Java:集合類的數據結構

本文源自參考《Think in Java》，多篇博文以及閱讀源碼的總結

前言

Java的集合其實就是各種基本的數據結構（棧，隊列，hash表等），基於業務需求進而演變出的Java特有的數據結構（因為不僅僅是基本數據結構）。現在，我們以數據結構的視角來看看Java的集合到底是什么樣子。並分析他們的性能。

一 JAVA集合體系

JAVA的集合體系分為兩類，Collection接口和Map接口

主要分為三種：

• Set。無插入順序的不重復數據集接口(集合演變而來)
• List。有插入順序的數據集接口(隊列演變而來)
• Map。Key-Value的鍵值對數據集接口(Hash表演變而來)

其中Set和List繼承自Collection接口，Map則就是Map接口。

接口中都定義了一些基本增刪改查的方法。

具體繼承體系如下圖：

基本可以從名字知道集合的內部數據結構。

• 看后綴，有Set，List，Map后綴的集合，代表着該集合的基本結構，所以會具有以上所說的特性。
• 看前綴，前綴往往代表着該數據結構的具體實現方式。一般有這幾種：
  1. Hash或者Array,代表着以哈希（基本）數組實現的數據結構。
  2. Linked，代表着集合內各個數據之間存在鏈表關系。
  3. Tree或者Sorted，代表着內部使用紅黑樹實現了排序。（需要提供Comparator或者實現Comparable）

下面大略說下每個集合的數據結構，懶得貼源碼了。

1.1 List

最常用的List就是ArrayList和LinkedList了，在此不討論並發的List集合。
討論下底層源碼對它們的具體實現。

1.1.1 ArrayList

使用JAVA的基本數組實現的動態數組集合，源碼底層維護着List的容量與實際長度。

因為使用的基本數組，不像哈希數組一樣需要考慮哈希碰撞問題，因此負載因子默認為1。當List數組容量不夠時才進行擴容，擴容的倍數為1.5倍。

通過Arrays.copyOf方法，返回復制的新數組。Arrays.copyOf底層調用的System.arraycopy方法。而在ArrayList初始化時，如果不指定初始數組長度，在JDK1.6之后默認初始長度為0，在JDK1.6之前則默認為10。在JDK1.6后，ArrayList在第一次擴容時，如果擴容長度不足10，則會直接擴容到10。

具體集合怎么使用就不廢話了。

1.1.2 LinkedList

這是一個雙向鏈表，其中節點用的是LinkedList的內部類。和數據結構中的鏈表差不多。可以用它實現棧和隊列。

1.1.3 ArrayList與LinkedList比較

很明顯，ArrayList是某種程度上的哈希表，適合隨機讀，但是不適合在集合中間插入和刪除（會造成后續數據的位移）。
而LinkedList適合在頭尾部插入刪除，不適合隨機讀。

值得一提的是ArrayList隨機讀的時間復雜度是O(1)，LinkedList是O(n)。而ArrayList在中間插入和刪除的時間復雜度是O(n)，LinekdList在中間插入刪除時間復雜度也是O(n)

可以明顯看出來ArrayList在插入刪除上和LinkedList理論上所用的時間是一個級別的，但是ArrayList慢於LinkedList是因為在修改集合后需要進行其他數組數據的移動，而LinkedList則是查找節點花費了O(n)，不需要額外移動數據，所以在同樣數據量時，LinkedList進行數據修改優於ArrayList。

1.2 Map

最常用的Map就是HashMap和TreeMap。

1.2.1 HashMap

HashMap是底層用哈希數組實現的Map。HashMap就是一個個Entry（Key-Value鍵值對）存儲在一個哈希數組上（Entry是HashMap的內部類）。

哈希數組的使用不可避免的需要考慮哈希碰撞問題，常用的解決方案有：

• 拉鏈法
• 再哈希法
• 開放地址法
• 建立公共溢出區。

在JDK里，使用的就是拉鏈法解決的哈希碰撞問題，因此每個哈希數組上的數組元素（又被稱為桶——bucket），都是一個鏈表的表頭。這樣基本保證了HashMap的平均查找時間是O(1)。

HashMap的負載因子為0.75

但是當出現頻繁哈希碰撞時，會導致某個鏈表過長進而導致了查找時間會趨近於O(n)。對此JDK原本的解決方案是設置負載因子為0.75。當哈希表總負載量達到0.75時，就會進行擴容，擴容為原本的2倍。這樣當數據平均下來后，不太容易出現過長的鏈表（因為擴容會分解鏈表重新放入桶中）。

但是這並沒有解決特殊情況下查找效率的問題，只是讓這種特殊情況更難以出現了。

JDK1.8中 HashMap出現了紅黑樹

因此在JDK1.8中又做出了改進，當某個桶中的鏈表的長度大於8時。鏈表會重構成一個紅黑樹。這樣保證了HashMap的最壞時間復雜度也僅僅是O(logn)。同時負載因子引起的擴容也保證了紅黑樹的重構不會頻繁發生，不會因為頻繁建樹導致過多的性能開銷。

HashMap的初始化與擴容

另外值得一說的就是HashMap在不知道初始長度進行初始化時，JDK1.6前默認長度為16,JDK1.6后默認長度為0。基本在JDK1.6中，需要初始化底層容器的集合都做出了這種優化。不會提前構造底層容器造成開銷，會等到使用時才進行底層的初始化。

而HashMap默認長度設置為16，並且每次擴容都是2倍。這是為了方便底層的哈希數組進行取模時的運算，可以把取模的除法運算改寫成位移運算，提升性能。

並且在JDK1.8中，HashMap關於取模運算還做了另一個優化。在JDK1.8之前，每次哈希數組擴容時，鏈表里的數據都會再次進行哈希運算。而在JDK1.8后，不需要再進行運算了，只需要在每個桶中選擇一半數據往后移動oldLength位就行（oldLength是集合在擴容前的容量）。

1.2.2 TreeMap

而另一個常用的Map——TreeMap，底層就是用JAVA寫了一個紅黑樹，感覺沒什么好說的。有興趣的可以回去翻翻數據結構的書。

1.2.3 LinkedHashMap

HashMap的每個Node還會以插入順序相互關聯成為雙向鏈表。

1.3 Set

Set主要是SortedSet和HashSet。打開源碼一看，分別new了一個TreeMap和HashMap，然后把數據存在了Key里。嗯，這就是Set的底層實現了。