一、Map
1.1 Map和Collection
- map是将键映射到值得对象，一个映射不能包含重复的键，每个键最多只能映射到一个值
- map储存的元素是成对出现的，键唯一，值可以重复
- Collection储存的元素是单独出现的，Set不可以重复，List可以重复
1.2 常用的一些功能
二、散列表的介绍
- 链表和数组都可以按照人们的意愿来排列元素的次序，他们可以说是有序的(存储的顺序和取出的顺序是一致的），但想要获取某个元素就要遍历整个线性表，浪费大量时间
- 散列表：不在意元素的顺序，能够快速的查找元素的数据
2.1 什么是散列表
在Java中，散列表由数组和链表组成。它的工作原理是为每个对象计算出一个散列码，将整个散列码与桶的数量作求余操作（或者hash&（n-1）），这个计算出的整数就是对象在散列表中的位置。
哈希表还有一个重要的属性: 负载因子(load factor)，它用来衡量哈希表的 空/满 程度，一定程度上也可以体现查询的效率，计算公式为:
负载因子 = 总键值对数 / 箱子个数
负载因子越大，意味着哈希表越满，越容易导致冲突，性能也就越低。因此，一般来说，当负载因子大于某个常数(可能是 1，或者 0.75 等)时，哈希表将自动扩容。
哈希表在自动扩容时，一般会创建两倍于原来个数的箱子，因此即使 key 的哈希值不变，对箱子个数取余的结果也会发生改变，因此所有键值对的存放位置都有可能发生改变，这个过程也称为重哈希(rehash)。
哈希表的扩容并不总是能够有效解决负载因子过大的问题。假设所有 key 的哈希值都一样，那么即使扩容以后他们的位置也不会变化。虽然负载因子会降低，但实际存储在每个箱子中的链表长度并不发生改变，因此也就不能提高哈希表的查询性能。
2.2 散列冲突
有时候两个不同的对象计算出相同的hashCode，就储存在同一个桶上，这就是散列冲突。此时需要用该对象和桶上的对象进行比较。如果存在，不添加，不存在，添加。（JDK1.8中，桶的容量变成8时，会从链表变成红黑树）
如果散列表太满了，就需要对散列表再散列。创建一个新的桶，将原来的数据插入到新的桶中
装填因子（load factor）决定了什么时候扩容。负载因子越大，意味着哈希表越满，越容易导致冲突，链表变长，查询效率降低，性能也就越低。因此，一般来说，当负载因子大于某个常数(可能是 1，或者 0.75 等)时，哈希表将自动进行2倍扩容。负载因子越小，冲突发生的可能性小，但是导致散列表的稀疏程度越大，造成了空间的浪费。
三、什么是红黑树
利用二叉查找树的特性，可以快速查找到某个元素。但是如果数据是按升序或降序排列的，这是树就变成了链表。
红黑树是一种平衡树，它可以保证二叉树的均衡结构
只有遵循这些约束的才叫红黑树（背这个貌似没啥用）：
- 红黑树是二叉搜索树。
- 根节点是黑色。
- 每个叶子节点都是黑色的空节点（NIL节点）。
- 每个红色节点的两个子节点都是黑色。(从每个叶子到根的所有路径上不能有两个连续的红色节点)
- 从任一节点到其每个叶子的所有路径都包含相同数目的黑色节点(每一条树链上的黑色节点数量（称之为“黑高”）必须相等)。
3.1 由2-3树到红黑树
如果从代码角度去理解红黑树的旋转和变色，那么会有助于增加我们对红黑树的恐惧
构建过程：
- 合并2-节点使其变成3-节点，继续扩充3-节点，将其变成4-节点
- 从下到上，分解4-节点为3-节点...直至不能再分
- （根据此过程可以快速将画出2-3树，然后修改成红黑树）
由2-3树脑补的红黑树的颜色表示：每个节点只有一条链接指向自己（从父节点到自己），将链接的颜色保存在表示节点的Node数据类型的boolean变量color中，若为true，说明这个节点是红色的
红黑树参考资料：
- https://blog.csdn.net/chen_zhang_yu/article/details/52415077
- https://riteme.github.io/blog/2016-3-12/2-3-tree-and-red-black-tree.html#fn:red-is-left
- http://www.sohu.com/a/201923614_466939
- https://www.jianshu.com/p/37c845a5add6
- https://www.cnblogs.com/nullzx/p/6111175.html
- https://blog.csdn.net/fei33423/article/details/79132930
