哈希冲突产生的原因
哈希是通过对数据进行再压缩，提高效率的一种解决方法 ，但是通过哈希函数产生的哈希值是有限的，而数据的总量可能很大，这就导致总会有不同的数据拥有相同的哈希值，从而产生了哈希冲突。
产生哈希冲突的影响因素
填充比（填充比=数据总数/哈希表长）又叫加载因子，哈希函数，处理哈希冲突的算法。
解决哈希冲突的四种方法
1，开放地址法
线性探测再散列法
按顺序决定值时，如果某数据的值已经存在，则在原来值的基础上往后加一个单位，直至不发生哈希冲突。
二次平方再散列法
按顺序决定值时，如果某数据的值已经存在，则在原来值的基础上先加1的平方个单位，若仍然存在则减1的平方个单位。随之是2的平方，3的平方等等。直至不发生哈希冲突。
伪随机探测再散列法
按顺序决定值时，如果某数据已经存在，通过随机函数随机生成一个数，在原来值的基础上加上随机数，直至不发生哈希冲突。
下面给一个实例：
例如，已知哈翔表长度m=11，咱希函数为: H (key) -kry % 1，则H(47)=3，H(26)-4，H(60) =5,假设下一个关键字为69，则H (69)子，与47中突。如果用线性探则再散列处理中突，下一 个哈新地址为H1=(3+1) %11=4,仍然冲突，再找下一个哈希地址为H2= (3+2) %II=5,还是中突，继续找下一个哈系地址为H3- 8+3) %11-6,此时不再冲突，将6填入5号单元，参图826 (国)。如果用二次探则再散列处理冲突，下一个咱新地址为H1=(3+12)%11-4，仍然中突，再找下一个哈新地址为H2= (3-12)5%11-2.时不再冲突，将69填入2号单元，参图8.26 (b).如果用伪随机探别再最列处理冲突，且伪随机救序列为: 2, 5, 9，....则下一个哈新地址为H1-(3+2)%11-5, 仍然中突，周拔下一个哈新地址为H2-(3+5) *511-8,不再冲突，将6填入1号单元。
以下是上述三种处理冲突的方法：
由上述例子可以看出，线性探测再散列容易发生“二次聚类”。但是线性探测再散列的优点：只要哈希表有空余就一定能找到一个不冲突的哈希地址，而二次探测再散列和伪随机数探测再散列不一定。
链式地址法
链式地址法同时也是HashMap解决哈希冲突的方法，平均查找长度ASL=(1*7+2*4+3*1)/12=1.5
对于相同的值，使用链表进行连接。使用数组存储每一个链表。
优点：
（1）拉链法处理冲突简单，且无堆积现象，即非同义词决不会发生冲突，因此平均查找长度较短；
（2）由于拉链法中各链表上的结点空间是动态申请的，故它更适合于造表前无法确定表长的情况；
（3）开放定址法为减少冲突，要求装填因子α较小，故当结点规模较大时会浪费很多空间。而拉链法中可取α≥1，且结点较大时，拉链法中增加的指针域可忽略不计，因此节省空间；
（4）在用拉链法构造的散列表中，删除结点的操作易于实现。只要简单地删去链表上相应的结点即可。 缺点：
指针占用较大空间时，会造成空间浪费，若空间用于增大散列表规模进而提高开放地址法的效率。
再哈希法、建立公共溢出区法
由于这两种方法不常用，所以这里只做简单的介绍
再哈希法：对于冲突的哈希值再次进行哈希处理，直至没有哈希冲突。这种方法不易产生聚集，但增加计算时间。
建立公共溢出区法：建立公共溢出区存储所有哈希冲突的数据。
内存溢出产生的原因
引起内存溢出的原因有很多种，常见的有以下几种： 1.内存中加载的数据量过于庞大，如一次从数据库取出过多数据； 2.集合类中有对对象的引用，使用完后未清空，使得JVM不能回收； 3.代码中存在死循环或循环产生过多重复的对象实体； 4.使用的第三方软件中的BUG； 5.启动参数内存值设定的过小；
几种解决方法
堆设置jvm值的方法是通过-Xms(堆的最小值)，-Xmx(堆的最大值)栈设置栈大小的方法是设置-Xss参数PermGen space第三个异常是关于perm的异常内容，我们需要的是设置方法区的大小，实现方式是通过设置-XX:PermSize和-XX:MaxPermSize参数DirectMemory第四个异常估计遇到的人就不多了，是DirectMemory内存相关的