前幾天在一個群里看到有人討論hashmap中的加載因子為什么是默認0.75。
HashMap源碼中的加載因子
static final float DEFAULT_LOAD_FACTOR = 0.75f;
當時想到的是應該是“哈希沖突”和“空間利用率”矛盾的一個折衷。
跟數據結構要么查詢快要么插入快一個道理，hashmap就是一個插入慢、查詢快的數據結構。
加載因子是表示Hsah表中元素的填滿的程度。
加載因子越大,填滿的元素越多,空間利用率越高，但沖突的機會加大了。
反之,加載因子越小,填滿的元素越少,沖突的機會減小,但空間浪費多了。
沖突的機會越大,則查找的成本越高。反之,查找的成本越小。
因此,必須在 "沖突的機會"與"空間利用率"之間尋找一種平衡與折衷。
但是為什么一定是0.75？而不是0.8，0.6###
本着不嫌事大的精神繼續深挖，在此之前先簡單補充點本文需要的基礎知識：
1.沖突定義：假設哈希表的地址集為［0，ｎ），沖突是指由關鍵字得到的哈希地址為j（0<=j<=n-1）的位置上已經有記錄。在關鍵字得到的哈希地址上已經有記錄，那么就稱之為沖突
2.處理沖突：就是為該關鍵字的記錄扎到另一個“空”的哈希地址。即在處理哈希地址的沖突時，若得到的另一個哈希地址H1仍然發生沖突，則再求下一個地址H2，若H2仍然沖突，再求的H3，直至Hk不發生沖突為止，則Hk為記錄在表中的地址。
處理沖突的幾種方法：#
一、 開放定址法
Hi=(H(key) + di) MOD m i=1,2,...k(k<=m-1)其中H(key)為哈希函數；m為哈希表表長；di為增量序列。
開放定址法根據步長不同可以分為３種：
1）線性探查法(Linear Probing)：di=1,2,3,...,m-1
簡單地說就是以當前沖突位置為起點，步長為１循環查找，直到找到一個空的位置就把元素插進去，循環完了都找不到說明容器滿了。就像你去一條街上的店里吃飯，問了第一家被告知滿座，然后挨着一家家去問是否有位置一樣。
2）線性補償探測法：di=Ｑ 下一個位置滿足 Hi=(H(key) + Ｑ) mod m i=1,2,...k(k<=m-1) ，要求 Q 與 m 是互質的，以便能探測到哈希表中的所有單元。
繼續用上面的例子，現在你不是挨着一家家去問了，拿出計算器算了一下，然后隔Ｑ家問一次有沒有位置。
3）偽隨機探測再散列：di=偽隨機數序列。還是那個例子，這是完全根據心情去選一家店來問了
缺點：
- 這種方法建立起來的hash表當沖突多的時候數據容易堆聚在一起，這時候對查找不友好；
- 刪除結點不能簡單地將被刪結 點的空間置為空，否則將截斷在它之后填人散列表的同義詞結點的查找路徑。因此在 用開放地址法處理沖突的散列表上執行刪除操作，只能在被刪結點上做刪除標記，而不能真正刪除結點
- 當空間滿了，還要建立一個溢出表來存多出來的元素。
二、再哈希法
Hi = RHi（key），i=1,2,...k
RHi均是不同的哈希函數，即在同義詞產生地址沖突時計算另一個哈希函數地址，直到不發生沖突為止。這種方法不易產生聚集，但是增加了計算時間。
缺點：增加了計算時間。
三、建立一個公共溢出區
假設哈希函數的值域為[0,m-1]，則設向量HashTable[0...m-1]為基本表，每個分量存放一個記錄，另設立向量OverTable[0....v]為溢出表。所有關鍵字和基本表中關鍵字為同義詞的記錄，不管他們由哈希函數得到的哈希地址是什么，一旦發生沖突，都填入溢出表。
簡單地說就是搞個新表存沖突的元素。
四、鏈地址法（拉鏈法）
將所有關鍵字為同義詞的記錄存儲在同一線性鏈表中，也就是把沖突位置的元素構造成鏈表。
拉鏈法的優點:
- 拉鏈法處理沖突簡單，且無堆積現象，即非同義詞決不會發生沖突，因此平均查找長度較短；
- 由於拉鏈法中各鏈表上的結點空間是動態申請的，故它更適合於造表前無法確定表長的情況；
- 在用拉鏈法構造的散列表中，刪除結點的操作易於實現。只要簡單地刪去鏈表上相應的結點即可。
拉鏈法的缺點：
- 指針需要額外的空間，故當結點規模較小時，開放定址法較為節省空間，而若將節省的指針空間用來擴大散列表的規模，可使裝填因子變小，這又減少了開放定址法中的沖突，從而提高平均查找速度
Java中HashMap的數據結構#
HashMap實際上是一個“鏈表散列”的數據結構，即數組和鏈表的結合體。
看圖就可以知道Java中的hashMap使用了拉鏈法處理沖突。
HashMap有一個初始容量大小，默認是16
static final int DEFAULT_INITIAL_CAPACITY = 1 << 4; // aka 16
為了減少沖突的概率，當hashMap的數組長度到了一個臨界值就會觸發擴容，把所有元素rehash再放到擴容后的容器中，這是一個非常耗時的操作。
而這個臨界值由【加載因子】和當前容器的容量大小來確定：DEFAULT_INITIAL_CAPACITY*DEFAULT_LOAD_FACTOR ，即默認情況下是16x0.75=12時，就會觸發擴容操作。
所以使用hash容器時盡量預估自己的數據量來設置初始值。具體代碼實現自行去研究HashMap的源碼。
基礎知識補充完畢，回到正題，為什么加載因子要默認是0.75？
從hashmap源碼注釋里找到了這一段
Ideally, under random hashCodes, the frequency of
-
nodes in bins follows a Poisson distribution
-
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
注意wiki鏈接中的關鍵字：Poisson_distribution
泊淞分布啊
簡單翻譯一下就是在理想情況下,使用隨機哈希碼,節點出現的頻率在hash桶中遵循泊松分布，同時給出了桶中元素個數和概率的對照表。
從上面的表中可以看到當桶中元素到達8個的時候，概率已經變得非常小，也就是說用0.75作為加載因子，每個碰撞位置的鏈表長度超過８個是幾乎不可能的。
好了，再深挖就要挖到統計學那邊去了，就此打住，重申一下使用hash容器請盡量指定初始容量，且是2的冪次方。
關於泊淞分布的知識請看
http://www.ruanyifeng.com/blog/2015/06/poisson-distribution.html#comment-356111
作者：Eric新之助
鏈接：https://www.jianshu.com/p/dff8f4641814
來源：簡書
補充
為什么部位是1或者是0.5
首先說寫一下hash的額數據結構，jdk1.8以前是數組+鏈表，jdk1.8以后是數組+鏈表+紅黑色。
當負載因子是1.0的時候，也就意味着，只有當數組的8個值（這個圖表示了8個）全部填充了，才會發生擴容。這就帶來了很大的問題，因為Hash沖突時避免不了的。當負載因子是1.0的時候，意味着會出現大量的Hash的沖突，底層的紅黑樹變得異常復雜。對於查詢效率極其不利。這種情況就是犧牲了時間來保證空間的利用率。
負載因子是0.5的時候，這也就意味着，當數組中的元素達到了一半就開始擴容，既然填充的元素少了，Hash沖突也會減少，那么底層的鏈表長度或者是紅黑樹的高度就會降低。查詢效率就會增加。
負載因子是0.75的時候，空間利用率比較高，而且避免了相當多的Hash沖突，使得底層的鏈表或者是紅黑樹的高度比較低，提升了空間效率。
補充
1、書籍項目：
2：視頻教程：
程序員必讀Java書籍SpringBoot、Spring、Mybatis、Redis、RabbitMQ、SpringCloud、高並發
覺得不錯的小伙伴記得點贊和搜藏哦，后續會持續更新精選技術文章！