JAVA面试八股文宝典（黑马学习随笔）-- 基础篇
学习随笔简介
跟随着黑马满老师的《Java八股文面试题视频教程，Java面试八股文宝典》学习，视频教程地址：Java八股文面试题视频教程，Java面试八股文宝典（含阿里、腾迅大厂java面试真题，java数据结构，java并发，jvm等最新java面试真题）_哔哩哔哩_bilibili
共分为四个部分，分别是 基础篇、并发篇、虚拟机、框架篇
本篇更新基础篇的内容（基础篇已经完结）
目录
学习随笔简介
一、二分查找
1.二分查找的实现
2.整数溢出问题
3.相关面试题（选择）--解题的办法
二、冒泡排序
1.冒泡排序的实现
三、选择排序
1.选择排序的实现
四、冒泡排序与选择排序的比较
1.区别
2.稳定排序与不稳定排序
五、插入排序
1.插入排序的实现
六、选择排序与插入排序的比较
1.区别
七、希尔排序
1.希尔排序的实现
八、插入和选择--推导某一轮排序结果
九、快速排序
1.算法描述
2.单边循环快排(lomuto 洛穆托分区方案)
3.双边循环快排
4.快速排序的特点
5.洛穆托分区方案 vs 霍尔分区方案
十、ArrayList--扩容规则
十一、lterator_FailFast 和 lterator_FailSafe
1.基本介绍
2.两者区别（代码演示）
十二、ArrayList 和 LinkedList
1.两者对比
十三、HashMap
1.基本数据结构
2.树化与退化
3.索引计算
4.put与扩容
5.并发问题
6.key的设计
十四、单例模式
1.单例模式之饿汉式
2. 单例模式之枚举饿汉式
3.单例模式之懒汉式
4.单例模式之双检索懒汉式
5.单例模式之内部类
6.JDK中单例的实现
一、二分查找
1.二分查找的实现
基本步骤：
-
前提：有已排序数组 A（假设已经做好）
-
定义左边界 L、右边界 R，确定搜索范围，循环执行二分查找（3、4两步）
-
获取中间索引 M = Floor((L+R) /2)
-
中间索引的值 A[M] 与待搜索的值 T 进行比较
① A[M] == T 表示找到，返回中间索引
② A[M] > T，中间值右侧的其它元素都大于 T，无需比较，中间索引左边去找，M - 1 设置为右边界，重新查找
③ A[M] < T，中间值左侧的其它元素都小于 T，无需比较，中间索引右边去找， M + 1 设置为左边界，重新查找
-
当 L > R 时，表示没有找到，应结束循环
代码实现：
public class BinarySearch {
public static void main(String[] args) {
int[] array = {1,5,8,11,19,22,31,35,40,45,48,49,50}; //已排序的数组
int target = 48; //需要搜索的目标值
int index = binarySearch(array, target); //元素对应的索引
System.out.println(index);
}
//二分查找，找到返回元素索引，找不到返回 -1
public static int binarySearch(int[] array, int target){
//定义左边界 left
int left = 0;
//定义右边界 right
int right = array.length - 1;
//定义中间的索引
int middle;
while (left <= right) {//表示左边界还未超过右边界，重复执行 3、4 两步
middle = (left + right)/2;//获得中间索引
if (array[middle] == target) { //找到目标值
return middle;
}else if (array[middle] > target){ //表示中间值middle右边的均大于目标值，舍弃
right = middle - 1;//重新定义右边界
}else { // 中间值 middle 左边的均小于目标值 ，舍弃
left = middle + 1;//重新定义左边界
}
}
return -1;
}
}运行结果：
102.整数溢出问题
上述代码虽然实现了二分查找算法 ，但是在取中间值的时候超过整数的最大值，就会出现整数溢出的问题，所以需要对上述代码进行优化，从而解决整数溢出的问题
方法1：在取中间值时，对原本的公式进行公式演化，可以避免造成整数溢出的问题
演化过程：
middle = (left + right) / 2 = left/2 + right/2 = left - left/2 + right/2 = left+(right-left)/2
优化代码：
int left = 0;
int right = Integer.MAX_VALUE - 1;
//int middle = (left + right) / 2;
//方法1.进行公式演化，可以避免造成整数溢出的问题
// -- left/2 + right/2 -- left - left/2 + right/2 -- left+(right-left)/2
int middle = left + (right - left) / 2;
System.out.println(middle);
//此时假设在右侧
left = middle + 1;
middle = left + (right - left) / 2;
System.out.println(middle);方法2：同样是在取中间值的时候，利用无符号的右移运算,也可以解决整数溢出的问题，而且也比除法的效率高
优化代码：
int left = 0;
int right = Integer.MAX_VALUE - 1;
//方法2.利用无符号的右移运算,也可以解决整数溢出的问题，而且也比除法的效率高
int middle = (left + right) >>> 1;
System.out.println(middle);
//此时假设在右侧
left = middle + 1;
middle = (left + right) >>> 1;
System.out.println(middle);3.相关面试题（选择）--解题的办法
-
（京东实习生招聘）有一个有序表为 1,5,8,11,19,22,31,35,40,45,48,49,50 当二分查找值为 48 的结点时，查找成功需要比较的次数 --- 4次
-
（美团点评校招）使用二分法在序列 1,4,6,7,15,33,39,50,64,78,75,81,89,96 中查找元素 81 时，需要经过（ ）次比较 --- 4次
-
（北京易道博识校招）在拥有128个元素的数组中二分查找一个数，需要比较的次数最多不超过多少次 --- 7次
解题办法：
1、2 --- 奇数二分取中间，偶数二分取中间靠左
3 --- 2ⁿ = N = log₂N = log₁₀N / log₁₀2 （其中 n 为查找次数，N 为元素个数 ）
结果为整数--即为最终结果；结果为小数，则舍去小数部分，整数加一为最终结果
【注意】
1.上述写的二分查找是以 jdk 中 Arrays.binarySearch 的实现作为示范
2.但实际上，二分查找有诸多变体，一旦使用变体的实现代码，则左右边界的选取会有变化，进而会影响之前选择题的答案选择
二、冒泡排序
1.冒泡排序的实现
基本步骤：
-
依次比较数组中相邻两个元素大小，若 a[j] > a[j+1]，则交换两个元素，两两都比较一遍称为一轮冒泡，结果是让最大的元素排至最后
-
重复以上步骤，直到整个数组有序
代码实现：
public class BubbleSort {
public static void main(String[] args) {
int[] array = {5,9,7,4,1,3,2,8};
bubble(array);
}
public static void bubble(int[] array){
for (int j = 0; j < array.length - 1; j++) {
//一轮冒泡
boolean swapped = false; //表示是否发生了交换 false表示没有发生交换
for (int i = 0; i < array.length - 1 - j; i++) {
if (array[i] > array[i+1]) {
swap(array, i, i+1);
swapped = true;
}
}
System.out.println("第"+(j+1)+"轮冒泡:"+ Arrays.toString(array));
if (!swapped) {//数组中的元素没有发生交换,直接退出循环
break;
}
}
}
public static void swap(int[] array,int i,int j){//将数组中下标为i和j的元素分别交换位置
int t = array[i]; //先将下标为 i 的元素取出来放进缓存区
array[i] = array[j];//将下标为 j 的元素放到原先下标为 i 的位置
array[j] = t; //将下标为 i 的元素 从缓存区里取出来放入 原先下标为 j 的位置
}
}运行结果：
第1轮冒泡:[5, 7, 4, 1, 3, 2, 8, 9]
第2轮冒泡:[5, 4, 1, 3, 2, 7, 8, 9]
第3轮冒泡:[4, 1, 3, 2, 5, 7, 8, 9]
第4轮冒泡:[1, 3, 2, 4, 5, 7, 8, 9]
第5轮冒泡:[1, 2, 3, 4, 5, 7, 8, 9]
第6轮冒泡:[1, 2, 3, 4, 5, 7, 8, 9]上述代码的实现相较普通的冒泡排序优化在
- 每经过一轮冒泡，内层循环就可以减少一次
- 如果某一轮冒泡没有发生交换，则表示所有的数据有序，可以结束外层循环
进行再一步优化：
public static void bubble_v2(int[] array){
int n = array.length - 1;
while (true) {
int lastIndex = 0;//定义在一轮冒泡中最后发生交换的下标
for (int i = 0; i < n; i++) {
if (array[i] > array[i+1]) {
swap(array, i, i+1);
lastIndex = i;//取交换前的 前一个元素的下标
}
}
n = lastIndex; //将 lastIndex 作为 新一轮冒泡的循环次数
System.out.println(Arrays.toString(array));
if (n == 0) {//循环次数为零，退出循环
break;
}
}
}运行结果：
[5, 7, 4, 1, 3, 2, 8, 9]
[5, 4, 1, 3, 2, 7, 8, 9]
[4, 1, 3, 2, 5, 7, 8, 9]
[1, 3, 2, 4, 5, 7, 8, 9]
[1, 2, 3, 4, 5, 7, 8, 9]
[1, 2, 3, 4, 5, 7, 8, 9]相较上一个冒泡算法的实现，本次实现的优化点在 每轮冒泡时，最后一次交换索引可以作为下一轮冒泡的比较次数，如果这个值为零，表示整个数组有序，直接退出外层循环即可
三、选择排序
1.选择排序的实现
基本步骤：
-
将数组分为两个子集，排序的和未排序的，每一轮从未排序的子集中选出最小的元素，放入排序子集
-
重复以上步骤，直到整个数组有序
代码实现：
public class SelectionSort {
public static void main(String[] args) {
int[] array = {5,3,7,2,1,9,8,4};
selection(array);
}
private static void selection(int[] array){
for (int i = 0; i < array.length - 1; i++) {//i 代表每轮选择最小元素要交换到的目标索引
int minIndex = i; // 代表最小元素的索引
for (int j = minIndex + 1; j < array.length; j++) { //假定下标为 0 的元素为最小，所以循环次数为数组的长度
if (array[minIndex] > array[j]) {
minIndex = j; //更新最小下标
}
}
if (minIndex != i) { //如果最小下标发生变化，则更换元素的位置
swap(array, minIndex, i);
}
System.out.println(Arrays.toString(array));
}
}
public static void swap(int[] array,int i,int j){//将数组中下标为i和j的元素分别交换位置
int t = array[i]; //先将下标为 i 的元素取出来放进缓存区
array[i] = array[j];//将下标为 j 的元素放到原先下标为 i 的位置
array[j] = t; //将下标为 i 的元素 从缓存区里取出来放入 原先下标为 j 的位置
}
}运行结果：
[1, 3, 7, 2, 5, 9, 8, 4]
[1, 2, 7, 3, 5, 9, 8, 4]
[1, 2, 3, 7, 5, 9, 8, 4]
[1, 2, 3, 4, 5, 9, 8, 7]
[1, 2, 3, 4, 5, 9, 8, 7]
[1, 2, 3, 4, 5, 7, 8, 9]
[1, 2, 3, 4, 5, 7, 8, 9]四、冒泡排序与选择排序的比较
1.区别
-
二者平均时间复杂度都是 O(n²)
-
选择排序一般要快于冒泡，因为其交换次数少
-
但如果集合有序度高，冒泡优于选择
-
冒泡属于稳定排序算法，而选择属于不稳定排序
-
稳定排序指，按对象中不同字段进行多次排序，不会打乱同值元素的顺序
-
不稳定排序则反之
-
2.稳定排序与不稳定排序
分别使用 冒泡排序与选择排序 对扑克牌的花色和数字进行排序（先对花色进行排序，再对数字进行排序）
代码实现：
public class StableVsUnstable {
public static void main(String[] args) {
System.out.println("=================不稳定================");
Card[] cards = getStaticCards();
System.out.println(Arrays.toString(cards));
selection(cards, Comparator.comparingInt((Card a) -> a.sharpOrder).reversed());
System.out.println(Arrays.toString(cards));
selection(cards, Comparator.comparingInt((Card a) -> a.numberOrder).reversed());
System.out.println(Arrays.toString(cards));
System.out.println("=================稳定=================");
cards = getStaticCards();
System.out.println(Arrays.toString(cards));
bubble(cards, Comparator.comparingInt((Card a) -> a.sharpOrder).reversed());
System.out.println(Arrays.toString(cards));
bubble(cards, Comparator.comparingInt((Card a) -> a.numberOrder).reversed());
System.out.println(Arrays.toString(cards));
}
public static void bubble(Card[] a, Comparator comparator) {
int n = a.length - 1;
while (true) {
int last = 0; // 表示最后一次交换索引位置
for (int i = 0; i < n; i++) {
if (comparator.compare(a[i], a[i + 1]) > 0) {
swap(a, i, i + 1);
last = i;
}
}
n = last;
if (n == 0) {
break;
}
}
}
private static void selection(Card[] a, Comparator comparator) {
for (int i = 0; i < a.length - 1; i++) {
// i 代表每轮选择最小元素要交换到的目标索引
int s = i; // 代表最小元素的索引
for (int j = s + 1; j < a.length; j++) {
if (comparator.compare(a[s], a[j]) > 0) {
s = j;
}
}
if (s != i) {
swap(a, s, i);
}
}
}
public static void swap(Card[] a, int i, int j) {
Card t = a[i];
a[i] = a[j];
a[j] = t;
}
enum Sharp {
diamond, club, heart, spade, black, red
}
static Card[] getStaticCards() {
List list = new ArrayList<>();
Card[] copy = Arrays.copyOfRange(Card.cards, 2, 13 * 4 + 2);
list.add(copy[7]);
list.add(copy[12]);
list.add(copy[12+13]);
list.add(copy[10]);
list.add(copy[9]);
list.add(copy[9+13]);
return list.toArray(new Card[0]);
}
static Map map = Map.ofEntries(
Map.entry("RJ", 16),
Map.entry("BJ", 15),
Map.entry("A", 14),
Map.entry("K", 13),
Map.entry("Q", 12),
Map.entry("J", 11),
Map.entry("10", 10),
Map.entry("9", 9),
Map.entry("8", 8),
Map.entry("7", 7),
Map.entry("6", 6),
Map.entry("5", 5),
Map.entry("4", 4),
Map.entry("3", 3),
Map.entry("2", 2)
);
static class Card {
private Sharp sharp;
private final String number;
private final int numberOrder;
private final int sharpOrder;
public Card(Sharp sharp, String number) {
this.sharp = sharp;
this.number = number;
this.numberOrder = map.get(number);
this.sharpOrder = sharp.ordinal();
}
private static final Card[] cards;
static {
cards = new Card[54];
Sharp[] sharps = {Sharp.spade, Sharp.heart, Sharp.club, Sharp.diamond};
String[] numbers = {"A", "K", "Q", "J", "10", "9", "8", "7", "6", "5", "4", "3", "2"};
int idx = 2;
for (Sharp sharp : sharps) {
for (String number : numbers) {
cards[idx++] = new Card(sharp, number);
}
}
cards[0] = new Card(Sharp.red, "RJ");
cards[1] = new Card(Sharp.black, "BJ");
}
@Override
public String toString() {
return switch (sharp) {
case heart -> "[\033[31m" + "♥" + number + "\033[0m]";
case diamond -> "[\033[31m" + "♦" + number + "\033[0m]";
case spade -> "[\033[30m" + "♠" + number + "\033[0m]";
case club -> "[\033[30m" + "♣" + number + "\033[0m]";
case red -> "[\033[31m" + "\uD83C\uDFAD" + "\033[0m]";
case black -> "[\033[30m" + "\uD83C\uDFAD" + "\033[0m]";
};
}
}
} 运行结果：
=================不稳定================
[[♠7], [♠2], [♥2], [♠4], [♠5], [♥5]]
[[♠7], [♠2], [♠4], [♠5], [♥2], [♥5]]
[[♠7], [♠5], [♥5], [♠4], [♥2], [♠2]]
=================稳定=================
[[♠7], [♠2], [♥2], [♠4], [♠5], [♥5]]
[[♠7], [♠2], [♠4], [♠5], [♥2], [♥5]]
[[♠7], [♠5], [♥5], [♠4], [♠2], [♥2]]
由上述结果可以看出：
- 不稳定排序算法在进行数字排序的时候，会打乱原本同值的花色顺序（原来 ♠2 在前 ♥2 在后，按数字再排后，他俩的位置变了 ）
- 稳定排序算法按数字排序的时候，会保留原本同值的花色顺序（ ♠2 与 ♥2 的相对位置不变 ）
五、插入排序
1.插入排序的实现
基本步骤：
-
将数组分为两个区域，排序区域和未排序区域，每一轮从未排序区域中取出第一个元素，插入到排序区域（需保证顺序）
-
重复以上步骤，直到整个数组有序
代码实现：
public class InsertSort {
public static void main(String[] args) {
int[] array = {9,3,7,2,5,8,1,4};
insert(array);
}
private static void insert(int[] array){
for (int i = 0; i < array.length; i++) {//i 表示待插入元素的索引
int t = array[i]; //表示待插入的元素值
int j = i - 1; //表示已将排序区域的元素索引
while (j >= 0) {
if (t < array[j]) {//待插入的元素值 小于 已将排序区域的元素索引的值
array[j+1] = array[j];//将下标为 j 的元素向后移动一位
}else { //待插入的元素值 大于 已经排序区域的元素索引的值
break; //找到插入位置，直接退出循环
}
j--; //依次向前进行比较，直到下标出现为负，退出循环
}
array[j+1] = t;//将待插入的元素值 插入到 空出的位置
System.out.println(Arrays.toString(array));
}
}
}
运行结果：
[9, 3, 7, 2, 5, 8, 1, 4]
[3, 9, 7, 2, 5, 8, 1, 4]
[3, 7, 9, 2, 5, 8, 1, 4]
[2, 3, 7, 9, 5, 8, 1, 4]
[2, 3, 5, 7, 9, 8, 1, 4]
[2, 3, 5, 7, 8, 9, 1, 4]
[1, 2, 3, 5, 7, 8, 9, 4]
[1, 2, 3, 4, 5, 7, 8, 9]六、选择排序与插入排序的比较
1.区别
-
二者平均时间复杂度都是 O(n²)
-
大部分情况下，插入都略优于选择
-
有序集合插入的时间复杂度为 O(n)
-
插入属于稳定排序算法，而选择属于不稳定排序
七、希尔排序
1.希尔排序的实现
基本步骤：
-
首先选取一个间隙序列，如 (n/2，n/4 … 1)，n 为数组长度
-
每一轮将间隙相等的元素视为一组，对组内元素进行插入排序，目的有二
① 少量元素插入排序速度很快
② 让组内值较大的元素更快地移动到后方
-
当间隙逐渐减少，直至为 1 时，即可完成排序
代码实现：
public class ShellSort {
public static void main(String[] args) {
int[] array = {9,3,7,2,5,8,1,4};
shell(array);
}
private static void shell(int[] array){
int n = array.length;
for (int gap = n / 2; gap > 0; gap /= 2) { //gap 表示元素间的间隙
for (int i = gap; i < n; i++) { //i 表示待插入元素的索引
int t = array[i];//表示待插入的元素值
int j = i;
while (j >= gap) {
//每次与上一个间隙为 gap 的元素进行插入排序
if (t < array[j - gap]) { //array[j-gap] 是上一个元素,如果上一个元素大于待插入的元素值，则让它后移
array[j] = array[j - gap];
j -= gap; //下标移到 j-gap 的位置
}else { // 如果上一个元素小于等于待插入的元素值，则表示 j 就是插入位置
break;
}
}
array[i] = t;
System.out.println(Arrays.toString(array)+"gap:" + gap);
}
}
}运行结果：
[9, 3, 7, 2, 5, 8, 1, 4]gap:4
[9, 3, 7, 2, 5, 8, 1, 4]gap:4
[9, 3, 7, 2, 5, 8, 1, 4]gap:4
[9, 3, 7, 2, 5, 8, 1, 4]gap:4
[9, 3, 7, 2, 5, 8, 1, 4]gap:2
[9, 3, 7, 2, 5, 8, 1, 4]gap:2
[9, 3, 9, 2, 5, 8, 1, 4]gap:2
[9, 3, 9, 2, 5, 8, 1, 4]gap:2
[9, 3, 9, 2, 9, 8, 1, 4]gap:2
[9, 3, 9, 2, 9, 8, 1, 4]gap:2
[9, 3, 9, 2, 9, 8, 1, 4]gap:1
[9, 3, 9, 2, 9, 8, 1, 4]gap:1
[9, 9, 3, 2, 9, 8, 1, 4]gap:1
[9, 9, 3, 2, 9, 8, 1, 4]gap:1
[9, 9, 3, 2, 9, 8, 1, 4]gap:1
[9, 9, 9, 3, 2, 9, 1, 4]gap:1
[9, 9, 9, 3, 2, 9, 1, 4]gap:1八、插入和选择--推导某一轮排序结果
题目：
使用直接插入排序算法对序列18,23,19,9,23,15进行排序，第三趟排序后的结果为（）
A.9,18,15,23,19,23 B.18,23,19,9,23,15
C.18,19,23,9,23,15 D.9,18,19,23,23,15
推算过程： 18,23,19,9,23,15 18,19,23,9,23,15 9,18,19,23,23,15
使用直接选择排序算法对序列18,23,19,9,23,15进行排序，第三趟排序后的结果为（）
A.9,23,19,18,23,15 B.9,15,18,19,23,23
C.18,19,23,9,23,15 D.18,19,23,9,15,23
推算过程：
9,23,19,18,23,15 9,15,19,18,23,23 9,15,18,19,23,23
九、快速排序
1.算法描述
-
每一轮排序选择一个基准点（pivot）进行分区
-
让小于基准点的元素的进入一个分区，大于基准点的元素的进入另一个分区
-
当分区完成时，基准点元素的位置就是其最终位置
-
-
在子分区内重复以上过程，直至子分区元素个数少于等于 1，这体现的是分而治之的思想 （divide-and-conquer）
-
从以上描述可以看出，一个关键在于分区算法，常见的有洛穆托分区方案、双边循环分区方案、霍尔分区方案
2.单边循环快排(lomuto 洛穆托分区方案)
基本步骤:
-
选择最右元素作为基准点元素
-
j 指针负责找到比基准点小的元素，一旦找到则与 i 进行交换
-
i 指针维护小于基准点元素的边界，也是每次交换的目标索引
-
最后基准点与 i 交换，i 即为分区位置
代码实现：
public class QuickSort1 {
public static void main(String[] args) {
int[] array = {5,3,7,2,9,8,1,4};
//3,5,7,2,9,8,1,4 3,2,7,5,9,8,1,4 3,2,1,5,9,8,7,4 3,2,1,4,9,8,7,5
//3,2,1,4,9,8,7,5 1,2,3,4,9,8,7,5 1,2,3,4,5,8,7,9 1,2,3,4,5,7,8,9
quick(array, 0, array.length-1);
}
//递归
public static void quick(int[] array,int low,int high){
if (low >= high) {
return;
}
int p = partition(array, low, high); //表示 基准点元素所在的正确索引
//确定左边分区范围
quick(array,low,p-1);
//确定右边分区范围
quick(array, p+1, high);
}
//分区
private static int partition(int[] array,int low,int high){ //low 表示左边界 high: 表示右边界
int pv = array[high]; //选取最右边的元素为基准点元素
int i = low;
for (int j = low; j < high; j++) {
if (array[j] < pv) {//下标小于基准点的元素
swap(array, i, j); //将小于基准点的元素换到 下标为i 所在的位置
i++;
}
}
swap(array, high, i); //将基准点和 下标为i 的元素互换位置
System.out.println(Arrays.toString(array)+"i="+i);
//返回值表示基准点元素所在的正确索引，以此来确定下一轮的边界分区
return i;
}
public static void swap(int[] array,int i,int j){//将数组中下标为i和j的元素分别交换位置
int t = array[i]; //先将下标为 i 的元素取出来放进缓存区
array[i] = array[j];//将下标为 j 的元素放到原先下标为 i 的位置
array[j] = t; //将下标为 i 的元素 从缓存区里取出来放入 原先下标为 j 的位置
}
}
运行结果:
[3, 2, 1, 4, 9, 8, 7, 5]i=3
[1, 2, 3, 4, 9, 8, 7, 5]i=0
[1, 2, 3, 4, 9, 8, 7, 5]i=2
[1, 2, 3, 4, 5, 8, 7, 9]i=4
[1, 2, 3, 4, 5, 8, 7, 9]i=7
[1, 2, 3, 4, 5, 7, 8, 9]i=53.双边循环快排
基本步骤：
-
选择最左元素作为基准点元素
-
j 指针负责从右向左找比基准点小的元素，i 指针负责从左向右找比基准点大的元素，一旦找到二者交换，直至 i，j 相交
-
最后基准点与 i（此时 i 与 j 相等）交换，i 即为分区位置
代码实现：
public class QuickSort2 {
public static void main(String[] args) {
int[] array = {5,3,7,2,9,8,1,4};
// 5,3,4,2,9,8,1,7 5,3,4,2,1,8,9,7 1,3,4,2,5,8,9,7
// 1,3,2,4,5,8,9,7 1,2,3,4,5,8,9,7 1,2,3,4,5,8,7,9 1,2,3,4,5,7,8,9
quick(array, 0, array.length-1);
}
//递归
public static void quick(int[] array,int low,int high){
if (low >= high) {
return;
}
int p = partition(array, low, high); //表示 基准点元素所在的正确索引
//确定左边分区范围
quick(array,low,p-1);
//确定右边分区范围
quick(array, p+1, high);
}
//分区
private static int partition(int[] array,int low,int high){ //low 表示左边界 high: 表示右边界
int pv = array[low]; //选取最左边的元素为基准点元素
int i = low; //i 开始位于左边界
int j = high; // j 开位于右边界
while (i < j){
//j 从最右边的元素开始找 小于基准点的元素
while (i < j && array[j] > pv) { // i < j -- 防止 i 和 j发生越界
j--;
}
//i 从最左边的元素开始找 大于基准点的元素
while (i < j && array[i] <= pv) { //array[i] <= pv -- i开始位于左边界，且 pv 为左边界的元素 如果不相等，就无法进入循环
i++;
}
swap(array, i, j); // j 找到小于基准点的元素 i找到大于基准点的元素，两者位置发生互换
}
swap(array, low, j); //基准点 和 i(i和j相等) 互换，i 为 新的分区位置
System.out.println(Arrays.toString(array) + "j=" + j);
return j;
}
public static void swap(int[] array,int i,int j){//将数组中下标为i和j的元素分别交换位置
int t = array[i]; //先将下标为 i 的元素取出来放进缓存区
array[i] = array[j];//将下标为 j 的元素放到原先下标为 i 的位置
array[j] = t; //将下标为 i 的元素 从缓存区里取出来放入 原先下标为 j 的位置
}
}运行结果：
[1, 3, 4, 2, 5, 8, 9, 7]j=4
[1, 3, 4, 2, 5, 8, 9, 7]j=0
[1, 2, 3, 4, 5, 8, 9, 7]j=2
[1, 2, 3, 4, 5, 7, 8, 9]j=64.快速排序的特点
-
平均时间复杂度是 O(nlog₂n )，最坏时间复杂度 O(n²)
-
数据量较大时，优势非常明显
-
属于不稳定排序
5.洛穆托分区方案 vs 霍尔分区方案
霍尔的移动次数平均来讲比洛穆托少3倍
十、ArrayList--扩容规则
扩容规则：
-
ArrayList() 会使用长度为零的数组 (调用无参构造的时候)
-
ArrayList(int initialCapacity) 会使用指定容量的数组（调用有参构造的时候，其中参数为整形）
-
public ArrayList(Collection c) 会使用 c 的大小作为数组容量（调用有参构造的时候，其中参数为集合）
-
add(Object o) 首次扩容为 10，再次扩容为上次容量的 1.5 倍（这里用的是位运算）
-
addAll(Collection c) 没有元素时，扩容为 Math.max(10, 实际元素个数)，有元素时为 Math.max(原容量 1.5 倍, 实际元素个数)
十一、lterator_FailFast 和 lterator_FailSafe
1.基本介绍
- fail-fast : 一旦发现遍历的同时，其他人来修改，则立刻抛出异常
- fail-safe : 发现遍历的同时，其他人来修改，应当有应对策略，例如牺牲一致性来让整个遍历运行完成
2.两者区别（代码演示）
@SuppressWarnings("all")
public class FailFastVsFailSafe {
private static void failFast(){
ArrayList list = new ArrayList<>();
list.add(new Student("A"));
list.add(new Student("B"));
list.add(new Student("C"));
list.add(new Student("D"));
for (Student student : list) {
System.out.println(student);
}
System.out.println(list);
}
private static void failSafe(){
CopyOnWriteArrayList list = new CopyOnWriteArrayList<>();
list.add(new Student("A"));
list.add(new Student("B"));
list.add(new Student("C"));
list.add(new Student("D"));
for (Student student : list) {
System.out.println(student);
}
System.out.println(list);
}
static class Student{
String name;
public Student(String name) {
this.name = name;
}
@Override
public String toString() {
return "Student{" +
"name='" + name + '\'' +
'}';
}
}
public static void main(String[] args) {
failFast();
}
} 接下来分别演示两者的区别：
在 failFast（）方法中的 for循环遍历list 处加上断点，并在断点上添加条件 student.name.equals("C") ，用debug来调试程序，启动程序后，在调试器页面可以看到 ArrayList 集合中有四个元素，此时模拟另外一个线程来向 ArrayList 中添加一个元素（Alt + F8）
添加之后继续运行程序:
在 failSafe（）方法中重复上述步骤，查看运行结果：
可以发现它的读写是分离开来的
典型代表：
-
ArrayList 、vector 是 fail-fast 的典型代表，遍历的同时不能修改，尽快失败
-
CopyOnWriteArrayList 是 fail-safe 的典型代表，遍历的同时可以修改，原理是读写分离
十二、ArrayList 和 LinkedList
1.两者对比
ArrayList
-
基于数组，需要连续内存
-
随机访问快（指根据下标访问）
-
尾部插入、删除性能可以，其它部分插入、删除都会移动数据，因此性能会低
-
可以利用 cpu 缓存，局部性原理
LinkedList
-
基于双向链表，无需连续内存
-
随机访问慢（要沿着链表遍历）
-
头尾插入删除性能高
-
占用内存多
十三、HashMap
1.基本数据结构
【面试题】底层数据结构，jdk1.7 与 jdk1.8 有何不同？
- 在 jdk1.7 中，HashMap的基本数据结构为 数组+链表
- 在 jdk1.8 中，HashMap的基本数据结构为 数据+（链表|红黑树）
2.树化与退化
【面试题】为何要用红黑树，为何一上来不树化，树化的阈值为何是8，何时会树化，何时会退化成链表？
树化意义：
-
红黑树用来避免 DoS 攻击，防止链表超长时性能下降，树化应当是偶然情况，是保底策略
-
hash 表的查找，更新的时间复杂度是 O(1)，而红黑树的查找，更新的时间复杂度是 O（log₂N），TreeNode 占用空间也比普通 Node 的大，如非必要，尽量还是使用链表
-
hash 值如果足够随机，则在 hash 表内按泊松分布，在负载因子 0.75 的情况下，长度超过 8 的链表出现概率是 0.00000006，树化阈值选择 8 就是为了让树化几率足够小
树化规则
-
当链表长度超过树化阈值 8 时，先尝试扩容来减少链表长度，如果数组容量已经 >=64，才会进行树化
退化规则
-
情况1：在扩容时如果拆分树时，树元素个数 <= 6 则会退化链表
-
情况2：remove 树节点时，若 root、root.left、root.right、root.left.left 有一个为 null ，也会退化为链表（看的是移除之前）
3.索引计算
【面试题】索引如何计算？hashCode 都有了，为何还要提供 hash（）方法？数组容量为何是2的n次幂？
索引计算方法：
-
首先，计算对象的 hashCode()
-
再进行调用 HashMap 的 hash() 方法进行二次哈希
-
二次 hash() 是为了综合高位数据，让哈希分布更为均匀
-
-
最后 & (capacity – 1) 得到索引 （capacity：容量）
数组容量为何是 2 的 n 次幂
-
计算索引时效率更高：如果是 2 的 n 次幂可以使用位与运算代替取模
-
扩容时重新计算索引效率更高： hash & oldCap == 0 的元素留在原来位置 ，否则新位置 = 旧位置 + oldCap （oldCap：原始的容量）
注意
-
二次 hash 是为了配合 容量是 2 的 n 次幂 这一设计前提，如果 hash 表的容量不是 2 的 n 次幂，则不必二次 hash
-
容量是 2 的 n 次幂 这一设计计算索引效率更好，但 hash 的分散性就不好，需要二次 hash 来作为补偿，没有采用这一设计的典型例子是 Hashtable
4.put与扩容
【面试题】介绍一下put方法流程 ，jdk1.7 与 jdk1.8 有何不同？
put 流程：
-
HashMap 是懒惰创建数组的，首次使用才创建数组
-
计算索引（桶下标）
-
如果桶下标还没人占用，创建 Node 占位返回
-
如果桶下标已经有人占用
-
已经是 TreeNode 走红黑树的添加或更新逻辑
-
是普通 Node，走链表的添加或更新逻辑，如果链表长度超过树化阈值，走树化逻辑
-
-
返回前检查容量是否超过阈值，一旦超过进行扩容
put在 jdk1.7 与 1.8 的区别：
-
链表插入节点时，1.7 是头插法，1.8 是尾插法
-
1.7 是大于等于阈值且没有空位时才扩容，而 1.8 是大于阈值就扩容
-
1.8 在扩容计算 Node 索引时，会优化
扩容（加载）因子为何默认是 0.75f：
-
在空间占用与查询时间之间取得较好的权衡
-
大于这个值，空间节省了，但链表就会比较长影响性能
-
小于这个值，冲突减少了，但扩容就会更频繁，空间占用也更多
5.并发问题
1.扩容死链（jdk1.7存在）
jdk1.7源码：
void transfer(Entry[] newTable, boolean rehash) {
int newCapacity = newTable.length;
for (Entry e : table) {
while(null != e) {
Entry next = e.next;
if (rehash) {
e.hash = null == e.key ? 0 : hash(e.key);
}
int i = indexFor(e.hash, newCapacity);
e.next = newTable[i];
newTable[i] = e;
e = next;
}
}
} -
e 和 next 都是局部变量，用来指向当前节点和下一个节点
-
线程1（绿色）的临时变量 e 和 next 刚引用了这俩节点，还未来得及移动节点，发生了线程切换，由线程2（蓝色）完成扩容和迁移
-
线程2 扩容完成，由于头插法，链表顺序颠倒。但线程1 的临时变量 e 和 next 还引用了这俩节点，还要再来一遍迁移
-
第一次循环
-
循环接着线程切换前运行，注意此时 e 指向的是节点 a，next 指向的是节点 b
-
e 头插 a 节点，注意图中画了两份 a 节点，但事实上只有一个（为了不让箭头特别乱画了两份）
-
当循环结束是 e 会指向 next 也就是 b 节点
-
-
第二次循环
-
next 指向了节点 a
-
e 头插节点 b
-
当循环结束时，e 指向 next 也就是节点 a
-
-
第三次循环
-
next 指向了 null
-
e 头插节点 a，a 的 next 指向了 b（之前 a.next 一直是 null），b 的 next 指向 a，死链已成
-
当循环结束时，e 指向 next 也就是 null，因此第四次循环时会正常退出
-
2.数据错乱（jdk1.7 和 jdk1.8都存在）
6.key的设计
key 的设计要求
-
HashMap 的 key 可以为 null，但 Map 的其他实现则不然
-
作为 key 的对象，必须实现 hashCode 和 equals，并且 key 的内容不能修改（不可变）
-
key 的 hashCode 应该有良好的散列性
String 对象的 hashCode() 设计
-
目标是达到较为均匀的散列效果，每个字符串的 hashCode 足够独特
-
字符串中的每个字符都可以表现为一个数字，称为 Sᵢ，其中 i 的范围是 0 ~ n - 1
-
散列公式为： S∗31ⁿ⁻¹+ S₁∗31ⁿ⁻²+ … Sᵢ∗ 31ⁿ⁻¹⁻ᶦ+ …Sₙ₋₁∗31⁰
-
31 代入公式有较好的散列特性，并且 31 * h 可以被优化为
-
即 32 ∗h -h
-
即 2⁵ ∗h -h
-
即 h≪5 -h
-
十四、单例模式
1.单例模式之饿汉式
代码实现：
public class Singleton1 implements Serializable {
private Singleton1(){ //构造方法设置成私有的，避免其他类调用构造来创建实例对象
if (INSTANCE != null) {
throw new RuntimeException("单例对象不能被重复创建"); //防止反射破坏单例
}
System.out.println("private Singleton1");
}
//给静态变量赋值会放入静态代码块中执行，JVM保证线程安全
private static final Singleton1 INSTANCE = new Singleton1(); //调用私有构造创建唯一的实例
public static Singleton1 getInstance(){
return INSTANCE;
}
public static void otherMethod(){
System.out.println("otherMethod()");
}
public Object readResolve(){
return INSTANCE;
}
}如果在构造方法中不抛出异常，就可以通过反射破坏单例，测试代码：
public class TestSingleton {
public static void main(String[] args) throws InvocationTargetException, NoSuchMethodException, InstantiationException, IllegalAccessException, IOException, ClassNotFoundException {
Singleton1.otherMethod();
System.out.println(">>>>>>>>>>>>>>>>>>>>>>>>>>>");
System.out.println(Singleton1.getInstance());
System.out.println(Singleton1.getInstance());
//反射破坏单例
reflection(Singleton1.class);
//反序列化破坏单例
//serializable(Singleton1.getInstance());
//unSafe 破坏单例
//unsafe(Singleton1.class);
}
private static void reflection(Class clazz) throws NoSuchMethodException, InvocationTargetException, InstantiationException, IllegalAccessException {
Constructor constructor = clazz.getDeclaredConstructor();
constructor.setAccessible(true);
System.out.println("反射创建实例:" + constructor.newInstance());
}
}运行结果：
private Singleton1
otherMethod()
>>>>>>>>>>>>>>>>>>>>>>>>>>>
day01.pattern.Singleton1@27d6c5e0
day01.pattern.Singleton1@27d6c5e0
private Singleton1
反射创建实例:day01.pattern.Singleton1@5f184fc6可以看到，通过反射这种方式重新调用 Singleton1 的构造方法，并且创建出另外一个实例，此时已经破坏了单例
如果不加 readResolve() 方法，就可以通过反序列化破坏单例，测试代码：
private static void serializable(Object instance) throws IOException, ClassNotFoundException {
ByteArrayOutputStream bos = new ByteArrayOutputStream();
ObjectOutputStream oos = new ObjectOutputStream(bos);
oos.writeObject(instance);
ObjectInputStream ois = new ObjectInputStream(new ByteArrayInputStream(bos.toByteArray()));
System.out.println("反序列化创建单例:" + ois.readObject());
}运行结果：
private Singleton1
otherMethod()
>>>>>>>>>>>>>>>>>>>>>>>>>>>
day01.pattern.Singleton1@27d6c5e0
day01.pattern.Singleton1@27d6c5e0
反序列化创建单例:day01.pattern.Singleton1@64a294a6同样破坏了单例
总结：
-
构造方法抛出异常是防止反射破坏单例
-
readResolve()是防止反序列化破坏单例
2. 单例模式之枚举饿汉式
代码实现：
public enum Singleton2 {
INSTANCE;
Singleton2(){
System.out.println("private Singleton2()");
}
@Override
public String toString(){
return getClass().getName() + "@" + Integer.toHexString(hashCode());
}
public static Singleton2 getInstance(){
return INSTANCE;
}
public static void otherMethod(){ //测试单例是饿汉式还是懒汉式
System.out.println("otherMethod()");
}
}修改上述的测试代码，测试反射这种方式是否可以破坏单例：
private static void reflection(Class clazz) throws NoSuchMethodException, InvocationTargetException, InstantiationException, IllegalAccessException {
//Constructor constructor = clazz.getDeclaredConstructor();
Constructor constructor = clazz.getDeclaredConstructor(String.class, int.class);
constructor.setAccessible(true);
//System.out.println("反射创建实例:" + constructor.newInstance());
System.out.println("反射创建实例:" + constructor.newInstance("OTHER",1));
}运行结果：
private Singleton2()
otherMethod()
>>>>>>>>>>>>>>>>>>>>>>>>>>>
day01.pattern.Singleton2@27d6c5e0
day01.pattern.Singleton2@27d6c5e0
Exception in thread "main" java.lang.IllegalArgumentException: Cannot reflectively create enum objects
at java.base/java.lang.reflect.Constructor.newInstanceWithCaller(Constructor.java:492)
at java.base/java.lang.reflect.Constructor.newInstance(Constructor.java:480)
at day01.pattern.TestSingleton.reflection(TestSingleton.java:44)
at day01.pattern.TestSingleton.main(TestSingleton.java:18)接下来测试反序列化是否可以破坏单例，测试结果：
private Singleton2()
otherMethod()
>>>>>>>>>>>>>>>>>>>>>>>>>>>
day01.pattern.Singleton2@27d6c5e0
day01.pattern.Singleton2@27d6c5e0
反序列化创建单例:day01.pattern.Singleton2@27d6c5e03.单例模式之懒汉式
代码实现：
public class Singleton3 implements Serializable {
private Singleton3(){
System.out.println("private Singleton3()");
}
private static Singleton3 INSTANCE = null;
public static synchronized Singleton3 getInstance(){
if (INSTANCE == null) {
INSTANCE = new Singleton3();
}
return INSTANCE;
}
public static void otherMethod(){
System.out.println("otherMethod()");
}
}其实只有首次创建单例对象才需要同步，但该代码实际上每次调用都会同步，这样就导致性能较为低
4.单例模式之双检索懒汉式
代码实现：
public class Singleton4 implements Serializable {
private Singleton4(){
System.out.println("private Singleton4()");
}
private static volatile Singleton4 INSTANCE = null; // volatile : 解决了共享变量的 可见性和有序性
public static Singleton4 getInstance(){
if (INSTANCE == null) {
synchronized (Singleton4.class) {
if (INSTANCE == null) {
INSTANCE = new Singleton4();
}
}
}
return INSTANCE;
}
public static void otherMethod(){
System.out.println("otherMethod()");
}
}加 volatile 的作用：
-
INSTANCE = new Singleton4()不是原子的，分成 3 步：创建对象、调用构造、给静态变量赋值，其中后两步可能被指令重排序优化，变成先赋值、再调用构造 -
如果线程1 先执行了赋值，线程2 执行到第一个
INSTANCE == null时发现 INSTANCE 已经不为 null，此时就会返回一个未完全构造的对象
5.单例模式之内部类
代码实现：
public class Singleton5 implements Serializable {
private Singleton5(){
System.out.println("private Singleton5");
}
private static class Holder{
static Singleton5 INSTANCE = new Singleton5();
}
public static Singleton5 getInstance(){
return Holder.INSTANCE;
}
public static void otherMethod(){
System.out.println("otherMethod()");
}
}6.JDK中单例的实现
-
Runtime 体现了饿汉式单例
-
Console 体现了双检锁懒汉式单例
-
Collections 中的 EmptyNavigableSet 内部类懒汉式单例
-
ReverseComparator.REVERSE_ORDER 内部类懒汉式单例
-
Comparators.NaturalOrderComparator.INSTANCE 枚举饿汉式单例