阶段十：总结专题（第一章：基础篇）

已于 2023-07-11 17:16:36 修改
阅读量220 收藏
点赞数
分类专栏： 总结专题 文章标签： 算法 数据结构 java
于 2023-02-28 11:55:27 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_52223770/article/details/128712348
版权

阶段十：总结专题（第一章：基础篇）

在这里插入图片描述
在这里插入图片描述

第一章：基础篇

基础篇要点：算法、数据结构、基础设计模式
在这里插入图片描述

1. 二分查找

要求

  • 能够用自己语言描述二分查找算法
  • 掌握手写二分查找的代码及细节
  • 快速解答二分查找的选择题
  • 能够解答一些变化后的考法

算法描述

  1. 前提：有已排序数组 A（假设已经做好）

  2. 定义左边界 L、右边界 R，确定搜索范围，循环执行二分查找（3、4两步）

  3. 获取中间索引 M = Floor((L+R) /2)（Floor代表向下取整，在js中L,R是小数）

  4. 中间索引的值 A[M] 与待搜索的值 T 进行比较

    ① A[M] == T 表示找到，返回中间索引

    ② A[M] > T，中间值右侧的其它元素都大于 T，无需比较，中间索引左边去找，M - 1 设置为右边界，重新查找

    ③ A[M] < T，中间值左侧的其它元素都小于 T，无需比较，中间索引右边去找， M + 1 设置为左边界，重新查找

  5. 当L > R 时，表示没有找到，应结束循环

更形象的描述请参考：binary_search.html

算法实现

public static int binarySearch(int[] a, int t) {
    int l = 0, r = a.length - 1, m;
    while (l <= r) {
        //m = (l + r) / 2;
        int m = (l + r) >>> 1;   //移位，向右移一位；效率高；对于正数来说右移一位等价于除二
        if (a[m] == t) {
            return m;
        } else if (a[m] > t) {
            r = m - 1;
        } else {
            l = m + 1;
        }
    }
    return -1;
}

测试代码

public static void main(String[] args) {
    int[] array = {1, 5, 8, 11, 19, 22, 31, 35, 40, 45, 48, 49, 50};
    int target = 47;
    int idx = binarySearch(array, target);
    System.out.println(idx);
}

程序返回：-1

解决整数溢出问题
当 l 和 r 都较大时，l + r 有可能超过整数范围（溢出），造成运算错误：
在这里插入图片描述

解决方法有两种：

int m = l + (r - l) / 2;

还有一种是：

int m = (l + r) >>> 1;   //移位，向右移一位；效率高；对于正数来说右移一位等价于除二

其它考法

  1. 有一个有序表为 1,5,8,11,19,22,31,35,40,45,48,49,50 当二分查找值为 48 的结点时，查找成功需要比较的次数

  2. 使用二分法在序列 1,4,6,7,15,33,39,50,64,78,75,81,89,96 中查找元素 81 时，需要经过（ ）次比较

  3. 在拥有128个元素的数组中二分查找一个数，需要比较的次数最多不超过多少次

  对于前两个题目，记得一个简要 判断口诀：奇数二分取中间，偶数二分取中间靠左（下次数数是不包括该数字）。对于后一道题目，需要知道公式：

n = l o g 2 N = l o g 10 N / l o g 10 2 n = log_2N = log_{10}N/log_{10}2 n=log2​N=log10​N/log10​2

其中 n 为查找次数，N 为元素个数

小结：

  • 奇数二分取中间，偶数二分取中间靠左（下次数数是不包括该数字）
  • n = l o g 2 N = l o g 10 N / l o g 10 2 n = log_2N = log_{10}N/log_{10}2 n=log2​N=log10​N/log10​2

其中 n 为查找次数，N 为元素个数

注意事项：

在这里插入图片描述

2. 冒泡排序（考代码）

排序的面试题：

  • 掌握常见排序算法（快排、冒泡、选择、插入等）的实现思路
  • 手写冒泡、快排的代码
  • 了解各个排序算法的特性，如时间复杂度、是否稳定

要求

  • 能够用自己语言描述冒泡排序算法
  • 能够手写冒泡排序代码
  • 了解一些冒泡排序的优化手段

算法描述

  1. 依次比较数组中相邻两个元素大小，若 a[j] > a[j+1]，则交换两个元素，两两都比较一遍称为一轮冒泡，结果是让最大的元素排至最后
  2. 重复以上步骤，直到整个数组有序

更形象的描述请参考：bubble_sort.html

算法实现

public static void bubble(int[] a) {
    for (int j = 0; j < a.length - 1; j++) {
        // 一轮冒泡
        boolean swapped = false; // 是否发生了交换
        for (int i = 0; i < a.length - 1 - j; i++) {  //(a.length - 1 - j)减少比较次数
            System.out.println("比较次数" + i);
            if (a[i] > a[i + 1]) {
                swap(a, i, i + 1); //交换
                swapped = true;   //代表发生了交换
            }
        }
        System.out.println("第" + j + "轮冒泡"
                           + Arrays.toString(a));
        if (!swapped) {  //减少冒泡次数；
            break;
        }
    }
}

交换函数：
在这里插入图片描述

  • 优化点1：每经过一轮冒泡，内层循环就可以减少一次
  • 优化点2：如果某一轮冒泡没有发生交换，则表示所有数据有序，可以结束外层循环

进一步优化

public static void bubble_v2(int[] a) {
    int n = a.length - 1;
    while (true) {
        int last = 0; // 表示最后一次交换索引位置
        for (int i = 0; i < n; i++) {
            System.out.println("比较次数" + i);
            if (a[i] > a[i + 1]) {
                swap(a, i, i + 1);
                last = i; //每轮冒泡最后一次交换的i的坐标；for循环结束后，其右侧都是排好的;
            }
        }
        n = last;
        System.out.println("第轮冒泡"
                           + Arrays.toString(a));
        if (n == 0) {
            break;
        }
    }
}
  • 每轮冒泡时，最后一次交换索引可以作为下一轮冒泡的比较次数，如果这个值为零，表示整个数组有序，直接退出外层循环即可

总结：

在这里插入图片描述

3. 选择排序（考代码）

要求

  • 能够用自己语言描述选择排序算法
  • 能够比较选择排序与冒泡排序
  • 理解非稳定排序与稳定排序

算法描述

  1. 将数组分为两个子集，排序的和未排序的，每一轮从未排序的子集中选出最小的元素，放入排序子集

  2. 重复以上步骤，直到整个数组有序

更形象的描述请参考：selection_sort.html

算法实现
左侧都是排好的（从无到有），右侧都是待排的，一直向右侧寻找最小的然后交换（放到左侧）：

public static void selection(int[] a) {
    for (int i = 0; i < a.length - 1; i++) {
        // i 代表每轮选择最小元素要交换到的目标索引
        int s = i; // 代表最小元素的索引
        for (int j = s + 1; j < a.length; j++) {
            if (a[s] > a[j]) { // j 元素比 s 元素还要小, 更新 s
                s = j;  //s代表较小值的索引，记录右侧最小值的索引
            }
        }
        if (s != i) {
            swap(a, s, i); //交换；
        }
        System.out.println(Arrays.toString(a));
    }
}
  • 优化点：为减少交换次数，每一轮可以先找最小的索引，在每轮最后再交换元素（上面是优化过的）

与冒泡排序比较

  1. 二者平均时间复杂度都是 O ( n 2 ) O(n^2) O(n2)

  2. 选择排序一般要快于冒泡，因为其交换次数少

  3. 但如果集合有序度高，冒泡优于选择

  4. 冒泡属于稳定排序算法，而选择属于不稳定排序

    • 稳定排序指，按对象中不同字段进行多次排序，不会打乱同值元素的顺序
    • 不稳定排序则反之

稳定排序与不稳定排序
（下面的代码只是为了说明问题，并不重要）

System.out.println("=================不稳定================");
Card[] cards = getStaticCards();
System.out.println(Arrays.toString(cards));
selection(cards, Comparator.comparingInt((Card a) -> a.sharpOrder).reversed());
System.out.println(Arrays.toString(cards));
selection(cards, Comparator.comparingInt((Card a) -> a.numberOrder).reversed());
System.out.println(Arrays.toString(cards));

System.out.println("=================稳定=================");
cards = getStaticCards();
System.out.println(Arrays.toString(cards));
bubble(cards, Comparator.comparingInt((Card a) -> a.sharpOrder).reversed());
System.out.println(Arrays.toString(cards));
bubble(cards, Comparator.comparingInt((Card a) -> a.numberOrder).reversed());
System.out.println(Arrays.toString(cards));

都是先按照花色排序（♠♥♣♦），再按照数字排序（AKQJ…）

  • 不稳定排序算法按数字排序时，会打乱原本同值的花色顺序

    [[♠7], [♠2], [♠4], [♠5], [♥2], [♥5]]
[[♠7], [♠5], [♥5], [♠4], [♥2], [♠2]]

    原来 ♠2 在前 ♥2 在后，按数字再排后，他俩的位置变了

  • 稳定排序算法按数字排序时，会保留原本同值的花色顺序，如下所示 ♠2 与 ♥2 的相对位置不变

    [[♠7], [♠2], [♠4], [♠5], [♥2], [♥5]]
[[♠7], [♠5], [♥5], [♠4], [♠2], [♥2]]

4. 插入排序

要求

  • 能够用自己语言描述插入排序算法
  • 能够比较插入排序与选择排序

算法描述

  1. 将数组分为两个区域，排序区域和未排序区域，每一轮从未排序区域中取出第一个元素，插入到排序区域（需保证顺序）

  2. 重复以上步骤，直到整个数组有序

  3. 没有交换的函数；

更形象的描述请参考：insertion_sort.html

算法实现
左侧都是排好的（由小到大），右侧都是待排的，每次把右侧的第一个元素放入左侧，与左侧所有元素比较一遍，是左侧永远大小有序：

// 修改了代码与希尔排序一致
public static void insert(int[] a) {
    // i 代表待插入元素的索引
    for (int i = 1; i < a.length; i++) {
        int t = a[i]; // 代表待插入的元素值
        int j = i;
        System.out.println(j);
        while (j >= 1) {
            if (t < a[j - 1]) { // j-1 是上一个元素索引，如果 > t，后移
                a[j] = a[j - 1];
                j--;
            } else { // 如果 j-1 已经 <= t, 则 j 就是插入位置
                break; //退出循环，减少比较次数；
            }
        }
        a[j] = t; //将待插入的元素插入合适的位置；
        System.out.println(Arrays.toString(a) + " " + j);
    }
}

与选择排序比较

  1. 二者平均时间复杂度都是 O ( n 2 ) O(n^2) O(n2)

  2. 大部分情况下，插入都略优于选择

  3. 有序集合插入的时间复杂度为 O ( n ) O(n) O(n)

  4. 插入属于稳定排序算法，而选择属于不稳定排序

提示

插入排序通常被同学们所轻视，其实它的地位非常重要。小数据量排序，都会优先选择插入排序

考法：
第一题选D，第二道题应该选B
在这里插入图片描述

5. 希尔排序（插入排序的改进版，只掌握思路，不要求代码）

要求

  • 能够用自己语言描述希尔排序算法

算法描述

  1. 首先选取一个间隙序列，如 (n/2，n/4 … 1)，n 为数组长度

  2. 每一轮将间隙相等（如第0,2，4,6,8个元素）的元素视为一组，对组内元素进行插入排序，目的有二

    ① 少量元素插入排序速度很快

    ② 让组内值较大的元素更快地移动到后方

  3. 当间隙逐渐减少，直至为 1 时，即可完成排序

更形象的描述请参考：shell_sort.html

算法实现

private static void shell(int[] a) {
    int n = a.length;
    for (int gap = n / 2; gap > 0; gap /= 2) { //对2取整
        // i 代表待插入元素的索引
        for (int i = gap; i < n; i++) {
            int t = a[i]; // 代表待插入的元素值
            int j = i;
            while (j >= gap) {
                // 每次与上一个间隙为 gap 的元素进行插入排序
                if (t < a[j - gap]) { // j-gap 是上一个元素索引，如果 > t，后移
                    a[j] = a[j - gap];
                    j -= gap;
                } else { // 如果 j-1 已经 <= t, 则 j 就是插入位置
                    break;
                }
            }
            a[j] = t;
            System.out.println(Arrays.toString(a) + " gap:" + gap);
        }
    }
}

参考资料

6. 快速排序

要求

  • 能够用自己语言描述快速排序算法
  • 掌握手写单边循环、双边循环代码之一
  • 能够说明快排特点
  • 了解洛穆托与霍尔两种分区方案的性能比较

算法描述

  1. 每一轮排序选择一个基准点（pivot）进行分区
    1. 让小于基准点的元素的进入一个分区，大于基准点的元素的进入另一个分区
    2. 当分区完成时，基准点元素的位置就是其最终位置
  2. 在子分区内重复以上过程，直至子分区元素个数少于等于 1，这体现的是分而治之的思想 （divide-and-conquer）
  3. 从以上描述可以看出，一个关键在于分区算法，常见的有洛穆托分区方案、双边循环分区方案、霍尔分区方案

更形象的描述请参考：quick_sort.html

单边循环快排（lomuto 洛穆托分区方案）

  1. 选择最右元素作为基准点元素

  2. j 指针负责找到比基准点小的元素，一旦找到则与 i 进行交换

  3. i 指针维护小于基准点元素的边界，也是每次交换的目标索引

  4. 最后基准点与 i 交换，i 即为分区位置

下面代码中a代表数组，l代表左边界，h代表右边界；

public static void quick(int[] a, int l, int h) {      //递归
    if (l >= h) {
        return;
    }
    int p = partition(a, l, h); // p 基准点的正确索引值；
    quick(a, l, p - 1); // 左边分区的范围确定
    quick(a, p + 1, h); // 左边分区的范围确定
}

private static int partition(int[] a, int l, int h) {   //实现分区
    int pv = a[h]; // 基准点元素
    int i = l;      //i 指针维护小于基准点元素的边界，也是每次交换的目标索引；
    for (int j = l; j < h; j++) { //j 指针负责找到比基准点小的元素，一旦找到则与 i 进行交换
        if (a[j] < pv) {
            if (i != j) {
                swap(a, i, j);
            }
            i++;
        }
    }
    if (i != h) {  
        swap(a, h, i); //基准点与 i 交换，i 即为分区位置
    }
    System.out.println(Arrays.toString(a) + " i=" + i);
    // 返回值代表了基准点元素所在的正确索引，用它确定下一轮分区的边界
    return i;
}

双边循环快排（不完全等价于 hoare 霍尔分区方案）

  1. 选择最左元素作为基准点元素
  2. j 指针负责从右向左找比基准点小的元素，i 指针负责从左向右找比基准点大的元素，一旦找到二者交换，直至 i，j 相交
  3. 最后基准点与 i（此时 i 与 j 相等）交换，i 即为分区位置

要点

  1. 基准点在左边，并且要先j后 i

  2. while( i < j && a[j] > pv ) j–

  3. while ( i < j && a[i] <= pv ) i++

下面代码中a代表数组，l代表左边界，h代表右边界；

private static void quick(int[] a, int l, int h) {
    if (l >= h) {
        return;
    }
    int p = partition(a, l, h);
    quick(a, l, p - 1);
    quick(a, p + 1, h);
}

private static int partition(int[] a, int l, int h) {
    int pv = a[l];
    int i = l;
    int j = h;
    while (i < j) {
        // j 从右找小的
        while (i < j && a[j] > pv) {
            j--;
        }
        // i 从左找大的
        while (i < j && a[i] <= pv) {
            i++;
        }
        swap(a, i, j); //交换的是i和j位置的元素
    }
    swap(a, l, j); //此时i=j,交换改坐标处的元素与基准点；
    System.out.println(Arrays.toString(a) + " j=" + j);
    return j;
}

快排特点

  1. 平均时间复杂度是 O ( n l o g 2 ⁡ n ) O(nlog_2⁡n ) O(nlog2​⁡n)，最坏时间复杂度 O ( n 2 ) O(n^2) O(n2)

  2. 数据量较大时，优势非常明显

  3. 属于不稳定排序

洛穆托分区方案 vs 霍尔分区方案

补充代码说明

  • day01.sort.QuickSort3 演示了空穴法改进的双边快排，比较次数更少
  • day01.sort.QuickSortHoare 演示了霍尔分区的实现
  • day01.sort.LomutoVsHoare 对四种分区实现的移动次数比较

7. ArrayList

要求

  • 掌握 ArrayList 扩容规则

扩容规则

  1. ArrayList() 会使用长度为零的数组

  2. ArrayList(int n) 会使用指定容量为n的数组

  3. public ArrayList(Collection<? extends E> c) 会使用集合 c 的大小作为数组容量

  4. add(Object o) 首次扩容为 10(针对长度为零的数组)，再次扩容为上次容量的 1.5 倍

  5. addAll(Collection c) 没有元素时，扩容为 Math.max(10, 实际元素个数)，有元素时为 Math.max(原容量 1.5 倍, 实际元素个数)

其中第 4 点必须知道，其它几点视个人情况而定

提示

  • 测试代码见 day01.list.TestArrayList ，这里不再列出
  • 要注意的是，示例中用反射方式来更直观地反映 ArrayList 的扩容特征，但从 JDK 9 由于模块化的影响，对反射做了较多限制，需要在运行测试代码时添加 VM 参数 --add-opens java.base/java.util=ALL-UNNAMED 方能运行通过，后面的例子都有相同问题

代码说明

  • day01.list.TestArrayList#arrayListGrowRule 演示了 add(Object) 方法的扩容规则，输入参数 n 代表打印多少次扩容后的数组长度

8. Iterator（迭代器）

用于遍历集合
要求

  • 掌握什么是 Fail-Fast、什么是 Fail-Safe

Fail-Fast 与 Fail-Safe

  • ArrayList 是 fail-fast 的典型代表，遍历的同时不能修改，尽快失败

  • CopyOnWriteArrayList 是 fail-safe 的典型代表，遍历的同时可以修改，原理是读写分离

提示

  • 测试代码见 day01.list.FailFastVsFailSafe，这里不再列出

9. LinkedList（链表）

要求

  • 能够说清楚 LinkedList 对比ArrayList的区别，并重视纠正部分错误的认知

LinkedList（实际开发中基本不用）

  1. 基于双向链表，无需连续内存
  2. 随机访问慢（要沿着链表遍历）
  3. 头尾插入删除性能高，中间增删性能超级差；
  4. 占用内存多

ArrayList

  1. 基于数组，需要连续内存
  2. 随机访问快（指根据下标访问）
  3. 尾部插入、删除性能可以，其它部分插入、删除都会移动数据，因此性能会低
  4. 可以利用 cpu 缓存，局部性原理（cpu内存读写性能差，而cpu缓存的快，CPU内存可以从CPU缓存中读写，缓存读数组中的某一个元素时，也会读该元素周围的其他元素，链表不能很好的配合CPU的缓存）

都不太适合做查询

代码说明

  • day01.list.ArrayListVsLinkedList#randomAccess 对比随机访问性能
  • day01.list.ArrayListVsLinkedList#addMiddle 对比向中间插入性能
  • day01.list.ArrayListVsLinkedList#addFirst 对比头部插入性能
  • day01.list.ArrayListVsLinkedList#addLast 对比尾部插入性能
  • day01.list.ArrayListVsLinkedList#linkedListSize 打印一个 LinkedList 占用内存
  • day01.list.ArrayListVsLinkedList#arrayListSize 打印一个 ArrayList 占用内存

10. HashMap（实现细节，底层原理，重要）

要求

  • 掌握 HashMap 的基本数据结构
  • 掌握树化
  • 理解索引计算方法、二次 hash 的意义、容量对索引计算的影响
  • 掌握 put 流程、扩容、扩容因子
  • 理解并发使用 HashMap 可能导致的问题
  • 理解 key 的设计

1）基本数据结构

问：底层存储结构，1.7 与 1.8 有何不同？

  • 1.7 数组 + 链表
  • 1.8 数组 + （链表 | 红黑树）

    链表和红黑树是可以转换的，当链表中的元素比较多时转换成红黑树，红黑树中的元素变得比较少时又退化成链表

更形象的演示，见资料中的 hash-demo.jar，运行需要 jdk14 以上环境，进入 jar 包目录，执行下面命令

java -jar --add-exports java.base/jdk.internal.misc=ALL-UNNAMED hash-demo.jar

  哈希表可以用来快速查找，当查看哈希表中的数组是否有a时，计算a的哈希码，由哈希值对长度取余（计算模），得到的就是a的对应的桶下标，然后在数组中查看对应的下标是否是a，只需要少数的几次比较就可以；

  扩容：当插入的元素个数相当于链表长的的3/4时，就会触发扩容；重新计算桶坐标，不同的元素放到不同的数组下标中；
  这样做也是为了避免链表的长度过长；
  但是当一些元素的哈希值一样时，无论怎么扩容，这些元素还是在一个链表中，最终越来越长，解决办法就是链表进化成红黑树；

2）树化与退化

问：为何要用红黑树，为何一上来不树化，树化阈值为何是 8，何时会树化，何时会退化为链表？

树化意义

  • 红黑树用来避免 DoS 攻击（构造一大堆哈希值一样的值，没有红黑树的话链表就超长影响性能），（树化）防止链表超长时性能下降，树化应当是偶然情况，是保底策略
  • hash 表的查找，更新的时间复杂度是 O ( 1 ) O(1) O(1)，而红黑树的查找，更新的时间复杂度是 O ( l o g 2 ⁡ n ) O(log_2⁡n ) O(log2​⁡n)，TreeNode 占用空间也比普通 Node 的大，如非必要，尽量还是使用链表
  • hash 值如果足够随机，则在 hash 表内按泊松分布，在负载因子 0.75 的情况下，长度超过 8 的链表出现概率是 0.00000006，树化阈值选择 8 就是为了让树化几率足够小（是为了尽量不要变成树）

树化两个条件（都满足才行）

  • 当链表长度超过树化阈值 8 时，先尝试扩容来减少链表长度；
  • 如果数组容量已经 >=64，才会进行树化（树中父节点左边的子节点比它小，右边的子节点比它大）

退化规则

  • 情况1：在扩容时如果拆分树时，树元素个数 <= 6 则会退化链表
  • 情况2：remove 树节点时（移除之前），若 root、root.left、root.right、root.left.left 有一个为 null ，也会退化为链表

3）索引计算

问;索引如何计算？hashCode 都有了，为何还要提供 hash() 方法？数组容量为何是 2 的 n 次幂？

索引计算方法

  • 首先，计算对象的 hashCode()
  • 再进行调用 HashMap 的 hash() 方法进行二次哈希
    • 二次 hash() 是为了综合高位数据，让哈希分布更为均匀（尽量避免链表过长）
  • 最后 & (capacity – 1) 【按位与（数组容量-1）】得到索引

数组容量为何是 2 的 n 次幂

  1. 计算索引时效率更高：如果是 2 的 n 次幂可以使用位与运算代替取模
  2. 扩容时重新计算索引效率更高： hash & oldCap == 0 【哈希值&旧容量】的元素留在原来位置 ，否则新位置 = 旧位置 + oldCap

注意

  • 二次 hash 是为了配合 容量是 2 的 n 次幂 这一设计前提，如果 hash 表的容量不是 2 的 n 次幂（此时分散性好），则不必二次 hash
  • 容量是 2 的 n 次幂 这一设计计算索引效率更好，但hash 的分散性就不好，需要二次 hash 来作为补偿，没有采用这一设计的典型例子是 Hashtable

4）put 与扩容

问题1：介绍一下 put 方法流程，1.7 与 1.8 有何不同？
问题2：加载因子为何默认是 0.75f
put 流程

  1. HashMap 是懒惰创建数组的，首次使用才创建数组
  2. 计算索引（桶下标）
  3. 如果桶下标还没人占用，创建 Node 占位返回
  4. 如果桶下标已经有人占用
    1. 已经是 TreeNode 走红黑树的添加或更新逻辑
    2. 是普通 Node，走链表的添加或更新逻辑，如果链表长度超过树化阈值，走树化逻辑
  5. 返回前检查容量是否超过阈值，一旦超过进行扩容

1.7 与 1.8 的区别

  1. 链表插入节点时，1.7 是头插法，1.8 是尾插法

  2. 1.7 是大于等于阈值且没有空位时才扩容，而 1.8 是大于阈值就扩容

  3. 1.8 在扩容计算 Node 索引时，会优化

扩容（加载）因子为何默认是 0.75f

  1. 在 空间占用与查询时间之间取得较好的权衡
  2. 大于这个值，空间节省了，但链表就会比较长影响性能
  3. 小于这个值，冲突减少了，但扩容就会更频繁，空间占用也更多

5）并发问题

问：多线程下会有啥问题？
①扩容死链（1.7）
②数据错乱（1.7，1.8）

①扩容死链（1.7 会存在）

1.7 源码如下：

void transfer(Entry[] newTable, boolean rehash) {
    int newCapacity = newTable.length;
    for (Entry<K,V> e : table) {
        while(null != e) {
            Entry<K,V> next = e.next;
            if (rehash) {
                e.hash = null == e.key ? 0 : hash(e.key);
            }
            int i = indexFor(e.hash, newCapacity);
            e.next = newTable[i];
            newTable[i] = e;
            e = next;
        }
    }
}

  • e 和 next 都是局部变量，用来指向当前节点和下一个节点

  • 线程1（绿色）的临时变量 e 和 next 刚引用了这俩节点，还未来得及移动节点，发生了线程切换，由线程2（蓝色）完成扩容和迁移
    在这里插入图片描述

  • 线程2 扩容完成，由于头插法，链表顺序颠倒。但线程1 的临时变量 e 和 next 还引用了这俩节点，还要再来一遍迁移
    在这里插入图片描述

  • 第一次循环

    • 循环接着线程切换前运行，注意此时 e 指向的是节点 a，next 指向的是节点 b
    • e 头插 a 节点，注意图中画了两份 a 节点，但事实上只有一个（为了不让箭头特别乱画了两份）
    • 当循环结束时 e 会指向 next 也就是 b 节点

在这里插入图片描述

  • 第二次循环
    • next 指向了节点 a
    • e 头插节点 b
    • 当循环结束时，e 指向 next 也就是节点 a

在这里插入图片描述

  • 第三次循环
    • next 指向了 null
    • e 头插节点 a，a 的 next 指向了 b（之前 a.next 一直是 null），b 的 next 指向 a，死链已成
    • 当循环结束时，e 指向 next 也就是 null，因此第四次循环时会正常退出

在这里插入图片描述

②数据错乱（1.7，1.8 都会存在）

  • 代码参考 day01.map.HashMapMissData，具体调试步骤参考视频

补充代码说明

  • day01.map.HashMapDistribution 演示 map 中链表长度符合泊松分布
  • day01.map.DistributionAffectedByCapacity 演示容量及 hashCode 取值对分布的影响
    • day01.map.DistributionAffectedByCapacity#hashtableGrowRule 演示了 Hashtable 的扩容规律
    • day01.sort.Utils#randomArray 如果 hashCode 足够随机，容量是否是 2 的 n 次幂影响不大
    • day01.sort.Utils#lowSameArray 如果 hashCode 低位一样的多，容量是 2 的 n 次幂会导致分布不均匀
    • day01.sort.Utils#evenArray 如果 hashCode 偶数的多，容量是 2 的 n 次幂会导致分布不均匀
    • 由此得出对于容量是 2 的 n 次幂的设计来讲，二次 hash 非常重要
  • day01.map.HashMapVsHashtable 演示了对于同样数量的单词字符串放入 HashMap 和 Hashtable 分布上的区别

6）key 的设计

问题1：key 能否为 null，作为 key 的对象有什么要求？
问题2：String 对象的 hashCode() 如何设计的，为啥每次乘的是 31

①key 的设计要求

  1. HashMap 的 key 可以为 null，但 Map 的其他实现则不然（会出现空指针异常）

  2. 作为 key 的对象，必须实现 hashCode 和 equals，并且 key 的内容不能修改（不可变）

    hashCode是为了key在HashMap中具有更好的分布性，提高查询性能；
    万一key计算出来的索引都一样，进一步用equals比较它们是不是相同的对象；

  3. key 的 hashCode 应该有良好的散列性
    如果 key 可变，例如修改了 age 会导致再次查询时查询不到

public class HashMapMutableKey {
    public static void main(String[] args) {
        HashMap<Student, Object> map = new HashMap<>();
        Student stu = new Student("张三", 18);
        map.put(stu, new Object());

        System.out.println(map.get(stu));

        stu.age = 19;
        System.out.println(map.get(stu));
    }

    static class Student {
        String name;
        int age;

        public Student(String name, int age) {
            this.name = name;
            this.age = age;
        }

        public String getName() {
            return name;
        }

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

        public int getAge() {
            return age;
        }

        public void setAge(int age) {
            this.age = age;
        }

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

        @Override
        public int hashCode() {
            return Objects.hash(name, age);
        }
    }
}
② String 对象的 hashCode()设计
  • 目标是达到较为均匀的散列效果，每个字符串的 hashCode 足够独特
  • 字符串中的每个字符都可以表现为一个数字，称为 S i S_i Si​，其中 i 的范围是 0 ~ n - 1
  • 散列公式为： S 0 ∗ 3 1 ( n − 1 ) + S 1 ∗ 3 1 ( n − 2 ) + … S i ∗ 3 1 ( n − 1 − i ) + … S ( n − 1 ) ∗ 3 1 0 S_0∗31^{(n-1)}+ S_1∗31^{(n-2)}+ … S_i ∗ 31^{(n-1-i)}+ …S_{(n-1)}∗31^0 S0​∗31(n−1)+S1​∗31(n−2)+…Si​∗31(n−1−i)+…S(n−1)​∗310
  • 31 代入公式有较好的散列特性，并且 31 * h 可以被优化为 （性能好）
    • 即 $32 ∗h -h $
    • 即 2 5 ∗ h − h 2^5 ∗h -h 25∗h−h
    • 即 h ≪ 5 − h h≪5 -h h≪5−h

11. 单例模式

要求

  • 掌握五种单例模式的实现方式
  • 理解为何 DCL 实现时要使用 volatile 修饰静态变量
  • 了解 jdk 中有哪些地方体现了单例模式

饿汉式

饿汉式没有线程安全问题，因为创建对象的代码在静态代码块中

public class Singleton1 implements Serializable {
    //1、构建私有
    private Singleton1() {
        if (INSTANCE != null) {
            throw new RuntimeException("单例对象不能重复创建");
        }
        System.out.println("private Singleton1()");
    }
     
    //2、提供静态成员变量，类型是 单例 类型，值是用私有构造创建的唯一实例
    private static final Singleton1 INSTANCE = new Singleton1();

    //静态变量一般都是私有的，不能直接访问；
    //3、提供一个公共的静态方法，方法的实现就是返回上面的静态成员变量；
    public static Singleton1 getInstance() {
        return INSTANCE;
    }

    public static void otherMethod() {
        System.out.println("otherMethod()");
    }

    public Object readResolve() {
        return INSTANCE;
    }
}
  • 构造方法抛出异常是防止反射破坏单例
  • readResolve() 是防止反序列化破坏单例
  • 防不住unsafe

枚举饿汉式

饿汉式没有线程安全问题，因为创建对象的代码在静态代码块中

public enum Singleton2 {
    INSTANCE; //定义一个变量，因此只有一个实例
//下面都不是必要的
    private Singleton2() {
        System.out.println("private Singleton2()");
    }


    @Override
    public String toString() { //打印枚举类是把哈希码也打印出来，能看出来是否是同一个对象；
        return getClass().getName() + "@" + Integer.toHexString(hashCode());
    }

    public static Singleton2 getInstance() {//静态公共方法获取单例；
        return INSTANCE;
    }

    public static void otherMethod() {//测试是饿汉式还是懒汉式；
        System.out.println("otherMethod()");
    }
}
  • 枚举饿汉式能天然防止反射、反序列化破坏单例，防不住unsafe

懒汉式

懒汉式要考虑线程安全问题，加锁解决；

public class Singleton3 implements Serializable {
    private Singleton3() {
        System.out.println("private Singleton3()");
    }

    private static Singleton3 INSTANCE = null;

    // Singleton3.class，静态方法上使用synchronized关键字相当于在类上加了一把锁
    public static synchronized Singleton3 getInstance() {  
    //要考虑多线程的线程安全问题；静态方法上使用synchronized关键字
        if (INSTANCE == null) {   
            INSTANCE = new Singleton3();
        }
        return INSTANCE;
    }

    public static void otherMethod() {
        System.out.println("otherMethod()");
    }

}
  • 其实只有首次创建单例对象时才需要同步（调用锁），但该代码实际上每次调用都会同步，造成了性能的丢失；
  • 因此有了下面的双检锁改进

双检锁懒汉式

双检锁，两个if判断

public class Singleton4 implements Serializable {
    private Singleton4() {
        System.out.println("private Singleton4()");
    }

    private static volatile Singleton4 INSTANCE = null; // 可见性，有序性

    public static Singleton4 getInstance() {
    //双检锁，两个if判断
        if (INSTANCE == null) {
            synchronized (Singleton4.class) {
                if (INSTANCE == null) {
                    INSTANCE = new Singleton4();
                }
            }
        }
        return INSTANCE;
    }

    public static void otherMethod() {
        System.out.println("otherMethod()");
    }
}

为何必须加 volatile：

  • INSTANCE = new Singleton4() 不是原子的，分成 3 步：创建对象、调用构造、给静态变量赋值，其中后两步可能被指令重排序优化，变成先赋值、再调用构造
  • 如果线程1 先执行了赋值，线程2 执行到第一个 INSTANCE == null 时发现 INSTANCE 已经不为 null，此时就会返回一个未完全构造的对象

内部类懒汉式【推荐使用】

public class Singleton5 implements Serializable {
    private Singleton5() {
        System.out.println("private Singleton5()");
    }

    private static class Holder {
        static Singleton5 INSTANCE = new Singleton5();//创建过程在静态代码块中
    }

    public static Singleton5 getInstance() {
        return Holder.INSTANCE;//使用内部类，访问变量，会触发内部类的加载，链接，初始化（初始化时又会在代码块中创建Singleton5对象）
    }

    public static void otherMethod() {
        System.out.println("otherMethod()");
    }
}
  • 避免了双检锁的缺点

JDK 中单例的体现

不要说是在项目中用到了单例模式；在JDK中找单例模式；

  • Runtime 体现了饿汉式单例
  • Console 体现了双检锁懒汉式单例
  • Collections 中的 EmptyNavigableSet 内部类懒汉式单例
  • ReverseComparator.REVERSE_ORDER 内部类懒汉式单例
  • Comparators.NaturalOrderComparator.INSTANCE 枚举饿汉式单例
大小曲奇(´ε｀　)
关注
专栏目录
河南省2016中考语文第一部分古代诗文阅读专题一文言文阅读第1篇论语十二章
08-19
3. 孔子自述人生阶段，从十五岁立志学习，到三十岁立身，四十岁明理，五十岁知天命，六十岁顺听，七十岁随心所欲而不逾矩，揭示了知识和精神境界随着年龄的增长而不断进步的过程。 4. “温故而知新，可以为师矣。”...
九年级数学下册第29章几何的回顾阶段专题复习习题课件华东师大版20200326552
09-09
这篇课件是针对九年级数学下册第29章几何的回顾阶段专题复习，涵盖了多种几何图形的基本性质和定理。以下是详细的知识点解析： 1. **三角形的性质**： - 三角形的两边之和大于第三边，两边之差小于第三边，这是...
阶段十：总结专题（第六章：缓存篇）
大小曲奇的博客
02-28 678
数据类型实际描述的是 value 的类型，key 都是 string，常见数据类型（value）有。
阶段十：总结专题（第五章：数据库篇）
大小曲奇的博客
02-28 474
但 flush tables 属于比较重的操作，可以使用 --single-transaction 参数来完成。
阶段十：总结专题（第七章：分布式篇）
大小曲奇的博客
02-28 486
*CAP 定理****不一致的产生****保 CP 失 A****保 AP 失 C****一致性级别****Paxos****例1**例2**例3****例4****例5——顺序问题回顾****Paxos 缺点****Leader 选举****执行操作（以日志复制为例）****确保安全****如何检测节点活着****如何实现高可用**
阶段十：总结v专题（第二章：并发篇）
大小曲奇的博客
02-28 87
并发篇
AI专题：第一章 人工智能之入门基本方法
中年润的博客
07-08 4907
眼下，人工智能已经成为越来越火的一个方向。普通程序员，如何转向人工智能方向，是知乎上的一个问题。本文是我对此问题的一个回答的归档版。相比原回答有所内容增加。一、目的本文的目的是给出一个简单的，平滑的，易于实现的学习方法，帮助 “普通” 程序员踏入AI领域这个门。这里，我对普通程序员的定义是：拥有大学本科知识;平时工作较忙;自己能获取的数据有限。因此，本文更像是一篇 “from the scratc...
职场十年，一篇干货总结就够了
业精于勤荒于嬉，行成于思毁于随
07-29 440
ZooKeeper是一个分布式的，开放源码的分布式应用程序协调服务，是Google的Chubby一个开源的实现，是Hadoop和Hbase的重要组件。第一，可以锻炼自己。现在光会关系数据库肯定是不行的，你要会一种nosql数据库，你要做缓存，提升性能，，但是进一步提高性能，预防缓存问题（比如缓存雪崩），你就需要做多重缓存，本地缓存是少不了的。如果你是非科班的，想要系统着补某们大学的课程，那么中国大学MOOC是个不错的选择，这里有各种各样的课程，有些老师还是讲的挺好了，和大学课程老师的教学差不多。
海洋科学—物理海洋学系列开篇 第一章 概述导论篇
qq_58518586的博客
01-17 1176
这一篇章主要是介绍，需要干货的朋友们看下面的篇章即可，其中关于历史的部分确实我不是强项，需要的朋友们可以上网自己查询有关信息
「技术人生」第3篇：解决问题的规律总结
阿里巴巴中间件
05-28 333
往期技术一号位方法论系列文章：「技术人生」专题第1篇：什么是技术一号位？「技术人生」第2篇：学会分析事物的本质背景ALIWARE1从事物的本质说起事物本质就是内部的主要矛盾次要矛盾的演变过...
【动态规划/背包问题】背包问题第一阶段最终章：混合背包问题
宫水三叶的刷题日记
06-22 466
前言今天是我们讲解 动态规划专题 中的「背包问题」的第十一篇。今天将会学习「混合背包」问题，同时也是我们「背包问题」的第一阶段的最后一节。今天首先会和大家回顾之前学过的三种背包问题。然后通过一道「混合背包」问题，来将我们之前学的几种背包问题串联起来。希望通过本篇内容，大家会对背包问题有更清晰的认识。另外，我在文章结尾处列举了我所整理的关于背包问题的相关题目。背包问题我会按照编排好的顺序进行讲解（每隔几天更新一篇，确保大家消化）。你也先可以尝试做做，也欢迎你向我留言补充，你觉得与背包相关的 DP 类型题目 ~
八年级物理全册第四章多彩的光阶段专题复习课件新版沪科版20200323527
09-09
这篇资料主要涵盖了初中物理中关于光的专题复习内容，包括光的直线传播、反射定律、平面镜成像、光的折射、以及凸透镜成像规律及其应用，同时提到了近视眼与远视眼的矫正。 1. **光的直线传播**：光在同种均匀介质...
第1章集合第8节专题辅导.doc
11-15
在数学的初步学习阶段，集合是一个基础而重要的概念。这篇文档详细讲解了关于集合的多个专题，涵盖了多种解题思路和方法。 专题一：数形结合的思想。数形结合是解决数学问题的一种重要策略，它强调将抽象的数学问题...
数对的最大曼哈顿距离[ABC178E] Dist Max
2301_80882026的博客
10-30 498
/曼哈顿距离化简绝对值之后最终可以化简为两种取最大的即可PII p[N];cin >> n;i <= n;
代码随想录训练营Day12 | 110.平衡二叉树 - 257二叉树的所有路径 - 404.左叶子之和 - 222.完全二叉树的节点个数
Zuoriqiufeng的博客
10-30 401
【代码】代码随想录训练营Day12 | 110.平衡二叉树 - 257二叉树的所有路径 - 404.左叶子之和 - 222.完全二叉树的节点个数。
xtu oj 连接字符串
Go offline for a while
10-30 963
最后总结一下：这题思路比较直观，找公共的元素，代码细节比较多，一个是要求输出字典序小的，第二是前面字符串要枚举完最后一个元素才算满足条件，第三是两个字符串可能完全没有公共部分，需要特判。
二分查找算法—C++
最新发布
2401_82677021的博客
11-03 317
关于求中点位置的操作什么时候需要加1，什么时候不需要。只需看下面的left和right ，如果出现-1，mid就需要加1。否则，不需要加1.
【力扣打卡系列】二分查找(搜索旋转排序数组)
qq_45734745的博客
10-29 305
坚持按题型打卡&刷&梳理力扣算法题系列，语言为go，Day11。
《Java 实现希尔排序：原理剖析与代码详解》
qq_69304031的博客
11-03 506
在排序算法的大家族中，希尔排序是一种改进的插入排序算法，它通过将原始数据分成多个子序列进行预排序，然后逐渐缩小子序列的间隔，最终对整个序列进行常规的插入排序，从而在一定程度上提高了排序的效率。希尔排序的基本思想基于插入排序，但它引入了一个间隔序列（也称为增量序列）的概念，使得排序过程不再是逐个元素地进行比较和插入，而是先对相隔一定间隔的元素进行比较和插入操作，随着排序的进行，间隔逐渐缩小，直到最后间隔为 1，此时就相当于进行了一次普通的插入排序。，经过希尔排序后，控制台会输出排序后的数组，其结果应该是。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值