面试28k职位，老乡面试官从HashCode到HashMap给我讲了一下午！「回家赶忙整理出1.6万字的面试材料」

作者：小傅哥

博客：https://bugstack.cn

一、前言
二、HashCode为什么使用31作为乘数
三、HashMap 数据结构与算法
四、HashMap源码解析
五、红黑树前身，2-3树分析
六、红黑树前身，2-3树使用
七、红黑树解析
- 1、2-3树与红黑树的等价性
- 2、红黑树操作
八、总结
九、系列文章

一、前言

不是面试难，而是30岁要有30岁的能力，35岁要有35岁的经历！

️可能有点标题夸张，但本文通篇干货，要不亲身实践各项知识点，很难有这样的深度的总结。有时候我们会抱怨找工作难，但同样企业招聘也难，面试官向我透漏，为了招聘3个高开，以及筛选了200份简历，面试了70场。

本文从HashCode讲到HashMap，从一个小小的知识点扩展的理论实践验证，10来万单词表的数据验证；数据分布、扰动函数、负载因子、数据迁移等各项核心数学知识，非常适合即将跨入高开的程序员学习。

本文涉及到的源码和图表，可以关注公众号：bugstack虫洞栈，回复下载后，打开获得的链接，找到ID：19，即可下载。

好！接下来就是我们这次面试的核心知识点总结，通篇1.6万字，需耐心阅读。

二、HashCode为什么使用31作为乘数

1. 固定乘积31在这用到了

// 获取hashCode "abc".hashCode();

public int hashCode() {

    int h = hash;

    if (h == 0 && value.length > 0) {

        char val[] = value;

        for (int i = 0; i < value.length; i++) {

            h = 31 * h + val[i];

        }

        hash = h;

    }

    return h;

}

在获取hashCode的源码中可以看到，有一个固定值31，在for循环每次执行时进行乘积计算，循环后的公式如下；

s[0]*31^(n-1) + s[1]*31^(n-2) + ... + s[n-1]

那么这里为什么选择31作为乘积值呢？

2. 来自stackoverflow的回答

在stackoverflow关于为什么选择31作为固定乘积值，有一篇讨论文章，Why does Java's hashCode() in String use 31 as a multiplier? 这是一个时间比较久的问题了，摘取两个回答点赞最多的；

413个赞的回答

最多的这个回答是来自《Effective Java》的内容；

The value 31 was chosen because it is an odd prime. If it were even and the multiplication overflowed, information would be lost, as multiplication by 2 is equivalent to shifting. The advantage of using a prime is less clear, but it is traditional. A nice property of 31 is that the multiplication can be replaced by a shift and a subtraction for better performance: 31 * i == (i << 5) - i. Modern VMs do this sort of optimization automatically.

这段内容主要阐述的观点包括；

31 是一个奇质数。
另外在二进制中，2个5次方是32，那么也就是 31 * i == (i << 5) - i。这主要是说乘积运算可以使用位移提升性能，同时目前的JVM虚拟机也会自动支持此类的优化。

80个赞的回答

As Goodrich and Tamassia point out, If you take over 50,000 English words (formed as the union of the word lists provided in two variants of Unix), using the constants 31, 33, 37, 39, and 41 will produce less than 7 collisions in each case. Knowing this, it should come as no surprise that many Java implementations choose one of these constants.

这个回答就很有实战意义了，告诉你用超过5千个单词计算hashCode，这个hashCode的运算使用31、33、37、39和41作为乘积，得到的碰撞结果，31被使用就很正常了。
他这句话就就可以作为我们实践的指向了。

3. Hash值碰撞概率统计

接下来要做的事情并不难，只是根据stackoverflow的回答，统计出不同的乘积数对10万个单词的hash计算结果。10个单词表已提供，可以通过关注公众号：bugstack虫洞栈进行下载

3.1 读取单词字典表

1	a	"n.(A)As 或 A's  安(ampere(a) art.一;n.字母A /[军] Analog.Digital,模拟/数字 /(=account of) 帐上"

2	aaal	American Academy of Arts and Letters 美国艺术和文学学会

3	aachen	 亚琛[德意志联邦共和国西部城市]

4	aacs	Airways and Air Communications Service (美国)航路与航空通讯联络处

5	aah	" [军]Armored Artillery Howitzer,装甲榴弹炮;[军]Advanced Attack Helicopter,先进攻击直升机"

6	aal	"ATM Adaptation Layer,ATM适应层"

7	aapamoor	"n.[生]丘泽,高低位镶嵌沼泽"

单词表的文件格式如上，可以自行解析
读取文件的代码比较简单，这里不展示了，可以通过资源下载进行获取

3.2 Hash计算函数

public static Integer hashCode(String str, Integer multiplier) {

    int hash = 0;

    for (int i = 0; i < str.length(); i++) {

        hash = multiplier * hash + str.charAt(i);

    }

    return hash;

}

这个过程比较简单，与原hash函数对比只是替换了可变参数，用于我们统计不同乘积数的计算结果。

3.3 Hash碰撞概率计算

想计算碰撞很简单，也就是计算那些出现相同哈希值的数量，计算出碰撞总量即可。这里的实现方式有很多，可以使用set、map也可以使用java8的stream流统计distinct。

private static RateInfo hashCollisionRate(Integer multiplier, List<Integer> hashCodeList) {

    int maxHash = hashCodeList.stream().max(Integer::compareTo).get();

    int minHash = hashCodeList.stream().min(Integer::compareTo).get();

    int collisionCount = (int) (hashCodeList.size() - hashCodeList.stream().distinct().count());

    double collisionRate = (collisionCount * 1.0) / hashCodeList.size();

    return new RateInfo(maxHash, minHash, multiplier, collisionCount, collisionRate);

}

这里记录了最大hash和最小hash值，以及最终返回碰撞数量的统计结果。

3.4 单元测试

@Before

public void before() {

    "abc".hashCode();

    // 读取文件，103976个英语单词库.txt

    words = FileUtil.readWordList("E:/itstack/git/github.com/interview/interview-01/103976个英语单词库.txt");

}

@Test

public void test_collisionRate() {

    List<RateInfo> rateInfoList = HashCode.collisionRateList(words, 2, 3, 5, 7, 17, 31, 32, 33, 39, 41, 199);

    for (RateInfo rate : rateInfoList) {

        System.out.println(String.format("乘数 = %4d, 最小Hash = %11d, 最大Hash = %10d, 碰撞数量 =%6d, 碰撞概率 = %.4f%%", rate.getMultiplier(), rate.getMinHash(), rate.getMaxHash(), rate.getCollisionCount(), rate.getCollisionRate() * 100));

    }

}

以上先设定读取英文单词表中的10个单词，之后做hash计算。
在hash计算中把单词表传递进去，同时还有乘积数；2, 3, 5, 7, 17, 31, 32, 33, 39, 41, 199，最终返回一个list结果并输出。
这里主要验证同一批单词，对于不同乘积数会有怎么样的hash碰撞结果。

测试结果

单词数量：103976

乘数 =    2, 最小Hash =          97, 最大Hash = 1842581979, 碰撞数量 = 60382, 碰撞概率 = 58.0730%

乘数 =    3, 最小Hash = -2147308825, 最大Hash = 2146995420, 碰撞数量 = 24300, 碰撞概率 = 23.3708%

乘数 =    5, 最小Hash = -2147091606, 最大Hash = 2147227581, 碰撞数量 =  7994, 碰撞概率 = 7.6883%

乘数 =    7, 最小Hash = -2147431389, 最大Hash = 2147226363, 碰撞数量 =  3826, 碰撞概率 = 3.6797%

乘数 =   17, 最小Hash = -2147238638, 最大Hash = 2147101452, 碰撞数量 =   576, 碰撞概率 = 0.5540%

乘数 =   31, 最小Hash = -2147461248, 最大Hash = 2147444544, 碰撞数量 =     2, 碰撞概率 = 0.0019%

乘数 =   32, 最小Hash = -2007883634, 最大Hash = 2074238226, 碰撞数量 = 34947, 碰撞概率 = 33.6106%

乘数 =   33, 最小Hash = -2147469046, 最大Hash = 2147378587, 碰撞数量 =     1, 碰撞概率 = 0.0010%

乘数 =   39, 最小Hash = -2147463635, 最大Hash = 2147443239, 碰撞数量 =     0, 碰撞概率 = 0.0000%

乘数 =   41, 最小Hash = -2147423916, 最大Hash = 2147441721, 碰撞数量 =     1, 碰撞概率 = 0.0010%

乘数 =  199, 最小Hash = -2147459902, 最大Hash = 2147480320, 碰撞数量 =     0, 碰撞概率 = 0.0000%

Process finished with exit code 0

以上就是不同的乘数下的hash碰撞结果图标展示，从这里可以看出如下信息；

乘数是2时，hash的取值范围比较小，基本是堆积到一个范围内了，后面内容会看到这块的展示。
乘数是3、5、7、17等，都有较大的碰撞概率
乘数是31的时候，碰撞的概率已经很小了，基本稳定。
顺着往下看，你会发现199的碰撞概率更小，这就相当于一排奇数的茅坑量多，自然会减少碰撞。但这个范围值已经远超过int的取值范围了，如果用此数作为乘数，又返回int值，就会丢失数据信息。

4. Hash值散列分布

除了以上看到哈希值在不同乘数的一个碰撞概率后，关于散列表也就是hash，还有一个非常重要的点，那就是要尽可能的让数据散列分布。只有这样才能减少hash碰撞次数，也就是后面章节要讲到的hashMap源码。

那么怎么看散列分布呢？如果我们能把10万个hash值铺到图表上，形成的一张图，就可以看出整个散列分布。但是这样的图会比较大，当我们缩小看后，就成一个了大黑点。所以这里我们采取分段统计，把2 ^ 32方分64个格子进行存放，每个格子都会有对应的数量的hash值，最终把这些数据展示在图表上。

4.1 哈希值分段存放

public static Map<Integer, Integer> hashArea(List<Integer> hashCodeList) {

    Map<Integer, Integer> statistics = new LinkedHashMap<>();

    int start = 0;

    for (long i = 0x80000000; i <= 0x7fffffff; i += 67108864) {

        long min = i;

        long max = min + 67108864;

        // 筛选出每个格子里的哈希值数量，java8流统计；https://bugstack.cn/itstack-demo-any/2019/12/10/%E6%9C%89%E7%82%B9%E5%B9%B2%E8%B4%A7-Jdk1.8%E6%96%B0%E7%89%B9%E6%80%A7%E5%AE%9E%E6%88%98%E7%AF%87(41%E4%B8%AA%E6%A1%88%E4%BE%8B).html

        int num = (int) hashCodeList.parallelStream().filter(x -> x >= min && x < max).count();

        statistics.put(start++, num);

    }

    return statistics;

这个过程主要统计int取值范围内，每个哈希值存放到不同格子里的数量。
这里也是使用了java8的新特性语法，统计起来还是比较方便的。

4.2 单元测试

@Test

public void test_hashArea() {

    System.out.println(HashCode.hashArea(words, 2).values());

    System.out.println(HashCode.hashArea(words, 7).values());

    System.out.println(HashCode.hashArea(words, 31).values());

    System.out.println(HashCode.hashArea(words, 32).values());

    System.out.println(HashCode.hashArea(words, 199).values());

}

这里列出我们要统计的乘数值，每一个乘数下都会有对应的哈希值数量汇总，也就是64个格子里的数量。
最终把这些统计值放入到excel中进行图表化展示。

统计图表

以上是一个堆积百分比统计图，可以看到下方是不同乘数下的，每个格子里的数据统计。
除了199不能用以外，31的散列结果相对来说比较均匀。

4.2.1 乘数2散列

乘数是2的时候，散列的结果基本都堆积在中间，没有很好的散列。

4.2.2 乘数31散列

乘数是31的时候，散列的效果就非常明显了，基本在每个范围都有数据存放。

4.2.3 乘数199散列

乘数是199是不能用的散列结果，但是它的数据是更加分散的，从图上能看到有两个小山包。但因为数据区间问题会有数据丢失问题，所以不能选择。

三、HashMap 数据结构与算法

1. 写一个最简单的HashMap

学习HashMap前，最好的方式是先了解这是一种怎么样的数据结构来存放数据。而HashMap经过多个版本的迭代后，乍一看代码还是很复杂的。就像你原来只穿个裤衩，现在还有秋裤和风衣。所以我们先来看看最根本的HashMap是什么样，也就是只穿裤衩是什么效果，之后再去分析它的源码。

问题：假设我们有一组7个字符串，需要存放到数组中，但要求在获取每个元素的时候时间复杂度是O(1)。也就是说你不能通过循环遍历的方式进行获取，而是要定位到数组ID直接获取相应的元素。

方案：如果说我们需要通过ID从数组中获取元素，那么就需要把每个字符串都计算出一个在数组中的位置ID。字符串获取ID你能想到什么方式？ 一个字符串最直接的获取跟数字相关的信息就是HashCode，可HashCode的取值范围太大了[-2147483648, 2147483647]，不可能直接使用。那么就需要使用HashCode与数组长度做与运算，得到一个可以在数组中出现的位置。如果说有两个元素得到同样的ID，那么这个数组ID下就存放两个字符串。

以上呢其实就是我们要把字符串散列到数组中的一个基本思路，接下来我们就把这个思路用代码实现出来。

1.1 代码实现

// 初始化一组字符串

List<String> list = new ArrayList<>();

list.add("jlkk");

list.add("lopi");

list.add("小傅哥");

list.add("e4we");

list.add("alpo");

list.add("yhjk");

list.add("plop");

// 定义要存放的数组

String[] tab = new String[8];

// 循环存放

for (String key : list) {

    int idx = key.hashCode() & (tab.length - 1);  // 计算索引位置

    System.out.println(String.format("key值=%s Idx=%d", key, idx));

    if (null == tab[idx]) {

        tab[idx] = key;

        continue;

    }

    tab[idx] = tab[idx] + "->" + key;

}

// 输出测试结果

System.out.println(JSON.toJSONString(tab));

这段代码整体看起来也是非常简单，并没有什么复杂度，主要包括以下内容；

初始化一组字符串集合，这里初始化了7个。
定义一个数组用于存放字符串，注意这里的长度是8，也就是2的倍数。这样的数组长度才会出现一个 0111 除高位以外都是1的特征，也是为了散列。
接下来就是循环存放数据，计算出每个字符串在数组中的位置。key.hashCode() & (tab.length - 1)。
在字符串存放到数组的过程，如果遇到相同的元素，进行连接操作模拟链表的过程。
最后输出存放结果。

测试结果

key值=jlkk Idx=2

key值=lopi Idx=4

key值=小傅哥 Idx=7

key值=e4we Idx=5

key值=alpo Idx=2

key值=yhjk Idx=0

key值=plop Idx=5

测试结果：["yhjk",null,"jlkk->alpo",null,"lopi","e4we->plop",null,"小傅哥"]

在测试结果首先是计算出每个元素在数组的Idx，也有出现重复的位置。
最后是测试结果的输出，1、3、6，位置是空的，2、5，位置有两个元素被链接起来e4we->plop。
这就达到了我们一个最基本的要求，将串元素散列存放到数组中，最后通过字符串元素的索引ID进行获取对应字符串。这样是HashMap的一个最基本原理，有了这个基础后面就会更容易理解HashMap的源码实现。

1.2 Hash散列示意图

如果上面的测试结果不能在你的头脑中很好的建立出一个数据结构，那么可以看以下这张散列示意图，方便理解；

这张图就是上面代码实现的全过程，将每一个字符串元素通过Hash计算索引位置，存放到数组中。
黄色的索引ID是没有元素存放、绿色的索引ID存放了一个元素、红色的索引ID存放了两个元素。

1.3 这个简单的HashMap有哪些问题

以上我们实现了一个简单的HashMap，或者说还算不上HashMap，只能算做一个散列数据存放的雏形。但这样的一个数据结构放在实际使用中，会有哪些问题呢？

这里所有的元素存放都需要获取一个索引位置，而如果元素的位置不够散列碰撞严重，那么就失去了散列表存放的意义，没有达到预期的性能。
在获取索引ID的计算公式中，需要数组长度是2的倍数，那么怎么进行初始化这个数组大小。
数组越小碰撞的越大，数组越大碰撞的越小，时间与空间如何取舍。
目前存放7个元素，已经有两个位置都存放了2个字符串，那么链表越来越长怎么优化。
随着元素的不断添加，数组长度不足扩容时，怎么把原有的元素，拆分到新的位置上去。

以上这些问题可以归纳为；扰动函数、初始化容量、负载因子、扩容方法以及链表和红黑树转换的使用等。接下来我们会逐个问题进行分析。

2. 扰动函数

在HashMap存放元素时候有这样一段代码来处理哈希值，这是java 8的散列值扰动函数，用于优化散列效果；

static final int hash(Object key) {

    int h;

    return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);

}

2.1 为什么使用扰动函数

理论上来说字符串的hashCode是一个int类型值，那可以直接作为数组下标了，且不会出现碰撞。但是这个hashCode的取值范围是[-2147483648, 2147483647]，有将近40亿的长度，谁也不能把数组初始化的这么大，内存也是放不下的。

我们默认初始化的Map大小是16个长度 DEFAULT_INITIAL_CAPACITY = 1 << 4，所以获取的Hash值并不能直接作为下标使用，需要与数组长度进行取模运算得到一个下标值，也就是我们上面做的散列列子。

那么，hashMap源码这里不只是直接获取哈希值，还进行了一次扰动计算，(h = key.hashCode()) ^ (h >>> 16)。把哈希值右移16位，也就正好是自己长度的一半，之后与原哈希值做异或运算，这样就混合了原哈希值中的高位和低位，增大了随机性。计算方式如下图；

说白了，使用扰动函数就是为了增加随机性，让数据元素更加均衡的散列，减少碰撞。

2.2 实验验证扰动函数

从上面的分析可以看出，扰动函数使用了哈希值的高半区和低半区做异或，混合原始哈希码的高位和低位，以此来加大低位区的随机性。

但看不到实验数据的话，这终究是一段理论，具体这段哈希值真的被增加了随机性没有，并不知道。所以这里我们要做一个实验，这个实验是这样做；

选取10万个单词词库
定义128位长度的数组格子
分别计算在扰动和不扰动下，10万单词的下标分配到128个格子的数量
统计各个格子数量，生成波动曲线。如果扰动函数下的波动曲线相对更平稳，那么证明扰动函数有效果。

2.2.1 扰动代码测试

扰动函数对比方法

public class Disturb {

    public static int disturbHashIdx(String key, int size) {

        return (size - 1) & (key.hashCode() ^ (key.hashCode() >>> 16));

    }

    public static int hashIdx(String key, int size) {

        return (size - 1) & key.hashCode();

    }

}

disturbHashIdx 扰动函数下，下标值计算
hashIdx 非扰动函数下，下标值计算

单元测试

// 10万单词已经初始化到words中

@Test

public void test_disturb() {

    Map<Integer, Integer> map = new HashMap<>(16);

    for (String word : words) {

        // 使用扰动函数

        int idx = Disturb.disturbHashIdx(word, 128);

        // 不使用扰动函数

        // int idx = Disturb.hashIdx(word, 128);

        if (map.containsKey(idx)) {

            Integer integer = map.get(idx);

            map.put(idx, ++integer);

        } else {

            map.put(idx, 1);

        }

    }

    System.out.println(map.values());

}

以上分别统计两种函数下的下标值分配，最终将统计结果放到excel中生成图表。

2.2.2 扰动函数散列图表

以上的两张图，分别是没有使用扰动函数和使用扰动函数的，下标分配。实验数据；

10万个不重复的单词
128个格子，相当于128长度的数组

未使用扰动函数

使用扰动函数

从这两种的对比图可以看出来，在使用了扰动函数后，数据分配的更加均匀了。
数据分配均匀，也就是散列的效果更好，减少了hash的碰撞，让数据存放和获取的效率更佳。

3. 初始化容量和负载因子

接下来我们讨论下一个问题，从我们模仿HashMap的例子中以及HashMap默认的初始化大小里，都可以知道，散列数组需要一个2的倍数的长度，因为只有2的倍数在减1的时候，才会出现01111这样的值。

那么这里就有一个问题，我们在初始化HashMap的时候，如果传一个17个的值new HashMap<>(17);，它会怎么处理呢？

3.1 寻找2的倍数最小值

在HashMap的初始化中，有这样一段方法；

public HashMap(int initialCapacity, float loadFactor) {

    ...

    this.loadFactor = loadFactor;

    this.threshold = tableSizeFor(initialCapacity);

}

阀值threshold，通过方法tableSizeFor进行计算，是根据初始化来计算的。
这个方法也就是要寻找比初始值大的，最小的那个2进制数值。比如传了17，我应该找到的是32。

计算阀值大小的方法；

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;

}

MAXIMUM_CAPACITY = 1 << 30，这个是临界范围，也就是最大的Map集合。
乍一看可能有点晕怎么都在向右移位1、2、4、8、16，这主要是为了把二进制的各个位置都填上1，当二进制的各个位置都是1以后，就是一个标准的2的倍数减1了，最后把结果加1再返回即可。

那这里我们把17这样一个初始化计算阀值的过程，用图展示出来，方便理解；

3.2 负载因子

static final float DEFAULT_LOAD_FACTOR = 0.75f;

负载因子是做什么的？

负载因子，可以理解成一辆车可承重重量超过某个阀值时，把货放到新的车上。

那么在HashMap中，负载因子决定了数据量多少了以后进行扩容。这里要提到上面做的HashMap例子，我们准备了7个元素，但是最后还有3个位置空余，2个位置存放了2个元素。 所以可能即使你数据比数组容量大时也是不一定能正正好好的把数组占满的，而是在某些小标位置出现了大量的碰撞，只能在同一个位置用链表存放，那么这样就失去了Map数组的性能。

所以，要选择一个合理的大小下进行扩容，默认值0.75就是说当阀值容量占了3/4s时赶紧扩容，减少Hash碰撞。

同时0.75是一个默认构造值，在创建HashMap也可以调整，比如你希望用更多的空间换取时间，可以把负载因子调的更小一些，减少碰撞。

4. 扩容元素拆分

为什么扩容，因为数组长度不足了。那扩容最直接的问题，就是需要把元素拆分到新的数组中。拆分元素的过程中，原jdk1.7中会需要重新计算哈希值，但是到jdk1.8中已经进行优化，不在需要重新计算，提升了拆分的性能，设计的还是非常巧妙的。

4.1 测试数据

@Test

public void test_hashMap() {

    List<String> list = new ArrayList<>();

    list.add("jlkk");

    list.add("lopi");

    list.add("jmdw");

    list.add("e4we");

    list.add("io98");

    list.add("nmhg");

    list.add("vfg6");

    list.add("gfrt");

    list.add("alpo");

    list.add("vfbh");

    list.add("bnhj");

    list.add("zuio");

    list.add("iu8e");

    list.add("yhjk");

    list.add("plop");

    list.add("dd0p");

    for (String key : list) {

        int hash = key.hashCode() ^ (key.hashCode() >>> 16);

        System.out.println("字符串：" + key + " \tIdx(16)：" + ((16 - 1) & hash) + " \tBit值：" + Integer.toBinaryString(hash) + " - " + Integer.toBinaryString(hash & 16) + " \t\tIdx(32)：" + ((

        System.out.println(Integer.toBinaryString(key.hashCode()) +" "+ Integer.toBinaryString(hash) + " " + Integer.toBinaryString((32 - 1) & hash));

    }

}

测试结果

字符串：jlkk 	Idx(16)：3 	Bit值：1100011101001000010011 - 10000 		Idx(32)：19

1100011101001000100010 1100011101001000010011 10011

字符串：lopi 	Idx(16)：14 	Bit值：1100101100011010001110 - 0 		Idx(32)：14

1100101100011010111100 1100101100011010001110 1110

字符串：jmdw 	Idx(16)：7 	Bit值：1100011101010100100111 - 0 		Idx(32)：7

1100011101010100010110 1100011101010100100111 111

字符串：e4we 	Idx(16)：3 	Bit值：1011101011101101010011 - 10000 		Idx(32)：19

1011101011101101111101 1011101011101101010011 10011

字符串：io98 	Idx(16)：4 	Bit值：1100010110001011110100 - 10000 		Idx(32)：20

1100010110001011000101 1100010110001011110100 10100

字符串：nmhg 	Idx(16)：13 	Bit值：1100111010011011001101 - 0 		Idx(32)：13

1100111010011011111110 1100111010011011001101 1101

字符串：vfg6 	Idx(16)：8 	Bit值：1101110010111101101000 - 0 		Idx(32)：8

1101110010111101011111 1101110010111101101000 1000

字符串：gfrt 	Idx(16)：1 	Bit值：1100000101111101010001 - 10000 		Idx(32)：17

1100000101111101100001 1100000101111101010001 10001

字符串：alpo 	Idx(16)：7 	Bit值：1011011011101101000111 - 0 		Idx(32)：7

1011011011101101101010 1011011011101101000111 111

字符串：vfbh 	Idx(16)：1 	Bit值：1101110010111011000001 - 0 		Idx(32)：1

1101110010111011110110 1101110010111011000001 1

字符串：bnhj 	Idx(16)：0 	Bit值：1011100011011001100000 - 0 		Idx(32)：0

1011100011011001001110 1011100011011001100000 0

字符串：zuio 	Idx(16)：8 	Bit值：1110010011100110011000 - 10000 		Idx(32)：24

1110010011100110100001 1110010011100110011000 11000

字符串：iu8e 	Idx(16)：8 	Bit值：1100010111100101101000 - 0 		Idx(32)：8

1100010111100101011001 1100010111100101101000 1000

字符串：yhjk 	Idx(16)：8 	Bit值：1110001001010010101000 - 0 		Idx(32)：8

1110001001010010010000 1110001001010010101000 1000

字符串：plop 	Idx(16)：9 	Bit值：1101001000110011101001 - 0 		Idx(32)：9

1101001000110011011101 1101001000110011101001 1001

字符串：dd0p 	Idx(16)：14 	Bit值：1011101111001011101110 - 0 		Idx(32)：14

1011101111001011000000 1011101111001011101110 1110

这里我们随机使用一些字符串计算他们分别在16位长度和32位长度数组下的索引分配情况，看哪些数据被重新路由到了新的地址。
同时，这里还可以观察

面试28k职位，老乡面试官从HashCode到HashMap给我讲了一下午！「回家赶忙整理出1.6万字的面试材料」的更多相关文章
1. GitHub标星125k！阿里技术官用3个月总结出的24万字Java面试笔记
  最近收到一位粉丝的回馈! 这位粉丝已经成功入职阿里了小编很是羡慕啊! 今天就把这份30w字Java面试笔记给大家分享出来,说来也巧这份资料也是由一位阿里技术官整理出来的这算不算是"搬起石头砸 ...
2. 针对《面试心得与总结—BAT、网易、蘑菇街》一文中出现的技术问题的收集与整理
  最近,我在ImportNew网站上,看到了这篇文章,觉得总结的非常好,就默默的收藏起来了,觉得日后一定要好好整理学习一下,昨天突然发现在脉脉的行业头条中,居然也推送了这篇文章,更加坚定了我整理的信心. ...
3. JAVA基础4——谈谈HashCode与HashMap相关概念
  谈谈HashCode与HashMap HashCode hashCode,即一个Object的散列码. HashCode的作用: 对于List.数组等集合而言,HashCode用途不大: 对于Hash ...
4. （考研）散列表和hashcode和hashmap
  package tt; import java.util.HashMap; import java.util.Map; public class a0 { public static void mai ...
5. [ 转载 ]hashCode及HashMap中的hash()函数
  hashCode及HashMap中的hash()函数一.hashcode是什么要理解hashcode首先要理解hash表这个概念 1. 哈希表 hash表也称散列表(Hash table),是 ...
6. 面试官再问你 HashMap 底层原理，就把这篇文章甩给他看
  前言 HashMap 源码和底层原理在现在面试中是必问的.因此,我们非常有必要搞清楚它的底层实现和思想,才能在面试中对答如流,跟面试官大战三百回合.文章较长,介绍了很多原理性的问题,希望对你有所帮助~ ...
7. 阿里面试官让我讲讲Unicode，我讲了3秒说没了，面试官说你可真菜
  本文首发于微信公众号:程序员乔戈里乔哥:首先说说什么是Unicode.码点吧~要想搞懂,这些概念必须清楚什么是Unicode? 下图来自http://www.unicode.org/standar ...
8. 面试官：小伙子，你给我讲一下java类加载机制和内存模型吧
  类加载机制虚拟机把描述类的数据从 Class文件加载到内存,并对数据进行校验.转换解析和初始化,最终形成可以被虚拟机直接使用的java类型,这就是虚拟机的类加载机制. 类的生命周期加载(Loadi ...
9. 面试官："准备用HashMap存1w条数据，构造时传10000还会触发扩容吗？"
  // 预计存入 1w 条数据,初始化赋值 10000,避免 resize. HashMap<String,String> map = new HashMap<>(10000) ...
随机推荐
1. PHPSTORM常用插件
  Translation 最好用的翻译插件 .env files support 可以在env函数使用是提示.env文件中所有的key值的自动完成功能 PHP composer.json support ...
2. SpringBoot环境下使用测试类注入Mapper接口报错解决
  当我们在进行开发中难免会要用到测试类,而且测试类要注入Mapper接口,如果测试运行的时候包空指针异常,看看测试类上面的注解是否用对! 正常测试我们需要用到的注解有这些: @SpringBootTes ...
3. Python随机数函数
  Python随机数函数: ''' choice(seq) 从序列的元素中随机选出一个元素 randrange ([start,] stop [,step]) 从指定范围内,在指定步长递增的集合中获取 ...
4. 线程_multiprocessing异步
  from multiprocessing import Pool import time import os def test(): print("---进程池中的进程---pid=%d,p ...
5. PDOStatement::bindValue
  PDOStatement::bindValue — 把一个值绑定到一个参数(PHP 5 >= 5.1.0, PECL pdo >= 0.1.0) 说明语法 bool PDOStateme ...
6. C++程序员容易走入性能优化误区！对此你怎么看呢？
  有些C++ 程序员,特别是只写C++ 没有写过 Python/PHP 等慢语言的程序员,容易对性能有心智负担,就像着了魔一样,每写3 行代码必有一行代码因为性能考虑而优化使得代码变形(复杂而晦涩). ...
7. 探讨Netty获取并检查Websocket握手请求的两种方式
  在使用Netty开发Websocket服务时,通常需要解析来自客户端请求的URL.Headers等等相关内容,并做相关检查或处理.本文将讨论两种实现方法. 方法一:基于HandshakeComplet ...
8. intel：spectre&Meltdown侧信道攻击（三）—— raw hammer
  今天介绍raw hammer攻击的原理:这次有点“标题党”了.事实上,raw hammer是基于DRAM内存的攻击:所以理论上,只要是用了DRAM内存的设备,不论是什么cpu(intel.amd,或则 ...
9. windows：shellcode 远程线程hook/注入(四)
  https://www.cnblogs.com/theseventhson/p/13236421.html 这里介绍了利用回调函数执行shellcode的基本原理:这里介绍另外一种利用回调执行she ...
10. cobbler多机定制安装
  目录 cobbler多机定制安装 1. cobbler服务端部署 2. 客户端安装 3. 定制安装配置 4. 安装 client1开机 client2开机 cobbler多机定制安装 1. cobbl ...

面试28k职位，老乡面试官从HashCode到HashMap给我讲了一下午！「回家赶忙整理出1.6万字的面试材料」

一、前言

二、HashCode为什么使用31作为乘数

1. 固定乘积31在这用到了

2. 来自stackoverflow的回答

3. Hash值碰撞概率统计

3.1 读取单词字典表

3.2 Hash计算函数

3.3 Hash碰撞概率计算

3.4 单元测试

4. Hash值散列分布

4.1 哈希值分段存放

4.2 单元测试

4.2.1 乘数2散列

4.2.2 乘数31散列

4.2.3 乘数199散列

三、HashMap 数据结构与算法

1. 写一个最简单的HashMap

1.1 代码实现

1.2 Hash散列示意图

1.3 这个简单的HashMap有哪些问题

2. 扰动函数

2.1 为什么使用扰动函数

2.2 实验验证扰动函数

2.2.1 扰动代码测试

2.2.2 扰动函数散列图表

3. 初始化容量和负载因子

3.1 寻找2的倍数最小值

3.2 负载因子

4. 扩容元素拆分

4.1 测试数据

面试28k职位，老乡面试官从HashCode到HashMap给我讲了一下午！「回家赶忙整理出1.6万字的面试材料」的更多相关文章

随机推荐

热门专题