當通過put方法存入物件時，會呼叫key物件的hashcode()方法計算出hashcode，通過hashcode找到bucket位置儲存entry物件。獲取物件時，通過key計算出hashcode，找到bucket位置，hashmap採用鍊錶解決碰撞，因此遇到衝突時，就訪問bucket位置上鍊表的每個點，直到key物件的equals()相等。
jdk1.8後，當鍊表長度大於8，後面的資料存入紅黑樹
【題目】 設計一種結構，在該結構中有如下三個功能：
insert(key)：將某個key加入到該結構，做到不重複加入。
delete(key)：將原本在結構中的某個key移除。 getrandom()：
等概率隨機返回結構中的任何乙個key。
【要求】 insert、delete和getrandom方法的時間複雜度都是
o(1)
做法：insert和getrandom：
mapmap1 ，mapmap2 。當第乙個插入o1，就在map1.add(o1,1)，map2.add(1,o1)。 當希望進行get時，通過數字進行random，得到的就是等概率的。
delete：
刪掉後存在洞，這些洞影響效能，無法保證o( 1 )。 做法：拿最好乙個值和洞進行交換，size – 。
有失誤率，寧可錯殺三千不可放過乙個。
現在有100億個黑名單，設定k個雜湊函式，對於每個黑名單上的url，分別對k個雜湊函式進行計算，得到的hashcode % m （m就是布隆過濾器的大小），對這個位置置1，這樣乙個url會對k個位置進行置1。
當需要檢驗乙個url在不在黑名單上時，分別對k個雜湊函式進行計算，得到的每個位置假設全部位1，那麼就認為它在黑名單上，否則，認為不在。
m = n * lnp / (ln2)^2； m是布隆過濾器的大小（開的bit陣列），p是預期失誤率
k = ln2 * m/n ; 雜湊函式的個數。
**：需求： 有多台後端伺服器，希望進行負載均衡。舉個例子：現在有3臺伺服器，那麼讀取的請求會均衡的負載在三颱伺服器上。
錯誤做法：一種做法是對請求進行雜湊計算，計算結果對伺服器數量去模，例如3臺伺服器，取模結果為0,1,2。這種做法存在致命的缺點，當伺服器數量進行變化，模的底數變了，那麼雜湊計算出來的值就傳送了改變。那麼在實際中的體現是這樣的：使用者a的讀取個人資料請求一直交給01伺服器處理，現在請求被提交到了02伺服器，那麼就讀取到錯誤的資訊。
矯正資料：收集原來的請求雜湊值對應的伺服器，轉存到新的雜湊值計算的伺服器上。代價是非常大的。
一致性雜湊解決：對每台伺服器的ip位址（唯一標識）進行雜湊演算法，得到乙個值。 根據這個值可以在環上進行劃分區域，這樣每台伺服器掌管一段區間。 當請求發過來時，把請求通過雜湊函式進行計算，得到環上的乙個位置， 然後通過二分演算法找到離他最近的乙個伺服器的位置（超過容器大小，就從0開始），這個請求就交給了某台伺服器。
矯正資料：新增或減少伺服器時，矯正的代價只有乙個結點的資料搬運到另乙個結點的資料而已。
不過伺服器ip在環上的對映並不均衡。很容易對映成這種情況。
那麼解決方案就是：通過虛擬節點進行雜湊計算，使它們均勻的分布在環上。 請求和虛擬節點進行匹配。 虛擬節點和物理伺服器之間是多對一的關係。虛擬節點再發請求傳送到自己對應的伺服器上即可。
左神演算法講堂筆記 05 樹
非遞迴遍歷有點難，目前只能讀懂 裡面的精髓還未真正參透。先序遍歷 不斷地把根入棧，再取出來輸出 根左右，那麼先入棧的肯定是根，要保證輸出左子樹，再輸出右子樹，那麼就要先入棧右子樹。void preorderunrecur node head if node.left null 中序遍歷 必須左子樹走...
左神演算法筆記01
對數器異或工具 一些其它的位運算子的操作 簡單理解為 將乙個演算法的所有操作拆成基本操作 常數時間完成的操作 後,計算出操作次數和操作時間 可視為1 的乘積,即操作次數之和。在考慮最差情況時用o 來表示時間複雜度,取最高項來表示。如o n o logn 對n個數進行排列,則最差要進行1 2 3 n ...
左神演算法筆記03
可以是函式遞迴,也可以是迴圈實現。將大的陣列對半分為兩個陣列,每個陣列排好序後再合併為大的陣列。如果使用迴圈實現,要提防整形溢位 應用 最小和問題,若陣列的左邊的乙個數比右邊的某乙個數小,在返回結果加上自身的大小 public static intprocess int arr,int l,int ...