Java 常用List集合使用场景分析

Java 常用List集合使用场景分析

过年前的最后一篇，本章通过介绍ArrayList，LinkedList，Vector，CopyOnWriteArrayList 底层实现原理和四个集合的区别。让你清楚明白，为什么工作中会常用ArrayList和CopyOnWriteArrayList？了解底层实现原理，我们可以学习到很多代码设计的思路，开阔自己的思维。本章通俗易懂，还在等什么，快来学习吧！

知识图解：

技术：ArrayList，LinkedList，Vector，CopyOnWriteArrayList
说明：本章基于jdk1.8，github上有ArrayList，LinkedList的简单源码代码
源码：https://github.com/ITDragonBlog/daydayup/tree/master/Java/collection-stu

知识预览

ArrayList : 基于数组实现的非线程安全的集合。查询元素快，插入，删除中间元素慢。
LinkedList : 基于链表实现的非线程安全的集合。查询元素慢，插入，删除中间元素快。
Vector : 基于数组实现的线程安全的集合。线程同步（方法被synchronized修饰），性能比ArrayList差。
CopyOnWriteArrayList : 基于数组实现的线程安全的写时复制集合。线程安全（ReentrantLock加锁），性能比Vector高，适合读多写少的场景。

ArrayList 和 LinkedList 读写快慢的本质

ArrayList : 查询数据快，是因为数组可以通过下标直接找到元素。 写数据慢有两个原因：一是数组复制过程需要时间，二是扩容需要实例化新数组也需要时间。
LinkedList : 查询数据慢，是因为链表需要遍历每个元素直到找到为止。 写数据快有一个原因：除了实例化对象需要时间外，只需要修改指针即可完成添加和删除元素。
本章会通过源码分析，验证上面的说法。

注：这里的块和慢是相对的。并不是LinkedList的插入和删除就一定比ArrayList快。明白其快慢的本质：ArrayList快在定位，慢在数组复制。LinkedList慢在定位，快在指针修改。

ArrayList

ArrayList 是基于动态数组实现的非线程安全的集合。当底层数组满的情况下还在继续添加的元素时，ArrayList则会执行扩容机制扩大其数组长度。ArrayList查询速度非常快，使得它在实际开发中被广泛使用。美中不足的是插入和删除元素较慢，同时它并不是线程安全的。
我们可以从源码中找到答案

// 查询元素
public E get(int index) {
	rangeCheck(index);					// 检查是否越界
	return elementData(index);
}
// 顺序添加元素
public boolean add(E e) {
	ensureCapacityInternal(size + 1);  	// 扩容机制
	elementData[size++] = e;
	return true;
}
// 从数组中间添加元素
public void add(int index, E element) {
	rangeCheckForAdd(index);			// 数组下标越界检查
	ensureCapacityInternal(size + 1);  	// 扩容机制
	System.arraycopy(elementData, index, elementData, index + 1, size - index); // 复制数组
	elementData[index] = element;		// 替换元素
	size++;
}
// 从数组中删除元素
private void fastRemove(int index) {
	modCount++;
	int numMoved = size - index - 1;
	if (numMoved > 0)
		System.arraycopy(elementData, index+1, elementData, index, numMoved);
	elementData[--size] = null; // clear to let GC do its work
}

从源码中可以得知，
ArrayList在执行查询操作时：
第一步：先判断下标是否越界。
第二步：然后在直接通过下标从数组中返回元素。

ArrayList在执行顺序添加操作时：
第一步：通过扩容机制判断原数组是否还有空间，若没有则重新实例化一个空间更大的新数组，把旧数组的数据拷贝到新数组中。
第二步：在新数组的最后一位元素添加值。

ArrayList在执行中间插入操作时：
第一步：先判断下标是否越界。
第二步：扩容。
第三步：若插入的下标为i，则通过复制数组的方式将i后面的所有元素，往后移一位。
第四步：新数据替换下标为i的旧元素。
删除也是一样：只是数组往前移了一位，最后一个元素设置为null，等待JVM垃圾回收。

从上面的源码分析，我们可以得到一个结论和一个疑问。
结论是：ArrayList快在下标定位，慢在数组复制。
疑问是：能否将每次扩容的长度设置大点，减少扩容的次数，从而提高效率？其实每次扩容的长度大小是很有讲究的。若扩容的长度太大，会造成大量的闲置空间；若扩容的长度太小，会造成频发的扩容(数组复制)，效率更低。

LinkedList

LinkedList 是基于双向链表实现的非线程安全的集合，它是一个链表结构，不能像数组一样随机访问，必须是每个元素依次遍历直到找到元素为止。其结构的特殊性导致它查询数据慢。
我们可以从源码中找到答案

// 查询元素
public E get(int index) {
	checkElementIndex(index); 	// 检查是否越界
	return node(index).item;
}
Node<E> node(int index) {
	if (index < (size >> 1)) { 	// 类似二分法
		Node<E> x = first;
		for (int i = 0; i < index; i++)
			x = x.next;
		return x;
	} else {
		Node<E> x = last;
		for (int i = size - 1; i > index; i--)
			x = x.prev;
		return x;
	}
}
// 插入元素
public void add(int index, E element) {
	checkPositionIndex(index);	// 检查是否越界
	if (index == size)			// 在链表末尾添加
		linkLast(element);
	else						// 在链表中间添加
		linkBefore(element, node(index));
}
void linkBefore(E e, Node<E> succ) {
	final Node<E> pred = succ.prev; 
	final Node<E> newNode = new Node<>(pred, e, succ);
	succ.prev = newNode;
	if (pred == null)	
		first = newNode;
	else				
		pred.next = newNode;
	size++;
	modCount++;
}

从源码中可以得知，
LinkedList在执行查询操作时：
第一步：先判断元素是靠近头部，还是靠近尾部。
第二步：若靠近头部，则从头部开始依次查询判断。和ArrayList的elementData(index)相比当然是慢了很多。

LinkedList在插入元素的思路：
第一步：判断插入元素的位置是链表的尾部，还是中间。
第二步：若在链表尾部添加元素，直接将尾节点的下一个指针指向新增节点。
第三步：若在链表中间添加元素，先判断插入的位置是否为首节点，是则将首节点的上一个指针指向新增节点。否则先获取当前节点的上一个节点（简称A），并将A节点的下一个指针指向新增节点，然后新增节点的下一个指针指向当前节点。

Vector

Vector 的数据结构和使用方法与ArrayList差不多。最大的不同就是Vector是线程安全的。从下面的源码可以看出，几乎所有的对数据操作的方法都被synchronized关键字修饰。synchronized是线程同步的，当一个线程已经获得Vector对象的锁时，其他线程必须等待直到该锁被释放。从这里就可以得知Vector的性能要比ArrayList低。
若想要一个高性能，又是线程安全的ArrayList，可以使用Collections.synchronizedList(list);方法或者使用CopyOnWriteArrayList集合

public synchronized E get(int index) {
	if (index >= elementCount)
		throw new ArrayIndexOutOfBoundsException(index);

	return elementData(index);
}
public synchronized boolean add(E e) {
	modCount++;
	ensureCapacityHelper(elementCount + 1);
	elementData[elementCount++] = e;
	return true;
}
public synchronized boolean removeElement(Object obj) {
	modCount++;
	int i = indexOf(obj);
	if (i >= 0) {
		removeElementAt(i);
		return true;
	}
	return false;
}

CopyOnWriteArrayList

在这里我们先简单了解一下CopyOnWrite容器。它是一个写时复制的容器。当我们往一个容器添加元素的时候，不是直接往当前容器添加，而是先将当前容器进行copy一份，复制出一个新的容器，然后对新容器里面操作元素，最后将原容器的引用指向新的容器。所以CopyOnWrite容器是一种读写分离的思想，读和写不同的容器。
应用场景：适合高并发的读操作（读多写少）。若写的操作非常多，会频繁复制容器，从而影响性能。

CopyOnWriteArrayList 写时复制的集合，在执行写操作（如：add，set，remove等）时，都会将原数组拷贝一份，然后在新数组上做修改操作。最后集合的引用指向新数组。
CopyOnWriteArrayList 和Vector都是线程安全的，不同的是：前者使用ReentrantLock类，后者使用synchronized关键字。ReentrantLock提供了更多的锁投票机制，在锁竞争的情况下能表现更佳的性能。就是它让JVM能更快的调度线程，才有更多的时间去执行线程。这就是为什么CopyOnWriteArrayList的性能在大并发量的情况下优于Vector的原因。

private E get(Object[] a, int index) {
	return (E) a[index];
}
public boolean add(E e) {
	final ReentrantLock lock = this.lock;
	lock.lock();
	try {
		Object[] elements = getArray();
		int len = elements.length;
		Object[] newElements = Arrays.copyOf(elements, len + 1);
		newElements[len] = e;
		setArray(newElements);
		return true;
	} finally {
		lock.unlock();
	}
}
private boolean remove(Object o, Object[] snapshot, int index) {
	final ReentrantLock lock = this.lock;
	lock.lock();
	try {
		Object[] current = getArray();
		int len = current.length;
		......
		Object[] newElements = new Object[len - 1];
		System.arraycopy(current, 0, newElements, 0, index);
		System.arraycopy(current, index + 1, newElements, index, len - index - 1);
		setArray(newElements);
		return true;
	} finally {
		lock.unlock();
	}
}

总结

看到这里，如果面试官问你ArrayList和LinkedList有什么区别时
如果你回答：ArrayList查询快，写数据慢；LinkedList查询慢，写数据快。面试官只能算你勉强合格。
如果你回答：ArrayList查询快是因为底层是由数组实现，通过下标定位数据快。写数据慢是因为复制数组耗时。LinkedList底层是双向链表，查询数据依次遍历慢。写数据只需修改指针引用。
如果你继续回答：ArrayList和LinkedList都不是线程安全的，小并发量的情况下可以使用Vector，若并发量很多，且读多写少可以考虑使用CopyOnWriteArrayList。
因为CopyOnWriteArrayList底层使用ReentrantLock锁，比使用synchronized关键字的Vector能更好的处理锁竞争的问题。
面试官会认为你是一个基础扎实，内功深厚的人才！！！

到这里Java 常用List集合使用场景分析就结束了。过年前的最后一篇博客，有点浮躁，可能身在职场，心在老家！最后祝大家新年快乐！！！狗年吉祥！！！大富大贵！！！可能都没人看博客了 ⊙﹏⊙‖∣ 哈哈哈哈(ಡωಡ)hiahiahia