Java集合概述（上）
血夜之末 人气:0Java集合概述（上）
前言
先说说，为什么要写这么一篇博客（我总是喜欢写原因）。因为最近到年底了，正好又要准备面试，所以在做各方面的技术总结。而Java集合是Java非常重要的一部分，自己前前后后也花了不少时间学习，但是一直比较零散。所以，打算趁着这个机会，来写一个总结。
由于能力有限，这方面没有足够积累，如果有什么问题，还请指出。谢谢。
集合分类，主要分为：
- Collection（继承Iterable接口）：按照单个元素存储的集合
- List：一种线性数据结构的主要体现。有序，可重复
- Set：一种不允许出现重复元素的集合。无序（插入顺序与输出顺序不一致），不可重复
- Queue：一种先进先出（FIFO）的数据结构。有序，可重复，先进先出
- Map（无继承接口）：按照K-V存储的Map
- keySet：可以查看所有的Key。底层实现各不相同。ConcurrentHashMap则是采用的自定义实现的KeySetView内部静态类（实现了Set接口），而HashMap这样的AbstractMap子类，则是是Set接口
- values：同上，ConcurrentHashMap采用ValueSetView，HashMap采用Set接口
- entrySet：同上，ConcurrentHashMap采用EntrySetView，HashMap采用Set接口
原本Map是打算按照 AbstractMap；SortedMap；ConcurrentMap；来分类，但是发现这个分类属于理论价值，大于使用价值，也可能是我现在层次不够吧。最后还是学着孤尽大佬在《码处高效》中那样，通过三个视图，来观察Map。具体后面阐述，我也只是阐述其中部分的Map。
论述方面，我主要会从数据组织方式（底层数据存储方式），数据处理方式（如HashMap的put操作等），特点小结结三个方面进行阐述。但是由于内容量的问题，这里并不会非常细致地阐述代码实现。
最后，由于内容量的缘故，这部分内容，我将分为两个部分。这篇博客主要论述List与Map，而Set与Queue放在另外一篇博客。
一，List
ArrayList
数据组织方式
transient Object[] elementData; // non-private to simplify nested class access
ArrayList的底层是一个Object类型的数组。那么ArrayList就有着和数组一样的特点：随机查询快，但数据的插入，删除慢（因为很可能需要移动其他元素）。
数据处理方式
add
public void add(int index, E element) {
// 校验index是否在0-size范围内，如果不是，抛出异常IndexOutOfBoundsException
rangeCheckForAdd(index);
// 这个操作后面有多个操作，总结一下，就是校验，判断是否需要扩容，扩容。
ensureCapacityInternal(size + 1); // Increments modCount!!
// 通过System.arraycopy操作，为新添加的元素element，在elementData数组的对应index位置，腾出空间
System.arraycopy(elementData, index, elementData, index + 1,
size - index);
// 紧跟着上面的操作elementData数组的index位置，赋值为element
elementData[index] = element;
// 数组元素数量+1
size++;
}
grow
// 简单来说， 就是根据所给的minCapacity，计算对应容量（2的幂次方），然后校验容量，最后扩容
private void grow(int minCapacity) {
// overflow-conscious code
int oldCapacity = elementData.length;
int newCapacity = oldCapacity + (oldCapacity >> 1);
if (newCapacity - minCapacity < 0)
newCapacity = minCapacity;
if (newCapacity - MAX_ARRAY_SIZE > 0)
newCapacity = hugeCapacity(minCapacity);
// minCapacity is usually close to size, so this is a win:
elementData = Arrays.copyOf(elementData, newCapacity);
}
小结
根据其数据组织方式，与数据处理方式，可以明确：
- ArrayList随机查询快（直接通过index定位数据中具体元素）
- ArrayList插入与删除操作慢（涉及数组元素移动操作System.arraycopy，还可能涉及扩容操作）
- ArrayList是容量可变的（自带扩容操作，初始化，默认为DEFAULT_CAPACITY=10）
- ArrayList是非线程安全的（没有线程安全措施）
补充：
- ArrayList的默认容量为10（即无参构造时）
- 出于性能考虑，避免多次扩容，最好在初始化时设置对应size（即使后面不够了，它也可以自动扩容）
LinkedList
数据组织方式
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;
}
}
LinkedList的底层是自定义的Node双向链表。那么LinkedList就有着和链表一样的特点：数据的插入与删除快，但是随机访问慢。
数据处理方式
add
public void add(int index, E element) {
// 数据校验，index是否超出0-size范围
checkPositionIndex(index);
if (index == size)
// 如果插入的元素是放在最后一个，那就执行尾插入操作（因为LinkedList是有保存first与last两个Node的，所以可以直接操作）
linkLast(element);
else
// 首先通过node(index)方法，获取到当前index位置的Node元素（内部实现，依旧是遍历。不过会根据index与列表中值的比较结果，判断是从first开始遍历，还是从last开始遍历），再通过linkBefore方法，进行插入操作
linkBefore(element, node(index));
}
peek
// LinkedList实现了Deque接口，所以需要实现其中的peek方法。获取当前数组的第一个元素，但不进行删除操作
public E peek() {
final Node<E> f = first;
return (f == null) ? null : f.item;
}
小结
根据其数据组织方式，与数据处理方式，可以明确：
LinkedList随机查询慢（需要进行遍历查询，虽然通过列表中值，降低了一半的遍历范围，但其数据组织方式决定了它的速度慢）：
测试表明，10W条数据，LinkedList的随即提取速度与ArrayList相比，存在数百倍的差距（引自《码出高效》）
- LinkedList插入与删除操作快（依旧需要靠遍历来定位目标元素，但只需要修改链表节点的前后节点引用）
- LinkedList是容量可变的（链表可以随意链接）
LinkedList是非线程安全的（没有线程安全措施）
补充：
- 通过链表，可以有效地将零散的内存单元通过引用的方式串联起来，形成按链路顺序查找的线性结构，内存利用率较高（引用自《码出高效》）
Vector
Vector本质与ArrayList没太大区别，底层同样是Object数组，默认大小依旧为10（不过Vector采用的是不推荐的魔法数字）。
唯一的区别，就是Vector在关键方法上添加了Sychronized关键字，来确保线程安全。
但是，由于处理得较为粗糙，以及其特点，所以性能很差，基本已经被抛弃。
这里就不再赘述了。
CopyOnWriteArrayList
CopyOnWriteArrayList，作为COW容器的一员，其思想就是空间换时间，主要针对读多写少的场景。当有元素写入时，会新建一个数组，将原有数组的元素复制过来，然后进行写操作（此时数组的读操作，还是针对原数组）。在写操作完成后，会将读操作针对的数组引用，从原数组指向新数组。这样就可以在写操作进行时，不影响读操作的进行。
数据组织方式
/** The array, accessed only via getArray/setArray. */
// 一方面通过transient避免序列化，另一方面通过volatile确保可见性，从而确保单个属性（这里是引用变量）的线程安全
private transient volatile Object[] array;
数据处理方式
add
public void add(int index, E element) {
final ReentrantLock lock = this.lock;
// 进行加锁，同时只能有一个写操作
// 另外，加锁操作放在try块外，一方面是try规范（lock操作并不会发生异常，并且可以减少try块大小），另一方面是避免加锁失败，finally的释放锁出现IllegalMonitorStateException异常
lock.lock();
try {
// 获取原有数组，并赋值给elements（引用变量）
Object[] elements = getArray();
int len = elements.length;
// 数据校验
if (index > len || index < 0)
throw new IndexOutOfBoundsException("Index: "+index+
", Size: "+len);
// 下面的操作，就是对原有数组进行复制，并赋值给newElements（并且留出index位置）
Object[] newElements;
int numMoved = len - index;
if (numMoved == 0)
newElements = Arrays.copyOf(elements, len + 1);
else {
newElements = new Object[len + 1];
System.arraycopy(elements, 0, newElements, 0, index);
System.arraycopy(elements, index, newElements, index + 1,
numMoved);
}
// 设置新数组index位置的值为element，完成赋值操作
newElements[index] = element;
// 将数组引用（读操作正在读的数组引用）改为newElements
setArray(newElements);
} finally {
// 无论是否异常，都需要释放锁，
lock.unlock();
}
}
最大的特色，就是这部分了。至于remove操作，都是类似的。故不再赘述。
小结
由于CopyOnWriteArrayList的数据组织方式与ArrayList一致，也是采用的数组，故：
- CopyOnWriteArrayList随机查询快
- CopyOnWriteArrayList插入与读写慢
- CopyOnWriteArrayList是容量可变的（每次进行增删的写操作，都会新建一个数组，进而进行替换）
补充：
- CopyOnWriteArrayList是线程安全的（读写操作隔离，写操作通过ReentrantLock确保线程安全）
- CopyOnWriteArrayList的写操作不直接影响读操作（两者在内存上针对的不是同一个数组）
- CopyOnWriteArrayList只适用于读多写少场景（毕竟写操作是需要复制数组）
- CopyOnWriteArrayList占据双倍内存（因为写操作的时候需要复制数组）
- CopyOnWriteArrayList的性能会随着写入频次与数组大小上升，而快速下降（写入频次m x 数组大小n）
推荐：高并发请求下，可以攒一下要进行的写操作（如添加，或删除，可以分开保存），然后进行addAll或removeAll操作。这样可以有效减低资源消耗。但是这个攒的度需要好好把握，就和请求合并一样，需要好好权衡。
二，Map
TreeMap
数据组织方式
数据处理方式
小结
HashMap
HashMap一方面是工作中用的非常多的集合，另一方面是面试的高频（我每次面试几乎都会被人问这个）。
而HashMap，与ConcurrentHashMap一样，都存在Jdk8之前与Jdk8之后的区别。不过，我应该会以Jdk8之后为重点，毕竟现在SpringBoot2.x都要求Jdk8了。
数据组织方式
Jdk8之前
// jdk8之前，其底层是数组+链表
// 链表底层Entry是Map的内部接口
transient Entry<K, V>[] table;
Jdk8之后
transient Node<K, V>[] table;
static class Node<K, V> implements Map.Entry<K, V> {
final int hash;
final K key;
V value;
Node<K, V> next;
}
数据处理方式
Jdk8之前的put方法（注释并不多，因为我没有源码，我是按照笔记图片，手撸的这段）
public V put (K key, V value) {
// HashMap采用延迟创建。判断当前table是否为空。如果为空，就根据默认值15，创建一个数组，并赋值给table
if (table == EMPTY_TABLE) {
inflateTable(threshold);
}
// 数据校验
if ( key == null)
return putForNullKey(value);
// 根据key，计算哈希值
int hash = hash(key);
// 通过indexFor（内部貌似采用位运算），根据key的哈希值与数组长度，计算该K-V键值对在数组中的下标i
int i = indexFor(hash, table.length);
for (Entry<K, V> e = table[i]; e != null; e = e.next) {
Object k;
if (e.hash = hash && ((k = e.key) || key.equals(k))) {
V oldValue = e.value;
e.value = value;
e.recordAccess(this);
return oldValue;
}
}
// 记录修改次数+1，类似版本号
modCount++;
addEntry(hash, key, value, i);
return null;
}
Jdk8之后的put方法
public V put(K key, V value) {
return putVal(hash(key), key, value, false, true);
}
// 计算key的哈希值（数据校验，key的哈希值，即其hashCode）
static final int hash(Object key) {
int h;
// 通过其hashCode的高16位与其低16位的异或运算，既降低系统性能开销，又避免高位不参加下标运算造成的碰撞
return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}
// 执行主要put操作
final V putVal(int hash, K key, V value, boolean onlyIfAbsent,
boolean evict) {
Node<K,V>[] tab; Node<K,V> p; int n, i;
// 从下面这个代码块，可以看出Java8后的HashMap等，代码晦涩不少
if ((tab = table) == null || (n = tab.length) == 0)
// 如果table为null，或table.length为0（其中混杂了赋值语句），就进行进行初始化操作（通过resize()操作，这点与Spring的refresh()应用是一致的），并将其长度赋值给n（注意这里，都赋值给了局部变量，而非全局变量）
n = (tab = resize()).length;
// 根据key的hash值，计算其下标，并判断数组中对应下标位置是否为null
if ((p = tab[i = (n - 1) & hash]) == null)
// 如果对应位置为null，直接通过newNode方法（生成Node），设置数组对应i位置为对应新Node
tab[i] = newNode(hash, key, value, null);
else {
// 如果对应位置不为null，那就需要进行链表操作，进而判断是否树化（红黑树），是否扩容等
Node<K,V> e; K k;
// 通过hash与equals等，判断新添加值的key与已存在值的key是否真正相等
// 这里扩展两点：第一，判断对象是否相等，必须hashcode与equals都判断相等。前者避免两个对象只是值，但不是同一个对象（两位都是p9大佬，不代表两位就是同一个人）。后者避免哈希碰撞问题（即使是两个不同的对象的内存地址，也可能哈希值相等）
// 第二，我看到这里的时候，比较担心，会不会出现value相等，但是hashCode不同，导致这里判断为false。然后我发现包装类型，早就重写了hashCode方法，如Integer的hashCode就直接返回value
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
// 如果相等，就直接更新对应Node即可
e = p;
// 如果上面判断失败，则判断原有的数组元素，是不是已经树化（不再是Node类型，而是TreeNode，当然TreeNode依旧是由Node构成的）
else if (p instanceof TreeNode)
// 如果原有数组元素已经树化，那么就进行调用putTreeVal方法，将当前元素，置入目标红黑树中（其中涉及红黑树的旋转等操作）
e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
// 如果不是空，也不是相同元素，更不是红黑树，那说明那已经是一个链表（已经由多个元素），或即将成为链表（已经有一个元素，并即将添加一个新的元素）
else {
// 遍历对应链表元素，并通过binCount记录链表已存在的元素数
for (int binCount = 0; ; ++binCount) {
// 如果e=p.next()为null，说明达到了链表的最后（e的前一个值为当前链表的最后一个元素）
if ((e = p.next) == null) {
// 通过newNode获得对应p的Node，并将其设置为链表的最后一个元素
p.next = newNode(hash, key, value, null);
// 通过binCount，判断链表的长度是否达到了树化的阈值
if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st
// 达到阈值，则通过当前table数组与hash值，以及treefyBin方法，将当前数组位置的链表树化
treeifyBin(tab, hash);
break;
}
// 在遍历过程中，找到了相同的元素，即跳过（因为内容相同）
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
break;
// 该赋值操作，属于链表的操作，从而继续链表遍历
p = e;
}
}
// 下面这段代码，就涉及到HashMap的putIfAbsent（也是调用putVal，只是第四个参数onlyIfAbsent不同）
// 简单来说，就是遇到key相同的元素，怎么处理。put操作是直接赋值，而putIfAbsent则是判断对应key的value是否为null，如果是null，才会赋值。否则就不变（类似Redis）
// 只不过，这个过程通过新增的第四个参数控制，从而确保同一套代码（putVal方法），实现两种不同功能（put与putIfAbsent）
if (e != null) { // existing mapping for key
V oldValue = e.value;
if (!onlyIfAbsent || oldValue == null)
e.value = value;
afterNodeAccess(e);
return oldValue;
}
}
// 版本号
++modCount;
// 一方面size前缀自增，另一方面，判断自增后的size是否超过阈值（默认16*0.75=12，数组容量*负载因子）
if (++size > threshold)
// 扩容（扩容2倍后，重排）
resize();
// 空方法，为子类保留的，如LinkedHashMap
afterNodeInsertion(evict);
return null;
}
这个方法可以算是HashMap的核心，毕竟通过这个方法，也算是摸到了HashMap的运行机制了。
流程简述：
- 如果HashMap的底层数组没有初始化，则通过resize()方法进行构建
- 对key计算hash值，然后再计算下标
- 如果数组对应下标位置为null（这里我认为不该用哈希碰撞），则直接放入对应位置
- 如果数组对应下标位置为TreeNode（即对应位置已经树化），则通过putTreeVal方法，将对应Node置入树中
- 否则遍历数组对应下标位置的链表，将对应Node置入
- 如果链表的长度超过阈值，则进行树化操作
- 如果节点存在旧值，直接替换
- 如果数组的元素数量超过阈值（数组容量*负载因子），则进行扩容（扩容2倍，重排）
Jdk8之后的get方法
public V get(Object key) {
Node<K,V> e;
return (e = getNode(hash(key), key)) == null ? null : e.value;
}
// 这里我觉得没什么说的。根据不同情况，分别从数组，红黑树，数组来获取目标元素
final Node<K,V> getNode(int hash, Object key) {
Node<K,V>[] tab; Node<K,V> first, e; int n; K k;
if ((tab = table) != null && (n = tab.length) > 0 &&
(first = tab[(n - 1) & hash]) != null) {
if (first.hash == hash && // always check first node
((k = first.key) == key || (key != null && key.equals(k))))
return first;
if ((e = first.next) != null) {
if (first instanceof TreeNode)
return ((TreeNode<K,V>)first).getTreeNode(hash, key);
do {
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
return e;
} while ((e = e.next) != null);
}
}
return null;
}
小结
就使用场景而言，《码出高效》给出这样一句话：
除局部方法或绝对线程安全的情形外，优先推荐ConcurrentHashMap。两者虽然性能相差无几，但后者解决了高并发下的线程安全问题。HashMap的死链问题及扩容数据丢失问题是慎用HashMap的两个主要原因。
这里，我忍不住站在Java工程师的角度，推荐《码出高效》以及配套的《阿里Java开发手册》。作为一名也算看过不少技术书籍的开发者，这两本书在我这儿，也算得上是优秀书籍了。
不过，文中也提到，这种情形，在Jdk8之后有所修复，改善。具体的，可以看看书籍（主要内容有点多）。
ConcurrentHashMap
ConcurrentHashMap部分，我将只描述Jdk8之后的版本。
而Jdk8之前的版本，其实底层就是类似HashTable的Segament组成的数组。通过分段锁，达成线程安全。算是HashTable与HashMap的折中方案。复杂度并不是很高，不过Jdk8之后的版本，就较为复杂。首先，引入红黑树，优化存储结构。其次，取消原有的分段锁设计，采用了更高效的线程安全设计方案（利用了无锁操作CAS与头节点同步锁等）。最后，使用了更优化的方式统计集合内的元素数量（引用自《码出高效》，我还真没注意到这点）。
数据组织方式
transient volatile Node<K,V>[] table;
static class Node<K,V> implements Map.Entry<K,V> {
final int hash;
final K key;
volatile V val;
volatile Node<K,V> next;
Node(int hash, K key, V val, Node<K,V> next) {
this.hash = hash;
this.key = key;
this.val = val;
this.next = next;
}
// 此处省略其内部方法，感兴趣的，可以自行查看
}
从上述来看，ConcurrentHashMap的底层数据组织为数组+链表。依据Jdk8后的HashMap，可以推测，在对应条件下，链表会转为红黑树结构。事实也是如此，请看下代码。
static final class TreeNode<K,V> extends Node<K,V> {
TreeNode<K,V> parent; // red-black tree links
TreeNode<K,V> left;
TreeNode<K,V> right;
TreeNode<K,V> prev; // needed to unlink next upon deletion
boolean red;
TreeNode(int hash, K key, V val, Node<K,V> next,
TreeNode<K,V> parent) {
super(hash, key, val, next);
this.parent = parent;
}
// 此处省略其内部方法，感兴趣的，可以自行查看
}ConcurrentHashMap，与HashMap一样，其内部也有专门为红黑树服务的TreeNode。
所以，从数据组织方面来看，其实ConcurrentHashMap与同版本的HashMap，可以说就是一个模子刻出来的（毕竟都是Doug Lea带着撸的）。
两者的区别，或者说ConcurrentHashMap的精妙之处，就在于ConcurrentHashMap对多线程的考虑与处理。
其中的细节挺多的，我只阐述我对其中一些大头的理解（因为很多细节，我也不知道，也是看了大佬的总结，才发现）。
数据处理方式
put
public V put(K key, V value) {
return putVal(key, value, false);
}
/** Implementation for put and putIfAbsent */
final V putVal(K key, V value, boolean onlyIfAbsent) {
// 数据校验，如果key或value为Null，直接NPE
if (key == null || value == null) throw new NullPointerException();
// 通过spread方法，计算hash值（本质还是与HashMap一样，针对hashCode进行高低16位异或计算等）
int hash = spread(key.hashCode());
// 记录链表长度
int binCount = 0;
// 这里的循环操作是为了之后的CAS操作（就是CAS的自旋操作）
for (Node<K,V>[] tab = table;;) {
Node<K,V> f; int n, i, fh;
if (tab == null || (n = tab.length) == 0)
// 同HashMap一样，如果数组为空或长度为0，则进行数组初始化操作（循环头中已经完成赋值操作）
tab = initTable();
else if ((f = tabAt(tab, i = (n - 1) & hash)) == null) {
// 如果数组对应位置为null，则通过CAS操作，进行值的插入操作
if (casTabAt(tab, i, null,
new Node<K,V>(hash, key, value, null)))
break; // no lock when adding to empty bin
}
// 如果对应节点的Node.hash值为MOVED=-1
else if ((fh = f.hash) == MOVED)
// 进行resize协助操作（具体协助方式，还没研究）
tab = helpTransfer(tab, f);
else {
V oldVal = null;
synchronized (f) {
if (tabAt(tab, i) == f) {
// 如果数组对应位置（即首节点）的哈希值大于等于零（树化后等情况下，对应位置哈希值小于零）
// static final int MOVED = -1; // hash for forwarding nodes
// static final int TREEBIN = -2; // hash for roots of trees
// static final int RESERVED = -3; // hash for transient reservations
if (fh >= 0) {
// 说明此情况下，数组对应位置，存储的是链表。进行链表插入，遍历操作（具体参照HashMap的put操作）
binCount = 1;
for (Node<K,V> e = f;; ++binCount) {
K ek;
if (e.hash == hash &&
((ek = e.key) == key ||
(ek != null && key.equals(ek)))) {
oldVal = e.val;
if (!onlyIfAbsent)
e.val = value;
break;
}
Node<K,V> pred = e;
if ((e = e.next) == null) {
pred.next = new Node<K,V>(hash, key,
value, null);
break;
}
}
}
// 如果数组对应位置的元素，是树化节点（即为TreeBin实例）
else if (f instanceof TreeBin) {
Node<K,V> p;
binCount = 2;
// 调用putTreeVal方法，进行红黑树的值插入操作
if ((p = ((TreeBin<K,V>)f).putTreeVal(hash, key,
value)) != null) {
oldVal = p.val;
// 判断onlylfAbsent参数，进行val设置。具体参照HashMap的put方法的对应位置解释
if (!onlyIfAbsent)
p.val = value;
}
}
}
}
// 前面的各类操作，都会计算binCount（数组当前位置存储的节点数）
if (binCount != 0) {
// 如果对应节点数超过了树化阈值TREEIFY_THRESHOLD=8
if (binCount >= TREEIFY_THRESHOLD)
// 对数组当前位置，进行树化操作
treeifyBin(tab, i);
if (oldVal != null)
return oldVal;
break;
}
}
}
// 计数
addCount(1L, binCount);
return null;
}
小结
ConcurrentHashMap的魅力在于其线程安全的实现，有机会好好研究研究，专门写一个相关的博客。
三，总结
其实，Java集合主要从两个维度分析。一个是底层数据组织方式，如链表与数组（基本就这两种，或者如HashMap那样组合两种）。另一个是线程安全方式，就是线程安全与非线程安全。
最后就是由于一些底层数据组织方式的调整，带来的循环，有序等特性。
加载全部内容