HashMap面试题

数组初始化：

1.在第一次放入数据时，会先初始化数组，默认长度16。

但是如果是2，4或者8会不会有点小，添加不了多少数据就会扩容，也就是会频繁扩容，这样岂不是影响性能，那为啥不是32或者更大，那不就浪费空间了嘛，所以啊，16就作为一个非常合适的经验值保留了下来。

2. 如果指定了参数初始化HashMap，会通过下面方法算出一个长度进行扩容，保证都是2的  整数次方。               

 

扩容：

条件：大于容量*负载因子

3.当数组的如果没有超过1<<30最大长度，则进行扩容，长度为原来的两倍

 

扩容的时候为什么1.8 不用重新hash就可以直接定位原节点在新数据的位置呢？

 

 

put操作

1.如果数组为空，则进行初始化数组

2.如果数组不空，根据key算出hash值，然后取得数组的下标，查看该位置是否有值，如果没有则new一个node节点

3.如果有值，比较key是否相同，如果相同进行值覆盖

4.如果不相同，判断头结点是否是红黑树，如果是进行插入到红黑树

5.如果是链表，遍历链表，比较key是否相同，如果相同则值覆盖

6.如果遍历到链尾，数据插入到链尾，同时判断链表的长度>=8,如果是则进行链表转换成红黑树，

如果数组的长度<64,则进行扩容，否则建立红黑树

7.判断是否需要扩容（ 元素数量>数组大小（默认16）* loadFactor（默认0.75））

 

 

为什么负载因子loadFactor是0.75？

0.75是时间跟空间上达到一个平衡的一个值。

 

为什么红黑树是转换条件是8？

1.在理想情况下，链表长度符合泊松分布，各个长度的命中概率依次递减，当长度为 8 的时候，概率仅为 0.00000006。这是一个小于千万分之一的概率，概率已经很低了。选择了8作为阀值（官网解释）

 

2.红黑树的平均查找长度是log(n)，长度为8，查找长度为log(8)=3，链表的平均查找长度为n/2，当长度为8时，平均查找长度为8/2=4，这才有转换成树的必要；链表长度如果是小于等于6，6/2=3，虽然速度也很快的，但是转化为树结构和生成树的时间并不会太短。

 

 

               

什么时候红黑树会退化成链表？

桶的链表还原阈值：即 红黑树转为链表的阈值，当在扩容（resize（））时（此时HashMap的数据存储位置会重新计算），在重新计算存储位置后，当原有的红黑树内数量 < 6时，则将 红黑树转换成链表。主要是一个过渡，避免链表和红黑树之间频繁的转换。如果阈值是7的话，删除一个元素红黑树就必须退化为链表，增加一个元素就必须树化，来回不断的转换结构无疑会降低性能，所以阈值才不设置的那么临界。

   

 

HashMap 为什么选择红黑树

因为AVL树插入节点或者删除节点，整体的性能是不如红黑树的。AVL每个左右节点的高度是不能大于1的。所以维持这种结构比较消耗性能。主要还是左旋右旋改变与维护AVL高度问题，红黑树比他好的就是只需改变节点颜色就可以了。

二分查找树，他的左右节点不平衡，一开始就固定了root，那么极端的情况下会成为链表结构。

链表长度越长，那么他的插入和查询效率都很低。

而红黑树他的整体查找，增删节点的效率都是比较高的。
 

为什么扰动函数？

 

1.使用扰动函数就是为了增加随机性，让数据元素更加均衡的散列，减少碰撞。

2.算法一定要尽可能高效，因为这是高频操作, 因此采用位运算；

 static final int hash(Object key) {
        int h;
        return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
    }

 

1.8还有三点主要的优化：

1.数组+链表改成了数组+链表或红黑树；将时间复杂度由O(n)降为O(logn);

2.链表的插入方式从头插法改成了尾插法，简单说就是插入时，如果数组位置上已经有元素，1.7将新元素放到数组中，原始节点作为新节点的后继节点，1.8遍历链表，将元素放置到链表的最后；避免了在多线程环境下会1.7版本扩容会产生环

3.扩容的时候1.7需要对原数组中的元素进行重新hash定位在新数组的位置，1.8采用更简单的判断逻辑，位置不变或索引+旧容量大小；

4.在插入时，1.7先判断是否需要扩容，再插入，1.8先进行插入，插入完成再判断是否需要扩容；

1.8在put值的时候，如果是覆盖原理的值，会直接返回，不需要扩容，如果先判断是否要扩容后插入的话比较浪费时间

 

面试题：

https://angela.blog.youkuaiyun.com/article/details/104889549?utm_medium=distribute.pc_relevant_t0.none-task-blog-BlogCommendFromMachineLearnPai2-1.control&depth_1-utm_source=distribute.pc_relevant_t0.none-task-blog-BlogCommendFromMachineLearnPai2-1.control

 

参考：

https://bugstack.blog.youkuaiyun.com/article/details/107903915

https://www.cnblogs.com/myseries/p/10876828.html

https://www.cnblogs.com/jzb-blog/p/6637823.html

https://www.cnblogs.com/yanzige/p/8392142.html

https://blog.youkuaiyun.com/LovePluto/article/details/79755496?utm_term=hashmap%E5%85%88%E6%8F%92%E5%85%A5%E5%86%8D%E6%89%A9%E5%AE%B9&utm_medium=distribute.pc_aggpage_search_result.none-task-blog-2~all~sobaiduweb~default-0-79755496&spm=3001.4430