Java常见数据结构

HashMap深入浅出

HashMap数据结构

　　HashMap的本质就是一个数组加链表，数组默认长度是16，存储的元素达到总长度的75%就会扩容一倍。map.put(key,val),实际上就是根据hash散列对数组长度取模，来均匀的打到每一个下标上，填满数组每个下标位。但世事不可能这么完美，可能两个元素经过hash取模后下标会一样，为了避免hash冲突，hashmap就维护了一个链接的数据结构，相同下标的元素存到一个链表中。但是这样get(key)的时候会有一个问题，如果仅仅只是get数组上的元素速度会很快，但是get链表上的元素就会非常耗时，假使链表的深度为n，那么get所需的时间复杂度就是O(N)，所以jdk1.8的时候做了一个优化，就是在原有的数据结构中加了一个红黑树，当链表的长度>=8时，会转成红黑树。

　　

为何初始容量要是2的整数次幂

/**
 * The default initial capacity - MUST be a power of two.
 */
static final int DEFAULT_INITIAL_CAPACITY = 1 << 4; // aka 16

　　这是jdk8中的初始容量，同时告诉我们默认的初始容量-必须是2的幂。可是我们创建  HashMap<String,String> map = new HashMap<String,String>(7); 也不会报错啊。实际上在初始化时，通过下面的代码它会初始化成一个大于我们值，且最接近它的一个2的幂次方。比如我们指定的7，那么它的初始值就是8，我们指定17那么初始值就是32。

/**
 * Returns a power of two size for the given target capacity.
 */
static final int tableSizeFor(int cap) {
    int n = cap - 1;
    n |= n >>> 1;
    n |= n >>> 2;
    n |= n >>> 4;
    n |= n >>> 8;
    n |= n >>> 16;
    return (n < 0) ? 1 : (n >= MAXIMUM_CAPACITY) ? MAXIMUM_CAPACITY : n + 1;
}

那么问题就来了，为什么jdk8非要转一下呢？就用默认值难道不香吗？
    其实我们在put(key，value)的时候点进去开一下源码就知道了，它其实是通过位与运算来计算出下标的，这样的效率比取模更高。当然这和初始长度为什么是2的整次幂没关系，但如果长度不是2的整数次幂的话，位与运算和取模运算的出来的下标就会不一样，所以这也是jdk8的高明之处。

static final int hash(Object key) {
    int h;
    return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}

/**
 * Returns index for hash code h.
 */
static int indexFor(int h, int length) {
    return h & (length - 1);
}

 HashMap的加载因子

    加载因子为什么是0.75？这里面其实就涉及到 时间复杂度和空间复杂度的平衡。因为loadfactor为1的话，这意味着一定要把整个数组填满才扩容，正常情况下是很难填满的，肯定会有很多hash碰撞，导致链表太长。如果loadfactor为0.5的话，数组填充一半就扩容，又会对空间利用率不高。所以取一个折中值0.75

JDK8对hashmap数据结构的优化

   /**
     * nodes in bins follows a Poisson distribution
     * (http://en.wikipedia.org/wiki/Poisson_distribution) with a
     * parameter of about 0.5 on average for the default resizing
     * threshold of 0.75, although with a large variance because of
     * resizing granularity. Ignoring variance, the expected
     * occurrences of list size k are (exp(-0.5) * pow(0.5, k) /
     * factorial(k)).
     The first values are:
     *
     * 0:    0.60653066
     * 1:    0.30326533
     * 2:    0.07581633
     * 3:    0.01263606
     * 4:    0.00157952
     * 5:    0.00015795
     * 6:    0.00001316
     * 7:    0.00000094
     * 8:    0.00000006
     * more: less than 1 in ten million
     */
　　当我们的链表长度达到8时，就会转换为红黑树的结构。源码的注释里也说了，这是根据"泊松分布"概率学得出来的一个结论，计算公式就是   (exp(-0.5) * pow(0.5, k) /* factorial(k)) ，而一个链表深度想要达到8的深度，它的概率只有0.00000006，所以这个红黑树对于整个hashmap数据结构的性能提升没有特别大。很多博客都说加载因子是为了满足做泊松分布，这其实是错误的，它们没有半毛钱的关系。

HashMap线程安全问题

【1.】 put的时候,导致数据不一致问题。
1. 线程1计算好了桶的索引坐标，希望插入一个key-value对到HashMap中，但此时cpu时间片耗尽了，进入阻塞状态。
2. 线程2开始正在执行put操作，假使它的桶索引恰好和线程1是一样的，并数据插入成功。
3. 线程1现在被唤醒了再次运行，他还是持有的之前的链表头，继续往计算好的地方插入数据。
4. 最后就覆盖了线程2插入的记录，导致了线程2插入的记录就凭空消失了。

【2.】 扩容时形成环形链表，导致后续遍历时出现死循环，CPU过高。
比如我现在有一个map，初始长度为2，扩容阈值为0.5。此时散列地址0处有元素A和B，这时候要添加元素C，C的散列值为1，由于超过了临界值就会进行扩容，
HashMap<String,String> map = new HashMap<String,String>(2,0.5f);
map.put("A","A");
map.put("B","B");
在多线程条件下，会出现条件竞争，模拟过程如下：

　　(1) 线程1读取到hashmap情况正准备扩容 (我们for(Entry<K,V> e : table)  实际就是遍历这个链表，e的指针指向A，e.next指向的就是B) 此时线程2介入

　　

　　(2) 线程2读取hashmap，进行扩容。(同样的线程2的 e指针指向A，e.next指向B。newTable[i]假如i=2,待它循环完之后，AB的元素的位子就反过来了)

　　

　　(3) 线程1继续执行(循环完之后A的next是指向B的，而由于另一条线程B的next又是指向A。由此，环形链表出现：B.next=A; A.next=B )

　　

ArrayList与LinkedList

数组数据结构

　　数组是一种线性表数据结构，开辟了一组连续内存来存储同一类型的数据。每一个节点主要存储数据信息和下标信息。比如现在有一个数组String[] arr = new String[3]，里面顺序添加了a、b、c 3个元素；我现在想要在第2个地方添加一个 d 元素，那么就需要重新调整第2个和后面所有元素的角标。但是访问第 2 个元素 直接通过下标就能访问到了。所以说数组的特点是：高效的随机访问，低效的新增和删除。

为什么数组下标要从0开始

这个主要从两个方面说起：
　　1. C语言的下标是从0开始，所以后面的高级语言都沿用了这一个特性。
　　2. 根据下标访问元素会更快。
　　　　假如我们现在有一个数组 int [] a = new int [10]。
　　　　计算机给它分配的连续空间为100~139，内存起始值baseAddress=100；因为存的是int类型，所以dataTypeSize=4
　　　那么我们访问一个元素的寻址公式就是：a[i] = baseAddress + i * dataTypeSize
　　　而如果下标从1开始的话，寻址公式就为 a[i] = baseAddress + (i-1)*dataTypeSize
　　　对比可以发现：下标从1开始，那么寻址时需要多计算一下，性能会下降一点。

　　　

链表数据结构

　　链表是一个零散的内存结构。每一个节点除了存储数据本身信息，还会记录其他数据内存地址的指针域。如果计算机还剩100mb的内存，我们可以用它来创建一个100mb的链表、却无法创建100mb的数组。我们新增节点只需要其中一个节点指向新节点就好、不用做大规模的调整；而我们访问一个节点时，由于内存地址时无序的，只能通过遍历每个节点，来找到指定元素。所以说数组的特点是：低效的随机访问，高效的新增和删除。

常见的几种链表类型

　　单链表：单链表就是通过指针域把零散内存串起来。每一个节点都指向下一个节点的地址。只有头节点和尾节点不一样。头节点还记录了链表的基地址，而尾节点最后指向的null。

　　循环链表：循环链表和单链表一样，只有一个方向。但是尾节点的指针域时指向头节点的。

　　双向列表：相比于单链表，更加的占用内存，但是支持双向遍历，更具备灵活性。

　　双向循环列表：同样的尾节点指向头节点。

ArrayList与LinkedList比较

　　1. ArrayList基于数组实现，LinkedList基于双向链表实现。所以前者查询快、后者编辑快。
　　2. LinkedList比ArrayList占内存，前者要存两个引用地址，后者只需要存下标。