public V put(K key, V value) {(key == null )return putForNullKey(value);int hash = hash(key);int i = indexFor(hash, table. length);for (Entry<K,V> e = table [i]; e != null; e = e.next) {Object k;if (e.hash == hash && ((k = e.key) == key || key.equals(k))) {V oldValue = e. value;e. value = value;e.recordAccess( this);return oldValue;}}modCount++;// 拆出去的方法，利于子类的自定义实现addEntry(hash, key, value, i);return null ;}void addEntry( int hash, K key, V value, int bucketIndex) {if ((size >= threshold ) && (null != table[bucketIndex])) {// 扩大2倍resize(2 * table. length);hash = ( null != key) ? hash(key) : 0;bucketIndex = indexFor(hash, table.length);}createEntry(hash, key, value, bucketIndex);}public V get(Object key) {if (key == null )return getForNullKey();Entry<K,V> entry = getEntry(key); }final Entry<K,V> getEntry(Object key) {int hash = (key == null) ? 0 : hash(key);for (Entry<K,V> e = table [indexFor(hash, table.length )];e != null;e = e. next) {Object k;if (e.hash == hash &&((k = e. key) == key || (key != null && key.equals(k))))return e;}return null ;}
一些理解：
1，从上面的代码看map的结构基本相同，我们会注意到，服务器空间，如果在插入数据的时候，网站空间，这些数据平均的分配到数组上，也就是说没有产生链表的数据结构，那么在取得这个数据是通过地址查询的，如果出现最坏的情况，那就是大多或所有的数据的hashcode都相同，导致所有的数据都存在某个数组下标下的链表结构上，那么这个链表会变得很大，如此每次查询最坏的是遍历查询，也就失去的map的意义。
所以在操作的时候，链表中的元素越多，效率越低，因为要不停的对链表循环比较。所以，一定要哈希均匀分布，尽量减少哈希冲突，减少了哈希冲突，就减少了链表循环，就提高了效率。
这个问题就肯呢过会引起：Hash Collision DoS
的描述:
无论你用JSP，PHP，Python，Ruby来写后台网页的时候，在处理HTTP POST数据的时候，美国服务器，你的后台程序可以很容易地以访问表单字段名来访问表单值，就像下面这段程序一样：
1
2
$usrname = $_POST[‘username’];
$passwd = $_POST[‘password’];
这是怎么实现的呢？这后面的东西就是Hash Map啊，所以，我可以给你后台提交一个有10K字段的表单，这些字段名都被我精心地设计过，他们全是HashCollision，于是你的Web Server或语言处理这个表单的时候，就会建造这个hash map，于是在每插入一个表单字段的时候，都会先遍历一遍你所有已插入的字段，于是你的服务器的CPU一下就100%了，你会觉得这10K没什么，那么我就发很多个的请求，你的服务器一下就不行了。
举个例子，你可能更容易理解：
如果你有n个值—— v1, v2, v3, … vn，把他们放到hash表中应该是足够散列的，这样性能才高：
0 -> v21 -> v42 -> v1……n -> v(x)
但是，这个攻击可以让我造出N个值—— dos1, dos2, …., dosn，他们的hash key都是一样的（也就是Hash Collision），导致你的hash表成了下面这个样子：
0 – > dos1 -> dos2 -> dos3 -> …. ->dosn1 -> null2 -> null……n -> null
于是，单向链接就这样出现了。这样一来，O(1)的搜索算法复杂度就成了O(n)，而插入N个数据的算法复杂度就成了O(n^2)，你想想这是什么样的性能。
2，还注意到，map中的数组是有长度的，当放入的数据足够多，就是满足了
HashMap 的 size>=threshold
而这两个方法是很耗时，因为他们要对每一个数据重新计算hashcode，重新计算在数组中的位置。
关于LinkedHashMap：
有时候在实现业务的时候我们需要一个有序的Map，可能会想到LinkedHashMap
事实上 它继承了HashMap，自己维护了一个双向链表，以保存数据的顺序。
看一下他的增加数据的方法：
人的一辈子唯一做的就是，不断地用你手中
