List
ArrayList LinkedList
Arraylist 可增長的數組長度 查詢快 get（） set（） 常數級
插入和現有所有項的刪除代價昂貴 除非在表的末端
ArrayList 是線性表（數組）
get() 直接讀取第幾個下標，復雜度 O(1)
add(E) 添加元素，直接在后面添加，復雜度O（1）
add(index, E) 添加元素，在第幾個元素后面插入，后面的元素需要向后移動，復雜度O（n）
remove（）刪除元素，后面的元素需要逐個移動，復雜度O（n）
總結：查 O（1） 增 末尾0（1）中間0（n） 刪0（n）
移動是消耗時間復雜度的
LinkedList 雙鏈表 刪快
新項的插入和現有項的刪除都是非常的快
在表的前端添加和刪除都是常數級
addFrist removeFrist addLast removeLast getFirst getLast
但是不容易做索引
LinkedList 是鏈表的操作
get() 獲取第幾個元素，依次遍歷，復雜度O(n)
add(E) 添加到末尾，復雜度O(1)
add(index, E) 添加第幾個元素后，需要先查找到第幾個元素，直接指針指向操作，復雜度O(n)
remove（）刪除元素，直接指針指向操作，復雜度O(1)
總結：查 O（n） 增 末尾O（1）中間O（n） 刪O（1）
Set集合有三個常見的實現類：HashSet，TreeSet，LinkedHashSet。
簡單的說，如果你關注性能，應該使用HashSet；
如果你需要一個有序的Set集合，應該使用TreeSet；
如果你需要一個Set集合保存了原始的元素插入順序，應該使用LinkedHashSet。
HashSet是基於散列表實現的，元素沒有順序；add、remove、contains方法的時間復雜度為O(1)。(contains為false時，就直接往集合里存)
總結：查 O（1） 增 O（1） 刪O（1）
TreeSet是基於樹實現的（紅黑樹），元素是有序的；add、remove、contains方法的時間復雜度為O(log (n))(contains為false時，插入前需要重新排序)。
總結：查 O（log n） 增 O（log n） 刪O（log n）
因為元素是有序的，它提供了若干個相關方法如first(), last(), headSet(), tailSet()等；
LinkedHashSet介於HashSet和TreeSet之間，是基於哈希表和鏈表實現的，支持元素的插入順序；基本方法的時間復雜度為O(1)；
待定
總結：查 O（1） 增 O（1） 刪O（1）
map集合有三個常見的實現類：HashMap，TreeMap，LinkedHashMap。
TreeMap基於紅黑樹（一種自平衡二叉查找樹）實現的，時間復雜度平均能達到O(log n)。
HashMap是基於散列表實現的，時間復雜度平均能達到O(1)。正常是O(1)到O（n） jdk1.8添加了 紅黑樹 是 O（log n）
TreeMap的get操作的時間復雜度是O(log(n))的，相比於HashMap的O(1)還是差不少的。
LinkedHashMap的出現就是為了平衡這些因素，能以O(1)時間復雜度查找元素，又能夠保證key的有序性
在描述算法復雜度時,經常用到o(1), o(n), o(logn), o(nlogn)來表示對應算法的時間復雜度, 這里進行歸納一下它們代表的含義:
這是算法的時空復雜度的表示。不僅僅用於表示時間復雜度，也用於表示空間復雜度。
O后面的括號中有一個函數，指明某個算法的耗時/耗空間與數據增長量之間的關系。其中的n代表輸入數據的量。
比如時間復雜度為O(n)，就代表數據量增大幾倍，耗時也增大幾倍。比如常見的遍歷算法。
比如時間復雜度O(n^2)，就代表數據量增大n倍時，耗時增大n的平方倍，這是比線性更高的時間復雜度。比如冒泡排序，就是典型的O(n^2)的算法，對n個數排序，需要掃描n×n次。
比如O(logn)，當數據增大n倍時，耗時增大logn倍（這里的log是以2為底的，比如，當數據增大256倍時，耗時只增大8倍，是比線性還要低的時間復雜度）。二分查找就是O(logn)的算法，每找一次排除一半的可能，256個數據中查找只要找8次就可以找到目標。
O(nlogn)同理，就是n乘以logn，當數據增大256倍時，耗時增大256*8=2048倍。這個復雜度高於線性低於平方。歸並排序就是O(nlogn)的時間復雜度。
O(1)就是最低的時空復雜度了，也就是耗時/耗空間與輸入數據大小無關，無論輸入數據增大多少倍，耗時/耗空間都不變。 哈希算法就是典型的O(1)時間復雜度，無論數據規模多大，都可以在一次計算后找到目標（不考慮沖突的話）