一、hashMap的底层实现
hashmap的底层结构在jdk1.7之前是数组+链表，但是在jdk1.8以后，其变成了数组+链表+红黑树，
这个操作会加快在链表时候的查询速度。
当链表的长度大于8 的时候，链表就会变为红黑树，而当长度小于6的时候，会从红黑树变回链表。
这里又有一个问题：为什么是8 和 6 这两个阈值呢？
因为TreeNodes的大小大约是常规节点的两倍，我们只在bins包含足够的节点来保证使用时才使用它们(参见TREEIFY_THRESHOLD)。
当它们变得太小(由于删除或调整大小)时，它们被转换回普通容器。 在使用分布良好的用户hashCodes时，很少使用树容器。
理想情况下，在随机hashCodes下，bin中的节点频率遵循泊松分布(http://en.wikipedia.org/wiki/Poisson_distribution)，默认调整大小阈值为0.75，参数平均约为0.5，尽管由于调整粒度而存在很大的差异。
忽略方差，列表大小k的预期出现次数为(exp(-0.5) * pow(0.5, k) / factorial(k))。
0: 0.60653066
1: 0.30326533
2: 0.07581633
3: 0.01263606
4: 0.00157952
5: 0.00015795
6: 0.00001316
7: 0.00000094
8: 0.00000006
如果不设退化阀值，只以8来树化与退化： 那么8将成为一个临界值，时而树化，时而退化，此时会非常影响性能，因此，我们需要一个比8小的退化阀值；
UNTREEIFY_THRESHOLD = 7 同样，与上面的情况没有好多少，仅相差1个元素，仍旧会在链表与树之间反复转化；
那为什么是6呢？ 源码中也说了，考虑到内存（树节点比普通节点内存大2倍，以及避免反复转化），所以，退化阀值最多为6。
HashMap有4个构造器，其他构造器如果用户没有传入initialCapacity 和loadFactor这两个参数，会使用默认值
initialCapacity（初始容量）默认为16，loadFactory默认为0.75
那么负载因子为什么是0.75 呢？
负载因子 = 1.0
负载因子为1.0时，意味着，只有当 table 全部被填满，table 才会扩容；当 table 中的元素越来越多时，会出现大量的冲突：
若此时是链表，则查询效率是 O(n)，即线性；（插入/删除结点也要遍历到链表）；
若此时是红黑树，查询效率是 O(logN)，但红黑树的插入与删除就异常复杂，每次都要调整树；
因此，负载因子1.0，实际是牺牲了时间，但保证了空间的利用率。
负载因子 = 0.5
负载因子为0.5时，意味着，当 table 中的元素达到一半时，就发生扩容，table 容量扩大一倍：
hash 冲突减少；
链表长度不会很长；
即便链表长度超过8时转成红黑树，树的高度也不会很高；
查询效率提高了，但这里，我们发现，会有大量的内存浪费，因为数组中的个数永远小于数组长度的一半。
因此，负载因子0.5，实际是牺牲了空间，但保证了时间效率。
负载因子在【0.5 1.0】分别对应着时间极端和空间极端，为了平衡这两个极端的情况，于是就进行了中和，使用了0.75这个中间的负载因子，为了平衡时间和空间成本
hashMap不是线程安全的。因为其中的方法没有使用synchronized 来修饰方法
hashMap的put方法
public V put(K key, V value) {
if (key == null)
return putForNullKey(value);
int hash = hash(key.hashCode());
int i = indexFor(hash, table.length);
for (Entry<K,V> e = table[i]; e != null; e = e.next) {
Object k;
//判断当前确定的索引位置是否存在相同hashcode和相同key的元素，
//如果存在相同的hashcode和相同的key的元素，那么新值覆盖原来的旧值，并返回旧值。
//如果存在相同的hashcode，那么他们确定的索引位置就相同，这时判断他们的key是否相同，
//如果不相同，这时就是产生了hash冲突。
//Hash冲突后，那么HashMap的单个bucket里存储的不是一个 Entry，而是一个 Entry 链。
//系统只能必须按顺序遍历每个 Entry，直到找到想搜索的 Entry 为止——如果恰好要搜索的Entry
//位于该 Entry 链的最末端（该 Entry 是最早放入该 bucket 中），
//那系统必须循环到最后才能找到该元素。
if (e.hash == hash && ((k = e.key) == key || key.equals(k))) {
V oldValue = e.value;
e.value = value;
return oldValue;
}
}
modCount++;
addEntry(hash, key, value, i);
return null;
}
二、hashMap的扩容机制
三、什么是hash冲突
根据key（键）即经过一个函数f(key)得到的结果的作为地址去存放当前的key value键值对(这个是hashmap的存值方式)，但是却发现算出来的地址上已经被占用了。这就是所谓的hash冲突。
四、hashMap如何解决hash冲突
1）开放定址法
该方法也叫做再散列法，其基本原理是：当关键字key的哈希地址p=H（key）出现冲突时，以p为基础，产生另一个哈希地址p1，如果p1仍然冲突，再以p为基础，产生另一个哈希地址p2，…，直到找出一个不冲突的哈希地址pi 。
2）再Hash法
这种方法就是同时构造多个不同的哈希函数： Hi=RH1（key） i=1，2，…，k。当哈希地址Hi=RH1（key）发生冲突时，再计算Hi=RH2（key）……，直到冲突不再产生。这种方法不易产生聚集，但增加了计算时间。
3）链地址法（Java就是采用这种方法）
其基本思想: 将所有哈希地址为i的元素构成一个称为同义词链的单链表，并将单链表的头指针存在哈希表的第i个单元中，因而查找、插入和删除主要在同义词链中进行。链地址法适用于经常进行插入和删除的情况。
4）建立公共溢出区
这种方法的基本思想是：将哈希表分为基本表和溢出表两部分，凡是和基本表发生冲突的元素，一律填入溢出表。
本文章学习参考以下文章：
https://blog.csdn.net/jiu_mu_mu/article/details/120919564
https://blog.csdn.net/abcd1430/article/details/52745155
https://blog.csdn.net/weixin_42398171/article/details/112096446
https://www.jianshu.com/p/a7a76c5b8435
https://www.jianshu.com/p/f323f4b0c109
标签：多测师,哈希,Hash,链表,冲突,key,Entry,hash From： https://www.cnblogs.com/xiaoshubass/p/16979517.html