标签：png index lang origin 简介 组合 nta res 组元
HashMap是平常使用的非常多的，内部结构是 数组+链表/红黑树 构成，很多时候都是多种数据结构组合。
我们先看一下HashMap的基本操作：
new HashMap(n);
第一个知识点，传入n，构造的HashMap容量就是n吗？
答案是：不一定。
public HashMap(int initialCapacity, float loadFactor) {
this.loadFactor = loadFactor; //负载因子 默认0.75
//设置容量
this.threshold = tableSizeFor(initialCapacity);
}
tableSizeFor 这段代码其实就做了一件事，例如，你初始化给了10，它会给你16，大于10的是2的k次幂。
以初始值50为例，讲一下实现原理：
static final int tableSizeFor(int cap) {
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;
}
算法就是让二进制不断右移，与自己异或，把第一位为1(最高位)后面全变为1，111111 + 1 = 1000000 = 26 2^62
6
（符合大于50并且是2的整数次幂 ）
第二个知识点，回答开题的问题，为什么hash函数这么设计？
HashMap的hash函数是根据Key值计算的；
一定要尽可能降低hash碰撞，越分散越好；
算法一定要尽可能高效，因为这是高频操作；
再来看一下这段代码：
static final int hash(Object key) {
int h;
return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}
这段代码有个名字，叫扰动函数，大家想一下，如果hash函数直接使用key.hashCode()作为hash 值怎么样？
key.hashCode()获得的是key的hashcode(), 如果HashMap数组长度为16，求对象在数组存储位置 (n - 1) & hash 就相当于 0000 1111 & hash ，让 hash 高位全部置为0，只用到了 hash 的低位，因为只用了低位，碰撞的几率就会比较大。
聪明的算法设计者兼顾性能和降低碰撞，就考虑用高16位和低16位结合起来异或形成hash 值。如下图所示，
第三个知识点，相比1.7，JDK1.8做了哪些优化？
1.7 使用头插法，1.8使用尾插法；
1.7 hash函数使用4次位运算+5次异或，1.8使用1次位运算+1次异或；
1.7 使用数组+链表的结构，1.8 使用数组 + 链表 +红黑树；
1.7 扩容需要对原始元素重新hash & (len -1), 1.8 计算元素新位置 = 原始位置 / 原始位置 + 旧容量;
下面开始解释??说的四条：
第一条：
1.8 之前都是使用头插法，因为作者认为现在插入的数据是热乎的，最有可能被立即使用到，所以用头插法；
而为什么1.8用尾插法呢，如果是头插法，在多线程环境下，会出现这样一个问题：A线程在插入节点B，B线程也在插入，遇到容量不够开始扩容，重新hash，放置元素，采用头插法，后遍历到的B节点放入了头部，这样形成了环，如下图所示：
第二条：
1.7的hash 函数如下，可以和上面的对比看：
static int hash(int h) {
h ^= (h >>> 20) ^ (h >>> 12);
return h ^ (h >>> 7) ^ (h >>> 4);
}
四次无符号右移 五次异或
第三条：
画了一张插入流程图如下：
注意4个点：
先插入新节点再扩容（1.7是先判断容量，不够先扩容再插入）；
先判断是否为红黑树，链表插入结束判断是否是否应该转为红黑树；
红黑树转为链表的临界值是6不是8，原因是如果长度经常在8附近，转来转去，浪费资源。
为什么红黑树的阈值是8，因为合理的hash函数，发生碰撞链表长度为8的概率作者计算为千万分之后。
// 作者给的hash冲突链表长度分别为以下值得概率
* 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: 0.00000006
第四条：
1.7 扩容后会采用 hash & （len -1）重新计算所有数组元素的位置，但是1.8采用简单快捷的方式定位新位置： 直接放在原位置/ 原位置 + 旧容量
这个怎么理解呢？看下面这张图，
分二种情况：
比如现在 数组长度为16，元素的hash值为0101 ， 0000 0101 & 0000 1111 = 0000 0101,
扩容之后，因为高位为0，0000 0101 & 0001 1111 = 0000 0101，位置没变，可以直接放到扩容后的原始位置。
数组长度为16，原始的hash值为 0001 0101， 0001 0101 & 0000 1111 = 0101, 扩容到32之后， 0001 0101 & 0001 1111 = 0001 0101, 比原来的位置大16。
有意思吧！ 好好品，越品越有意思！
截取了一段扩容代码
final Node<K,V>[] resize(){
//***
if (loTail != null) {
loTail.next = null;
newTab[j] = loHead;
}
if (hiTail != null) {
hiTail.next = null;
newTab[j + oldCap] = hiHead;
}
}
面试腾讯，字节跳动，华为90%会被问到的HashMap!你会了吗？
标签：png index lang origin 简介 组合 nta res 组元
原文地址：https://www.cnblogs.com/lwh1019/p/12781879.html
