Java 集合（数据结构）面试题总结

Rcnhtin

已于 2024-09-17 00:11:02 修改

阅读量1.8k

点赞数 28

文章标签：数据结构 java HashMap 面经

于 2024-09-16 16:02:04 首次发布

本文链接：https://blog.csdn.net/2201_75456895/article/details/142303388

版权

一、栈和队列的区别具体的场景应用

栈（Stack）和队列（Queue）是两种基本的数据结构，它们在数据的存取顺序上有不同的规则。以下是它们的主要区别以及具体的应用场景。

1. 栈（Stack）

特点：

后进先出（LIFO）：最后进入栈的元素最先被移出。
常用的操作是：
- push：将元素压入栈顶。
- pop：从栈顶弹出元素。
- peek：查看栈顶元素但不移除。

适用场景：

递归调用：函数调用是一个典型的栈应用，当一个函数调用另一个函数时，当前函数的状态会被保存到栈中，直到被调用的函数执行完毕返回。
表达式求值与语法解析：如在编译器中使用栈来解析表达式、执行算术运算（如逆波兰表达式）。
撤销操作：在很多应用程序（如文本编辑器、图像编辑器）中，用户可以执行撤销操作，撤销功能通常使用栈来记录每个操作，当用户选择撤销时，就从栈中弹出最近的操作。
深度优先搜索（DFS）：在图的遍历中，DFS 算法使用栈来追踪遍历的路径。
括号匹配：检查括号是否成对出现，比如 {}, [], ()，也是通过栈实现。

2. 队列（Queue）

特点：

先进先出（FIFO）：第一个进入队列的元素最先被移出。
常用的操作是：
- enqueue（offer/add）：将元素添加到队列的尾部。
- dequeue（poll/remove）：从队列的头部移除元素。
- peek：查看队列头部的元素但不移除。

适用场景：

任务调度：操作系统中的任务调度器使用队列来管理进程或任务。比如 CPU 的任务调度就是按照某种优先级来管理进程的运行顺序，这些任务通常放在队列中排队等待执行。
消息队列：在分布式系统中，消息队列（Message Queue）用于异步通信，生产者将消息放入队列，消费者从队列中读取消息。
宽度优先搜索（BFS）：在图的遍历中，BFS 使用队列来记录已经访问的节点。
缓冲区（Buffer）：网络应用中，数据流通常使用队列作为缓冲区。生产者不断将数据放入队列，消费者从队列中取数据进行处理。
打印任务队列：当多个打印任务提交时，任务按照顺序进入队列，打印机按顺序处理任务。

二、set 的去重机制

1. HashSet 去重机制

HashSet 是基于哈希表（Hash Table）实现的，它通过元素的 哈希值（hash code） 和 equals() 方法 来确定元素的唯一性。

主要原理：

每个元素存储在哈希表中的位置由元素的哈希值决定。HashSet 先通过元素的 hashCode() 计算其哈希值，然后根据哈希值找到元素在哈希表中的存储位置。
如果两个元素的哈希值相同（即哈希冲突），则 HashSet 会进一步调用这两个元素的 equals() 方法来判断它们是否真正相等。只有当 hashCode() 相等且 equals() 返回 true 时，HashSet 才认为两个元素是相同的元素，不会重复存储。

去重流程：

插入新元素时，先通过 hashCode() 计算出哈希值。
如果哈希值不同，直接插入到哈希表的不同位置。
如果哈希值相同，HashSet 会使用 equals() 进一步检查元素是否相等。如果相等，则不插入新元素；如果不相等，元素会被放入相同的哈希桶中（链表或红黑树），形成哈希冲突的解决机制。

2. TreeSet 去重机制

TreeSet 是基于红黑树（Red-Black Tree）实现的，它通过元素的 自然顺序 或 自定义比较器 来保证集合的有序性和唯一性。

主要原理：

TreeSet 中的元素必须实现 Comparable 接口，或者在构造 TreeSet 时传入一个 Comparator，以确定元素之间的顺序。
当插入新元素时，TreeSet 会根据比较器或者元素的 compareTo() 方法来判断元素之间的顺序。如果 compareTo() 返回 0（即两个元素相等），则新元素不会被插入，从而实现去重。

去重流程：

插入新元素时，TreeSet 会通过比较器或元素的 compareTo() 方法比较新元素和已有元素的大小。
如果新元素与某个已有元素比较结果为 0（表示相等），则该元素不插入，避免重复。

三、HashMap 的实现原理

HashMap 是 Java 中非常常用的数据结构之一，它基于 哈希表 实现，主要用于键值对（key-value）的存储和查找。它的主要特点是能在平均情况下以 O(1) 的时间复杂度进行插入、删除和查找操作。下面我们将详细解释 HashMap 的实现原理、工作机制及其底层结构。