Java 集合框架深入理解¶
核心内容
深入理解Java集合框架的底层实现、性能特点和使用场景，掌握HashMap、ConcurrentHashMap等核心集合的源码原理，能够在面试中自信回答集合相关问题。
📚 本章导航¶
- 集合框架概述
- List 系列
- ArrayList 源码分析
- LinkedList 源码分析
- CopyOnWriteArrayList
- Set 系列
- HashSet
- TreeSet
- LinkedHashSet
- Map 系列
- HashMap 深入解析
- ConcurrentHashMap 并发原理
- TreeMap
- LinkedHashMap
- Queue 系列
- 集合工具类
- 面试高频题
集合框架概述¶
Java集合体系结构¶
Collection 接口
├── List (有序、可重复)
│ ├── ArrayList (动态数组)
│ ├── LinkedList (双向链表)
│ ├── Vector (线程安全ArrayList)
│ └── CopyOnWriteArrayList (写时复制)
├── Set (无序、不重复)
│ ├── HashSet (基于HashMap)
│ ├── LinkedHashSet (保持插入顺序)
│ └── TreeSet (红黑树、有序)
└── Queue (队列)
├── PriorityQueue (优先队列、堆)
├── ArrayDeque (双端队列)
└── BlockingQueue (阻塞队列)
├── ArrayBlockingQueue
├── LinkedBlockingQueue
└── PriorityBlockingQueue
Map 接口 (键值对)
├── HashMap (哈希表)
├── LinkedHashMap (保持插入顺序)
├── TreeMap (红黑树、有序)
├── Hashtable (线程安全HashMap、已过时)
├── ConcurrentHashMap (高并发HashMap)
└── WeakHashMap (弱引用Map)
List 系列¶
ArrayList 源码分析¶
核心特点¶
| 特性 | 说明 |
|---|---|
| 底层实现 | 动态数组 Object[] elementData |
| 初始容量 | 默认10（首次add时才初始化） |
| 扩容机制 | 1.5倍扩容：newCapacity = oldCapacity + (oldCapacity >> 1) |
| 随机访问 | O(1) - 支持快速随机访问 |
| 插入删除 | O(n) - 需要移动元素 |
| 线程安全 | ❌ 非线程安全 |
核心源码解析¶
1. 添加元素（add方法）¶
public boolean add(E e) {
ensureCapacityInternal(size + 1); // 确保容量足够
elementData[size++] = e; // 添加元素
return true;
}
private void ensureCapacityInternal(int minCapacity) {
if (elementData == DEFAULTCAPACITY_EMPTY_ELEMENTDATA) {
minCapacity = Math.max(DEFAULT_CAPACITY, minCapacity);
}
ensureExplicitCapacity(minCapacity);
}
private void ensureExplicitCapacity(int minCapacity) {
if (minCapacity - elementData.length > 0) {
grow(minCapacity); // 扩容
}
}
private void grow(int minCapacity) {
int oldCapacity = elementData.length;
int newCapacity = oldCapacity + (oldCapacity >> 1); // 1.5倍扩容
if (newCapacity - minCapacity < 0)
newCapacity = minCapacity;
if (newCapacity - MAX_ARRAY_SIZE > 0)
newCapacity = hugeCapacity(minCapacity);
// 数组拷贝
elementData = Arrays.copyOf(elementData, newCapacity);
}
2. 删除元素（remove方法）¶
public E remove(int index) {
rangeCheck(index);
E oldValue = elementData(index);
int numMoved = size - index - 1;
if (numMoved > 0)
// 将index后面的元素向前移动
System.arraycopy(elementData, index+1, elementData, index, numMoved);
elementData[--size] = null; // 清空引用，让GC回收
return oldValue;
}
关键问题¶
Q1: 为什么扩容是1.5倍而不是2倍？
// 1.5倍扩容的优势：
// 1. 节省内存：2倍扩容会浪费更多内存
// 2. 适中增长：既不会频繁扩容，也不会浪费太多空间
// 3. 数学原理：1.5倍扩容能更好地利用之前释放的空间
// 扩容公式
int newCapacity = oldCapacity + (oldCapacity >> 1); // 右移1位相当于除以2
Q2: 为什么elementData声明为transient？
transient Object[] elementData; // 为什么是transient？
// 原因：
// 1. elementData容量通常大于实际元素数量（size < elementData.length）
// 2. 序列化时只需要序列化有效元素（0 ~ size-1）
// 3. ArrayList重写了writeObject和readObject方法，只序列化有效元素
private void writeObject(java.io.ObjectOutputStream s) {
s.defaultWriteObject();
s.writeInt(size); // 写入实际元素数量
for (int i=0; i<size; i++) {
s.writeObject(elementData[i]); // 只写入有效元素
}
}
LinkedList 源码分析¶
核心特点¶
| 特性 | 说明 |
|---|---|
| 底层实现 | 双向链表 Node<E> |
| 随机访问 | O(n) - 需要遍历链表 |
| 插入删除 | O(1) - 只需修改指针（已知节点位置） |
| 内存占用 | 较高 - 每个节点需要额外存储前后指针 |
| 线程安全 | ❌ 非线程安全 |
核心数据结构¶
private static class Node<E> {
E item; // 数据
Node<E> next; // 后继指针
Node<E> prev; // 前驱指针
Node(Node<E> prev, E element, Node<E> next) {
this.item = element;
this.next = next;
this.prev = prev;
}
}
核心源码解析¶
1. 添加元素（add方法）¶
public boolean add(E e) {
linkLast(e); // 添加到链表末尾
return true;
}
void linkLast(E e) {
final Node<E> l = last;
final Node<E> newNode = new Node<>(l, e, null);
last = newNode;
if (l == null)
first = newNode; // 第一个节点
else
l.next = newNode; // 修改前一个节点的next指针
size++;
}
2. 插入元素（add(index, element)）¶
public void add(int index, E element) {
checkPositionIndex(index);
if (index == size)
linkLast(element); // 添加到末尾
else
linkBefore(element, node(index)); // 插入到index位置
}
// 根据index查找节点（关键：二分优化）
Node<E> node(int index) {
if (index < (size >> 1)) { // 前半部分，从头开始遍历
Node<E> x = first;
for (int i = 0; i < index; i++)
x = x.next;
return x;
} else { // 后半部分，从尾开始遍历
Node<E> x = last;
for (int i = size - 1; i > index; i--)
x = x.prev;
return x;
}
}
ArrayList vs LinkedList¶
| 对比项 | ArrayList | LinkedList |
|---|---|---|
| 底层结构 | 动态数组 | 双向链表 |
| 随机访问 | O(1) ⭐ | O(n) |
| 头部插入 | O(n) | O(1) ⭐ |
| 尾部插入 | O(1) 均摊 ⭐ | O(1) ⭐ |
| 中间插入 | O(n) | O(n) (查找) + O(1) (插入) |
| 删除 | O(n) | O(n) (查找) + O(1) (删除) |
| 内存占用 | 低 ⭐ | 高（额外指针） |
| 使用场景 | 查询多、插入少 | 频繁头尾操作 |
选择建议¶
// ✅ 使用ArrayList的场景：
// 1. 大量随机访问（get操作）
// 2. 数据量不大（不会频繁扩容）
// 3. 尾部插入为主
List<String> list = new ArrayList<>();
for (int i = 0; i < 1000; i++) {
list.get(i); // O(1)快速访问
}
// ✅ 使用LinkedList的场景：
// 1. 频繁在头部插入/删除
// 2. 实现队列/栈（Deque接口）
// 3. 不需要随机访问
Deque<String> deque = new LinkedList<>();
deque.addFirst("头部插入"); // O(1)
deque.addLast("尾部插入"); // O(1)
CopyOnWriteArrayList¶
核心特点¶
| 特性 | 说明 |
|---|---|
| 线程安全 | ✅ 通过写时复制实现 |
| 读操作 | 无锁、高性能 |
| 写操作 | 加锁、复制整个数组 |
| 使用场景 | 读多写少 |
核心原理¶
public class CopyOnWriteArrayList<E> {
private transient volatile Object[] array;
// 读操作：无锁
public E get(int index) {
return get(getArray(), index);
}
// 写操作：加锁 + 复制数组
public boolean add(E e) {
final ReentrantLock lock = this.lock;
lock.lock(); // 加锁
try {
Object[] elements = getArray();
int len = elements.length;
Object[] newElements = Arrays.copyOf(elements, len + 1); // 复制
newElements[len] = e; // 添加新元素
setArray(newElements); // 替换数组
return true;
} finally {
lock.unlock();
}
}
}
优缺点¶
优点： - 读操作无锁，性能高 - 适合读多写少场景
缺点： - 写操作需要复制整个数组，内存消耗大 - 不能保证实时一致性（读操作可能读到旧数据）
Set 系列¶
HashSet¶
核心特点¶
- 底层实现：基于HashMap（value为固定的PRESENT对象）
- 无序性：不保证元素顺序
- 唯一性：依赖hashCode()和equals()
源码分析¶
public class HashSet<E> extends AbstractSet<E> {
private transient HashMap<E,Object> map;
private static final Object PRESENT = new Object(); // 固定值
public boolean add(E e) {
return map.put(e, PRESENT) == null; // key为元素，value为PRESENT
}
public boolean contains(Object o) {
return map.containsKey(o);
}
}
TreeSet¶
核心特点¶
- 底层实现：基于TreeMap（红黑树）
- 有序性：自然排序或自定义Comparator
- 时间复杂度：O(log n)
使用示例¶
// 自然排序
TreeSet<Integer> set1 = new TreeSet<>();
set1.addAll(Arrays.asList(5, 3, 8, 1, 9));
System.out.println(set1); // [1, 3, 5, 8, 9]
// 自定义排序
TreeSet<String> set2 = new TreeSet<>((a, b) -> b.compareTo(a)); // 降序
set2.addAll(Arrays.asList("apple", "banana", "cherry"));
System.out.println(set2); // [cherry, banana, apple]
LinkedHashSet¶
核心特点¶
- 底层实现：HashSet + 双向链表
- 有序性：保持插入顺序
- 性能：略低于HashSet（额外维护链表）
Map 系列¶
HashMap 深入解析¶
核心特点¶
| 特性 | 说明 |
|---|---|
| 底层结构 | 数组 + 链表 + 红黑树（JDK 1.8+） |
| 初始容量 | 16 |
| 负载因子 | 0.75 |
| 扩容机制 | 2倍扩容（容量达到阈值时） |
| 线程安全 | ❌ 非线程安全 |
| 允许null | key和value都可以为null |
核心数据结构¶
public class HashMap<K,V> {
// 数组（桶）
transient Node<K,V>[] table;
// 链表节点
static class Node<K,V> implements Map.Entry<K,V> {
final int hash; // hash值
final K key; // 键
V value; // 值
Node<K,V> next; // 下一个节点
}
// 红黑树节点
static final class TreeNode<K,V> extends LinkedHashMap.Entry<K,V> {
TreeNode<K,V> parent; // 父节点
TreeNode<K,V> left; // 左子节点
TreeNode<K,V> right; // 右子节点
TreeNode<K,V> prev;
boolean red; // 红黑标记
}
}
JDK 1.8 重要优化¶
1. 数组 + 链表 + 红黑树¶
// JDK 1.7：数组 + 链表
// 问题：链表过长时，查询性能退化到O(n)
// JDK 1.8：数组 + 链表 + 红黑树
// 优化：链表长度>8 且 数组长度>64 时，转换为红黑树
static final int TREEIFY_THRESHOLD = 8; // 树化阈值
static final int UNTREEIFY_THRESHOLD = 6; // 退化为链表阈值
static final int MIN_TREEIFY_CAPACITY = 64; // 最小树化容量
// 树化条件
if (binCount >= TREEIFY_THRESHOLD - 1) {
if (tab.length >= MIN_TREEIFY_CAPACITY)
treeifyBin(tab, hash); // 转换为红黑树
}
为什么是8？ - 泊松分布计算：链表长度达到8的概率非常小（0.00000006） - 红黑树节点占用空间是链表节点的2倍 - 8是空间和时间的平衡点
2. 尾插法替代头插法¶
// JDK 1.7：头插法
// 问题：多线程扩容时可能形成环形链表，导致死循环
void transfer(Entry[] newTable) {
Entry[] src = table;
for (int j = 0; j < src.length; j++) {
Entry<K,V> e = src[j];
while (e != null) {
Entry<K,V> next = e.next;
int i = indexFor(e.hash, newTable.length);
e.next = newTable[i]; // 头插法：新节点插入到链表头部
newTable[i] = e;
e = next;
}
}
}
// JDK 1.8：尾插法
// 优化：避免形成环形链表
final Node<K,V>[] resize() {
// ...
if (loTail != null) {
loTail.next = null; // 尾插法：新节点插入到链表尾部
newTab[j] = loHead;
}
// ...
}
核心方法解析¶
1. put方法¶
public V put(K key, V value) {
return putVal(hash(key), key, value, false, true);
}
// 核心逻辑
final V putVal(int hash, K key, V value, boolean onlyIfAbsent, boolean evict) {
Node<K,V>[] tab; Node<K,V> p; int n, i;
// 1. 如果数组为空，进行初始化（懒加载）
if ((tab = table) == null || (n = tab.length) == 0)
n = (tab = resize()).length;
// 2. 计算索引位置，如果该位置为空，直接插入
if ((p = tab[i = (n - 1) & hash]) == null)
tab[i] = newNode(hash, key, value, null);
else {
Node<K,V> e; K k;
// 3. 如果key已存在，直接覆盖
if (p.hash == hash && ((k = p.key) == key || (key != null && key.equals(k))))
e = p;
// 4. 如果是红黑树节点，插入树中
else if (p instanceof TreeNode)
e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
// 5. 如果是链表节点，遍历链表
else {
for (int binCount = 0; ; ++binCount) {
if ((e = p.next) == null) {
p.next = newNode(hash, key, value, null); // 尾插法
// 链表长度>=8，转换为红黑树
if (binCount >= TREEIFY_THRESHOLD - 1)
treeifyBin(tab, hash);
break;
}
if (e.hash == hash && ((k = e.key) == key || (key != null && key.equals(k))))
break;
p = e;
}
}
// 6. 如果key已存在，更新value
if (e != null) {
V oldValue = e.value;
if (!onlyIfAbsent || oldValue == null)
e.value = value;
return oldValue;
}
}
++modCount;
// 7. 如果size超过阈值，进行扩容
if (++size > threshold)
resize();
return null;
}
2. hash方法¶
// 为什么要高16位异或低16位？
static final int hash(Object key) {
int h;
return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}
// 原因：
// 1. HashMap的索引计算：index = (table.length - 1) & hash
// 2. 如果table.length较小（如16），只有低4位参与计算
// 3. 高16位异或低16位，让高位也参与计算，减少hash冲突
// 示例：
// hashCode: 1111 1111 1111 1111 0000 0000 0000 0000
// h >>> 16: 0000 0000 0000 0000 1111 1111 1111 1111
// 异或结果: 1111 1111 1111 1111 1111 1111 1111 1111
3. resize方法（扩容）¶
final Node<K,V>[] resize() {
Node<K,V>[] oldTab = table;
int oldCap = (oldTab == null) ? 0 : oldTab.length;
int oldThr = threshold;
int newCap, newThr = 0;
if (oldCap > 0) {
// 1. 已达到最大容量，不再扩容
if (oldCap >= MAXIMUM_CAPACITY) {
threshold = Integer.MAX_VALUE;
return oldTab;
}
// 2. 容量和阈值都扩大2倍
else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&
oldCap >= DEFAULT_INITIAL_CAPACITY)
newThr = oldThr << 1;
}
// ... 省略初始化逻辑
threshold = newThr;
Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap];
table = newTab;
if (oldTab != null) {
// 3. 重新分配节点到新数组
for (int j = 0; j < oldCap; ++j) {
Node<K,V> e;
if ((e = oldTab[j]) != null) {
oldTab[j] = null;
// 单个节点，直接计算新位置
if (e.next == null)
newTab[e.hash & (newCap - 1)] = e;
// 红黑树节点
else if (e instanceof TreeNode)
((TreeNode<K,V>)e).split(this, newTab, j, oldCap);
// 链表节点
else {
Node<K,V> loHead = null, loTail = null; // 低位链表
Node<K,V> hiHead = null, hiTail = null; // 高位链表
Node<K,V> next;
do {
next = e.next;
// (e.hash & oldCap) == 0 表示节点留在原位置
if ((e.hash & oldCap) == 0) {
if (loTail == null)
loHead = e;
else
loTail.next = e;
loTail = e;
}
// 否则移动到 原位置+oldCap
else {
if (hiTail == null)
hiHead = e;
else
hiTail.next = e;
hiTail = e;
}
} while ((e = next) != null);
// 放入新数组
if (loTail != null) {
loTail.next = null;
newTab[j] = loHead; // 原位置
}
if (hiTail != null) {
hiTail.next = null;
newTab[j + oldCap] = hiHead; // 原位置+oldCap
}
}
}
}
}
return newTab;
}
关键问题¶
Q1: 为什么负载因子是0.75？
static final float DEFAULT_LOAD_FACTOR = 0.75f;
// 原因：
// 1. 时间和空间的折中
// - 负载因子太小（如0.5）：浪费空间，但冲突少
// - 负载因子太大（如1.0）：节省空间，但冲突多
// 2. 泊松分布：0.75时，链表长度超过8的概率非常小
// 3. 数学计算：
// - 0.75 = 3/4
// - threshold = capacity * 0.75 = capacity - (capacity >> 2)
// - 位运算效率高
Q2: 为什么容量必须是2的幂次？
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;
}
// 原因：
// 1. 索引计算：index = (table.length - 1) & hash
// - 如果length是2的幂次，length-1的二进制全是1
// - 例如：16-1=15=0b1111，&运算相当于取模，但效率更高
// 2. 扩容优化：
// - 容量翻倍，节点要么留在原位置，要么移动到 原位置+oldCap
// - 通过 (hash & oldCap) == 0 判断，避免重新计算hash
Q3: 如何解决hash冲突？
// HashMap解决hash冲突的方法：
// 1. 链地址法（Separate Chaining）
// - 冲突的元素放在同一个桶的链表中
// 2. 红黑树优化（JDK 1.8）
// - 链表长度>8时，转换为红黑树，查询O(log n)
// 3. 扰动函数（高16位异或低16位）
// - 让hash分布更均匀，减少冲突
// 4. 2倍扩容
// - 容量不够时扩容，减少冲突概率
ConcurrentHashMap 并发原理¶
JDK 1.7 vs JDK 1.8¶
| 版本 | 底层结构 | 并发方案 | 锁粒度 |
|---|---|---|---|
| JDK 1.7 | Segment数组 + HashEntry数组 + 链表 | 分段锁（Segment继承ReentrantLock） | Segment级别 |
| JDK 1.8 | Node数组 + 链表 + 红黑树 | CAS + synchronized | 桶（Node）级别 |
JDK 1.8 核心原理¶
1. put方法¶
public V put(K key, V value) {
return putVal(key, value, false);
}
final V putVal(K key, V value, boolean onlyIfAbsent) {
if (key == null || value == null) throw new NullPointerException();
int hash = spread(key.hashCode()); // 计算hash
int binCount = 0;
for (Node<K,V>[] tab = table;;) {
Node<K,V> f; int n, i, fh;
// 1. 如果数组为空，初始化数组
if (tab == null || (n = tab.length) == 0)
tab = initTable();
// 2. 如果桶为空，CAS插入（无锁）
else if ((f = tabAt(tab, i = (n - 1) & hash)) == null) {
if (casTabAt(tab, i, null, new Node<K,V>(hash, key, value, null)))
break; // CAS成功，结束
}
// 3. 如果正在扩容，帮助扩容
else if ((fh = f.hash) == MOVED)
tab = helpTransfer(tab, f);
// 4. 如果桶不为空，synchronized锁住链表头节点
else {
V oldVal = null;
synchronized (f) { // 锁住链表头节点
if (tabAt(tab, i) == f) {
// 链表节点
if (fh >= 0) {
binCount = 1;
for (Node<K,V> e = f;; ++binCount) {
K ek;
// key已存在，更新value
if (e.hash == hash &&
((ek = e.key) == key ||
(ek != null && key.equals(ek)))) {
oldVal = e.val;
if (!onlyIfAbsent)
e.val = value;
break;
}
// 插入到链表尾部
Node<K,V> pred = e;
if ((e = e.next) == null) {
pred.next = new Node<K,V>(hash, key, value, null);
break;
}
}
}
// 红黑树节点
else if (f instanceof TreeBin) {
Node<K,V> p;
binCount = 2;
if ((p = ((TreeBin<K,V>)f).putTreeVal(hash, key, value)) != null) {
oldVal = p.val;
if (!onlyIfAbsent)
p.val = value;
}
}
}
}
// 5. 链表长度>=8，转换为红黑树
if (binCount != 0) {
if (binCount >= TREEIFY_THRESHOLD)
treeifyBin(tab, i);
if (oldVal != null)
return oldVal;
break;
}
}
}
addCount(1L, binCount); // 更新size
return null;
}
2. get方法（无锁）¶
public V get(Object key) {
Node<K,V>[] tab; Node<K,V> e, p; int n, eh; K ek;
int h = spread(key.hashCode());
if ((tab = table) != null && (n = tab.length) > 0 &&
(e = tabAt(tab, (n - 1) & h)) != null) {
// 1. 头节点就是目标节点
if ((eh = e.hash) == h) {
if ((ek = e.key) == key || (ek != null && key.equals(ek)))
return e.val;
}
// 2. 红黑树节点
else if (eh < 0)
return (p = e.find(h, key)) != null ? p.val : null;
// 3. 遍历链表
while ((e = e.next) != null) {
if (e.hash == h &&
((ek = e.key) == key || (ek != null && key.equals(ek))))
return e.val;
}
}
return null;
}
核心优势¶
相比JDK 1.7的分段锁：
- 锁粒度更细：从Segment级别 → Node级别
- 并发度更高：理论上并发度=数组长度
- 内存占用更低：不需要Segment数组
- put性能更好：
- 桶为空时，CAS插入（无锁）
- 桶不为空时，只锁住链表头节点
相比HashMap：
| 对比项 | HashMap | ConcurrentHashMap |
|---|---|---|
| 线程安全 | ❌ | ✅ |
| null key/value | ✅ | ❌（抛出NPE） |
| put性能 | 高 | 中（有锁开销） |
| get性能 | 高 | 高（无锁） |
| 使用场景 | 单线程 | 多线程 |
TreeMap¶
核心特点¶
- 底层实现：红黑树
- 有序性：自然排序或自定义Comparator
- 时间复杂度：O(log n)
使用示例¶
// 自然排序
TreeMap<Integer, String> map1 = new TreeMap<>();
map1.put(3, "three");
map1.put(1, "one");
map1.put(2, "two");
System.out.println(map1); // {1=one, 2=two, 3=three}
// 自定义排序
TreeMap<String, Integer> map2 = new TreeMap<>((a, b) -> b.compareTo(a)); // 降序
map2.put("apple", 1);
map2.put("banana", 2);
map2.put("cherry", 3);
System.out.println(map2); // {cherry=3, banana=2, apple=1}
// 范围查询
TreeMap<Integer, String> map3 = new TreeMap<>();
map3.put(1, "one");
map3.put(2, "two");
map3.put(3, "three");
map3.put(4, "four");
map3.put(5, "five");
System.out.println(map3.subMap(2, 5)); // {2=two, 3=three, 4=four}
System.out.println(map3.headMap(3)); // {1=one, 2=two}
System.out.println(map3.tailMap(3)); // {3=three, 4=four, 5=five}
LinkedHashMap¶
核心特点¶
- 底层实现：HashMap + 双向链表
- 有序性：保持插入顺序或访问顺序
- LRU缓存：通过accessOrder实现
实现LRU缓存¶
public class LRUCache<K, V> extends LinkedHashMap<K, V> {
private final int capacity;
public LRUCache(int capacity) {
super(capacity, 0.75f, true); // accessOrder=true，按访问顺序排序
this.capacity = capacity;
}
@Override
protected boolean removeEldestEntry(Map.Entry<K, V> eldest) {
return size() > capacity; // 超过容量，删除最老的元素
}
public static void main(String[] args) {
LRUCache<Integer, String> cache = new LRUCache<>(3);
cache.put(1, "one");
cache.put(2, "two");
cache.put(3, "three");
System.out.println(cache); // {1=one, 2=two, 3=three}
cache.get(1); // 访问1
cache.put(4, "four"); // 插入4，删除最老的2
System.out.println(cache); // {3=three, 1=one, 4=four}
}
}
Queue 系列¶
PriorityQueue¶
核心特点¶
- 底层实现：二叉堆（完全二叉树）
- 有序性：自然排序或自定义Comparator
- 时间复杂度：插入/删除 O(log n)，查看堆顶 O(1)
使用示例¶
// 小顶堆（默认）
PriorityQueue<Integer> minHeap = new PriorityQueue<>();
minHeap.addAll(Arrays.asList(5, 3, 8, 1, 9));
while (!minHeap.isEmpty()) {
System.out.print(minHeap.poll() + " "); // 1 3 5 8 9
}
// 大顶堆
PriorityQueue<Integer> maxHeap = new PriorityQueue<>((a, b) -> b - a);
maxHeap.addAll(Arrays.asList(5, 3, 8, 1, 9));
while (!maxHeap.isEmpty()) {
System.out.print(maxHeap.poll() + " "); // 9 8 5 3 1
}
ArrayDeque¶
核心特点¶
- 底层实现：循环数组
- 性能：比LinkedList更快（无节点分配开销）
- 推荐：实现栈/队列时优先使用ArrayDeque
使用示例¶
// 作为栈使用
Deque<String> stack = new ArrayDeque<>();
stack.push("A");
stack.push("B");
stack.push("C");
System.out.println(stack.pop()); // C
// 作为队列使用
Deque<String> queue = new ArrayDeque<>();
queue.offer("A");
queue.offer("B");
queue.offer("C");
System.out.println(queue.poll()); // A
集合工具类¶
Collections 常用方法¶
List<Integer> list = new ArrayList<>(Arrays.asList(5, 3, 8, 1, 9));
// 排序
Collections.sort(list); // [1, 3, 5, 8, 9]
Collections.sort(list, (a, b) -> b - a); // [9, 8, 5, 3, 1] 降序
// 二分查找
int index = Collections.binarySearch(list, 5); // 需要先排序
// 反转
Collections.reverse(list);
// 打乱
Collections.shuffle(list);
// 最大值/最小值
int max = Collections.max(list);
int min = Collections.min(list);
// 填充
Collections.fill(list, 0); // 全部填充为0
// 不可变集合
List<Integer> immutableList = Collections.unmodifiableList(list);
// 线程安全集合
List<Integer> syncList = Collections.synchronizedList(new ArrayList<>());
Map<String, Integer> syncMap = Collections.synchronizedMap(new HashMap<>());
Arrays 常用方法¶
int[] arr = {5, 3, 8, 1, 9};
// 排序
Arrays.sort(arr); // [1, 3, 5, 8, 9]
// 二分查找
int index = Arrays.binarySearch(arr, 5);
// 转字符串
System.out.println(Arrays.toString(arr)); // [1, 3, 5, 8, 9]
// 转List
List<Integer> list = Arrays.asList(1, 2, 3, 4, 5);
// 填充
Arrays.fill(arr, 0); // 全部填充为0
// 复制
int[] newArr = Arrays.copyOf(arr, arr.length);
// 比较
boolean equals = Arrays.equals(arr, newArr);
面试高频题¶
必考题（⭐⭐⭐⭐⭐）¶
1. HashMap的底层实现原理？¶
答： - JDK 1.7：数组 + 链表 - JDK 1.8：数组 + 链表 + 红黑树 - 链表长度>8 且 数组长度>64时，链表转红黑树 - 红黑树节点<6时，退化为链表
核心流程：
1. 计算key的hash值：(h = key.hashCode()) ^ (h >>> 16)
2. 计算索引位置：(table.length - 1) & hash
3. 如果桶为空，直接插入
4. 如果桶不为空，遍历链表/红黑树
5. 如果key已存在，更新value
6. 如果key不存在，插入新节点
7. 如果size超过阈值（capacity * 0.75），扩容2倍
2. HashMap为什么线程不安全？¶
答：
- JDK 1.7：多线程扩容时，头插法可能形成环形链表，导致死循环
- JDK 1.8：
- put操作非原子性，可能丢失数据
- 扩容时，多个线程同时resize可能导致数据丢失
示例：
3. HashMap和ConcurrentHashMap的区别？¶
| 对比项 | HashMap | ConcurrentHashMap |
|---|---|---|
| 线程安全 | ❌ | ✅ |
| null key/value | ✅ | ❌ |
| 并发方案 | 无 | JDK1.7分段锁 / JDK1.8 CAS+synchronized |
| 性能 | 高 | 中（有锁开销） |
JDK 1.8 ConcurrentHashMap原理： - get无锁：volatile保证可见性 - put有锁： - 桶为空：CAS插入（无锁） - 桶不为空：synchronized锁住链表头节点
4. ArrayList和LinkedList的区别？¶
| 对比项 | ArrayList | LinkedList |
|---|---|---|
| 底层结构 | 动态数组 | 双向链表 |
| 随机访问 | O(1) ⭐ | O(n) |
| 头部插入 | O(n) | O(1) ⭐ |
| 尾部插入 | O(1) 均摊 | O(1) |
| 内存占用 | 低 | 高（额外指针） |
| 使用场景 | 查询多、插入少 | 频繁头尾操作 |
5. HashMap的扩容机制？¶
答：
触发条件： - size > threshold（threshold = capacity * 0.75）
扩容过程：
1. 容量扩大2倍：newCap = oldCap << 1
2. 阈值扩大2倍：newThr = oldThr << 1
3. 创建新数组：new Node[newCap]
4. 重新分配节点：
- 单个节点：直接计算新位置
- 链表节点：拆分为低位链表和高位链表
- 低位链表：(hash & oldCap) == 0，留在原位置
- 高位链表：(hash & oldCap) != 0，移动到 原位置+oldCap
- 红黑树节点：拆分树
为什么是2倍扩容？
- 保证容量始终是2的幂次
- 节点位置要么不变，要么移动oldCap位置
- 通过(hash & oldCap)判断，避免重新计算hash
高频题（⭐⭐⭐⭐）¶
6. ConcurrentHashMap的实现原理？¶
JDK 1.7： - 分段锁（Segment继承ReentrantLock） - 锁粒度：Segment级别 - 并发度：Segment数量（默认16）
JDK 1.8： - CAS + synchronized - 锁粒度：Node级别（桶） - 并发度：理论上无限（数组长度）
put流程： 1. 桶为空：CAS插入（无锁） 2. 桶不为空：synchronized锁住链表头节点 3. 链表长度>=8：转红黑树
get流程： - 无锁（volatile保证可见性）
7. 如何实现LRU缓存？¶
方法1：LinkedHashMap
public class LRUCache<K, V> extends LinkedHashMap<K, V> {
private final int capacity;
public LRUCache(int capacity) {
super(capacity, 0.75f, true); // accessOrder=true
this.capacity = capacity;
}
@Override
protected boolean removeEldestEntry(Map.Entry<K, V> eldest) {
return size() > capacity;
}
}
方法2：HashMap + 双向链表
class LRUCache {
class Node {
int key, value;
Node prev, next;
}
private Map<Integer, Node> map = new HashMap<>();
private Node head, tail;
private int capacity;
// put、get、remove等方法...
}
8. HashMap的hash方法为什么要异或高16位？¶
static final int hash(Object key) {
int h;
return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}
原因：
1. HashMap的索引计算：index = (table.length - 1) & hash
2. 如果table.length较小（如16），只有低4位参与计算
3. 高16位异或低16位，让高位也参与计算，减少hash冲突
4. 这种操作叫做"扰动函数"
9. 为什么HashMap的容量必须是2的幂次？¶
原因：
-
索引计算优化：
-
扩容优化：
10. fail-fast 和 fail-safe的区别？¶
fail-fast（快速失败）：
- 原理：通过modCount检测并发修改
- 代表：ArrayList、HashMap
- 抛出：ConcurrentModificationException
List<String> list = new ArrayList<>(Arrays.asList("A", "B", "C"));
for (String item : list) {
if ("B".equals(item)) {
list.remove(item); // 抛出ConcurrentModificationException
}
}
fail-safe（安全失败）： - 原理：复制一份数据进行遍历 - 代表：CopyOnWriteArrayList、ConcurrentHashMap - 不抛异常，但可能读到旧数据
List<String> list = new CopyOnWriteArrayList<>(Arrays.asList("A", "B", "C"));
for (String item : list) {
if ("B".equals(item)) {
list.remove(item); // 不抛异常
}
}
🎯 总结¶
集合选择指南¶
List
├── ArrayList - 查询多、插入少
├── LinkedList - 频繁头尾操作
└── CopyOnWriteArrayList - 读多写少、线程安全
Set
├── HashSet - 无序、唯一
├── LinkedHashSet - 保持插入顺序
└── TreeSet - 有序（自然排序）
Map
├── HashMap - 无序、高性能
├── LinkedHashMap - 保持插入顺序、LRU缓存
├── TreeMap - 有序（自然排序）
└── ConcurrentHashMap - 线程安全、高并发
Queue
├── PriorityQueue - 优先队列（堆）
├── ArrayDeque - 栈/队列（推荐）
└── BlockingQueue - 阻塞队列（生产者消费者）
性能对比¶
| 集合 | get | add | remove | contains |
|---|---|---|---|---|
| ArrayList | O(1) | O(1)均摊 | O(n) | O(n) |
| LinkedList | O(n) | O(1) | O(1) | O(n) |
| HashSet | - | O(1) | O(1) | O(1) |
| TreeSet | - | O(log n) | O(log n) | O(log n) |
| HashMap | O(1) | O(1) | O(1) | O(1) |
| TreeMap | O(log n) | O(log n) | O(log n) | O(log n) |
📝 实践建议¶
- ArrayList vs LinkedList
- 90%的场景用ArrayList
- 只有频繁头部操作时用LinkedList
-
实现栈/队列用ArrayDeque
-
HashMap vs ConcurrentHashMap
- 单线程用HashMap
- 多线程用ConcurrentHashMap
-
不要用Hashtable（已过时）
-
HashSet vs TreeSet
- 无序场景用HashSet
- 需要排序用TreeSet
-
保持插入顺序用LinkedHashSet
-
注意事项
- 预估容量，减少扩容
- 重写equals()必须重写hashCode()
- 使用泛型，避免类型转换
- 遍历删除用Iterator
🔗 延伸阅读¶
下一章： 07 - Java并发编程 →
上一章： ← 05 - Java新版本特性