HashMap概述
HashMap是基于哈希表的Map接口的非同步實作。此實作提供所有可選的映射操作，并允許使用null值和null鍵。此類不保證映射的順序，特别是它不保證該順序恒久不變。
内部實作
HashMap的資料結構（字段）
在Java程式設計語言中，最基本的結構就是兩種，一個是數組，另外一個是模拟指針（引用），所有的資料結構都可以用這兩個基本結構來構造的，HashMap也不例外。HashMap實際上是一個“連結清單散列”的資料結構，即數組和連結清單的結構，但是在jdk1.8裡
加入了紅黑樹的實作，當連結清單的長度大于8時，轉換為紅黑樹的結構。
從上圖中可以看出，java中HashMap采用了鍊位址法。鍊位址法，簡單來說，就是數組加連結清單的結合。在每個數組元素上都一個連結清單結構，當資料被Hash後，得到數組下标，把資料放在對應下标元素的連結清單上。
*/
static class Node<K,V> implements Map.Entry<K,V> {
final int hash;//用于定位數組索引的位置
final K key;
V value;
Node<K,V> next;//連結清單的下一個Node
Node(int hash, K key, V value, Node<K,V> next) {
this.hash = hash;
this.key = key;
this.value = value;
this.next = next;
} Node是HashMap的一個内部類，實作了Map.Entry接口，本質是就是一個映射(鍵值對)。
有時兩個key會定位到相同的位置，表示發生了Hash碰撞。當然Hash算法計算結果越分散均勻，Hash碰撞的機率就越小，map的存取效率就會越高。
HashMap類中有一個非常重要的字段，就是 Node[] table，即哈希桶數組，明顯它是一個Node的數組。
如果哈希桶數組很大，即使較差的Hash算法也會比較分散，如果哈希桶數組數組很小，即使好的Hash算法也會出現較多碰撞，是以就需要在空間成本和時間成本之間權衡，其實就是在根據實際情況确定哈希桶數組的大小，并在此基礎上設計好的hash算法減少Hash碰撞。那麼通過什麼方式來控制map使得Hash碰撞的機率又小，哈希桶數組（Node[] table）占用空間又少呢？答案就是好的Hash算法和擴容機制。
在了解Hash和擴容流程之前，我們得先了解下HashMap的幾個字段。從HashMap的預設構造函數源碼可知，構造函數就是對下面幾個字段進行初始化，源碼如下：
int threshold; // 所能容納的key-value對極限
final float loadFactor; // 負載因子
int modCount;
int size; 首先，Node[] table的初始化長度length(預設值是16)，Load factor為負載因子(預設值是0.75)，threshold是HashMap所能容納的最大資料量的Node(鍵值對)個數。threshold = length * Load factor。也就是說，在數組定義好長度之後，負載因子越大，所能容納的鍵值對個數越多。
結合負載因子的定義公式可知，threshold就是在此Load factor和length(數組長度)對應下允許的最大元素數目，超過這個數目就重新resize(擴容)，擴容後的HashMap容量是之前容量的兩倍。預設的負載因子0.75是對空間和時間效率的一個平衡選擇，建議大家不要修改，除非在時間和空間比較特殊的情況下，如果記憶體空間很多而又對時間效率要求很高，可以降低負載因子Load factor的值；相反，如果記憶體空間緊張而對時間效率要求不高，可以增加負載因子loadFactor的值，這個值可以大于1。
size這個字段其實很好了解，就是HashMap中實際存在的鍵值對數量。注意和table的長度length、容納最大鍵值對數量threshold的差別。而modCount字段主要用來記錄HashMap内部結構發生變化的次數，主要用于疊代的快速失敗。強調一點，内部結構發生變化指的是結構發生變化，例如put新鍵值對，但是某個key對應的value值被覆寫不屬于結構變化。
在HashMap中，哈希桶數組table的長度length大小必須為2的n次方(一定是合數)，這是一種非正常的設計，正常的設計是把桶的大小設計為素數。相對來說素數導緻沖突的機率要小于合數，具體證明可以參考http://blog.csdn.net/liuqiyao_01/article/details/14475159，Hashtable初始化桶大小為11，就是桶大小設計為素數的應用（Hashtable擴容後不能保證還是素數）。HashMap采用這種非正常設計，主要是為了在取模和擴容時做優化，同時為了減少沖突，HashMap定位哈希桶索引位置時，也加入了高位參與運算的過程。
這裡存在一個問題，即使負載因子和Hash算法設計的再合理，也免不了會出現拉鍊過長的情況，一旦出現拉鍊過長，則會嚴重影響HashMap的性能。于是，在JDK1.8版本中，對資料結構做了進一步的優化，引入了紅黑樹。而當連結清單長度太長（預設超過8）時，連結清單就轉換為紅黑樹，利用紅黑樹快速增删改查的特點提高HashMap的性能，其中會用到紅黑樹的插入、删除、查找等算法
方法：
1 确定哈希桶數組索引位置
代碼實作：
//方法一：
static final int hash(Object key) { //jdk1.8 & jdk1.7
int h;
// h = key.hashCode() 為第一步 取hashCode值
// h ^ (h >>> 16) 為第二步 高位參與運算
return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}
//方法二：
static int indexFor(int h, int length) { //jdk1.7的源碼，jdk1.8沒有這個方法，但是實作原理一樣的
return h & (length-1); //第三步 取模運算
} 這裡的Hash算法本質上就是三步：取key的hashCode值、高位運算、取模運算。
對于任意給定的對象，隻要它的hashCode()傳回值相同，那麼程式調用方法一所計算得到的Hash碼值總是相同的。我們首先想到的就是把hash值對數組長度取模運算，這樣一來，元素的分布相對來說是比較均勻的。但是，模運算的消耗還是比較大的，在HashMap中是這樣做的：調用方法二來計算該對象應該儲存在table數組的哪個索引處。
這個方法非常巧妙，它通過h & (table.length -1)來得到該對象的儲存位，而HashMap底層數組的長度總是2的n次方，這是HashMap在速度上的優化。當length總是2的n次方時，h& (length-1)運算等價于對length取模，也就是h%length，但是&比%具有更高的效率。
在JDK1.8的實作中，優化了高位運算的算法，通過hashCode()的高16位異或低16位實作的：(h = k.hashCode()) ^ (h >>> 16)，主要是從速度、功效、品質來考慮的，這麼做可以在數組table的length比較小的時候，也能保證考慮到高低Bit都參與到Hash的計算中，同時不會有太大的開銷。
下面舉例說明下，n為table的長度。
2 HashMap的put方法實作
put函數大緻的思路為：
- 對key的hashCode()做hash，然後再計算index;
- 如果沒碰撞直接放到bucket裡；
- 如果碰撞了，以連結清單的形式存在buckets後；
- 如果碰撞導緻連結清單過長(大于等于TREEIFY_THRESHOLD)，就把連結清單轉換成紅黑樹；
- 如果節點已經存在就替換old value(保證key的唯一性)
- 如果bucket滿了(超過load factor*current capacity)，就要resize。
具體代碼實作如下：
public V put(K key, V value) {
return putVal(hash(key), key, value, false, true);
}
/**
*生成hash的方法
*/
static final int hash(Object key) {
int h;
return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}
final V putVal(int hash, K key, V value, boolean onlyIfAbsent,boolean evict) {
Node<K,V>[] tab; Node<K,V> p; int n, i;
//判斷table是否為空，
if ((tab = table) == null || (n = tab.length) == 0)
n = (tab = resize()).length;//建立一個新的table數組，并且擷取該數組的長度
//根據鍵值key計算hash值得到插入的數組索引i，如果table[i]==null，直接建立節點添加
if ((p = tab[i = (n - 1) & hash]) == null)
tab[i] = newNode(hash, key, value, null);
else {//如果對應的節點存在
Node<K,V> e; K k;
//判斷table[i]的首個元素是否和key一樣，如果相同直接覆寫value
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
e = p;
//判斷table[i] 是否為treeNode，即table[i] 是否是紅黑樹，如果是紅黑樹，則直接在樹中插入鍵值對
else if (p instanceof TreeNode)
e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
// 該鍊為連結清單
else {
//周遊table[i]，判斷連結清單長度是否大于TREEIFY_THRESHOLD(預設值為8)，大于8的話把連結清單轉換為紅黑樹，在紅黑樹中執行插入操作，否則進行連結清單的插入操作；周遊過程中若發現key已經存在直接覆寫value即可；
for (int binCount = 0; ; ++binCount) {
if ((e = p.next) == null) {
p.next = newNode(hash, key, value, null);
if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st
treeifyBin(tab, hash);
break;
}
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
break;
p = e;
}
}
// 寫入
if (e != null) { // existing mapping for key
V oldValue = e.value;
if (!onlyIfAbsent || oldValue == null)
e.value = value;
afterNodeAccess(e);
return oldValue;
}
}
++modCount;
// 插入成功後，判斷實際存在的鍵值對數量size是否超多了最大容量threshold，如果超過，進行擴容
if (++size > threshold)
resize();
afterNodeInsertion(evict);
return null;
} 3 HashMap的get方法實作
思路如下：
bucket裡的第一個節點，直接命中；
如果有沖突，則通過key.equals(k)去查找對應的entry
若為樹，則在樹中通過key.equals(k)查找，O(logn)；
若為連結清單，則在連結清單中通過key.equals(k)查找，O(n)。
public V get(Object key) {
Node<K,V> e;
return (e = getNode(hash(key), key)) == null ? null : e.value;
}
final Node<K,V> getNode(int hash, Object key) {
Node<K,V>[] tab; Node<K,V> first, e; int n; K k;
if ((tab = table) != null && (n = tab.length) > 0 &&
(first = tab[(n - 1) & hash]) != null) {
// 直接命中
if (first.hash == hash && // 每次都是校驗第一個node
((k = first.key) == key || (key != null && key.equals(k))))
return first;
// 未命中
if ((e = first.next) != null) {
// 在樹中擷取
if (first instanceof TreeNode)
return ((TreeNode<K,V>)first).getTreeNode(hash, key);
// 在連結清單中擷取
do {
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
return e;
} while ((e = e.next) != null);
}
}
return null;
} 4 擴容機制
擴容(resize)就是重新計算容量，向HashMap對象裡不停的添加元素，而HashMap對象内部的數組無法裝載更多的元素時，對象就需要擴大數組的長度，以便能裝入更多的元素。當然Java裡的數組是無法自動擴容的，方法是使用一個新的數組代替已有的容量小的數組，就像我們用一個小桶裝水，如果想裝更多的水，就得換大水桶。
我們分析下resize的源碼，鑒于JDK1.8融入了紅黑樹，較複雜，為了便于了解我們仍然使用JDK1.7的代碼，好了解一些，本質上差別不大，具體差別後文再說。
void resize(int newCapacity) { //傳入新的容量
Entry[] oldTable = table; //引用擴容前的Entry數組
int oldCapacity = oldTable.length;
if (oldCapacity == MAXIMUM_CAPACITY) { //擴容前的數組大小如果已經達到最大(2^30)了
threshold = Integer.MAX_VALUE; //修改門檻值為int的最大值(2^31-1)，這樣以後就不會擴容了
return;
}
Entry[] newTable = new Entry[newCapacity]; //初始化一個新的Entry數組
transfer(newTable); //！！将資料轉移到新的Entry數組裡
table = newTable; //HashMap的table屬性引用新的Entry數組
threshold = (int)(newCapacity * loadFactor);//修改門檻值
} 這裡就是使用一個容量更大的數組來代替已有的容量小的數組，transfer()方法将原有Entry數組的元素拷貝到新的Entry數組裡。
void transfer(Entry[] newTable) {
Entry[] src = table; //src引用了舊的Entry數組
int newCapacity = newTable.length;
for (int j = 0; j < src.length; j++) { //周遊舊的Entry數組
Entry<K,V> e = src[j]; //取得舊Entry數組的每個元素
if (e != null) {
src[j] = null;//釋放舊Entry數組的對象引用（for循環後，舊的Entry數組不再引用任何對象）
do {
Entry<K,V> next = e.next;
int i = indexFor(e.hash, newCapacity); //！！重新計算每個元素在數組中的位置
e.next = newTable[i]; //标記[1]
newTable[i] = e; //将元素放在數組上
e = next; //通路下一個Entry鍊上的元素
} while (e != null);
}
}
} newTable[i]的引用賦給了e.next，也就是使用了單連結清單的頭插入方式，同一位置上新元素總會被放在連結清單的頭部位置；這樣先放在一個索引上的元素終會被放到Entry鍊的尾部(如果發生了hash沖突的話），這一點和Jdk1.8有差別，下文詳解。在舊數組中同一條Entry鍊上的元素，通過重新計算索引位置後，有可能被放到了新數組的不同位置上。
下面舉個例子說明下擴容過程。假設了我們的hash算法就是簡單的用key mod 一下表的大小（也就是數組的長度）。其中的哈希桶數組table的size=2， 是以key = 3、7、5，put順序依次為 5、7、3。在mod 2以後都沖突在table[1]這裡了。這裡假設負載因子 loadFactor=1，即當鍵值對的實際大小size 大于 table的實際大小時進行擴容。接下來的三個步驟是哈希桶數組 resize成4，然後所有的Node重新rehash的過程。
下面我們講解下JDK1.8做了哪些優化。經過觀測可以發現，我們使用的是2次幂的擴充(指長度擴為原來2倍)，是以，元素的位置要麼是在原位置，要麼是在原位置再移動2次幂的位置。看下圖可以明白這句話的意思，n為table的長度，圖（a）表示擴容前的key1和key2兩種key确定索引位置的示例，圖（b）表示擴容後key1和key2兩種key确定索引位置的示例，其中hash1是key1對應的哈希與高位運算結果。
元素在重新計算hash之後，因為n變為2倍，那麼n-1的mask範圍在高位多1bit(紅色)，是以新的index就會發生這樣的變化：
是以，我們在擴充HashMap的時候，不需要像JDK1.7的實作那樣重新計算hash，隻需要看看原來的hash值在新增的那個bit位是1還是0就好了，是0的話索引沒變，是1的話索引變成“原索引+oldCap”，可以看看下圖為16擴充為32的resize示意圖：
這個設計确實非常的巧妙，既省去了重新計算hash值的時間，而且同時，由于新增的1bit是0還是1可以認為是随機的，是以resize的過程，均勻的把之前的沖突的節點分散到新的bucket了。這一塊就是JDK1.8新增的優化點。有一點注意差別，JDK1.7中rehash的時候，舊連結清單遷移新連結清單的時候，如果在新表的數組索引位置相同，則連結清單元素會倒置，但是從上圖可以看出，JDK1.8不會倒置。有興趣的同學可以研究下JDK1.8的resize源碼，寫的很贊，如下:
final Node<K,V>[] resize() {
Node<K,V>[] oldTab = table;
int oldCap = (oldTab == null) ? 0 : oldTab.length;
int oldThr = threshold;
int newCap, newThr = 0;
if (oldCap > 0) {
// 超過最大值就不再擴充了，就隻好随你碰撞去吧
if (oldCap >= MAXIMUM_CAPACITY) {
threshold = Integer.MAX_VALUE;
return oldTab;
}
// 沒超過最大值，就擴充為原來的2倍
else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&
oldCap >= DEFAULT_INITIAL_CAPACITY)
newThr = oldThr << 1; // double threshold
}
else if (oldThr > 0) // initial capacity was placed in threshold
newCap = oldThr;
else { // zero initial threshold signifies using defaults
newCap = DEFAULT_INITIAL_CAPACITY;
newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);
}
// 計算新的resize上限
if (newThr == 0) {
float ft = (float)newCap * loadFactor;
newThr = (newCap < MAXIMUM_CAPACITY && ft < (float)MAXIMUM_CAPACITY ?
(int)ft : Integer.MAX_VALUE);
}
threshold = newThr;
@SuppressWarnings({"rawtypes","unchecked"})
Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap];
table = newTab;
if (oldTab != null) {
// 把每個bucket都移動到新的buckets中
for (int j = 0; j < oldCap; ++j) {
Node<K,V> e;
if ((e = oldTab[j]) != null) {
oldTab[j] = null;
if (e.next == null)
newTab[e.hash & (newCap - 1)] = e;
else if (e instanceof TreeNode)
((TreeNode<K,V>)e).split(this, newTab, j, oldCap);
else { // preserve order
Node<K,V> loHead = null, loTail = null;
Node<K,V> hiHead = null, hiTail = null;
Node<K,V> next;
do {
next = e.next;
// 原索引 oldCap - 1: 0 1111 oldCap : 1 0000 判斷 key的 hash值的那一位是否為1分為兩類
if ((e.hash & oldCap) == 0) {
if (loTail == null)
loHead = e;
else
loTail.next = e;
loTail = e;
}
// 原索引+oldCap
else {
if (hiTail == null)
hiHead = e;
else
hiTail.next = e;
hiTail = e;
}
} while ((e = next) != null);
// 原索引放到bucket裡
if (loTail != null) {
loTail.next = null;
newTab[j] = loHead;
}
// 原索引+oldCap放到bucket裡
if (hiTail != null) {
hiTail.next = null;
newTab[j + oldCap] = hiHead;
}
}
}
}
}
return newTab;
} 線程安全性
在多線程使用場景中，應該盡量避免使用線程不安全的HashMap，而使用線程安全的ConcurrentHashMap。那麼為什麼說HashMap是線程不安全的，下面舉例子說明在并發的多線程使用場景中使用HashMap可能造成死循環。代碼例子如下(便于了解，仍然使用JDK1.7的環境)：
public class HashMapInfiniteLoop {
private static HashMap<Integer,String> map = new HashMap<Integer,String>(2，0.75f);
public static void main(String[] args) {
map.put(5， "C");
new Thread("Thread1") {
public void run() {
map.put(7, "B");
System.out.println(map);
};
}.start();
new Thread("Thread2") {
public void run() {
map.put(3, "A);
System.out.println(map);
};
}.start();
}
} 其中，map初始化為一個長度為2的數組，loadFactor=0.75，threshold=2*0.75=1，也就是說當put第二個key的時候，map就需要進行resize。
通過設定斷點讓線程1和線程2同時debug到transfer方法(3.3小節代碼塊)的首行。注意此時兩個線程已經成功添加資料。放開thread1的斷點至transfer方法的“Entry next = e.next;” 這一行；然後放開線程2的的斷點，讓線程2進行resize。結果如下圖。
注意，Thread1的 e 指向了key(3)，而next指向了key(7)，其線上程二rehash後，指向了線程二重組後的連結清單。
線程一被排程回來執行，先是執行 newTalbe[i] = e， 然後是e = next，導緻了e指向了key(7)，而下一次循環的next = e.next導緻了next指向了key(3)。
e.next = newTable[i] 導緻 key(3).next 指向了 key(7)。注意：此時的key(7).next 已經指向了key(3)， 環形連結清單就這樣出現了。
于是，當我們用線程一調用map.get(11)時，悲劇就出現了——Infinite Loop。
JDK1.8與JDK1.7的性能對比
HashMap中，如果key經過hash算法得出的數組索引位置全部不相同，即Hash算法非常好，那樣的話，getKey方法的時間複雜度就是O(1)，如果Hash算法技術的結果碰撞非常多，假如Hash算極其差，所有的Hash算法結果得出的索引位置一樣，那樣所有的鍵值對都集中到一個桶中，或者在一個連結清單中，或者在一個紅黑樹中，時間複雜度分别為O(n)和O(lgn)。 鑒于JDK1.8做了多方面的優化，總體性能優于JDK1.7，下面我們從兩個方面用例子證明這一點。
Hash較均勻的情況
為了便于測試，我們先寫一個類Key，如下：
public class HashMapInfiniteLoop {
private static HashMap<Integer,String> map = new HashMap<Integer,String>(2，0.75f);
public static void main(String[] args) {
map.put(5， "C");
new Thread("Thread1") {
public void run() {
map.put(7, "B");
System.out.println(map);
};
}.start();
new Thread("Thread2") {
public void run() {
map.put(3, "A);
System.out.println(map);
};
}.start();
}
} 這個類複寫了equals方法，并且提供了相當好的hashCode函數，任何一個值的hashCode都不會相同，因為直接使用value當做hashcode。為了避免頻繁的GC，我将不變的Key執行個體緩存了起來，而不是一遍一遍的建立它們。代碼如下：
public class Keys {
public static final int MAX_KEY = 10_000_000;
private static final Key[] KEYS_CACHE = new Key[MAX_KEY];
static {
for (int i = 0; i < MAX_KEY; ++i) {
KEYS_CACHE[i] = new Key(i);
}
}
public static Key of(int value) {
return KEYS_CACHE[value];
}
} 現在開始我們的試驗，測試需要做的僅僅是，建立不同size的HashMap（1、10、100、......10000000），屏蔽了擴容的情況，代碼如下：
static void test(int mapSize) {
HashMap<Key, Integer> map = new HashMap<Key,Integer>(mapSize);
for (int i = 0; i < mapSize; ++i) {
map.put(Keys.of(i), i);
}
long beginTime = System.nanoTime(); //擷取納秒
for (int i = 0; i < mapSize; i++) {
map.get(Keys.of(i));
}
long endTime = System.nanoTime();
System.out.println(endTime - beginTime);
}
public static void main(String[] args) {
for(int i=10;i<= 1000 0000;i*= 10){
test(i);
}
} 在測試中會查找不同的值，然後度量花費的時間，為了計算getKey的平均時間，我們周遊所有的get方法，計算總的時間，除以key的數量，計算一個平均值，主要用來比較，絕對值可能會受很多環境因素的影響。結果如下：
通過觀測測試結果可知，JDK1.8的性能要高于JDK1.7 15%以上，在某些size的區域上，甚至高于100%。由于Hash算法較均勻，JDK1.8引入的紅黑樹效果不明顯，下面我們看看Hash不均勻的的情況。
Hash極不均勻的情況
假設我們又一個非常差的Key，它們所有的執行個體都傳回相同的hashCode值。這是使用HashMap最壞的情況。代碼修改如下：
class Key implements Comparable<Key> {
//...
@Override
public int hashCode() {
return 1;
}
}
仍然執行main方法，得出的結果如下表所示：
從表中結果中可知，随着size的變大，JDK1.7的花費時間是增長的趨勢，而JDK1.8是明顯的降低趨勢，并且呈現對數增長穩定。當一個連結清單太長的時候，HashMap會動态的将它替換成一個紅黑樹，這話的話會将時間複雜度從O(n)降為O(logn)。hash算法均勻和不均勻所花費的時間明顯也不相同，這兩種情況的相對比較，可以說明一個好的hash算法的重要性。
測試環境：處理器為2.2 GHz Intel Core i7，記憶體為16 GB 1600 MHz DDR3，SSD硬碟，使用預設的JVM參數，運作在64位的OS X 10.10.1上。
小結
(1) 擴容是一個特别耗性能的操作，是以當程式員在使用HashMap的時候，估算map的大小，初始化的時候給一個大緻的數值，避免map進行頻繁的擴容。
(2) 負載因子是可以修改的，也可以大于1，但是建議不要輕易修改，除非情況非常特殊。
(3) HashMap是線程不安全的，不要在并發的環境中同時操作HashMap，建議使用ConcurrentHashMap。
(4) JDK1.8引入紅黑樹大程度優化了HashMap的性能。
(5) 還沒更新JDK1.8的，現在開始更新吧。HashMap的性能提升僅僅是JDK1.8的冰山一角。
總結
我們現在可以回答開始的幾個問題，加深對HashMap的了解：
- 什麼時候會使用HashMap？他有什麼特點？
是基于Map接口的實作，存儲鍵值對時，它可以接收null的鍵值，是非同步的，HashMap存儲着Entry(hash, key, value, next)對象。
- 你知道HashMap的工作原理嗎？
通過hash的方法，通過put和get存儲和擷取對象。存儲對象時，我們将K/V傳給put方法時，它調用hashCode計算hash進而得到bucket位置，進一步存儲，HashMap會根據目前bucket的占用情況自動調整容量(超過Load Facotr則resize為原來的2倍)。擷取對象時，我們将K傳給get，它調用hashCode計算hash進而得到bucket位置，并進一步調用equals()方法确定鍵值對。如果發生碰撞的時候，Hashmap通過連結清單将産生碰撞沖突的元素組織起來，在Java 8中，如果一個bucket中碰撞沖突的元素超過某個限制(預設是8)，則使用紅黑樹來替換連結清單，進而提高速度。
- 你知道get和put的原理嗎？equals()和hashCode()的都有什麼作用？
通過對key的hashCode()進行hashing，并計算下标( n-1 & hash)，進而獲得buckets的位置。如果産生碰撞，則利用key.equals()方法去連結清單或樹中去查找對應的節點
- 你知道hash的實作嗎？為什麼要這樣實作？
在Java 1.8的實作中，是通過hashCode()的高16位異或低16位實作的：(h = k.hashCode()) ^ (h >>> 16)，主要是從速度、功效、品質來考慮的，這麼做可以在bucket的n比較小的時候，也能保證考慮到高低bit都參與到hash的計算中，同時不會有太大的開銷。
- 如果HashMap的大小超過了負載因子(load factor)定義的容量，怎麼辦？
如果超過了負載因子(預設0.75)，則會重新resize一個原來長度兩倍的HashMap，并且重新調用hash方法。
關于Java集合的小抄中是這樣描述的：
以Entry[]數組實作的哈希桶數組，用Key的哈希值取模桶數組的大小可得到數組下标。
插入元素時，如果兩條Key落在同一個桶(比如哈希值1和17取模16後都屬于第一個哈希桶)，Entry用一個next屬性實作多個Entry以單向連結清單存放，後入桶的Entry将next指向桶目前的Entry。
查找哈希值為17的key時，先定位到第一個哈希桶，然後以連結清單周遊桶裡所有元素，逐個比較其key值。
當Entry數量達到桶數量的75%時(很多文章說使用的桶數量達到了75%，但看代碼不是)，會成倍擴容桶數組，并重新配置設定所有原來的Entry，是以這裡也最好有個預估值。
取模用位運算(hash & (arrayLength-1))會比較快，是以數組的大小永遠是2的N次方， 你随便給一個初始值比如17會轉為32。預設第一次放入元素時的初始值是16。
iterator()時順着哈希桶數組來周遊，看起來是個亂序。
- 當兩個對象的hashcode相同會發生什麼？
因為hashcode相同，是以它們的bucket位置相同，‘碰撞’會發生。因為HashMap使用連結清單存儲對象，這個Entry(包含有鍵值對的Map.Entry對象)會存儲在連結清單中。
- 如果兩個鍵的hashcode相同，你如何擷取值對象？
找到bucket位置之後，會調用keys.equals()方法去找到連結清單中正确的節點，最終找到要找的值對象。是以，設計HashMap的key類型時，如果使用不可變的、聲明作final的對象，并且采用合适的equals()和hashCode()方法的話，将會減少碰撞的發生，提高效率。不可變性能夠緩存不同鍵的hashcode，這将提高整個擷取對象的速度，使用String，Interger這樣的wrapper類作為鍵是非常好的選擇
-
預設的負載因子大小為0.75，也就是說，當一個map填滿了75%的bucket時候，和其它集合類(如ArrayList等)一樣，将會建立原來HashMap大小的兩倍的bucket數組，來重新調整map的大小，并将原來的對象放入新的bucket數組中。這個過程叫作rehashing，因為它調用hash方法找到新的bucket位置
- 你了解重新調整HashMap大小存在什麼問題嗎？
當重新調整HashMap大小的時候，确實存在條件競争，因為如果兩個線程都發現HashMap需要重新調整大小了，它們會同時試着調整大小。在調整大小的過程中，存儲在連結清單中的元素的次序會反過來，因為移動到新的bucket位置的時候，HashMap并不會将元素放在連結清單的尾部，而是放在頭部，這是為了避免尾部周遊(tail traversing)。如果條件競争發生了，那麼就死循環了。是以在并發環境下，我們使用CurrentHashMap來替代HashMap
- 為什麼String, Interger這樣的wrapper類适合作為鍵？
因為String是不可變的，也是final的，而且已經重寫了equals()和hashCode()方法了。其他的wrapper類也有這個特點。不可變性是必要的，因為為了要計算hashCode()，就要防止鍵值改變，如果鍵值在放入時和擷取時傳回不同的hashcode的話，那麼就不能從HashMap中找到你想要的對象。不可變性還有其他的優點如線程安全。如果你可以僅僅通過将某個field聲明成final就能保證hashCode是不變的，那麼請這麼做吧。因為擷取對象的時候要用到equals()和hashCode()方法，那麼鍵對象正确的重寫這兩個方法是非常重要的。如果兩個不相等的對象傳回不同的hashcode的話，那麼碰撞的幾率就會小些，這樣就能提高HashMap的性能
參考 https://tech.meituan.com/java-hashmap.html
http://blog.csdn.net/fjse51/article/details/53811465