本文针对HashMap日常使用中遇到的一些经典问题进行解释和总结

经典问题

1.底层数据结构是怎样的？

• JDk8之前：数组+链表
• JDK8及以后：数组+链表/红黑树

//数组
transient Node<K,V>[] table;
//链表
static class Node<K,V> implements Map.Entry<K,V> {
    final int hash;
    final K key;
    V value;
    Node<K,V> next;
...
}
//红黑树
static final class TreeNode<K,V> extends LinkedHashMap.Entry<K,V> {
    TreeNode<K,V> parent;  // red-black tree links
    TreeNode<K,V> left;
    TreeNode<K,V> right;
    TreeNode<K,V> prev;    // needed to unlink next upon deletion
    boolean red;
...
}

2.如何会发生hash冲突，该怎么解决。常见的解决方式有哪些？

哈希冲突在 HashMap 中发生在两个不同的键具有相同的哈希码的情况下。当两个键的哈希码相同时，它们会被映射到 HashMap 的同一个数组索引位置上，这就是哈希冲突。

常见的解决哈希冲突的方式包括：

1. 链地址法（Separate Chaining）：在哈希桶数组的每个位置上，使用链表来存储冲突的键值对。当发生冲突时，新的键值对会被添加到链表的末尾。这种方式不需要重新分配内存，但是在链表较长时，查找效率会降低。
2. 开放地址法（Open Addressing）：在哈希桶数组的每个位置上，存储一个键值对。当发生冲突时，通过一定的探测方法（如线性探测、二次探测等）在哈希桶数组中寻找下一个可用的位置。这种方式不使用链表，可以节省内存，但是可能会导致聚集性冲突，影响查找效率。
3. 再哈希法（Rehashing）：当发生哈希冲突时，通过应用一个不同的哈希函数来重新计算键的哈希码，以找到一个新的位置来存储冲突的键值对。

HashMap 中，采用的是链地址法来解决哈希冲突。当发生冲突时，将新的键值对添加到冲突位置的链表末尾。如果链表长度超过一定阈值（默认为8），则将链表转换为红黑树，以提高查找效率。如果红黑树的节点数量减少到一定程度（默认为6），则将红黑树转换回链表。

3.JDK8中做了哪些优化优化？

• 数组+链表改成了数组+链表或红黑树
• 链表的插入方式从头插法改成了尾插法
• 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；
• 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；

4.红黑树的实现原理是怎么样的，相比较于链表他的优势和劣势分别是什么？

红黑树是一种自平衡的二叉搜索树，它在实现上具有以下特点：

1. 每个节点都有一个颜色属性，可以是红色或黑色。
2. 根节点是黑色的。
3. 所有叶子节点（NIL 节点，表示空节点）都是黑色的。
4. 如果一个节点是红色的，则它的两个子节点都是黑色的。
5. 对于每个节点，从该节点到其所有后代叶子节点的简单路径上，均包含相同数目的黑色节点。

这些特点保证了红黑树的平衡性和搜索性能。

相比于链表，红黑树的优势包括：

1. 查找、插入和删除操作的时间复杂度都是 O(log n)，其中 n 是红黑树中节点的数量。这是因为红黑树保持了相对平衡的状态，使得树的高度保持在较小的范围内，从而提供了较快的操作。
2. 红黑树支持高效的有序遍历。由于红黑树是一种二叉搜索树，它可以方便地进行按照键的顺序进行遍历，因此在需要有序访问元素的场景下具有优势。
3. 红黑树支持范围查询。由于红黑树的有序性，可以快速找到满足某个范围条件的节点，对于范围查询的需求，在效率上有较大的提升。

然而，红黑树也有一些劣势：

1. 相比于简单的链表结构，红黑树的实现较为复杂。需要处理节点的颜色属性、旋转操作等，使得实现和维护红黑树的过程相对复杂。
2. 红黑树的存储空间开销相对较大。每个节点需要额外存储颜色属性，而且红黑树的平衡性需要保持，可能需要进行节点的旋转操作，增加了额外的开销。

参考

hashmap经典面试问题以及答案 HashMap面试题及答案