Java的集合其实就是各种基本的数据结构(栈,队列,hash表等),基于业务需求进而演变出的Java特有的数据结构(因为不仅仅是基本数据结构)。现在,我们以数据结构的视角来看看Java的集合到底是什么样子。并分析他们的性能。
一 JAVA集合体系JAVA的集合体系分为两类,Collection接口和Map接口
主要分为三种:
Set。无插入顺序的不重复数据集接口(集合演变而来)
List。有插入顺序的数据集接口(队列演变而来)
Map。Key-Value的键值对数据集接口(Hash表演变而来)
其中Set和List继承自Collection接口,Map则就是Map接口。
接口中都定义了一些基本增删改查的方法。
具体继承体系如下图:
基本可以从名字知道集合的内部数据结构。
看后缀,有Set,List,Map后缀的集合,代表着该集合的基本结构,所以会具有以上所说的特性。
看前缀,前缀往往代表着该数据结构的具体实现方式。一般有这几种:
Hash或者Array,代表着以哈希(基本)数组实现的数据结构。
Linked,代表着集合内各个数据之间存在链表关系。
Tree或者Sorted,代表着内部使用红黑树实现了排序。(需要提供Comparator或者实现Comparable)
下面大略说下每个集合的数据结构,懒得贴源码了。
1.1 List最常用的List就是ArrayList和LinkedList了,在此不讨论并发的List集合。
讨论下底层源码对它们的具体实现。
使用JAVA的基本数组实现的动态数组集合,源码底层维护着List的容量与实际长度。
因为使用的基本数组,不像哈希数组一样需要考虑哈希碰撞问题,因此负载因子默认为1。当List数组容量不够时才进行扩容,扩容的倍数为1.5倍。
通过Arrays.copyOf方法,返回复制的新数组。Arrays.copyOf底层调用的System.arraycopy方法。而在ArrayList初始化时,如果不指定初始数组长度,在JDK1.6之后默认初始长度为0,在JDK1.6之前则默认为10。在JDK1.6后,ArrayList在第一次扩容时,如果扩容长度不足10,则会直接扩容到10。
具体集合怎么使用就不废话了。
1.1.2 LinkedList这是一个双向链表,其中节点用的是LinkedList的内部类。和数据结构中的链表差不多。可以用它实现栈和队列。
1.1.3 ArrayList与LinkedList比较很明显,ArrayList是某种程度上的哈希表,适合随机读,但是不适合在集合中间插入和删除(会造成后续数据的位移)。
而LinkedList适合在头尾部插入删除,不适合随机读。
值得一提的是ArrayList随机读的时间复杂度是O(1),LinkedList是O(n)。而ArrayList在中间插入和删除的时间复杂度是O(n),LinekdList在中间插入删除时间复杂度也是O(n)
可以明显看出来ArrayList在插入删除上和LinkedList理论上所用的时间是一个级别的,但是ArrayList慢于LinkedList是因为在修改集合后需要进行其他数组数据的移动,而LinkedList则是查找节点花费了O(n),不需要额外移动数据,所以在同样数据量时,LinkedList进行数据修改优于ArrayList。
1.2 Map最常用的Map就是HashMap和TreeMap。
1.2.1 HashMapHashMap是底层用哈希数组实现的Map。HashMap就是一个个Entry(Key-Value键值对)存储在一个哈希数组上(Entry是HashMap的内部类)。
哈希数组的使用不可避免的需要考虑哈希碰撞问题,常用的解决方案有:
拉链法
再哈希法
开放地址法
建立公共溢出区。
在JDK里,使用的就是拉链法解决的哈希碰撞问题,因此每个哈希数组上的数组元素(又被称为桶——bucket),都是一个链表的表头。这样基本保证了HashMap的平均查找时间是O(1)。
HashMap的负载因子为0.75
但是当出现频繁哈希碰撞时,会导致某个链表过长进而导致了查找时间会趋近于O(n)。对此JDK原本的解决方案是设置负载因子为0.75。当哈希表总负载量达到0.75时,就会进行扩容,扩容为原本的2倍。这样当数据平均下来后,不太容易出现过长的链表(因为扩容会分解链表重新放入桶中)。
但是这并没有解决特殊情况下查找效率的问题,只是让这种特殊情况更难以出现了。
JDK1.8中 HashMap出现了红黑树
因此在JDK1.8中又做出了改进,当某个桶中的链表的长度大于8时。链表会重构成一个红黑树。这样保证了HashMap的最坏时间复杂度也仅仅是O(logn)。同时负载因子引起的扩容也保证了红黑树的重构不会频繁发生,不会因为频繁建树导致过多的性能开销。
HashMap的初始化与扩容