《码出高效：java开发手册》六-数据结构与集合（一）

前言

本章主要是讲数据结构与集合，这章内容涉及到非常基础的知识，内容相对较多，首先从数组讲起，引申到集合框架，之后再到集合源码，最后介绍了高并发集合框架

集合

集合在代码中是collection，对应英文为set，具有确定性，无序性，互异性的特点。java中的集合元素可以是有序的，也可以是重复的，与数学中的要求不同，这章的内容都是指collection，用来保存各种对象的集合

数据结构

定义：数据结构是一种逻辑上的数据组织和处理方式，这里的逻辑意义很关键，以二叉树为例，它不是像一颗树形进行存储，物理保存时是一个格子存一个节点；数据组织方式就是那些树，图，队列，哈希之类，这些都是组织方式；处理方式指的是以特定的算法进行数据的增加，删除，修改，查找和遍历，这些不同的处理方式间会有性能差异
数据结构的分类：数据结构是算法的基础，如果有缺陷就会造成系统风险高，可拓展性差，根据直接前后继的角度可以把数据结构分为以下四类
1.线性结构：0到1个直接前驱和后继，非空时有唯一的首尾元素，包括顺序表，链表，栈，队列等
2.树结构：0到1个直接前驱和0到n个直接后继（n>=2）
3.图结构：0到n个直接前驱和直接后继
4.哈希结构：没有直接前驱和后继，通过哈希函数索引，查找效率很高
衡量数据处理性能：时间复杂度和空间复杂度，量级描述有

实际场景中数据规模大了以后，算法性能差异会变得很明显

集合框架图

java集合是一种用于存储对象的容器，提供增删改查和遍历方法，下图为java中实际的集合框架图

蓝色是抽象类，红色是接口，绿色是并发包里的类，灰色是一些线程安全的类，基本已经弃用
其中最主要的就是四个：List，Set，Queue，Map

list集合

List是线性数据结构，存在明确的前驱后继元素，明确的首尾元素，遍历结果稳定，常用集合类有arraylist和linkedlist

arraylist容量可改变，线程不安全，支持对元素快速随机访问，但插入删除时很慢，因为需要移动元素
linkedlist是双向链表，相比arraylist，它插入删除速度更快，但随机访问很慢，它继承了AbstractList抽象类和Deque接口，Deque接口具有队列和栈的性质
LinkedList有三个重要成员：size，first，last；size是节点个数，first指向头节点，last指向最后一个节点，LinkedList的优点在于把零散内存单元关联起来，提高了内存利用率

Queue集合

Queue即队列，是一种先进先出的线性表，两端分别只能获取和插入，没有元素称为空队列
BlockingQueue阻塞队列可在高并发的场景下作为数据缓冲区使用

Map集合

Map集合是以Key-value键值对存储元素的哈希结构，key不可重复，值可重复；
KeySet（）查看所有key，values（）查看所有value，entryset（）查看所有键值对，hashtable已经被淘汰，HashMap线程不安全，ConcurrentHashMap线程安全，JDK8中对锁进行了优化，TreeMap是Key有序的Map集合,多线程并发中推荐使用ConcurrentHashMap而非HashMap

Set集合

元素不重复，常用HashSet，TreeSet和LinkedHashSet
HashSet是HashMap把Value固定住，用Key保证集合元素唯一性，不保证有序性
TreeSet是TreeMap实现，底层为树结构，插入时会比较保证有序性
LinkedHashSet继承HashSet，有HashSet的优点，内部用链表保证元素插入顺序

集合初始化

集合初始化需要分配容量，设置参数，比如ArrayList和HashMap，分别是顺序表和哈希结构，从源码可以看到他们的初始化逻辑
ArrayList

这段代码可以看出：

扩容时，可能超出int的最大值，超出就返回原来的长度
扩容时是利用位移运算，二进制下右移一位，再加到旧的长度上
在JDK7之前，扩容方式是旧容量x3÷2+1,也就是1.5倍加1
初始化时默认为10，那么第一次add后每次扩容都使用array.copyof，会创建一个新的数组再复制，如果是1000个元素，就会扩容13次，很影响性能，但如果初始化1000长度，就不需扩容，对于更大的值，甚至会有oom风险
HashMap放1000个元素，需要扩容7次，扩容需要重建hash表，很影响性能，
HashMap有两个参数，Capacity和LoadFactor；Capacity决定存储容量，默认16，LoadFactor决定填充比例，默认0.75，两者之积是threshold，就是能放入的元素个数
HashMap不会在new时分配，而是在第一次put时完成创建
HashMap的容量大小为2的n次方，就是为了在运算时能充分散列，这块详细在之前的面试题里有讲
初始化ArrayList是10，HashMap是16，默认值最好是预估一个范围，避免扩容造成的损耗

数组与集合

数组是一种顺序表，下标从0开始，这样设计是为了方便计算偏移量，否则就要-1，提倡类型紧挨着中括号，比如int[]来定义数组,就相当于定义数组对象
可以用两种方法定义

args3是静态初始化，args4是动态初始化，动态初始化new后面要给初始容量，动态数组有Vector和
Arraylist操作，分别是线程安全但性能差，线程不安全但使用频繁
数组遍历优先推荐使用foreach方法，for（元素：数组名），可以不使用下标
需要使用下标可以用for循环，数组用length属性获取长度
也可以用jdk8的函数式接口遍历

数组与集合的互相转换：Arrays.asList （）可以把数组转换为集合，但注意不能使用修改集合的方法，例如add/remove/clear,否则报Uns upportedOperationException异常，因为aslit方法是一种适配器模式，后台数据仍是原有数组，set方法可以修改，但其他就会抛出异常

如图，这是arraylist的内部类，实际返回的是这个类，它只实现了部分方法，这个异常由其父类抛出

实际业务中，为避免数组转集合时添加元素引发异常，可以用java.util.arrayList直接创建一个新集合
，参数就是aslist方法返回的不可变集合

集合转数组，相对更加可控，通常用于适配别人的数组接口，或者进行局部方法计算

如图，不要用toarray（）无参方法转换集合，会导致泛型丢失
也要注意数组容量是否分配足够，书中实验了不同容量对性能影响，结果如下

可见，数组容量正好时，运行最快，使用toArray()时，注意两点
1，传入类型完全一致的数组
2.它的容量应该为list.size()

集合和泛型

泛型用在集合上，有很强效果，但也要注意类型转换异常

这种放入不同类型元素，转换就会出现类型转换异常

赋给object是可以的，也可以继续添加不同类型的元素

但赋给integer后，再赋值不同类型就会不允许

这里问号在正则表达式里可以匹配任何字符，这个list也就可以接受任何类型引用赋值，可以remove和clear，但不可以添加元素，一般用作为参数接收外部集合或者返回未知类型的集合

List只能放置一种类型，不能随意转换，如果需要放置多种受泛型约束的类型，则可以用＜？ extends T＞与＜？ super T＞，前者是get first，适合消费为主的集合，后者是put first，适合生产为主的集合
<? extends T＞可以赋值给任何T 及T 子类的集合，上界为T 取出来的类型带有泛型限制，向上强制转型为T。null 可以表示任何类型，所以除null 外，任何元素都不得添加进＜？ extends T> 集合内。
<? super P 可以赋值给任何T 及T 的父类集合，下界为T。在生活中，投票选举类似于＜？ super T> 的操作。选举代表时，你只能往里投选票，取数据时，根本不知道谁的票，相当于泛型丢失；比如一些评价问卷，提交后不能再访问链接修改评价
总结：extends put受限，super get 受限，如果经常往出取的话，使用extends，经常放的话，使用super

元素的比较

comparable和comparator
java元素的排序经常用到比较，比较有两个常用接口：Comparable和Comparator，分别用compare to和compare方法实现比较
自然排序，也就是123，abc这种，Integer和String中实现的就是Comparable自然排序，有时需要自己定义排序规则，就可这样做

实现Comparable，可以加上泛型限定，这样就可以在编译期间检查传入参数是否是SearchResult对象，免去类型检查和强转，如果是封包类或者是开闭原则，就可以利用外部比较器，Comparator，代码如下

JDK中Arrays.sort的比较器参数排序就是Comparator实现的

这里的<? super T>是泛型限制为T及其父类，直到Object

两个比较器返回值都是小于-1，等于0，大于1；在集合中比较器排序，直接使用正负返回比较结果

上面的TimSort方法是归并排序加插入排序，避免了两者缺点，减少了归并次数，引入了二分排序概念，加快了效率，对于部分有序的数组，时间复杂度可达O（n），随机排序数组则是nlogn，它主要有两个优化
1.归并排序的分段不再从单个元素开始，而是每次先查找最大的有序数组片段run，然后利用二分排序，将该run与其他有序的run进行归并
2.引入二分排序，使得插入排序中每次不再从后向前比较，时间复杂度由n降低到nlogn

hashCode和equals

这两个方法用来判断两个对象是否相同，通常协同工作，首先Object.hashcode生成哈希值，相同则进一步比较equals，不同则直接返回不同
如下是object类对这两个方法的要求

如上是HashMap的get方法代码判断，先比较hash值，后执行阴影部分，equals一般不要求hashcode相同，但hashcode散列充分，降低冲突，有利于提高执行效率

如上是没有重写hashcode的案例，之后放到hashset里

本该结果是，但执行结果是3，说明不重写hashcode，重写了equals毫无意义，如果想要存储不重复元素，重写hashcode版本如下

这个name是String类型，自带hashcode重写，直接调用即可

equals的判定逻辑与类的具体情况有关，

上面代码的var就是动态类型，jdk10引入的语法糖，它会检测右边类型，并应用于左侧
第2处可能抛出空指针npe异常，推荐使用jdk7自带equals方法，代码如下

上面这段代码可以看出它是类型可变化的，也有类型限定格式

fail-fast机制

fail-fast机制是一种错误检测机制，主要用于遍历集合元素过程中
书中举了个例子，班长点全班同学的名，这里是遍历的意思，然后有人进进出出，就老是需要重新点名，这就是fail-fast机制
多线程时，维护一个expectedModCount，记录已经修改的次数，进入遍历前把实时修改次数modCount付给eMC，如果两个值不同就报异常
java.util包下都是fail-fast，concurrent下都是fail-safe，failsafe就是相当于班长直接拍照，然后用照片点名，不管进出
比如arraylist.sublist（），获取子列表时，主列表的元素变化会引起子列表的遍历和元素增删，进而出现fail-fast异常

如上代码，通常比较常见的是修改子列表会影响父列表，但比较少见的是父列表改动会导致子列表操作异常
subList返回Sublist类的对象，它是ArrayList的内部类，没有实现序列化接口，无法网络传输
在foreach循环中测试fail-fast机制，如下
这段代码运行没有报异常，这是一个特例，因为游标遍历到size的时候，退出了遍历，执行remove后，size=size-1=2，这时cursor也等于2，执行hasnext时值为false，也就不会执行next（）的checkForComodification方法，这个方法就是用来判断expectedMod和modcount的，不同会抛异常，都没有执行，也就不报异常
为了避免删除元素引起fail-fast，可以用Iteator进行遍历时删除，多线程并发时，还需要加锁，如下
- 也可以使用并发容器CopyOnWriteArrayList代替ArrayList，内部对迭代器进行了加锁操作
它的原理是读写分离，在写操作时分出一个新集合，在里面操作添加删除，之后把原集合引用指向新集合，用COW的时候要注意1.设置合理初始值，扩容代价较大2.添加删除可以攒一下，积累一些再操作，避免频繁复制整个几个，导致内存占用，进而频繁GC影响服务器性能
如上代码，20万次循环数据插入花费了97.8秒，ArrayList只需39毫秒，这样就得不偿失了，所以COW只适合于读多写少的场景
COW是fail-safe的，并发包中的集合都是这种机制实现的，也就是在安全的副本中遍历，集合修改与副本遍历无关，缺点就是读取不到最新数据，这反映了一致性和可用性的矛盾

Map集合

Map是与Collection平级的一个借口，它也与Collection有关联：部分方法比如values（）会返回Collection视图，一个vaule的列表。Map集合的存储单位是KV键值对，就是用哈希算法做一组比较均匀的Key，然后把Vaule挂在上面
特点有：
取代了Dictionary类，性能更好
Key不重复，Vaule可重复
Vaule可以试List，Map，Set类对象
KV是否允许为空，以实现类约束为准

Map接口除了crud，还有KeySet，values，EntrySet方法
在这里插入图片描述

这些返回的视图支持删除，但修改添加元素会报异常，因为AbstractCollection没有add操作，但有remove，clear等操作
这些集合类见证了java进化的过程，线程不安全到线程安全
使用时，直接用ConcurrentHashMap代替HashMap大多数时间可行，性能差别不大，线程安全，但是尽量要避免设置KV为空值或者做好空值判断，避免NPE

红黑树

首先介绍树，树是一种有限节点（结点）组成的层次集合，数据存在节点中，顶层的唯一节点称为根节点，底层没有分支的称为叶子节点，。从某节点出发，到叶子节点为止，最长简单路径上的条数称为该节点的高度，从根节点出发，到某节点边的条数，称为该节点的深度

这棵树，根节点高度为5，深度为0，节点2的深度是1.高度是4
树结构有五个特点
( I ）一个节点，即使只有根节点，也可以是一棵树。
( 2 ）其中任何一个节点与下方所有节点构成的树称为子树。
( 3 ）根节点没有父节点，而子节点没有父节点。
( 4 ）除根币点外任何节点有且仅有个1父节点。
( 5 ）任何节点可以有0 ～ n 个子节点（0-n叉树）。
在二叉树世界中，最重要的是平衡二叉树，二叉查找树，红黑树

平衡二叉树

如果把一棵树的树枝砍到只剩一条路径，那么它就变成一个类似链表，约束一棵树具有层次结构，就是平衡二叉树
平衡二叉树的性质如下
( 1 ）树的左右高度差不能超过1。
( 2 ）任何往下递归的左子树与右子树，必须符合第一条性质。
( 3 ）没有任何节点的空树或只有根节点的树也是平衡二叉树。

二叉查找树

二叉查找树又称二叉搜索树，BST（BinarySearchTree），或者Sort，二叉排序树，节点的左子树比它小，右子树比它大。
从根节点开始，大于往右，小于往左，直到叶子节点就是没找到。
遍历所有节点的方法有三种：前序遍历，中序遍历，后序遍历
这些遍历规律有：1.任何遍历，左节点一定先于右节点2.前中后序，指的是根节点在遍历序列中的位置
前序就是根左右，中序就是左根右，后序就是左右根，下面这张图非常直观

下面是一个普通树转换为二叉查找树的过程，它的子树也是查找树

二叉查找树的元素有增删时可能会失衡，比如用AVL树，红黑树，SRB，树堆就是用来解决这个问题的

AVL树

avl树是一种平衡二叉树算法，可以让二叉树的使用效率最大化，增删元素后，就会通过旋转重新达到平衡。
下图展示了右旋和左旋的过程，一般是左长右短右旋，反之左旋，有一些右边的左子树失衡，需要lr或者rl旋转，比较复杂

红黑树

72年发明了对称二叉B树，后来改名为红黑树，主要特征是每个节点有一个颜色属性，红或者黑色
红黑树也是插入删除后进行旋转保持平衡，但它的平衡不是左右高度差不大于1，而是从根节点到叶子节点的最长路径不超过最短路径的二倍
它有五个约束条件
1、节点都是红或者黑色
2、根节点必须是黑色
3、所有NIL（叶子节点下挂的两个虚节点）节点都是黑色
4、一条路径不能有两个红节点相连
5、任何递归子树中，根节点到叶子节点的黑节点数目相等
总结：有红必有黑，红红不相连，这些条件的意义在于可以控制最坏时间复杂度为logn，红黑树任何旋转均可在三次内

红黑树与AVL树相比

红黑树的黑深度满足Black Depth小于等于 height / 2，也就是含有n个节点的红黑树，根节点高度一定小于2log2( n + l )
常规BST的操作，时间复杂度为h，取决于树高度
红黑树平衡性不如AVL树，它维持的是大致的平衡，而失衡时恢复也比avl更简单，最差时间复杂度更低
结论：频繁插入删除时，红黑树更好；低频修改，大量查询时，AVL树更好
如下图是按顺序插入36.34.37.33.35.32

可以看到红黑树不是绝对平衡的

TreeMap

TreeMap用Key的排序重新组织了Map的结构，相比ConcurrentHashMap和HashMap，插入删除效率降低了，但在要求Key排序的场景下，TreeMap更加高效，它与另外两个都继承与AbstractMap抽象类

TreeMap有继承这两个接口：SortedMap和NavigableMap，前者Key是有序不可重复的，插入Key时需要比较，所以key不可为空，value可空
NavigableMap接口继承了继承了SortedMap，根据搜索条件提供适合的KV元素，同时TreeMap可以不重写Hashcode和equals来去重Key

上面的代码hashmap下size是1，因为两者使用的去重办法不同，如果要用TreeMap要对Key排序，调用方法如下

Comparator为空则调用compareto方法，不为空调用compare方法
都不满足就抛出异常：
TreeMap的crud操作的最好最坏时间复杂度均为（logn），特点是key有序

TreeMap通过put和deleteEntry方法实现红黑树的增删节点操作，删除类似插入，只讲插入操作
需要调整的新节点一定是红色的
插入的新节点是黑色的，无需调整
插入新节点是红色的，由于红黑树不能红红相邻，就要重着色，或者左右旋转

根节点直接退出，设置为黑色即可，不是根节点且父节点是红色，则一直调整直到退出循环
TreeMap的插入操作是正常比较，小于向左，按照二叉查找树规则，无需关心颜色平衡，后续会调整

插入时要之前为非空树并且新节点的Key和任何节点都不同，才能运行到FixAfterInsertion进行着色并且旋转

后记

这篇字数已经一万三左右，后续写在第二篇