哈希表是一种以键值key存储数据value的结构，以key作为标识值存储value值；只要输入待查找的key，即可获取其对应的value值
思路很简单，所有的key的hashcode值都是整数，那么就可以使用一个简单的数组来实现：将key作为索引，存储的数据就是value，这样就可以达到通过key快速访问任意value值的目的哈希表提供了一组key-value键值对的存取操作，其中存储的每个数据对象都有一个相应的key，键key决定了值value存储的位置
键必须唯一，不允许重复，每个key只能映射一个value
hash冲突，由于映射的范围限制，key取值的可能性大于映射范围，出现两个不同的key映射到同一个位置
Map****接口
定义map对象时建议指定key和value对应的类型，key和value要求必须时复杂类型，不能采用int之类的简单类型，map接口中有一个内部接口Entry，每个Entry对象用于封装一对key/value，value允许修改，但是key不允许修改。另外Entry接口中通过静态方法提供了一组比较器的默认实现，用于规范其中存放数据的规则。map中所有存储的数据都将封装为Entry对象，一个key/value对对应一个Entry对象
public interface Map<K,V>{ } interface Entry<K, V> { K getKey(); V getValue(); V setValue(V value); }Map接口中的常见方法
Object put(Object key, Object value)用于存储一个键值对，如果出现key值冲突，则后盖前；允许
key和value为null，但是key值只能有一个null，value没有null的个数限制
int size()获取集合中元素Entry的个数
Object remove(Object key)根据key值移除对应的key-value键值对，并且返回删除的value值
Object get(Object key)按照key值获取对应的value值，如果key值不存在则返回null
boolean containsKey(Object key)判断map中是否存在某个特定的key值
boolean containsValue(Object value)判断map中是否存在某个特定的value值
void clear() 清空当前map中的所有元素
Set keySet()返回所有key所组成的Set集合，然后就可以通过key值获取对应的 value值
Collection values()获取所有value值所构成的Collection集合
Set entrySet()返回map中所存储的所有entry对象，一个 entry中保存一个key/value键值对
forEach和lambda表达式实现map输出
遍历访问
依赖key值进行遍历
Set<String> keys=map.keySet();//获取map中所有的key所组成的Set集合 Iterator<String> it=keys.iterator(); while(it.hasNext()){ String key=it.next(); Integer value=map.get(key); //根据key获取key所对应的value值 }直接遍历所有的value值
//没有直接提供方法根据value获取对应的key，因为value值 没有唯一性的约束 Collection<Integer> values=map.values(); values.forEach(System.out::println);获取所有的entry，存储在map中的键值对都是封装为Entry对象，一个key-value对对应一个entry对象
Set<Entry<String,Integer>> sets=map.entrySet(); for(Entry<String,Integer> tmp:sets){ String key=tmp.getKey(); //获取一个key-value中的key值 Integer value=tmp.getValue(); //获取一个key-value中的value值 }Map****的实现类
常见的实现类HashMap、TreeMap、LinkedHashMap、Hashtable等
HashMap
HashMap是Map接口的实现类
如果不指定泛型，则默认key-value的类型都是Object
class HashMap<K,V> extends AbstractMap<K,V> implements Map<K,V>,Cloneable, Serializable{ @Override public Set<Entry<K, V>> entrySet() { // TODO Auto-generated method stub return null; } }静态内部类Node用于实现了Entry接口，HashMap中存储的key-value对的数据被封装为Node对象，其中key就是存放的键值，用于决定具体的存放位置【桶的位置】；value就是具体存放的数据；hash就是当前Node对象的hash值缓存；next用于指向下一个Node节点【单向链表】
static class Node<K,V> implements Map.Entry<K,V> { int hash; K key; V value; Node<K,V> next; @Override public K getKey() { // TODO Auto-generated method stub return null; } @Override public V getValue() { // TODO Auto-generated method stub return null; } @Override public V setValue(V value) { // TODO Auto-generated method stub return null; } }构造器
无参构造器
public HashMap() { this.loadFactor = DEFAULT_LOAD_FACTOR; }构建一个空的HashMap，默认使用初始化容积值16，默认负载因子值为0.75。当前Map集合中允许存放的元素个数为【初始化容积值*负载因子】,16*0.75=12,当集合中存放的key-value个数超过12时，会自动进行扩容处理
HashMap****的存储结构
具体存放数据采用的是Node[]数组，每个数组中的元素称为一个桶bucket，一个桶对应一个hash映射的值，例如0、1等，可能会出现不同的key，但是映射位置相同，例如16和32映射的位置都是0【hash%16】，所以这里采用单向链表存储hash映射值相同的所有数据。为了避免一个单向链过长的问题，所以JDK1.8引入了红黑树，当一个链表上的元素个数大于8时，会自动将链表(O(n))转换为红黑树，以提高检索效率(O(logN));当删除节点使某个红黑树上的节点个数小于阈值(6)时会自动将红黑树转换为单向链表
Java开发的就业市场正在经历结构性调整，竞争日益激烈
传统纯业务开发岗位（如仅完成增删改查业务的后端工程师）的需求，特别是入门级岗位，正显著萎缩。随着企业技术需求升级，市场对Java人才的要求已从通用技能转向了更深入的领域经验（如云原生、微服务）或前沿的AI集成能力。这也导致岗位竞争加剧，在一、二线城市，求职者不仅面临技术内卷，还需应对学历与项目经验的高门槛。
大模型为核心的AI领域正展现出前所未有的就业热度与人才红利
2025年，AI相关新发岗位数量同比激增543%，单月增幅最高超过11倍，大模型算法工程师位居热门岗位前列。行业顶尖人才的供需严重失衡，议价能力极强，跳槽薪资涨幅可达30%-50%。值得注意的是，市场并非单纯青睐算法研究员，而是急需能将大模型能力落地于复杂业务系统的工程人才。这使得具备企业级架构思维和复杂系统整合经验的Java工程师，在向“Java+大模型”复合人才转型时拥有独特优势，成为企业竞相争夺的对象，其薪资天花板也远高于传统Java岗位。
说真的，这两年看着身边一个个搞Java、C++、前端、数据、架构的开始卷大模型，挺唏嘘的。大家最开始都是写接口、搞Spring Boot、连数据库、配Redis，稳稳当当过日子。
结果GPT、DeepSeek火了之后，整条线上的人都开始有点慌了，大家都在想：“我是不是要学大模型，不然这饭碗还能保多久？”
先给出最直接的答案：一定要把现有的技术和大模型结合起来，而不是抛弃你们现有技术！掌握AI能力的Java工程师比纯Java岗要吃香的多。
即使现在裁员、降薪、团队解散的比比皆是……但后续的趋势一定是AI应用落地！大模型方向才是实现职业升级、提升薪资待遇的绝佳机遇！
如何学习AGI大模型？
作为一名热心肠的互联网老兵，我决定把宝贵的AI知识分享给大家。 至于能学习到多少就看你的学习毅力和能力了 。我已将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。
因篇幅有限，仅展示部分资料，需要点击下方链接即可前往获取
2025最新版CSDN大礼包：《AGI大模型学习资源包》免费分享**
一、2025最新大模型学习路线
一个明确的学习路线可以帮助新人了解从哪里开始，按照什么顺序学习，以及需要掌握哪些知识点。大模型领域涉及的知识点非常广泛，没有明确的学习路线可能会导致新人感到迷茫，不知道应该专注于哪些内容。
我们把学习路线分成L1到L4四个阶段，一步步带你从入门到进阶，从理论到实战。
L1级别:AI大模型时代的华丽登场
L1阶段：我们会去了解大模型的基础知识，以及大模型在各个行业的应用和分析；学习理解大模型的核心原理，关键技术，以及大模型应用场景；通过理论原理结合多个项目实战，从提示工程基础到提示工程进阶，掌握Prompt提示工程。
L2级别：AI大模型RAG应用开发工程
L2阶段是我们的AI大模型RAG应用开发工程，我们会去学习RAG检索增强生成：包括Naive RAG、Advanced-RAG以及RAG性能评估，还有GraphRAG在内的多个RAG热门项目的分析。
L3级别：大模型Agent应用架构进阶实践
L3阶段：大模型Agent应用架构进阶实现，我们会去学习LangChain、 LIamaIndex框架，也会学习到AutoGPT、 MetaGPT等多Agent系统，打造我们自己的Agent智能体；同时还可以学习到包括Coze、Dify在内的可视化工具的使用。
L4级别：大模型微调与私有化部署
L4阶段：大模型的微调和私有化部署，我们会更加深入的探讨Transformer架构，学习大模型的微调技术，利用DeepSpeed、Lamam Factory等工具快速进行模型微调；并通过Ollama、vLLM等推理部署框架，实现模型的快速部署。
整个大模型学习路线L1主要是对大模型的理论基础、生态以及提示词他的一个学习掌握；而L3 L4更多的是通过项目实战来掌握大模型的应用开发，针对以上大模型的学习路线我们也整理了对应的学习视频教程，和配套的学习资料。
二、大模型经典PDF书籍
书籍和学习文档资料是学习大模型过程中必不可少的，我们精选了一系列深入探讨大模型技术的书籍和学习文档，它们由领域内的顶尖专家撰写，内容全面、深入、详尽，为你学习大模型提供坚实的理论基础。（书籍含电子版PDF）
三、大模型视频教程
对于很多自学或者没有基础的同学来说，书籍这些纯文字类的学习教材会觉得比较晦涩难以理解，因此，我们提供了丰富的大模型视频教程，以动态、形象的方式展示技术概念，帮助你更快、更轻松地掌握核心知识。
四、大模型项目实战
学以致用，当你的理论知识积累到一定程度，就需要通过项目实战，在实际操作中检验和巩固你所学到的知识，同时为你找工作和职业发展打下坚实的基础。
五、大模型面试题
面试不仅是技术的较量，更需要充分的准备。
在你已经掌握了大模型技术之后，就需要开始准备面试，我们将提供精心整理的大模型面试题库，涵盖当前面试中可能遇到的各种技术问题，让你在面试中游刃有余。
因篇幅有限，仅展示部分资料，需要点击下方链接即可前往获取
2025最新版CSDN大礼包：《AGI大模型学习资源包》免费分享
