HashMap
HashMap 是用于存储 Key-Value 键值对的集合。
（1）HashMap根据键的 hashCode 值存储数据，大多数情况下可以直接定位到它的值，所以具有很快的访问速度，但遍历顺序不确定。
（2） HashMap 中键 key 为 null 的记录至多只允许一条，值 value 为 null 的记录可以有多条。
（3）HashMap 非线程安全，即任一时刻允许多个线程同时写 HashMap，可能会导致数据的不一致。
hashmap 的继承
1、hashmap 的存储结构
hashmap 的存储结构：数组+链表+红黑树（JDK1.8后增加了红黑树部分）
（1）数组
HashMap 是一个用于存储 Key-Value 键值对的集合，每一个键值对也叫做一个 Entry；这些 Entry 分散的存储在一个数组当中，该数组就是 HashMap 的主干。
（2）链表
因为数组 Table 的长度是有限的，使用 hash 函数计算时可能会出现 index 冲突的情况，所以我们需要链表来解决冲突；
数组 Table 的每一个元素不单纯只是一个 Entry 对象，它还是一个链表的头节点，每一个 Entry 对象通过 next 指针指向下一个 Entry 节点；当新来的 Entry 映射到冲突数组位置时，只需要插入对应的链表位置即可。
（3）红黑树
当链表长度超过阈值 8 时，会将链表转换为红黑树，使 HashMap 的性能得到进一步提升。
2、类定义源码
public class HashMap<K,V> extends AbstractMap<K,V> implements Map<K,V>, Cloneable, Serializable {
private static final long serialVersionUID = 362498820763181265L;
// Table 数组默认大小 16
static final int DEFAULT_INITIAL_CAPACITY = 1 << 4;
// 最大容量是必须是2的幂30
static final int MAXIMUM_CAPACITY = 1 << 30;
// 负载因子默认为0.75，hashmap每次扩容为原hashmap的2倍
static final float DEFAULT_LOAD_FACTOR = 0.75f;
// 链表的最大长度为8，当超过8时会将链表装换为红黑树进行存储
static final int TREEIFY_THRESHOLD = 8;
/** 用来确定何时解决hash冲突的，红黑树转变为链表
* The bin count threshold for untreeifying a (split) bin during a
* resize operation. Should be less than TREEIFY_THRESHOLD, and at
* most 6 to mesh with shrinkage detection under removal.
*/
static final int UNTREEIFY_THRESHOLD = 6;
/** 当想要将解决hash冲突的链表转变为红黑树时，需要判断下此时数组的容量，若是由于数组容量太小（小于MIN_TREEIFY_CAPACITY）而导致hash冲突，则不进行链表转为红黑树的操作，而是利用resize()函数对HashMap扩容 */
static final int MIN_TREEIFY_CAPACITY = 64;
transient Node<K,V>[] table;
transient Set<Map.Entry<K,V>> entrySet;
transient int size;
// 记录HashMap发生结构性变化的次数（value值的覆盖不属于结构性变化）
transient int modCount;
// threshold的值应等于table.length*loadFactor，size超过这个值时会进行resize()扩容
int threshold;
/**
* The load factor for the hash table.
*/
final float loadFactor;
static final int hash(Object key) {
int h;
return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}
public V get(Object key) {
Node<K,V> e;
return (e = getNode(hash(key), key)) == null ? null : e.value;
}
public V put(K key, V value) {
return putVal(hash(key), key, value, false, true);
}
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;
}
public final K getKey() { return key; }
public final V getValue() { return value; }
public final String toString() { return key + "=" + value; }
public final int hashCode() {
return Objects.hashCode(key) ^ Objects.hashCode(value);
}
public final V setValue(V newValue) {
V oldValue = value;
value = newValue;
return oldValue;
}
public final boolean equals(Object o) {
if (o == this)
return true;
if (o instanceof Map.Entry) {
Map.Entry<?,?> e = (Map.Entry<?,?>)o;
if (Objects.equals(key, e.getKey()) &&
Objects.equals(value, e.getValue()))
return true;
}
return false;
}
}（1）Node<K,V> 类用来实现数组及链表的数据结构
static class Node<K,V> implements Map.Entry<K,V> {
final int hash; // 保存节点的hash值
final K key; //保存节点的key值
V value; //保存节点的value值
Node<K,V> next; // next是指向链表结构下当前节点的next节点，红黑树TreeNode节点中也用到next
Node(int hash, K key, V value, Node<K,V> next) {
this.hash = hash;
this.key = key;
this.value = value;
this.next = next;
}
public final K getKey() { return key; }
public final V getValue() { return value; }
public final String toString() { return key + "=" + value; }
public final int hashCode() {
return Objects.hashCode(key) ^ Objects.hashCode(value);
}
public final V setValue(V newValue) {
V oldValue = value;
value = newValue;
return oldValue;
}
public final boolean equals(Object o) {
if (o == this)
return true;
if (o instanceof Map.Entry) {
Map.Entry<?,?> e = (Map.Entry<?,?>)o;
if (Objects.equals(key, e.getKey()) &&
Objects.equals(value, e.getValue()))
return true;
}
return false;
}
}（2）TreeNode<K,V> 用来实现红黑树相关的存储结构：
static final class TreeNode<K,V> extends LinkedHashMap.Entry<K,V> {
TreeNode<K,V> parent; // red-black tree links
TreeNode<K,V> left;
TreeNode<K,V> right;
TreeNode<K,V> prev; // needed to unlink next upon deletion
boolean red; // 存储当前节点的颜色（红、黑）
TreeNode(int hash, K key, V val, Node<K,V> next) {
super(hash, key, val, next);
}
/**
* Returns root of tree containing this node.
*/
final TreeNode<K,V> root() {
for (TreeNode<K,V> r = this, p;;) {
if ((p = r.parent) == null)
return r;
r = p;
}
}3、确定元素位置
（1）计算 hashCode
public final int hashCode() {
return Objects.hashCode(key) ^ Objects.hashCode(value);
}hashCode 的存在主要是用于查找的快捷性，如 Hashtable，HashMap 等，
hashCode 是用来在散列存储结构中确定对象的存储地址的。
HashMap 之所以速度快，因为他使用的是散列表，根据 key 的 hashcode 值生成数组下标（通过内存地址直接查找，没有任何判断）。
在 JDK 中，Object 的 hashcode 方法是本地方法，也就是用 c 语言或 c++ 实现的，该方法直接返回对象的内存地址。
JDK 中，我们经常把 String 类型作为 key，那么 String 类型是如何重写 hashCode 方法的呢？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; }
就是
使用 String 的 char 数组的数字每次乘以 31 再叠加最后返回，因此，每个不同的字符串，返回的 hashCode 肯定不一样。那么为什么使用 31 呢？之所以使用 31， 是因为他是一个奇素数。如果乘数是偶数，并且乘法溢出的话，信息就会丢失，因为与2相乘等价于移位运算（低位补0）。使用素数的好处并不很明显，但是习惯上使用素数来计算散列结果。 31 有个很好的性能，即用移位和减法来代替乘法，可以得到更好的性能： 31 * i == (i << 5） - i， 现代的 VM 可以自动完成这种优化。这个公式可以很简单的推导出来。可以看到，使用 31 最主要的还是为了性能。
如果 key 是我们的自定义对象，我们可以重写 Object 的 hashcode 方法，从而适应所需场景。
（2）根据 Key 值计算出 Key 的 hash 值
static final int hash(Object key) {
int h;
return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}
key 的 hash 值计算是通过 hashCode() 的高 16 位异或低 16 位实现的，使用位运算替代了取模运算，在 table 的长度比较小的情况下，也能保证 hashcode 的高位参与到地址映射的计算当中，同时不会有太大的开销。
1）为什么要移位 16？将原始哈希码无符号右移16位，即高16位被移到了低16位，理由：
低位不确保有没有1，但高位肯定有1，拿无符号右移后的值与原始哈希码做异或操作，可以得到一个 1 的分布在高低位相对更加均匀的结果，从而更好的均匀散列表的下标，这样根据不同 key 得出的数组索引下标尽可能分散，就不容易发生哈希碰撞，也就降低了一开始往 HashMap 中添加数据时链表的产生几率。
（3）根据数组长度及 hash 值计算索引位置（数组位置）
i = (n - 1) & hash其中 n 是数组的长度，其实该算法的结果和模运算的结果是相同的。
1）为什么使用 & 与运算代替模运算？
上述算法的结果和模运算的结果是相同的，但是对于现代的处理器来说除法和求余数（模运算）是最慢的动作。
a % b == (b-1) & a ：当 b 是 2 的指数时，等式成立。2）HashMap 的 Table 数组大小（哈希桶长度）为什么建议是 2的幂次方？
当 n 为 2 的幂次方的时候，减 1 之后就会得到 得到 1111*** 的数字，这样保证了 & 中的二进制位全为 1，这样不同 key 得出的数组索引下标会尽可能分散，就不容易发生哈希碰撞，从而使 entryset 均匀的分布在桶（数组）中。
4、put 存储元素
上图的 HashMap 的 put 方法执行流程图，可以总结为如下主要步骤：
1）判断数组 table 是否为null，
若为 null 则执行 resize() 扩容操作。2）根据键 key 的值计算 hash 值得到插入的数组索引 i，若table[i] == nulll，则直接新建节点插入，进入步骤 6；若 table[i] 非 null，则继续执行下一步。
3）
判断 table[i] 的首个元素 key 是否和当前 key 相同（hashCode 和 equals 均相同），若相同则直接覆盖 value，进入步骤6，反之继续执行下一步。4）
判断 table[i] 是否为 treeNode，若是红黑树，则直接在树中插入键值对并进入步骤6，反之继续执行下一步。5）
遍历 table[i]，判断链表长度是否大于 8，若 >8，则把链表转换为红黑树，在红黑树中执行插入操作；若 <8，则进行链表的插入操作；遍历过程中若发现key已存在则会直接覆盖该key的value值。6）
插入成功后，判断实际存在的键值对数量 size 是否超过了最大容量 threshold，若超过则进行扩容。
源码如下：
static final int hash(Object key) {
int h;
return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}
public V put(K key, V value) {
//插入节点，hash 值的计算调用 hash(key) 函数，实际调用 putVal() 插入节点
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;
// 判断table是否已初始化，否则进行初始化table操作
if ((tab = table) == null || (n = tab.length) == 0)
n = (tab = resize()).length;
// 根据 hash 值确定节点在数组中的插入的位置，即计算索引存储的位置，若该位置无元素则直接进行插入
if ((p = tab[i = (n - 1) & hash]) == null)
tab[i] = newNode(hash, key, value, null);
else {
// 节点若已经存在元素，即待插入位置存在元素
Node<K,V> e; K k;
// 对比已经存在的元素与待插入元素的 hash 值和 key 值，执行赋值操作
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
e = p;
// 判断该元素是否为红黑树节点
else if (p instanceof TreeNode)
// 红黑树节点则调用putTreeVal()函数进行插入
e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
else {
// 若该元素是链表，且为链表头节点，则从此节点开始向后寻找合适的插入位置
for (int binCount = 0; ; ++binCount) {
if ((e = p.next) == null) {
//找到插入位置后，新建节点插入
p.next = newNode(hash, key, value, null);
//若链表上节点超过TREEIFY_THRESHOLD - 1，即链表长度为8，将链表转变为红黑树
if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st
treeifyBin(tab, hash);
break;
}
// 若待插入元素在 HashMap 中已存在，key 存在了则直接覆盖
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
break;
p = e;
}
}
if (e != null) { // existing mapping for key
V oldValue = e.value;
if (!onlyIfAbsent || oldValue == null)
e.value = value;
afterNodeAccess(e);
// 若存在key节点，则返回旧的 key 值
return oldValue;
}
}
// 记录修改次数
++modCount;
// 判断是否需要扩容
if (++size > threshold)
resize();
// 空操作
afterNodeInsertion(evict);
// 若不存在key节点，则返回null
return null;
}
final TreeNode<K,V> putTreeVal(HashMap<K,V> map, Node<K,V>[] tab, int h, K k, V v) {
Class<?> kc = null;
boolean searched = false;
TreeNode<K,V> root = (parent != null) ? root() : this;
//从根节点开始查找合适的插入位置
for (TreeNode<K,V> p = root;;) {
int dir, ph; K pk;
if ((ph = p.hash) > h)
//若dir<0，则查找当前节点的左孩子
dir = -1;
else if (ph < h)
//若dir>0，则查找当前节点的右孩子
dir = 1;
//hash值或是key值相同
else if ((pk = p.key) == k || (k != null && k.equals(pk)))
return p;
//1.当前节点与待插入节点key不同，hash值相同
//2.k是不可比较的，即k未实现comparable<K>接口，或者compareComparables(kc,k,pk)的返回值为0
else if ((kc == null && (kc = comparableClassFor(k)) == null) ||
(dir = compareComparables(kc, k, pk)) == 0) {
//在以当前节点为根节点的整个树上搜索是否存在待插入节点(只搜索一次)
if (!searched) {
TreeNode<K,V> q, ch;
searched = true;
if (((ch = p.left) != null &&
(q = ch.find(h, k, kc)) != null) ||
((ch = p.right) != null &&
(q = ch.find(h, k, kc)) != null))
//若搜索发现树中存在待插入节点，则直接返回
return q;
}
//指定了一个k的比较方式 tieBreakOrder
dir = tieBreakOrder(k, pk);
}
TreeNode<K,V> xp = p;
if ((p = (dir <= 0) ? p.left : p.right) == null) {
//找到了待插入位置，xp为待插入位置的父节点，TreeNode节点中既存在树状关系，又存在链式关系，而且还是双端链表
Node<K,V> xpn = xp.next;
TreeNode<K,V> x = map.newTreeNode(h, k, v, xpn);
if (dir <= 0)
xp.left = x;
else
xp.right = x;
xp.next = x;
x.parent = x.prev = xp;
if (xpn != null)
((TreeNode<K,V>)xpn).prev = x;
//插入节点后进行二叉树平衡操作
moveRootToFront(tab, balanceInsertion(root, x));
return null;
}
}
}
static int tieBreakOrder(Object a, Object b) {
int d;
if (a == null || b == null ||
(d = a.getClass().getName().
compareTo(b.getClass().getName())) == 0)
//System.identityHashCode()实际是比较对象a,b的内存地址
d = (System.identityHashCode(a) <= System.identityHashCode(b) ?
-1 : 1);
return d;
}假如调用 hashMap.put(“a”,0) 方法，将会在 HashMap 的 table 数组中插入一个Key为 “a” 的元素：通过 hash() 函数来确定该 Entry 的插入位置，而 hash() 方法内部会调用 hashCode() 函数得到 “a” 的 hashCode；然后 putVal() 方法经过一定计算得到最终的插入位置 index（把 Key 的 hashCode 与 HashMap 的容量 取余得出该 Key 存储在数组所在位置的下标 （源码定位 Key 存储在数组的哪个位置是以 hashCode & (HashMap 容量-1)算法得出）），最后将这个 Entry 插入到 table 的 index 位置。
5、get 获取元素
1）首先定位到键所在的数组的下标，并获取对应节点 n。
2）判断 n 是否为 null，若 n 为 null，则返回 null 并结束；反之，继续下一步。
3）判断 n 的 key 和要查找的 key 是否相同(
key 相同指的是 hashCode 和 equals 均相同)，若相同则返回n并结束；反之，继续下一步。4）判断是否有后续节点 m，若没有则结束；反之，继续下一步。
5）判断 m 是否为红黑树，若为红黑树则遍历红黑树，在遍历过程中如果存在某一个节点的 key 与要找的 key 相同，则返回该节点；反之，返回 null；若非红黑树则继续下一步。
6）遍历链表，若存在某一个节点的 key 与要找的 key 相同，则返回该节点；反之，返回 null。
源码：
// 实际上是根据输入节点的hash值和key值，利用getNode方法进行查找
public V get(Object key) {
Node<K,V> e;
return (e = getNode(hash(key), key)) == null ? null : e.value;
}
final Node<K,V> getNode(int hash, Object key) {
Node<K,V>[] tab; Node<K,V> first, e; int n; K k;
if ((tab = table) != null && (n = tab.length) > 0 &&
(first = tab[(n - 1) & hash]) != null) {
if (first.hash == hash && // always check first node
((k = first.key) == key || (key != null && key.equals(k))))
return first;
if ((e = first.next) != null) {
// 若定位到的节点是TreeNode节点，则在树中进行查找
if (first instanceof TreeNode)
return ((TreeNode<K,V>)first).getTreeNode(hash, key);
do {
// 反之，在链表中查找
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
return e;
} while ((e = e.next) != null);
}
}
return null;
}
// 从根节点开始，调用 find() 方法进行查找
final TreeNode<K,V> getTreeNode(int h, Object k) {
return ((parent != null) ? root() : this).find(h, k, null);
}
final TreeNode<K,V> find(int h, Object k, Class<?> kc) {
TreeNode<K,V> p = this;
do {
int ph, dir; K pk;
TreeNode<K,V> pl = p.left, pr = p.right, q;
// 首先进行 hash 值的比较，若不同则令当前节点变为它的左孩子 or 右孩子
if ((ph = p.hash) > h)
p = pl;
else if (ph < h)
p = pr;
// 若 hash 值相同，进行 key 值的比较
else if ((pk = p.key) == k || (k != null && k.equals(pk)))
return p;
else if (pl == null)
p = pr;
else if (pr == null)
p = pl;
// 执行到这里，说明了 hash 值是相同的，key 值不同
// 若 k 是可比较的并且 k.compareTo(pk) 的返回结果不为 0，则进入下面的else if
else if ((kc != null ||
(kc = comparableClassFor(k)) != null) &&
(dir = compareComparables(kc, k, pk)) != 0)
p = (dir < 0) ? pl : pr;
// 若 k 是不可比较的，或者 k.compareTo(pk) 返回结果为 0，则在整棵树中查找，先找右子树，没找到则再到左子树找
else if ((q = pr.find(h, k, kc)) != null)
return q;
else
p = pl;
} while (p != null);
return null;
}举例：
如上图，hashmap 查找 key：
1）得到 key 在数组中的位置：根据上图，当我们获取 key 为“a”的对象时，那么我们首先获得 key 的 hashcode97%3 得到存储位到数组下标为 1;
2）匹配得到对应 key 值对象：得到数组下表为 1 的数据 “a” 和 “c” 对象， 然后再根据 key.equals() 来匹配获取对应 key 的数据对象；
6、重写 hashcode() 和 equals()
HashMap 的添加、获取时需要通过 key 的 hashCode() 进行 hash()，然后计算下标 ( n-1 & hash)，从而获得要找的数组下标位置。当发生冲突（碰撞）时，利用 key.equals() 方法在链表或树中查找对应的节点。
1）如果两个对象相同（即用 equals 比较返回 true），那么它们的 hashCode 值一定要相同；
2）如果两个对象的 hashCode 相同，它们并不一定相同(即用 equals 比较返回 false)
由于 String 和 Integer 已经重写了 hashcode() 和 equals()，因此我们可以直接使用 String 和 Integer 类型对象作为 HashMap 的 key。如果 key 是其他类型的对象或者自定义的类，默认的 hashcode() 和 equals() 可能不能符合我们的要求，所以必须重写。如果没有进行重写，那么很可能某两个对象明明是“相等”，而 hashCode 却不一样。这样，当你用其中的一个作为键保存到 hashMap、hashTable 或 hashSet 中，再以“相等的”找另一个作为键值去查找他们的时候，则根本找不到。
7、resize 扩容源码
扩容是为了防止 HashMap 中的元素个数超过了阀值，从而影响性能所服务的。其中，threshold 和 loadFactor 两个属性决定着是否扩容：threshold=Length * loadFactor，Length 表示 table 数组的长度（默认值为16），loadFactor 为负载因子（默认值为 0.75）；阀值 threshold 表示当 table 数组中存储的元素个数超过该阀值时，即需要扩容；如数组默认长度为 16，负载因子默认 0.75，此时threshold=16*0.75=12，即当 table 数组中存储的元素个数超过 12 个时，table 数组就该进行扩容了。
扩容条件：哈希表中的条目数超出了加载因子与当前容量的乘积，并且要存放的位置已经有元素了（hash碰撞）
由于数组是无法自动扩容的，因此 HashMap 的扩容是申请一个容量为原数组大小两倍的新数组，然后遍历旧数组，重新计算每个元素的索引位置，并复制到新数组中。对旧数组中的元素如何重新映射到新数组中？由于 HashMap 扩容时使用的是 2 的幂次方扩展的，即数组长度扩大为原来的 2 倍、4 倍、8 倍、16 倍…，因此在扩容时（Length-1）这部分就相当于在高位新增一个或多个 “1” 位（bit），所以重新计算后的索引位置要么在原来位置不变，要么就是“原位置+旧数组长度”。
如下图12，HashMap 扩大为原数组的两倍为例。
如上图12所示，（a）为扩容前，key1 和 key2 两个 key 确定索引的位置；（b）为扩容后，key1 和 key2 两个 key 确定索引的位置；hash1 和 hash2 分别是 key1 与 key2 对应的哈希“与高位运算”结果。
(a) 中数组的高位 bit 为“1111”，所以扩容前 table 的长度 n 为 16；(b) 中 n 扩大为原来的两倍，其数组大小的高位 bit 为“1 1111”，所以扩容后 table 的长度 n 为 32；
(a) 中的 n 为 16，(b) 中扩大两倍 n 为 32，相当于 (n-1) 这部分的高位多了一个 1，然后和原 hash 码作与操作，最后元素在新数组中映射的位置要么不变，要么向后移动 16 个位置，如下图所示。
HashMap 中数组扩容两倍后位置的变化：
因此，我们在扩充 HashMap，复制数组元素及确定索引位置时不需要重新计算 hash 值，只需要判断原来的 hash 值新增的那个 bit 是 1，还是 0；若为 0，则索引未改变；若为 1，则索引变为“原索引+oldCap”；如图14，HashMap 中数组从16扩容为32的resize图。
这样设计有如下几点好处：
1）
省去了重新计算 hash 值的时间(由于位运算直接对内存数据进行操作，不需要转成十进制，因此处理速度非常快)，只需判断新增的一位是0或1；
2）由于新增的1位可以认为是随机的0或1，因此扩容过程中会均匀的把之前有冲突的节点分散到新的位置(bucket槽)，并且位置的先后顺序不会颠倒；
JDK1.8 与 JDK1.7 的扩容区别：
1）
JDK1.8 省去了重新计算 hash 值的时间，只需判断新增的一位是 0 或 1(由于位运算直接对内存数据进行操作，不需要转成十进制，因此处理速度非常快)；
2）JDK1.7 中扩容时，旧链表迁移到新链表的时候采用头插法，若出现在新链表的数组索引位置相同情况，则链表元素会倒置；JDK1.8 中扩容时，旧链表迁移到新链表的时候采用尾插法，在新链表的数组索引位置时链表元素不会倒置。
8、线程安全问题
HashMap 是线程不安全的。
（1）JDK 1.7 HashMap 采用数组 + 链表的数据结构，多线程背景下，在数组扩容的时候，存在 Entry 链死循环和数据丢失问题。
JDK1.7 中 HashMap 的扩容操作，重新定位每个桶的下标，并采用头插法将元素迁移到新数组中。头插法会将链表的顺序翻转，这也是形成死循环的关键点。2）
JDK 1.8 HashMap 采用数组 + 链表 + 红黑二叉树的数据结构，优化了 1.7 中数组扩容的方案，解决了 Entry 链死循环和数据丢失问题。但是多线程背景下，put 方法存在数据覆盖的问题。假设两个线程 A、B 都在进行 put 操作，并且 hash 函数计算出的插入下标是相同的，当线程 A 执行过程中由于时间片耗尽导致被挂起，而线程 B 得到时间片后在该下标处插入了元素，完成了正常的插入，然后线程 A 获得时间片，由于之前已经进行了 hash 碰撞的判断，所有此时不会再进行判断，而是直接进行插入，这就导致了线程 B 插入的数据被线程 A 覆盖了，从而线程不安全。
9、JDK 1.8 与 JDK 1.7 的不同点
（1）最重要的一点是底层结构不一样：
1.7是数组+链表，1.8则是数组+链表+红黑树结构;（2）
jdk1.7中当哈希表为空时，会先调用inflateTable()初始化一个数组；而1.8则是直接调用resize()扩容;（3）
插入键值对的put方法的区别：1.8中会将节点插入到链表尾部，而1.7中是采用头插；当采用头插法时会容易出现逆序且环形链表死循环问题。但是在JDK1.8之后是因为加入了红黑树使用尾插法，能够避免出现逆序且链表死循环的问题。
（4）扩容后数据存储位置的计算方式不一样：
在 JDK1.7 的时候是直接用 hash 值和需要扩容的二进制数进行&（这里就是为什么扩容的时候为啥一定必须是2的多少次幂的原因所在，因为如果只有2的n次幂的情况时最后一位二进制数才一定是1，这样能最大程度减少hash碰撞）；在 JDK1.8 的时候直接用了 JDK1.7 的时候计算的规律，也就是扩容前的原始位置+扩容的大小值=JDK1.8的计算方式，而不再是 JDK1.7 的那种异或的方法。但是这种方式就相当于只需要判断 Hash 值的新增参与运算的位是 0 还是 1 就直接迅速计算出了扩容后的储存方式。
（5）扩容时 1.8 会保持原链表的顺序，而 1.7 会颠倒链表的顺序；而且 1.8 是在元素插入后检测是否需要扩容，1.7 则是在元素插入前；
（6）jdk1.8是扩容时通过 hash&cap==0 将链表分散，无需改变 hash 值，而 1.7 是通过更新 hashSeed 来修改hash值达到分散的目的；（7）扩容策略：1.7中是只要大于阈值就直接扩容2倍；而1.8的扩容策略会更优化，当数组容量未达到64时，以2倍进行扩容，超过64之后若桶中元素个数不小于7就将链表转换为红黑树，但如果红黑树中的元素个数小于6就会还原为链表，当红黑树中元素不小于32的时候才会再次扩容。
（8）在JDK1.7的时候是先扩容后插入的，这样就会导致无论这一次插入是不是发生hash冲突都需要进行扩容，如果这次插入的并没有发生Hash冲突的话，那么就会造成一次无效扩容，但是在 1.8 的时候是先插入再扩容的，优点其实是可以减少这一次无效的扩容，原因就是如果这次插入没有发生Hash冲突的话，那么其实就不会造成扩容。
10、常见问题
（1）哈希表如何解决 Hash 冲突
（2）为什么HashMap具备下述特点：键-值（key-value）都允许为空、线程不安全、不保证有序、存储位置随时间变化
（3）为什么 HashMap 中 String、Integer 这样的包装类适合作为 key 键
（4）HashMap 中的 key若 Object类型， 则需实现哪些方法
11、总结
1）HashMap 中实际存储的键值对的数量通过 size 表示，
table 数组的长度为 Length。
2）HashMap 的哈希桶初始长度 Length 默认为16，负载因子默 loadFactor 认值为 0.75，threshold 阀值是 HashMap 能容纳的最大数据量的 Node 节点个数，threshold=Length*loadFactor。3）当 HashMap 中存储的元素个数超过了 threshold 阀值时，则会进行 reseize 扩容操作，
扩容后的数组容量为之前的两倍；但扩容是个特别消耗性能的操作，所以当我们在使用 HashMap 的时候，可以估算下 Map 的大小，在初始化时指定一个大致的数值，这样可以减少 Map 频繁扩容的次数。4）modCount 是用来记录 HashMap 内部结构发生变化的次数，put 方法覆盖 HashMap 中的某个 key 对应的 value 不属于结构变化。
5）
HashMap 哈希桶的大小必须为 2 的幂次方。6）JDK1.8 引入红黑树操作，大幅度优化了 HashMap 的性能。
7）HashMap 是非线程安全的，在并发环境中同时操作 HashMap 时最好使用线程安全的 ConcurrentHashMap。
8）重写 equals 方法需同时重写 hashCode 方法。
