java面经01-基础篇-排序算法、ArrayList、Iterator、LinkedList、HashMap、单例模式
文章目录
- 基础篇
-
- 1. 二分查找
- 2. 冒泡排序
- 3. 选择排序
- 4. 插入排序
- 5. 希尔排序
- 6. 快速排序
- 7. ArrayList
-
- 7.1 初始化:
- 7.2 add扩容
- 7.3 addAll扩容
- 8. Iterator
-
- 8.1 ArrayList 源码分析
- 8.2 CopyOnWriteArrayList 源码分析
- 9. LinkedList
- 10. HashMap
-
- 1）基本数据结构
- 2）树化与退化
- 注意
-
-
- 3）索引计算
- 4）put 与扩容
- 5）并发问题
- 6）key 的设计
- 11. 单例模式
-
- 好玩的工具类
基础篇
基础篇要点：算法、数据结构、基础设计模式
1. 二分查找
要求
- 能够用自己语言描述二分查找算法
- 能够手写二分查找代码
- 能够解答一些变化后的考法
算法描述
-
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
更形象的描述请参考：binary_search.html
算法实现
public static int binarySearch(int[] a, int t) {
int l = 0, r = a.length - 1, m;
while (l <= r) {
m = (l + r) / 2;
if (a[m] == t) {
return m;
} else if (a[m] > t) {
r = m - 1;
} else {
l = m + 1;
}
}
return -1;
}
测试代码
public static void main(String[] args) {
int[] array = {1, 5, 8, 11, 19, 22, 31, 35, 40, 45, 48, 49, 50};
int target = 47;
int idx = binarySearch(array, target);
System.out.println(idx);
}
▲解决整数溢出问题
当 l 和 r 都较大时，l + r 有可能超过整数范围，造成运算错误，解决方法有两种：
int m = l + (r - l) / 2;
还有一种是：
int m = (l + r) >>> 1;
其它考法
-
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)
-
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
-
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
对于前两个题目，记得一个简要判断口诀：奇数二分取中间，偶数二分取中间靠左。对于后一道题目，需要知道公式：
n = l o g 2 N = l o g 10 N / l o g 10 2 n = log_2N = log_{10}N/log_{10}2 n=log2N=log10N/log102
其中 n 为查找次数，N 为元素个数
2. 冒泡排序
要求
- 能够用自己语言描述冒泡排序算法
- 能够手写冒泡排序代码
- 了解一些冒泡排序的优化手段
算法描述
- 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
更形象的描述请参考：bubble_sort.html
算法实现
public static void bubble(int[] a) {
for (int j = 0; j < a.length - 1; j++) {
// 一轮冒泡
boolean swapped = false; // 是否发生了交换
for (int i = 0; i < a.length - 1 - j; i++) {
System.out.println("比较次数" + i);
if (a[i] > a[i + 1]) {
Utils.swap(a, i, i + 1);
swapped = true;
}
}
System.out.println("第" + j + "轮冒泡"
+ Arrays.toString(a));
if (!swapped) {
break;
}
}
}
- 优化点1：每经过一轮冒泡，内层循环就可以减少一次
- 优化点2：如果某一轮冒泡没有发生交换，则表示所有数据有序，可以结束外层循环
进一步优化
public static void bubble_v2(int[] a) {
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++) {
System.out.println("比较次数" + i);
if (a[i] > a[i + 1]) {
Utils.swap(a, i, i + 1);
last = i;
}
}
n = last;
System.out.println("第轮冒泡"
+ Arrays.toString(a));
if (n == 0) {
break;
}
}
}
- 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
3. 选择排序
要求
- 能够用自己语言描述选择排序算法
- 能够比较选择排序与冒泡排序
- 理解非稳定排序与稳定排序
算法描述
-
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
更形象的描述请参考：selection_sort.html
算法实现
public static void selection(int[] a) {
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 (a[s] > a[j]) { // j 元素比 s 元素还要小, 更新 s
s = j;
}
}
if (s != i) {
swap(a, s, i);
}
System.out.println(Arrays.toString(a));
}
}
- 优化点：为减少交换次数，每一轮可以先找最小的索引，在每轮最后再交换元素
与冒泡排序比较
-
二者平均时间复杂度都是 O ( n 2 ) O(n^2) 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
稳定排序与不稳定排序
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));
都是先按照花色排序（♠♥♣♦），再按照数字排序（AKQJ…）
-
不稳定排序算法按数字排序时，会打乱原本同值的花色顺序
[[♠7], [♠2], [♠4], [♠5], [♥2], [♥5]] [[♠7], [♠5], [♥5], [♠4], [♥2], [♠2]]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时，会保留原本同值的花色顺序，如下所示 ♠2 与 ♥2 的相对位置不变
[[♠7], [♠2], [♠4], [♠5], [♥2], [♥5]] [[♠7], [♠5], [♥5], [♠4], [♠2], [♥2]]
4. 插入排序
要求
- 能够用自己语言描述插入排序算法
- 能够比较插入排序与选择排序
算法描述
-
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
更形象的描述请参考：insertion_sort.html
算法实现
// 修改了代码与希尔排序一致
public static void insert(int[] a) {
// i 代表待插入元素的索引
for (int i = 1; i < a.length; i++) {
int t = a[i]; // 代表待插入的元素值
int j = i;
System.out.println(j);
while (j >= 1) {
if (t < a[j - 1]) { // j-1 是上一个元素索引，如果 > t，后移
a[j] = a[j - 1];
j--;
} else { // 如果 j-1 已经 <= t, 则 j 就是插入位置
break;
}
}
a[j] = t;
System.out.println(Arrays.toString(a) + " " + j);
}
}
与选择排序比较
-
二者平均时间复杂度都是 O ( n 2 ) O(n^2) 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 ) O(n) O(n)
-
插入属于稳定排序算法，而选择属于不稳定排序
提示
插入排序通常被同学们所轻视，其实它的地位非常重要。小数据量排序，都会优先选择插入排序
5. 希尔排序
要求
- 能够用自己语言描述希尔排序算法
算法描述
-
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
更形象的描述请参考：shell_sort.html
算法实现
private static void shell(int[] a) {
int n = a.length;
for (int gap = n / 2; gap > 0; gap /= 2) {
// i 代表待插入元素的索引
for (int i = gap; i < n; i++) {
int t = a[i]; // 代表待插入的元素值
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 < a[j - gap]) { // j-gap 是上一个元素索引，如果 > t，后移
a[j] = a[j - gap];
j -= gap;
} else { // 如果 j-1 已经 <= t, 则 j 就是插入位置
break;
}
}
a[j] = t;
System.out.println(Arrays.toString(a) + " gap:" + gap);
}
}
}
参考资料
- https://en.wikipedia.org/wiki/Shellsort
6. 快速排序
要求
- 能够用自己语言描述快速排序算法
- 掌握手写单边循环、双边循环代码之一
- 能够说明快排特点
- 了解洛穆托与霍尔两种分区方案的性能比较
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
更形象的描述请参考：quick_sort.html
单边循环快排（lomuto 洛穆托分区方案）
-
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
public static void quick(int[] a, int l, int h) {
if (l >= h) {
return;
}
int p = partition(a, l, h); // p 索引值
quick(a, l, p - 1); // 左边分区的范围确定
quick(a, p + 1, h); // 左边分区的范围确定
}
private static int partition(int[] a, int l, int h) {
int pv = a[h]; // 基准点元素
int i = l;
for (int j = l; j < h; j++) {
if (a[j] < pv) {
if (i != j) {
swap(a, i, j);
}
i++;
}
}
if (i != h) {
swap(a, h, i);
}
System.out.println(Arrays.toString(a) + " i=" + i);
// 返回值代表了基准点元素所在的正确索引，用它确定下一轮分区的边界
return i;
}
双边循环快排（不完全等价于 hoare 霍尔分区方案）
- 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
要点
-
基准点在左边，并且要先 j 后 i
-
while( i < j && a[j] > pv ) j–
-
while ( i < j && a[i] <= pv ) i++
private static void quick(int[] a, int l, int h) {
if (l >= h) {
return;
}
int p = partition(a, l, h);
quick(a, l, p - 1);
quick(a, p + 1, h);
}
private static int partition(int[] a, int l, int h) {
int pv = a[l];
int i = l;
int j = h;
while (i < j) {
// j 从右找小的
while (i < j && a[j] > pv) {
j--;
}
// i 从左找大的
while (i < j && a[i] <= pv) {
i++;
}
swap(a, i, j);
}
swap(a, l, j);
System.out.println(Arrays.toString(a) + " j=" + j);
return j;
}
快排特点
-
平均时间复杂度是 O ( n l o g 2 n ) O(nlog_2n ) O(nlog2n)，最坏时间复杂度 O ( n 2 ) O(n^2) O(n2)
-
数据量较大时，优势非常明显
-
属于不稳定排序
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
- https://qastack.cn/cs/11458/quicksort-partitioning-hoare-vs-lomuto
补充代码说明
- day01.sort.QuickSort3 演示了空穴法改进的双边快排，比较次数更少
- day01.sort.QuickSortHoare 演示了霍尔分区的实现
- day01.sort.LomutoVsHoare 对四种分区实现的移动次数比较
7. ArrayList
要求
- 掌握 ArrayList 扩容规则
扩容规则
-
ArrayList() 会使用长度为零的数组
-
ArrayList(int initialCapacity) 会使用指定容量的数组
-
public ArrayList(Collection c) 会使用 c 的大小作为数组容量
-
（初始为空时）add(Object o) 首次扩容为 10，再次扩容为上次容量的 1.5 倍
-
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)
其中第 4 点必须知道，其它几点视个人情况而定
提示
- 测试代码见
day01.list.TestArrayList，这里不再列出 - 要注意的是，示例中用反射方式来更直观地反映 ArrayList 的扩容特征，但从 JDK 9 由于模块化的影响，对反射做了较多限制，需要在运行测试代码时添加 VM 参数
--add-opens java.base/java.util=ALL-UNNAMED方能运行通过，后面的例子都有相同问题
代码说明
- day01.list.TestArrayList#arrayListGrowRule 演示了 add(Object) 方法的扩容规则，输入参数 n 代表打印多少次扩容后的数组长度
7.1 初始化:
其实看构造方法源码就行了：
7.2 add扩容
初始为空
第一次加入元素： 扩容10
以后每次扩容到原来的1.5倍，但是计算规则用的移位+加法:
假设上次容量为 n
这次插入第n+1个元素，会扩容: n+n>>1
也就是新申请一块长度为n+n>>1的新空间，将原来的n个元素原样复制到新空间，再插入第n+1个元素
插入第11个元素时: 扩容到: 10+10>>1 = 10+5 = 15
插入第16个元素时: 扩容到: 15+15>>1 = 15+7 = 22 (并不是15*1.5=22.5 并不是乘法计算出来的)
反射报错：
java.lang.reflect.InaccessibleObjectException: Unable to make field transient java.lang. Object[] java.util.ArrayList.elementData accessible: module java. base does not "opens java. util" to unnamed module @5ef04b5
解决1：切换到jdk8
解决2：
工具类：反射获取ArrayList里数组的长度
public static int capcity(ArrayList<Object> list) {
try {
Field field = ArrayList.class.getDeclaredField("elementData");
field.setAccessible(true);
return ((Object[]) field.get(list)).length;
} catch (Exception e) {
e.printStackTrace();
return 0;
}
}
测试main:
public static void main(String[] args) {
ArrayList<Object> arrayList = new ArrayList<>();
for (int i = 1; i <= 16; i++) {
arrayList.add(i);
System.out.println(i+" : "+ capcity(arrayList));
}
}
1 : 10
2 : 10
3 : 10
4 : 10
5 : 10
6 : 10
7 : 10
8 : 10
9 : 10
10 : 10
11 : 15
12 : 15
13 : 15
14 : 15
15 : 15
16 : 22
7.3 addAll扩容
一句话：此次本该扩容量和批量添加元素个数之间取一个较大值
工具类:
public static int capcity(ArrayList<Object> list) {
try {
Field field = ArrayList.class.getDeclaredField("elementData");
field.setAccessible(true);
return ((Object[]) field.get(list)).length;
} catch (Exception e) {
e.printStackTrace();
return 0;
}
}
public static void main(String[] args) {
ArrayList<Object> arrayList = new ArrayList<>();
arrayList.addAll(List.of(1,2,3));
System.out.println(capcity(arrayList));//10
}
刚开始容量是0
addAll(3个元素) 扩容到 Math.max(10,一次性添加元素个数) = max(10,3)=10
public static void main(String[] args) {
ArrayList<Object> arrayList = new ArrayList<>();
// 为空 再加
arrayList.addAll(List.of(1,2,3,4,5,6,7,8,9,10,11,12));
System.out.println(capcity(arrayList));//12
}
刚开始容量是0
addAll(3个元素) 扩容到 Math.max(10,一次性添加元素个数) = max(10,12) = 12 注意不是15
public static void main(String[] args) {
ArrayList<Object> arrayList = new ArrayList<>();
for (int i = 0; i < 10; i++) {
arrayList.add(i);//装慢10个
}
// 原来有 再加
arrayList.addAll(List.of(1,2,3));
System.out.println(capcity(arrayList));//15
}
刚开始容量是10 也即非空有元素:
addAll(3个元素) 扩容到 Math.max(10+10>>1,10+一次性添加元素个数) = max(15,13) = 15
public static void main(String[] args) {
ArrayList<Object> arrayList = new ArrayList<>();
for (int i = 0; i < 10; i++) {
arrayList.add(i);//装慢10个
}
// 原来有 再加
arrayList.addAll(List.of(1,2,3,4,5,6,7));
System.out.println(capcity(arrayList));//17
}
刚开始容量是10 也即非空有元素:
addAll(3个元素) 扩容到 Math.max(10+10>>1,10+一次性添加元素个数) = max(15,17) = 17
8. Iterator
要求
- 掌握什么是 Fail-Fast、什么是 Fail-Safe
Fail-Fast 与 Fail-Safe
-
ArrayList 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
提示
- 测试代码见
day01.list.FailFastVsFailSafe，这里不再列出
fail-fast 一旦发现遍历的同时其它人来修改，则立刻抛异常
fail-safe 发现遍历的同时其它人来修改，应当能有应对策略，例如牺牲一致性来让整个遍历运行完成
- 辅助类 Student
public class Student {
private String name;
//get/set
//无参，空参
//toString()
}
- FailFast
// 普通 ArrayList 遍历同时不能修改 =》一旦修改 立刻抛出异常
public static void main(String[] args) {
ArrayList<Student> list = new ArrayList<>();
list.add(new Student("张三"));
list.add(new Student("李四"));
list.add(new Student("王五"));
list.add(new Student("赵六"));
for (Student student : list) {
System.out.println(student);
// 遍历的同时修改了 肯定报错 (哪怕在另一个线程里修改了他 还是会报错的)
list.add(new Student(student.getName()+"丰"));
}
System.out.println(list);
}
- FailSafe
// 普通 CopyOnWriteArrayList 遍历同时可以修改 但是修改不会被遍历到 牺牲了一致性
public static void main(String[] args) {
CopyOnWriteArrayList<Student> list = new CopyOnWriteArrayList<>();
list.add(new Student("张三"));
list.add(new Student("李四"));
list.add(new Student("王五"));
list.add(new Student("赵六"));
for (Student student : list) {
System.out.println(student);
// 遍历的同时修改了 任然能遍历完 但是新的修改不会在本次被遍历到 牺牲了一致性
list.add(new Student(student.getName()+"丰"));
list.get(4).setName("赵666666666666");
}
System.out.println(list);
}
8.1 ArrayList 源码分析
注意需要Force step into 新版默认没有，工具栏右键添加 “customer toolbar”即可添加
说明增强for底层就用到了迭代器，迭代器也只是一个类而已，有自己的构造方法
8.2 CopyOnWriteArrayList 源码分析
迭代器迭代时会将list数组copy一份，实际迭代遍历的数组和list.add(x)作用的数组是两个数组
拓：Vector也是fail-fast 遍历时不允许修改
public static void main(String[] args) {
Vector<Integer> vector = new Vector<>();
for (int i = 0; i < 10; i++) {
vector.add(i);
}
for (Integer i : vector) {
System.out.println(i);
vector.add(i*10);
}
System.out.println(vector);
}
9. LinkedList
要求
- 能够说清楚 LinkedList 对比 ArrayList 的区别，并重视纠正部分错误的认知
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(中间要先查找前驱，也不是很快)
- 占用内存多
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
代码说明
- day01.list.ArrayListVsLinkedList#randomAccess 对比随机访问性能 （ArrayList远快于LinkedList）
- day01.list.ArrayListVsLinkedList#addMiddle 对比向中间插入性能 (ArrayList竟然远远远远快于LinkedList 更新指针远远慢于相邻位置移动元素)
- day01.list.ArrayListVsLinkedList#addFirst 对比头部插入性能 (LinkedList远快于ArrayList)
- day01.list.ArrayListVsLinkedList#addLast 对比尾部插入性能 (ArrayList反而更快 但是快得不是很明显，LinkedList肯定维护了尾部指针)
- day01.list.ArrayListVsLinkedList#linkedListSize 打印一个 LinkedList 占用内存 (24080B 远远高于ArrayLIst)
- day01.list.ArrayListVsLinkedList#arrayListSize 打印一个 ArrayList 占用内存 (4976B)
综上: 除了头部插入，ArrayList都要快于LinkedList，所以实际开发基本都用ArrayList，平均性能好多了
ArrayList还有一个非常非常好的特性，完美复合了空间局部性，CPU缓存命中率极高 （LinkedList看起来就太可怜了 几乎没有局部性，这就理解了为什么中间插入ArrayList要移动大量元素反而快，因为直接在缓存里面复制元素，LinkedList几乎没有局部性，没有缓存，查找前驱时需要经常读内存，一旦大量读内存，时间量就不是一个级别的了 （头部插入不需要查找，不需要经常读内存分散的指针，因为数组的局部性就没啥用了，移动元素就多了时间））
int类型每个元素占用4B, Integer每个元素本身也是4B, 但整个Integer在内存中占用16B （还有一些其他成员信息也占内存）
同理LinkedList基于双向链表，里面的东西肯定比ArrayList基于数组的数据结构成员要多得多，因此同样的元素内容，LinkedList占用的内存远远高于ArrayList
- 比较1
ArrayList实现了RandomAccess接口 （随机访问接口）
LinkedList并没有实现
其实这个接口啥也没有，只是一个标志
底层类库实现时会看看你有没有实现RandomAccess接口，实现了的话，找元素时就会直接根据下标去找了。
开发基本都用ArrayList (平均性能比LinkedList好太多了)
10. HashMap
自定义类型需要重新hashCode方法和equals方法
hashCode方法是用来生成hashCode值的，然后mod capacity 得到映射下标
equals方法则直接判断两个元素是否相等，相等一定会映射到同一个下标位置了(不允许重复时很好去重)
要求
- 掌握 HashMap 的基本数据结构
- 掌握树化
- 理解索引计算方法、二次 hash 的意义、容量对索引计算的影响
- 掌握 put 流程、扩容、扩容因子
- 理解并发使用 HashMap 可能导致的问题
- 理解 key 的设计
1）基本数据结构
- 1.7 数组 + 链表
- 1.8 数组 + （链表 | 红黑树）
更形象的演示，见资料中的 hash-demo.jar，运行需要 jdk14 以上环境，进入 jar 包目录，执行下面命令
java -jar --add-exports java.base/jdk.internal.misc=ALL-UNNAMED hash-demo.jar
HashMap底层就是hash表+拉链法
当元素个数>容量的3/4时就会扩容，教程演示直接扩容了一倍。
扩容之后capacity变了，下标也就会重新计算了，会减少很多冲突
极端情况: 所有元素hashCode都一样，无论扩容多少，总会映射到同一个下标位置，或者说映射位置与容量无关
这种时候就只能进行红黑树 树化了
2）树化与退化
树化意义
- 红黑树用来避免 DoS 攻击(恶意构造一大堆hash值一样的对象)，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 ) O(1) O(1)，而红黑树的查找，更新的时间复杂度是 O ( l o g 2 n ) O(log_2n ) 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 （因为也不会很长）
- 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(别扩容了吧，再扩也没用了 并不是容量小导致的冲突问题)
(数组容量扩容到64，还是有拉链长度 >8 ,说明扩容不好使了，他们可能就是HashCode值就完全一样的，这个时候就进行拉链的树化了)
（一开始容量默认16，元素个数超过3/4时开始扩容，依次扩容32,64…）
总之树化要满足两个条件：1、拉链长度严格大于82、数组容量>=64
问： 为何不一上来就树化？
答：因为开始链表很短，线性查找已经很快了。如果变成红黑树，由于红黑树需要维护其红黑树的性质，这些开销反而使得性能降低了。（链表短:其性能大于红黑树 链表很长时：其性能才远远不如红黑树）
问：为何阈值是8
答：不要刻意设置，正常情况下，Hash映射冲突的概率是很低很低的，拉链长度超过8概率为1亿分之6 【树化意义：第3条】
23万个随机单词用HashMap来存，冲突如下，最大冲突为长度为6的拉链，也才2个桶(下标位置)
刻意指的就是DOS攻击，刻意构造一些HashCode值一样的对象到你系统中，导致拉链非常长，从而严重影响系统性能，随便找个元素都要花好长时间
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
问：RBT何时会退化为链表？
答：情况1：扩容可能解除拉链里的一些冲突，导致树拆分 (扩容看节点个数决定要不要退化（不看那4个结点是否存在）)
情况2：移除之前看RBT的根，根的左孩子，根的右孩子，根的左孙子，这4个结点是否都存在，若至少一个不存在（为null）, 本次移除之后一定会退化为链表 （移除看4个结点是否在决定是否退化(不看结点个数)）
注意
并不是看这么多就够了，后期还要背，这只是基础，在此基础上查资料，拓展，查漏补缺~
3）索引计算
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 和 & (capacity – 1) 都能映射到 0~capacity-1）
- （如果
capacity == 2^n那么%capacity == & (capacity – 1)大于等于capacity的所有高位的1是商，低位是余数，更简单一点%2^n就是截取二进制的低n位）
特殊情况相等：
一般情况也不会大于capacity – 1
%capacity 映射到 0~(capacity-1)
&(capacity-1) 其实也是映射到 0~(capacity-1) 【因为capacity-1高位全部是0，&之后不会比capacity-1大，最最大也就是全1的二进制和capacity-1的二进制相与，最大也就是capacity-1】
然后%是除法取余，&就是按位与。前者耗费的时钟周期>后者
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
(因为都是位运算嘛，扩容时变成 2(n+1)-1 也有规律可循 不需要真的重新mod(2(n+1)-1))
解释2：新capacity-1的二进制就是在原来capacity-1二进制的基础上高位多了一个1 高1位是0 多的一位没意义了
原始capacity=16 则capacity-1=15=1111B 扩容后capacity=32 capacity-1=31=11111B
1、hash & 16 =0 说明 hash第5位为0 : 0xxxx & 01111 == 0xxxx & 11111B , 映射到的下标位置不变
2、hash & 16 !=0 说明 hash第5位为1: 1xxxx & 01111 = 0xxxx & 11111B + 16 = 旧位置 + oldCap 。 判断过程也就是计算新位置过程，新位置计算突然变得很简单很快了
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(完全没有考虑到高位，只考虑了低n位)，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
二次Hash源码：
上面是1.8的实现
下面是1.7的实现，更复杂
最后说一个缺点: 人家选择容量为2n，是综合考虑的结果，计算映射位置简单高效，扩容重新计算位置，判断要不要移动，简单。
但是肯定有缺点，还记得否学数据结构Hash表时，数组容量（或者说mod的那个值）应该选取一个质数的，这样分布是最均匀的。 java HashMap这种做法，弊端就出来了，假设都是偶数，就只能映射一半了。偶数 偶数%(2^n)==偶数&(2^n-1) =偶数 （最低位 1&0=0 还是偶数） =》 所以才需要二次Hash来进行优化
而且，质数没有只取低n位的弊端，不需要二次Hash
Hashtable 数组容量就不是2n 而是:[0,11,23,47,95,191 … ] 上次容量翻倍+1 也不是严格的质数（eg: 95） 但一定不是偶数 （只要不是2n 就不需要二次Hash,也不需要那个扩容优化）
4）put 与扩容
问： 介绍HashMap Put方法流程， 1.7和1.8 有什么不同
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
1.7 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 （拉链法冲突时）
-
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（hash & oldCap == 0 的元素留在原来位置 ，否则新位置 = 旧位置 + oldCap）
扩容是先加到旧数组对应位置（此时旧数组超量了一个），再扩容，再将超量一个的旧数组重新计算Hash，移动到新数组
1.7没有空位时才扩容是合理的，没有空位指的是，虽然有拉链过长，但是我新插入的元素映射在一个空位置啊，不增加你的冲突负担，不需要扩容哈。
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
元素>阈值 就扩容 阈值=容量*扩容因子
5）并发问题
扩容死链（1.7 会存在）
1.7 源码如下：
void transfer(Entry[] newTable, boolean rehash) {
int newCapacity = newTable.length;
for (Entry<K,V> e : table) {
while(null != e) {
Entry<K,V> 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
数据错乱（1.7，1.8 都会存在）
- 代码参考
day01.map.HashMapMissData，具体调试步骤参考视频
补充代码说明
- day01.map.HashMapDistribution 演示 map 中链表长度符合泊松分布
- day01.map.DistributionAffectedByCapacity 演示容量及 hashCode 取值对分布的影响
- day01.map.DistributionAffectedByCapacity#hashtableGrowRule 演示了 Hashtable 的扩容规律
- day01.sort.Utils#randomArray 如果 hashCode 足够随机，容量是否是 2 的 n 次幂影响不大
- day01.sort.Utils#lowSameArray 如果 hashCode 低位一样的多，容量是 2 的 n 次幂会导致分布不均匀
- day01.sort.Utils#evenArray 如果 hashCode 偶数的多，容量是 2 的 n 次幂会导致分布不均匀
- 由此得出对于容量是 2 的 n 次幂的设计来讲，二次 hash 非常重要
- day01.map.HashMapVsHashtable 演示了对于同样数量的单词字符串放入 HashMap 和 Hashtable 分布上的区别
并发可能会丢失数据，多线程操作同一个HashMap，没有做同步互斥机制，会导致同一个HashMap位置写后写，后写覆盖先写，导致数据丢失。 也就是本身是线程不安全的
6）key 的设计
问：key能否为null
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
如果 key 可变，例如修改了 age 会导致再次查询时查询不到
重写 hashCode 是为了有更好的散列性，分布更均匀
重写 equals 是万一 hashCode 计算出来一样，需要equals判断是否是同一个对象 （hashCode相同equals不一定true,但是equals是true, hashCode一定相同）
如下：修改了作为key的stu，再计算hashCode然后映射的位置肯定不对了，肯定就找不到了
public class HashMapMutableKey {
public static void main(String[] args) {
HashMap<Student, Object> map = new HashMap<>();
Student stu = new Student("张三", 18);
map.put(stu, new Object());
System.out.println(map.get(stu));//java.lang.Object@682a0b20
stu.age = 19; // 修改了作为key的对象 (再计算hashCode肯定就不一样了)
System.out.println(map.get(stu));// null hashCode都不一样了，肯定就找错了呀
}
static class Student {
String name;
int age;
public Student(String name, int age) {
this.name = name;
this.age = age;
}
public String getName() {
return name;
}
public void setName(String name) {
this.name = name;
}
public int getAge() {
return age;
}
public void setAge(int age) {
this.age = age;
}
@Override
public boolean equals(Object o) {
if (this == o) return true;
if (o == null || getClass() != o.getClass()) return false;
Student student = (Student) o;
return age == student.age && Objects.equals(name, student.name);
}
@Override
public int hashCode() {
return Objects.hash(name, age);
}
}
}
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 S i S_i Si，其中 i 的范围是 0 ~ n - 1 （字符串长度为n）
- 散列公式为： S 0 ∗ 3 1 ( n − 1 ) + S 1 ∗ 3 1 ( n − 2 ) + … S i ∗ 3 1 ( n − 1 − i ) + … S ( n − 1 ) ∗ 3 1 0 S_0∗31^{(n-1)}+ S_1∗31^{(n-2)}+ … S_i ∗ 31^{(n-1-i)}+ …S_{(n-1)}∗31^0 S0∗31(n−1)+S1∗31(n−2)+…Si∗31(n−1−i)+…S(n−1)∗310 (每个数组乘以不同个数个31，就把每个数字错开了，散列性就会非常好)
- 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 32 ∗h -h 32∗h−h
- 即 2 5 ∗ h − h 2^5 ∗h -h 25∗h−h
- 即 h ≪ 5 − h h≪5 -h h≪5−h
31*h = 32*h-h = 2^5*h-h = h<<5-h
11. 单例模式
要求
- 掌握五种单例模式的实现方式
- 理解为何 DCL 实现时要使用 volatile 修饰静态变量
- 了解 jdk 中用到单例的场景
1）饿汉式
私有化构造器
然后提供静态方法
public class Singleton1 implements Serializable {
private Singleton1() {
if (INSTANCE != null) {
throw new RuntimeException("单例对象不能重复创建");
}
System.out.println("private Singleton1()");
}
private static final Singleton1 INSTANCE = new Singleton1();
public static Singleton1 getInstance() {
return INSTANCE;
}
// 检验懒汉还是饿汉式的测试方法 (实际中完全不需要)
public static void otherMethod() {
System.out.println("otherMethod()");
}
public Object readResolve() {
return INSTANCE;
}
}
1、反射就可以破坏单例 =》 解决： 抛异常
2、实现了Serializable 接口就有可能通过先序列化再反序列化破坏单例 =》 解决: 重写readResolve方法 （反序列化过程创建对象就是调用readResolve方法 且不用走构造方法）
3、Unsafe破坏单例 =》 目前没有找到解决方法
- 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）枚举饿汉式
public enum Singleton2 {
INSTANCE; //其实天然就是一个单例对象了
// 下面代码都可以不写 完全为了测试用
// eg: 枚举类没有无参构造器，只有有参构造器， 非要写无参构造器默认也是private，也必须是private
private Singleton2() {
System.out.println("private Singleton2()");
}
//完全为了测试用 枚举类toString默认只打印名字，不打印hashCode
@Override
public String toString() {
return getClass().getName() + "@" + Integer.toHexString(hashCode());
}
public static Singleton2 getInstance() {
return INSTANCE;
}
// 检验懒汉还是饿汉式的测试方法 (实际中完全不需要)
public static void otherMethod() {
System.out.println("otherMethod()");
}
}
- 枚举饿汉式能天然防止反射、反序列化破坏单例
- Unsafe还是能破坏单例，Unsafe谁也挡不住
其实这样,就是单例了：
enum Sex {
MALE, FEMALE;
}
具体实现翻译为java代码就是：
final class Sex extends Enum<Sex> {
public static final Sex MALE;
public static final Sex FEMALE;
private Sex(String name, int ordinal) {
super(name, ordinal);
}
static {
MALE = new Sex("MALE", 0);
FEMALE = new Sex("FEMALE", 1);
$VALUES = values();
}
private static final Sex[] $VALUES;
private static Sex[] $values() {
return new Sex[]{MALE, FEMALE};
}
public static Sex[] values() {
return $VALUES.clone();
}
public static Sex valueOf(String value) {
return Enum.valueOf(Sex.class, value);
}
}
饿汉式：类一加载就会调用构造器创建对象（静态字段或者方法实现）
懒汉式：调用getInstance()方法获取单例时才创建
3）懒汉式
public class Singleton3 implements Serializable {
private Singleton3() {
System.out.println("private Singleton3()");
}
private static Singleton3 INSTANCE = null;
// Singleton3.class
public static synchronized Singleton3 getInstance() {
if (INSTANCE == null) {
INSTANCE = new Singleton3();
}
return INSTANCE;
}
// 检验懒汉还是饿汉式的测试方法 (实际中完全不需要)
public static void otherMethod() {
System.out.println("otherMethod()");
}
}
注意getInstance方法要加锁synchronized。否则多线程访问明显不安全，多个线程可能同时访问到
INSTANCE = new Singleton3();导致创建了多个实例
但是synchronized直接加在getInstance方法上很不好，效率很低，因为：
- 其实只有首次创建单例对象时才需要同步，但该代码实际上每次调用都会同步
- 因此有了下面的双检锁改进
4）双检锁懒汉式
加锁之前先做一次判断，只会竞争一次了，以后创建好了实例之后，就再也不会进行竞争了
锁里面还是要做判断，因为第一个if可能同时多个线程成立，里面的代码好多线程都会执行，只能让第一个竞争到的线程创建实例
INSTANCE 变两需要加 volatile 修饰，解决变量有序性问题
public class Singleton4 implements Serializable {
private Singleton4() {
System.out.println("private Singleton4()");
}
private static volatile Singleton4 INSTANCE = null; // 可见性，有序性
public static Singleton4 getInstance() {
if (INSTANCE == null) { // 有了实例之后不需要竞争
synchronized (Singleton4.class) {
if (INSTANCE == null) { // 首次需要竞争(因为第一个if可能同时好多线程成立)
INSTANCE = new Singleton4();
}
}
}
return INSTANCE;
}
public static void otherMethod() {
System.out.println("otherMethod()");
}
}
为何必须加 volatile：
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（返回了一个构造方法没有被执行的实例对象 可能导致一些必要的成员没有被赋值，明显这是不合理的） - 加上volatile就能解决这个问题，相当于给此行赋值指令加上了屏障，阻止了其他赋值指令越过屏障，跑到我后面去
饿汉式不需要考虑线程安全问题，因为给静态变量赋值其实是编译到静态代码块执行赋值的，静态代码块是类加载时jvm虚拟机保证了安全的。 （个人觉得类加载不是只加载一次吗，没有多线程问题吧）
5）内部类懒汉式
内部类可以直接访问外部类的私有成员
内部类被使用到时才会被加载：懒汉模式
内部类静态加载时实例化对象，不需要考虑线程安全问题
（于是 集合了懒加载+天然线程安全这两个优点 ）
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()");
}
}
- 避免了双检锁的缺点 (直接给静态变量赋值，天然就是线程安全的)
JDK 中单例的体现
- Runtime 体现了饿汉式单例 （System.java）
- Console 体现了双检锁懒汉式单例 (System.java)
- Collections 中的 EmptyNavigableSet 内部类懒汉式单例 (有一些空集合对象 还有好多懒汉单例成员变量) (Collections.java)
- ReverseComparator.REVERSE_ORDER 内部类懒汉式单例 (Comparators.java)
- Comparators.NaturalOrderComparator.INSTANCE 枚举饿汉式单例 (Comparators.java)
单例模式都是在jdk中找到的
千万不要说自己在项目中用到了单例模式，很容易用错的
System.exit(i) —调用—> Runtime.getRuntime().exit(i)
System.gc() —调用—> Runtime.getRuntime().gc() 做一次垃圾回收
视频里讲了好多，没有一一做笔记了 可以再看看视频
好玩的工具类
import java.util.Random;
public class Utils {
public static void swap(int[] array, int i, int j) {
int t = array[i];
array[i] = array[j];
array[j] = t;
}
public static void shuffle(int[] array) {
Random rnd = new Random();
int size = array.length;
for (int i = size; i > 1; i--) {
swap(array, i - 1, rnd.nextInt(i));
}
}
public static int[] randomArray(int n) {
int lastVal = 1;
Random r = new Random();
int[] array = new int[n];
for (int i = 0; i < n; i++) {
int v = lastVal + Math.max(r.nextInt(10), 1);
array[i] = v;
lastVal = v;
}
shuffle(array);
return array;
}
public static int[] evenArray(int n) {
int[] array = new int[n];
for (int i = 0; i < n; i++) {
array[i] = i * 2;
}
return array;
}
public static int[] sixteenArray(int n) {
int[] array = new int[n];
for (int i = 0; i < n; i++) {
array[i] = i * 16;
}
return array;
}
public static int[] lowSameArray(int n) {
int[] array = new int[n];
Random r = new Random();
for (int i = 0; i < n; i++) {
array[i] = r.nextInt() & 0x7FFF0002;
}
return array;
}
}