Java集合框架知识总结

前言

Java集合框架主要由两个接口及其下面的实现类构成，这两个接口分别是Map接口和Collection接口，下面先通过其对应的UML类图看下这两个接口的具体实现，如下

1、Map接口

Map接口的主要实现有我们熟悉的HashMap、HashTable以及TreeMap、ConcurrentHashMap等，其中，AbstractMap提供了Map接口的大部分方法的实现，最大限度的减少实现Map接口的工作量，这在AbstractMap的开篇写道this class provides a skeletal implementation of the Map interface, to minimize the effort required to implement this interface.，下面，我们将详细介绍Map接口的几个实现类。

2、Collection接口

Collection接口实现了Iterator接口，它下面有三个主要接口继承其本身，List、Queue和Set，这三个接口是我们常见的实现类的接口，比如ArrayList、LinkedList、HashSet等等，其中的AbstractCollection、AbstractList等同上面的AbstractMap的作用。这里的Queue接口的实现我画出的是阻塞队列ArrayBlockingQueue和LinkedBlockingQueue，这两个队列我自己的应用是在线程池中设置阻塞队列，后面简单介绍一下。

至此，集合框架的两个大接口的常见实现有了一个大体的了解，下面，针对常用的集合进行具体介绍。

一、Map接口

1、HashMap

提到Map接口，第一个想到的就是HashMap了，对于其组成，有两个版本，jdk8之前，由数组+链表组成，数组是存储的主要位置，链表是为了解决哈希冲突；在jdk8之后，有了一个很大的变化，由数组+链表/红黑树组成，当链表长度大于树化阈值时，会转变成红黑树，从而减少搜索时间，下面基于jdk8做一个分析。

结构

DEFAULT_INITIAL_CAPACITY，默认初始容量（数组大小），16（1<<4）
MAXIMUM_CAPACITY，最大容量，1<<30
DEFAULT_LOAD_FACTOR，默认负载因子，0.75f
TREEIFY_THRESHOLD，树化阈值，8
UNTREEIFY_THRESHOLD，链表化阈值，6
MIN_TREEIFY_CAPACITY，最小树化节点数量，树化的另一个参数，当哈希表中的所有桶个数超过64时，才允许树化，64
threshold，扩容阈值，`capacity *  loadFactory`（容量*加载因子）
size，存储的元素个数，即k-v键值对的个数
modCount，散列表结构变化的次数，例如增删节点（修改值不算），用于快速失败机制

前面说过，HashMap由数组+链表/红黑树组成，其中，数组存储的是node链表，transient Node<K,V>[] table;，node节点如下组成

static class Node<K,V> implements Map.Entry<K,V> {
        final int hash; //元素的hash值
        final K key; //键
        V value; //值
        Node<K,V> next; //指向下一个节点
    }

因此，我们先大概画一下HashMap的结构

数组的查询速度快，链表的插入速度快，下面，开始分析数据的插入、删除、扩容等相关内容，当某个链表的长度超过树化阈值（8）同时节点个数超过最小树化节点数（64）时，才转变成红黑树；如果没有达到最小树化节点数，那么考虑进行数组扩容（容量变成原来的2倍），而不是转变红黑树，从而减少搜索时间

传入初始化容量

当我们传入容量initialCapacity时，构造函数会调用一个tableSizeFor方法，进行数组的容量初始化，通过这个方法返回一个大于等于initialCapacity的2的幂次方的数，例如传入7，返回的是8

static final int tableSizeFor(int cap) {
        int n = cap - 1;
        n |= n >>> 1;
        n |= n >>> 2;
        n |= n >>> 4;
        n |= n >>> 8;
        n |= n >>> 16;
        return (n < 0) ? 1 : (n >= MAXIMUM_CAPACITY) ? MAXIMUM_CAPACITY : n + 1;
    }

这也引申出，数组的容量是2的幂次方数，这是因为通过哈希值（32位int类型数）计算数组下标时候，做法是hash&(n.length-1)，因此，只有是2的n次方，进行-1操作才能保证2进制数每位都是1，这样按位与才能计算出非0的数，保证数据分散均匀

特点

HashMap存储是无序的；键和值都可以为null，但是只能有一个null键；线程不安全

hash算法&hash碰撞

static final int hash(Object key) {
        int h;
        return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
    }

hash算法：让key的hashcode异或hashcode无符号右移16位，这样做是为了让hashcode的高16位也能参与运算，从而使得散列均匀，减少hash碰撞
hash碰撞：两个不同的key，a.hashcode == b.hashcode，这样会去比较a.equals(b)，如果true，那么覆盖值，否则，将节点插入链表尾部（jdk7插入头部）

put添加流程

注意，put方法是有返回值的，返回的是之前存储的value（即返回老值），hashmap是懒加载，在第一次put的时候才会创建数组

判断当前数组是否为空，若为空，调用resize方法初始化数组
根据key计算hash值，根据hash值找到数组下标位置（数组长度-1 & hash 计算）
	如果当前下标没有节点，将节点e放入当前位置
	当前位置存在节点p，如果p的hash值等于e的hash值（发生hash冲突）
			如果key存在，覆盖value值
			key不存在，要插入新节点，判断p是不是树节点
				如果是树节点，挂到树上
				否则，判断是否树化，若不树化插入链表的尾部，树化则挂到树节点
	完成这些，根据元素个数是否超过扩容阈值，是否扩容			

resize扩容流程

扩容是在hashmap容量 > 初始容量*负载因子 时发生的，扩容是将数据长度放大到原来的2倍，扩容后节点的存储位置要么是原位置，要么是原位置+原数组长度的位置，扩容分为两大步，计算新的数组容量和迁移旧数据

计算数组容量：
旧容量大于0
	旧容量大于等于最大容量
		扩容因子赋值为Int最大值，返回老容量
		否则新容量 = 2*旧容量，新容量小于最大容量且旧容量大于等于默认容量，新扩容阈值 = 2*旧阈值
旧容量小于0且旧扩容阈值大于0
	新容量 = 旧扩容阈值
旧容量和旧阈值都小于0（还未初始化）
	默认容量和默认阈值		
转移元素：
创建新数组，容量为之前的2倍
遍历旧数组
	如果只有头节点，直接计算新的位置并赋值
	如果是树结构，单独处理
	如果是链表，计算节点下标，链接到新数组的链表上			

存放自定义对象时，需要注意什么

存放自定义对象时，重写对象的hashcode和equals方法。首先我们知道hashmap的key是不允许重复，如果没有重写equals方法，我们看下如下代码

public static void main(String[] args) {
        user user1 = new user("张三");
        user user2 = new user("张三");
        HashMap<user,String>hashMap = new HashMap<>();
        hashMap.put(user1,"1");
        hashMap.put(user2,"2");
        System.out.println(hashMap.size());
    }

上面代码的运行结果是2，这里先引申下== 和 equals的区别

==比较的是两个对象地址是不是相等
	对于基本数据类型，比较的是值
	对于引用数据类型，比较的是内存地址
equals比较的是两个对象是否相等
	若未重写equals方法，那么作用等同于==，比较的是对象地址
	若重写equals方法，那么一般情况是重写比较两个对象的内容是否相等

因此，这里的user1和user2是两个对象，所以结果是2，那么我们重写了equals方法之后是否就输出1了呢？答案是否定的，因为hashmap在放入对象的时候是先通过key计算hash值的，再没重写hashcode方法时，调用的是Object类的一个native方法，返回的是不同值，因此计算数组下标不同，所以可以存进去。那么我们两个方法都重写之后，才能确定是同一个key

public class user {
    public String getName() {
        return name;
    }

    public void setName(String name) {
        this.name = name;
    }

    private String name;

    public user(String name) {
        this.name = name;
    }

    @Override
    public boolean equals(Object o) {
        if (this == o) return true;
        if (o == null || getClass() != o.getClass()) return false;
        user user = (user) o;
        return Objects.equals(name, user.name);
    }

    @Override
    public int hashCode() {
        return Objects.hash(name);
    }
}

是否线程安全？怎么做到线程安全？

HashMap是非线程安全的，可以通过Collections.synchronizedMap(hashMap);方法将HashMap转变成线程安全，这是因为SynchronizedMap内部维护了一个互斥锁mutex，通过synchronized对HashMap的s方法做了修饰；同时我们可以考虑使用ConcurrentHashMap保证线程安全

为什么String、Integer等包装类适合作为HashMap的key？

包装类的特性能够保证hash值的不可更改性和计算准确性，能够有效减少hash碰撞；包装类都是final类型，即保证key的不可更改性，不会存在获取hash值不同的情况；
包装类内部重写了hashCode()方法和equals()方法；

如何实现HashMap的有序性

可以考虑使用LinkedHashMap或者TreeMap。以LinkedHashMap为例，LinkedHashMap的结构大体上和HashMap没什么两样，其Entry对象增加了两个属性，Entry<K,V> before, after;即增加了一个标识签后节点的before和after，形成了一个双向链表，这样，在存储数据的时候，就已经做到了有序存储

fail-fast机制

在遍历HashMap时删除元素或多线程下修改集合结构，会有一个ConcurrentModificationException报错，在前文中说到HashMap有一个modCount来记录结构修改次数，有一个expectedModCount是迭代器期望的修改次数，只有迭代器能修改这个次数，在每次迭代过程中，都会去判断modCount的值是否和expectedModCount相等，如果在迭代过程中add/remove元素，由于add/remove方法不是迭代器的方法，所以不会修改expectedModCount，这就导致了报错。这个机制适用于java.util包下的所有集合。那么，怎么做到一边遍历一遍删除呢？使用迭代器Iterator.remove方法或者倒序遍历删除。对应fail-fast机制，还有fail-safe机制，用在JUC下的容器中

如何确定一个较为合适的容量

在使用HashMap时，传入一个合适的初始容量可以有效避免扩容，可以参考putAll方法中的一个公式float ft = ((float)s / loadFactor) + 1.0F，只要这个ft不超过容量最大值就返回(int)ft，否则使用最大值。例如，我们期望存储7个元素，那么7/0.75+1最终得到10，然后又因为2的幂次方，因此找大于等于10且最接近的值，就是16，因此，传入16；当然，我们也可以使用Guava中提供的Maps.newHashMapWithExpectedSize(7)方法，直接初始化期望容量的HashMap

2、ConcurrentHashMap

结构

ConcurrentHashMap底层也是由数组+链表组成，在jdk7中ConcurrentHashMap由segment数组（即将hashEntry数组分成几个小段得到的数组）+hashEntry数组构成，每个segment加一把锁（继承ReentrantLock，可重入锁，默认并发度16），互不影响；在jdk8中，与HashMap构成相同，采用Node数组+链表/红黑树组成，采用cas+synchronized，锁的是链表的头节点/红黑树的根节点，最大限度的保证并发性

put流程

计算key的hash值，开始自旋，判断是否初始化数组
定位到Node，去拿首节点f
如果f为null，f = tabAt(tab, i = (n - 1) & hash)，通过cas插入节点
如果f.hash==MOVED（-1），参与扩容
synchronized锁住f节点（头节点），判断是链表还是红黑树，插入节点
判断是否达到树化条件，树化操作

get流程&是否需要加锁

计算key的hash值，判断数组是否为空，取到对应位置节点e = tabAt(tab, (n - 1) & h)
如果是头节点直接返回
如果是红黑树，就搜索树节点返回
如果是链表，就遍历链表返回

get是不需要加锁的，这是因为Node节点的value和next指针都是通过volatile关键字修饰的，这个关键字保证了多线程下变量修改的可见性

是否允许key、value为null

答案是不允许，if (key == null || value == null) throw new NullPointerException();直接抛出空指针异常。因为concurrentHashMap是线程安全的，假设允许value为null，那么就会产生歧义（这个key存储的是null，这个key不存在），比如我A线程获取到了null，假设是没有这个key，那么contains(key)应该返回false，但是在A线程判断key是否存在时，B线程插入了key-null，那么A线程contains(key)返回的就是true了，线程不安全。因此，为了避免歧义，value不允许为null

3、HashTable

结构

HashTable底层是由Entry数组构成的，每个Entry对象中都有next属性指向下一个对象，因此形成了一个链表，即数组+链表

初始化&扩容

默认初始化容量为11，默认的负载因子为0.75f，如果传入容量为0，则设置为1。扩容后的新容量=旧容量*2+1newCapacity = (oldCapacity << 1) + 1，前提是计算出来的新容量不超过MAX_ARRAY_SIZE（最大数组容量，Integer.MAX_VALUE - 8）

get流程

计算key的hash值
根据hash值和数组长度计算key的数组下标
根据数组下标获取头节点，遍历链表返回对应节点

put流程

判断value是否为null，为null抛出空指针异常
获取key的hash值
根据hash值和数组长度计算下标
获取下标位置节点，逐个遍历
如果有相同key，覆盖值
否则添加节点

线程安全&是否允许key-value为null

HashTable是线程安全的，它的操作方法，例如put、get、containsKey、remove等都是添加了synchronized关键字修饰；key和value都不允许为null，这里的原因和上面ConcurrentHashMap同理

HashTable和HashMap的区别

HashMap线程不安全；HashTable线程安全
HashMap允许key和value为null；HashTable不允许
HashMap默认初始容量16，扩容后容量为之前的2倍；HashTable默认初始容量为11，扩容后容量为之前的2倍+1
HashMap在jdk8结构调整为数组+链表/红黑树；HashTable结构为数组+链表
HashMap效率比HashTable高，若要保证线程安全，考虑使用ConcurrentHashMap而非HashTable，HashTable是jdk1.0提出，HashMap是jdk1.2提出，因此，日常开发不要使用HashTable，基本被抛弃

二、Collection接口

1、ArrayList

结构

ArrayList底层是一个Object类型的数组，这也就导致了ArrayList增删慢，查询快的特性，默认数组长度为10，支持传入初始化容量，若传入值为0，则返回ArrayList内部定义的空数组Object[] EMPTY_ELEMENTDATA，如果不传入数组容量，实际上也是初始化一个空数组Object[] DEFAULTCAPACITY_EMPTY_ELEMENTDATA，在第一次添加元素的时候进行容量的计算和初始化，先判断是否是DEFAULTCAPACITY_EMPTY_ELEMENTDATA数组，如果是，初始化默认容量和传入最小容量（数组长度+1）的最大值

if (elementData == DEFAULTCAPACITY_EMPTY_ELEMENTDATA) {
            return Math.max(DEFAULT_CAPACITY, minCapacity);
        }

可以添加null元素，可以重复

扩容

ArrayList的扩容相对来说较为容易，首先计算新容量oldCapacity + (oldCapacity >> 1)
新容量 = 旧容量+旧容量的一半（旧容量右移一位），即新容量=1.5*旧容量
判断新容量是否小于最小容量（即扩容时传入的容量），如果小于，则保持当前容量
判断新容量是否大于最大容量（MAX_ARRAY_SIZE，值为Integer.MAX_VALUE - 8），如果大于，判断当前容量>最大容量（MAX_ARRAY_SIZE）？Integer.MAX_VALUE：MAX_ARRAY_SIZE
确定新容量后，通过Arrays.copyOf将旧数据复制到新数组

线程安全

ArrayList是非线程安全的，例如两个线程向同一个ArrayList添加元素，那么ArrayList可能最终处于不一致的状态，两个线程添加的元素之一可能无法添加到列表中。如果想要保证线程安全，那么考虑使用CopyOnWriteArrayList，在jdk1.0中还有vector，也实现了动态数组，使用了大量的synchronized保证线程安全，但是效率极低，目前很少使用，当然也可以使用Collections.synchronizedList方法处理，它也是通过synchronized关键字保证线程安全

补充：Vector
vector是线程安全的，操作方法通过synchronized关键字修饰，因此效率极低；vector默认初始容量是10，默认扩容为原来的2倍；vector底层也是Object类型的数组

2、CopyOnWriteArrayList

为什么线程安全

首先，CopyOnWriteArrayList和ArrayList在结构上没有太大的区别，我们注意到源码中有一个可重入锁的定义final transient ReentrantLock lock = new ReentrantLock();，而且数组是通过volatile关键字修饰的，保证了可见性，copyOnWrite翻译过来是写时复制，也就是说在操作写数据（增删改）操作时，是先通过重入锁加锁，然后复制一个新数组，对新数组进行操作，最后指向新数组。

3、LinkedList

结构

LinkedList底层是由node节点组成的双向链表，每个节点包含两部分：数据和对序列中前后节点的引用。添加元素可以为null，元素可以重复，添加时，从链表尾部添加；同时，LinkedList还实现了Deque接口，因此具有双端队列功能；非线程安全

ArrayList和LinkedList的区别

• 底层结构：ArrayList底层是Object类型的数组；LinkedList底层是Node节点组成的双向链表
• 增删元素：ArrayList受元素位置影响，默认是增加元素到数组尾部，时间复杂度O(1)，如果固定位置，那就是O(n-i)，需要移动其他元素；LinkedList删除元素的时间复杂度是O(1)，只需要断开该元素的连接即可，增加元素默认到链表尾部，如果指定位置那时间复杂度接近O(n)
• 快速随机访问：ArrayList由于底层是数组，通过数组下标可以实现快速访问；LinkedList不能快速随机访问

4、HashSet&LinkedHashSet

结构

HashSet底层定义了一个HashMap，它的无参构造器就是实现一个HashMap，代码如下public HashSet() {map = new HashMap<>()}，因此，HashSet基本上就是靠HashMap的结构和接口实现的，存储的是HashMap中的key，不允许重复，可以为null，无序；HashSet的有参构造可以有三个参数，除了初始容量和加载因子这两个HashMap中的参数外，还有一个布尔类型的dummy参数，通过它来控制实现的map是HashMap还是LinkedHashMap，同理，LinkedHashSet底层就是实现的LinkedHashMap

为什么数据不重复

HashSet 内部使用 HashMap 存储元素，对应的键值对的键为 Set 的存储元素，值为一个默认的 Object 对象PRESENT，通过比较key的hash值和value来确定是否是同一个元素，也就是hashCode方法和equals方法

补充，hashCode和equals的关系：
两个对象相等，那么hashCode一定相等，equals方法返回true
两个对象的hashCode相等，这两个对象也不一定相等
如果重写了equals方法，那么一定要重写hashCode方法