先看一个例子：
func main() {
m := make(map[string]int)
m["Tom"] = 20
m["Lucy"] = 20
fmt.Println(&m["Lucy"])
}
这段代码是打印key为Lucy的地址，结果是：
# command-line-arguments
.\main.go:14:14: cannot take the address of m["Lucy"]
不能拿到地址，因为map中的元素并不是一个变量，因此我们不能对map的元素进行取址操作，禁止对map元素取址的原因是：map可能随着元素数量的增长而重新分配更大的内存空间，从而可能导致之前的地址无效。
上面说到_重新分配更大的内存空间_这句话是什么意思呢？这就需要看看map的底层结果是什么样子了。底层里面map 的结构体是 hmap，其源码如下：
本文Go版本是1.14
type hmap struct {
// 元素个数，调用 len(map) 时，直接返回此值
count int
flags uint8
// buckets 的对数 log_2
B uint8
// overflow 的 bucket 近似数
noverflow uint16
// 计算 key 的哈希的时候会传入哈希函数
hash0 uint32
// 指向 buckets 数组，大小为 2^B
// 如果元素个数为0，就为 nil
buckets unsafe.Pointer
// 扩容的时候，buckets 长度会是 oldbuckets 的两倍
oldbuckets unsafe.Pointer
// 指示扩容进度，小于此地址的 buckets 迁移完成
nevacuate uintptr
extra *mapextra // optional fields
}
说明一下，B 是 buckets 数组的长度的对数，也就是说 buckets 数组的长度就是 2^B。bucket 里面存储了 key 和 value，后面会再讲。
buckets 是一个指针，最终它指向的是一个结构体：
type bmap struct {
tophash [bucketCnt]uint8
}
但这只是表面(src/runtime/hashmap.go)的结构，编译期间会给它加料，动态地创建一个新的结构：
type bmap struct {
topbits [8]uint8
keys [8]keytype
values [8]valuetype
pad uintptr
overflow uintptr
}
bmap 就是我们常说的“桶”，桶里面会最多装 8 个 key，这些 key 之所以会落入同一个桶，是因为它们经过哈希计算后，哈希结果是“一类”的。在桶内，又会根据 key 计算出来的 hash 值的高 8 位来决定 key 到底落入桶内的哪个位置（一个桶内最多有8个位置）。
如图：
再来看看map扩容：
在向 map 插入新 key 的时候，会进行条件检测，符合下面这 2 个条件，就会触发扩容：
-
装载因子超过阈值，源码里定义的阈值是 6.5。
-
overflow 的 bucket 数量过多：当 B 小于 15，也就是 bucket 总数 2^B 小于 2^15 时，如果 overflow 的 bucket 数量超过 2^B；当 B >= 15，也就是 bucket 总数 2^B 大于等于 2^15，如果 overflow 的 bucket 数量超过 2^15。
装载因子：loadFactor := count / (2^B) 【count 就是 map 的元素个数，2^B 表示 bucket 数量。】
-
第 1 点：我们知道，每个 bucket 有 8 个空位，在没有溢出，且所有的桶都装满了的情况下，装载因子算出来的结果是 8。因此当装载因子超过 6.5 时，表明很多 bucket 都快要装满了，查找效率和插入效率都变低了。在这个时候进行扩容是有必要的。
-
第 2 点：是对第 1 点的补充。就是说在装载因子比较小的情况下，这时候 map 的查找和插入效率也很低，而第 1 点识别不出来这种情况。表面现象就是计算装载因子的分子比较小，即 map 里元素总数少，但是 bucket 数量多（真实分配的 bucket 数量多，包括大量的 overflow bucket）。 不难想像造成这种情况的原因：不停地插入、删除元素。先插入很多元素，导致创建了很多 bucket，但是装载因子达不到第 1 点的临界值，未触发扩容来缓解这种情况。之后，删除元素降低元素总数量，再插入很多元素，导致创建很多的 overflow bucket，但就是不会触犯第 1 点的规定，你能拿我怎么办？overflow bucket 数量太多，导致 key 会很分散，查找插入效率低得吓人，因此出台第 2 点规定。
其实简单理解就是：当操作map很频繁之后，它的元素很少，桶很多，导致数据特别分散，这种情况，查询效率会特别低下。这就像是一座空城，房子很多，但是住户很少，都分散了，找起人来很困难。所以map需要数据扩容并进行数据的重新迁移，把元素集中的均匀分布，达到在6.5阈值之内。那这个时候呢就会出现元素跑到其他桶里，地址就会被改变。
参考文章：map 的扩容过程是怎样的
