HashMap以<key，value>的方式存放数据，存储在数组中。通过开散列方法解决冲突，数组中存放的Entry作为单向链表的表头。
Entry的源码如下：
static class Entry<K,V> implements Map.Entry<K,V> {
final K key;
V value;
Entry<K,V> next;
final int hash;
//构造、get、set等方法省略
public final boolean equals(Object o) {
if (!(o instanceof Map.Entry))
return false;
Map.Entry e = (Map.Entry)o;
Object k1 = getKey();
Object k2 = e.getKey();
if (k1 == k2 || (k1 != null && k1.equals(k2))) {
Object v1 = getValue();
Object v2 = e.getValue();
if (v1 == v2 || (v1 != null && v1.equals(v2)))
return true;
}
return false;
}
public final int hashCode() {
return (key==null ? 0 : key.hashCode()) ^
(value==null ? 0 : value.hashCode());
}
}
下面我们通过走读源码来逐步探索HashMap的奥秘！！！
一）“发现问题，存有疑问！”
1）构造HashMap中的capacity
capacity为当前HashMap的Entry数组的大小，为什么Entry数组的大小是2的N次方？
// Find a power of 2 >= initialCapacity
int capacity = 1;
while (capacity < initialCapacity)
capacity <<= 1;
2）构造HashMap中的loadFactor（装填因子）
threshold = (int)(capacity * loadFactor);
threshold为HashMap的size最大值，注意不是HashMap内部数组的大小。
为什么需要loadFactor，怎么合理的设置loadFactor？
3）HashMap的put
public V put(K key, V value) {
if (key == null)
return putForNullKey(value);//当key为null时，将其存放在数组的首部:table[0]
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;
if (e.hash == hash && ((k = e.key) == key || key.equals(k))) {
V oldValue = e.value;
e.value = value;
e.recordAccess(this);
return oldValue;
}
}
modCount++;
addEntry(hash, key, value, i);
return null;
}
这里我们关注两个地方：
1）hash
static int hash(int h) {
// This function ensures that hashCodes that differ only by
// constant multiples at each bit position have a bounded
// number of collisions (approximately 8 at default load factor).
h ^= (h >>> 20) ^ (h >>> 12);
return h ^ (h >>> 7) ^ (h >>> 4);
}
hash的作用是什么？
2）indexFor
static int indexFor(int h, int length) {
return h & (length-1);
}
indexFor的作用是什么？
二）“解惑，拨云见日！”
key的hashCode经过hash后，为了让其在table（table为hashMap的entry[]）的范围内，需要再hash一次。这里实际上是采用的“除余法”（h%length）。
源于一个数学规律，就是如果length是2的N次方，那么数h对length的模运算结果等价于a和(length-1)的按位与运算，也就是 h%length <=> h&(length-1)。
位运算当然比取余效率高，因此这就解释了：为什么Entry数组的大小是2的N次方？
我们为什么不直接对key的hashCode进行indexFor运算，还要再hash一次呢？
我做了个简单实验，如下：
int[] hashcode = new int[] { 100000001, 100000011, 100000111,100001111, 100011111, 100111111, 101111111, 111111111 };
for (int c : hashcode)
System.out.println(hash(c));
数组hashcode中假定了8个hashcode，若对他们除以10取余，余数都为1，全部冲突！
但是通过hash后，对应的值为：
94441116; 94441110; 94441204; 94440071; 94558923; 94592891; 107664244; 117165177
对上面的值除以10取余分别是：6、0、4、1、3、1、4、7，冲突为2。
可见hash能够对hashCode分布更均匀，防止一些蹩脚的hash函数！
从上面我们也可以看出取余的时候，高位的影响比较小，例如：1048592、1048832、1052672、1114112、2097152都可以被16整除（余数为0）！
那么我们得想个办法让高位也要影响到取余的结果，如是便有了Hash。
详情参考：http://marystone.iteye.com/blog/709945
对于loadFactor，我也做了个简单实验，如下：
public static void main(String[] args) {
String s = "a aa aaa b bb bbb c cc ccc d dd ddd e ee eee f ff fff g gg ggg h hh hhh abc bcd cde def efg fgh ghi hij ijk ";
String[] ss = s.split(" ");
int size = ss.length;//
Set<Integer> indexS = new HashSet<Integer>();
int conflict = 0;
for (int i = 0; i < ss.length; i++) {
int index = hash(ss[i].hashCode()) % size;
if (indexS.contains(index))
conflict++;
else
indexS.add(index);
}
System.out.println("冲突数："+conflict);
}
当参与取余的除数为size时，冲突数为13
当参与取余的除数为2*size时，冲突数为9
当参与取余的除数为3*size时，冲突数为6
在hashMap中，size受loadFactor的影响。
极端的想，
如果loadFactor很小很小，那么map中的table需要不断的扩容，导致除数越来越大，冲突越来越小！
如果loadFactor很大很大，那么当map中table放满了也不要求扩容，导致冲突越来越多，解决冲突而起的链表越来越长！
