HashMap
概述
- 结构：数组+链表or红黑树
- 链表->红黑树：8，红黑树->链表：6
- 数组大小：2的倍数，方便通过&代替%操作：
寻址：i = (n - 1) & hash 等价于 hash%(n-1) ,n是长度
-
扩容：大小大于threshold
-
扰动函数
(key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
综合hash值高位和低位的特征，并存放在低位，因此在与运算时，相当于高低位一起参与了运算，以减少hash碰撞的概率。
-
扩容：
- 一定是2的倍数，下一次扩容是本次容积的2倍
-
为什么不直接用红黑树，而是链表+红黑树？
- 根据泊松分布，如果hashCode方法合适，那么其实一个bin出现8个以上hash碰撞的概率是很小的
- 而且红黑树节点消耗资源约为普通节点的2倍
- 红黑树维护成本大于链表，使用put方法的时候需要注意
-
多线程安全性
总体来说多线程不安全。
-
1.8问题相对小一些，可能出现数据读写不一致的问题；
-
1.7的问题，是因为1.7中数据是直接接到原来的头节点前面的，而1.8是加在后面。
- 那么此时如果是多线程修改该bin，可能会导致循环链表的产生。具体分析可见：juejin.cn/post/684490…
- 至于为什么是头插法，原因是基于跟LRU一样的假设：最近新增的元素，被访问的概率更大。
核心方法
-
put
-
先判断数组是否为空
- 为空则新建
-
随后根据寻址（hash&(length-1)）查找位置
-
如果为空则直接塞值
-
不为空：
-
如果和第一个节点相同：替换
-
如果是树节点：树节点查找节点
-
如果是链表：查找，如果key相同则返回相同的节点，如果没有相同则新建节点连接在后面
- 此时如果大于树化阈值，则进入节点树化方法
-
-
-
根据上一步得到的老节点（key相同的），赋值；
-
如果上一步得到的老节点为null，那么判断大小是否大于Threshold需要扩容。
- 这里需要注意：threshold = tableSize * loadFactor，因此如果可以提前知道hashMap的元素个数，那么直接指定大小和loadFactor=1可以有效避免resize。
树化
树化时机
1.容量>=64
2.链表长度>=8
树化过程
1.普通节点转化为树状节点(node->Treenode)
2.调用treeify进行树化
扩容
扩容时机
- size>=threshold（容量*loadFactor）
- 扩容大小：原来的2倍
原有节点移动
- 因为数组变大了，因此为了寻址，我们此时需要将各个槽位上的值分散到新的合适的槽位上
算法
因为我们原来的hash方式：(hash) & (n-1)
此时n = 2n 了，那么n-1意味着左边加了1位。（1111-> 11111）
那么，其实此时我们只要知道hash对应加的那一位(11111)上，是否是1，就知道需不需要移动了：
- 如果是1，意味着新的hash&(n-1)值大了，此时bin的位置是A+2^m;
- 如果是0，那么不用移动，和原来的相同。
而由于我们每个槽位上都是通过(hash & (n-1))得来的，因此在新的数组上，对应关系只能如下：
- 原来是A槽位的:hash&(n-1) = A.
- 扩容后：hash&(n-1) = A 或者A+2^m，只能是在这两个位置上，不会被分到和原来是其他bin里的数据一组的。
因此，在数组扩容后，我们只需要将每个bin上的数据，按规则分到A或者A+2^m的位置上即可，不会有互相串的可能性。
操作
- 新hash后的值不变的分到lo，
- 变的分到hi
搞定之后，直接接到新的数组上面就可以。
树node也是：
- 先执行相同的操作分为两段（其实树node中也保留了链表的next指针，因此可以很快地遍历）
- 然后，根据上面两段的计数，决定是以树的方式，还是以链表的方式，接到数组上
get
这个就没什么好讲的了，寻址->查找，和get方法中查找插入位置相同的
