（一） 真实面试题之：Hashmap的结构，1.7和1.8有哪些区别
不同点：
（1）JDK1.7用的是头插法，而JDK1.8及之后使用的都是尾插法，那么他们为什么要这样做呢？因为JDK1.7是用单链表进行的纵向延伸，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。
（2）扩容后数据存储位置的计算方式也不一样：1. 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）（hash值 & length-1）
2、而在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。
在计算hash值的时候，JDK1.7用了9次扰动处理=4次位运算+5次异或，而JDK1.8只用了2次扰动处理=1次位运算+1次异或。
扩容流程对比图：
（3）JDK1.7的时候使用的是数组+ 单链表的数据结构。但是在JDK1.8及之后时，使用的是数组+链表+红黑树的数据结构（当链表的深度达到8的时候，也就是默认阈值，就会自动扩容把链表转成红黑树的数据结构来把时间复杂度从O（n）变成O（logN）提高了效率）
这里在重新进行补充两个问题：（2019-09-03）
（1）为什么在JDK1.7的时候是先进行扩容后进行插入，而在JDK1.8的时候则是先插入后进行扩容的呢？
其实就是当这个Map中实际插入的键值对的值的大小如果大于这个默认的阈值的时候（初始是16*0.75=12）的时候才会触发容，
//这个是在JDK1.8中的先插入后扩容 if (++size > threshold) resize();其实这个问题也是JDK8对HashMap中，主要是因为对链表转为红黑树进行的优化，因为你插入这个节点的时候有可能是普通链表节点，也有可能是红黑树节点，但是为什么1.8之后HashMap变为先插入后扩容的原因，我也有点不是很理解？欢迎来讨论这个问题？
但是在JDK1.7中的话，是先进行扩容后进行插入的，就是当你发现你插入的桶是不是为空，如果不为空说明存在值就发生了hash冲突，那么就必须得扩容，但是如果不发生Hash冲突的话，说明当前桶是空的（后面并没有挂有链表），那就等到下一次发生Hash冲突的时候在进行扩容，但是当如果以后都没有发生hash冲突产生，那么就不会进行扩容了，减少了一次无用扩容，也减少了内存的使用
void addEntry(int hash, K key, V value, int bucketIndex) { //这里当钱数组如果大于等于12（假如）阈值的话，并且当前的数组的Entry数组还不能为空的时候就扩容 if ((size >= threshold) && (null != table[bucketIndex])) { //扩容数组，比较耗时 resize(2 * table.length); hash = (null != key) ? hash(key) : 0; bucketIndex = indexFor(hash, table.length); } createEntry(hash, key, value, bucketIndex); } void createEntry(int hash, K key, V value, int bucketIndex) { Entry<K,V> e = table[bucketIndex]; //把新加的放在原先在的前面，原先的是e，现在的是new，next指向e table[bucketIndex] = new Entry<>(hash, key, value, e);//假设现在是new size++; }（2）为什么在JDK1.8中进行对HashMap优化的时候，把链表转化为红黑树的阈值是8,而不是7或者不是20呢（面试蘑菇街问过）？
如果选择6和8（如果链表小于等于6树还原转为链表，大于等于8转为树），中间有个差值7可以有效防止链表和树频繁转换。假设一下，如果设计成链表个数超过8则链表转换成树结构，链表个数小于8则树结构转换成链表，如果一个HashMap不停的插入、删除元素，链表个数在8左右徘徊，就会频繁的发生树转链表、链表转树，效率会很低。
还有一点重要的就是由于treenodes的大小大约是常规节点的两倍，因此我们仅在容器包含足够的节点以保证使用时才使用它们，当它们变得太小（由于移除或调整大小）时，它们会被转换回普通的node节点，容器中节点分布在hash桶中的频率遵循泊松分布，桶的长度超过8的概率非常非常小。所以作者应该是根据概率统计而选择了8作为阀值
//Java中解释的原因 * Because TreeNodes are about twice the size of regular nodes, we * use them only when bins contain enough nodes to warrant use * (see TREEIFY_THRESHOLD). And when they become too small (due to * removal or resizing) they are converted back to plain bins. In * usages with well-distributed user hashCodes, tree bins are * rarely used. Ideally, under random hashCodes, the frequency of * nodes in bins follows a Poisson distribution * (http://en.wikipedia.org/wiki/Poisson_distribution) with a * parameter of about 0.5 on average for the default resizing * threshold of 0.75, although with a large variance because of * resizing granularity. Ignoring variance, the expected * occurrences of list size k are (exp(-0.5) * pow(0.5, k) / * factorial(k)). The first values are: * * 0: 0.60653066 * 1: 0.30326533 * 2: 0.07581633 * 3: 0.01263606 * 4: 0.00157952 * 5: 0.00015795 * 6: 0.00001316 * 7: 0.00000094 * 8: 0.00000006 * more: less than 1 in ten million
（二）哈希表如何解决Hash冲突？
![]()
（三）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
![]()
（四）为什么 HashMap 中 String、Integer 这样的包装类适合作为 key 键
![]()
（五）HashMap 中的 key若 Object类型， 则需实现哪些方法？
（六）总结与面试要点
1. JDK 1.7 与 JDK 1.8 HashMap 核心区别总结
下表总结了 JDK 1.7 与 JDK 1.8 中 HashMap 的主要差异：
| 对比维度 | JDK 1.7 | JDK 1.8 |
|---|---|---|
| 数据结构 | 数组 + 单向链表 | 数组 + 单向链表 + 红黑树 |
| 插入方式 | 头插法（新节点插入链表头部） | 尾插法（新节点插入链表尾部） |
| 扩容时机 | 先扩容，后插入 | 先插入，后扩容 |
| hash 计算 | 9次扰动（4次位运算 + 5次异或） | 2次扰动（1次位运算 + 1次异或） |
| 扩容后位置计算 | 重新计算 hash & (newLength-1) | 利用规律：原位置 或 原位置+旧容量 |
| 树化阈值 | 无树化机制 | 链表长度 ≥ 8 且桶容量 ≥ 64 时树化 |
| 退化阈值 | 无退化机制 | 树节点数 ≤ 6 时退化为链表 |
| 并发问题 | 头插法可能导致环形链表死循环 | 尾插法减少死循环风险，但仍非线程安全 |
2. 高频面试追问方向
方向一：为什么 HashMap 线程不安全？
- JDK 1.7：多线程扩容时，头插法可能导致环形链表，造成死循环。
- JDK 1.8：虽然改为尾插法避免了环形链表，但 put/get 操作未加锁，多线程同时修改仍会导致数据覆盖、size 计算不准确等问题。
- 追问点：能否举例说明并发 put 如何导致数据丢失？ConcurrentHashMap 如何解决这些问题？
方向二：负载因子为什么默认是 0.75？
- 空间与时间平衡：0.75 是统计学上的一个折中值。负载因子过小（如 0.5）会导致频繁扩容，空间利用率低；负载因子过大（如 0.9）会导致哈希冲突增加，链表变长，查询效率下降。
- 数学依据：根据泊松分布，当负载因子为 0.75 时，哈希冲突的概率相对较低，同时空间利用率较高。
- 追问点：如果已知数据量固定，如何设置初始容量和负载因子以优化性能？
方向三：为什么树化阈值是 8，退化阈值是 6？
- 树化阈值 8：基于泊松分布，链表长度达到 8 的概率极低（约 0.00000006）。超过 8 时，红黑树的 O(log n) 性能优势开始显现，且 TreeNode 大小约为 Node 的两倍，仅在必要时才转换。
- 退化阈值 6：设置一个缓冲区间（7），避免频繁的树-链表转换。如果在 8 附近频繁插入删除，阈值 6 和 8 的差值可以防止反复转换带来的性能开销。
- 追问点：为什么不用 AVL 树而用红黑树？红黑树在 HashMap 中的优势是什么？
3. 面试实战建议
- 结合源码回答：能说出关键方法的名称和大致逻辑（如 resize()、putVal()、treeifyBin()）。
- 对比记忆：将 1.7 和 1.8 的区别归纳成表格，便于清晰表达。
- 延伸思考：除了上述区别，还可以准备「为什么 HashMap 容量总是 2 的幂次方？」、「hash 方法的具体实现？」、「多线程下如何安全使用 HashMap？」等延伸问题。
掌握这些核心区别和追问方向，不仅能应对基础面试题，还能在深度追问中展现对 HashMap 设计哲学的深入理解。
