上面是java中集合的整体框架图。
集合使用的数据结构
算法复杂度分析
时间复杂度分析
时间复杂度分析：来评估代码的执行耗时的
/**
* 求1~n的累加和
* @param n
* @return
*/
public int sum(int n) {
int sum = 0;
for ( int i = 1; i <= n; i++) {
sum = sum + i;
}
return sum;
}
1.假如每行代码的执行耗时一样：1ms
2.分析这段代码总执行多少行？3n+3
3.代码耗时总时间： T(n) = (3n + 3) * 1ms
大O表示法：不具体表示代码真正的执行时间，而是表示代码执行时间随数据规模增长的变化趋势 T(n)与代码的执行次数成正比(代码行数越多，执行时间越长)
当n很大时，公式中的低阶，常量，系数三部分并不左右其增长趋势，因此可以忽略，我们只需要记录一个最大的量级就可以了
T(n) = O(n)
常见复杂度表示形式
对应图像如下：
public int test01(int n){
int i=0;
int j = 1;
return i+j;
}
public void test02(int n){
int i=0;
int sum=0;
for(;i<100;i++){
sum = sum+i;
}
System.out.println(sum);
}
以上代码的时间复杂度都为O(1)
只要代码的执行时间不随着n的增大而增大，这样的代码复杂度都是O(1)
public int sum(int n) {
int sum = 0;
for ( int i = 1; i <= n; i++) {
sum = sum + i;
}
return sum;
}
时间复杂度：O(n)
public int sum2(int n) {
int sum = 0;
for (int i=1; i <= n; ++i) {
for (int j=1; j <= n; ++j) {
sum = sum + i * j;
}
}
return sum;
}
时间复杂度：O(n^2)
public void test04(int n){
int i=1;
while(i<=n){
i = i * 2;
}
}
时间复杂度：O(log n)
public void test05(int n){
int i=0;
for(;i<=n;i++){
test04(n);
}
}
public void test04(int n){
int i=1;
while(i<=n){
i = i * 2;
}
}
时间复杂度分析：O( n * log n )
空间复杂度分析
空间复杂度全称是渐进空间复杂度，表示算法占用的额外存储空间与数据规模之间的增长关系
public void test(int n){
int i=0;
int sum=0;
for(;i<n;i++){
sum = sum+i;
}
System.out.println(sum);
}
空间复杂度：O(1)
void print(int n) {
int i = 0;
int[] a = new int[n];
for (i; i <n; ++i) {
a[i] = i * i;
}
for (i = n-1; i >= 0; --i) {
System.out.println(a[i]);
}
}
空间复杂度：O(n)
我们常见的空间复杂度就是O(1),O(n),O(n ^2)，其他像对数阶的复杂度几乎用不到，因此空间复杂度比时间复杂度分析要简单的多。
Collection(单列集合)
List
底层数据结构
ArrayList
ArrayList的底层数据结构是数组
数组（Array）是一种用连续的内存空间存储相同数据类型数据的线性数据结构。
数组如何获取其他元素的地址值？
寻址公式:a[i] = baseAddress + i * dataTypeSize
baseAddress： 数组的首地址
dataTypeSize：代表数组中元素类型的大小，int型的数据，dataTypeSize=4个字节
i: 数组的索引下标
为什么数组索引从0开始呢？假如从1开始不行吗？
如果索引从1开始，则寻址公式变为：a[i] = baseAddress + (i-1)* dataTypeSize
对于cpu来说，增加了一个减法指令。
- 在根据数组索引获取元素的时候，会用索引和寻址公式来计算内存所对应的元素数据，寻址公式是：数组的首地址+索引乘以存储数据的类型大小
- 如果数组的索引从1开始，寻址公式中，就需要增加一次减法操作，对于CPU来说就多了一次指令，性能不高。
操作数组的时间复杂度
查找
随机查询(根据索引查询)
数组元素的访问是通过索引来访问的，计算机通过数组的首地址和寻址公式能够很快速的找到想要访问的元素
public int test01(int[] a,int i){
return a[i];
// a[i] = baseAddress + i * dataSize
}
未知索引查询
查找排序后数组内的元素，使用二分查找的时间复杂度：O(logn)
插入、删除
数组是一段连续的内存空间，因此为了保证数组的连续性会使得数组的插入和删除的效率变的很低。
要在某一索引处，插入或删除一个元素，则需要该索引后的所有元素都需要后移或前移一个单位。
最好情况下是O(1)的，最坏情况下是O(n)的，平均情况下的时间复杂度是O(n)。
LinkedList
LinkedList的底层数据结构为链表
单向链表
- 链表中的每一个元素称之为结点（Node）
- 物理存储单元上，非连续、非顺序的存储结构
- 单向链表：每个结点包括两个部分：一个是存储数据元素的数据域，另一个是存储下一个结点地址的指针域。记录下个结点地址的指针叫作后继指针 next
private static class Node<E> {
E item;
Node<E> next;
Node(E element, Node<E> next) {
this.item = element;
this.next = next;
}
}
单向链表时间复杂度分析
查询操作
- 只有在查询头节点的时候不需要遍历链表，时间复杂度是O(1)
- 查询其他结点需要遍历链表，时间复杂度是O(n)
插入\删除操作
- 只有在添加和删除头节点的时候不需要遍历链表，时间复杂度是O(1)
- 添加或删除其他结点需要遍历链表找到对应节点后，才能完成新增或删除节点，时间复杂度是O(n)
双向链表
而双向链表，顾名思义，它支持两个方向
- 每个结点不止有一个后继指针 next 指向后面的结点
- 有一个前驱指针 prev 指向前面的结点
private static class Node<E> {
E item;
Node<E> next;
Node<E> prev;
Node(Node<E> prev, E element, Node<E> next) {
this.item = element;
this.next = next;
this.prev = prev;
}
}
对比单链表：
- 双向链表需要额外的两个空间来存储后继结点和前驱结点的地址
- 支持双向遍历，这样也带来了双向链表操作的灵活性
LinkedList的底层数据结构就是双向链表
双向链表时间复杂度分析
查询操作
- 查询头尾结点的时间复杂度是O(1)
- 平均的查询时间复杂度是O(n)
- 给定节点找前驱节点的时间复杂度为O(1)
增删操作
- 头尾结点增删的时间复杂度为O(1)
- 其他部分结点增删的时间复杂度是 O(n)
- 给定节点增删的时间复杂度为O(1)
ArrayList源码分析
以下源码都来源于jdk1.8
分析的方向：主要从成员变量 、构造函数、关键方法这三个方面来分析
成员变量
构造函数
带初始化容量的构造方法
无参构造函数，默认创建空集合
将collection对象转换成数组，然后将数组的地址的赋给elementData
关键方法
添加和扩容操作(第1次添加数据)
添加和扩容操作(第2至10次添加数据)
由于集合的初始容量为10，因此不需要扩容。
添加和扩容操作(第11次添加数据)
需要进行扩容
ArrayList底层的实现原理是什么
底层数据结构
- ArrayList底层是用动态的数组实现的
初始容量
- ArrayList初始容量为0，当第一次添加数据的时候才会初始化容量为10
扩容逻辑
- ArrayList在进行扩容的时候是原来容量的1.5倍，每次扩容都需要拷贝数组
添加逻辑
- 确保数组已使用长度（size）加1之后足够存下下一个数据
- 计算数组的容量，如果当前数组已使用长度+1后的大于当前的数组长度，则调用grow方法扩容（原来的1.5倍）
- 确保新增的数据有地方存储之后，则将新元素添加到位于size的位置上。
- 返回添加成功布尔值。
ArrayList list=new ArrayList(10)中的list扩容几次
该语句只是声明和实例了一个 ArrayList，指定了容量为 10，未扩容。
如何实现数组和List之间的转换
//数组转List
public static void testArray2List(){
String[] strs = {"aaa","bbb","ccc"};
List<String> list = Arrays.asList(strs);
for (String s : list) {
System.out.println(s);
}
}
//List转数组
public static void testList2Array(){
List<String> list = new ArrayList<String>();
list.add("aaa");
list.add("bbb");
list.add("ccc");
String[] array = list.toArray(new String[list.size()]);
for (String s : array) {
System.out.println(s);
}
}
数组转List ，使用JDK中java.util.Arrays工具类的asList方法
List转数组，使用List的toArray方法。无参toArray方法返回 Object数组，传入初始化长度的数组对象，返回该对象数组
用Arrays.asList转List后，如果修改了数组内容，list受影响吗
List用toArray转数组后，如果修改了List内容，数组受影响吗
//数组转List
public static void testArray2List(){
String[] strs = {"aaa","bbb","ccc"};
List<String> list = Arrays.asList(strs);
for (String s : list) {
System.out.println(s);
}
strs[1]="ddd";
System.out.println("================");
for (String s : list) {
System.out.println(s);
}
}
//List转数组
public static void testList2Array(){
List<String> list = new ArrayList<String>();
list.add("aaa");
list.add("bbb");
list.add("ccc");
String[] array = list.toArray(new String[list.size()]);
for (String s : array) {
System.out.println(s);
}
list.add("ddd");
System.out.println("================");
for (String s : array) {
System.out.println(s);
}
}
- Arrays.asList转换list之后，如果修改了数组的内容，list会受影响，因为它的底层使用的Arrays类中的一个内部类ArrayList来构造的集合，在这个集合的构造器中，把我们传入的这个集合进行了包装而已，最终指向的都是同一个内存地址
- list用了toArray转数组后，如果修改了list内容，数组不会影响，当调用了toArray以后，在底层是它是进行了数组的拷贝，跟原来的元素就没啥关系了，所以即使list修改了以后，数组也不受影响
LinkedList源码分析
成员变量
我们跟进Node去看一下节点的定义
从节点结构可以看出，LinkedList 属于双向链表，存储前驱和后继节点的引用。
然后再分析一下各个成员变量：
size 表示 LinkedList 的元素个数，first 和 last 维护着 LinkedList 的头节点和尾节点。
构造函数
初始化也只有两个构造函数，一个是无参的，啥也没做，另一个是初始化时添加集合中的元素到 LinkedList 里，调用addAll(c)，这个函数在增加元素里再讲。
关键方法
增加元素
增加头节点
增加尾节点
增加中间节点
扩展的增加方法
由于 LinkedList 实现了 List 和 Deque 两个接口，需要重写它们对应的增加方法，所以有很多版本的增加函数，但都是调用上面介绍的基础增加方法。
public boolean add(E e) {
linkLast(e);
return true;
}
public void addFirst(E e) {
linkFirst(e);
}
public void addLast(E e) {
linkLast(e);
}
public boolean offer(E e) {
return add(e);
}
public boolean offerFirst(E e) {
addFirst(e);
return true;
}
public boolean offerLast(E e) {
addLast(e);
return true;
}
public void push(E e) {
addFirst(e);
}
非常简单，不解释，也可以看出默认的 add 方法是加到链表尾的。
批量增加
public boolean addAll(int index, Collection<? extends E> c) {
checkPositionIndex(index);
Object[] a = c.toArray();
int numNew = a.length;
if (numNew == 0)
return false;
// 记录 index 处节点及其前驱
Node<E> pred, succ;
if (index == size) {
succ = null;
pred = last;
} else {
succ = node(index);
pred = succ.prev;
}
// 在该节点前驱 pred 后链式增加集合里的元素
// 相当于原链表在 pred 处断开了
for (Object o : a) {
@SuppressWarnings("unchecked") E e = (E) o;
Node<E> newNode = new Node<>(pred, e, null);
if (pred == null)
first = newNode;
else
pred.next = newNode;
pred = newNode;
}
// 把两条链表合在一起
// succ 为空，设置 last 即可
if (succ == null) {
last = pred;
} else {
// succ 不为空，进行两条链表的链接
pred.next = succ;
succ.prev = pred;
}
size += numNew;
modCount++;
return true;
}
代码看着很长，其实很简单，首先是一些长度检查；通过了之后，找到 index 处的节点，和其前驱 pred，在 pred 后面增加集合中的元素，代码和 linkLast 类似，只不过每次会设置pred = newNode;，保证一直在链表尾增加元素。
这里其实就相当于原链表从 pred 处断开了，pred 所在的这条链表一直增加元素，增加完了之后，在和 succ 所在的那条链表链接起来，链表的链接非常简单，设置下前驱和后继指针即可。里面有一些 null 的判断，和基本的增加方法比较类似。
函数的最终效果就是在 index 处的元素前增加给定集合里的所有元素。
删除元素
删除头节点
private E unlinkFirst(Node<E> f) {
// assert f == first && f != null;
final E element = f.item;
final Node<E> next = f.next;
// 相应数据设为 null，从而之后GC清理
f.item = null;
f.next = null; // help GC
first = next;
// 就一个节点，删完了
if (next == null)
last = null;
else
next.prev = null;
size--;
modCount++;
return element;
}
这里在调用的时候就已经保证传入的 f 为非空头节点。先是把相应的引用设为 null，接着设置新头节点为 next，若 next 为空，说明链表已经空了，设置 last，否则，将 next 前驱设置为空，更新 size 和 modCount 即可。
删除尾节点
private E unlinkLast(Node<E> l) {
// assert l == last && l != null;
final E element = l.item;
final Node<E> prev = l.prev;
// 相应数据设为 null，从而之后GC清理
l.item = null;
l.prev = null; // help GC
last = prev;
// 就一个节点，删完了
if (prev == null)
first = null;
else
prev.next = null;
size--;
modCount++;
return element;
}
同样的，调用的时候保证 l 为非空尾节点，相应引用设为 null，设置新尾节点，进行必要的判空检查，最后更新 size 和 modCount。
删除中间节点
E unlink(Node<E> x) {
// assert x != null;
final E element = x.item;
final Node<E> next = x.next;
final Node<E> prev = x.prev;
// 为头节点，则设置新头节点
if (prev == null) {
first = next;
} else {
prev.next = next;
x.prev = null;
}
// 为尾节点，则设置新尾节点
if (next == null) {
last = prev;
} else {
next.prev = prev;
x.next = null;
}
x.item = null;
size--;
modCount++;
return element;
}
如果节点是中间节点，其实起作用的就是prev.next = next; next.prev = prev;，用这种方式，这个节点在这条链表里就消失了；但是还要考虑特殊情况，比如 prev 或 next 为 null，肯定是无法调用 prev.next抑或是next.prev的。特殊情况特殊判断一下即可。最后更新 size 和 modCount。
扩展的删除方法
和增加一样，删除也有很多扩展版本，不过基础还是上面三个方法。
public E removeFirst() {
final Node<E> f = first;
if (f == null)
throw new NoSuchElementException();
return unlinkFirst(f);
}
public E removeLast() {
final Node<E> l = last;
if (l == null)
throw new NoSuchElementException();
return unlinkLast(l);
}
public E pollFirst() {
final Node<E> f = first;
return (f == null) ? null : unlinkFirst(f);
}
public E pollLast() {
final Node<E> l = last;
return (l == null) ? null : unlinkLast(l);
}
public E pop() {
return removeFirst();
}
查询元素
按下标查元素
public E get(int index) {
checkElementIndex(index);
return node(index).item;
}
Node<E> node(int index) {
// assert isElementIndex(index);
// 在前半部分查
if (index < (size >> 1)) {
Node<E> x = first;
for (int i = 0; i < index; i++)
x = x.next;
return x;
// 后半部分查
} else {
Node<E> x = last;
for (int i = size - 1; i > index; i--)
x = x.prev;
return x;
}
}
其实链表是没有所谓索引的，但是从实现我们可以看出，LinkedList 的作者把头节点的元素索引看为 0，后面的元素依次类推。查的时候，会判断 index 对应元素在前半部分还是后半部分，从而决定从头节点还是尾节点遍历，这是个小小的优化。
从元素找下标
public int indexOf(Object o) {
int index = 0;
// 为 null，直接比引用
if (o == null) {
for (Node<E> x = first; x != null; x = x.next) {
if (x.item == null)
return index;
index++;
}
// 否则，调用 equals
} else {
for (Node<E> x = first; x != null; x = x.next) {
if (o.equals(x.item))
return index;
index++;
}
}
return -1;
}
从头开始遍历链表查找相等的元素下标。还有个lastIndexOf，从尾节点开始，不再赘述。
按下标进行增删改
public void add(int index, E element) {
checkPositionIndex(index);
if (index == size)
linkLast(element);
else
linkBefore(element, node(index));
}
public E remove(int index) {
checkElementIndex(index);
// 找到之后，删了它
return unlink(node(index));
}
public E set(int index, E element) {
checkElementIndex(index);
Node<E> x = node(index);
// 找到之后，修改节点的数据
E oldVal = x.item;
x.item = element;
return oldVal;
}
ArrayList 和 LinkedList 的区别
1.底层数据结构
- ArrayList 是动态数组的数据结构实现
- LinkedList 是双向链表的数据结构实现
2.操作数据效率
ArrayList按照下标查询的时间复杂度O(1)【内存是连续的，根据寻址公式】， LinkedList不支持下标查询
查找（未知索引）： ArrayList需要遍历，链表也需要链表，时间复杂度都是O(n)
新增和删除：
ArrayList尾部插入和删除，时间复杂度是O(1)；其他部分增删需要挪动数组，时间复杂度是O(n)
LinkedList头尾节点增删时间复杂度是O(1)，其他都需要遍历链表，时间复杂度是O(n)
3.内存空间占用
- ArrayList底层是数组，内存连续，节省内存
- LinkedList 是双向链表需要存储数据，和两个指针，更占用内存
4.线程安全
ArrayList和LinkedList都不是线程安全的
如果需要保证线程安全，有两种方案：
- 在方法内使用，局部变量则是线程安全的
- 使用线程安全的ArrayList和LinkedList
List<Object> syncArrayList = Collections.synchronizedList(new ArrayList<>()); List<Object> syncLinkedList = Collections.synchronizedList(new LinkedList<>());
Set
底层数据结构
Map(双列集合)
底层数据结构
二叉搜索树
二叉搜索树(Binary Search Tree,BST)又名二叉查找树，有序二叉树或者排序二叉树，是二叉树中比较常用的一种类型。
二叉查找树要求，在树中的任意一个节点，其左子树中的每个节点的值，都要小于这个节点的值，而右子树节点的值都大于这个节点的值。
时间复杂度分析
实际上由于二叉查找树的形态各异，时间复杂度也不尽相同，我画了几棵树我们来看一下插入，查找，删除的时间复杂度
插入，查找，删除的时间复杂度O(logn)
对于上图中这种情况属于最坏的情况，二叉查找树已经退化成了链表，左右子树极度不平衡，此时查找的时间复杂度肯定是O(n)。
为了解决上述问题，引入了红黑树。
红黑树
红黑树（Red Black Tree）：也是一种自平衡的二叉搜索树(BST)，之前叫做平衡二叉B树（Symmetric Binary B-Tree）
红黑树的特质
- 性质1：节点要么是红色,要么是黑色
- 性质2：根节点是黑色
- 性质3：叶子节点都是黑色的空节点
- 性质4：红黑树中红色节点的子节点都是黑色
- 性质5：从任一节点到叶子节点的所有路径都包含相同数目的黑色节点
在添加或删除节点的时候，如果不符合这些性质会发生旋转，以达到所有的性质。
具体的颜色变换和旋转的规则后面我会具体写一篇博客来讲清楚。
红黑树的复杂度
查找：
- 红黑树也是一棵BST（二叉搜索树）树，查找操作的时间复杂度为：O(log n)
添加：
- 添加先要从根节点开始找到元素添加的位置，时间复杂度O(log n)
- 添加完成后涉及到复杂度为O(1)的旋转调整操作
- 故整体复杂度为：O(log n)
删除：
- 首先从根节点开始找到被删除元素的位置，时间复杂度O(log n)
- 删除完成后涉及到复杂度为O(1)的旋转调整操作
- 故整体复杂度为：O(log n)
散列表
在HashMap中的最重要的一个数据结构就是散列表，在散列表中又使用到了红黑树和链表
散列表(Hash Table)又名哈希表/Hash表，是根据键（Key）直接访问在内存存储位置值（Value）的数据结构，它是由数组演化而来的，利用了数组支持按照下标进行随机访问数据的特性
假设有100个人参加马拉松，不采用1-100的自然数对选手进行编号，编号有一定的规则比如：2023ZHBJ001，其中2023代表年份，ZH代表中国，BJ代表北京，001代表原来的编号，那此时的编号2023ZHBJ001不能直接作为数组的下标，此时应该如何实现呢？
可以将这些编号转换成整数作为数组下标，具体的实现方法可以使用哈希函数，将编号映射到整数，然后将整数对数组长度取模得到最终的数组下标。
将键(key)映射为数组下标的函数叫做散列函数。可以表示为：hashValue = hash(key)
散列函数的基本要求：
- 散列函数计算得到的散列值必须是大于等于0的正整数，因为hashValue需要作为数组的下标。
- 如果key1==key2，那么经过hash后得到的哈希值也必相同即：hash(key1) == hash(key2）
- 如果key1 != key2，那么经过hash后得到的哈希值也必不相同即：hash(key1) != hash(key2)
散列冲突
实际的情况下想找一个散列函数能够做到对于不同的key计算得到的散列值都不同几乎是不可能的，即便像著名的MD5,SHA等哈希算法也无法避免这一情况，这就是散列冲突(或者哈希冲突，哈希碰撞，就是指多个key映射到同一个数组下标位置)
解决散列冲突-链表法（拉链）
在散列表中，数组的每个下标位置我们可以称之为桶（bucket）或者槽（slot），每个桶(槽)会对应一条链表，所有散列值相同的元素我们都放到相同槽位对应的链表中。
时间复杂度分析
（1）插入操作：通过散列函数计算出对应的散列槽位，将其插入到对应链表中即可，插入的时间复杂度是 O(1)。
（2）当查找、删除一个元素时，我们同样通过散列函数计算出对应的槽，然后遍历链表查找或者删除
- 平均情况下基于链表法解决冲突时查询的时间复杂度是O(1)
- 散列表可能会退化为链表,查询的时间复杂度就从 O(1) 退化为 O(n)
- 将链表法中的链表改造为其他高效的动态数据结构，比如红黑树，查询的时间复杂度是 O(logn)
比如下图的情况散列表就退化为了链表
这个时候将链表改造为红黑树就能降低查询的时间复杂度
将链表法中的链表改造红黑树还有一个非常重要的原因，可以防止DDos攻击
DDos 攻击:
分布式拒绝服务攻击(英文意思是Distributed Denial of Service，简称DDoS） 指处于不同位置的多个攻击者同时向一个或数个目标发动攻击，或者一个攻击者控制了位于不同位置的多台机器并利用这些机器对受害者同时实施攻击。由于攻击的发出点是分布在不同地方的，这类攻击称为分布式拒绝服务攻击，其中的攻击者可以有多个
在 DDos 攻击中，攻击者可能会发送大量请求，其中包含大量不同的 key，如果在哈希表中采用链表结构，当链表过长时，查询效率下降，容易被利用来加剧服务器负载，从而达到 DDos 攻击的目的。而使用红黑树能够更快速地响应查询请求，降低了服务器被攻击的风险。
因此，将链表改造为红黑树在 HashMap 中可以提高查询效率，减少哈希冲突带来的性能影响，也能更好地抵御 DDos 攻击。
HashMap的实现原理
HashMap的数据结构： 底层使用hash表数据结构，即数组和链表或红黑树
- 当我们往HashMap中put元素时，利用key的hashCode重新hash计算出当前对象的元素在数组中的下标
- 存储时，如果出现hash值相同的key，此时有两种情况。
a. 如果key相同，则覆盖原始值；
b. 如果key不同（出现冲突），则将当前的key-value放入链表或红黑树中
- 获取时，直接找到hash值对应的下标，在进一步判断key是否相同，从而找到对应值。
HashMap的jdk1.7和jdk1.8有什么区别
- JDK1.8之前采用的是拉链法。拉链法：将链表和数组相结合。也就是说创建一个链表数组，数组中每一格就是一个链表。若遇到哈希冲突，则将冲突的值加到链表中即可。
- jdk1.8在解决哈希冲突时有了较大的变化，当链表长度大于阈值（默认为8） 时并且数组长度达到64时，将链表转化为红黑树，以减少搜索时间。扩容 resize( ) 时，红黑树拆分成的树的结点数小于等于临界值6个，则退化成链表
HashMap源码分析
put方法的具体流程
成员变量（常见）
DEFAULT_INITIAL_CAPACITY 默认的初始容量
DEFAULT_LOAD_FACTOR 默认的加载因子
扩容阈值 == 数组容量 * 加载因子
table 用于存储数据的数组，其中Node节点是一个内部类，具体代码如下：
static class Node<K,V> implements Map.Entry<K,V> {
//节点对应的哈希值
final int hash;
final K key;
V value;
//链表或红黑树的头节点
Node<K,V> next;
Node(int hash, K key, V value, Node<K,V> next) {
this.hash = hash;
this.key = key;
this.value = value;
this.next = next;
}
public final K getKey() { return key; }
public final V getValue() { return value; }
public final String toString() { return key + "=" + value; }
public final int hashCode() {
return Objects.hashCode(key) ^ Objects.hashCode(value);
}
public final V setValue(V newValue) {
V oldValue = value;
value = newValue;
return oldValue;
}
public final boolean equals(Object o) {
if (o == this)
return true;
return o instanceof Map.Entry<?, ?> e
&& Objects.equals(key, e.getKey())
&& Objects.equals(value, e.getValue());
}
}
size用于表示集合的元素个数。
构造函数
无参构造：
- HashMap是懒惰加载，在创建对象时并没有初始化数组
- 在无参的构造函数中，设置了默认的加载因子是0.75
常见方法
put方法：
添加数据的流程：
1. 判断键值对数组table是否为空或为null，否则执行resize()进行扩容（初始化）
2. 根据键值key计算hash值得到数组索引
3. 判断table[i]==null，条件成立，直接新建节点添加
4. 如果table[i]==null ,不成立
- 判断table[i]的首个元素是否和key一样，如果相同直接覆盖value
- 判断table[i] 是否为treeNode，即table[i] 是否是红黑树，如果是红黑树，则直接在树中插入键值对
- 4遍历table[i]，链表的尾部插入数据，然后判断链表长度是否大于8，大于8的话把链表转换为红黑树，在红黑树中执行插入操 作，遍历过程中若发现key已经存在直接覆盖value
5. 插入成功后，判断实际存在的键值对数量size是否超多了最大容量threshold（数组长度*0.75），如果超过，进行扩容。
public V put(K key, V value) {
return putVal(hash(key), key, value, false, true);
}
final V putVal(int hash, K key, V value, boolean onlyIfAbsent,
boolean evict) {
Node<K,V>[] tab; Node<K,V> p; int n, i;
//判断数组是否未初始化
if ((tab = table) == null || (n = tab.length) == 0)
//如果未初始化，调用resize方法 进行初始化
n = (tab = resize()).length;
//通过 & 运算求出该数据（key）的数组下标并判断该下标位置是否有数据
if ((p = tab[i = (n - 1) & hash]) == null)
//如果没有，直接将数据放在该下标位置
tab[i] = newNode(hash, key, value, null);
//该数组下标有数据的情况
else {
Node<K,V> e; K k;
//判断该位置数据的key和新来的数据是否一样
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
//如果一样，证明为修改操作，该节点的数据赋值给e,后边会用到
e = p;
//判断是不是红黑树
else if (p instanceof TreeNode)
//如果是红黑树的话，进行红黑树的操作
e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
//新数据和当前数组既不相同，也不是红黑树节点，证明是链表
else {
//遍历链表
for (int binCount = 0; ; ++binCount) {
//判断next节点，如果为空的话，证明遍历到链表尾部了
if ((e = p.next) == null) {
//把新值放入链表尾部
p.next = newNode(hash, key, value, null);
//因为新插入了一条数据，所以判断链表长度是不是大于等于8
if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st
//如果是，进行转换红黑树操作
treeifyBin(tab, hash);
break;
}
//判断链表当中有数据相同的值，如果一样，证明为修改操作
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
break;
//把下一个节点赋值为当前节点
p = e;
}
}
//判断e是否为空（e值为修改操作存放原数据的变量）
if (e != null) { // existing mapping for key
//不为空的话证明是修改操作，取出老值
V oldValue = e.value;
//一定会执行 onlyIfAbsent传进来的是false
if (!onlyIfAbsent || oldValue == null)
//将新值赋值当前节点
e.value = value;
afterNodeAccess(e);
//返回老值
return oldValue;
}
}
//计数器，计算当前节点的修改次数
++modCount;
//当前数组中的数据数量如果大于扩容阈值
if (++size > threshold)
//进行扩容操作
resize();
//空方法
afterNodeInsertion(evict);
//添加操作时 返回空值
return null;
}HashMap扩容机制
扩容流程
1. 在添加元素或初始化的时候需要调用resize方法进行扩容，第一次添加数据初始化数组长度为16，以后每次每次扩容都是达到了扩容阈值（数组长度 * 0.75）
2. 每次扩容的时候，都是扩容之前容量的2倍；
3. 扩容之后，会新创建一个数组，需要把老数组中的数据挪动到新的数组中
没有hash冲突的节点，则直接使用 e.hash & (newCap - 1) 计算新数组的索引位置
如果是红黑树，走红黑树的添加
如果是链表，则需要遍历链表，可能需要拆分链表，判断(e.hash & oldCap)是否为0，该元素的位置要么停留在原始位置，要么移动到原始位置+增加的数组大小这个位置上
resize源码
//扩容、初始化数组
final Node<K,V>[] resize() {
Node<K,V>[] oldTab = table;
//如果当前数组为null的时候，把oldCap老数组容量设置为0
int oldCap = (oldTab == null) ? 0 : oldTab.length;
//老的扩容阈值
int oldThr = threshold;
int newCap, newThr = 0;
//判断数组容量是否大于0，大于0说明数组已经初始化
if (oldCap > 0) {
//判断当前数组长度是否大于最大数组长度
if (oldCap >= MAXIMUM_CAPACITY) {
//如果是，将扩容阈值直接设置为int类型的最大数值并直接返回
threshold = Integer.MAX_VALUE;
return oldTab;
}
//如果在最大长度范围内，则需要扩容 OldCap << 1等价于oldCap*2
//运算过后判断是不是最大值并且oldCap需要大于16
else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&
oldCap >= DEFAULT_INITIAL_CAPACITY)
newThr = oldThr << 1; // double threshold 等价于oldThr*2
}
//如果oldCap<0，但是已经初始化了，像把元素删除完之后的情况，那么它的临界值肯定还存在， 如果是首次初始化，它的临界值则为0
else if (oldThr > 0) // initial capacity was placed in threshold
newCap = oldThr;
//数组未初始化的情况，将阈值和扩容因子都设置为默认值
else { // zero initial threshold signifies using defaults
newCap = DEFAULT_INITIAL_CAPACITY;
newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);
}
//初始化容量小于16的时候，扩容阈值是没有赋值的
if (newThr == 0) {
//创建阈值
float ft = (float)newCap * loadFactor;
//判断新容量和新阈值是否大于最大容量
newThr = (newCap < MAXIMUM_CAPACITY && ft < (float)MAXIMUM_CAPACITY ?
(int)ft : Integer.MAX_VALUE);
}
//计算出来的阈值赋值
threshold = newThr;
@SuppressWarnings({"rawtypes","unchecked"})
//根据上边计算得出的容量 创建新的数组
Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap];
//赋值
table = newTab;
//扩容操作，判断不为空证明不是初始化数组
if (oldTab != null) {
//遍历数组
for (int j = 0; j < oldCap; ++j) {
Node<K,V> e;
//判断当前下标为j的数组如果不为空的话赋值个e，进行下一步操作
if ((e = oldTab[j]) != null) {
//将数组位置置空
oldTab[j] = null;
//判断是否有下个节点
if (e.next == null)
//如果没有，就重新计算在新数组中的下标并放进去
newTab[e.hash & (newCap - 1)] = e;
//有下个节点的情况，并且判断是否已经树化
else if (e instanceof TreeNode)
//进行红黑树的操作
((TreeNode<K,V>)e).split(this, newTab, j, oldCap);
//有下个节点的情况，并且没有树化（链表形式）
else {
//比如老数组容量是16，那下标就为0-15
//扩容操作*2，容量就变为32，下标为0-31
//低位：0-15，高位16-31
//定义了四个变量
// 低位头 低位尾
Node<K,V> loHead = null, loTail = null;
// 高位头 高位尾
Node<K,V> hiHead = null, hiTail = null;
//下个节点
Node<K,V> next;
//循环遍历
do {
//取出next节点
next = e.next;
//通过 与操作 计算得出结果为0
if ((e.hash & oldCap) == 0) {
//如果低位尾为null，证明当前数组位置为空，没有任何数据
if (loTail == null)
//将e值放入低位头
loHead = e;
//低位尾不为null，证明已经有数据了
else
//将数据放入next节点
loTail.next = e;
//记录低位尾数据
loTail = e;
}
//通过 与操作 计算得出结果不为0
else {
//如果高位尾为null，证明当前数组位置为空，没有任何数据
if (hiTail == null)
//将e值放入高位头
hiHead = e;
//高位尾不为null，证明已经有数据了
else
//将数据放入next节点
hiTail.next = e;
//记录高位尾数据
hiTail = e;
}
}
//如果e不为空，证明没有到链表尾部，继续执行循环
while ((e = next) != null);
//低位尾如果记录的有数据，是链表
if (loTail != null) {
//将下一个元素置空
loTail.next = null;
//将低位头放入新数组的原下标位置
newTab[j] = loHead;
}
//高位尾如果记录的有数据，是链表
if (hiTail != null) {
//将下一个元素置空
hiTail.next = null;
//将高位头放入新数组的(原下标+原数组容量)位置
newTab[j + oldCap] = hiHead;
}
}
}
}
}
//返回新的数组对象
return newTab;
}get方法执行流程
- 首先根据 hash 方法获取到 key 的 hash 值
- 然后通过 hash & (length - 1) 的方式获取到 key 所对应的Node数组下标 ( length对应数组长度 )
- 首先判断此结点是否为空，是否就是要找的值，是则返回空，否则进入第二个结点。
- 接着判断第二个结点是否为空，是则返回空，不是则判断此时数据结构是链表还是红黑树
- 链表结构进行顺序遍历查找操作，每次用 == 符号 和 equals( ) 方法来判断 key 是否相同，满足条件则直接返回该结点。链表遍历完都没有找到则返回空。
- 红黑树结构执行相应的 getTreeNode( ) 查找操作。
对应源码
public V get(Object key) {
Node<K,V> e;
//hash(key)，获取key的hash值
//调用getNode方法，见下面方法
return (e = getNode(hash(key), key)) == null ? null : e.value;
}
final Node<K,V> getNode(int hash, Object key) {
Node<K,V>[] tab; Node<K,V> first, e; int n; K k;
//找到key对应的桶下标，赋值给first节点
if ((tab = table) != null && (n = tab.length) > 0 &&
(first = tab[(n - 1) & hash]) != null) {
//判断hash值和key是否相等，如果是，则直接返回，桶中只有一个数据（大部分的情况）
if (first.hash == hash && // always check first node
((k = first.key) == key || (key != null && key.equals(k))))
return first;
if ((e = first.next) != null) {
//该节点是红黑树，则需要通过红黑树查找数据
if (first instanceof TreeNode)
return ((TreeNode<K,V>)first).getTreeNode(hash, key);
//链表的情况，则需要遍历链表查找数据
do {
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
return e;
} while ((e = e.next) != null);
}
}
return null;
}HashMap寻址算法
public V put(K key, V value) {
return putVal(hash(key), key, value, false, true);
}
查看hash()方法
static final int hash(Object key) {
int h;
return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}
扰动算法，使hash值更加均匀，减少hash冲突
查看putVal()方法
final V putVal(int hash, K key, V value, boolean onlyIfAbsent,
boolean evict) {
……
if ((p = tab[i = (n - 1) & hash]) == null)
……
}
(n-1)&hash : 按位与运算y得到数组中的索引，代替取模，性能更好 数组长度必须是2的n次幂
- 计算对象的 hashCode()
- 再进行调用 hash() 方法进行二次哈希， hashcode值右移16位再异或运算，让哈希分布更为均匀
- 最后 (capacity – 1) & hash 得到索引
为何HashMap的数组长度一定是2的次幂？
计算索引时效率更高：
- 如果是 2 的 n 次幂可以使用位与运算代替取模
- 扩容时重新计算索引效率更高： hash & oldCap == 0 的元素留在原来位置 ，否则新位置 = 旧位置 + oldCap
hashmap在1.7情况下的多线程死循环问题
jdk7的的数据结构是：数组+链表
在数组进行扩容的时候，因为链表是头插法，在进行数据迁移的过程中，有可能导致死循环
void transfer(Entry[] newTable, boolean rehash) {
int newCapacity = newTable.length;
for (Entry<K,V> e : table) {
while(null != e) {
Entry<K,V> next = e.next;
if (rehash) {
e.hash = null == e.key ? 0 : hash(e.key);
}
int i = indexFor(e.hash, newCapacity);
e.next = newTable[i];
newTable[i] = e;
e = next;
}
}
}
在jdk1.7的hashmap中在数组进行扩容的时候，因为链表是头插法，在进行数据迁移的过程中，有可能导致死循环
比如说，现在有两个线程
线程一：读取到当前的hashmap数据，数据中一个链表，在准备扩容时，线程二介入
线程二：也读取hashmap，直接进行扩容。因为是头插法，链表的顺序会进行颠倒过来。比如原来的顺序是AB，扩容后的顺序是BA，线程二执行结束。
线程一：继续执行的时候就会出现死循环的问题。 线程一先将A移入新的链表，再将B插入到链头，由于另外一个线程的原因，B的next指向了A，所以B->A->B,形成循环。 当然，JDK 8 将扩容算法做了调整，不再将元素加入链表头（而是保持与扩容前一样的顺序），尾插法，就避免了jdk7中死循环的问题。
常见面试题合集
Java常见的集合类
面试官：说一说Java提供的常见集合？（画一下集合结构图）
候选人：
嗯~~，好的。
在java中提供了量大类的集合框架，主要分为两类：
第一个是Collection 属于单列集合，第二个是Map 属于双列集合
在Collection中有两个子接口List和Set。在我们平常开发的过程中用的比较多像list接口中的实现类ArrarList和LinkedList。 在Set接口中有实现类HashSet和TreeSet。
在map接口中有很多的实现类，平时比较常见的是HashMap、TreeMap，还有一个线程安全的map:ConcurrentHashMap
List
面试官：ArrayList底层是如何实现的？
候选人：
嗯~，我阅读过arraylist的源码，我主要说一下add方法吧
第一：确保数组已使用长度（size）加1之后足够存下下一个数据
第二：计算数组的容量，如果当前数组已使用长度+1后的大于当前的数组长度，则调用grow方法扩容（原来的1.5倍）
第三：确保新增的数据有地方存储之后，则将新元素添加到位于size的位置上。
第四：返回添加成功布尔值。
面试官：ArrayList list=new ArrayList(10)中的list扩容几次
候选人：
是new了一个ArrarList并且给了一个构造参数10，对吧？(问题一定要问清楚再答)
面试官：是的
候选人：
好的，在ArrayList的源码中提供了一个带参数的构造方法，这个参数就是指定的集合初始长度，所以给了一个10的参数，就是指定了集合的初始长度是10，这里面并没有扩容。
面试官：如何实现数组和List之间的转换
候选人：
嗯，这个在我们平时开发很常见
数组转list，可以使用jdk自动的一个工具类Arrars，里面有一个asList方法可以转换为数组
List 转数组，可以直接调用list中的toArray方法，需要给一个参数，指定数组的类型，需要指定数组的长度。
面试官：用Arrays.asList转List后，如果修改了数组内容，list受影响吗？List用toArray转数组后，如果修改了List内容，数组受影响吗
候选人：
Arrays.asList转换list之后，如果修改了数组的内容，list会受影响，因为它的底层使用的Arrays类中的一个内部类ArrayList来构造的集合，在这个集合的构造器中，把我们传入的这个集合进行了包装而已，最终指向的都是同一个内存地址
list用了toArray转数组后，如果修改了list内容，数组不会影响，当调用了toArray以后，在底层是它是进行了数组的拷贝，跟原来的元素就没啥关系了，所以即使list修改了以后，数组也不受影响
面试官：ArrayList 和 LinkedList 的区别是什么？
候选人：
嗯，它们两个主要是底层使用的数据结构不一样，ArrayList 是动态数组，LinkedList 是双向链表，这也导致了它们很多不同的特点。
1，从操作数据效率来说
ArrayList按照下标查询的时间复杂度O(1)【内存是连续的，根据寻址公式】， LinkedList不支持下标查询
查找（未知索引）： ArrayList需要遍历，链表也需要链表，时间复杂度都是O(n)
新增和删除
ArrayList尾部插入和删除，时间复杂度是O(1)；其他部分增删需要挪动数组，时间复杂度是O(n)
LinkedList头尾节点增删时间复杂度是O(1)，其他都需要遍历链表，时间复杂度是O(n)
2，从内存空间占用来说
ArrayList底层是数组，内存连续，节省内存
LinkedList 是双向链表需要存储数据，和两个指针，更占用内存
3，从线程安全来说，ArrayList和LinkedList都不是线程安全的
面试官：嗯，好的，刚才你说了ArrayList 和 LinkedList 不是线程安全的，你们在项目中是如何解决这个的线程安全问题的？
候选人：
嗯，是这样的，主要有两种解决方案：
第一：我们使用这个集合，优先在方法内使用，定义为局部变量，这样的话，就不会出现线程安全问题。
第二：如果非要在成员变量中使用的话，可以使用线程安全的集合来替代
ArrayList可以通过Collections 的 synchronizedList 方法将 ArrayList 转换成线程安全的容器后再使用。
LinkedList 换成ConcurrentLinkedQueue来使用
HashMap
面试官：说一下HashMap的实现原理？
候选人：
嗯。它主要分为了一下几个部分：
1，底层使用hash表数据结构，即数组+（链表 | 红黑树）
2，添加数据时，计算key的值确定元素在数组中的下标
key相同则替换
不同则存入链表或红黑树中
3，获取数据通过key的hash计算数组下标获取元素
面试官：HashMap的jdk1.7和jdk1.8有什么区别
候选人：
JDK1.8之前采用的拉链法，数组+链表
JDK1.8之后采用数组+链表+红黑树，链表长度大于8且数组长度大于64则会从链表转化为红黑树
面试官：好的，你能说下HashMap的put方法的具体流程吗？
候选人：
嗯好的。
判断键值对数组table是否为空或为null，否则执行resize()进行扩容（初始化）
根据键值key计算hash值得到数组索引
判断table[i]==null，条件成立，直接新建节点添加
如果table[i]==null ,不成立
4.1 判断table[i]的首个元素是否和key一样，如果相同直接覆盖value
4.2 判断table[i] 是否为treeNode，即table[i] 是否是红黑树，如果是红黑树，则直接在树中插入键值对
4.3 遍历table[i]，链表的尾部插入数据，然后判断链表长度是否大于8，大于8的话把链表转换为红黑树，在红黑树中执行插入操 作，遍历过程中若发现key已经存在直接覆盖value
插入成功后，判断实际存在的键值对数量size是否超多了最大容量threshold（数组长度*0.75），如果超过，进行扩容。
面试官：好的，刚才你多次介绍了hsahmap的扩容，能讲一讲HashMap的扩容机制吗？
候选人：
好的
在添加元素或初始化的时候需要调用resize方法进行扩容，第一次添加数据初始化数组长度为16，以后每次每次扩容都是达到了扩容阈值（数组长度 * 0.75）
每次扩容的时候，都是扩容之前容量的2倍；
扩容之后，会新创建一个数组，需要把老数组中的数据挪动到新的数组中
没有hash冲突的节点，则直接使用 e.hash & (newCap - 1) 计算新数组的索引位置
如果是红黑树，走红黑树的添加
如果是链表，则需要遍历链表，可能需要拆分链表，判断(e.hash & oldCap)是否为0，该元素的位置要么停留在原始位置，要么移动到原始位置+增加的数组大小这个位置上
面试官：好的，刚才你说的通过hash计算后找到数组的下标，是如何找到的呢，你了解hashMap的寻址算法吗？
候选人：
这个哈希方法首先计算出key的hashCode值，然后通过这个hash值右移16位后的二进制进行按位异或运算得到最后的hash值。
在putValue的方法中，计算数组下标的时候使用hash值与数组长度取模得到存储数据下标的位置，hashmap为了性能更好，并没有直接采用取模的方式，而是使用了数组长度-1 得到一个值，用这个值按位与运算hash值，最终得到数组的位置。
面试官：为何HashMap的数组长度一定是2的次幂？
候选人：
嗯，好的。hashmap这么设计主要有两个原因：
第一：
计算索引时效率更高：如果是 2 的 n 次幂可以使用位与运算代替取模
第二：
扩容时重新计算索引效率更高：在进行扩容是会进行判断 hash值按位与运算旧数组长租是否 == 0
如果等于0，则把元素留在原来位置 ，否则新位置是等于旧位置的下标+旧数组长度
面试官：好的，我看你对hashmap了解的挺深入的，你知道hashmap在1.7情况下的多线程死循环问题吗？
候选人：
嗯，知道的。是这样
jdk7的的数据结构是：数组+链表
在数组进行扩容的时候，因为链表是头插法，在进行数据迁移的过程中，有可能导致死循环
比如说，现在有两个线程
线程一：读取到当前的hashmap数据，数据中一个链表，在准备扩容时，线程二介入
线程二也读取hashmap，直接进行扩容。因为是头插法，链表的顺序会进行颠倒过来。比如原来的顺序是AB，扩容后的顺序是BA，线程二执行结束。
当线程一再继续执行的时候就会出现死循环的问题。
线程一先将A移入新的链表，再将B插入到链头，由于另外一个线程的原因，B的next指向了A，所以B->A->B,形成循环。
当然，JDK 8 将扩容算法做了调整，不再将元素加入链表头（而是保持与扩容前一样的顺序），尾插法，就避免了jdk7中死循环的问题。
面试官：好的，hashmap是线程安全的吗？
候选人：不是线程安全的
面试官：那我们想要使用线程安全的map该怎么做呢？
候选人：我们可以采用ConcurrentHashMap进行使用，它是一个线程安全的HashMap
面试官：那你能聊一下ConcurrentHashMap的原理吗？
候选人：好的，请参考《多线程相关面试题》中的ConcurrentHashMap部分的讲解
面试官：HashSet与HashMap的区别？
候选人：嗯，是这样。
HashSet底层其实是用HashMap实现存储的, HashSet封装了一系列HashMap的方法. 依靠HashMap来存储元素值,(利用hashMap的key键进行存储), 而value值默认为Object对象. 所以HashSet也不允许出现重复值, 判断标准和HashMap判断标准相同, 两个元素的hashCode相等并且通过equals()方法返回true.
面试官：HashTable与HashMap的区别
候选人：
嗯，他们的主要区别是有几个吧
第一，数据结构不一样，hashtable是数组+链表，hashmap在1.8之后改为了数组+链表+红黑树
第二，hashtable存储数据的时候都不能为null，而hashmap是可以的
第三，hash算法不同，hashtable是用本地修饰的hashcode值，而hashmap经常了二次hash
第四，扩容方式不同，hashtable是当前容量翻倍+1，hashmap是当前容量翻倍
第五，hashtable是线程安全的，操作数据的时候加了锁synchronized，hashmap不是线程安全的，效率更高一些
在实际开中不建议使用HashTable，在多线程环境下可以使用ConcurrentHashMap类
![[计算机网络]---UDP协议](https://img-blog.csdnimg.cn/direct/0ae9c96e2be34572b3f51203ac4bc6bf.png)