Java 全栈知识体系（2021 PDF 版本）

全栈知识体系总览

Java入门与进阶

面向对象与Java基础

 

基础知识点复习完了以后，我们需要深入的理解Java中的一些基础机制：

Java进阶 - 集合框架

A. Java进阶 - Java 集合框：Java 集合框架应用是极其广泛的，对于其总体框架用法及源码都必要深刻理解。

• Collection 类关系图

B. Java进阶 - Java 集合框之 Collection源码解读：对核心的Collection类进行源码解读。

C. Java进阶 - Java 集合框之 Map & Set 源码解读：对核心的Map & Set 类进行源码解读。

Java进阶 - 并发框架

A. Java进阶 - Java 并发之基础：首先全局的了解并发的知识体系，同时了解并发理论基础和线程基础，并发关键字等，这些是你理解Java并发框架的基础。

​​​​​​​

B. Java进阶 - Java 并发之J.U.C框架：然后需要对J.U.C框架五大类详细解读，包括：Lock框架，并发集合, 原子类, 线程池和工具类。​​​​​​​

B.1 Java进阶 - Java 并发之J.U.C框架【1/5】：CAS及原子类：从最核心的CAS, Unsafe和原子类开始分析。​​​​​​​

B.2 Java进阶 - Java 并发之J.U.C框架【2/5】：锁：然后分析JUC中锁。​​​​​​​

B.3 Java进阶 - Java 并发之J.U.C框架【3/5】：集合：再理解JUC中重要的支持并发的集合。​​​​​​​

B.4 Java进阶 - Java 并发之J.U.C框架【4/5】：线程池：再者分析JUC中非常常用的线程池等。​​​​​​​

B.5 Java进阶 - Java 并发之J.U.C框架【5/5】：工具类：最后来看下JUC中有哪些工具类，以及线程隔离术ThreadLocal。​​​​​​​

C. Java进阶 - Java 并发之 本质与模式：最后站在更高的角度看其本质(协作，分工和互斥)，同时总结上述知识点所使用的模式。

Java进阶 - IO框架

A. Java进阶 - IO框架之知识体系：首先了解下Java IO框架包含什么，同时推荐下如何学习IO框架。

​​​​​​​

B. Java进阶 - IO框架之基础IO：其次对Java基础IO框架进行梳理，包括其分类，使用和源码详解。​​​​​​

C. Java进阶 - IO框架之NIO/AIO等：然后再对Unix IO模型学习，引入到Java BIO/NIO/AIO相关知识详解。

​​​​​​​

D. Java进阶 - IO框架之开源框架：最后再对常用的开源框架进行分析和详解。

Java进阶 - JVM相关

学习思路

A. Java进阶 - JVM相关 知识体系：首先按照上述学习思路，理解总体知识点在全局上与知识体系之间的对应关系。

• JVM 相关知识体系

B. Java进阶 - JVM相关 类加载：然后理解类字节码和类的加载机制。

C. Java进阶 - JVM相关 内存结构：因为类字节码是加载到JVM内存结构中的，所以紧接着理解JVM内存结构。

D. Java进阶 - JVM相关 JMM：然后通过理解JVM与硬件之间的联系，理解Java 通过其内存模型保证数据线程安全等，这是JVM在并发上底层的支持。

E. Java进阶 - JVM相关 GC：再者理解下Java GC机制，如何回收内存等。

F. Java进阶 - JVM相关 排错调优：最后围绕着调试和排错，分析理解JVM调优参数，动态字节码技术及动态在线调试的原理；学会使用常用的调工具和在线动态调试工具等。

G. Java进阶 - JVM 企业面试题精选：重点介绍一些企业常见的面试及答案解析

• Java 虚拟机(JVM)面试题（2021最新版）

更多关于Java技术栈的技术文章、技术资源（文档、视频）、以及各咱企业面试题，可以关注民工哥技术之路公众号，回复关键字 1024 获取全部分享的技术资源。

数据结构与算法

数据结构基础

学习思路

避免孤立的学习知识点，要关联学习。比如实际应用当中，我们经常使用的是查找和排序操作，这在我们的各种管理系统、数据库系统、操作系统等当中，十分常用，我们通过这个线索将知识点串联起来：

数组的下标寻址十分迅速，但计算机的内存是有限的，故数组的长度也是有限的，实际应用当中的数据往往十分庞大；而且无序数组的查找最坏情况需要遍历整个数组；后来人们提出了二分查找，二分查找要求数组的构造一定有序，二分法查找解决了普通数组查找复杂度过高的问题。任和一种数组无法解决的问题就是插入、删除操作比较复杂，因此，在一个增删查改比较频繁的数据结构中，数组不会被优先考虑

普通链表由于它的结构特点被证明根本不适合进行查找

哈希表是数组和链表的折中，同时它的设计依赖散列函数的设计，数组不能无限长、链表也不适合查找，所以也适合大规模的查找

二叉查找树因为可能退化成链表，同样不适合进行查找

AVL树是为了解决可能退化成链表问题，但是AVL树的旋转过程非常麻烦，因此插入和删除很慢，也就是构建AVL树比较麻烦

红黑树是平衡二叉树和AVL树的折中，因此是比较合适的。集合类中的Map、关联数组具有较高的查询效率，它们的底层实现就是红黑树。

多路查找树 是大规模数据存储中，实现索引查询这样一个实际背景下，树节点存储的元素数量是有限的(如果元素数量非常多的话，查找就退化成节点内部的线性查找了)，这样导致二叉查找树结构由于树的深度过大而造成磁盘I/O读写过于频繁，进而导致查询效率低下。

B树与自平衡二叉查找树不同，B树适用于读写相对大的数据块的存储系统，例如磁盘。它的应用是文件系统及部分非关系型数据库索引。

B+树在B树基础上，为叶子结点增加链表指针(B树+叶子有序链表)，所有关键字都在叶子结点 中出现，非叶子结点作为叶子结点的索引；B+树总是到叶子结点才命中。通常用于关系型数据库(如Mysql)和操作系统的文件系统中。

B*树是B+树的变体，在B+树的非根和非叶子结点再增加指向兄弟的指针, 在B+树基础上，为非叶子结点也增加链表指针，将结点的最低利用率从1/2提高到2/3。

R树是用来做空间数据存储的树状数据结构。例如给地理位置，矩形和多边形这类多维数据建立索引。

Trie树是自然语言处理中最常用的数据结构，很多字符串处理任务都会用到。Trie树本身是一种有限状态自动机，还有很多变体。什么模式匹配、正则