hashMap的一些思考

（1）hashmap 的结构 key-value结构数据在程序中得到很广泛的应用。比如常用的 redis，Leveldb等都采用这种数据结构。key-value是一种映射关系。映射关系是一种弱依赖关系没有逻辑上的英国关系。对结构进行分解可以分成三种要素 ，分别是 key 对象 和 value对象 ，和一一对应关系。对应关系是构建结构的纽带 。用函数方式表示 y=f(x); x表示 key 对象 y 表示value对象 f（x）,表示他么之间的对应关系。通过key-value 结构可以保存含有对应关系的两个对象。结构简单明了易懂，由于内部关系比较简单，这种结构内部计算复杂度不会很高。同时有一些缺点 ，很难表达出多于两者以上对象之间构建的系。 既然是 hashmap 那就离不开 hash 算法 。因为在实际运用场景中，我们面对的是各种各样的对象。长的方的瘪的圆的。不方便处理 ，需要有一个统一转化模型来化归对象 。抽象出对象的统一数字标识。这个时候hash算法能满足这一要求 ，任何一个对象都可以经过hash算法得到唯一的一组数字标识来作为对象标识，做一个计算映射来屏蔽了不同对象之间的不同点。（null 的hash 值默认为0 特列） hashmap 的数据结构随着 存入的数据的变化而变化，开始在没有出现hash冲突的情况下用Node来存放映射的键值对，将node 存放在数组中。 当出现相同的hash 值得时候这个时候会新建一个 Node将当前node 的next指向新建的 Node 对象。 hash算法的概率分布 。

node长度 超过8 的话分布概率默认为接近于0 ,这个时候回选择红黑树。至于为什么是红黑树不是平衡树，主要也是基于性能和分布状况来考虑的我们对数据操作基本可以归为增删改查四大类，对平衡树来说维护维护树的整体结构需要耗费的代价比较大，一般用在局部数据结构中不是用在维护整体上面。对于红黑树来说 ，所有的诉状调整可以简化为三步（左旋，右旋，着色），大大简化了树的维护时间成本和空间成本，如果对运用一些 对插入和删除 不频繁，查找比较频繁的场景 那么 平衡树比较有优势。对于hashmap 来说常用的场景是数据的存取这个时候用红黑树比较有优势。

hashmap 创建的时候会有多个构造函数重点解析一下给定容量，和负载因子的构造函数

由于hashmap 默认的最大值不超过最大整数因此构造的最大长度不会超过 2的31次方分配的空间 并不是我们输入的长度而是自己实现了一个算法来计算默认长度

通过“或与”来计算 长度 >>> 位运算是通过无符号右移左边填充0来运算 ，整数的最大值是 2的32 次方 通过 1+2+4+8+16 =32 刚好达到整数的最大次方。让最高位1 后面的其他位数全变成1，这样做还不够，因为如果这个数本身就是2的次方的话，那么我们直接取本身就可以了而不是比自己大的最小2的次方，由于位运算可能会导致负数的出现，这个时候默认为最大整数作为容量。 hashmap在删除元素的时候会适当调整结构比如当hash冲突数据小于6的时候会从树结构转换成链表结构，在由链表结构转成树结构的时候是8，但是由树结构转成链表结构的时候是6，这里主要是基于一些频繁操作的时候，为了防止频繁转换问题，让两者结构互转的时候长度不一样。这种处理方式在百变城中汗多地方都会用到 ，比如缓存的时候设置失效时间，不会专门设置成同一时候。防止同一时候大量操作发生。