一篇带你搞懂 java 集合

Posted 2022-07-20 你个佬六

一、前言

集合是java的基础。
我们有了集合，在我们开发过程中，事半功倍。我们常用的集合有这几类：Array，Map，Set，Queue等，他们每一类在java迭代升级的过程中，也是有不同的升级优化。

二、集合全局观

这个是小编画的一个集合全家福，整体上是 Map和Collection；

collection 包含我们常用的Set + Queue + List
Map 包含常用的HashMap + Hashtable + treeMap

三、依次看一下

List类

我们依次梳理一下，数组中常用的几种：

ArrayList

ArrayList可以说是我们最常用的了，基本写代码都会用到。有几个特点

• 线程不安全
• 基于数组，需要连续内存
• 随机访问快，（根据下标直接访问）
• 尾部插入、尾部删除性能可以；其他部分插入、删除都会移动数据，因此性能低
• 可以利用cpu缓存， 局部性原理

扩容机制是什么样的？

数组扩容均是建立一个新的数组，大小会计算好的， 然后把旧数组中的数据copy过去。

• ArrayList() 会初始化 长度为0的数组

• ArrayList(int initialCapacity) 会初始化指定容量的数组

• public ArrayList(Collection<? extends E> c) 会使用c的大小做为容量

• add方法，默认是尾插法，首次扩容为10，再次扩容为上次的1.5倍，底层是通过x + x>>1 ，（向右移1位，等于x/2）。

比如，当前数组大小是15，再次扩容的时候，会计算增量 15>>1=7，最终扩容到 15+7=22

   /**
     * Appends the specified element to the end of this list.
     *
     * @param e element to be appended to this list
     * @return <tt>true</tt> (as specified by @link Collection#add)
     */
    public boolean add(E e) 
        ensureCapacityInternal(size + 1);  // Increments modCount!!
        elementData[size++] = e;
        return true;
    
 

• addAll方法，比较 下一次扩容容量 和元素个数较大的。

初始空时，扩容为Math.max(10,实际元素个数)；
有元素时，Math.max(原容量1.5倍，实际元素个数)；

比如：

当前数组为空，addall了一个6个元素的list，那么此时元素是6个，6<10，数组容量是10个。

再addall 一个6个元素的list, 现在10个装不下，要扩容，下次扩容量为 10+10>>1 = 15，12<15，所以扩容到15.

如果我们插入6个后，我们再插入10个，那么我们就有16个元素，16>15，所以会扩容到16.

fail-fast 和 fail-safe

• fail-fast
  ArrayList是典型代表，多线程操作，遍历的同时修改数组，立即抛出异常。

过程：在遍历之前，会把当前list的元素个数modCount记录下来，迭代的时候会记录迭代器修改的次数expectedModCount，两者会比较，如果不相等，证明被修改了，抛出ConcurrentModificationException异常。

优化方案：使用juc下的包代替java.util，如CopyOnWriteArrayList。

• fail-safe
  CopyOnWriteArrayList是典型代表，遍历的同时可以修改，原理是读写分离。
  会copy一份数据，牺牲一致性，让遍历完成。
  

LinkedList

特点：

• 基于双向链表，无需连续内存
• 随机访问慢，（要沿着链表遍历）
• 头部插入删除性能高
• 占内存多 （双向链表有更多的成员变量）

Vector

特点：

• 数组实现，内存连续
• 线程安全，Synchronized修饰
• 扩容方式通过扩容因子判断
• fail-fast

说一说面试题：

1.ArrayList 和 LinkedList 区别
2.ArrayList 和 Vector 区别
3.ArrayList如何扩容的？
。。。。

Map

map也是我们常用的数据结构，也是面试最经常问的，小编理解了Map的设计后，其实也是很佩服这个设计的。而且我们jdk1.7和jdk1.8结构是有所不同的，其中优化的理念，还是值得借鉴的。比如二次hash，链表转红黑树，以及为什么初始大小是16，扩容大小是2^n?

map这里呢，我们也挑选几个典型:

HashMap

HashMap，在1.7 和1.8 结构有所升级。

1.7 中的HashMap：

• 结构：数组 + 链表
• 线程不安全
• 允许 null 作为 key和value

1.8 中的HashMap

• 结构：数组 + 链表 or 红黑树
• 线程不安全
• 允许 null 作为 key和value

提问环节：

• 1.8 和1.7 的Hashmap有什么区别？

数据结构不一样，1.7 是数组+链表，1.8 是数组+链表 or 红黑树；
链表插入方式：1.7是头插法，1.8是尾插法

• 什么是红黑树？？为什么用红黑树？

红黑树是特殊的平衡二叉树，她比平衡二叉树性能好一些，查询时间复杂度为 O(log2^n)。而链表的查询复杂度是O(1)，当链表过长的时候，查询会很慢。
1.8 中转换红黑树的条件是 1.数组长度大于等于64，2.链表长度大于8；
使用红黑树就是为了优化长链表查询慢的问题。

• 为什么不一上来就用红黑树？

链表短的时候，查询性能很快，没有必要直接用红黑树
存储方面：链表节点是Node，红黑树的节点是treeNode，treeNode成员变量比node多，所以内存会占用多，也没有必要。

• 1.8转红黑树的阈值为什么是8 ？

阈值为8 ，也是综合考虑的。是为了尽量不要转成红黑树，除非链表真的很长了。
官方的一个demo：如果hash值够随机，在hash表内按泊松分布，在负载因子为0.75的情况下，统计了长度超过8的链表出现的概率是0.00000006 （亿分之6），选8，就是为了让树化 的概率足够小。链表转树，树转链表的开销也很大。

• 红黑树如何退化为链表？

1.当链表长度小于等于6
2.红黑树的节点，如果 删除节点前，红黑树的 根节点，根的左节点，根的右节点，根的左孙子，有一个为null，就会转为链表。

如何防止hash碰撞？hash如何计算的？

hashMap 做了二次hash操作
第一次，根据key获取到对应的hashCode值；
第二次，根据hashCode 进行二次hash；
最后，用二次hash的值与数组容量进行取余运算。

根据key计算了hashcode，为什么还要进行二次hash？

保证hash结果更加的均匀，防止长链表产生。
二次hash是通过 hashcode ^ (hashcode>>>16) 计算的，目的是为了分配更加的均匀，防止链表过长

从这个图可以看到，二次hash结果分布更加均匀。

数组容量为什么是2^n?

为了提高整体性能，两个地方用到了这个数据
1.取余计算桶的时候，如果数组长度是2^n，那么可以直接用位运算取代取模
eg：
97 % 16 =1
97 & （16-1） = 1
2.方便扩容移动数据
扩容移动数据的时候，根据扩容后桶的长度，计算每个key对应的新桶的位置 A，
如果 A & oldCap == 0， 那就留在原位，否则，新位置 = 旧位置 + oldCap；可以直接移动。

不用2^n 可以吗？

可以，但是综合考虑性能
hashtable 就不是用的2^n

get的流程是什么样的?

首先根据 key 获取hashcode
再 根据hashcode进行二次hash
最后 按位与得到桶的位置
如果桶的位置没有数据，就直接返回null。
如果桶有数据，就依次遍历链表，通过equals（）判断key是否相等，相等的话返回对应的value，没有的话返回null。

put流程是什么样的？1.7和1.8 区别？

首先 根据key 获取hashcode
在根据hashcode 进行二次hash
最后 按位与得到桶的位置
如果桶没有数据，就做成node节点，插入
如果桶有数据，判断数据是否存在？通过equals判断存在
存在，更新数据
不存在，插入数据
====如果是treeNode，走红黑树添加逻辑
====如果是普通node，走链表添加逻辑，1.7 头部插入node节点，1.8尾部插入Node节点
添加完后判断是否转红黑树
返回前检查容量是否超过阈值，一旦超过，进行扩容。(先插入，再判断树化，再判断扩容)

1.7并发扩容死链问题？死循环问题？

首先，hashmap是线程不安全的，所以在高并发的时候，会有问题。
其次，1.7是通过头插法完成的，当扩容的时候，a–b，会变为 b–a。node节点还是node节点，只是改变了前后的链接。

比如当前有两个线程来操作

其中一个线程2，已经完成了上面的扩容。现在链表的顺序是b–a。

线程1开始迁移数据，第一轮循环，把a先迁移，然后e的指针指到b，next的指针指到null。

第二轮循环，next指针，指向b的下一个，是a。e把b迁移走，e指向next，指到a。


第三次循环，next指向null，a要用头插法插到头部，就形成了 第一个node是a，a的next是b，b的next又是a，这样就出现了死链。

负载因子为什么是0.75？

综合条件考虑的，从空间和时间考虑
大于这个值，空间节省了，但是链表会变长，影响效率。
小于这个值，扩容次数多了，hash冲突少了，空间多了。

hashMap出现HashDos问题，如何解决的？

通过红黑树解决，防止链表太长，性能急剧下降。

ConcurrentHashMap

ConcurrentHashMap ，在1.7 和1.8 结构有所升级

1.7的ConcurrentHashMap

• 结构 ： segment + 数组 + 链表
• 线程安全，使用ReentrantLock

1.8的ConcurrentHashMap

• 结构 ： 数组 + 链表 or 红黑树
• 线程安全，使用Synchronized保证线程安全

提问时间：
1.7和1.8 ConcurrentHashMap 有什么区别？

1.数据结构不一样
====1.7 segment + 数组 + 链表
====1.8 数组 + 链表or红黑树
2.初始化时机不一样
====1.7，饿汉式初始化，初始化的时候，就初始化好segment，以及segment0的数组，数组大小根据容量和并发度来计算。

====1.8，懒汉式初始化，真正put数据的时候创建

3. 插入方式不同，1.7头插法，1.8尾插法。
4.扩容时机不同
====1.7 当超过 容量负载因子大小，才扩容
====1.8 当 >= 容量负载因子，就扩容，eg 12 个就扩容了
5.锁的对象不一样
====1.7锁的是segment

1.8 锁的是链表的第一个Node

ConcurrentHashMap如何保证线程安全的？
ConcurrentHashMap 和 hashMap的区别？
ConcurrentHashMap 和 hashtable的区别？

HashTable

• 结构 ： 数组 + 链表 or 红黑树
• 线程安全，所有方法通过 Synchronized修饰
• 不允许 null 作为 key和value，否则报空指针错误

四、小结

集合这个还是很值得研究的。包括里的设计思想。