扩展机制1.什么时候才需要扩容第一次调用put方法时初始化数组table
如果HashMap中的元素数超过数组大小(数组长度) loadFactor，则会扩展数组，loadFactor的默认值(DEFAULT_LOAD_FACTOR )为0.75。 这是折中的值。 即，如果阵列大小默认为16，则当混列映射中的元素的数目超过160.75=12 (该值为阈值或边界值threshold值)时，阵列的大小将扩展为216=32，即，两倍
如果HashMap链表中的对象数达到8，如果数组长度未达到64，则HashMap先扩展解决；如果达到64，则该链表变为红黑树，节点类型为Node到treenode tator 当然，在删除映射关系后，如果下次运行resize方法时确定树的节点数小于6，树也会转换为链表。
要扩展2.HashMap的扩容是什么，必须重新进行一次混列分配。 此外，必须遍历hash表中的所有元素，这需要很长时间。 在写程序中，要尽量避免resize。
混洗映射在进行扩展时，使用了非常巧妙的混洗方式。 由于每次扩展都是两倍，因此与原始计算的(n-1 )混列结果相比，只需要增加一个位。 因此，该节点位于原始位置或被分配给名为'原位置+旧容量'的位置。
怎么理解？ 例如，从16扩展到32时，具体变化如下。
因此，元素在重新计算散列后，n会加倍，所以新的索引会发生这样的变化，因为n-1的标记范围多了前1位(红色)。
说明： 5是假设计算出的原始索引。 据此，上述说明得到了验证。 扩展后，节点位于其原始位置或被指定为'原位置+旧容量'。
因此，在扩展散列映射时，我们不需要重新计算散列，只需要看到原始散列值中新添加的位是1还是0即可。 如果为0，则索引不变。 1则索引为“原始索引oldcap(http://www.Sina.com/)”。 下图显示了从16扩展到32的resize的图像。
由于这样巧妙的混列方式，不仅省去了重新计算混列值的麻烦，而且认为新追加的1bit是0还是1是随机的，因此在resize的过程中，混列之后的各桶的节点数一定在原桶的节点数以下
3 .源代码resize方法的解密代码的具体实现如下：
final NodeK，V[] resize () /当前数组NodeK，V[] oldTab=table； //如果当前数组等于null长度，则返回0；否则，返回当前数组的长度intoldcap=(oldtab==null )吗？ 0 : oldTab.length； //当前阈值点默认为12(16*0.75 ) int oldThr=threshold； int newCap，newThr=0； //如果旧数组的长度大于0 //，扩展后的大小if(oldcap0)//超过最大值就无法扩展，只能和你一起碰撞。 if(oldcap=maximum_capacity )//修正阈值为int的最大值ThreShold=int return oldTab； (/*未超过最大值的、扩展为原来两倍的1 () newCap=oldCap 1)将MAXIMUM_CAPACITY扩展为两倍后的容量小于最大容量2 ) old cap=default _ initial ) ) ) ) ) 65 ELSEif(newcap=oldcap1) maximum _ capacityoldcap=default _ initial _ capacity ) /将阈值扩大一倍//double threshold } //旧阈值点大于0的直接赋值else i
f (oldThr > 0) // 老阈值赋值给新的数组长度 newCap = oldThr; else {// 直接使用默认值 newCap = DEFAULT_INITIAL_CAPACITY;//16 newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY); } // 计算新的resize最大上限 if (newThr == 0) { float ft = (float)newCap * loadFactor; newThr = (newCap < MAXIMUM_CAPACITY && ft < (float)MAXIMUM_CAPACITY ? (int)ft : Integer.MAX_VALUE); } //新的阀值 默认原来是12 乘以2之后变为24 threshold = newThr; //创建新的哈希表 @SuppressWarnings({"rawtypes","unchecked"}) //newCap是新的数组长度--》32 Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap]; table = newTab; //判断旧数组是否等于空 if (oldTab != null) { // 把每个bucket都移动到新的buckets中 //遍历旧的哈希表的每个桶，重新计算桶里元素的新位置 for (int j = 0; j < oldCap; ++j) { Node<K,V> e; if ((e = oldTab[j]) != null) { //原来的数据赋值为null 便于GC回收 oldTab[j] = null; //判断数组是否有下一个引用 if (e.next == null) //没有下一个引用，说明不是链表，当前桶上只有一个键值对，直接插入 newTab[e.hash & (newCap - 1)] = e; //判断是否是红黑树 else if (e instanceof TreeNode) //说明是红黑树来处理冲突的，则调用相关方法把树分开 ((TreeNode<K,V>)e).split(this, newTab, j, oldCap); else { // 采用链表处理冲突 Node<K,V> loHead = null, loTail = null; Node<K,V> hiHead = null, hiTail = null; Node<K,V> next; //通过上述讲解的原理来计算节点的新位置 do { // 原索引 next = e.next; //这里来判断如果等于true e这个节点在resize之后不需要移动位置 if ((e.hash & oldCap) == 0) { if (loTail == null) loHead = e; else loTail.next = e; loTail = e; } // 原索引+oldCap else { if (hiTail == null) hiHead = e; else hiTail.next = e; hiTail = e; } } while ((e = next) != null); // 原索引放到bucket里 if (loTail != null) { loTail.next = null; newTab[j] = loHead; } // 原索引+oldCap放到bucket里 if (hiTail != null) { hiTail.next = null; newTab[j + oldCap] = hiHead; } } } } } return newTab;}