hashmap 作为高频面试的问题，所涉及到的知识也是非常多，我们从以下几个方面进行入手
1.数据结构（1.7和1.8）
在1.7中hashmap的实现是基于 数组+链表的实现方式。在1.8中hashmap中的实现是基于数组 + 链表 + 红黑树（复杂版二叉查找树）。
从两个版本的数据结构不同进而，引发一下问题。
- 为什么在1.8中要引入红黑树这种数据结构。
- 为什么不一来就进行树化。
- 为什么链表长度阈值要设为8
- 什么时候要树化。
- 什么时候会退化为链表
为什么在1.8中要引入红黑树这种数据结构。
首先我们要了解hashmap是如何进行数据的存储的。我们知道hashmap中添加元素的方法是put方法。那么put一个元素的流程就很关键。
首先hashmap是懒加载，当用无参构造创建hashmap时，数组容量为0.只有当第一次put操作时，才初始化长度为16。hashmap的默认加载因子为0.75，当数据元素个数超过数组长度*加载因子，就会进行扩容。扩容是增加为当前的两倍。
当进行put操作时，会通过key的hashcode()方法拿到该key的hash码，再进行二次hash，再将二次hash后所得的值与数组长度进行取余运算，所得到的值，就是所在的槽位（下标）。如果该位置没有其他node，就直接将key和value封装到node中，并放入该位置。 如果该位置已经有元素。那么用equals进行判断key是否相等，如果相等就进行覆盖。如果不相等，就判断该槽位是否已经树化（该槽位第一个节点是否为treeNode（红黑树节点）），如果是，用红黑树的方法进行插入。如果不是，就遍历该链表，进行尾插法，此时当链表长度>=8时，会进入树化方法（treeifyBin），但不会立即树化，这个方法中还会判断数组长度是否是>=64的。只有当这两个条件同时满足才会进行树化。
以上就是简单put流程。
再来说说hashmap具有高效的查询功能，比如一组数据，放在一个数组中，我们想要找到某一个数据，我们需要遍历整个数组进行查找，时间复杂度是O（n）。如果我们把这组数据放入hashmap中。当我们进行查找是，hashmap会根据key的二次hash很快的找到在数组中所对应的位置。非常高效。
虽说hashmap具有高效的查询功能。但也只是找到所在的槽位，但如果该槽位所形成的链表非常长，那么也需要进行对列表的遍历，也会降低效率。所以 在链表超过一定的长度时会进行树化，二叉查找树。这个数的特点就是，根节点的左子节点比他小，右子节点比他大。这样更能提高效率。这也是为什么会引入红黑树这种结构了。
为什么不一来就进行树化。
1.当链表长度较短时，查询性能和红黑树相差不大。2.并且红黑树维护的数据要比链表维护的数据更加多，所占内存也较大。3.维护红黑树的平衡也比较消耗性能，所以并没有必要依赖就进行树化。
为什么链表长度阈值要设为8
为什么阈值是8，这个数是经过数学论证了的。在使用 HashMap 的默认参数情况下，长度为8的链表出现概率大约是 0.00000006。在千万数据中，长度超过8的数据小于1。由此看出 树化的情况是一种不正常的状况。 在一般的正常业务中，很难产生树化。出现树化情况，很有可能会被攻击，攻击者用 DoS 攻击 ，制造大量相同的hash值数据，导致系统性能急剧下降。红黑树就是为了防止dos攻击。
什么时候要树化。
树化必须要满足两个条件
1.数组长度大于等于64
2.链表长度大于等于8
什么时候会退化为链表
两种操作会导致树退化为链表
第一种：当数组扩容时，此时key的槽位将会重新计算。当该槽位的树发生拆分时，且当前树的个数<=6时，会退化成链表
第二种：当删除树的节点元素时。在移除树的某个节点前，会进行一次判断，如果root节点，root.left，root.right，root.left.left中有一个为null，就会退化成链表。
可能会有疑问。为什么扩容时，当前树的个数＜=6才进行退化，而不是小于8。有7这个缓冲值，防止频繁的树化和退化。
2.索引如何计算
首先通过key的hashCode方法得到第一次hash。再通过hashmap的hash（）得到第二次hash值。 再通过把第二次的hash与数组长度取余得到对应的数组下标。但看源码发现，int index = hash & (capacity -1) 这种方式进行下标的计算。capacity一般称为桶的数量，也就是数组长度。我们要让元素随机分布到每个桶中，最好的方式就是对桶数量进行取余运算，余数就是下标。但这里好像又不是取余运算，这是为什么呢。这就涉及到数学中的一个规律。对于一个2的n次方的整数，取余运算和按位与运算结果相同。那这里为什么原则按位与的运算呢。肯定是因为按位与运算要比取余运算效率要快很多。
3.数组容量为什么是 2 的 n 次幂？
现在来解释这个问题就比较容易了。在计算索引时可以利用数学规律，对数组容量进行按位与运算，这样能大大提高运算效率。在进行扩容时，也可以用按位与运算进行很快的计算出哪些元素不动，哪些元素需要移动到哪儿。 当然不仅这些，选择2的n次方，可以使的很多计算更快速。
当然2的n次方不是固定的容量规则。与hashmap相似的hashtable的扩容规则就是，它初始扩容后为 11 ，之后为 23 ，其规律为上次容量翻倍 + 1。
4.为什么要二次hash
二次哈希让原始哈希值的高 16 位与低 16 位进行融合，增加哈希码的随机性。而更加随机的哈希值可以使得桶中元素相对平均，防止某些桶中出现超长链表甚至树化，而其他桶都是空的
5.负载因子为什么选择0.75
在空间和时间中取得一个良好的平衡。
如果负载因子较大，扩容不那么频繁，空间节省了。但hash冲突的可能也会提高，进而会引起链表过长，导致查询效率降低。
如果负载因子较小，会频繁的扩容，会造成空间浪费，但hash冲突会降低，链表的长度并不会过长，时间上也大大缩短。
6.多线程下操作hashmap会有什么问题
主要两个方面。
第一：可能会造成数据的丢失。由于hashmap是线程不安全的，当多个线程同时进行put操作时，可能会造成数据覆盖问题。
假如两个线程将相同的hash的key进行put操作，当两个同时进入if（）判断，就会造成后者赋值的会覆盖前者赋值的，所以会造成数据覆盖，也就是数据丢失问题。
第二：并发扩容死链问题，这种问题只会出现在1.7中，1.8中不会出现。有兴趣可以自己了解。
7.hashmap中对于key的要求
1.key能否为null
hashmap中的key可以有一个为null。但hashtable和concurrenthashmap中的key不可以为null，不然会报空指针异常。
2.作为key的对象有什么要求
作为key的对象，必须要实现hashCode()和equals，并且key的内容不能修改（不可变）
为什么要重写hashCode()和equals方法，目的是为了确保hashCode相等的时候equals的值也是true。
开启掘金成长之旅！这是我参与「掘金日新计划 · 2 月更文挑战」的第 3 天，点击查看活动详情
