引言
Hi，大家好，我是小米，一个喜欢分享技术的29岁程序员。今天和大家聊聊一个在Java面试中非常经典的问题：“说一下 HashMap 的实现原理？”。别着急，我会用讲故事的方式，把它掰开了揉碎了讲清楚，让你听完之后，再也不怕这个问题！
故事的开头：一个简单的需求
一天，产品经理找到你，说用户需要存储一组“键值对”，并且希望能通过“键”快速找到对应的“值”。作为一个有经验的开发者，你第一时间就想到了Java里的HashMap，对吧？
HashMap 就像是一个超级高效的存储工具，它的核心理念是：通过哈希算法定位存储位置，快速存取数据。接下来，我们就一起探讨它的实现原理。
HashMap 的基本构造
1. 底层数据结构
HashMap 的底层是由一个数组和多个链表/红黑树组成的。这种结构有个专业名词，叫做“拉链法”。我们可以把它想象成一个巨大的仓库，里面有许多货架，每个货架上又挂了很多小篮子：
- 数组：仓库的货架，负责存储数据的入口；
- 链表/红黑树：每个篮子，存储可能冲突的键值对。
2. 核心字段
HashMap 有几个非常重要的字段，分别是：
- 容量（capacity）：数组的大小，默认是16；
- 负载因子（loadFactor）：控制数组什么时候扩容，默认是0.75；
- 阈值（threshold）：容量 × 负载因子，当元素个数超过这个值时，就需要扩容。
如何存储数据？
当我们调用 put(K key, V value) 方法时，HashMap 会经历以下几个步骤：
1. 计算哈希值
通过 key 的 hashCode() 方法计算哈希值，并通过一个位运算 h & (n - 1) 确定该数据应该存储到数组的哪个索引上。
为什么不用取模，而用位运算呢？
因为位运算比取模快很多，尤其是在需要高性能的场景下。
2. 定位桶（Bucket）
找到数组的对应位置，查看这个位置上是否已经有数据：
- 如果没有数据，直接存储；
- 如果已经有数据，则发生了哈希冲突。
3. 解决哈希冲突
哈希冲突是不可避免的，HashMap 通过两种方式来解决：
- 链表：在同一个索引处存储多个键值对；
- 红黑树：当链表的长度超过8时，会转化为红黑树，提升查找效率。
4. 插入数据
将新的键值对插入到对应的链表或红黑树中。如果 key 已经存在，会覆盖旧的 value。
如何取出数据？
当我们调用 get(K key) 方法时，HashMap 会进行以下操作：
1. 再次计算哈希值
通过 key 的 hashCode() 方法计算哈希值，定位到数组的某个索引。
2. 查找桶内数据
- 进入桶中，依次遍历链表或红黑树：
- 如果找到对应的 key，就返回 value；
- 如果遍历完没有找到，返回 null。
注意：这里的 key 比较是通过 equals() 方法完成的。
扩容机制
当 HashMap 的元素数量超过阈值（capacity × loadFactor）时，就会触发扩容：
- 数组的大小变为原来的两倍；
- 重新计算每个键值对的哈希值，并放入新的数组中。
扩容是个性能开销较大的操作，所以在使用 HashMap 时，我们通常会预估大小，尽量减少扩容次数。
故事的高潮：面试官的深挖
当你讲完上述内容，面试官可能会进一步问你一些细节问题：
1. 为什么数组大小是2的幂次？
因为 h & (n - 1) 的位运算只有在数组大小是2的幂次时，才能均匀分布哈希值，减少冲突。
2. 红黑树是如何提高效率的？
链表的时间复杂度是 O(n)，而红黑树的查找复杂度是 O(log n)。当链表太长时（超过8），会自动转化为红黑树，显著提高查找效率。
3. HashMap 是线程安全的吗？
HashMap 不是线程安全的。如果在多线程环境下使用，可以考虑使用 ConcurrentHashMap。
故事的结尾：小技巧
最后，分享几个关于 HashMap 的小技巧：
- 合理设置初始容量：避免频繁扩容，提升性能；
- 重写 hashCode() 和 equals() 方法：确保键的哈希值均匀分布，减少冲突；
- 多线程场景用 ConcurrentHashMap：避免线程安全问题。
