Java:集合类的数据结构

本文源自参考《Think in Java》，多篇博文以及阅读源码的总结

前言

Java的集合其实就是各种基本的数据结构（栈，队列，hash表等），基于业务需求进而演变出的Java特有的数据结构（因为不仅仅是基本数据结构）。现在，我们以数据结构的视角来看看Java的集合到底是什么样子。并分析他们的性能。

一 JAVA集合体系

JAVA的集合体系分为两类，Collection接口和Map接口

主要分为三种：

Set。无插入顺序的不重复数据集接口(集合演变而来)
List。有插入顺序的数据集接口(队列演变而来)
Map。Key-Value的键值对数据集接口(Hash表演变而来)

其中Set和List继承自Collection接口，Map则就是Map接口。

接口中都定义了一些基本增删改查的方法。

具体继承体系如下图：

基本可以从名字知道集合的内部数据结构。

看后缀，有Set，List，Map后缀的集合，代表着该集合的基本结构，所以会具有以上所说的特性。
看前缀，前缀往往代表着该数据结构的具体实现方式。一般有这几种：
1. Hash或者Array,代表着以哈希（基本）数组实现的数据结构。
2. Linked，代表着集合内各个数据之间存在链表关系。
3. Tree或者Sorted，代表着内部使用红黑树实现了排序。（需要提供Comparator或者实现Comparable）

下面大略说下每个集合的数据结构，懒得贴源码了。

1.1 List

最常用的List就是ArrayList和LinkedList了，在此不讨论并发的List集合。
讨论下底层源码对它们的具体实现。

1.1.1 ArrayList

使用JAVA的基本数组实现的动态数组集合，源码底层维护着List的容量与实际长度。

因为使用的基本数组，不像哈希数组一样需要考虑哈希碰撞问题，因此负载因子默认为1。当List数组容量不够时才进行扩容，扩容的倍数为1.5倍。

通过Arrays.copyOf方法，返回复制的新数组。Arrays.copyOf底层调用的System.arraycopy方法。而在ArrayList初始化时，如果不指定初始数组长度，在JDK1.6之后默认初始长度为0，在JDK1.6之前则默认为10。在JDK1.6后，ArrayList在第一次扩容时，如果扩容长度不足10，则会直接扩容到10。

具体集合怎么使用就不废话了。

1.1.2 LinkedList

这是一个双向链表，其中节点用的是LinkedList的内部类。和数据结构中的链表差不多。可以用它实现栈和队列。

1.1.3 ArrayList与LinkedList比较

很明显，ArrayList是某种程度上的哈希表，适合随机读，但是不适合在集合中间插入和删除（会造成后续数据的位移）。
而LinkedList适合在头尾部插入删除，不适合随机读。

值得一提的是ArrayList随机读的时间复杂度是O(1)，LinkedList是O(n)。而ArrayList在中间插入和删除的时间复杂度是O(n)，LinekdList在中间插入删除时间复杂度也是O(n)

可以明显看出来ArrayList在插入删除上和LinkedList理论上所用的时间是一个级别的，但是ArrayList慢于LinkedList是因为在修改集合后需要进行其他数组数据的移动，而LinkedList则是查找节点花费了O(n)，不需要额外移动数据，所以在同样数据量时，LinkedList进行数据修改优于ArrayList。

1.2 Map

最常用的Map就是HashMap和TreeMap。

1.2.1 HashMap

HashMap是底层用哈希数组实现的Map。HashMap就是一个个Entry（Key-Value键值对）存储在一个哈希数组上（Entry是HashMap的内部类）。

哈希数组的使用不可避免的需要考虑哈希碰撞问题，常用的解决方案有：

拉链法
再哈希法
开放地址法
建立公共溢出区。

在JDK里，使用的就是拉链法解决的哈希碰撞问题，因此每个哈希数组上的数组元素（又被称为桶——bucket），都是一个链表的表头。这样基本保证了HashMap的平均查找时间是O(1)。

HashMap的负载因子为0.75

但是当出现频繁哈希碰撞时，会导致某个链表过长进而导致了查找时间会趋近于O(n)。对此JDK原本的解决方案是设置负载因子为0.75。当哈希表总负载量达到0.75时，就会进行扩容，扩容为原本的2倍。这样当数据平均下来后，不太容易出现过长的链表（因为扩容会分解链表重新放入桶中）。

但是这并没有解决特殊情况下查找效率的问题，只是让这种特殊情况更难以出现了。

JDK1.8中 HashMap出现了红黑树

因此在JDK1.8中又做出了改进，当某个桶中的链表的长度大于8时。链表会重构成一个红黑树。这样保证了HashMap的最坏时间复杂度也仅仅是O(logn)。同时负载因子引起的扩容也保证了红黑树的重构不会频繁发生，不会因为频繁建树导致过多的性能开销。

HashMap的初始化与扩容

另外值得一说的就是HashMap在不知道初始长度进行初始化时，JDK1.6前默认长度为16,JDK1.6后默认长度为0。基本在JDK1.6中，需要初始化底层容器的集合都做出了这种优化。不会提前构造底层容器造成开销，会等到使用时才进行底层的初始化。

而HashMap默认长度设置为16，并且每次扩容都是2倍。这是为了方便底层的哈希数组进行取模时的运算，可以把取模的除法运算改写成位移运算，提升性能。

并且在JDK1.8中，HashMap关于取模运算还做了另一个优化。在JDK1.8之前，每次哈希数组扩容时，链表里的数据都会再次进行哈希运算。而在JDK1.8后，不需要再进行运算了，只需要在每个桶中选择一半数据往后移动oldLength位就行（oldLength是集合在扩容前的容量）。

1.2.2 TreeMap

而另一个常用的Map——TreeMap，底层就是用JAVA写了一个红黑树，感觉没什么好说的。有兴趣的可以回去翻翻数据结构的书。

1.2.3 LinkedHashMap

HashMap的每个Node还会以插入顺序相互关联成为双向链表。

1.3 Set

Set主要是SortedSet和HashSet。打开源码一看，分别new了一个TreeMap和HashMap，然后把数据存在了Key里。嗯，这就是Set的底层实现了。