线性探测在ThreadLocalMap.set()中仅当计算出的槽位非空且key不匹配时触发，通过for循环调用nextIndex(i, len)（即(i+1)%len）逐个探测后续位置，直至遇到null槽位或匹配key；探测中同步清理stale entry并可能触发rehash。
ThreadLocalMap.set() 中的线性探测是怎么触发的
当调用 ThreadLocal.set() 时，最终会走到 ThreadLocalMap.set(ThreadLocal> key, Object value)。线性探测不是默认行为，它只在「计算出的槽位已被占用，且 key 不匹配」时才启动。
关键判断逻辑是：for (Entry e = tab[i]; e != null; e = tab[i = nextIndex(i, len)]) —— 这个 for 循环就是线性探测的本体。每次循环都把索引 i 推进到下一个位置（nextIndex(i, len)），直到遇到空槽（e == null）或找到匹配的 key。
- 初始索引
i = key.threadLocalHashCode & (len - 1)，这是位运算哈希，保证落在[0, len-1]范围内 - 只要
tab[i]非空，就进入循环；第一次不探测，从第二次开始才是“探测” -
nextIndex(i, len)实际就是(i + 1) % len，即简单加一、到尾回绕
探测过程中遇到 key == null 的 Entry 怎么办
线性探测不只是找空位，还会顺手清理「过时条目（stale entry）」—— 即 Entry 的 get() 返回 null（因为 ThreadLocal 被 GC 回收，弱引用失效），但 value 还强引用着。
此时不会跳过，而是调用 expungeStaleEntry(i)：清空该槽位，并把后续连续非空槽中 key 为 null 的 Entry 全部清理，同时把还能用的 Entry 按新哈希值「重哈希」挪到更靠近其理想位置的地方。
统一邮件管理技能，用于读取、发送、回复、转发邮件及管理草稿箱和文件夹。用户提及「读邮件」「发邮件」「回复」「草稿箱」「未读邮件」「收件箱」「邮箱」等邮件相关操作时使用此技能。基于 Python 脚本操作任意 IMAP/SMTP 邮箱。
- 这步清理不是可选优化，是防止内存泄漏的关键动作
- 清理后，当前待插入的
key-value会尝试插到刚腾出的位置，而不是继续往后找 - 如果清理后发现已有相同
key的 Entry（比如被重哈希挪过来的），就直接覆盖value
为什么不用链地址法而坚持线性探测
ThreadLocalMap 不是通用 Map，它的设计目标非常明确：每个线程最多存几十个 ThreadLocal，且读多写少、生命周期与线程绑定。线性探测在这种场景下比链地址法更轻量：
- 没有额外对象开销（不需要 Node 节点、next 指针）
- 数组局部性好，CPU 缓存友好；探测路径短，平均查找成本低
- 避免了 HashMap 中树化/退化等复杂逻辑，代码更可控
- 配合弱引用 key 和自动 stale 清理，能较好平衡内存安全与性能
但代价是：扩容成本高（必须 rehash 整个 table），且对哈希分布更敏感——所以用了魔数 0x61c88647 来生成均匀的 threadLocalHashCode。
实际调试时怎么观察线性探测过程
可以在 ThreadLocalMap.set() 方法里加断点，重点关注三处变量变化：i（当前索引）、e（当前 Entry）、tab[i]（对应槽位内容）。手动构造哈希冲突最简单的方式是复用同一个 ThreadLocal 实例多次 set（不会触发探测），或者用反射修改不同 ThreadLocal 的 threadLocalHashCode，强制它们落在同一槽位。
- 注意：JDK 9+ 后
threadLocalHashCode是final，反射需用Unsafe或降级到 JDK 8 测试 - 探测步数超过阈值（
len / 2）通常意味着 table 太小或哈希严重不均，这时会先触发resize() - 不要依赖探测步数做性能假设——真实业务中绝大多数 set 操作都在第一步命中空槽或匹配 key
线性探测本身不难理解，难的是它和弱引用、stale 清理、rehash 扩容这几件事缠在一起执行；漏掉任意一环，都可能让内存泄漏在压测后期突然爆发。
