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。