为什么在 ConcurrentHashMap 中使用 0.5 作为泊松分布的参数？答案

【问题标题】：Why use 0.5 as the parameter of Poisson distribution in ConcurrentHashMap?为什么在 ConcurrentHashMap 中使用 0.5 作为泊松分布的参数？
【发布时间】：2019-03-20 03:48:28
【问题描述】：

根据 ConcurrentHashMap 中的 java 文档：

 * Ideally, the frequency of nodes in bins follows a Poisson distribution
 * (http://en.wikipedia.org/wiki/Poisson_distribution) with a
 * parameter of about 0.5 on average, given the resizing threshold
 * of 0.75, although with a large variance because of resizing
 * granularity. Ignoring variance, the expected occurrences of
 * list size k are (exp(-0.5) * pow(0.5, k) / factorial(k)). The
 * first values are:

问题是：0.5这个参数是怎么来的？

【问题讨论】：

我没有这方面的资料，但我确实记得在某处读过它基本上是根据经验观察到的运行的猜测。我猜他们有一堆 CHM 的示例用例，他们认为这些用例很好地代表了“典型”使用，玩弄了一些数字，发现 0.5 似乎效果很好。
@yshavit 我想我明白了：看我的答案

标签： java concurrenthashmap

【解决方案1】：

我想我得到了 0.5 的原因：最大元素计数为0.75 * bin[].length，然后将调整 bin 的大小。因此假设元素计数为：0.5 * bin[].length，则每个 bin 的平均元素计数为 0.5。

【讨论】：