HashMap扩容在元素数量超过capacity×loadFactor(默认16×0.75=12)时触发,第13个元素插入即启动resize;新容量为原容量2倍且必为2的幂,以支持高效位运算定位,迁移时按hash高位分拆链表或红黑树,避免全量重哈希。

容量不足时自动扩容是 HashMap 性能波动的主要来源,损耗集中在内存分配、元素迁移和哈希重计算三方面。
扩容触发时机与阈值计算
HashMap 不是等数组填满才扩容,而是在元素数量超过 capacity × loadFactor 时立即触发。默认初始容量为 16,负载因子 0.75,因此第 13 个元素插入时就启动 resize()。这个阈值(threshold)在扩容后会同步更新为新容量 × 0.75。注意:阈值不是硬编码,而是随每次扩容动态调整。
扩容过程中的核心开销
一次扩容实际包含以下不可省略的步骤:
FilePond 是一个 JavaScript 文件上传库,支持通过拖拽、粘贴和 API 方式处理文件、目录、URL 和 Data URI。它包含内置的图像优化功能、异步分块上传功能,并提供了适用于 React、Vue、Angular 和 Svelte 的适配器。
- 申请一块两倍大小的新 Node 数组(如从 16 → 32,或从 1M → 2M),这一步直接消耗堆内存,且可能触发 GC
- 遍历旧数组每个桶(bucket),对非空位置的节点逐个处理
- 对每个节点重新计算在新数组中的下标:使用 hash & (newCap - 1),依赖容量为 2 的幂次方才能用位运算替代取模
- 链表节点需拆分为两个子链(lo 和 hi),红黑树节点则调用 split() 拆分,都不是简单复制
- 旧数组引用被置为 null,等待 GC 回收,但此时存在新旧数组共存的短暂窗口,内存占用翻倍
高频扩容带来的连锁影响
若初始容量设置过小(比如默认 16),而实际要存数千个元素,就会连续触发多次扩容:
立即学习“Java免费学习笔记(深入)”;
- 16 → 32 → 64 → 128 → 256 → 512 → 1024 → 2048……每次都要重哈希全部已有元素
- 假设插入 2000 个元素,约经历 7 次扩容,总迁移元素数 ≈ 16 + 32 + 64 + … + 1024 = 2032 个节点,远超实际数据量
- 多线程环境下,若未加锁,多个线程同时触发 resize() 可能导致链表成环,JDK8 虽修复了死循环,但仍存在数据丢失或覆盖风险
如何量化并降低扩容损耗
关键在初始化阶段干预:
- 预估元素总数 N,按公式 initialCapacity = (int) Math.ceil(N / 0.75) 计算理论最小容量,再向上取最近的 2 的幂(如 N=1000 → 1334 → 实际取 2048)
- 避免传入非 2 的幂数值(如 new HashMap(100)),HashMap 内部会调用 tableSizeFor(100) 自动转为 128,多一次计算
- 负载因子不宜盲目调低(如设为 0.5),虽减少冲突,但扩容更频繁、内存浪费更明显;除非明确以查询性能为绝对优先
- 对超大 HashMap(如百万级),可考虑分片或改用 ConcurrentHashMap,避免单次 resize 占用数百毫秒甚至秒级停顿

















