HashMap 是基于哈希表（Hash Table）实现的 Key-Value 数据结构，旨在提供时间复杂度的查找与插入性能。其核心设计哲学在于平衡"空间利用率"与"时间效率"，并通过精巧的哈希算法与冲突解决机制来应对海量数据场景。
以下将从存储模型、哈希运算、冲突解决、扩容机制及线程安全性五个维度进行专业阐述。
1. 核心存储架构：数组 + 链表（+ 红黑树）
在物理存储层面，HashMap 的骨架是一个 Node（或 Entry）数组，每个数组位置被称为一个"桶"（Bucket）。
- 数组（Bucket Array）：这是 HashMap 的主体，利用数组内存连续的特性，通过下标实现的随机访问。
- 链表（Linked List）：为了解决哈希冲突，采用了"链地址法"（Separate Chaining）。当多个 Key 映射到同一个数组下标时，它们会以单向链表的形式存储在同一个桶内。
- 红黑树（Red-Black Tree）：这是 Java 8 及后续版本引入的重大优化。当单个桶内的链表长度超过阈值（默认为 8）且数组总长度达到 64 时，链表会转化为红黑树。这种结构将极端情况下的查找复杂度从降低至 ，防止哈希碰撞攻击（HashDoS）导致系统性能退化。
2. 哈希运算与寻址策略
HashMap 如何确定一个 Key 应该落在数组的哪个位置？这涉及两个关键步骤：Hash 计算 与 索引定位。
哈希函数
哈希函数是HashMap的核心，它决定了如何将键映射到数组的索引上。一个好的哈希函数应该能够均匀分布键值，减少碰撞（即不同的键映射到相同的索引）的可能性。Java中的HashMap使用hashCode()方法和扰动处理（扰动函数）来生成最终的哈希码。
- 扰动函数（Perturbation） ：
单纯调用对象的hashCode()往往不够，因为哈希码的高位在取模运算中容易丢失。HashMap 会将哈希码的高 16 位与低 16 位进行异或（XOR）运算。这样做的目的是让高位的特征也参与到低位的运算中，增加随机性，降低冲突概率。
逻辑描述 ：hash = (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16) - 位运算代替取模 ：
传统的取模运算hash % length效率较低。HashMap 强制数组长度必须是 2 的幂次方 。在此前提下，hash % length等价于hash & (length - 1)。位运算（AND）直接由 CPU 硬件支持，效率极高，且能保证索引严格落在数组范围内。
3. 冲突解决机制（Collision Resolution）
当两个不同的 Key 计算出相同的索引时，即发生哈希冲突。HashMap 的处理流程如下：
- 检查首节点：首先判断桶中第一个节点的 hash 值和 key 是否与当前要插入的相等。若相等，直接覆盖 value。
- 树节点判断：如果该桶已经升级为红黑树，则调用树的插入方法。
- 链表遍历 ：如果桶是链表，则遍历链表。
- 若找到 Key 相同的节点，覆盖其 Value。
- 若遍历到尾部仍未找到，则将新节点追加到链表末尾（尾插法）。
注意：在旧版本（如 JDK 1.7）中采用的是头插法，但这在并发扩容时容易导致链表成环。现代实现改为尾插法解决了死循环问题。
4. 动态扩容机制（Resizing）
为了保证高效的查找性能，HashMap 必须保证数据足够"稀疏"。
- 触发条件 ：当
HashMap 中的元素个数 > 数组长度 × 负载因子时触发扩容。- 负载因子（Load Factor）：默认为 0.75。这是一个基于泊松分布统计学结果的折中值。过高（如 1.0）会增加冲突，降低查询效率；过低（如 0.5）会浪费内存空间，增加扩容频率。
- 扩容过程 ：
- 申请内存 ：创建一个新的数组，容量通常是原数组的 2 倍。
- Rehash（数据迁移） ：这是最耗时的操作。由于数组长度变为 ，原有的索引
hash & (n-1)可能会发生变化。
巧妙设计：由于容量翻倍，扩容后的新索引只有两种可能：要么还在"原位置"，要么在"原位置 + 旧数组长度"的位置。这避免了重新计算 Hash 值，只需检查高位的一个 bit 是 0 还是 1 即可快速定位。
5. 线程安全性分析
标准的 HashMap 是 非线程安全 的。
- 数据覆盖 ：多线程并发执行
put操作时，若两个线程同时定位到同一个空桶或链表位置，后一个线程的操作可能会覆盖前一个线程的数据，导致数据丢失。 - 可见性问题：一个线程修改了数组引用或节点状态，另一个线程可能无法立即可见（无 volatile 修饰）。
- 解决方案 ：
- 在多线程环境下，严禁使用 HashMap。
- 推荐使用 ConcurrentHashMap ：它利用 CAS（Compare and Swap）和
synchronized（锁细粒度化到每个桶）机制，实现了高并发下的线程安全，且性能远优于使用全局锁的Hashtable。
HashMap 的底层不仅是简单的数据存储，更是一场关于算法优化的博弈：
- 利用 位运算 追求极致速度。
- 利用 链表与红黑树 解决空间冲突与最坏情况。
- 利用 负载因子与扩容 平衡时间与空间。