在前面LZ具体介绍了HashMap、HashTable、TreeMap的实现方法，从数据结构、实现原理、源代码分析三个方面进行阐述，对这个三个类应该有了比較清晰的了解,以下LZ就Map做一个简单的总结。

        推荐阅读：

        java提高篇（二三）—–HashMap

        java提高篇（二五）—–HashTable

        Java提高篇（二六）—–hashCode

        Java提高篇（二七）—–TreeMap

一、Map概述

        首先先看Map的结构示意图

        Map：“键值”对映射的抽象接口。该映射不包含反复的键，一个键相应一个值。

        SortedMap：有序的键值对接口，继承Map接口。

        NavigableMap：继承SortedMap，具有了针对给定搜索目标返回最接近匹配项的导航方法的接口。

        AbstractMap：实现了Map中的绝大部分函数接口。

它减少了“Map的实现类”的反复编码。

        Dictionary：不论什么可将键映射到相应值的类的抽象父类。

眼下被Map接口代替。

        TreeMap：有序散列表，实现SortedMap 接口，底层通过红黑树实现。

        HashMap：是基于“拉链法”实现的散列表。

底层採用“数组+链表”实现。

        WeakHashMap：基于“拉链法”实现的散列表。

        HashTable：基于“拉链法”实现的散列表。

        总结例如以下：

        他们之间的差别：

二、内部哈希： 哈希映射技术

        差点儿全部通用Map都使用哈希映射技术。对于我们程序猿来说我们必须要对其有所了解。

        哈希映射技术是一种就元素映射到数组的很easy的技术。

因为哈希映射採用的是数组结果，那么必定存在一中用于确定随意键訪问数组的索引机制，该机制可以提供一个小于数组大小的整数。我们将该机制称之为哈希函数。

在Java中我们不必为寻找这种整数而大伤脑筋，因为每一个对象都必定存在一个返回整数值的hashCode方法，而我们须要做的就是将其转换为整数，然后再将该值除以数组大小取余就可以。

例如以下：

int hashValue = Maths.abs(obj.hashCode()) % size;

以下是HashMap、HashTable的：

----------HashMap------------
//计算hash值
static int hash(int h) {
    h ^= (h >>> 20) ^ (h >>> 12);
    return h ^ (h >>> 7) ^ (h >>> 4);
}
//计算key的索引位置
static int indexFor(int h, int length) {
        return h & (length-1);
}
-----HashTable--------------
int index = (hash & 0x7FFFFFFF) % tab.length;     //确认该key的索引位置

 位置的索引就代表了该节点在数组中的位置。下图是哈希映射的基本原理图：

         在该图中1-4步骤是找到该元素在数组中位置，5-8步骤是将该元素插入数组中。在插入的过程中会遇到一点点小挫折。在众多肯能存在多个元素他们的hash值是一样的。这样就会得到同样的索引位置，也就说多个元素会映射到同样的位置，这个过程我们称之为“冲突”。

解决冲突的办法就是在索引位置处插入一个链接列表。并简单地将元素加入到此链接列表。当然也不是简单的插入，在HashMap中的处理步骤例如以下：获取索引位置的链表。假设该链表为null，则将该元素直接插入，否则通过比較是否存在与该key同样的key，若存在则覆盖原来key的value并返回旧值，否则将该元素保存在链头（最先保存的元素放在链尾）。以下是HashMap的put方法，该方法具体展示了计算索引位置。将元素插入到适当的位置的全部过程：

public V put(K key, V value) {
        //当key为null，调用putForNullKey方法，保存null与table第一个位置中，这是HashMap同意为null的原因
        if (key == null)
            return putForNullKey(value);
        //计算key的hash值
        int hash = hash(key.hashCode());                 
        //计算key hash 值在 table 数组中的位置
        int i = indexFor(hash, table.length);            
        //从i出開始迭代 e,推断是否存在同样的key
        for (Entry<K, V> e = table[i]; e != null; e = e.next) {
            Object k;
            //推断该条链上是否有hash值同样的(key同样)
            //若存在同样，则直接覆盖value。返回旧value
            if (e.hash == hash && ((k = e.key) == key || key.equals(k))) {
                V oldValue = e.value;    //旧值 = 新值
                e.value = value;
                e.recordAccess(this);
                return oldValue;     //返回旧值
            }
        }
        //改动次数添加1
        modCount++;
        //将key、value加入至i位置处
        addEntry(hash, key, value, i);
        return null;
    }

         HashMap的put方法展示了哈希映射的基本思想，事实上假设我们查看其他的Map。发现其原理都差点儿相同！

三、Map优化

         首先我们这样假设，假设哈希映射的内部数组的大小仅仅有1。全部的元素都将映射该位置（0），从而构成一条较长的链表。因为我们更新、訪问都要对这条链表进行线性搜索。这样势必会减少效率。我们假设，假设存在一个很大数组，每一个位置链表处都仅仅有一个元素。在进行訪问时计算其 index 值就会获得该对象，这样做尽管会提高我们搜索的效率，可是它浪费了控件。诚然，尽管这两种方式都是极端的，可是它给我们提供了一种优化思路：使用一个较大的数组让元素可以均匀分布。在Map有两个会影响到其效率，一是容器的初始化大小、二是负载因子。

3.1、调整实现大小

         在哈希映射表中。内部数组中的每一个位置称作“存储桶”(bucket)。而可用的存储桶数（即内部数组的大小）称作容量 (capacity)，我们为了使Map对象可以有效地处理随意数的元素，将Map设计成可以调整自身的大小。

我们知道当Map中的元素达到一定量的时候就会调整容器自身的大小，可是这个调整大小的过程其开销是很大的。

调整大小须要将原来全部的元素插入到新数组中。我们知道index = hash(key) % length。

这样可能会导致原先冲突的键不在冲突。不冲突的键如今冲突的。又一次计算、调整、插入的过程开销是很大的，效率也比較低下。

所以，假设我们開始知道Map的预期大小值，将Map调整的足够大，则可以大大减少甚至不须要又一次调整大小，这很有可能会提快速度。

以下是HashMap调整容器大小的过程，通过以下的代码我们可以看到其扩容过程的复杂性：

void resize(int newCapacity) {
            Entry[] oldTable = table;    //原始容器
            int oldCapacity = oldTable.length;    //原始容器大小
            if (oldCapacity == MAXIMUM_CAPACITY) {     //是否超过最大值：1073741824
                threshold = Integer.MAX_VALUE;
                return;
            }

            //新的数组：大小为 oldCapacity * 2
            Entry[] newTable = new Entry[newCapacity];    
            transfer(newTable, initHashSeedAsNeeded(newCapacity));
            table = newTable;
           /*
            * 又一次计算阀值 =  newCapacity * loadFactor >  MAXIMUM_CAPACITY + 1 ? 
            *                         newCapacity * loadFactor :MAXIMUM_CAPACITY + 1
            */
            threshold = (int)Math.min(newCapacity * loadFactor, MAXIMUM_CAPACITY + 1);   
        }
        
        //将元素插入到新数组中
        void transfer(Entry[] newTable, boolean rehash) {
            int newCapacity = newTable.length;
            for (Entry<K,V> e : table) {
                while(null != e) {
                    Entry<K,V> next = e.next;
                    if (rehash) {
                        e.hash = null == e.key ? 0 : hash(e.key);
                    }
                    int i = indexFor(e.hash, newCapacity);
                    e.next = newTable[i];
                    newTable[i] = e;
                    e = next;
                }
            }
        }

3.2、负载因子

         为了确认何时须要调整Map容器，Map使用了一个额外的參数而且粗略计算存储容器的密度。在Map调整大小之前，使用”负载因子”来指示Map将会承担的“负载量”，也就是它的负载程度，当容器中元素的数量达到了这个“负载量”，则Map将会进行扩容操作。负载因子、容量、Map大小之间的关系例如以下：负载因子 * 容量 > map大小  —–>调整Map大小。

         比如：假设负载因子大小为0.75（HashMap的默认值），默认容量为11，则 11 * 0.75 = 8.25 = 8。所以当我们容器中插入第八个元素的时候，Map就会调整大小。

        负载因子本身就是在控件和时间之间的折衷。当我使用较小的负载因子时。尽管减少了冲突的可能性。使得单个链表的长度减小了，加快了訪问和更新的速度。可是它占用了很多其他的控件。使得数组中的大部分控件没有得到利用，元素分布比較稀疏，同一时候因为Map频繁的调整大小。可能会减少性能。

可是假设负载因子过大，会使得元素分布比較紧凑，导致产生冲突的可能性加大，从而訪问、更新速度较慢。所以我们一般推荐不更改负载因子的值，採用默认值0.75.

最后

        推荐阅读：

        java提高篇（二三）—–HashMap

        java提高篇（二五）—–HashTable

        Java提高篇（二六）—–hashCode

        Java提高篇（二七）—–TreeMap

—–原文出自:http://cmsblogs.com/?p=1212,请尊重作者辛勤劳动成果,转载说明出处.

—–个人网站:http://cmsblogs.com