Java集合总览
1.总览
Java中的集合分List、Set、Queue、Map 4种类型。
List：大多数实现元素可以为null，可重复，底层是数组或链表的结构，支持动态扩容
Set：大多数实现元素可以为null但只能是1个，不能重复，
2.List
2.1 ArrayList
ArrayList继承AbstractList实现List接口，底层是对象数组，Object[]
可以有多个null，初始大小为10，每次扩容为原容量的1.5倍，
注意：通过下表查找元素效率高，查询要便利所有、插入、删除要大量移动元素效率低
2.2 LinkedList
LinkedList继承AbstractSequentialList实现List、Deque接口，底层是Node链表，可以双向遍历
可以有多个null，初始化没有没有初始任何存储，当有元素进来时，默认从last节点插入，构造链表
注意：通过下标查找元素效率低要遍历到下标位置，查询要遍历所有，插入头和尾很快，插入和删除索引位置需要先遍历到那里再插入和删除
2.3 Vector(线程安全)
Vector继承AbstractList实现List接口，底层和ArrayList一样也是对象数组，Object[]
它和ArrayList的唯一区别是： 它是线程安全的，实现的方式是每个有线程安全风险的方法上添加 synchronized 进行同步
2.4 Stack(线程安全)
Stack继承Vector，是个先进后出的结构，底层和ArrayList一样也是对象数组，Object[]
2.5 CopyOnWriteArrayList(线程安全)
CopyOnWriteArrayList实现了List接口，底层和ArrayList一样也是对象数组，volatile Object[] array,注意这里用volatile进行了修饰，保证当array引用更改时，所有线程都能获取到最新的引用。
CopyOnWriteArrayList原理：读支持多线程并发读，写时复制原则
set(index, e) 过程：
- 先加锁，
- 获取原数组引用，
- 获取原值，
- 原值和新值不同时拷贝新数组，新数组值更新，更新array指向，返回旧值
- 原值和新值相同是，更新array指向(还是原来的)，返回旧值(还是原来的)
- 解锁
add(e)过程：
- 先加锁，
- 获取原数组引用，
- 拷贝新数组，新数组值更新，更新array指向，返回true，解锁
3.Set
3.1 HashSet
HashSet继承AbstractHashSet实现Set接口，底层实际是HashMap或LinkedHashMap，在底层数据结构是：Node[]数组+单链表+红黑树
可以为null，但只会有一个null，初始大小为16，加载因子是0.75，扩容时是2的倍数
当调用HashSet的add方法时，实际是调用HashMap的put方法，key是add的值，value是一个共享的Object变量。
注意：因为不是线程安全的，调用size方法，返回的size可能会和真实元素个数不一致
3.2 LinkedHashSet
LinkedHashSet继承HashSet，它的代码很少，因为它借助HashSet的LinkedHashMap为底层实现，完成插入顺序的HashSet
其余都和HashSet一致
3.3 TreeSet
TreeSet继承AbstractSet实现NavigableSet接口，和HashSet相比：
- 集合种的元素不保证插入排序，默认使用元素自然排序，可以自定义排序器
- jdk1.8之后，集合中的元素不可以为null
TreeSet使用TreeMap实现，底层用的是红黑树。
注意：与HashSet相比，TreeSet的性能稍低，add、remove、search等操作时间复杂度为O(log n)，按照顺序打印n个元素为O(n)
3.4 CopyOnWriteArraySet(线程安全)
CopyOnWriteArraySet继承AbstractSet，底层使用的是CopyOnWriteArrayList，
当加入的数据不存在时，再添加
3.5 ConcurrentSkipListSet(线程安全)
ConcurrentSkipListSet继承了AbstractSet实现了NavigableSet接口，底层使用ConcurrentNavigableMap实现，和HashSet使用HashMap实现一致
数据不能为null，使用ConcurrentNavigableMap的key存储值，Boolean.TRUE最为ConcurrentNavigableMap的value
注意：此类线程安全且有序，可以传递一个排序器
4.Queue
Queue是一种先进先出的数据结构，形如我们现时生活中的排队，第一个到的排在最前面，后面到的依次向后排，第一个处理完后处理第二个。
Deque是在Queue的基础上支持从尾部取数据的功能，Deque能适合更多的场合
4.1ArrayDeque
ArrayDeque继承AbstractCollection实现了Deque接口，它底层是一个Object[]数组，它支持自动扩容，默认初始容量是16，当元素达到队列的容量后就自动以2的倍数扩容，元素不能是null。
原理：ArrayDeque里面维护了head和tail两个指针，两个指针初始都是0，表示的是Object[]数组的下标，
正常使用队列使用的是offer方法，offer调用的是addLast方法，此方法是先在tail位置放置元素，然后再移动tail指针指向下一个位置，如果下一个位置就是head指针指向的位置则表示数组已全部放置了数据，需要对其进行扩容
addFirst使用的是head指针，head指针向左移动，[head = (head - 1) & (elements.length - 1)] = 15，在数组的最后一个位置放入元素，如果再addFirst就是向14这个位置放置元素，
总结：ArrayDeque是一个双端队列，内部使用head和tail指针进行控制元素的进队和出队
注意：数字在计算机中是以补码的方式存储的，正数的补码等于自己的原码，负数的补码等于自己的原码除符号位取反再+1，如1的原码和补码都是00000001，-1的原码是10000001，反码是11111110，补码是11111111
4.2 PriorityQueue
PriorityQueue继承AbstractQueue，它底层是一个Object[]数组，它支持自动扩容，默认初始容量是11，当元素达到队列的容量后，它会判断当前容量是否小于64，小于64的话，容量+2否则容量扩大一倍；元素不能是null。
原理：PriorityQueue其实是一种堆排序结构，默认是小根堆，堆底层使用Object[]数组实现。
堆：1.堆中的某个节点总是大于或者不小于其父亲节点的值 2.堆总是一颗完全二叉树
重要方法逻辑：
插入元素：1.先将元素放入到堆的最后一个节点的位置(也就是数组的有效元素的最后的一个位置)注：此时空间不够时需要进行扩容。 2. 将最后插入的节点向上调整，直到满足堆的性质
删除元素(弹出堆的第一个元素)：1. 将堆顶元素和堆中的最后一个元素进行交换 2.删除堆的最后一个元素 3.对堆顶元素进行向下调整
效率：加入一个数的时间复杂度是logN;取最大数且继续维持大根堆的时间复杂度是logN；
4.3 DelayQueue(线程安全)
DelayQueue继承AbstractQueue实现BlockingQueue。它底层是PriorityQueue，依赖PriorityQueue的能力来存储元素。DelayQueue里的元素都有一个延期时间实现Delayed接口，PriorityQueue按照延期时间进行排序。当还未到延期时间，DelayQueue弹出的数据为空。DelayQueue的线程安全是使用ReentrantLock进行控制。
4.3.1 Thread lead 成员变量的用处
leader来减少不必要的等待时间,那么这里我们的DelayQueue是怎么利用leader来做到这一点的呢:
这里我们想象着我们有个多个消费者线程用take方法去取,内部先加锁,然后每个线程都去peek第一个节点.如果leader不为空说明已经有线程在取了,设置当前线程等待
if (leader != null)
available.await();如果为空说明没有其他线程去取这个节点,设置leader并等待delay延时到期,直到poll后结束循环
else {
Thread thisThread = Thread.currentThread();
leader = thisThread;
try {
available.awaitNanos(delay);
} finally {
if (leader == thisThread)
leader = null;
}
}take方法中 为什么释放first元素
first = null; // don't retain ref while waiting我们可以看到doug lea后面写的注释,那么这段代码有什么用呢？
想想假设现在延迟队列里面有三个对象。
- 线程A进来获取first,然后进入 else 的else ,设置了leader为当前线程A
- 线程B进来获取first,进入else的阻塞操作,然后无限期等待
- 这时他是持有first引用的
- 如果线程A阻塞完毕,获取对象成功,出队,这个对象理应被GC回收,但是他还被线程B持有着,GC链可达,所以不能回收这个first.
- 假设还有线程C 、D、E.. 持有对象1引用,那么无限期的不能回收该对象1引用了,那么就会造成内存泄露.
4.4 ConcurrentLinkedQueue(线程安全)
ConcurrentLinkedQueue继承AbstractQueue实现Queue接口。它是一个线程安全的先进先出队列实现，内部维护了head和tail两个volatile的指针，它底层是链表，自定义了Node节点，Node类中用volatile声明了item和next变量，并使用CAS的方式设置节点的next节点等，不支持null元素。
下面以offer方法的注释来详细说明下ConcurrentLinkedQueue
public boolean offer(E e) {
// 检查e是不是null，是的话抛出NullPointerException异常。
checkNotNull(e);
// 创建新的节点
final Node newNode = new Node(e);
// 将“新的节点”添加到链表的末尾。
for (Node t = tail, p = t;;) {
Node q = p.next;
// 情况1：q为空，p是尾节点插入
if (q == null) {
// CAS操作：如果“p的下一个节点为null”(即p为尾节点)，则设置p的下一个节点为newNode。
// 如果该CAS操作成功的话，则比较“p和t”(若p不等于t，则设置newNode为新的尾节点)，然后返回true。
// 如果该CAS操作失败，这意味着“其它线程对尾节点进行了修改”，则重新循环。
if (p.casNext(null, newNode)) {
if (p != t) // hop two nodes at a time
casTail(t, newNode); // Failure is OK.
return true;
}
}
// 情况2：p和q相等
else if (p == q)
p = (t != (t = tail)) ? t : head;
// 情况3：其它
else
p = (p != t && t != (t = tail)) ? t : q;
}
} 5.5 LinkedBlockingQueue(线程安全)
LinkedBlockingQueue继承AbstractQueue实现BlockQueue接口，底层是链表，使用ReentrantLock进行并发安全控制。不允许添加null。
注意：如果不传入参数则默认大小是Integer.max，如果传入参数则大小就是传入的数值，当queue中元素达到最大值时，put 添加元素操作会被阻塞，等queue中不满时才能继续插入，使用Condition notEmpty进行await和signal进行等待和唤醒
5.6 ArrayBlockingQueue(线程安全)
ArrayBlockingQueue继承AbstractQueue实现BlockingQueue，底层是数组，使用ReentrantLock进行并发安全控制。不允许添加null。
原理：使用takeIndex和putIndex对取出和放入的位置进行控制，当take时，取taskIndex的位置元素，当put时put putIndex位置的元素，take和put后，判断takeIndex和putIndex是否等于数组的长度，等于的话从0继续开始
注意：传入参数就是底层数组的大小，当queue中元素达到最大值时，put 添加元素操作会被阻塞，等queue中不满时才能继续插入，使用Condition notEmpty notFull两个进行控制
5.Map
5.1 HashMap
HashMap继承AbstractMap实现Map接口。底层是数组+链表+红黑树。允许key和value为null
扩容：HashMap初始容量是16，默认负载因子是0.75，当HashMap中的元素数量大于 容量*负载因子则进行容量*2的扩容操作。
引入红黑树的原因：降低查找相同hash值节点的速度，红黑树也是一种平衡二叉树，当节点数量大于等于8且HashMap中的元素大于等于64的时候才会将链表转化成红黑树，当节点数量小于等于6的时候红黑树退化成链表
5.1.1 put方法
public V put(K key, V value) {
return putVal(hash(key), key, value, false, true);
}
// 这就是那个扰动函数 作用：让key的hash值的高16位也参与路由运算(在hash表数组长度还不是很大的情况下，让hash值的高16位也参与进来)
// key如果是null则就放到 数组的0位置
// h = 0010 1100 1010 0011 1000 0101 1101 1100
// ^
// h>>>16 = 0000 0000 0000 0000 0010 1100 1010 0011
// = 0010 1100 1010 0011 1010 1001 0111 1111
static final int hash(Object key) {
int h;
return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}
final V putVal(int hash, K key, V value, boolean onlyIfAbsent,
boolean evict) {
// tab: 引用当前哈希表的数组
// p: 当前哈希表的元素
// n: 哈希表数组的长度
// i: 路由寻址的结果
Node[] tab; Node p; int n, i;
// 如果当前hashmap的数组为null或数据为0， hashmap设计为第一次向其插入数据的时候会初始化(延迟初始化)
if ((tab = table) == null || (n = tab.length) == 0)
n = (tab = resize()).length;
// 最简单的情况，寻址找到的数组的位置正好是null，则直接把当前k v封装成node放进去
if ((p = tab[i = (n - 1) & hash]) == null)
tab[i] = newNode(hash, key, value, null);
else { // 存在和要插入元素相同hash值的元素
// e: node临时元素
// k: 临时的一个key
Node e; K k;
// 表示数组中的元素与当前要插入的元素 完全一致，表示后续需要进行替换操作
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k))))
e = p;
// P元素已经树化了
else if (p instanceof TreeNode)
e = ((TreeNode)p).putTreeVal(this, tab, hash, key, value);
else {// 还是链表结构，且链表的头元素和要插入的元素的key不一致
for (int binCount = 0; ; ++binCount) {
if ((e = p.next) == null) { // 当前元素是最后一个元素，
// 则将新节点放到p的后面
p.next = newNode(hash, key, value, null);
// 判断后的元素是否达到 TREEIFY_THRESHOLD(8)
if (binCount >= TREEIFY_THRESHOLD - 1)
treeifyBin(tab, hash); // 树化操作
break;
}
// 在链表中找到一个key和当前要插入元素的key一致的元素
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
break;
p = e;
}
}
if (e != null) { // 找到了要替换的数据， 判断onlyIfAbsent后进行替换数据操作
V oldValue = e.value;
if (!onlyIfAbsent || oldValue == null)
e.value = value;
afterNodeAccess(e);
return oldValue;
}
}
++modCount;
if (++size > threshold)
resize();
afterNodeInsertion(evict);
return null;
} 5.1.2 resize方法
// 为什么需要扩容：为了解决哈希冲突导致的链化影响查询效率的问题，通过扩容来缓解
final Node[] resize() {
// oldTab:扩容前的哈希表
Node[] oldTab = table;
// oldCap:扩容之前的table数组的长度
int oldCap = (oldTab == null) ? 0 : oldTab.length;
// oldThr:扩容之前的扩容阈值，触发本次扩容的阈值
int oldThr = threshold;
// newCap:扩容之后哈希数组的大小
// newThr:扩容之后，下次再次触发扩容的条件
int newCap, newThr = 0;
// 下面if else 就是计算本次扩容之后 数组的大小newCap, 以及下次再次触发扩容的大小newThr
if (oldCap > 0) {
// 哈希表已经初始化过了，这是一次正常扩容
if (oldCap >= MAXIMUM_CAPACITY) { // 扩容之前的哈希数组大小已经达到最大阈值了，则不扩容，且设置扩容条件为
threshold = Integer.MAX_VALUE;
return oldTab;
}
else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY &&
oldCap >= DEFAULT_INITIAL_CAPACITY)
// 容量翻倍
newThr = oldThr << 1;
}
else if (oldThr > 0) // 哈希表还是null，如下情况：1.new HashMap(initCapacity, loadFatory) 2.new HashMap(initCapacity) 3.new HashMap(map)
newCap = oldThr;
else {// 哈希表还是null，且 只有 new HashMap()时
newCap = DEFAULT_INITIAL_CAPACITY;
newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);
}
//newThr为0时，通过newCap和loadFactory计算出一个newThr
if (newThr == 0) {
float ft = (float)newCap * loadFactor;
newThr = (newCap < MAXIMUM_CAPACITY && ft < (float)MAXIMUM_CAPACITY ?
(int)ft : Integer.MAX_VALUE);
}
threshold = newThr;
@SuppressWarnings({"rawtypes","unchecked"})
Node[] newTab = (Node[])new Node[newCap]; // 创建一个更大的数组
table = newTab;
if (oldTab != null) { // 说明扩容之前，哈希里面已经有数据了
for (int j = 0; j < oldCap; ++j) {
Node e;
if ((e = oldTab[j]) != null) { // 当前哈希数组位置有数据
oldTab[j] = null; // 置空，方便JVM回收内存
if (e.next == null) // 当前元素没有和任何数据发生碰撞， 最简单情况
newTab[e.hash & (newCap - 1)] = e; // 新计算哈希表的索引将值放进去就行
else if (e instanceof TreeNode) // 当前节点已树化
((TreeNode)e).split(this, newTab, j, oldCap);
else { // 链表情况
// 低位链表：存放在扩容之后的数组的下标位置，与当前数组的下标位置一致
Node loHead = null, loTail = null;
// 高位链表：存放在扩容之后的数组的下标位置为当前数组的下标位置 + 扩容之前数组的长度
Node hiHead = null, hiTail = null;
Node next;
do {
next = e.next;
// hash -> ... 0 1111
// oldCap->000 1 0000
// ->000 0 0000 这样就巧妙的分出 loHead和hiHead了
if ((e.hash & oldCap) == 0) {
if (loTail == null)
loHead = e;
else
loTail.next = e;
loTail = e;
}
else {
if (hiTail == null)
hiHead = e;
else
hiTail.next = e;
hiTail = e;
}
} while ((e = next) != null);
if (loTail != null) { // 低位链表有数据, 处理链表指向
loTail.next = null;
newTab[j] = loHead;
}
if (hiTail != null) { // 高位链表有数据, 处理链表指向
hiTail.next = null;
newTab[j + oldCap] = hiHead;
}
}
}
}
}
return newTab;
} 5.1.3 get方法
public V get(Object key) {
Node e;
return (e = getNode(hash(key), key)) == null ? null : e.value;
}
final Node getNode(int hash, Object key) {
// tab:当前哈希表的数组
// first:哈希表数组桶位的头元素
// e:临时node元素
// n:哈希表的数组的长度
Node[] tab; Node first, e; int n; K k;
if ((tab = table) != null && (n = tab.length) > 0 &&
(first = tab[(n - 1) & hash]) != null) { // 哈希表不等于空，且要取的数据的key的哈希值在哈希表中存在
if (first.hash == hash && // 哈希表数组中的头元素就是需要查找的数据，则直接返回
((k = first.key) == key || (key != null && key.equals(k))))
return first;
if ((e = first.next) != null) { // 当前桶位不止一个元素，可能树、可能链表
if (first instanceof TreeNode) // 树
return ((TreeNode)first).getTreeNode(hash, key);
do { // 循环每个节点判断是否相等，是则返回
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
return e;
} while ((e = e.next) != null);
}
}
return null;
} 5.1.4 remove方法
public V remove(Object key) {
Node e;
return (e = removeNode(hash(key), key, null, false, true)) == null ?
null : e.value;
}
final Node removeNode(int hash, Object key, Object value,
boolean matchValue, boolean movable) {
//tab:引用哈希表中的数组
//p:当前Node元素
//n:哈希表的长度
//index:寻址结果
Node[] tab; Node p; int n, index;
if ((tab = table) != null && (n = tab.length) > 0 &&
(p = tab[index = (n - 1) & hash]) != null) { // 哈希有数据，且路由到的数组索引也是有数据的，需要进行查找操作并且删除
// node:查找到的结果
// e:当前node的下一个节点
Node node = null, e; K k; V v;
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k)))) // 第一种情况 当前数组索引中的元素就是你要删除的元素
node = p;
else if ((e = p.next) != null) { // 当前数组索引不是你要删除的元素，且数组索引的头节点后续还有节点，不是树就是链表
if (p instanceof TreeNode) // 第二种情况 是树
node = ((TreeNode)p).getTreeNode(hash, key);
else { // 第三种情况 链表
do {// 循环链表查询
if (e.hash == hash &&
((k = e.key) == key ||
(key != null && key.equals(k)))) {
node = e;
break;
}
p = e;
} while ((e = e.next) != null);
}
}
if (node != null && (!matchValue || (v = node.value) == value ||
(value != null && value.equals(v)))) {
if (node instanceof TreeNode) // 树 情况删除节点
((TreeNode)node).removeTreeNode(this, tab, movable);
else if (node == p) // 数组头节点是要删除的元素
tab[index] = node.next;
else // 链表元素删除 node是p.next
p.next = node.next;
++modCount;
--size;
afterNodeRemoval(node);
return node;
}
}
return null;
}
public boolean remove(Object key, Object value) {
return removeNode(hash(key), key, value, true, true) != null;
} 5.1.5 replace方法
// key和oldValue都相同 替换value
public boolean replace(K key, V oldValue, V newValue) {
Node e; V v;
if ((e = getNode(hash(key), key)) != null &&
((v = e.value) == oldValue || (v != null && v.equals(oldValue)))) {
e.value = newValue;
afterNodeAccess(e);
return true;
}
return false;
}
// key相同，替换value
public V replace(K key, V value) {
Node e;
if ((e = getNode(hash(key), key)) != null) {
V oldValue = e.value;
e.value = value;
afterNodeAccess(e);
return oldValue;
}
return null;
} 5.2 TreeMap
TreeMap继承AbstractMap实现NavigableMap接口，底层是红黑树结构
可以传一个自定义排序器，对元素进行排序，元素的key不能为null
5.3 LinkedHashMap
LinkedHashMap继承HashMap实现Map接口，底层使用哈希表与双向链表来保存所有元素，哈希表使用的是HashMap，双向链表实现是LinkedHashMap重新定义了哈希表的数组中保存元素的Entry，它除了保存当前对象的引用外，还保存了其上一个元素-before和下一个元素-after的引用，从而在哈希标的基础上又构建了双向链表。
- put方法
当用户调用put方法时，实际时调用HashMap的put方法，LinkedHashMap没有重写put方法，但是重写了put方法中的newNode方法，此方法会生成一个LinkedHashMap的Entry并构建好链表结构后返回
- remove方法
当用户调用remove方法，实际还是调用HashMap的remove方法，在remove方法最后，会调用afterNodeRemove方法，此方法LinkedHashMap进行了重写，在这个方法里，LinkedHashMap重新维护的双向链表结构
LinkedHashMap支持insert排序和访问排序，默认insert排序。
支持key和value都为null
5.4 ConcurrentHashMap(线程安全)
ConcurrentHashMap继承AbstractMap实现ConcurrentMap接口，jdk1.8采用了更细粒度的锁，采用Node+Synchronized+CAS算法实现，降低了锁粒度，并发性能更好，并且结构上与HashMap更加一致
key和value都不允许为null，
- size方法：
size方法并不简单返回一个计数器的值，每次调用它，它都会调用sumCount()方法进行计算，baseCount+countCells数组存储的值，baseCount会在每次修改Map影响个数的时候修改，如果CAS的方式修改失败，修改数放入countCells。
5.5 ConcurrentSkipListMap(线程安全)
ConcurrentSkipListMap继承AbstractMap实现了ConcurrentNavigableMap接口，底层是一个跳表的并发Map集合，没有使用哈希表。
其元素可以通过自定义排序器进行排序，不允许key和value的值为null
原理：
- 底层结构：HeadIndex、Index、Node
Node：key value和指向下一个Node节点的next，单向链表
Index：SkipList的索引节点。内部2个指针，down：指向下一层，right：指向右边的index，还有一个代表当前节点的node
HeadIndex：index的子类，多了一个level属性，只在头部使用
