hash简介
作为后端开发，说HashMap是我们最经常接触到的数据结构都不为过，而HashMap如其名最主要依赖的算法就是hash散列算法来存储和读取数据。
以关键码值K为自变量，通过一定的函数关系h(K)(称为散列函数)，计算出对应的函数值来，把这个值解释为结点的存储地址，将结点存入到此存储单元中。检索时，用同样的方法计算地址，然后到相应的单元里去取要找的结点。通过散列方法可以对结点进行快速检索。
按散列存储方式构造的存储结构称为散列表（hash table）。散列表中的一个位置称为槽(slot)。散列技术的核心是散列函数(hash function)。 对任意给定的动态查找表DL，如果选定了某个“理想的”散列函数h及相应的散列表HT，则对DL中的每个数据元素X。函数值h（X.key）就是X在散列表HT中的存储位置。插入（或建表）时数据元素X将被安置在该位置上，并且检索X时也到该位置上去查找。由散列函数决定的存储位置称为散列地址。 因此，散列的核心就是：由散列函数决定关键码值(X.key)与散列地址h(X.key)之间的对应关系，通过这种关系来实现组织存储并进行检索。
没有完美的hash散列函数，当元素变多的时候必然会出现slot冲突的问题，那么hash散列后的元素冲突解决也是一个问题，常见的散列方法有：线性探测法、二次散列、拉链法等。如下图所示是一个常用的链地址法解决hash冲突的示意图，在9的slot中，后续进入的key为29和9的元素，会通过生成一个链表链接在该slot上。
上面有说到hashmap的一些基本实现原理及解决冲突的方式，那么可以看到hash函数在元素数量过多时会采用不同的冲突解决方案，很明显会对hashmap （o1）的查找插入时间复杂度带来挑战，因此除了优化hash散列算法，在恰当的时候（即元素个数负载因子达到一定的阈值，比如slot为10，元素达到7的时候）对散列表hash table进行扩容也是一个必须采用的方式，这篇文件就想跟大家一起聊一聊在不同领域（语言、软件）中hashmap扩容实现机制。
扩容机制
JavaGolangRedisJava中HashMap扩容
同步Golang中HashMap扩容
增量扩容Redis中HashMap扩容
渐进式hash 接着当哈希表的容量到达一个阈值后，需要进行扩容，于是执行渐进式扩容，如下两个图，当有修改操作到当前slot时对旧hashtable中的元素进行rehash至新的hashtable，直至所有元素迁移完成后，再将h0的指针指向h1，h1重置为null，完成操作。
在进行渐进式哈希扩容的过程中，redis会同时使用h0和h1两个哈希表。对于查找操作，会先在h0进行查找，如果没找到的话，会继续在h1的表里进行查找、而新增操作则会都保存到h1中，也保证了h0中的数量不会继续增加。
总结扩容参考资料：
《redis设计与实现》4.5节渐进式哈希
golang map扩容