hashmap是什么？
hashmap是一种存储键值对的数据结构，由数组+链表/红黑树构成。
hashmap的优点，即为什么要用hashmap
一般来说，hashmap的效率是很高的，插入、删除、查找的时间复杂度都是1，当内部使用链表存储冲突的节点时，复杂度为n，当使用红黑树树存储冲突的节点时，复杂度为logn
hashmap原理之一，定位桶的位置，即hash方法
在存储元素之前，首先要定位元素应该存储到数组中的那个位置，存储过程一共分为三步：
- 计算key的hashcode
- 将hashcode无符号右移16位，相当于hashcode的高16位和低16位互换
- 用
tab[i = (n - 1) & hash]计算要插入到数组中的位置
定位数组中的位置这个过程直接用hahscode对数组长度取余就能定位到，为什么要麻烦的进行上面的三步？当然是为了性能考虑
关于计算元素在数组中的位置主要有这么几个问题？
为什么hashmap的大小必须是2的倍数？
答：这样是为了使用位运算代替取模运算计算元素存入数组中的位置，因为只有hashmap的大小为2的倍数时，(n - 1) & hash才等价于hash % (n-1)
为什么要将hashcode的高16位参与运算？
答：为了让元素散列的更加分散，试想直接散列的情况，因为hashcode是二进制32位，而hashmap的数组初始大小为16，转化为二进制才4位，也就是说如果两个hashcode的低4位相同，则他们一定会被散列到相同的位置发生hash冲突，因为异或运算时，只有低4位参与了运算。所以为了散列的更加分散，使用(h = key.hashCode()) ^ (h >>> 16)这个操作将高hashcode的高16位和低16位异或，此时即使两个hashcode的低4位相同，但是高16不同，所以经过异或之后这两个hashcode会被散列到不同位置，不会冲突。
为什么确定元素在数组中的位置要用tab[i = (n - 1) & hash]，而不是直接取余？
答：为了效率考虑，异或的效率比取余高很多
以下是计算要存储的元素在数组中位置的源码
static final int hash(Object key) {
int h;
//hahscode本身是二进制32位的，让高16位参与运算，避免只通过低16位判断散列位置
return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}
hashmap原理之二，put方法
put方法是在定位好元素位置之后存储元素的方法，put的过程需要判断元素是否已存在，如何存入链表和红黑树，如何将链表转化为红黑树等问题
put方法是调用putVal方法的，直接看putVal方法的源码
public V put(K key, V value) {
return putVal(hash(key), key, value, false, true);
}
final V putVal(int hash, K key, V value, boolean onlyIfAbsent,
boolean evict) {
Node<K,V>[] tab; Node<K,V> p; int n, i;
//若数组为null或数组长度为0，初始化数组
if ((tab = table) == null || (n = tab.length) == 0)
n = (tab = resize()).length;
//计算桶的位置，若为null，则直接插入
//p为桶位置的已存在元素
if ((p = tab[i = (n - 1) & hash]) == null)
tab[i] = newNode(hash, key, value, null);
//若桶位置有元素,即发生hash冲突
else {
Node<K,V> e; K k;
//if中的三个判断条件为:
//(两个元素的hash值相等&&(两个元素的key的引用地址相同||两个元素的key的引用地址不同,但是不同的地址中存储的是相同的key))
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
//相等则替换
e = p;
//若不相等，判断已存在元素是否是红黑树节点
else if (p instanceof TreeNode)
//执行红黑树插入
e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
//否则，已存在元素是链表节点
else {
//遍历链表
for (int binCount = 0; ; ++binCount) {
//是否已遍历到链表尾
if ((e = p.next) == null) {
//遍历到尾部之后，将新元素追加到链表尾
p.next = newNode(hash, key, value, null);
/*
此时，若需要转化为红黑树，则binCount = 7，但是实际上链表中已经存储了9个节点了，即binCount是从0开始计数的，
binCount等于7时，链表中实际节点为8个，加上上一行新插入的一共是9个。也就是先插入，再转换
*/
if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st
treeifyBin(tab, hash);
break;
}
//遍历过程中发现已存在元素
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
break;
//遍历指针后移一位
p = e;
}
}
//以上的所有if else中，当已存在元素时，都会给e赋值，如果这一步判断e不为空，则表明元素已存在，在这一步进行替换操作
if (e != null) { // existing mapping for key
//记录旧元素的value
V oldValue = e.value;
//if中的条件为(可以改变value的值||旧值为空)
//if的逻辑为： 可以改变已存在元素的value值时，改变value的值
// 不可以改变已存在元素的value值，但是旧值为null时，改变value的值
if (!onlyIfAbsent || oldValue == null)
e.value = value;
//LinkedHashMap会实现这个方法以确保链表节点的有序性
afterNodeAccess(e);
//因为这里是替换节点，所以hashmap中元素的多少不会改变，所以不用考虑扩容，直接返回
return oldValue;
}
}
//如果没有在两行之前返回，说明是插入节点的形式，则需要判断hashmap中的节点数是否已经超过hashmap的容量，若是则进行扩容操作
++modCount;
if (++size > threshold)
resize();
//LinkedHashMap会实现这个方法
afterNodeInsertion(evict);
return null;
}
hashmap原理之三，扩容方法
当hashmap的容量超过阈值时，也就hashmap中的元素个数超过数组长度*负载因子时，需要将数组扩容为2倍，且需要将原数组中的元素复制过去。那么就存在几个问题。如何保证扩容效率？如何将元素重新散列？
在查看扩容机制的源码之前，先要了解hashmap是如何保证每次扩容时数组长度都为2的倍数的，主要是tableSizeFor这个函数：
//参数为0到2^31之间的任何整数
static final int tableSizeFor(int cap) {
/*
不管cap的值是什么，都保证n是离cap最近的2的倍数值
numberOfLeadingZeros()方法返回cap-1的先导0的个数，由于Integer是32位的，高位会用0补齐
-1的二进制表示是32个1，逻辑右移先导0的个数就能保证n是2的倍数-1
*/
int n = -1 >>> Integer.numberOfLeadingZeros(cap - 1);
return (n < 0) ? 1 : (n >= MAXIMUM_CAPACITY) ? MAXIMUM_CAPACITY : n + 1;
}
扩容的源码：
final Node<K,V>[] resize() {
Node<K,V>[] oldTab = table;
//获取原数组的长度
int oldCap = (oldTab == null) ? 0 : oldTab.length;
int oldThr = threshold;
int newCap, newThr = 0;
//原数组长度大于0，说明数组中已有元素，是扩容过程
if (oldCap > 0) {
//大于数组最大容量时，不进行扩容，而是扩充阈值，然后返回原数组
if (oldCap >= MAXIMUM_CAPACITY) {
threshold = Integer.MAX_VALUE;
return oldTab;
}
//不大于最大容量时，将容量和阈值都扩充为原来的两倍
else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&
oldCap >= DEFAULT_INITIAL_CAPACITY)
newThr = oldThr << 1; // double threshold
}
/*
oldCap ==0且oldThr > 0时，说明调用的hashmap的构造函数是HashMap(int initialCapacity, float loadFactor)
这个构造函数中将threshold的值设置为了离initialCapacity最近的2的倍数，因此下两行的newCap = oldThr;才是合理的
保证了newCap 是2的倍数
*/
else if (oldThr > 0) // initial capacity was placed in threshold
newCap = oldThr;
//oldCap == 0且oldThr == 0时，说明数组还没有初始化，则执行初始化过程
else { // zero initial threshold signifies using defaults
newCap = DEFAULT_INITIAL_CAPACITY;
newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);
}
/*
承接的是 else if (oldThr > 0)这个代码块，若进入 else if (oldThr > 0)这个代码块，则只给newCap 赋了值，并没有给newThr 赋值，
所以这里要计算 newThr 的值
*/
if (newThr == 0) {
float ft = (float)newCap * loadFactor;
newThr = (newCap < MAXIMUM_CAPACITY && ft < (float)MAXIMUM_CAPACITY ?
(int)ft : Integer.MAX_VALUE);
}
threshold = newThr;
//代码运行到这里之后，已经完成了新数组的扩容，即数组长度和阈值都变为原来的2倍，之后是数据迁移工作
@SuppressWarnings({"rawtypes","unchecked"})
Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap];
table = newTab;
if (oldTab != null) {
for (int j = 0; j < oldCap; ++j) {
Node<K,V> e;
//数组第j个桶不为null时
if ((e = oldTab[j]) != null) {
//释放引用
oldTab[j] = null;
//桶的位置没有发生hash冲突，是单个节点
if (e.next == null)
计算在新数组中的插入位置并插入到新数组中
newTab[e.hash & (newCap - 1)] = e;
//桶的位置是红黑树
else if (e instanceof TreeNode)
//执行红黑树的元素迁移过程
((TreeNode<K,V>)e).split(this, newTab, j, oldCap);
//桶的位置是链表，执行链表的迁移过程
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;
if ((e.hash & oldCap) == 0) {
if (loTail == null)
loHead = e;
else
loTail.next = e;
loTail = e;
}
else {
if (hiTail == null)
hiHead = e;
else
hiTail.next = e;
hiTail = e;
}
} while ((e = next) != null);
if (loTail != null) {
loTail.next = null;
newTab[j] = loHead;
}
if (hiTail != null) {
hiTail.next = null;
newTab[j + oldCap] = hiHead;
}
}
}
}
}
return newTab;
}