不论是android面试还是java面试，都会问到hashmap的原理和怎么实现的，今天我们就来总结下；
HashMap底层使用数组，每个数组元素存的是Node类型（或者TreeNode），table的每一个位置，又可以称为Hash桶，也就是说，会将相同hash值的元素存放到一个Hash桶中（这里的hash值，是指对key计算的hash值），也就是在Table的下标中相同，为了解决同一个位置有多个元素（冲突），HashMap用来拉链法和红黑树两种数据结构来解决冲突
复制
// 阈值（容量*加载因子）。当HashMap中的键值对超过了该值，HashMap就会进行扩容 int threshold; // 哈希表的加载因子，描述的是HashMap满的程度。接近0表示很空，1表示填满了 final float loadFactor; // 默认的初始容量-必须是2的幂，默认值是16。 static final int DEFAULT_INITIAL_CAPACITY = 1 << 4; // 能存的最大元素数量。默认值是1 << 30 static final int MAXIMUM_CAPACITY = 1 << 30; // 默认的加载因子0.75，当map中的元素个数达到容量的75%时会触发扩容 static final float DEFAULT_LOAD_FACTOR = 0.75f; // 桶的树化阈值：即链表转成红黑树的阈值，在存储数据时，当链表长度 > 该值时，则将链表转换成红黑树 static final int TREEIFY_THRESHOLD = 8; // 桶的链表还原阈值：即红黑树转为链表的阈值，当原有的红黑树内数量 < 6 时，则将红黑树转换成链表 static final int UNTREEIFY_THRESHOLD = 6; // 最小树形化容量阈值：即当哈希表中的容量 > 该值时，允许链表转换成红黑树，否则直接扩容 static final int MIN_TREEIFY_CAPACITY = 64;
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.
13.
14.
15.
16.
复制
// 构造一个空的HashMap，具有默认的初始容量
public HashMap() {
// 负载系数，默认值是0.75f
this.loadFactor = DEFAULT_LOAD_FACTOR; // all other fields defaulted
}
// 使用指定的初始值构造一个空的HashMap
public HashMap(int initialCapacity) {
// 初始容量和负载系数
this(initialCapacity, DEFAULT_LOAD_FACTOR);
}
// 使用指定的初始值构造一个空的HashMap
public HashMap(int initialCapacity, float loadFactor) {
if (initialCapacity < 0)
throw new IllegalArgumentException("Illegal initial capacity: " +
initialCapacity);
// 初始容量大于最大初始容量时，初始容量为最大初始容量
if (initialCapacity > MAXIMUM_CAPACITY)
initialCapacity = MAXIMUM_CAPACITY;
if (loadFactor <= 0 || Float.isNaN(loadFactor))
throw new IllegalArgumentException("Illegal load factor: " +
loadFactor);
this.loadFactor = loadFactor;
this.threshold = tableSizeFor(initialCapacity);
}
// 返回大于输入参数且最近的2的整数次幂的数
static final int tableSizeFor(int cap) {
int n = cap - 1;
n |= n >>> 1;
n |= n >>> 2;
n |= n >>> 4;
n |= n >>> 8;
n |= n >>> 16;
return (n < 0) ? 1 : (n >= MAXIMUM_CAPACITY) ? MAXIMUM_CAPACITY : n + 1;
}
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.
13.
14.
15.
16.
17.
18.
19.
20.
21.
22.
23.
24.
25.
26.
27.
28.
29.
30.
31.
32.
33.
34.
在HashMap中，存的value不是put的K-V，而是一个Node类型，还有一个TreeNode类型，可以和Node类型相关转换
复制
static class Node<K,V> implements Map.Entry<K,V> {
final int hash;
final K key;
V value;
Node<K,V> next;
Node(int hash, K key, V value, Node<K,V> next) {
this.hash = hash;
this.key = key;
this.value = value;
this.next = next;
}
}
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.
复制
/**
* 计算key的hash值：
* 1.如果key为null，则hash值为0
* 2.如果key不为null，将key的hashCode值和高16位进行异或计算（异或：相同为0，不同为1）
*/
static final int hash(Object key) {
int h;
return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}
1.
2.
3.
4.
5.
6.
7.
8.
9.
复制
final Node<K,V>[] resize() {
Node<K,V>[] oldTab = table;
int oldCap = (oldTab == null) ? 0 : oldTab.length;
// threshold表示触发扩容的阈值（size >= capacity * loadfactor时会扩容）
int oldThr = threshold;
int newCap, newThr = 0;
// oldCap大于0证明已经对map进行过操作，并非刚创建map的时候
if (oldCap > 0) {
// 如果当前容量允许的大于最大容量，则将阈值设置为整数最大值，不会进行复制操作
if (oldCap >= MAXIMUM_CAPACITY) {
threshold = Integer.MAX_VALUE;
return oldTab;
}
else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&
oldCap >= DEFAULT_INITIAL_CAPACITY)
// 如果2倍旧容量未超过允许的最大容量，并且旧容量达到了默认的初始容量16，则新的扩容阈值设置2倍的旧容量
newThr = oldThr << 1; // double threshold
}
else if (oldThr > 0) // initial capacity was placed in threshold
// 使用HashMap(capacity)或者HashMap(capacity, loadFactor)创建map
// 这是初次扩容，新容量设置为threshold，也就是capacity*loadFactor
newCap = oldThr;
else { // zero initial threshold signifies using defaults
// 第一次扩容，使用new HashMap()这种方式创建map，容量和负载因子都使用默认
newCap = DEFAULT_INITIAL_CAPACITY;
newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);
}
// 设置下一次进行扩容的阈值
if (newThr == 0) {
float ft = (float)newCap * loadFactor;
newThr = (newCap < MAXIMUM_CAPACITY && ft < (float)MAXIMUM_CAPACITY ?
(int)ft : Integer.MAX_VALUE);
}
threshold = newThr;
@SuppressWarnings({"rawtypes","unchecked"})
// 申请一个新的数组
Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap];
table = newTab;
// 下面是将旧数组中的元素复制到新申请的数组中
// 因为在旧数组中节点的索引计算方式：oldIndex=(oldCapacity - 1) & key.hash，
// 当数组的容量发生变化后，需要重新确定节点的索引，新的节点位置有两种可能：
// 1.newIndex=oldIndex，索引不变，前提是key.hash & oldCapacity结果为0
// 2.newIndex=oldIndex+oldCapacity，不是第一种情况，就是第二种情况
if (oldTab != null) {
// 遍历旧数组（oldCap长度）
for (int j = 0; j < oldCap; ++j) {
Node<K,V> e;
if ((e = oldTab[j]) != null) {
oldTab[j] = null;
if (e.next == null)
// 确定新的位置，存入
newTab[e.hash & (newCap - 1)] = e;
else if (e instanceof TreeNode)
// 将红黑树的节点进行拆分，将树中的每个节点都存入新位置，同时判断是否需要进行树转链表
((TreeNode<K,V>)e).split(this, newTab, j, oldCap);
else { // preserve order
// 遍历链表，将链表分为两部分，一部分（loHead）是索引不变，一部分（hiHead）的新索引是 oldIndex+oldCapacity
// 然后将链表放入对应的数组中
Node<K,V> loHead = null, loTail = null;
Node<K,V> hiHead = null, hiTail = null;
Node<K,V> next;
do {
next = e.next;
if ((e.hash & oldCap) == 0) {
if (loTail == null)
loHead = e;
else
loTail.next = e;
loTail = e;
}
else {
if (hiTail == null)
hiHead = e;
else
hiTail.next = e;
hiTail = e;
}
} while ((e = next) != null);
if (loTail != null) {
loTail.next = null;
newTab[j] = loHead;
}
if (hiTail != null) {
hiTail.next = null;
newTab[j + oldCap] = hiHead;
}
}
}
}
}
return newTab;
}
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.
13.
14.
15.
16.
17.
18.
19.
20.
21.
22.
23.
24.
25.
26.
27.
28.
29.
30.
31.
32.
33.
34.
35.
36.
37.
38.
39.
40.
41.
42.
43.
44.
45.
46.
47.
48.
49.
50.
51.
52.
53.
54.
55.
56.
57.
58.
59.
60.
61.
62.
63.
64.
65.
66.
67.
68.
69.
70.
71.
72.
73.
74.
75.
76.
77.
78.
79.
80.
81.
82.
83.
84.
85.
86.
87.
88.
89.
90.
91.
92.
关于扩容，在Java7的HashMap中，如果发生多线程更改HashMap（同时扩容），则可能会引起链表产生环的问题，这是因为Java7只是使用了数组加链表，插入链表的时候使用头插法，并且在扩容的时候链表节点的顺序会发生改变；而Java8在插入节点时使用是尾插法，在扩容的时候链表节点的顺序不会发生改变，可以避免出现环的问题。但这并不能说明Java8的HashMap就可以支持并发修改，因为其内部很多操作都没有保证原子性（比如两个线程同时插入元素，size++，都未做原子性保证。
和链表一样，红黑树中的元素也需要挨个确定新索引位置，同样是分为2部分，一部分是索引不变，一部分的新索引为oldIndex+oldCapacity。
注意：split是HashMap中的内部类TreeNode的方法，而不是HashMap的方法。
复制
/**
* 扩容时，对同一个hash桶中的元素（红黑树）进行拆分，有可能拆分为两部分
* part1.节点的hash和原数组的容量与之后为0 -> 移到新表后，索引和旧表保持不变
* part2.节点的hash和原数组的容量与之后不为0 -> 移到新表后，新索引为"oldIndex+oldCapacity"
* 这两部分，在做完拆分后，判断是否需要将树转换为链表，如果各自的数量未超过UNTREEIFY_THRESHOLD(默认为6)，则需转换为链表
*
* @param map hashMap实例本身
* @param tab 扩容新申请的数组
* @param index 本次要拆分的下标索引（对应旧数组）
* @param bit 旧数组的容量
*/
final void split(HashMap<K,V> map, Node<K,V>[] tab, int index, int bit) {
TreeNode<K,V> b = this;
// Relink into lo and hi lists, preserving order
// loHead链着索引不变的节点
TreeNode<K,V> loHead = null, loTail = null;
// hiHead链着索引改变的节点
TreeNode<K,V> hiHead = null, hiTail = null;
int lc = 0, hc = 0;
for (TreeNode<K,V> e = b, next; e != null; e = next) {
next = (TreeNode<K,V>)e.next;
e.next = null;
// 如果当前节点和原数组的容量与之后为0，则扩容后的索引位置和与在旧表保持一致
if ((e.hash & bit) == 0) {
if ((e.prev = loTail) == null)
loHead = e;
else
loTail.next = e;
loTail = e;
++lc;
} else {
// 如果当前节点和原数组的容量与之后不为0，则扩容后的索引位置为"oldIndex+oldCapacity"
if ((e.prev = hiTail) == null)
hiHead = e;
else
hiTail.next = e;
hiTail = e;
++hc;
}
}
if (loHead != null) {
if (lc <= UNTREEIFY_THRESHOLD)
tab[index] = loHead.untreeify(map);
else {
tab[index] = loHead;
// 高位节点不为空，说明原链表元素被拆分了，切地位红黑树节点个数大于6，不满足转链表条件，需要重新树化
if (hiHead != null) // (else is already treeified)
loHead.treeify(tab);
}
}
if (hiHead != null) {
if (hc <= UNTREEIFY_THRESHOLD)
tab[index + bit] = hiHead.untreeify(map);
else {
tab[index + bit] = hiHead;
// 低位节点不为空，说明原链表元素被拆分了，切地位红黑树节点个数大于6，不满足转链表条件，需要重新树化
if (loHead != null)
hiHead.treeify(tab);
}
}
}
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.
13.
14.
15.
16.
17.
18.
19.
20.
21.
22.
23.
24.
25.
26.
27.
28.
29.
30.
31.
32.
33.
34.
35.
36.
37.
38.
39.
40.
41.
42.
43.
44.
45.
46.
47.
48.
49.
50.
51.
52.
53.
54.
55.
56.
57.
58.
59.
60.
61.
复制
final void treeifyBin(Node<K,V>[] tab, int hash) {
int n, index; Node<K,V> e;
// 如果map的容量（数组的长度）为0，或者小于MIN_TREEIFY_CAPACITY（默认64），则进行扩容操作，而不进行转换红黑树
// 底层数组，也称为hash桶，也就是说hash桶的数量小于64时，则会进行扩容操作
if (tab == null || (n = tab.length) < MIN_TREEIFY_CAPACITY)
resize();
else if ((e = tab[index = (n - 1) & hash]) != null) {
TreeNode<K,V> hd = null, tl = null;
do {
// 将链表节点转换为红黑树节点
TreeNode<K,V> p = replacementTreeNode(e, null);
if (tl == null)
hd = p;
else {
p.prev = tl;
tl.next = p;
}
tl = p;
} while ((e = e.next) != null);
// 转换红黑树的操作
if ((tab[index] = hd) != null)
hd.treeify(tab);
}
}
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.
13.
14.
15.
16.
17.
18.
19.
20.
21.
22.
23.
24.
复制
public V put(K key, V value) {
return putVal(hash(key), key, value, false, true);
}
final V putVal(int hash, K key, V value, boolean onlyIfAbsent,
boolean evict) {
Node<K,V>[] tab; Node<K,V> p; int n, i;
// 初始状态，HashMap为空，则需要扩容，n为扩容后的容量
if ((tab = table) == null || (n = tab.length) == 0)
n = (tab = resize()).length;
if ((p = tab[i = (n - 1) & hash]) == null)
// 要放入的位置没有其他项（没有冲突），则直接放入该位置
tab[i] = newNode(hash, key, value, null);
else {
// 计算后，要放入的位置已经有了其他项，需要解决冲突（拉链法或者红黑树）
Node<K,V> e; K k;
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
// 上一步操作后，p指向的该"桶"的第一个Node，判断位置是否匹配，如果位置匹配，且key相同，表示是put的数据已经存在，直接覆盖即可
e = p;
else if (p instanceof TreeNode)
// 如果p指向的是TreeNode，也就是红黑树存储的节点，那么就将新增元素加入到红黑树中
e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
else {
// p指向的是链表头结点，则利用尾插法，将新节点插入到末尾（遍历过程中发现相同节点则进行覆盖）
for (int binCount = 0; ; ++binCount) {
// 走到尾节点
if ((e = p.next) == null) {
// 将新节点插到末尾
p.next = newNode(hash, key, value, null);
// 判断链表的长度是否达到树化的阈值，如果是，则将链表转换为红黑树
if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st
// 注意并不一定会转换为红黑树，还与tab的长度有关，tab.length<MIN_TREEIFY_CAPACITY时，仍旧采取扩容，而非树化
treeifyBin(tab, hash);
break;
}
// 如果是已经存在的节点，则中断循环，后面将进行覆盖value
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
break;
p = e;
}
}
// 数据已经存在，则进行覆盖操作
if (e != null) { // existing mapping for key
V oldValue = e.value;
if (!onlyIfAbsent || oldValue == null)
e.value = value;
afterNodeAccess(e);
return oldValue;
}
}
// 计数加一（用来快速失败）
++modCount;
if (++size > threshold)
resize();
afterNodeInsertion(evict);
return null;
}
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.
13.
14.
15.
16.
17.
18.
19.
20.
21.
22.
23.
24.
25.
26.
27.
28.
29.
30.
31.
32.
33.
34.
35.
36.
37.
38.
39.
40.
41.
42.
43.
44.
45.
46.
47.
48.
49.
50.
51.
52.
53.
54.
55.
56.
57.
58.
复制
public V get(Object key) {
Node<K,V> e;
return (e = getNode(hash(key), key)) == null ? null : e.value;
}
/**
* get的时候，最关键的就是，先根据key的hash值找到桶位置，然后在根据key来查找
*/
final Node<K,V> getNode(int hash, Object key) {
Node<K,V>[] tab; Node<K,V> first, e; int n; K k;
// 根据key进行hash后的位置存在数据，如果不存在，则直接返回null
if ((tab = table) != null && (n = tab.length) > 0 &&
(first = tab[(n - 1) & hash]) != null) {
// 根据hash和key进行判断第一个节点是否为要找的元素，如果是，则返回第一个节点
if (first.hash == hash && // always check first node
((k = first.key) == key || (key != null && key.equals(k))))
return first;
if ((e = first.next) != null) {
// 如果节点时红黑树的节点类型，则遍历红黑树，进行查找
if (first instanceof TreeNode)
return ((TreeNode<K,V>)first).getTreeNode(hash, key);
// 遍历链表进行查找
do {
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
return e;
} while ((e = e.next) != null);
}
}
return null;
}
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.
13.
14.
15.
16.
17.
18.
19.
20.
21.
22.
23.
24.
25.
26.
27.
28.
29.
30.
remove有两个接口，remove(key)、remove(key,value)，内部都是调用一个removeNode方法，如下：
复制
public V remove(Object key) {
Node<K,V> e;
return (e = removeNode(hash(key), key, null, false, true)) == null ?
null : e.value;
}
// 实现了Map接口中的remove方法
@Override
public boolean remove(Object key, Object value) {
return removeNode(hash(key), key, value, true, true) != null;
}
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;
// map不为空，且hash对应的位置不为空，才进行查找，否则认为未找到，返回null
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;
// 匹配hash地址的第一个节点是否匹配，hash和key都匹配，则证明找到了要删除的元素
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
node = p;
else if ((e = p.next) != null) {
// 遍历红黑树
if (p instanceof TreeNode)
node = ((TreeNode<K,V>)p).getTreeNode(hash, key);
else {
// 遍历链表
do {
if (e.hash == hash &&
((k = e.key) == key ||
(key != null && key.equals(k)))) {
node = e;
break;
}
p = e;
} while ((e = e.next) != null);
}
}
// 如果node为null，证明未找到key对应的元素
// node不为null，则根据调用的remove(key)还是remove(key,value)来判断
if (node != null && (!matchValue || (v = node.value) == value ||
(value != null && value.equals(v)))) {
// 要删除的节点匹配，如果是树节点类型，则从树中删除节点
if (node instanceof TreeNode)
((TreeNode<K,V>)node).removeTreeNode(this, tab, movable);
else if (node == p)
// 要删除的节点时第一个节点时，直接将头结点的下一个节点往前提一个位置（旧头节点被删除）
tab[index] = node.next;
else
// 非头结点，修改指针，将下一个节点赋给父节点的next
p.next = node.next;
// 修改次数加一，元素数量减一
++modCount;
--size;
afterNodeRemoval(node);
return node;
}
}
return null;
}
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.
13.
14.
15.
16.
17.
18.
19.
20.
21.
22.
23.
24.
25.
26.
27.
28.
29.
30.
31.
32.
33.
34.
35.
36.
37.
38.
39.
40.
41.
42.
43.
44.
45.
46.
47.
48.
49.
50.
51.
52.
53.
54.
55.
56.
57.
58.
59.
60.
HashMap 存储的是键值对 key - value，key 具有唯一性，采用了链地址法来处理哈希冲突。当往 HashMap 中添加元素时，会计算 key 的 hash 值取余得出元素在数组中的的存放位置。
HashMap底层的数据结构在 JDK1.8 中有了较大的变化，1.8之前采用数组加链表的数据结构，1.8采用数组加链表加红黑树的数据结构。
HashMap 是线程不安全的，线程安全可以使用 HashTable 和 ConcurrentHashMap 。
在 1.8 版本的中 hash() 和 resize( ) 方法也有了很大的改变，提升了性能。
键和值都可存放null，键只能存放一个null，键为null时存放入table[0]。
复制
//HashMap的默认初始长度16 static final int DEFAULT_INITIAL_CAPACITY = 1 << 4; //HashMap的最大长度2的30次幂 static final int MAXIMUM_CAPACITY = 1 << 30; //HashMap的默认加载因子0.75 static final float DEFAULT_LOAD_FACTOR = 0.75f; //HashMap链表升级成红黑树的临界值 static final int TREEIFY_THRESHOLD = 8; //HashMap红黑树退化成链表的临界值 static final int UNTREEIFY_THRESHOLD = 6; //HashMap链表升级成红黑树第二个条件：HashMap数组(桶)的长度大于等于64 static final int MIN_TREEIFY_CAPACITY = 64; //HashMap底层Node桶的数组 transient Node<K,V>[] table; //扩容阈值，当你的hashmap中的元素个数超过这个阈值，便会发生扩容 //threshold = capacity * loadFactor int threshold;
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.
13.
14.
15.
16.
17.
在计算存入结点下标时，会利用 key 的 hsah 值进行取余操作，而计算机计算时，并没有取余等运算，会将取余转化为其他运算
当n为2次幂时，会满足一个公式：(n - 1) & hash = hash % n，就可以用位运算代替取余运算，计算更加高效
换种问法：能不能直接使用key的hashcode值计算下标存储？
复制
static final int hash(Object key) {
int h;
return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}
1.
2.
3.
4.
如果使用直接使用hashCode对数组大小取余，那么相当于参与运算的只有hashCode的低位，高位是没有起到任何作用的，所以我们的思路就是让 hashCode取值出的高位也参与运算，进一步降低hash碰撞的概率，使得数据分布更平均，我们把这样的操作称为扰动。
(h >>> 16)是无符号右移16位的运算，右边补0，得到 hashCode 的高16位。
(h = key.hashCode()) ^ (h >>> 16) 把 hashCode 和它的高16位进行异或运算，可以使得到的 hash 值更加散列，尽可能减少哈希冲突，提升性能。
而这么来看 hashCode 被散列 (异或) 的是低16位，而 HashMap 数组长度一般不会超过2的16次幂，那么高16位在大多数情况是用不到的，所以只需要拿 key 的 HashCode 和它的低16位做异或即可利用高位的hash值，降低哈希碰撞概率也使数据分布更加均匀。
在Java中，保存数据有两种比较简单的数据结构：数组和链表。数组的特点是：寻址容易，插入和删除困难；链表的特点是：寻址困难，但插入和删除容易；所以我们将数组和链表结合在一起，发挥两者各自的优势，使用一种叫做拉链法的方式可以解决哈希冲突。
JDK1.8主要解决或优化了以下问题：
resize 扩容和 计算hash 优化
引入了红黑树，目的是避免单条链表过长而影响查询效率，红黑树算法请参考;
解决了多线程死循环问题，但仍是非线程安全的，多线程时可能会造成数据丢失问题
源码，上面有代码
HashMap是懒加载，只有在第一次put时才会创建数组。
判断键值对数组table[i]是否为空或为null，否则执行resize()进行扩容；
根据键值key计算hash值得到插入的数组索引i，如果table[i]==null，直接新建节点添加，转向⑥，如果table[i]不为空，转向③；
判断table[i]的首个元素是否和key一样，如果相同直接覆盖value，否则转向④，这里的相同指的是hashCode以及equals；
判断table[i] 是否为treeNode，即table[i] 是否是红黑树，如果是红黑树，则直接在树中插入键值对，否则转向⑤；
遍历table[i]，并记录遍历长度，如果遍历过程中发现key值相同的，则直接覆盖value，没有相同的key则在链表尾部插入结点，插入后判断该链表长度是否大等于8，大等于则考虑树化，如果数组的元素个数小于64，则只是将数组resize，大等于才树化该链表；
插入成功后，判断数组中的键值对数量size是否超过了阈值threshold，如果超过，进行扩容。
源码，上面有代码
首先根据 hash 方法获取到 key 的 hash 值；
然后通过 hash & (length - 1) 的方式获取到 key 所对应的Node数组下标 ( length对应数组长度 )；
首先判断此结点是否为空，是否就是要找的值，是则返回空，否则判断第二个结点是否为空，是则返回空，不是则判断此时数据结构是链表还是红黑树
链表结构进行顺序遍历查找操作，每次用 == 符号 和 equals( ) 方法来判断 key 是否相同，满足条件则直接返回该结点。链表遍历完都没有找到则返回空；
红黑树结构执行相应的 getTreeNode( ) 查找操作；
不管是JDK1.7或者JDK1.8 当put方法执行的时候，如果table为空，则执行resize()方法扩容，默认长度为16；
条件：发生扩容的条件必须同时满足两点
当前存储的数量大于等于阈值；
发生hash碰撞；
特点：先扩容，再添加（扩容使用的头插法），头插法会使链表发生反转，多线程环境下可能会死循环
条件：
当前存储的数量大于等于阈值
当某个链表长度>=8，但是数组存储的结点数size() < 64时
特点：先插后判断是否需要扩容（扩容时是尾插法）
缺点：多线程下，1.8会有数据覆盖
链表长度大于8时才会考虑升级成红黑树，是有一个条件是 HashMap 的 Node 数组长度大于等于64（不满足则会进行一次扩容替代升级）；
扩容 resize( ) 时，红黑树拆分成的 树的结点数小于等于临界值6个，则退化成链表；
删除元素 remove( ) 时，在 removeTreeNode( ) 方法会检查红黑树是否满足退化条件，与结点数无关。如果红黑树根 root 为空，或者 root 的左子树/右子树为空，root.left.left 根的左子树的左子树为空，都会发生红黑树退化成链表；
使用链地址法（使用散列表）来链接拥有相同下标的数据；
使用2次扰动函数（hash函数）来降低哈希冲突的概率，使得数据分布更平均；
引入红黑树进一步降低遍历的时间复杂度，使得遍历更快；