数据结构+java中常用的集合类
常用的数据结构：
数组：
- 内存连续的，使用时需要初始化大小；
- 可以通过下标来查找到数据，所以查询效率很高,时间复杂度O（1）
- 增删效率比较低，要移动元素或者扩容，时间复杂度O(N)（还要动态扩容，不然会越界）
链表：
- 对内存空间使用比较灵活，内存不需要连续；
- 不支持下标查找，所以查询需要顺序遍历，时间复杂度O(n)
- 增删效率高，最需要操作节点的前后节点的关系，不需要移动元素，时间复杂度O(n)
二叉树：
- 二分的思想，查询的时间复杂度是O(log n)；
- 某节点的左子树节点值仅包含小于该节点值；
- 某节点的右子树节点值仅包含大于该节点值；
- 左右子树每个也必须是二叉查找树
- 顺序排列
问题：普通二叉树可能会不平衡，甚至链化，查询效率不高，所以我们需要采取一些措施
红黑树：拆去顶端优势来达到平衡的目的。自平衡的二叉树（不是绝对平衡）
规则：
- 每个节点要么是红色、要么是黑色
- 根节点必须是黑色
- 每个叶子节点（NULL）是黑色
- 每个红色节点的两个子节点必须是黑色的（不存在两个相邻的红色节点）
- 任意节点到每个叶子节点的路径都包含相同数量的黑节点（严格来说是黑平衡二叉树）
实现：变色+旋转（左旋、右旋）
左旋：节点往左旋转，即右节点变为相对根节点，该节点变为右节点的左节点。
右旋：节点往右旋转，即左节点变为相对根节点，该节点变为右节点的左节点。
如下图：由上可知，新节点刚插入肯定是红节点，P是父节点，PP是祖父节点，S叔叔节点
具体案例可参照：https://www.cnblogs.com/deusjin/p/14620791.html
B+树：多路平衡二叉树。（Mysql里介绍）
集合
ArrayList：
本质是数组，底层是基于数组的，会自动扩容(默认10，此后扩容1.5倍，即加右移一位)。
源码分析：
重要的成员变量：
// 初始容量的默认值 private static final int DEFAULT_CAPACITY = 10; // 空的数组，无参构造会初始化一个空数组 private static final Object[] EMPTY_ELEMENTDATA = {}; // 空的数组，无参构造会初始化一个空数组 private static final Object[] DEFAULTCAPACITY_EMPTY_ELEMENTDATA = {}; // 集合中存储元素的对象 transient Object[] elementData; // 数组的大小 private int size;
无参构造：
public ArrayList() { this.elementData = DEFAULTCAPACITY_EMPTY_ELEMENTDATA; }
有参构造：
public ArrayList(int initialCapacity) { if (initialCapacity > 0) { // 初始化内部数组，创建指定大小的数组 this.elementData = new Object[initialCapacity]; } else if (initialCapacity == 0) { // 0时，赋值空 this.elementData = EMPTY_ELEMENTDATA; } else { throw new IllegalArgumentException("Illegal Capacity: "+ initialCapacity); } }
Add方法：
public boolean add(E e) { // 确定容量、动态扩容数组 ensureCapacityInternal(size + 1); // 元素加到内部数组里面 elementData[size++] = e; return true; }
继续看ensureCapacityInterna方法：
private void ensureCapacityInternal(int minCapacity) { // 数组为空时，返回默认值10 if (elementData == DEFAULTCAPACITY_EMPTY_ELEMENTDATA) { minCapacity = Math.max(DEFAULT_CAPACITY, minCapacity); } ensureExplicitCapacity(minCapacity); }
继续看ensureExplicitCapacity方法：
继续看grow方法：
get()方法：
Set()方法：
Remove方法
Failfast机制：内部会维护一个modCount，一旦修改了元素，都会加一，每次遍历元素操作会比较modCount，不是预期值，则抛出返回异常
，是集合类为了应对并发访问时的原子性，内部结构发生变化的一种防护措施。
LinkedList：
是通过双向链表来实现的，它具有双向链表的优缺点
它的顺序访问效率高，随机访问效率低。
增删效率高
Push方法是加到头部，add加到尾部，源码也就是使用了双向链表
节点加到头部：
节点加到尾部：
Get方法：
Set方法：
Vector
线程安全的，内部实际上是在每个方法上加了synchronized关键字，对性能有比较大的影响。不推荐使用。
java.util.Collections下的synchronizedList方法，可以转化为同步的集合，在代码中可以灵活使用。synchronizedList内部转化为一个同步集合，实际上是使用了同步代码块来实现的。
HashSet
实现了Set接口，使用哈希表来实现，实际上内部是通过HashMao来实现的
存储的数据是无序的，不重复的，允许元素为空。
Set方法是将数据保存在内部的HashMap中，key是我们添加的内容，value就是我们定义的一个Object对象：
TreeSet
基于TreeMap的NavigableSet实现，使用元素的自然顺序来排序，或者由set提供的Comparator继续排序，具体取决于使用什么构造方法
本质是将数据保存在TreeMap中，key是内容，value是一个通用对象。
TreeMap
本质上是红黑树的实现，遵循红黑树的特点。
Put方法：
public V put(K key, V value) { Entry<K,V> t = root; // 根节点 if (t == null) { // 根节点是null compare(key, key); // type (and possibly null) check root = new Entry<>(key, value, null);// 封装node，并设为root size = 1; modCount++; return null; } int cmp; Entry<K,V> parent; // 父节点 // split comparator and comparable paths Comparator<? super K> cpr = comparator; // 比较器 if (cpr != null) { do { // 将root赋值给了parent parent = t; cmp = cpr.compare(key, t.key); // 比较大小 if (cmp < 0) // 小于 t = t.left; //往树的左边走 else if (cmp > 0) t = t.right; // 往树的右边走 else return t.setValue(value); // 在树里面找到直接修改值 } while (t != null); // 循环，继续往下遍历 } else { // 比较器为空 if (key == null) throw new NullPointerException(); @SuppressWarnings("unchecked") Comparable<? super K> k = (Comparable<? super K>) key; do { parent = t; cmp = k.compareTo(t.key); if (cmp < 0) t = t.left; else if (cmp > 0) t = t.right; else return t.setValue(value); } while (t != null); }// parent就是我们要插入的节点的父节点 // e是封装的节点 Entry<K,V> e = new Entry<>(key, value, parent); if (cmp < 0) parent.left = e; // 插入的节点在parent左侧 else parent.right = e; // 插入的节点在parent右侧 fixAfterInsertion(e); // 实现了红黑树的平衡 size++; modCount++; return null; }
fixAfterInsertion方法：（参照之前的红黑树列举的情况）
private void fixAfterInsertion(Entry<K,V> x) { x.color = RED; // 设置新的节点为红色 // 循环的条件：添加的节点部位空，不是root节点，父节点为红色 while (x != null && x != root && x.parent.color == RED) { // 父节点是否为祖父节点的左侧 if (parentOf(x) == leftOf(parentOf(parentOf(x)))) { // 获取祖父节点节点的右侧，即叔叔节点 Entry<K,V> y = rightOf(parentOf(parentOf(x))); if (colorOf(y) == RED) { // 叔叔节点为红色 setColor(parentOf(x), BLACK); // 设置父节点为黑 setColor(y, BLACK); // 设置叔叔节点为黑 setColor(parentOf(parentOf(x)), RED);//设置祖父为红 x = parentOf(parentOf(x));// 将祖父节点设为插入节点 （往上循环遍历） } else { // 叔叔节点是黑色 // 判断插入节点是否是父节点的右侧节点 if (x == rightOf(parentOf(x))) { // 将父节点作为插入节点 x = parentOf(x); rotateLeft(x);// 左旋 } setColor(parentOf(x), BLACK); setColor(parentOf(parentOf(x)), RED); rotateRight(parentOf(parentOf(x)));// 右旋 } } else { // 父节点是否为祖父节点的左侧 Entry<K,V> y = leftOf(parentOf(parentOf(x))); if (colorOf(y) == RED) { //叔叔节点为红色 setColor(parentOf(x), BLACK); // 父节点变黑色 setColor(y, BLACK); // 叔叔节点变为黑色 setColor(parentOf(parentOf(x)), RED); //设置祖父为红 x = parentOf(parentOf(x)); } else { //叔叔节点为黑色 if (x == leftOf(parentOf(x))) { // 插入节点在右侧 x = parentOf(x); // 将父节点作为插入节点 rotateRight(x); // 右旋 } setColor(parentOf(x), BLACK); setColor(parentOf(parentOf(x)), RED); rotateLeft(parentOf(parentOf(x))); // 左旋 } } } root.color = BLACK; // 根节点为黑色 }
HashMap
底层：1.7采用数组加链表
1.8之后采用数据加链表或者数据加红黑树来实现元素的存储的
源码分析：
常用的成员变量：
HashMap类里面有个Node<K,V>静态内部类，里面包含四个属性：hash,calue,value,next代码如下（主要看有注释的那四行，其他可以忽略）
接下来看一下put方法的源码：
public V put(K key, V value) { return putVal(hash(key), key, value, false, true); }
这里的hash(key)是计算出key所对应的hash值，
右移16位的原因，减少哈希碰撞的次数，保证散列分布均匀
继续看putVal()方法：
final V putVal(int hash, K key, V value, boolean onlyIfAbsent, boolean evict) { Node<K,V>[] tab; // 这里的tab就是table，后三行会赋值，下面我会直接说table而不是tab Node<K,V> p; // p就是table[i]，后面也会赋值的 int n, i; if ((tab = table) == null || (n = tab.length) == 0) // table是否为空或者长度为0 n = (tab = resize()).length; //满足则调用resize（）方法扩容 if ((p = tab[i = (n - 1) & hash]) == null) // 计算出索引i，如果table[i] == null tab[i] = newNode(hash, key, value, null); // 直接插入 else { // 如果table[i] !=null Node<K,V> e; K k; if (p.hash == hash && ((k = p.key) == key || (key != null && key.equals(k)))) //判断key是否存在了 e = p; //满足则直接覆盖旧值 else if (p instanceof TreeNode) // key不存在，继续判断是否table[i]是否是TreeNode（红黑树结构） e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value); //满足则在红黑树中插入键值对 else { // 不是红黑树结构 // 开始遍历表，并且插入 for (int binCount = 0; ; ++binCount) { if ((e = p.next) == null) { p.next = newNode(hash, key, value, null); if (binCount >= TREEIFY_THRESHOLD - 1) //如果链表长度大于等于8 treeifyBin(tab, hash); // 链表转化为红黑树 break; } if (e.hash == hash && ((k = e.key) == key || (key != null && key.equals(k)))) // 如果链表中存在相同的key，直接覆盖旧值 break; p = e; } } if (e != null) { // existing mapping for key V oldValue = e.value; if (!onlyIfAbsent || oldValue == null) e.value = value; afterNodeAccess(e); return oldValue; } } ++modCount; if (++size > threshold) // 容量达到阀值 resize(); //扩容 afterNodeInsertion(evict); // 这个方法HashMap里面是空的，LinkedHashMap有实现方法，意思就是为了实现顺序插入 return null; }
具体分析看下面的图：
接下来看一下gēt方法的源码：
public V get(Object key) { Node<K,V> e; return (e = getNode(hash(key), key)) == null ? null : e.value; //指定key 通过hash函数得到key的hash值 }
上面的内部getNode()方法是根据hash值，知道对应的Node,并返回。然后就可以获得到里面的value值了。
4.一些问题：
1.HashMap中的碰撞探测(collision detection)以及碰撞的解决方法：
当两个对象的hashcode相同时，它们的bucket位置相同，‘碰撞’会发生。因为HashMap使用LinkedList存储对象，这个Entry(包含有键值对的Map.Entry对象)会存储在LinkedList中。这两个对象就算hashcode相同，但是它们可能并不相等。 那如何获取这两个对象的值呢？当我们调用get()方法，HashMap会使用键对象的hashcode找到bucket位置，遍历LinkedList直到找到值对象。找到bucket位置之后，会调用keys.equals()方法去找到LinkedList中正确的节点，最终找到要找的值对象使用不可变的、声明作final的对象，并且采用合适的equals()和hashCode()方法的话，将会减少碰撞的发生，提高效率。不可变性使得能够缓存不同键的hashcode，这将提高整个获取对象的速度，使用String，Interger这样的wrapper类作为键是非常好的选择。
2.解决 hash 冲突的常见方法
a. 链地址法：将哈希表的每个单元作为链表的头结点，所有哈希地址为 i 的元素构成一个同义词链表。即发生冲突时就把该关键字链在以该单元为头结点的链表的尾部。
b. 开放定址法：即发生冲突时，去寻找下一个空的哈希地址。只要哈希表足够大，总能找到空的哈希地址。
c. 再哈希法：即发生冲突时，由其他的函数再计算一次哈希值。
d. 建立公共溢出区：将哈希表分为基本表和溢出表，发生冲突时，将冲突的元素放入溢出表。
HashMap 就是使用链地址法来解决冲突的（jdk8中采用平衡树来替代链表存储冲突的元素，但hash() 方法原理相同）。数组中的每一个单元都会指向一个链表，如果发生冲突，就将 put 进来的 K- V 插入到链表的尾部。
