高效计算索引（核心原因）
- HashMap通过哈希值确定元素在数组中的位置，计算索引的公式为：
index = hash(key) & (n - 1)
其中n是数组长度，&是按位与运算。 - 当
n是2的幂时 ，n-1的二进制形式为全1（例如16-1=15→1111）。
此时hash & (n-1)等效于hash % n（取模运算），但位运算比取模快数十倍。 - 若
n不是2的幂 ，n-1的二进制中会出现0（例如n=15时，n-1=14→1110）。
这将导致某些索引永远无法被访问（例如末位为1的位置），浪费空间且增加哈希冲突。
2. 优化哈希分布
- 当
n-1为全1时，哈希值的所有低位都能参与索引计算 。
例如n=16时，哈希值的低4位决定索引（1111覆盖4位），分布更均匀。 - 若
n-1非全1（如n=10时n-1=1001），部分比特位被忽略，导致哈希值的高位变化无法影响索引，加剧冲突。
3. 扩容时的性能优化
-
HashMap扩容时，新容量 = 旧容量 × 2（保持2的幂）。
-
元素在新数组中的位置只需判断新增的最高比特位：
- 若最高位为0 → 索引不变（
原位置）。 - 若最高位为1 → 索引 =
原位置 + 旧容量。
- 若最高位为0 → 索引不变（
-
无需重新计算哈希 ，直接通过位运算移动数据（如JDK源码中的
e.hash & oldCap判断），性能极高。
4. 避免取模运算的开销
- 取模运算（
%）涉及除法，CPU执行成本高。
通过hash & (n-1)替代hash % n，消除了除法指令，提升计算效率。
此方法通过位操作，将任意整数向上取整为最小的2的幂（如输入10，输出16）。
总结
| 原因 | 效果 |
|---|---|
| 位运算替代取模 | 索引计算速度大幅提升（CPU指令优化） |
| 哈希分布更均匀 | 减少冲突，提升查询效率 |
| 扩容迁移数据高效 | 无需重新哈希，直接位判断新位置 |
| 避免空间浪费 | 所有索引位均可被访问 |
这种设计在时间（计算速度）和空间（分布均匀性）上达到了平衡，是HashMap高性能的关键之一