两个数组

• bucket数组：存储key的hash桶，桶指的是把hashcode分配到一定的范围内
• entry数组：用来存储实现的值，它是一个单向链表，bucket总是存储链表的最后一个元素

实现方式

通过哈希桶来实现的k/v存储，通过key的hash码，再进行桶计算，生成一个在某个范围内的值，这就是桶的索引号，再把值存储到桶对应的entry里，桶bucket存储了entry的索引号，通过一个bucket可以直接或者间接找到一个entry.

1. 直接找到：当hash没有冲突时，它存储的就是真实的entry索引
2. 间接找到：当hash出现冲突(碰撞)时，它就会把当前最后的索引赋值这个新entry.next，而新的entry的索引就是现在的bucket的值。

实现流程图

graph LR key-->hashcode hashcode-->bucket桶运算 bucket桶运算-->得到bucket索引 得到bucket索引-->bucket值就是entry的索引 bucket值就是entry的索引-->x("↓")

graph LR bucket值就是entry的索引-->冲突解决 冲突解决-->单向链表next指向上一个值 单向链表next指向上一个值-->单身链表查找 单身链表查找-->返回结果

数组长度为素数

hash桶数全部使用的是质数，因为我们在hash的定义中，hash函数使用的是标准的求模函数，因此这样定义桶数有利于元素各个桶之间的均匀分布和减少hash相同值的碰撞概率。 例如：

举一个有点极端的例子，假设我们的元素全是偶数1,4,6,8,10,12,14,1,6,18,20,22如果我们使用4个桶：0: 4,8,12,16.201：2：6,10,14,18,223：很明显看出有的桶有很多元素，但是有的桶是空桶，如果我们改为使用3个桶：0:  6,12,181：4,10,16,222：2,8,14,20

模拟一个字典的实现

@Getter@Setterclass KVPair
    
      {  private K key;  private T value;  private int hashCode;  private int next; //下一个元素的下标索引，如果没有下一个就为-1}/** * 模拟实现一个字典kv结构. * * @param 
     
       */class MokiHashMap
      
        {  static int[] primes = {      3, 7, 11, 17, 23, 29, 37, 47, 59, 71, 89, 107, 131, 163, 197, 239, 293, 353, 431, 521, 631, 761, 919,      1103, 1327, 1597, 1931, 2333, 2801, 3371, 4049, 4861, 5839, 7013, 8419, 10103, 12143, 14591,      17519, 21023, 25229, 30293, 36353, 43627, 52361, 62851, 75431, 90523, 108631, 130363, 156437,      187751, 225307, 270371, 324449, 389357, 467237, 560689, 672827, 807403, 968897, 1162687, 1395263,      1674319, 2009191, 2411033, 2893249, 3471899, 4166287, 4999559, 5999471, 7199369};  // 桶数组  private int[] buckets;// 最新的entry的索引号，  // 真实的数据  private KVPair
       
        [] entry; // entry根据next形成一个单链表  private int count = 0;          // 当前entries的数量  public MokiHashMap() {    buckets = new int[3];    entry = new KVPair[3];    for (int i = 0; i < buckets.length; i++) {      buckets[i] = -1;    }  }  private void reSize() {    int newLength = getPrime(count);    int[] newBuckets = new int[newLength];    for (int i = 0; i < newBuckets.length; i++) {      newBuckets[i] = -1;    }    KVPair
        
         [] newEntries = new KVPair[newLength];    System.arraycopy(entry, 0, newEntries, 0, count);    System.arraycopy(buckets, 0, newBuckets, 0, count);    entry = newEntries;    buckets = newBuckets;  }  /**   * 得到某个key所在的hash桶   *   * @param key .   * @return   */  private int getHashBucketIndex(K key) {    int len = buckets.length;    int hashCode = key.hashCode();    int index = hashCode & (len - 1);//len升级的hash桶    return index;  }  /**   * 得到较大的素数.   *   * @param min .   * @return   */  private int getPrime(int min) {    if (min < 0) {      throw new IllegalArgumentException("最小为3");    }    for (int i = 0; i < primes.length; i++) {      int prime = primes[i];      if (prime > min) return prime;    }    return min;  }  public void add(K key, T value) {    if (count == entry.length) {      reSize();    }    int index = getHashBucketIndex(key);    int entryIndex = buckets[index];    entry[count] = new KVPair();    if (entryIndex < 0) {      entry[count].setNext(-1);    } else {      entry[count].setNext(buckets[index]);    }    entry[count].setHashCode(index);    entry[count].setKey(key);    entry[count].setValue(value);    buckets[index] = count;    count = count + 1;  }  public T find(K key) {    int entryIndex = buckets[getHashBucketIndex(key)];    while (entry[entryIndex].getNext() > -1) {      if (entry[entryIndex].getKey().equals(key)          && entry[entryIndex].getHashCode() == getHashBucketIndex(key)) {        return entry[entryIndex].getValue();      }      entryIndex = entry[entryIndex].getNext();    }    return null;  }}public class KVTest {  @Test  public void testDic() {    MokiHashMap
         
           dic = new MokiHashMap<>(); dic.add("ok", "1"); dic.add("zzl", "2"); dic.add("lr", "3"); dic.add("dd", "1"); dic.add("a", "b"); dic.add("b", "c"); dic.add("d", "e"); dic.add("e", "f"); System.out.println("dic find:" + dic.find("a")); }}