各自特性:
ArrayList ： 是一由连续的内存块组成的数组，范围大小可变的，当不够时增加为原来1.5倍大小,数组。 ：调用trimToSize方法，使得存储区域的大小调整为当前元素数量所需要的空间大小，垃圾回收器将会回收多余存储空间。
LinkedList ： 是由随机内存块通过指针连接起来的，范围大小可变的，当不够时增加为原来2倍大小,一个双向链表，
LinkedList ： 是由随机内存块通过指针连接起来的，范围大小可变的，当不够时增加为原来2倍大小,一个双向链表，
书上得来： 结论一 ： ArrayList集合访问查找比LinkedList集合速度快，
结论二 ： LinkedList集合增删元素比ArrayList集合速度快。
原因：
ArrayList是连续的内存地址，访问时根据下标，即与首地址的偏移量来确定元素；LinkedList集合是随机内存地址，查找时需要遍历链表，如果需要查找元素位于链表末尾，也只有老老实实把前面的挨个儿查看比较一番，所以有了结论一。
ArrayList集合每删除一个元素，GC会回收没有引用的那块内存地址，所以删除一个元素整个的集合元素要移动一下位置，那么如果删除了第一个元素，很明显需要把后面的n-1个元素向前移动一个单位；LinkedList集合的随机内存地址数据结构使得每增加和删除一个元素，只需要修改前后两个元素的头尾指针即可，所以有了结论二。
看上去上面说的很有道理。。但是。。。这是真的吗？？？？？？
动手试一试，你会发现神奇之处！！！
public class Collection_ArrayListPK_LinkedList {
public static void main(String[] args)
{
// 测试访问比较
TestLook();
// 测试添加
// TestAdd();
public static void TestLook()
{
long [] timeBegin = new long[2];
long [] timeEnd = new long[2];
Integer [] ia = new Integer[5000];
for(int i=0;i<ia.length;i++)
ia[i] = i ;
Random rm = new Random();
int temp ;
/**
* 测试对大小为5000 的ArrayList进行100000次随机访问所用时间
*/
List alist = new ArrayList(Arrays.asList(ia));
timeBegin[0] = System.currentTimeMillis();
for(int k=0;k<100000;k++)
{
temp = (Integer)alist.get(rm.nextInt(5000));
}
timeEnd[0] = System.currentTimeMillis();
/**
* 测试对大小为5000 的LinkedList进行100000次随机访问所用时间
*/
List llist = new LinkedList(Arrays.asList(ia));
timeBegin[1] = System.currentTimeMillis();
for(int k=0;k<100000;k++)
{
temp = (Integer)llist.get(rm.nextInt(5000));
}
timeEnd[1] = System.currentTimeMillis();
System.out.println("+++分析对大小为5000 的LinkedList类型和ArrayList类型进行的100000次随机访问所用时间比较+++");
System.out.println("ArrayList的100000次随机访问速度测试:");
System.out.println("耗时:"+(timeEnd[0]-timeBegin[0])+"ms");
System.out.println("LinkedList的100000次随机访问速度测试");
System.out.println("耗时:"+(timeEnd[1]-timeBegin[1])+"ms");
/*
* 随机修改测试
*/
}
证明第一条结论：
public static void TestAdd()
{
long [] timeBegin = new long[2];
long [] timeEnd = new long[2];
Integer [] ia = new Integer[5000];
Random rm = new Random();
int temp ;
/**
* 测试对大小为5000 的ArrayList进行100000次随机访问所用时间
*/
List alist = new ArrayList(Arrays.asList(ia));
timeBegin[0] = System.currentTimeMillis();
for(int k=0;k<10000;k++)
{
alist.add(rm.nextInt(5000), 1);
}
timeEnd[0] = System.currentTimeMillis();
List llist = new LinkedList(Arrays.asList(ia));
timeBegin[1] = System.currentTimeMillis();
for(int k=0;k<10000;k++)
{
llist.add(rm.nextInt(5000), 1);
}
timeEnd[1] = System.currentTimeMillis();
System.out.println("+++分析对大小为5000 的LinkedList类型和ArrayList类型进行的10000次随机添加所用时间比较+++");
System.out.println("ArrayList的10000次添加速度测试:");
System.out.println("耗时:"+(timeEnd[0]-timeBegin[0])+"ms");
System.out.println("LinkedList的10000次添加速度测试");
System.out.println("耗时:"+(timeEnd[1]-timeBegin[1])+"ms");
}
public static void TestAdd()
{
long [] timeBegin = new long[10];
long [] timeEnd = new long[10];
Integer [] ia = new Integer[5000];
Random rm = new Random();
int temp ;
/**
* 测试对大小为5000 的ArrayList进行100000次随机访问所用时间
*/
List alist = new ArrayList(Arrays.asList(ia));
// 100
timeBegin[0] = System.currentTimeMillis();
for(int k=0;k<100;k++)
{
alist.add(rm.nextInt(5000), 1);
}
timeEnd[0] = System.currentTimeMillis();
// 1000
timeBegin[1] = System.currentTimeMillis();
for(int k=0;k<1000;k++)
{
alist.add(rm.nextInt(5000), 1);
}
timeEnd[1] = System.currentTimeMillis();
//10000
timeBegin[2] = System.currentTimeMillis();
for(int k=0;k<10000;k++)
{
alist.add(rm.nextInt(5000), 1);
}
timeEnd[2] = System.currentTimeMillis();
// 50000
timeBegin[6] = System.currentTimeMillis();
for(int k=0;k<50000;k++)
{
alist.add(rm.nextInt(5000), 1);
}
timeEnd[6] = System.currentTimeMillis();
// 100000
timeBegin[8] = System.currentTimeMillis();
for(int k=0;k<100000;k++)
{
alist.add(rm.nextInt(5000), 1);
}
timeEnd[8] = System.currentTimeMillis();
List llist = new LinkedList(Arrays.asList(ia));
// 100
timeBegin[3] = System.currentTimeMillis();
for(int k=0;k<100;k++)
{
llist.add(rm.nextInt(5000), 1);
}
timeEnd[3] = System.currentTimeMillis();
// 1000
timeBegin[4] = System.currentTimeMillis();
for(int k=0;k<1000;k++)
{
llist.add(rm.nextInt(5000), 1);
}
timeEnd[4] = System.currentTimeMillis();
// 10000
timeBegin[5] = System.currentTimeMillis();
for(int k=0;k<10000;k++)
{
llist.add(rm.nextInt(5000), 1);
}
timeEnd[5] = System.currentTimeMillis();
// 50000
timeBegin[7] = System.currentTimeMillis();
for(int k=0;k<50000;k++)
{
llist.add(rm.nextInt(5000), 1);
}
timeEnd[7] = System.currentTimeMillis();
// 100000
timeBegin[9] = System.currentTimeMillis();
for(int k=0;k<100000;k++)
{
llist.add(rm.nextInt(5000), 1);
}
timeEnd[9] = System.currentTimeMillis();
System.out.println("+++分析对大小为5000 的LinkedList类型和ArrayList类型进行的10000次随机添加所用时间比较+++");
System.out.println("ArrayList的添加速度测试:");
System.out.println("100次");
System.out.println("ArrayList -耗时:"+(timeEnd[0]-timeBegin[0])+"ms");
System.out.println("LinkedList -耗时:"+(timeEnd[3]-timeBegin[3])+"ms");
System.out.println("1000次");
System.out.println("ArrayList -耗时:"+(timeEnd[1]-timeBegin[1])+"ms");
System.out.println("LinkedList -耗时:"+(timeEnd[4]-timeBegin[4])+"ms");
System.out.println("10000次");
System.out.println("ArrayList -耗时:"+(timeEnd[2]-timeBegin[2])+"ms");
System.out.println("LinkedList -耗时:"+(timeEnd[5]-timeBegin[5])+"ms");
System.out.println("50000次");
System.out.println("ArrayList -耗时:"+(timeEnd[6]-timeBegin[6])+"ms");
System.out.println("LinkedList -耗时:"+(timeEnd[7]-timeBegin[7])+"ms");
System.out.println("100000次");
System.out.println("ArrayList -耗时:"+(timeEnd[8]-timeBegin[8])+"ms");
System.out.println("LinkedList -耗时:"+(timeEnd[9]-timeBegin[9])+"ms");}
结果一：
+++分析对大小为5000 的LinkedList类型和ArrayList类型进行的100000次随机访问所用时间比较+++
ArrayList的100000次随机访问速度测试:
耗时:27ms
LinkedList的100000次随机访问速度测试
耗时:225ms
补充： 多次测试证明第一条结论是对的。。。这哈踏实了。
结果二：
+++分析对大小为5000 的LinkedList类型和ArrayList类型进行的10000次随机添加所用时间比较+++
ArrayList的添加速度测试:
100次
ArrayList -耗时:2ms
LinkedList -耗时:3ms
1000次
ArrayList -耗时:2ms
LinkedList -耗时:5ms
10000次
ArrayList -耗时:46ms
LinkedList -耗时:91ms
50000次
有没有发现新大陆的感觉？？？
ArrayList -耗时:517ms
LinkedList -耗时:708ms
100000次
ArrayList -耗时:4316ms
LinkedList -耗时:1455ms
补充： 看来第二个结论有点问题咯。。说得太绝对了。。。
分析后者原因： 得出第二个结论主要是考虑增删元素的处理的时间去了，忽略了一个问题，就是查找到该元素的时间，ArrayList 集合
虽然处理慢，但是查找很快。。有优势的也有弱势之处，当优势和弱势比例不同自然而然结果就不一样。。所以看到新大陆了是应该的。。。
