一、前言
本文由jdk1.8源码整理而得，附自制jdk1.8底层数据结构图，并截取部分源码加以说明结构关系。
二、jdk1.8 HashMap底层数据结构图
三、源码
1.散列表（Hash table，也叫哈希表）：
/**
* 表，第一次使用时初始化（而非实例化集合时进行初始化），并根据需要调整大小。当分配时，长度总是2的幂。(在某些操作中，我们还允许长度为零，以允许当前不需要的引导机制。）
*/
transient Node<K,V>[] table;
2.链表：
/**
* Basic hash bin node, used for most entries. (See below for
* TreeNode subclass, and in LinkedHashMap for its Entry subclass.)
*/
static class Node<K,V> implements Map.Entry<K,V> {
final int hash;
final K key;
V value;
Node<K,V> next;
……
}
3.红黑树：
/**
* Entry for Tree bins. Extends LinkedHashMap.Entry (which in turn
* extends Node) so can be used as extension of either regular or
* linked node.
*/
static final class TreeNode<K,V> extends LinkedHashMap.Entry<K,V> {
TreeNode<K,V> parent; // red-black tree links
TreeNode<K,V> left;
TreeNode<K,V> right;
TreeNode<K,V> prev; // needed to unlink next upon deletion
boolean red;
……
}
四、问题探究
1.散列表后面跟的“链表、红黑树”是怎么来的，都解决了哪些问题？
答：
①链表的由来：Hash碰撞：不同的元素通过hash算法可能会得到相同的hash值，如果都放同一个桶里，后面放进去的就会覆盖前面放的，所以为了解决hash碰撞时元素被覆盖的问题，就有了在桶里放链表。
②红黑树的由来：假设现在HashMap集合中大多数的元素都放到了同一个桶里（由hash值计算而得的桶的位置相同），那么这些元素就在这个桶后面连成了链表。现在需要查询某个元素，那么此时的查询效率就很慢了，它是在做链表查询（ O(N) 的查询效率）。为了解决这个问题，就引入了红黑树（ log(n) 的查询效率）：当链表到达一定长度时就在链表的后面创建红黑树。
③其实，“尽量避免hash 冲突，让元素较为均匀的放置到每个桶”才是查询效率最高的（ O(1) 的查询效率），这和hash算法的实现息息相关，这里不做深究。
2.如图可知，散列表后面跟的数据结构有可能是链表，也有可能是红黑树。散列表后面跟什么数据结构是怎么确定的？
答：
①链表节点转换成红黑树节点的阈值, 节点数 >= 8 就转：
static final int TREEIFY_THRESHOLD = 8;
②红黑树节点转换链表节点的阈值, 节点数 <= 6 就转:
static final int UNTREEIFY_THRESHOLD = 6;
③转红黑树时, table的最小长度：
static final int MIN_TREEIFY_CAPACITY = 64;