当前位置：首页 > java >正文

Java集合再探

java 2025/8/18 2:03:43

谈谈你对集合的理解？

集合首先分为两个集合和一个工具类，分别是Collection接口、Map接口以及Collections工具类

首先是Collection接口，也就是单例集合，它的子接口有List接口、Set接口、Queue接口

List接口首先是有序且允许重复，它的常见实现类

有线程不安全的，例如：
- ArrayList，底层是一个Object[]类型的elementData数组，适合查找、遍历，而插入\删除的效率比较低。它的无参构造方法首先是数组初始化为0，在第一次添加元素时，数组容量扩容为10；而有参构造方法，数组按指定容量初始化；当容量不足时，按数组现有容量的1.5倍扩容
- LinkedList，底层是一个双向链表，在每个节点里存入了上个节点和下个节点的地址，适合插入、删除，而查找\遍历的效率比较低。它由于采用链表结构，每次添加元素都在创建新的Node节点并进行分配空间，所以不存在扩容。
有线程安全的，例如：
- Vector，底层也是一个Object[]类型的elementData数组，因为底层加了synchronized同步锁来实现线程安全，因此效率较低；它的扩容方式，无参构造方法，数组的初始化容量为10；而有参构造方法，数组按指定容量初始化；当容量不足时，按照原有的容量的2倍或者按照指定容量值(capacityIncrement)进行扩容。
- Stack，底层是一个基于先进后出FILO实现的栈，底层加了synchronized同步锁来实现线程安全，它继承自Vector类。
- CopyOnWriteArrayList，底层是一个Object[]类型的array数组，底层通过ReentrantLock锁来实现线程安全，由于底层是被final修饰的一把ReentrantLock锁，所以在不同的写操作(set、add、addIfAbsent、remove等方法)时，会保持线程之间的同步性(互斥)，而读操作由于没加锁，所以允许读写操作同时进行；

CopyOnWrite："写入"操作时，先进行数组复制，然后在新数组中进行写入操作，然后替换；

Set接口首先是无序且不允许重复，也就是值唯一，它的常见实现类

有线程不安全的，例如：
- HashSet，【特点：元素不重复且无序，允许null值】底层是HashMap。如果多个线程尝试修改HashSet，则最终结果是不确定的。
- LinkedHashSet，【特点：元素有序，维护了元素的插入顺序】底层是LinkedHashMap。不支持按访问顺序对元素排序，只支持按插入顺序排序
- TreeSet，【特点：可排序且去重，可以自定义排序规则】底层是TreeMap。底层用到的数据结果是红黑树。当我们构造TreeSet时；若使用不带参数的构造函数，则TreeSet的使用自然比较器；若用户需要使用自定义的比较器，则需要使用带比较器的参数。
有线程安全的，例如：
- CopyOnWriteArraySet，底层其实是CopyOnWriteArrayList，特点和它相同，读写分离，可能会产生脏读，在写上面加了ReentrantLock写锁，保持线程之间的同步性(互斥)

Queue接口，队列，先进先出FIFO

有线程不安全的，例如：
- LinkedList，基于双向链表实现的队列，底层是Node节点
- PriorityQueue，基于堆实现的队列，底层是Object类型的数组
有线程安全的，例如BlockingQueue阻塞队列，队列满，写入线程会阻塞，队列空，读取线程会阻塞。
- ArrayBlockingQueue，有界队列，读写操作使用同一把ReentrantLock锁进行控制，所以读写操作不能并发。
- LinkedBlockingQueue，无界队列，读takeLock写putLock使用各自不同的ReentrantLock锁，所以允许读写操作允许并发。

Map接口，键值对集合，

有线程不安全的，例如：
- HashMap，【特点：无序，查找效率高，根据key查找value】底层是数组(哈希表)+链表(链地址法解决哈希冲突)+红黑树(自平衡二叉查找树，提高查找效率)

关键计算：计算key-value键值对在哈希表中的存储位置(桶)，哈希运算，hash( )扰动函数【(h = key.hashCode()) ^ (h >>> 16)】计算新的哈希值，通过新哈希值，计算下标位置(桶位置)【(n - 1) & hash】

转换成红黑树的条件：链表的元素个数超过8，并且数组长度大于等于64

红黑树退化成链表条件：红黑树中的元素个数少于6

转换成红黑树的优点：

链表过长，会导致搜索效率降低，使用红黑树提高查找效率；

红黑树，是一颗自平衡的二叉查找树，树中所有节点均自动排序，并且自平衡，可以使用二分查找，提高查找效率。

影响性能的关键参数：

数组容量：默认为16，容量越大，内存占用越多，产生冲突的概率越小，必须为2的N次幂，每次按照2倍进行扩容，最大容量不超过2的30次幂；

加载因子：默认为0.75，加载因子越高，代表利用率越高，产生冲突的概率越高，加载因子越低，代表利用率越低，产生冲突的概率越低；

扩容条件：默认情况下，数组长度为16（自定义时，必须保证数组长度为2^n 次幂）达到扩容阈值threshold，按照2倍进行扩容，链表长度大于8，数组长度小于64，链表不会转换成红黑树，执行数组扩容

- <font style="background-color:#FBDE28;">LinkedHashMap</font>【HashMap的子类】键值对按照有序方式存储，在HashMap的基础上，多维护了一条双向链表，用于存储顺序
- <font style="background-color:#FBDE28;">TreeMap</font>：【自动按照key排序】底层使用红黑树存储

有线程安全的，例如：
- Hashtable【无序、key唯一、key和value不允许为null、线程安全】，哈希表 = 数组 + 单向链表，通过Synchronized实现线程安全。
- ConcurrentHashMap【无序】，数组+链表+红黑树，通过Synchronized同步锁+CAS无锁化编程模型

Collections工具类

ThreadLocal

ThreadLocal利用Thread中的ThreadLocalMap来进行数据存储。

内部有一个map对象，键为当前的线程对象，值为存储的数据value

import java.util.concurrent.ExecutorService;
import java.util.concurrent.Executors;
import java.util.concurrent.ThreadPoolExecutor;/*** @Author Stringzhua* @Date 2024/11/1 10:19* description:*/
public class Demo01 {public static ThreadLocal<String> threadLocal = new ThreadLocal<>();public static ThreadLocal<Integer> threadLocalInt = new ThreadLocal<>();public static void main(String[] args) {show show = new show();Thread t1 = new Thread(new Runnable() {@Overridepublic void run() {try {threadLocal.set("妲己");threadLocalInt.set(10000);show.show();show.choose();} catch (Exception e) {e.printStackTrace();} finally {threadLocal.remove();threadLocalInt.remove();}}});Thread t2 = new Thread(new Runnable() {@Overridepublic void run() {try {threadLocal.set("张飞");threadLocalInt.set(100);show.show();show.choose();} catch (Exception e) {e.printStackTrace();} finally {threadLocal.remove();threadLocalInt.remove();}}});t1.start();t2.start();}
}class show {public void show() {String role = Demo01.threadLocal.get();Integer score = Demo01.threadLocalInt.get();System.out.println(Thread.currentThread().getName() + "当前角色为" + role + "积分" + score);}public void choose() {String role = Demo01.threadLocal.get();Integer score = Demo01.threadLocalInt.get();System.out.println(Thread.currentThread().getName() + "选择的角色为" + role + "积分" + score);}
}