散列表介绍：
数组和链表都可以是有序的（即存储顺序与取出顺序一致），但这样是有代价的，需要遍历才可以寻找某一特定元素；
而还有另外的一些存储结构：不在意元素的顺序，能够快速的查找元素的数据
其中就有一种非常常见的：散列表
2.1散列表工作原理
散列表为每个对象计算出一个整数，称为散列码。根据这些计算出来的整数(散列码)保存在对应的位置上！
在Java中，散列表用的是链表数组实现的，每个列表称之为桶。
一个桶上可能会遇到被占用的情况(hashCode散列码相同，就存储在同一个位置上)，这种情况是无法避免的，这种现象称之为：散列冲突
- 此时需要用该对象与桶上的对象进行比较，看看该对象是否存在桶子上了~如果存在，就不添加了，如果不存在则添加到桶子上
- 当然了，如果hashcode函数设计得足够好，桶的数目也足够，这种比较是很少的~
- 在JDK1.8中，桶满时会从链表变成平衡二叉树
如果散列表太满，是需要对散列表再散列，创建一个桶数更多的散列表，并将原有的元素插入到新表中，丢弃原来的表~
- 装填因子(load factor)决定了何时对散列表再散列~
- 装填因子默认为0.75，如果表中超过了75%的位置已经填入了元素，那么这个表就会用双倍的桶数自动进行再散列
平衡树：满足平衡条件的树；
AVL树，带有平衡条件的二叉排序树（平衡条件：每个节点的左子树和右子树的高度最多差 1）；
红黑树：
在2-3树的理论基础上发明了红黑树(2-3-4树也是同样的道理，只是2-3树是最简单的一种情况，所以我就不说2-3-4树了)。
红黑树是对2-3查找树的改进，它能用一种统一的方式完成所有变换。
红黑树用的是也是两种方式来替代2-3树不断的节点交换操作：
- 旋转：顺时针旋转和逆时针旋转
- 反色：交换红黑的颜色
- 这个两个实现比2-3树交换的节点(合并，分解)要方便一些
红黑树为了保持平衡，还有制定一些约束，遵守这些约束的才能叫做红黑树：
- 红黑树是二叉搜索树。
- 根节点是黑色。
- 每个叶子节点都是黑色的空节点（NIL节点）。
- 每个红色节点的两个子节点都是黑色。(从每个叶子到根的所有路径上不能有两个连续的红色节点)
- 从任一节点到其每个叶子的所有路径都包含相同数目的黑色节点(每一条树链上的黑色节点数量（称之为“黑高”）必须相等)。
-
HashMap剖析
我们知道Hash存储的底层是散列表，而在Java中散列表的实现是通过数组+链表的~我
-
我们可以简单总结出HashMap：
- 无序，允许为null，非同步
- 底层由散列表(哈希表)实现
- 初始容量和装载因子对HashMap影响挺大的，设置小了不好，设置大了也不好
- 根据hash值确定key在数组中的索引：
-
我们是根据key的哈希值来保存在散列表中的，我们表默认的初始容量是16，要放到散列表中，就是0-15的位置上。也就是
tab[i = (n - 1) & hash]。可以发现的是：在做&运算的时候，仅仅是后4位有效~那如果我们key的哈希值高位变化很大，低位变化很小。直接拿过去做&运算，这就会导致计算出来的Hash值相同的很多。而设计者将key的哈希值的高位也做了运算(与高16位做异或运算，使得在做&运算时，此时的低位实际上是高位与低位的结合)，这就增加了随机性，减少了碰撞冲突的可能性！
- put方法可以说是HashMap的核心，我们来看看：
