HashMap是基于哈希表 的Map接口实现，以key-value存储形式存在，即主要用来存放键值对。其中，key-value均可为null，映射也不是有序的。HashMap的实现不是同步的，也即线程不安全。
一、存储特点
1.1 数据结构的演变
jdk1.7- ：由数组 + 链表组成，数组是主体，链表主要是为了解决哈希冲突（即通过key计算的数组索引值相同）而存在的（"拉链法"解决冲突）。
jdk1.8+ ：由数组 + 链表+红黑树组成，在解决哈希冲突时有了较大的变化，当链表长度大于阈值 （红黑树的边界值，默认为8），并且当前数组长度大于64 时，此索引位置上数据存储结构转变为红黑树。
补充：链表转换成红黑树之前，即使阈值大于8，但数组长度小于64时，并不会将链表变为红黑树，而是对数组进行扩容。 目的是：当数组较小情况下，尽量避开红黑树结构。因为数组较小情况下，变为红黑树结构，反而会降低效率（红黑树需要逬行左旋，右旋，变色这些操作来保持平衡）。同时数组长度小于64时，搜索时间相对要快些。所以结上所述为了提高性能，底层阈值大于8并且数组长度大于64时，链表才转换为红黑树，具体可以参考 treeifyBin() 方法。
当然虽然增了红黑树作为底层数据结构，结构变得复杂了，但是阈值大于8并且数组长度大于64时，链表转换为红黑树时，效率也变的更高效。 
1.2 特点
- 存储无序。
- 键和值均可为null，但是键位置只能存在一个null。
- 键位置是唯一的，是底层的数据结构控制的。
- jdk1.8前数据结构是链表+数组 ，jdk1.8之后是链表+数组+红黑树。
- 阈值（边界值）> 8 并且数组长度大于 64，才将链表转换为红黑树，变为红黑树的目的是为了提超查询。
二、类结构
2.1 继承关系
说明：
- Cloneable空接口，表示可以克隆。创建并返回 HashMap 对象的一个副本。
- Serializable序列化接口。标记HashMap对象可以被序列化和反序列化。
- AbstractMap提供了Map实现接口。以最大限度地减少实现此接口所需的工作。
问题：通过上述继承关系我们发现一个很奇怪的现象，就是HashMap已经继承了AbstractMap，而AbstractMap类实现了Map接口，那为什么 HashMap还要在实现Map接口呢？同样在ArrayList中LinkedLis中都是这种结构。
答案：据Java集合框架的创始人Josh Bloch描述，这样的写法是一个失误。在Java集合框架中，类似这样的写法很多，最幵始写Java集合框架的时候，他认为这样写，在某些地方可能是有价值的，直到他意识到错了。很显然jdk的维护者，后来不认为这个小小的失误值得去修改，所以就这样保留下来了。
2.2 成员变量
java
public class HashMap<K, V> extends AbstractMap<K, V>
implements Map<K, V>, Cloneable, Serializable {
/** 序列化版本号 */
private static final long serialVersionUID = 362498820763181265L;
/** 集合初始化容量,必须是2的n次幂，默认的初始容量是16 */
static final int DEFAULT_INITIAL_CAPACITY = 1 << 4;
/** 集合最大容量,默认为2的30次幂 */
static final int MAXIMUM_CAPACITY = 1 << 30;
/** 默认加载因子,默认值 0.75 */
static final float DEFAULT_LOAD_FACTOR = 0.75f;
/** 当链表元素数量超过该值,则会转为红黑树（jdk1.8新增） */
static final int TREEIFY_THRESHOLD = 8;
/** 当链表的值小于6,则会从红黑树转回链表 */
static final int UNTREEIFY_THRESHOLD = 6;
/** 当存放元素数量超过该值,表中的桶才能转换为红黑树,否则桶内元素超过指定条件时只会进行扩容 */
static final int MIN_TREEIFY_CAPACITY = 64;
/** 数组结构 */
transient Node<K,V>[] table;
/**存放缓存数据 */
transient Set<Entry<K,V>> entrySet;
/**存放元素数量 */
transient int size;
/** 用来记录HashMap修改次数,即每次扩容和更改map结构的计数器 */
transient int modCount;
/** 扩容临界值,当存放元素数量超过临界值（容量*负载因子）时，会进行扩容 */
int threshold;
/** 哈希表加载因子 */
final float loadFactor;
}2.3 构造方法
2.3.1 HashMap(initialCapacity, loadFactor)
java
/**
* 指定容量大小和负载因子的构造函数
* @param initialCapacity 容量
* @param loadFactor 负载因子
*/
public HashMap(int initialCapacity, float loadFactor) {
// 判断初始化容量initialCapacity是否小于0
if (initialCapacity < 0)
// 如果小于0,则抛出非法的参数异常IllegalArgumentException
throw new IllegalArgumentException("Illegal initial capacity: " + initialCapacity);
// 判断初始化容量initialCapacity是否大于集合的最大容量MAXIMUM_CAPACITY
if (initialCapacity > MAXIMUM_CAPACITY)
// 如果超过MAXIMUM_CAPACITY，会将MAXIMUM_CAPACITY赋值给initialCapacity
initialCapacity = MAXIMUM_CAPACITY;
// 判断负载因子loadFactor是否小于等于0或者是否是一个非数值
if (loadFactor <= 0 || Float.isNaN(loadFactor))
// 如果满足上述其中之一,则抛出非法的参数异常IllegalArgumentException
throw new IllegalArgumentException("Illegal load factor: " + loadFactor);
// 将指定的负载因子赋值给HashMap成员变量的负载因子loadFactor
this.loadFactor = loadFactor;
this.threshold = tableSizeFor(initialCapacity);
}
/*
* 返回比指定初始化容量大的最小的2的n次幂
* @param 容量
*/
static final int tableSizeFor(int cap) {
// 防止cap已经是2的幂。如果cap已经是2的幂，又没有这个减1操作，
// 则执行完后面的几条无符号操作之后，返回的 apacity将是这个cap的2倍。
int n = cap - 1;
n |= n >>> 1; // 最高位非零1位右移1位，逻辑或n，此时可得最高2位为11
n |= n >>> 2; // 最高位非零2位右移2位，逻辑或n，此时可得最高2位为1111
n |= n >>> 4; ...
n |= n >>> 8;
n |= n >>> 16;
return (n < 0) ? 1 : (n >= MAXIMUM_CAPACITY) ? MAXIMUM_CAPACITY : n + 1;
}注意：在tableSizeFor方法体内部将计算后的数据返回给调用这里了，并且直接赋值给threshold边界值了。有些人会觉得这里是一个bug，应该这样书写：this.threshold = tableSizeFor(initialCapacity) * this.loadFactor，这样才符合threshold的语意（当HashMap的size到达threshold这个阈值时会扩容）。但是请注意，在jdk8以后的构造方法中，并没有对table这个成员变量进行初始化，table的初始化被推迟到了put方法中，在put方法中会对threshold重新计算。
2.3.2 HashMap(Map m)
java
// 构造一个映射关系与指定 Map 相同的新 HashMap。
public HashMap(Map<? extends K, ? extends V> m) {
// 负载因子loadFactor变为默认的负载因子0.75
this.loadFactor = DEFAULT_LOAD_FACTOR;
putMapEntries(m, false);
}
final void putMapEntries(Map<? extends K, ? extends V> m, boolean evict) {
//获取参数集合的长度
int s = m.size();
if (s > 0) { // 判断参数集合是否包含元素
if (table == null) { // 判断table是否已经初始化
// 未初始化,s为m的实际元素个数
float ft = ((float)s / loadFactor) + 1.0F;
int t = ((ft < (float)MAXIMUM_CAPACITY) ? (int)ft : MAXIMUM_CAPACITY);
// 计算得到的t大于阈值,则重新初始化阈值
if (t > threshold)
threshold = tableSizeFor(t);
}
// 已初始化,并且m元素个数大于阈值，进行扩容处理
else if (s > threshold)
resize();
// 将m中的所有元素添加至HashMap中
for (Map.Entry<? extends K, ? extends V> e : m.entrySet()) {
K key = e.getKey();
V value = e.getValue();
putVal(hash(key), key, value, false, evict);
}
}
}问题 ：float ft = ((float)s / loadFactor) + 1.0F这一行代码中为什么要加1.0F ？ s/loadFactor的结果是小数，加1.0F，(int)ft相当于是对小数做一个向上取整以尽可能的保证更大容量，更大的容量能够减少 resize 的调用次数。所以+ 1.0F是为了获取更大的容量。
2.4 成员方法
2.4.1 添加节点元素
put方法是比较复杂的，实现步骤大致如下：
- 先通过 hash 值计算出 key 映射到哪个桶；
- 如果桶上没有碰撞冲突，则直接插入；
- 如果出现碰撞冲突了，则需要处理冲突：
- 如果该桶使用红黑树处理冲突，则调用红黑树的方法插入数据；
- 否则采用传统的链式方法插入。如果链的长度达到临界值，则把链转变为红黑树；
- 如果桶中存在重复的键，则为该键替换新值 value；
- 如果 size 大于阈值 threshold，则进行扩容；
具体的方法如下：
java
public V put(K key, V value) {
return putVal(hash(key), key, value, false, true);
}
static final int hash(Object key) {
int h;
/*
1）如果key等于null：返回的是0.
2）如果key不等于null：首先计算出key的hashCode赋值给h，然后与h无符号右移16位后的
二进制进行按位异或得到最后的hash值
*/
return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}问题 ：(h = key.hashCode()) ^ (h >>> 16)，高16bit不变，低16bit和高16bit做了一个异或得到的hashCode转化为32 位二进制，为什么要这样操作呢？
答案：如果当n即数组长度很小，假设是16的话，那么n - 1即为 1111 ，这样的值和hashCode直接做按位与操作，实际上只使用了哈希值的后4位。如果当哈希值的高位变化很大，低位变化很小，这样就很容易造成哈希冲突了，所以这里把高低位都利用起来，从而解决了这个问题。
2.4.2 内部添加节点元素
java
public V put(K key, V value) {
return putVal(hash(key), key, value, false, true);
}
/**
* @param hash key的hash值
* @param key 原始key
* @param value 要存放的值
* @param onlyIfAbsent 如果true代表不更改现有的值
* @param evict 如果为false表示table为创建状态
*/
final V putVal(int hash, K key, V value, boolean onlyIfAbsent, boolean evict) {
Node<K,V>[] tab; Node<K,V> p; int n, i;
// 判断集合是否新创建，即tab为null
if ((tab = table) == null || (n = tab.length) == 0)
n = (tab = resize()).length;
// 计算结点位置是否已存在元素，存在则表示有希碰撞冲突情况，否则直接将元素插入该位置
// 将已存在的桶数据保存到变量p中
if ((p = tab[i = (n - 1) & hash]) == null)
// 创建一个新的结点存入到桶中
tab[i] = newNode(hash, key, value, null);
else { // 执行else说明tab[i]不等于null，表示这个位置已经有值了
Node<K,V> e; K k;
// 1. 元素hash值相等，但是不能确定是同一个值
// 2. key是否是同一实例，或者值是否相等
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
// 说明：两个元素哈希值相等，并且key的值也相等，将旧的元素整体对象赋值给e，用e来记录
e = p;
// hash值不相等或者key不相等；判断p是否为红黑树结点
else if (p instanceof TreeNode)
// 放入树中
e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
else { // 说明是链表结点
// 1)如果是链表的话需要遍历到最后结点然后插入
// 2)采用循环遍历的方式，判断链表中是否有重复的key
for (int binCount = 0; ; ++binCount) {
// 判定p.next是否到达链表的尾部
// 取出p.next赋值给e
if ((e = p.next) == null) {
// 将节点插入到链表的尾部
p.next = newNode(hash, key, value, null);
// 判断是否达到转换为红黑树的临界条件，如果是则调用treeifyBin转换为红黑树
// 注意：treeifyBin方法会对数组长度进行检查，如果小于MIN_TREEIFY_CAPACITY会对数组进行扩容
if (binCount >= TREEIFY_THRESHOLD - 1)
// 转换为红黑树
treeifyBin(tab, hash);
// 跳出循环
break;
}
// 没有到达链表尾部，判断key值是否相同
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
// 因为已将e保存,所以跳出循环
break;
// 说明新添加的元素和当前结点不相等，继续查找下一个结点。
// 用于遍历桶中的链表，与前面的e = p.next组合，可以遍历链表
p = e;
}
}
// 表示在桶中找到key值、hash值与插入元素相等的结点
// 也就是说通过上面的操作找到了重复的键，所以这里就是把该键的值变为新的值，并返回旧值
// 这里完成了put方法的修改功能
if (e != null) {
// 记录e的value
V oldValue = e.value;
// onlyIfAbsent为false或者旧值为null
if (!onlyIfAbsent || oldValue == null)
// 用新值替换旧值
// e.value 表示旧值 value表示新值
e.value = value;
// 访问后回调
afterNodeAccess(e);
// 返回旧值
return oldValue;
}
}
// 修改记录次数
++modCount;
// 判断实际大小是否大于threshold阈值，如果超过则扩容
if (++size > threshold)
resize();
// 插入后回调
afterNodeInsertion(evict);
return null;
}2.4.3 将链表转换为红黑树
结点添加完成之后判断此时结点个数是否大于 TREEIFY_THRESHOLD 临界值 8，如果大于则将链表转换为红黑树，方法为treeifyBin。
java
/**
* @param tab 数组
* @param hash 哈希值
*/
final void treeifyBin(Node<K,V>[] tab, int hash) {
int n, index; Node<K,V> e;
// 如果当前数组为空,或者数组的长度小于进行树形化的阈值(MIN_TREEIFY_CAPACITY = 64),就去扩容。
// 而不是将结点变为红黑树。
// 目的：如果数组很小,那么转换红黑树，然后遍历效率要低一些。
// 这时进行扩容,那么重新计算哈希值，链表长度有可能就变短了，数据会放到数组中，这样相对来说效率高一些。
if (tab == null || (n = tab.length) < MIN_TREEIFY_CAPACITY)
//扩容方法
resize();
// 获取key哈希值的桶元素，判断是否为空
else if ((e = tab[index = (n - 1) & hash]) != null) {
// 执行步骤
// 1. 先将元素转换为红黑树节点
// 2. 然后再将其设置为链表结构
// 3. 最后将链表结构转换为红黑树
// hd：红黑树的头结点 tl：红黑树的尾结点
TreeNode<K,V> hd = null, tl = null;
do {
// 将当前桶结点替换为红黑树节点
TreeNode<K,V> p = replacementTreeNode(e, null);
if (tl == null) // 首次操作，,红黑树尾节点为空
hd = p; // 将新创键的p结点赋值给红黑树的头结点
else {
p.prev = tl; // 将上一个结点p赋值给现在的p的前一个结点
tl.next = p; // 将现在结点p作为树的尾结点的下一个结点
}
tl = p;
// 直到循环到链表末尾,以及将链表元素都替换为红黑树节点
} while ((e = e.next) != null);
// 让桶中的第一个元素即数组中的元素指向新建的红黑树的结点，
// 以后这个桶里的元素就是红黑树,而不是链表数据结构了
if ((tab[index] = hd) != null)
hd.treeify(tab);
}
}2.4.4 扩容
什么时候需要扩容 ：当 HashMap 中的元素个数 超过数组大小(数组长度)*loadFactor(负载因子)时，就会进行数组扩容，loadFactor 的默认值是 0.75。
进行扩容，会伴随着一次重新 hash 分配，并且会遍历 hash 表中所有的元素，是非常耗时的。在编写程序中，要尽量避免 resize。
HashMap 在进行扩容时，使用的 rehash 方式非常巧妙，因为每次扩容都是翻倍，与原来计算的 (n - 1) & hash 的结果相比，只是多了一个bit位，所以结点要么就在原来的位置，要么就被分配到 "原位置 + 旧容量" 这个位置。
因此，在HashMap扩容时，不需要重新计算hash，只需要看看原来的hash值新增的那个bit是1还是0就可以了，是0的话索引没变，是1的话索引变成 "原位置 + 旧容量" 。 
正是因为这样巧妙的 rehash 方式，既省去了重新计算 hash 值的时间，而且同时，由于新增的 1bit 是 0 还是 1 可以认为是随机的，在 resize 的过程中保证了 rehash 之后每个桶上的结点数一定小于等于原来桶上的结点数，保证了 rehash 之后不会出现更严重的 hash 冲突，均匀的把之前的冲突的结点分散到新的桶中了。
源码 resize 方法的解读
java
final Node<K,V>[] resize() {
// 得到当前数组
Node<K,V>[] oldTab = table;
// 如果当前数组等于null长度返回0, 否则返回当前数组的长度
int oldCap = (oldTab == null) ? 0 : oldTab.length;
// 当前阀值，默认是12(16*0.75)
int oldThr = threshold;
int newCap, newThr = 0;
// 如果旧数组长度大于0, 开始计算扩容后的大小
// 小于等于0，没有扩容的必要
if (oldCap > 0) {
// 超过最大值就不再扩充了，就只好随你碰撞去吧
if (oldCap >= MAXIMUM_CAPACITY) {
// 修改阈值为int的最大值
threshold = Integer.MAX_VALUE;
return oldTab;
}
// 容量扩充为原来的2倍
// 新容量不能超过2^30大小
// 原来的容量大于等于初始化DEFAULT_INITIAL_CAPACITY=16
else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&
oldCap >= DEFAULT_INITIAL_CAPACITY)
// 阈值扩大一倍
newThr = oldThr << 1; // double threshold
}
// 如果原来容量小于等于0, 且原来阈值点大于0
else if (oldThr > 0) // 原来阈值赋值给新的数组长度
newCap = oldThr;
else { // 都不满足的情况下，直接使用默认值
newCap = DEFAULT_INITIAL_CAPACITY;//16
newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);
}
// 如果原来容量小于等于0, 且原来阈值点大于0情况下，那么newThr是0
// 计算新的resize最大上限
if (newThr == 0) {
float ft = (float)newCap * loadFactor;
newThr = (newCap < MAXIMUM_CAPACITY && ft < (float)MAXIMUM_CAPACITY ?
(int)ft : Integer.MAX_VALUE);
}
// 新的阀值 默认原来是12 乘以2之后变为24
threshold = newThr;
// 创建新的哈希表
@SuppressWarnings({"rawtypes","unchecked"})
//newCap是新的数组长度
Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap];
table = newTab;
// 判断原来数组是否等于空
if (oldTab != null) {
// 把每个桶都移动到新的桶中
// 遍历原来的哈希表的每个桶，重新计算桶里元素的新位置
for (int j = 0; j < oldCap; ++j) {
Node<K,V> e;
if ((e = oldTab[j]) != null) {
// 原来的数据赋值为null,便于GC回收
oldTab[j] = null;
// 判断数组是否有下一个引用
if (e.next == null)
// 没有下一个引用，说明不是链表，当前桶上只有一个键值对，直接插入
newTab[e.hash & (newCap - 1)] = e;
// 判断是否是红黑树
else if (e instanceof TreeNode)
// 说明是红黑树来处理冲突的，则调用相关方法把树分开
((TreeNode<K,V>)e).split(this, newTab, j, oldCap);
else { // 采用链表处理冲突
Node<K,V> loHead = null, loTail = null;
Node<K,V> hiHead = null, hiTail = null;
Node<K,V> next;
// 通过上述讲解的原理来计算结点的新位置
do {
// 原索引
next = e.next;
// 这里来判断如果等于true e这个结点在resize之后不需要移动位置
if ((e.hash & oldCap) == 0) {
if (loTail == null)
loHead = e;
else
loTail.next = e;
loTail = e;
}
// 原索引+oldCap
else {
if (hiTail == null)
hiHead = e;
else
hiTail.next = e;
hiTail = e;
}
} while ((e = next) != null);
// 原索引放到bucket里
if (loTail != null) {
loTail.next = null;
newTab[j] = loHead;
}
// 原索引+oldCap放到bucket里
if (hiTail != null) {
hiTail.next = null;
newTab[j + oldCap] = hiHead;
}
}
}
}
}
return newTab;
}2.4.5 删除
删除方法就是首先先找到元素的位置，如果是链表就遍历链表找到元素之后删除。如果是用红黑树就遍历树然后找到之后做删除，树小于 6 的时候要转链表。
java
public V remove(Object key) {
Node<K,V> e;
return (e = removeNode(hash(key), key, null, false, true)) == null ?
null : e.value;
}
/**
* @param hash 删除元素的哈希值
* @param key 删除元素的key
* @param value 删除元素的值
* @param matchValue 值是否匹配
* @param movable 移除元素之后是否移动启动节点
*/
final Node<K,V> removeNode(int hash, Object key, Object value,
boolean matchValue, boolean movable) {
Node<K,V>[] tab; Node<K,V> p; int n, index;
// 根据hash找到位置
// 如果当前key映射到的桶不为空
// 将桶对应的元素赋值给遍历p
if ((tab = table) != null && (n = tab.length) > 0 &&
(p = tab[index = (n - 1) & hash]) != null) {
Node<K,V> node = null, e; K k; V v;
if (p.hash == hash && // 如果桶上的结点就是要找的key，则将node指向该结点
((k = p.key) == key || (key != null && key.equals(k))))
node = p;
else if ((e = p.next) != null) { // 说明结点存在下一个结点
if (p instanceof TreeNode)
// 说明是以红黑树来处理的冲突，则获取红黑树要删除的结点
node = ((TreeNode<K,V>)p).getTreeNode(hash, key);
else {
// 判断是否以链表方式处理hash冲突，是的话则通过遍历链表来寻找要删除的结点
do {
if (e.hash == hash &&
((k = e.key) == key ||
(key != null && key.equals(k)))) {
node = e;
break;
}
p = e;
} while ((e = e.next) != null);
}
}
// 比较找到的key的value和要删除的是否匹配
if (node != null && (!matchValue || (v = node.value) == value ||
(value != null && value.equals(v)))) {
// 通过调用红黑树的方法来删除结点
if (node instanceof TreeNode)
((TreeNode<K,V>)node).removeTreeNode(this, tab, movable);
else if (node == p)
// 链表删除
tab[index] = node.next;
else
p.next = node.next;
// 记录修改次数
++modCount;
// 变动的数量
--size;
afterNodeRemoval(node);
return node;
}
}
return null;
}2.4.6 查找元素
java
public V get(Object key) {
Node<K,V> e;
return (e = getNode(hash(key), key)) == null ? null : e.value;
}
final Node<K,V> getNode(int hash, Object key) {
Node<K,V>[] tab; Node<K,V> first, e; int n; K k;
// 如果哈希表不为空并且key对应的桶上不为空
if ((tab = table) != null && (n = tab.length) > 0 &&
(first = tab[(n - 1) & hash]) != null) {
// 判断数组元素是否相等
// 根据索引的位置检查第一个元素
// 注意：总是检查第一个元素
if (first.hash == hash && // always check first node
((k = first.key) == key || (key != null && key.equals(k))))
return first;
// 如果不是第一个元素，判断是否有后续结点
if ((e = first.next) != null) {
// 判断是否是红黑树，是的话调用红黑树中的getTreeNode方法获取结点
if (first instanceof TreeNode)
return ((TreeNode<K,V>)first).getTreeNode(hash, key);
do {
// 不是红黑树的话，那就是链表结构了，通过循环的方法判断链表中是否存在该key
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
return e;
} while ((e = e.next) != null);
}
}
return null;
}三、思考题
3.1 jdk8为何需要引入红黑树？
答 ：jdk1.8之前HashMap的实现是数组+链表，即使哈希函数取得再好，也很难达到元素百分百均匀分布。当有大量元素都存放于同一个桶中时，此时这个桶就成为了很长的链表，那么HashMap也就相当于一个单链表，假如单链表有n个元素，遍历的时间复杂度就是O(n)，完全失去了它的优势。
针对这种情况，jdk1.8中引入了红黑树（查找时间复杂度为O(logn)）来优化这个问题。当链表长度很小的时候，即使遍历，速度也非常快，但是当链表长度不断变长，肯定会对查询性能有一定的影响，所以才需要转成树。
3.2 HashMap中hash函数是怎么实现的？还有哪些hash函数的实现方式？
答：对于 key的hashCode做hash操作，无符号右移16位然后做异或运算。 还有平方取中法，伪随机数法和取余数法。这三种效率都比较低。而无符号右移16位异或运算效率是最高的。
3.3 当两个对象的hashCode相等时会怎么样？
答：会产生哈希碰撞。若key值内容相同则替换旧的value，否则插入链表末尾，数组长度大于64时，如果链表长度超过阈值8就会转换为红黑树存储。
3.4 什么是哈希碰撞，如何解决哈希碰撞？
答：只要两个key计算的数组索引值相同时，就会发生哈希碰撞。jdk8之前使用链表解决哈希碰撞。jdk8之后使用链表 + 红黑树解决哈希碰撞。
3.5 如果两个键的hashCode相同，如何存储键值对？
答：通过equals比较内容是否相同。相同，新value会覆盖旧value值，否则将新键值对添加到哈希表中。
3.6 为什么HashMap桶中结点个数超过8才转为红黑树？
答案一
在hashCode离散性很好的情况下，树型bin用到的概率非常小，因为数据均匀分布在每个bin中，几乎不会有bin中链表长度会达到阈值(8)。但是在随机hashCode下，离散性可能会变差，然而JDK又不能阻止用户实现这种不好的hash算法，因此就可能导致不均匀的数据分布。 事实上，随机hashCode算法下所有bin节点的分布频率遵循如下的泊松分布。
在扩容阈值为0.75的情况下，（即使因为扩容而方差很大）遵循着参数平均λ=0.5的泊松分布。可以看到如下的计算概率，一个bin中链表长度达到8个元素的概率为0.00000006，几乎是不可能事件。 c 0: 0.60653066 1: 0.30326533 2: 0.07581633 3: 0.01263606 4: 0.00157952 5: 0.00015795 6: 0.00001316 7: 0.00000094 8: 0.00000006 more: less than 1 in ten million
答案二
红黑树的平均查找长度是log(n)，如果长度为8，平均查找长度为log(8) = 3。链表的平均查找长度为n/2，当长度为8时，平均查找长虔为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，而 log(6) = 2.6，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。