百度怎么做自己的网站/品牌形象推广

一、HashMap底层用到的数据结构

数组+单向链表+红黑树

　　数组：数组每一项都是一个链表，其实就是数组和链表的结合体

　　单向链表：当法神hash碰撞时，首先会找到数组对应位置，然后1.8采用尾插入法（1.7采用头插入法），形成一个单项链表结构

　　JDK1.8 红黑树：当数组中每项的链表长度大于8时，会转换为红黑树

二、什么是hash碰撞？解决方案？

　　hash碰撞：不同的key可能会产生相同的hash值；

　　方案：链表发，再哈希法；

　　hashMap中采用链表发，在ConcurrentHashMap中采用哈希法；

二、红黑树与二叉树比较

　　二叉查找树在特殊情况下也会变成线性结构，和原来链表有共同的问题，节点太深，查找性能慢；

　　红黑树相比二叉树，在检索的时候效率其实差不多，都是通过平衡来二分查找。但对于插入删除等操效率提高很多。红黑树不像二叉树一样追求绝对的平衡，它允许局部很少的不完全平衡，这样对于效率影响不大，但省去了很多没有必要的调平衡操作，二叉树调平衡有时候代价较大，所以二叉树的效率不如红黑树；

三、为什么采用红黑树

　　在平常我们用HashMap的时候，HashMap里面存储的key是具有良好的hash算法的key（比如String、Integer等包装类），冲突几率自然微乎其微，此时链表几乎不会转化为红黑树，但是当key为我们自定义的对象时，我们可能采用了不好的hash算法，使HashMap中key的冲突率极高，但是这时HashMap为了保证高速的查找效率，就引入了红黑树来优化查询了。

四、为什么临界值为8

　　通过源码我们得知HashMap源码作者通过泊松分布算出，当桶中结点个数为8时，出现的几率是亿分之6的，因此常见的情况是桶中个数小于8的情况，此时链表的查询性能和红黑树相差不多，因为转化为树还需要时间和空间，所以此时没有转化成树的必要。

　　当数据较少的时候，采用链表要比红黑树效率高，因为平衡二叉树保持平衡需要耗费资源，那么前期数据较少时采用链表，当链表中的数据长度大于8时，就将链表转换成红黑树，可以加快数据的插叙速度，官方测试8为性能最优。

五、put()底层分析

    public V put(K key, V value) {return putVal(hash(key), key, value, false, true);}/*** Implements Map.put and related methods** @param hash hash for key* @param key the key* @param value the value to put* @param onlyIfAbsent if true, don't change existing value* @param evict if false, the table is in creation mode.* @return previous value, or null if none*/final V putVal(int hash, K key, V value, boolean onlyIfAbsent,boolean evict) {Node<K,V>[] tab; Node<K,V> p; int n, i;//判断当前数组是否为空，如果为空要进行第一次扩容if ((tab = table) == null || (n = tab.length) == 0)//扩容后将扩容大小交给Nn = (tab = resize()).length;//判断获取当前数组位置是否存在数据，如果为空则直接插入，否则需要代表当前位置不是空的，不是空的需要判断if ((p = tab[i = (n - 1) & hash]) == null)//如果为空则创建一个新的节点添加到该位置tab[i] = newNode(hash, key, value, null);else {Node<K,V> e; K k;//判断Hash值和Key值是否相同，如果相同则需要Value覆盖if (p.hash == hash &&((k = p.key) == key || (key != null && key.equals(k))))e = p;//判断当前数组中存放的节点是否是树节点，则添加树节点即可else if (p instanceof TreeNode)e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);else {//循环遍历链表for (int binCount = 0; ; ++binCount) {//判断当前数组该位置的值得下一个元素是否为空，如果为空则追加到当前元素后边if ((e = p.next) == null) {p.next = newNode(hash, key, value, null);//添加完毕后判断当前链表节点有多少个，如果节点大于等于8则转换为红黑树if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st//treeifyBin判断当前数组是否为空，或者长度是否小于64，如果为空或者小于64，则先扩容treeifyBin(tab, hash);break;}//再次进行Key的重复判断if (e.hash == hash &&((k = e.key) == key || (key != null && key.equals(k))))break;p = e;}}//表明，记录到具有相同元素的节点if (e != null) { // existing mapping for keyV oldValue = e.value;if (!onlyIfAbsent || oldValue == null)e.value = value;//这个是空函数，可以有用户根据需要覆盖afterNodeAccess(e);return oldValue;}}++modCount;//判断当前数组元素的个数和阈值进行比较，如果数量大于阈值则需要扩容if (++size > threshold)//默认情况下，第一次添加数据的时候，先会进行一次扩容后再添加数据，后续都是先添加数据在进行扩容resize();//这个是空函数，可以有用户根据需要覆盖afterNodeInsertion(evict);return null;}

在上述的方法中，设计三种情况：

　　第一种情况，数组索引位置没有键值对，处理方式就是直接把待添加键值对封装成Node添加到索引位置即可；

　　第二种情况，如果数组索引位置有键值对，而且封装的TreeNode节点，处理方式是调用红黑树的插入方法，把带添加键值对添加到红黑树中；

　　第三种情况，同样数组索引位置有键值对，但是封装的是Node节点，处理方法就比较复杂，首先把待添加键值对封装成Node节点添加到链表尾部，然后判断当前链表长度，如果达到阈值，就判断是扩容还是转换为红黑树；

　　

六、get()底层分析

    public V get(Object key) {Node<K,V> e;return (e = getNode(hash(key), key)) == null ? null : e.value;}/*** Implements Map.get and related methods** @param hash hash for key* @param key the key* @return the node, or null if none*/final Node<K,V> getNode(int hash, Object key) {Node<K,V>[] tab; Node<K,V> first, e; int n; K k;//判断数组以及数组对应位置数组元素是否为空if ((tab = table) != null && (n = tab.length) > 0 &&(first = tab[(n - 1) & hash]) != null) {//用get传递过来的Key值和对应位置第一个元素进行比较，如果相等直接返回，如果不等则进行查找if (first.hash == hash && // always check first node((k = first.key) == key || (key != null && key.equals(k))))return first;//判断第一个元素的下一个元素是否为空if ((e = first.next) != null) {//判断当前节点是否为树节点if (first instanceof TreeNode)//如果是树节点，直接通过getTreeNode拿到该节点返回return ((TreeNode<K,V>)first).getTreeNode(hash, key);//循环一一对比do {if (e.hash == hash &&((k = e.key) == key || (key != null && key.equals(k))))return e;} while ((e = e.next) != null);}}return null;}

七、扩容机制底层分析

　　在HashMap中，桶数组的长度均是2的幂，阈值大小为桶数组长度与负载因子的乘积。当HashMap中的键值对数量超过阈值时，就进行扩容；

　　扩容之后，要重新计算键值对的位置，并把它们移到合适的位置上去；

    /*** Initializes or doubles table size.  If null, allocates in* accord with initial capacity target held in field threshold.* Otherwise, because we are using power-of-two expansion, the* elements from each bin must either stay at same index, or move* with a power of two offset in the new table.** @return the table*/final Node<K,V>[] resize() {Node<K,V>[] oldTab = table;int oldCap = (oldTab == null) ? 0 : oldTab.length;int oldThr = threshold;int newCap, newThr = 0;//如果table不为空，表明已经初始化过了if (oldCap > 0) {//当table容量超过容量最大值，则不再扩容if (oldCap >= MAXIMUM_CAPACITY) {threshold = Integer.MAX_VALUE;return oldTab;}//按旧容量或阈值的2倍计算新容量和阈值大小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//初始化时，将threshold的值赋值给newCap;//HashMap使用threshold变量暂时保存initialCapacity参数的值newCap = oldThr;else {               // zero initial threshold signifies using defaults//调用无参构造方法时，桶数组容量为默认容量；阈值为默认容量与默认负载因子newCap = DEFAULT_INITIAL_CAPACITY;newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);}//newThr为0时，按阈值计算公式进行计算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"})//创建新的桶数组，桶数组的初始化也是这里完成的Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap];table = newTab;if (oldTab != null) {//如果旧的桶数组不为空，则遍历桶数组，并将键值对映射到新的桶数组中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)//重新映射时，需要对红黑树进行拆分((TreeNode<K,V>)e).split(this, newTab, j, oldCap);else { // preserve orderNode<K,V> loHead = null, loTail = null;Node<K,V> hiHead = null, hiTail = null;Node<K,V> next;//遍历链表，并将链表节点按原顺序进行分组do {next = e.next;if ((e.hash & oldCap) == 0) {if (loTail == null)loHead = e;elseloTail.next = e;loTail = e;}else {if (hiTail == null)hiHead = e;elsehiTail.next = e;hiTail = e;}} while ((e = next) != null);//将分组后的链表映射到新桶中if (loTail != null) {loTail.next = null;newTab[j] = loHead;}if (hiTail != null) {hiTail.next = null;newTab[j + oldCap] = hiHead;}}}}}return newTab;}

扩容总共做了三件事：

　　1.计算新桶数组的容量newCap和新阈值newThr

　　2.根据计算出的newCap创建新的桶数组，桶数组table也是这里进行初始化的

　　3.将键值对节点重新映射到新桶数组中，如果节点是TreeNode类型，则需要拆分红黑树；如果是普通节点，则节点按原顺序进行分组