Java高频面试之集合-03

news2025/3/7 1:40:36

hello啊，各位观众姥爷们！！！本baby今天来报道了！哈哈哈哈哈嗝🐶

面试官：说说ArrayList和LinkedList的区别

ArrayList 与 LinkedList 的详细对比

一、底层数据结构

特性	ArrayList	LinkedList
存储结构	基于动态数组	基于双向链表
内存分配	连续内存块	非连续内存，节点分散存储
元素访问	通过索引直接寻址（时间复杂度 O(1)）	需要遍历链表（时间复杂度 O(n)）
插入/删除	需要移动元素（时间复杂度 O(n)）	修改指针（时间复杂度 O(1)，但需先遍历到位置）
空间开销	仅存储数据和数组容量，内存紧凑	每个节点额外存储前驱和后继指针，内存占用更高

二、核心操作性能对比

1. 随机访问（Get/Set）

ArrayList
- 直接通过索引访问数组元素，时间复杂度 O(1)。
- 示例代码：
```
list.get(1000);  // 直接定位到数组第1000个位置
```
LinkedList
- 需要从链表头部或尾部遍历到目标位置，时间复杂度 O(n)。
- 优化技巧：根据索引位置选择从头或尾遍历（如 index < size/2 从头开始）。
- 示例代码：
```
list.get(1000);  // 需要遍历至少1000个节点
```

2. 插入与删除

尾部插入（Add）
- ArrayList：
  - 如果数组未满，直接添加到末尾，时间复杂度 O(1)。
  - 如果数组已满，需扩容（通常扩容为原容量的1.5倍）并复制数据，均摊时间复杂度 O(1)。
- LinkedList：
  - 直接修改尾节点的指针，时间复杂度 O(1)（无需遍历）。
中间插入（Add at Index）
- ArrayList：
  - 需要将插入位置后的元素后移，时间复杂度 O(n)。
  - 示例：在索引 i 处插入元素，需移动 n - i 个元素。
- LinkedList：
  - 先遍历到目标位置（时间复杂度 O(n)），再修改指针（O(1)），总体时间复杂度 O(n)。
删除（Remove）
- ArrayList：
  - 类似插入操作，需将后续元素前移，时间复杂度 O(n)。
- LinkedList：
  - 遍历到目标节点后修改指针，时间复杂度 O(n)（遍历是主要开销）。

三、内存占用与扩容机制

1. 内存占用

ArrayList
- 内存连续，仅存储数据和数组容量字段。
- 每个元素占用空间 = 数组槽位大小（如 Integer 为4字节）。
- 示例：存储1000个整数，数组容量为1000时，总内存 ≈ 1000 * 4B = 4KB。
LinkedList
- 每个节点包含数据、前驱指针、后继指针，内存分散。
- 每个节点内存开销 ≈ 对象头（12B） + 3个引用（各4B） + 数据 = 至少 24B。
- 示例：存储1000个整数，总内存 ≈ 1000 * 24B = 24KB（是 ArrayList 的6倍）。

2. 扩容机制

ArrayList
- 默认初始容量为10，扩容时创建新数组并复制数据。
- 扩容公式：newCapacity = oldCapacity + (oldCapacity >> 1)（即1.5倍）。
- 扩容代价高，但均摊时间复杂度仍为 O(1)。
LinkedList
- 无扩容概念，每次插入动态创建新节点。
- 无内存浪费，但频繁插入可能触发GC（节点对象创建/销毁）。

四、应用场景

适合使用 ArrayList 的场景

频繁随机访问
- 例如：按索引读取或修改元素（如 list.get(i)）。
尾部插入/删除
- 例如：日志记录、批量数据处理。
内存敏感场景
- 需存储大量数据且希望减少内存占用。

适合使用 LinkedList 的场景

频繁在头部或中间插入/删除
- 例如：实现栈（Stack）、队列（Queue）或双向队列（Deque）。
动态调整数据规模
- 无需担心扩容问题，适合元素数量变化较大的场景。
需要实现复杂数据结构
- 如LRU缓存（通过双向链表快速移动节点）。

五、代码示例与性能测试

1. 尾部插入性能对比

// ArrayList
List<Integer> arrayList = new ArrayList<>();
long start = System.currentTimeMillis();
for (int i = 0; i < 1000000; i++) {
    arrayList.add(i);  // 均摊 O(1)
}
System.out.println("ArrayList 尾部插入耗时: " + (System.currentTimeMillis() - start) + "ms");

// LinkedList
List<Integer> linkedList = new LinkedList<>();
start = System.currentTimeMillis();
for (int i = 0; i < 1000000; i++) {
    linkedList.add(i);  // O(1)
}
System.out.println("LinkedList 尾部插入耗时: " + (System.currentTimeMillis() - start) + "ms");

结果：

ArrayList 通常更快（因内存连续，CPU缓存友好）。
LinkedList 可能因频繁创建节点对象导致GC开销。

2. 中间插入性能对比

// ArrayList
start = System.currentTimeMillis();
for (int i = 0; i < 1000; i++) {
    arrayList.add(0, i);  // 每次插入需移动所有元素，O(n)
}
System.out.println("ArrayList 头部插入耗时: " + (System.currentTimeMillis() - start) + "ms");

// LinkedList
start = System.currentTimeMillis();
for (int i = 0; i < 1000; i++) {
    linkedList.add(0, i);  // O(1)
}
System.out.println("LinkedList 头部插入耗时: " + (System.currentTimeMillis() - start) + "ms");

结果：

LinkedList 明显优于 ArrayList（避免元素移动）。

六、高级特性与注意事项

迭代器性能
- ArrayList：迭代器直接通过索引访问，性能高。
- LinkedList：迭代器需逐个遍历节点，性能较低（但实现了 ListIterator，支持双向遍历）。
线程安全性
- 两者均非线程安全，多线程环境下需使用 Collections.synchronizedList 或 CopyOnWriteArrayList。
序列化与克隆
- ArrayList 重写了 clone()，实现浅拷贝。
- LinkedList 的克隆需要遍历复制所有节点。

🐮👵

维度	ArrayList	LinkedList
数据结构	动态数组	双向链表
访问效率	O(1)（随机访问）	O(n)
插入/删除	O(n)（需移动元素）	O(1)（已知位置）或 O(n)（需遍历）
内存占用	低（连续存储）	高（每个节点额外指针开销）
适用场景	随机访问、尾部操作、内存敏感	频繁头部/中间插入删除、实现队列/栈