HashMap底层数据结构

HashMap的put原理

JDK1.8中，HashMap采用位桶+链表+红黑树实现，当map集合中总数量达到64个并且链表长度超过阈值（8）时，将链表转换为红黑树，这样大大减少了查找时间。

HashMap代码

public V put(K key, V value) {
	return putVal(hash(key), key, value, false, true);
}

扰动函数：

static final int hash(Object key) {
	int h;
    //通过hashCode()的高16位异或低16位实现
	return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}

1. 使用key.hashCode()计算hash值并赋值给变量h；
2. 将h向右移动16位；
3. 将变量h和向右移16位的h做异或运算（二进制位相同为0，不同为1）。
   此时得到经过扰动函数后的hansh值。
   
   将key.hashCode()右移16位：
   右移16位正好为32bit的一半，自己的高半区和低半区做异或，是为了混合原始哈希码的高位和低位，来加大低位的随机性。而且混合后的低位掺杂了高位的部分特征，使高位的信息也被保留下来

putVal方法：

final V putVal(int hash, K key, V value, boolean onlyIfAbsent,
			   boolean evict) {
	Node<K,V>[] tab; Node<K,V> p; int n, i;
	//底层存储数据的数组tab为空，进行第一次扩容，同时初始化tab
	if ((tab = table) == null || (n = tab.length) == 0)
		n = (tab = resize()).length;
	//计算要存储数据的下标index，如果当前位置为null，直接插入
	if ((p = tab[i = (n - 1) & hash]) == null)
		tab[i] = newNode(hash, key, value, null);
	else {
		Node<K,V> e; K k;
		//tab[i]的首个元素就是key，直接覆盖
		if (p.hash == hash &&
			((k = p.key) == key || (key != null && key.equals(k))))
			e = p;
		//tab[i]为TreeNode，进行红黑树的插入
		else if (p instanceof TreeNode)
			e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
		//链表遍历
		else {
			for (int binCount = 0; ; ++binCount) {
				if ((e = p.next) == null) {
					p.next = newNode(hash, key, value, null);
					//链表长度大于8，转换为红黑树进行处理
					if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st
						treeifyBin(tab, hash);
					break;
				}
				//找到已经存在的key，直接覆盖
				if (e.hash == hash &&
					((k = e.key) == key || (key != null && key.equals(k))))
					break;
				p = e;
			}
		}
		if (e != null) { // existing mapping for key
			V oldValue = e.value;
			if (!onlyIfAbsent || oldValue == null)
				e.value = value;
			afterNodeAccess(e);
			return oldValue;
		}
	}
	++modCount;
	//数据插入完成，size超过了扩容的阀值(容量*负载因子)，进行扩容
	if (++size > threshold)
		resize();
	afterNodeInsertion(evict);
	return null;
}

HashMap解决hash冲突：

1. 使用链地址法（使用散列表）来链接拥有相同hash值的数据；
2. 使用2次扰动函数（hash函数）来降低哈希冲突的概率，使得数据分布更平均；
3. 引入红黑树进一步降低遍历的时间复杂度，使得遍历更快；