腾讯、阿里、华为面试必问，2024最新Android框架体系架构面试题

最新推荐文章于 2024-09-30 23:25:08 发布

rBo1koI8criHQ

最新推荐文章于 2024-09-30 23:25:08 发布

阅读量954

点赞数 17

分类专栏： 2024年程序员学习文章标签：华为面试 android

本文链接：https://blog.csdn.net/rBo1koI8criHQ/article/details/136948186

版权

2024年程序员学习专栏收录该内容

243 篇文章 1 订阅

订阅专栏

所以 add(E) 方法是根据 ReentrantLock + 数组copy + update Object[] 内存地址 + volatile 来保证其数据安全性的。

面试官:

你刚刚说 add(E) 函数中是通过 ReentrantLock + 数组copy 等其它手段来实现的线程安全，那既然有了互斥锁保证了线程安全，为什么还要 copy 数组呢？

程序员:

的确，对 add(E) 进行加锁后，能够保证同一时刻，只有一个线程能对数组进行 add(E)，在同单核 CPU 下的多线程环境下肯定没有问题，但我们现在的机器都是多核 CPU，如果我们不通过复制拷贝新建数组，修改原数组容器的内存地址的话，是无法触发 volatile 可见性效果的，那么其他 CPU 下的线程就无法感知数组原来已经被修改了，就会引发多核 CPU 下的线程安全问题。

假设我们不复制拷贝，而是在原来数组上直接修改值，数组的内存地址就不会变，而数组被 volatile 修饰时，必须当数组的内存地址变更时，才能及时的通知到其他线程，内存地址不变，仅仅是数组元素值发生变化时，是无法把数组元素值发生变动的事实，通知到其它线程的。

面试官:

嗯，看来你对这些机制都了解的挺清楚的，那你在说说 remove 是怎么保证的线程安全吧？

2、remove 是怎么保证线程安全的？

其实 remove 保证线程安全机制跟 add 思路都差不多，都是先加锁 +不同策略的数组拷贝最后是释放锁。

面试官:

add , remove 方法内部都实现了 copy ,在性能上你有什么优化建议吗？

程序员:

尽量使用 addAll、removeAll 方法，而不要在循环里面使用 add、remove 方法，主要是因为 for 循环里面使用 add 、remove 的方式，在每次操作时，都会进行一次数组的拷贝(甚至多次)，非常耗性能，而 addAll、removeAll 方法底层做了优化，整个操作只会进行一次数组拷贝，由此可见，当批量操作的数据越多时，批量方法的高性能体现的越明显。

Map

1、说一下你对 HashMap 的了解

程序员:

HashMap 底层是数组 + 单链表 + 红黑树组成的存储数据结构，简单来说当链表长度大于等于 8 并且数组长度大于 64 那么就会由链表转为红黑树，当红黑树的大小容量 <= 6 时又转换为链表的一个底层结构。非线程安全的。

可以用一张图来解释 HashMap 底层结构，如下所示:

图解:

最左边 table 是 HashMap 的数组结构，允许 Node 的 value 值为 NULL
数组的扩容机制第一次默认扩容大小为 16 size, 扩容阀值为 threshold = size * loadFactor -> 12 = 16 * 0.75 ，只要 ++size > threshold 就按照 newCap = oldCap << 1 机制来扩容。
数组的下标有可能是一个链表、红黑树，也有可能只是一个 Node,只有当数组长度 > 64,链表长度 >= 8 才会将数组中的 Node 节点转为 TreeNode 节点。也只有当红黑树的大小 <= 6 时，才转为单链表结构。

程序员:

HashMap 底层的基本实现实现基本就是这样。

面试官:

嗯，那你描述一下 put(K key, V value) 这个 API 的存储过程。

程序员:

好的，我先描述一下基本流程，最后我画一张流程图来总结一下
根据 key 通过该公式 (h = key.hashCode()) ^ (h >>> 16) 计算 hash 值
判断 HashMap table 数组是否已经初始化，如果没有初始化，那么就按照默认 16 的大小进行初始化，扩容阀值也将按照 size * 0.75 来定义
通过该公式 (n - 1) & hash 拿到存入 table 的 index 索引，判断当前索引下是否有值，如果没有值就进行直接赋值 tab[index] , 如果有值，那么就会发生 hash 碰撞 💥 ，也就是俗称 hash冲突 , 在 JDK中的解决是的办法有 2 个，其一是链表，其二是红黑树。
当发送 hash 冲突首先判断数组中已存入的 key 是否与当前存入的 key 相同，并且内存地址也一样，那么就直接默认直接覆盖 values
如果 key 不相等，那么先拿到 tab[index] 中的 Node是否是红黑树，如果是红黑树，那么就加入红黑树的节点；如果 Node 节点不是红黑树，那么就直接放入 node 的 next 下，形成单链表结构。
如果链表结构的长度 >= 8 就转为红黑树的结构。
最后检查扩容机制。

整个 put 流程就是这样，可以用一个流程图来进行总结,如下所示:

面试官:

嗯，理解的很透彻，刚刚你说解决 hash 冲突有 2 种办法，那你描述一下红黑树是怎么实现新增的?

程序员:

好的，基本流程有如下几步:

1、首先判断新增的节点在红黑树上是不是已经存在，判断手段有如下两种：

1.1、如果节点没有实现 Comparable 接口，使用 equals 进行判断；

1.2、如果节点自己实现了 Comparable 接口，使用 compareTo 进行判断。

2、新增的节点如果已经在红黑树上，直接返回；不在的话，判断新增节点是在当前节点的左边还是右边，左边值小，右边值大；

3、自旋递归 1 和 2 步，直到当前节点的左边或者右边的节点为空时，停止自旋，当前节点即为我们新增节点的父节点；

4、把新增节点放到当前节点的左边或右边为空的地方，并于当前节点建立父子节点关系；

5、进行着色和旋转，结束。

面试官:

你知道链表转红黑树定义的长度为什么是 8 吗？

程序员:

这个答案，我通过 HashMap 类中的注释有留意过，它大概描述的意思是链表查询的时间复杂度是 O (n)，红黑树的查询复杂度是 O (log (n))。在链表数据不多的时候，使用链表进行遍历也比较快，只有当链表数据比较多的时候，才会转化成红黑树，但红黑树需要的占用空间是链表的 2 倍，考虑到转化时间和空间损耗，所以我们需要定义出转化的边界值。

在考虑设计 8 这个值的时候，我们参考了泊松分布概率函数，由泊松分布中得出结论，链表各个长度的命中概率为：

0: 0.60653066
1: 0.30326533
2: 0.07581633
3: 0.01263606
4: 0.00157952
5: 0.00015795
6: 0.00001316
7: 0.00000094
8: 0.00000006

意思是，当链表的长度是 8 的时候，出现的概率是 0.00000006，不到千万分之一，所以说正常情况下，链表的长度不可能到达 8 ，而一旦到达 8 时，肯定是 hash 算法出了问题，所以在这种情况下，为了让 HashMap 仍然有较高的查询性能，所以让链表转化成红黑树，我们正常写代码，使用 HashMap 时，几乎不会碰到链表转化成红黑树的情况，毕竟概念只有千万分之一。

面试官:

嗯，那你在说说数组为什么每次都是以 2的幂次方扩容?

程序员:

好的。如下是我的理解。

HashMap 为了存取高效，要尽量减少碰撞，就是要尽量把数据分配均匀。

比如:

2 的 n 次方实际就是 1 后面 n 个 0，2 的 n 次方 -1，实际就是 n 个 1。

那么长度为 8 时候，3 & (8-1) = 3 ，2 & (8-1) = 2 ，不同位置上，不碰撞。

而长度为 5 的时候，3 & (5-1)= 0 , 2 & (5-1) = 0，都在 0 上，出现碰撞了。

//3 & 4
011
100
000

//2 & 4
010
100
000

所以，保证容积是 2 的 n 次方，是为了保证在做 (size-1) 的时候，每一位都能 & 1 ，也就是和 1111……1111111进行与运算。

面试官:

在考你一道扩容机制的题目，现在后台的图片数据有 1000 条, 当我请求下来也处理完了，现在我想要缓存到 Map 中，如果我直接调用 new HashMap(1000) 构造方法，内部还会扩容吗?

程序员:

你可以这样回答，其实如果直接给定 1000 的初始化容量，那么我们需要根据源码中的计算来分析，有如下几个步骤:

1、首先会在构造函数中调用 1024 = tableSizeFor(1000); 该 API 来计算扩容阀值。

你可不要认为，这里就是真正的扩容大小，它在扩容的时候还会有一个计算公式。

2、计算真正的扩容阀值。

那么根据第一次 put 数据的时候，判断 table 是否为空，如果为空那么就需要扩容。

final Node<K,V>[] resize() {
Node<K,V>[] oldTab = table; //第一次进来为 null 那么就是 0 长度
int oldCap = (oldTab == null) ? 0 : oldTab.length;
int oldThr = threshold; //这里其实就是 1024
int newCap, newThr = 0;
if (oldCap > 0) {
…//省略代码
} else if (oldThr > 0)
newCap = oldThr;// newCap = 1024
if (newThr == 0) {
float ft = (float)newCap * loadFactor;//1024 * 0.75 = 768.0
newThr = (newCap < MAXIMUM_CAPACITY && ft < (float)MAXIMUM_CAPACITY ?
(int)ft : Integer.MAX_VALUE); //768
}
//更新扩容的阀值
threshold = newThr;
//实例化一个数组
@SuppressWarnings({“rawtypes”,“unchecked”})
Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap];
//正在扩容 newTab 的大小
table = newTab;
…//省略代码
}
return newTab;
}

可以看到其实真正的扩容阀门是 768。

3、判断扩容机制

那么只要添加到 768 的时候，就会发生扩容，如下代码所示:

if (++size > threshold)//769 > 768 需要扩容
resize();

所以当我们给定 1000 为初始化扩容容量的时候，是需要扩容的。因为底层并不会真正以 1024 来进行设置阀门，它还要乘以一个加载因子。这个时候其实我们可以有办法不让它扩容，那就是调用 new HashMap(1000,1f) 那么就不会扩容了。

这里你不仅给出了实际答案，还提供了解决办法。面试官对你的回答肯定是满意的。

2、说一下你对 ArrayMap 的了解

程序员:

ArrayMap 底层通过两个数组来建立映射关系，其中 int[] mHashes 按大小顺序保存 Key 对象 hashCode 值，Object[] mArray 按 mHashes 的顺序用相邻位置保存 Key 对象和 Value 对象。mArray 长度是 mHashes 长度的 2 倍。

存储数据是根据 key 的 hashcode() 方法得到 hash 值，计算出在 mArrays 的 index 值，然后利用二分查找找到对应的位置进行插入，当出现哈希冲突时，会在 inde 的相邻位置插入。

取数据是根据 key 的 hashcode() 方法得到 hash 值，然后通过 hash 值根据二分查找拿到 mHashes 的 index 索引，最后在根据 index + 1 索引拿到 mArrays 对应的 values 值。

3、你在工作中对 HashMap 和 ArrayMap 还有 SparseArray 是怎么选型的 ?

程序员:

好的，我总结了一套性能对比，每次需求我都是参考如下的总结。

4、有用过 LinkedHashMap 吗？底层怎么维护插入顺序的,又是怎么维护删除最少访问元素的 ?

ps: 由于内部存储机制都是散开的，如果按照散开的来连接，那图上连接线估计很乱，所以为了上图能够稍微好点一点，我就按照我自己的思路来绘制的，当然，内部结构还是不会变的。

程序员:

有用过，之前看 LruCache 底层也是基于 LinkedHashMap 实现的。那我还是按照我的思路来回答吧。

通过翻阅源码得知它是继承于 HashMap ，那么间接的它也拥有了 HashMap 的所有特性，而且在此基础上，还提供了两大特性，一个是增加了插入顺序和实现了最近最少访问的删除策略。

先来看下是怎么实现顺序插入:

LinkedHashMap 外部结构是一个双向链表结构，内部是一个 HashMap 结构，它就是相当于 HashMap + LinkedHashMap 的结合体。

其实 LinkedHashMap 的源码实现很简单，它就是重写了 HashMap##put 方法执行中调用的 newNode/newTreeNode 方法。然后在该函数内部中实现了链表的双向连接。如下图所示:

总结来说，LinkedHashMap 把新增的节点都使用双向链表连接起来,从而实现了插入顺序。然后核心的数据结构还是交于 HashMap 来处理维护的。

在来看下是怎么实现的访问最少删除功能:

其实访问最少删除功能的这种策略也叫做 LRU 算法，底层原理就是把经常使用的元素会被追加到当前链表的尾结点，而不经常使用的就自然都靠在链表的头节点，然后我们就可以设置删除策略，比如给当前 Map 设置一个策略大小，那么当存入的数据大于设置的大小时，就会从头节点开始删除。

在源码当中，将经常使用的节点数据追加到链表的操作是在 get API 中，如下所示:

public V get(Object key) {
Node<K,V> e;
// 调用 HashMap getNode 方法
if ((e = getNode(hash(key), key)) == null)
return null;
// 如果设置了 LRU 策略
if (accessOrder)
// 这个方式把当前 key 移动到尾节点
afterNodeAccess(e);
return e.value;
}

当存入数据的时候 LinkedHashMap 重写的 HashMap#putVal 方法中的 afterNodeInsertion API 。

//HashMap
final V putVal(int hash, K key, V value, boolean onlyIfAbsent, boolean evict) {
…//删除其余代码

// 删除不经常使用的元素
afterNodeInsertion(evict);
}

//LinkedHashMap
// 删除不经常使用的元素
void afterNodeInsertion(boolean evict) { // possibly remove eldest
// 得到元素头节点
Entry<K,V> first;
// removeEldestEntry 来控制删除策略,removeEldestEntry 外部控制是否删除
if (evict && (first = head) != null && removeEldestEntry(first)) {
//拿到头节点的 key,删除头，因为最近使用的在 get 的时候都会移动到尾结点
K key = first.key;
// removeNode 删除节点
removeNode(hash(key), key, null, false, true);
}
}

总结来说，LinkedHashMap 的操作都是基于 HashMap 暴露的 API , 实现了顺序存储和最近最少删除策略。

说了这些原理之后，一般来说面试官不会再问其它的。因为核心功能我们都已经回答完了。

5、你知道 TreeMap 的内部是怎么排序的吗？

程序员:

嗯，知道。这个 API 我使用的比较少，之前只是看过它的源码，知道它的底层还是红黑树结构，跟 HashMap 的红黑树是一样的。然后 TreeMap 是利用了红黑树左大右小的性质，根据 key 来进行排序的。

面试官:

嗯，那你具体来说一下底层是怎么根据 key 排序的？

程序员:

在程序中，如果我们想给一个 List 排序的话，其一是实现 Comparable##compareTo 接口抽象方法，其二是利用外部排序器 Comparator 进行排序, 而 TreeMap 利用的也是此原理，从而实现了对 key 的排序。

我就直接说一下 put(K key, V value) API 怎么实现的排序吧。

1、判断红黑树的节点是否为空，为空的话，新增的节点直接作为根节点，代码如下：

Entry<K,V> t = root;
//红黑树根节点为空，直接新建
if (t == null) {
// compare 方法限制了 key 不能为 null
compare(key, key); // type (and possibly null) check
// 成为根节点
root = new Entry<>(key, value, null);
size = 1;
modCount++;
return null;
}

2、根据红黑树左小右大的特性，进行判断，找到应该新增节点的父节点，代码如下：

Comparator<? super K> cpr = comparator;
if (cpr != null) {
//自旋找到 key 应该新增的位置，就是应该挂载那个节点的头上
do {
//一次循环结束时，parent 就是上次比过的对象
parent = t;
// 通过 compare 来比较 key 的大小
cmp = cpr.compare(key, t.key);
//key 小于 t，把 t 左边的值赋予 t，因为红黑树左边的值比较小，循环再比
if (cmp < 0)
t = t.left;
//key 大于 t，把 t 右边的值赋予 t，因为红黑树右边的值比较大，循环再比
else if (cmp > 0)
t = t.right;
//如果相等的话，直接覆盖原值
else
return t.setValue(value);
// t 为空，说明已经到叶子节点了
} while (t != null);
}

3、在父节点的左边或右边插入新增节点，代码如下：

//cmp 代表最后一次对比的大小，小于 0 ，代表 e 在上一节点的左边
if (cmp < 0)
parent.left = e;
//cmp 代表最后一次对比的大小，大于 0 ，代表 e 在上一节点的右边，相等的情况第二步已经处理了。
else
parent.right = e;

4、着色旋转，达到平衡，结束。

可以看到 TreeMap 排序是根据如果外部有传进来 Comparator 比较器，那么就用 Comparator 来进行对 key 比较，如果外部没有就用 Key 自己实现 Comparable 的 compareTo 方法。

6、ConcurrentHashMap 通过哪些手段保证了线程安全？

程序员:

它的主要结构跟 HashMap 一样底层都是基于数组 + 单链表 + 红黑树构成。

保证线程安全主要有一下几点:

1、储存 Map 数据的数组被 volatile 关键字修饰，一旦被修改，立马就能通知其他线程，因为是数组，所以需要改变其内存值，才能真正的发挥出 volatile 的可见特性；

//第一次插入时才会初始化,java7是在构造器时就初始化了
//容量大小都是2的幂次方，通过iterators进行迭代
transient volatile Node<K,V>[] table;

//扩容后的数组
private transient volatile Node<K,V>[] nextTable;

2、put 时，如果数组还未初始化，那么使用 Thread##yield 和 sun.misc.Unsafe##compareAndSwapInt 保证了只有一个线程初始化数组。

3、put 时，如果计算出来的数组下标索引没有值的话，采用无限 for 循环 + CAS 算法，来保证一定可以新增成功，又不会覆盖其他线程 put 进去的值；

//如果当前索引位置没有值，直接创建
if ((f = tabAt(tab, i = (n - 1) & hash)) == null) {
//cas 在 i 位置创建新的元素，当i位置是空时，创建成功结束for自循，否则继续自旋
if (casTabAt(tab, i, null,new Node<K,V>(hash, key, value, null)))break;
}

/**

CAS
@param tab 要修改的对象
@param i 对象中的偏移量
@param c 期望值
@param v 更新值
@return true | false
*/
static final <K,V> boolean casTabAt(Node<K,V>[] tab, int i,
Node<K,V> c, Node<K,V> v) {
return U.compareAndSwapObject(tab, ((long)i << ASHIFT) + ABASE, c, v);
}

4、如果 put 的节点正好在扩容，会等待扩容完成之后，再进行 put ，保证了在扩容时，老数组的值不会发生变化；

//如果当前的hash是转发节点的hash，表示该槽点正在扩容，就会一直等待扩容完成
if ((fh = f.hash) == MOVED)
tab = helpTransfer(tab, f);

5、对数组的槽点进行操作时，会先锁住槽点，保证只有当前线程才能对槽点上的链表或红黑树进行操作；

6、红黑树旋转时，会锁住根节点，保证旋转时的线程安全。

外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传

面试官:

刚刚看你说了到了 CAS 算法，那你描述一下 CAS 算法在 ConcurrentHashMap 中的应用？

程序员:

CAS 其实是一种乐观锁，一般有三个值，分别为：赋值对象，原值，新值，在执行的时候，会先判断内存中的值是否和原值相等，相等的话把新值赋值给对象，否则赋值失败，整个过程都是原子性操作，没有线程安全问题。

ConcurrentHashMap 的 put 方法中，有使用到 CAS ，是结合无限 for 循环一起使用的，步骤如下：

计算出数组索引下标，拿出下标对应的原值；
CAS 覆盖当前下标的值，赋值时，如果发现内存值和 1 拿出来的原值相等，执行赋值，退出循环，否则不赋值，转到 3；
进行下一次 for 循环，重复执行 1，2，直到成功为止。

可以看到这样做的好处，第一是不会盲目的覆盖原值，第二是一定可以赋值成功。

面试官:

嗯，还不错，那你再说下与 HashMap 的相同点和不同点

程序员:

相同点：

都实现了 Map 接口，继承了 AbstractMap 抽象类，所以两者的方法大多都是相似的，可以互相切换。
底层都是基于数组 + 单链表 + 红黑树实现。

不同点：

ConcurrentHashMap 是线程安全的，在多线程环境下，无需加锁，可直接使用；
数据结构上，ConcurrentHashMap 多了转移节点，主要用于保证扩容时的线程安全。

Queue

1、说一说你对队列的理解，队列和集合的区别 ?

程序员:

好的，那我先说一下对队列的理解，然后在说下区别；

对队列的理解：

首先队列本身也是个容器，底层也会有不同的数据结构，比如 LinkedBlockingQueue 是底层是链表结构，所以可以维持先入先出的顺序，比如 DelayQueue 底层可以是队列或堆栈，所以可以保证先入先出，或者先入后出的顺序等等，底层的数据结构不同，也造成了操作实现不同；
部分队列（比如 LinkedBlockingQueue ）提供了暂时存储的功能，我们可以往队列里面放数据，同时也可以从队列里面拿数据，两者可以同时进行；
队列把生产数据的一方和消费数据的一方进行解耦，生产者只管生产，消费者只管消费，两者之间没有必然联系，队列就像生产者和消费者之间的数据通道一样，如 LinkedBlockingQueue；
队列还可以对消费者和生产者进行管理，比如队列满了，有生产者还在不停投递数据时，队列可以使生产者阻塞住，让其不再能投递，比如队列空时，有消费者过来拿数据时，队列可以让消费者 hodler 住，等有数据时，唤醒消费者，让消费者拿数据返回，如 ArrayBlockingQueue；
队列还提供阻塞的功能，比如我们从队列拿数据，但队列中没有数据时，线程会一直阻塞到队列有数据可拿时才返回。

区别:

1、和集合的相同点，队列（部分例外）和集合都提供了数据存储的功能，底层的储存数据结构是有些相似的，比如说 LinkedBlockingQueue 和 LinkedHashMap 底层都使用的是链表，ArrayBlockingQueue 和 ArrayList 底层使用的都是数组。

2、和集合的区别：

部分队列和部分集合底层的存储结构很相似的，但两者为了完成不同的事情，提供的 API 和其底层的操作实现是不同的。
队列提供了阻塞的功能，能对消费者和生产者进行简单的管理，队列空时，会阻塞消费者，有其他线程进行 put 操作后，会唤醒阻塞的消费者，让消费者拿数据进行消费，队列满时亦然。
解耦了生产者和消费者，队列就像是生产者和消费者之间的管道一样，生产者只管往里面丢，消费者只管不断消费，两者之间互不关心。