不同也会影响性能，那么当我们已知HashMap中即将存放的KV个数的时候，容量设置成多少为好呢？
5.2 HashMap中容量的初始化
当我们使用HashMap(int initialCapacity)来初始化容量的时候，jdk会默认帮我们计算一个相对合理的值当做初始容量。那么，是不是我们只需要把已知的HashMap中即将存放的元素个数直接传给initialCapacity就可以了呢？
也就是说，如果我们设置的默认值是7，经过Jdk处理之后，会被设置成8，但是，这个HashMap在元素个数达到 8*0.75 = 6的时候就会进行一次扩容，这明显是我们不希望见到的。我们应该尽量减少扩容。原因也已经分析过。
如果我们通过initialCapacity/ 0.75F + 1.0F计算，7/0.75 + 1 = 10 ,10经过Jdk处理之后，会被设置成16，这就大大的减少了扩容的几率。
当HashMap内部维护的哈希表的容量达到75%时(默认情况下)，会触发rehash，而rehash的过程是比较耗费时间的。所以初始化容量要设置成initialCapacity/0.75 + 1的话，可以有效的减少冲突也可以减小误差。
所以，我可以认为，当我们明确知道HashMap中元素的个数的时候，把默认容量设置成initialCapacity/ 0.75F + 1.0F是一个在性能上相对好的选择，但是，同时也会牺牲些内存。
我们想要在代码中创建一个HashMap的时候，如果我们已知这个Map中即将存放的元素个数，给HashMap设置初始容量可以在一定程度上提升效率。
但是，JDK并不会直接拿用户传进来的数字当做默认容量，而是会进行一番运算，最终得到一个2的幂。原因也已经分析过。
但是，为了最大程度的避免扩容带来的性能消耗，我们建议可以把默认容量的数字设置成initialCapacity/ 0.75F + 1.0F。
本文参考来源于：掘金
448
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
