JDK1.8中对hashmap的优化

在Java编程语言中，最基本的结构就是两种，一个是数组，另一个是模拟指针（引用），全部的数据结构均可以用这两个基本结构来构造的，HashMap也不例外。HashMap其实是一个“链表散列”的数据结构，即数组和链表的结构，可是在jdk1.8里 
加入了红黑树的实现，当链表的长度大于8时，转换为红黑树的结构。

从上图中能够看出，Java中HashMap采用了链地址法。链地址法，简单来讲，就是数组加链表的结合。在每一个数组元素上都一个链表结构，当数据被Hash后，获得数组下标，把数据放在对应下标元素的链表上。

*/
    static class Node<K,V> implements Map.Entry<K,V> { final int hash;//用于定位数组索引的位置 final K key; V value; Node<K,V> next;//链表的下一个Node Node(int hash, K key, V value, Node<K,V> next) { this.hash = hash; this.key = key; this.value = value; this.next = next; }

 

Node是HashMap的一个内部类，实现了Map.Entry接口，本质是就是一个映射(键值对)。

有时两个key会定位到相同的位置，表示发生了Hash碰撞。固然Hash算法计算结果越分散均匀，Hash碰撞的几率就越小，map的存取效率就会越高。

HashMap类中有一个很是重要的字段，就是 Node[] table，即哈希桶数组，明显它是一个Node的数组。若是哈希桶数组很大，即便较差的Hash算法也会比较分散，若是哈希桶数组数组很小，即便好的Hash算法也会出现较多碰撞，因此就须要在空间成本和时间成本之间权衡，其实就是在根据实际状况肯定哈希桶数组的大小，并在此基础上设计好的hash算法减小Hash碰撞。那么经过什么方式来控制map使得Hash碰撞的几率又小，哈希桶数组（Node[] table）占用空间又少呢？答案就是好的Hash算法和扩容机制。

 

若是哈希桶数组很大，即便较差的Hash算法也会比较分散，若是哈希桶数组数组很小，即便好的Hash算法也会出现较多碰撞，因此就须要在空间成本和时间成本之间权衡，其实就是在根据实际状况肯定哈希桶数组的大小，并在此基础上设计好的hash算法减小Hash碰撞。

这里存在一个问题，即便负载因子和Hash算法设计的再合理，也免不了会出现拉链过长的状况，一旦出现拉链过长，则会严重影响HashMap的性能。因而，在JDK1.8版本中，对数据结构作了进一步的优化，引入了红黑树。而当链表长度太长（默认超过8）时，链表就转换为红黑树，利用红黑树快速增删改查的特色提升HashMap的性能，其中会用到红黑树的插入、删除、查找等算法