HashMap 扩容 加载因子

HashMap：

public HashMap(int initialCapacity, float loadFactor) {    //初始容量不能<0    if (initialCapacity < 0)        throw new IllegalArgumentException("Illegal initial capacity: "                + initialCapacity);    //初始容量不能 > 最大容量值，HashMap的最大容量值为2^30    if (initialCapacity > MAXIMUM_CAPACITY)        initialCapacity = MAXIMUM_CAPACITY;    //负载因子不能 < 0    if (loadFactor <= 0 || Float.isNaN(loadFactor))        throw new IllegalArgumentException("Illegal load factor: "                + loadFactor);    // 计算出大于 initialCapacity 的最小的 2 的 n 次方值。    int capacity = 1;    while (capacity < initialCapacity)        capacity <<= 1;    this.loadFactor = loadFactor;    //设置HashMap的容量极限，当HashMap的容量达到该极限时就会进行扩容操作    threshold = (int) (capacity * loadFactor);    //初始化table数组    table = new Entry[capacity];    init();}

在这里提到了两个参数：初始容量，加载因子。

这两个参数是影响HashMap性能的重要参数，其中容量表示哈希表中桶的数量，初始容量是创建哈希表时的容量，

加载因子是哈希表在其容量自动增加之前可以达到多满的一种尺度，它衡量的是一个散列表的空间的使用程度，负载因子越大表示散列表的装填程度越高，反之愈小。

对于使用链表法的散列表来说，查找一个元素的平均时间是O(1+a)，因此如果负载因子越大，对空间的利用更充分，然而后果是查找效率的降低；

如果负载因子太小，那么散列表的数据将过于稀疏，对空间造成严重浪费。系统默认负载因子为0.75，一般情况下我们是无需修改的。

加载因子：

 loadFactor

 

扩容：

void addEntry(int hash, K key, V value, int bucketIndex) {    Entry<K,V> e = table[bucketIndex];        table[bucketIndex] = new Entry<K,V>(hash, key, value, e);        if (size++ >= threshold) // 这里是关键，一旦大于等于threshold的数值            resize(2 * table.length); // 将会引起容量2倍的扩大    }

void resize(int newCapacity) {        Entry[] oldTable = table;        int oldCapacity = oldTable.length;        if (oldCapacity == MAXIMUM_CAPACITY) {            threshold = Integer.MAX_VALUE;            return;        }        Entry[] newTable = new Entry[newCapacity]; // 新的容器空间        transfer(newTable); // 复制数据过去        table = newTable;        threshold = (int)(newCapacity * loadFactor); // 重新计算threshold的值    }

void transfer(Entry[] newTable) {         // 保留原数组的引用到src中，         Entry[] src = table;         // 新容量使新数组的长度         int newCapacity = newTable.length; 　　　　　// 遍历原数组         for (int j = 0; j < src.length; j++) {             // 获取元素e             Entry<K,V> e = src[j];             if (e != null) {                 // 将原数组中的元素置为null                 src[j] = null;                 // 遍历原数组中j位置指向的链表                 do {                     Entry<K,V> next = e.next;                     // 根据新的容量计算e在新数组中的位置                     int i = indexFor(e.hash, newCapacity);                     // 将e插入到newTable[i]指向的链表的头部                     e.next = newTable[i];                     newTable[i] = e;                     e = next;                 } while (e != null);             }         }     }

通过上面的transfer方法可以看出，

e.next=newTable[i];

newTable[i]=e;

链表存储倒过来了，最先出来的会将其next指向null,后面的就指向前一个，当然数据只有原来的一部分。

===================================================================

随着HashMap中元素的数量越来越多，发生碰撞的概率就越来越大，所产生的链表长度就会越来越长，这样势必会影响HashMap的速度，

为了保证HashMap的效率，系统必须要在某个临界点进行扩容处理。

该临界点在当HashMap中元素的数量等于table数组长度*加载因子。

但是扩容是一个非常耗时的过程，因为它需要重新计算这些数据在新table数组中的位置并进行复制处理。

所以如果我们已经预知HashMap中元素的个数，那么预设元素的个数能够有效的提高HashMap的性能。

问题：

当重新调整HashMap大小的时候，确实存在条件竞争，因为如果两个线程都发现HashMap需要重新调整大小了，它们会同时试着调整大小。

在调整大小的过程中，存储在链表中的元素的次序会反过来，因为移动到新的bucket位置的时候，HashMap并不会将元素放在链表的尾部，而是放在头部，这是为了避免尾部遍历(tail traversing)。

如果条件竞争发生了，那么就死循环了。