11.2019数据结构相关

LruCache底层实现原理:

LruCache中Lru算法的实现就是通过LinkedHashMap来实现的。LinkedHashMap继承于HashMap,它使用了一个双向链表来存储Map中的Entry顺序关系,
对于get、put、remove等操作,LinkedHashMap除了要做HashMap做的事情,还做些调整Entry顺序链表的工作。
LruCache中将LinkedHashMap的顺序设置为LRU顺序来实现LRU缓存,每次调用get(也就是从内存缓存中取图片),则将该对象移到链表的尾端。
调用put插入新的对象也是存储在链表尾端,这样当内存缓存达到设定的最大值时,将链表头部的对象(近期最少用到的)移除。

说下你对Collection这个类的理解。

Collection是集合框架的顶层接口,是存储对象的容器,Colloction定义了接口的公用方法如add remove clear等等,它的子接口有两个,List和Set,List的特点有元素有序,元素可以重复,元素都有索引(角标),典型的有
Vector:内部是数组数据结构,是同步的(线程安全的)。增删查询都很慢。
ArrayList:内部是数组数据结构,是不同步的(线程不安全的)。替代了Vector。查询速度快,增删比较慢。
LinkedList:内部是链表数据结构,是不同步的(线程不安全的)。增删元素速度快。

而Set的是特点元素无序,元素不可以重复
HashSet:内部数据结构是哈希表,是不同步的。
Set集合中元素都必须是唯一的,HashSet作为其子类也需保证元素的唯一性。
判断元素唯一性的方式:
通过存储对象(元素)的hashCode和equals方法来完成对象唯一性的。
如果对象的hashCode值不同,那么不用调用equals方法就会将对象直接存储到集合中;
如果对象的hashCode值相同,那么需调用equals方法判断返回值是否为true,
若为false, 则视为不同元素,就会直接存储;
若为true, 则视为相同元素,不会存储。
如果要使用HashSet集合存储元素,该元素的类必须覆盖hashCode方法和equals方法。一般情况下,如果定义的类会产生很多对象,通常都需要覆盖equals,hashCode方法。建立对象判断是否相同的依据。

TreeSet:保证元素唯一性的同时可以对内部元素进行排序,是不同步的。
判断元素唯一性的方式:
根据比较方法的返回结果是否为0,如果为0视为相同元素,不存;如果非0视为不同元素,则存。
TreeSet对元素的排序有两种方式:
方式一:使元素(对象)对应的类实现Comparable接口,覆盖compareTo方法。这样元素自身具有比较功能。
方式二:使TreeSet集合自身具有比较功能,定义一个比较器Comparator,将该类对象作为参数传递给TreeSet集合的构造函数

Hashmap

Hashmap底层是数组+单链表的实现方式
put:计算出key的hash值,然后将这个hash值和HashMap的长度值-1(n-1)做&(与)运算,得到当前元素在HashMap数组上的位置index,然后将元素放在这个位置上,此时如果这个位置已经有了元素,那么就称为发生了hash碰撞,会在这个位置上形成一个单链表,将此时插入的元素放在链表的头部,指向之前已经存在的元素

get:同样,计算出key的hash值,然后得到数组位置index,然后从这个位置取出元素,如果这个位置只有一个元素,那么就直接得到结果了,如果这个位置是一个单链表,那么会继续遍历这个单链表,找到key和要查找的元素相同的元素返回

HashTable

和HashMap最大的不同在于锁,保证了安全性,例如HashTable的put方法,直接是在put方法上添加了synchronized关键字

ConcurrentHashmap的锁

ConcurrentHashMap的锁分段(锁分离)技术:HashTable容器在竞争激烈的并发环境下表现出效率低下的原因,是因为所有访问HashTable的线程都必须竞争同一把锁,那假如容器里有多把锁,每一把锁用于锁容器其中一部分数据,那么当多线程访问容器里不同数据段的数据时,线程间就不会存在锁竞争,从而可以有效的提高并发访问效率,这就是ConcurrentHashMap所使用的锁分段技术,首先将数据分成一段一段的存储,然后给每一段数据配一把锁,当一个线程占用锁访问其中一个段数据的时候,其他段的数据也能被其他线程访问。

ConcurrentHashMap的结构:ConcurrentHashMap是由Segment数组结构和HashEntry数组结构组成。Segment是一种可重入锁ReentrantLock,在ConcurrentHashMap里扮演锁的角色,HashEntry则用于存储键值对数据。一个ConcurrentHashMap里包含一个Segment数组,Segment的结构和HashMap类似,是一种数组和链表结构, 一个Segment里包含一个HashEntry数组,每个HashEntry是一个链表结构的元素, 每个Segment守护者一个HashEntry数组里的元素,当对HashEntry数组的数据进行修改时,必须首先获得它对应的Segment锁。

HashMap如何保证元素均匀分布
hash & (length-1)

通过Key值的hashCode值和hashMap长度-1做与运算
hashmap中的元素,默认情况下,数组大小为16,也就是2的4次方,如果要自定义HashMap初始化数组长度,也要设置为2的n次方大小,因为这样效率最高。因为当数组长度为2的n次幂的时候,不同的key算出的index相同的几率较小,那么数据在数组上分布就比较均匀,也就是说碰撞的几率小,相对的,查询的时候就不用遍历某个位置上的链表,这样查询效率也就较高

arrayList与linkedList的读写时间复杂度

(1)ArrayList:ArrayList是一个泛型类,底层采用数组结构保存对象。数组结构的优点是便于对集合进行快速的随机访问,即如果需要经常根据索引位置访问集合中的对象,使用由ArrayList类实现的List集合的效率较好。数组结构的缺点是向指定索引位置插入对象和删除指定索引位置对象的速度较慢,并且插入或删除对象的索引位置越小效率越低,原因是当向指定的索引位置插入对象时,会同时将指定索引位置及之后的所有对象相应的向后移动一位。

(2)LinkedList:LinkedList是一个泛型类,底层是一个双向链表,所以它在执行插入和删除操作时比ArrayList更加的高效,但也因为链表的数据结构,所以在随机访问方面要比ArrayList差。

ArrayList 是线性表(数组)
get() 直接读取第几个下标,复杂度 O(1)
add(E) 添加元素,直接在后面添加,复杂度O(1)
add(index, E) 添加元素,在第几个元素后面插入,后面的元素需要向后移动,复杂度O(n)
remove()删除元素,后面的元素需要逐个移动,复杂度O(n)

LinkedList 是链表的操作
get() 获取第几个元素,依次遍历,复杂度O(n)
add(E) 添加到末尾,复杂度O(1)
add(index, E) 添加第几个元素后,需要先查找到第几个元素,直接指针指向操作,复杂度O(n)
remove()删除元素,直接指针指向操作,复杂度O(1)

List迭代器并发修改异常发生的原因

简单来说就是list大小改变了,而迭代器不知道。以ArrayList为例,当我们从集合中添加或者删除一个元素的时候,集合有一个变量modCount是用来记录对集合元素个数的改变次数(只针对增加和删除,添加或删除都会对这个值)。当我们使用迭代器遍历集合的时候,调用iterator()方法的时候,会将这个值通过另一个变量记录下来,所以当迭代器对象创建出来时,这两个值是相等的,然而如果我们在遍历集合的时候,增加或者删除了某一元素,就会导致这两个值不相等,那么在检测的时候就会抛出并发修改异常。

红黑树

红黑树其实就是一种自平衡的二叉查找树,是平衡树和二叉查找树的结合,他这个自平衡的特性就是对HashMap中链表可能会很长做出的优化。
二叉查找树有如下几条特性:
a.左子树上所有结点的值均小于或等于它的根结点的值。
b.右子树上所有结点的值均大于或等于它的根结点的值。
c.左、右子树也分别为二叉排序树
根据这一特征,就可以使用二分查找的思想。最后我们要查出结果所需的最大次数就是二叉树的高度!(二分查找的思想:找到数组的中间位置的元素v,将数组分成>v和v的部分再次进行二分查找,否则就在 二叉查找树的问题就在于,如果查找结果所需的最大次数就是二叉树的高度,那这个高度会不会有时候很长?答案是会的,比如我们依次插入 根节点为9如下五个节点:7,6,5,4,3。依照二叉查找树的特性,结果会变成什么样呢?7,6,5,4,3一个比一个小,那么就会成一条直线,也就是成为了线性的查询,退化成了单链表,时间复杂度变成了O(N)级别。红黑树就是为了解决这个问题出现的

红黑树是每个节点都带有颜色属性的二叉查找树,颜色或红色或黑色。在二叉查找树强制一般要求以外,对于任何有效的红黑树我们增加了如下的额外要求:
性质1. 节点是红色或黑色。
性质2. 根节点是黑色。
性质3 每个叶节点(NIL节点,空节点)是黑色的。
性质4 每个红色节点的两个子节点都是黑色。(从每个叶子到根的所有路径上不能有两个连续的红色节点)
性质5. 从任一节点到其每个叶子的所有路径都包含相同数目的黑色节点。


11.2019数据结构相关_第1张图片
红黑树.jpeg

你可能感兴趣的:(11.2019数据结构相关)