集合
同一类对象组合在一起，我可以称之为集合，通常在我们处理返回值的时候，可能需要返回一系列字符或字符串，这个时候需要集合来封装，也就是我们常见的JSON串，我们将新数据之间插入到队伍尾部，觉得没什么不妥，但是当我们想插入某条数据到指定位置，删除某条数据，或者是直接访问某条数据时就很容易联想到最基本的数据结构，数组和链表。
数组
一串连续的地址，而且大小是固定的。
优点：访问地址时可以通过下标直接访问
缺点：长度不可变，容易出现浪费或者不够用的情况。插入数据时，如果不是末尾，则需要移动插入位置之后的所有地址。
链表（单向）
有内容项和节点组成的结构体。
优点：插入数据时只需要修改节点，长度可变。
缺点，访问节点时需要遍历，不能直接访问下标。
结合以上所有优点
一块磁盘，当时空磁盘时，你存储可以从头开始，但是当你存储了1T时，你还需要从头开始遍历找到最后一个位置吗？显然有点浪费时间，而且磁盘位置那么多，为什么要排排坐的存储呢？于是我们设计成了“随机”存储，即磁盘有空位就存，但是这个随机，又不能覆盖已经存储过的位置，于是我们希望通过一个算法，带入一个值，如果这个算法算出来这个位置没有被占用，就存进去，如果被占用了，就在它的后面继续查找，这样存储速度会大大增加。
pos=key%size 算法
一个磁盘，一个物理存储结构，一旦给到你，其实大小肯定是已知的，那么从我们入手这块存储空间的时候，就是已知大小的了，于是我们可以把它赋值给 size ，当你想存储某个数值的时候，我们需要进行计算，这里赋值给 key，我们取余之后算出一个位置进行存储。
举个例子，假设有10个节点要进行存储，用上述算法对100、402、301进行存储
第一步， 100%10=0
第二步，402%10=2
第三步，301%10=1
是不是很顺利，感觉瞬间就能掌握 Hash 原理了呢？然后没有那么简单，这个时候要插入90呢？
第五步，90%10=0，还是0，但是此时0已结被存储了100，那么90该放到哪里呢？
哈希冲突
通过 Hash 算法存值方式计算发现该地址已结存在了值，就发生了 Hash 冲突。我们在这里可以先将值存储在已结存在的节点之后，如果大小比较有问题，也就是如果新值比旧值小，则放在节点之前。
查找是否方便？
如果90和100这个节点一直被插入结果为0的节点，当我每次想对该节点进行大小比较时，是不是都要遍历一次，这个节点岂不是非常的臃肿？怎么办？
红黑树
如果我希望从根节点访问对任意一个叶子节点路径长度都比较类似，类似平衡的路径，这就是红黑树。
总结
- hashmap 的数据结构包括了初始数组、链表、红黑树；
- 插入数据的时候使用 pos= key % size 来进行插入数据；
- 当两个或者两个以上的key，且 key 不同 pos 相同时，发生冲突，就会挂在数组初始化位置的链表之后；
- 当某个节点出现过多的链表节点的时候，就会转换成红黑树以提高效率；