3，散列表
Hash，一般翻译做散列、杂凑，或称哈希，是把任意长度的输入，通过散列算法变换成固定长度的输出，该输出就是散列值。
--扩展：MD5,SHA，CRC都是采用的散列算法。
散列表用的是数组支持按照下标随机访问数据的特性，所以散列表其实就是数组的一种扩展，由数组演化而来。
可以说，如果没有数组，就没有散列表。
散列函数，我们可以把它定义成 hash(key)，其中 key 表示元素的键值，hash(key) 的值表示经过散列函数计算得到的散列值。
HashTable extends Dictionary implements Map<K,V>, Cloneable
transient Entry<?,?>[] table; //保存节点的数组
transient int count; //总条数
int threshold; //hashTable进行扩容的阈值
float loadFactor; //用于计算阈值的加载因子，默认为0.75
transient int modCount = 0; //进行破坏结构的修改次数，与遍历时的快速失败有关
static final int MAX_ARRAY_SIZE = Integer.MAX_VALUE - 8; //最大容量，2的31次方 - 9
private static class Entry<K,V> implements Map.Entry<K,V> {
final int hash;
final K key;
V value;
Entry<K,V> next;
//构造函数
protected Entry(int hash, K key, V value, Entry<K,V> next) {
this.hash = hash;
this.key = key;
this.value = value;
this.next = next;
}
}
}
HashMap<K,V> extends AbstractMap<K,V> implements Map<K,V>,Cloneable{
static final int DEFAULT_INITIAL_CAPACITY = 1 << 4; //默认初始化容量16
static final int MAXIMUM_CAPACITY = 1 << 30; //最大容量
static final float DEFAULT_LOAD_FACTOR = 0.75f; //默认加载因子是0.75f
static final int TREEIFY_THRESHOLD = 8; //链表转成树的阈值
static final int UNTREEIFY_THRESHOLD = 6; //树转换成链表的阈值
static final int MIN_TREEIFY_CAPACITY = 64; //转换成树的最小容量阈值
transient Node<K,V>[] table; //保存节点的数组
transient Set<Map.Entry<K,V>> entrySet; //保存的所有节点
transient int size; //保存的节点个数
transient int modCount; //修改次数，用于迭代器的快速失败
int threshold; //扩容的阈值
final float loadFactor; //加载因子
static class Node<K,V> implements Map.Entry<K,V> {
final int hash;
final K key;
V value;
Node<K,V> next;
Node(int hash, K key, V value, Node<K,V> next) {
this.hash = hash;
this.key = key;
this.value = value;
this.next = next;
}
}
}
哈希(或散列)冲突： 为什么会出现哈希冲突？ 哈希算法产生的哈希值的长度是固定且有限的。比如前面举的 MD5 的例子，哈希值是固定的 128 位二进制串，能表示的数据是有限的，最多能表示 2^128 个数据，而我们要哈希的数据是无穷的。
解决方法：
- 开放寻址法
-- 例：ThreadLocalMap 是通过线性探测的开放寻址法来解决冲突
- 优点：开放寻址法的话，散列表中的数据都存储在数组中，可以有效地利用 CPU 缓存加快查询速度。而且，这种方法实现的散列表，序列化起来比较简单。链表法包含指针，序列化起来就没那么容易。
- 缺点：用开放寻址法解决冲突的散列表，删除数据的时候比较麻烦，需要特殊标记已经删除掉的数据。而且，在开放寻址法中，所有的数据都存储在一个数组中，比起链表法来说，冲突的代价更高。所以，使用开放寻址法解决冲突的散列表，装载因子的上限不能太大。这也导致这种方法比链表法更浪费内存空间。
- 总结：当数据量比较小、装载因子小的时候，适合采用开放寻址法。这也是 Java 中的ThreadLocalMap使用开放寻址法解决散列冲突的原因。
- 链表法
--例：LinkedHashMap采用链表法解决冲突
- 优点：链表法对内存的利用率比开放寻址法要高。因为链表结点可以在需要的时候再创建，并不需要像开放寻址法那样事先申请好。对大装载因子的容忍度更高。
- 缺点：链表因为要存储指针，所以对于比较小的对象的存储，是比较消耗内存的，还有可能会让内存的消耗翻倍。而且，因为链表中的结点是零散分布在内存中的，不是连续的，所以对 CPU 缓存是不友好的，这方面对于执行效率也有一定的影响。
- 总结：基于链表的散列冲突处理方法比较适合存储大对象、大数据量的散列表，而且，比起开放寻址法，它更加灵活，支持更多的优化策略，比如用红黑树代替链表。
- 关于散列函数的设计，我们要尽可能让散列后的值随机且均匀分布，这样会尽可能地减少散列冲突，即便冲突之后，分配到每个槽内的数据也比较均匀。除此之外，散列函数的设计也不能太复杂，太复杂就会太耗时间，也会影响散列表的性能。
- 关于散列冲突解决方法的选择，我对比了开放寻址法和链表法两种方法的优劣和适应的场景。大部分情况下，链表法更加普适。而且，我们还可以通过将链表法中的链表改造成其他动态查找数据结构，比如红黑树，来避免散列表时间复杂度退化成 O(n)，抵御散列碰撞攻击。但是，对于小规模数据、装载因子不高的散列表，比较适合用开放寻址法。
HashMap 也是散列表。
- 初始大小HashMap 默认的初始大小是 16，当然这个默认值是可以设置的，如果事先知道大概的数据量有多大，可以通过修改默认初始大小，减少动态扩容的次数，这样会大大提高 HashMap 的性能。
- 装载因子和动态扩容最大装载因子默认是 0.75，当 HashMap 中元素个数超过 0.75*capacity（capacity 表示散列表的容量）的时候，就会启动扩容，每次扩容都会扩容为原来的两倍大小。
- 散列冲突解决方法HashMap 底层采用链表法来解决冲突。即使负载因子和散列函数设计得再合理，也免不了会出现拉链过长的情况，一旦出现拉链过长，则会严重影响 HashMap 的性能。于是，在 JDK1.8 版本中，为了对 HashMap 做进一步优化，我们引入了红黑树。而当链表长度太长（默认超过 8）时，链表就转换为红黑树。我们可以利用红黑树快速增删改查的特点，提高 HashMap 的性能。当红黑树结点个数少于 8 个的时候，又会将红黑树转化为链表。因为在数据量较小的情况下，红黑树要维护平衡，比起链表来，性能上的优势并不明显。
HashTable源码分析： mp.weixin.qq.com/s/wCaoQUKcB…
HashMap源码分析： mp.weixin.qq.com/s/uw5fbEQt0…
HashTable和HashMap的区别： mp.weixin.qq.com/s/ZPp_Tmz0U…
