简单记录之Java集合源码解析（基于JDK1.8）
话不多说，先上图
简单介绍
Java集合可以分为两大类，一类是以Collection为根接口实现的，另一类就是以Map为根接口实现的，Collection是单列集合，就是元素是单一的值，而Map是双列集合，存储的元素是
Map
HashMap
数组+链表(红黑树) 的存储结构
扩容机制：数组的扩容是size大于阈值(容量x负载因子)，数组扩容为原来的两倍，链表节点个数大于8转为红黑树
关于添加元素的详细过程可以移步我的这篇文章简单记录一下HashMap和ConcurrentHashMap
LinkedHashMap
LinkedHashMap可以保证遍历的顺序和插入元素的数据是一致的，那么问题来了，hash值的计算不是随机的吗，是怎么做到元素的有序的？从名字也可以看出来，linkedHashMap在HashMap的基础上，维护着一个双向链表。下面就来一步步分析，先来看看LinkedHashMap的类图和定义的方法
从类图中可以看到LinkedHashMap是继承自HashMap的，但在LinkedHashMap中却没有重写put方法，但是重写了节点定义的方法，即newNode()和newTreeNode()，这是形成链表的关键。因此LinkedHashMap添加元素的操作调用的是HashMap的put方法。
//这是HashMap的put方法中的片段，LinkedHashMap与HashMap的区别就发生在newNode()方法中
if ((p = tab[i = (n - 1) & hash]) == null)
tab[i] = newNode(hash, key, value, null);
//这是LinkedHashMap中的newNode()方法
Node<K,V> newNode(int hash, K key, V value, Node<K,V> e) {
LinkedHashMap.Entry<K,V> p =
new LinkedHashMap.Entry<K,V>(hash, key, value, e);
linkNodeLast(p);
return p;
}
//linkNodeLast()方法，将节点加入到链表尾部
private void linkNodeLast(LinkedHashMap.Entry<K,V> p) {
LinkedHashMap.Entry<K,V> last = tail;
tail = p;
if (last == null)
head = p;
else {
//双向链表的操作
p.before = last;
last.after = p;
}
}
从代码可知，每一个加入到LinkedHashMap中的元素，不仅是存储在了HashMap中数组+链表的结构中，同时也成为了双向链表中的一个节点，并记录下了head和tail节点，因此在遍历的时候，可以通过双线链表从head遍历到tail。更详细的解析大家可以看看这篇文章LinkedHashMap源码解析
HashTable
HashTale其实和HashMap一样，唯一的区别就是HashTable的所有方法都加上了同步关键字synchronized
TreeMap
TreeMap采用的是红黑树的结构，因此和HashMap的无序存储不一样，TreeMap节点是有序存储的，对于基本类型的包装类来说，排序规则默认是从小到大。对于非基本类型的包装类和更改排序规则后面一起说。这里就简单介绍一下：
//TreeMap的put()方法的核心部分
int cmp;
Entry<K,V> parent;
Comparator<? super K> cpr = comparator;
do {
parent = t;
cmp = cpr.compare(key, t.key);
if (cmp < 0)
t = t.left;
else if (cmp > 0)
t = t.right;
else
return t.setValue(value);
} while (t != null);
Entry<K,V> e = new Entry<>(key, value, parent);
if (cmp < 0)
parent.left = e;
else
parent.right = e;
//进行调整为一颗红黑树
fixAfterInsertion(e);
size++;
从源码可以看到，经过比较会返回一个值cmp，如果cmp<0，那么就会把要加入的key继续去和左子树去比较；cmp>0，就去和右子树比较；相等的话就直接替换value，并返回旧值。直到t为叶子节点，结束循环，根据cmp的值将key加入到左子树还是右子树。并通过fixAfterInsertion(e)方法，调整为一颗红黑树。
Collection
Set
我们常用的Set集合，实际上底层用的就是Map，大家可以通过查看HashSet、LinkedHashSet的源码，可以看到，在构造函数里都是实例化的HashMap和LinkedHashMap。因为Map是基于Key-Value的双列集合，而且Key是不能重复的，所以Set将Map的Value设置为静态的object，就构成了Set集合，也使得HashSet的值是不能重复的。
HashSet—>HashMap
LinkedHashSet---->LinkedHashMap
TreeSet---->TreeMap
Queue
我们先来说说Queue——队列，因为List中会用到Queue。
队列的特性就是先进先出。在Queue这个接口中，定义了队列的基本操作函
add()/remove()，offer()/poll()，peek()查看对头元素。接下来就来说说它的子接口Deque
Deque
Deque也是一个接口，它继承自Queue，所以肯定对队列进行了一个扩展。没错，Deque是一个双端队列，可以在队头和队尾分别进行插入和删除操作，那么基于双端队列，即可以实现队列(先进先出)，也可以实现栈(先进后出)，LinkedList实现了Deque接口，使得LinkedList是一个双向链表也是一个双端队列，这个在List的部分说。
PriorityQueue
PriorityQueue——优先级队列，实现了Queue接口，从名字就可以看出，这个队列是存在优先级的，也就是说，它是排序的，而排序的规则，就是在TreeMap的源码中提到的Comparable或者CompaComparator，关于比较会在后面说。
那么，在什么时候进行排序的呢？通过阅读源码，可以看到，在插入的时候就会根据规则比较进行节点的排序，队头的元素总是最小的或者最大的
存储结构：利用数组实现的堆（完全二叉树），默认的初始容量是11，而因为优先级的存在，那么就是一个最大堆或者最小堆
扩容机制：原始容量小于64，则扩容一倍，大于64，就扩容50%
List
ArrayList
ArrayList可以说是平常使用最多的线性表了，他的底层的存储结构是数组，默认的初始容量是10，既然是数组就存在扩容机制了，他的扩容机制也比较特别：
size等于数组长度时，扩容50%
LinkedList
LinkedList即实现了List接口，也实现了Deque接口，使得LinkedList是一个双向链表也是一个双端队列
基于Comparable和Comparator的排序规则
首先我们要知道
Comparable是一个泛型接口，里面只定义了一个compareTo()方法
public interface Comparable<T> {
public int compareTo(T o);
}
Comparator也是一个泛型接口，定义了许多方法(静态方法、default修饰的方法)，但关于我们需要实现的比较方法就只有compare()
int compare(T o1, T o2);
在TreeMap和PriorityQueue中他们是如何使用的呢？如果加入集合的对象是非基本类型的包装类(如：Integer，其实Integer也是实现了Comparable接口)，那么有两种情况可以进行排序：
- 像Integer一样，加入的对象实现了Comparable接口，并重写了compareTo(T o 比较的对象)方法
- 在实例化集合的时候，传入了比较器对象，即实现了Comparator接口并重写了compare(T o1加入的对象 ，T o2 比较的对象)方法的对象
然后，集合会先调用比较器对象的compare()方法，如果没有比较器对象，就会去调用加入集合的对象的compareTo()，这里会有一个强转的过程，然后集合会判断返回值的大小进行判断，如果是小于0，就排在左边(左子树)，大于0就排在右边(右子树)。
下面就用compare(T o1加入的对象 ，T o2 比较的对象)举例子：
- 对于从小到大的排序，compare()内就是retrun（o1-o2），当结果小于0，即o1
- 对于从大到小的排序，compare()内就是retrun（o2-o1），当结果小于0，即o1>o2，o1还是排在o2左边；大于0，那么o1排在o2右边，最终给的结果就是大的在左边，小的在右边。
写在最后
通过源码的分析，知道了各种集合的底层存储结构，分析他们的特点也就轻而易举了。基于数组的，查询快速，删除插入主要在元素移动的时候比较耗时，而且对于数组来说，初始化的时候指定一个大概的容量，避免以后扩容，扩容也是一个很耗时的操作，例如HashMap、LinkedHashMap、PriorityQueue、ArrayList；基于链表的，插入删除快速，查询主要在遍历元素上很耗时。