讲讲HashMap?

原始码决议

final V putVal(int hash, K key, V value, boolean onlyIfAbsent,
                   boolean evict) {
  	//辅助变量
        Node<K,V>[] tab; Node<K,V> p; int n, i;
 	//如果当前tabe阵列是null，数量是0的话
        if ((tab = table) == null || (n = tab.length) == 0)
            //执行扩容方法resize()
       	    //初始化阵列默认大小是16
            n = (tab = resize()).length;
  	//通过hash与运算获得阵列索引位置，该位置是null
        if ((p = tab[i = (n - 1) & hash]) == null)
            //创建新Node物件
            tab[i] = newNode(hash, key, value, null);
        else {//该索引位置不为null
            Node<K,V> e; K k;
          	//当前table索引hash和新的索引hash相同 && 
               //（当前table节点的key和新key是同一物件 || equals为真）
            if (p.hash == hash &&
                ((k = p.key) == key || (key != null && key.equals(k))))
                e = p;
          	//如果当前table的node已是红黑树就按红黑树处理
            else if (p instanceof TreeNode)
                e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
            else {
                //如果节点是后面是链表就遍历比较
                for (int binCount = 0; ; ++binCount) {
                    //遍历整个链表结束，也没有和新的key相同的就添加链表后面新创建node
                    if ((e = p.next) == null) {
                        p.next = newNode(hash, key, value, null);
                       //加入后判断当前的链表个数是否已经达到8个，如果达到就进行红黑树转换
                        if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st
                          //提示:
                          //treeifyBin里如果table为null或者大小小于64，暂时不会转化为红黑树
                          //而是进行扩容，
                          //if (tab == null || (n = tab.length) < MIN_TREEIFY_CAPACITY)
                            treeifyBin(tab, hash);
                        break;
                    }
                   //发现相同就break结束遍历
                    if (e.hash == hash &&
                        ((k = e.key) == key || (key != null && key.equals(k))))
                        break;
                    p = e;
                }
            }
            if (e != null) { // existing mapping for key
                V oldValue = https://www.cnblogs.com/onvertex/p/e.value;
                if (!onlyIfAbsent || oldValue == null)
                    e.value = value;  //替换原有的值，直接结束
                afterNodeAccess(e);
                return oldValue;
            }
        }
        ++modCount;
        //每增加node,Size++
  	//如果数量大于临界值，就进行扩容
  	//threshold=table大小(默认16)*负载因子(默认0.75)
  	//12>24>>48
        if (++size > threshold)
          	//扩容成2倍增长16->32->64
            resize();
        afterNodeInsertion(evict);
        return null;
    }

简述

Jdk1.7 阵列+链表

Jdk1.8 阵列+链表+红黑树

hashMap 默认阵列大小16，负载因子默认0.75, 临界值= 阵列大小*负载因子，

首先将key进行hash算法，key的hashCode右移16位并进行异或运算，
如果table是null ，先初始化阵列默认大小是16
通过hash的与运算获得当前table索引位置，如果索引位置内容是null则创建新Node节点物件
如果当前table索引位置里内容不为null,则寻找相同key直接修改值，分三种情况
1. 当前table索引的物件hash是否与新hash相同并且当前table位置物件key是否和新key相同
2. 如果当前table索引的物件已是TreeNode（红黑树)就进行遍历树方式查找
3. 如果是链表则遍历链表查找，如果遍历完也没找到就往链表尾部加入并创建新Node，在判断当前大小是否大于等于8，如果大于就进行红黑树转化，执行红黑树转化方法时有个条件，如果阵列大小小于64则还是进行扩容操作，
当前Size阵列大小和threshold(临界值)比较，如果size大于threshold则进行扩容（2倍增长），

问题

JDK 1.8中对hash算法和寻址算法是如何优化的？

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

//(n - 1) & hash 寻址算法优化   
if ((p = tab[i = (n - 1) & hash]) == null)

配合来说，put键值时，肯定涉及阵列长度的取模运算，但是在计算机上面(n - 1) & hash位运算效率高于普通的除法取余，关键这个n（hashmap长度）通常会很小，但是hash值是32位的，因此(n-1)大概率高位补零，由于与运算是只有两个数字都是1结果才为1，其他情况均为0，因此hash值的高16位永远起不到作用，这样就大大的增加了寻址冲突概率，除非阵列长度很大，撑满整个32位最好都为1，才不会有冲突，但一般不可能很长，所以通过hash算法的优化(h = key.hashCode()) ^ (h >>> 16) 这个公式完美的让hash值高16位与低16位融合，保留高低16位的特征，再跟（n-1）做与运算，hash冲突的概率就降低了！