Map,List,Set 等集合以及底层数据结构

概述

集合类存放于java.util包中。集合类存放的都是对象的引用，而非对象本身。常见的集合主要有三种——Set(集）、List（列表）和Map（映射）。其中，List和Set
都实现了 Collection 接口，并且List和Set也是接口，而Map 为独立接口。常见的实现类如下：

List 的实现类有：ArrayList、Vector、LinkedList； Set
的实现类有：HashSet、LinkedHashSet、TreeSet； Map
的实现类有：Hashtable、HashMap、ArrayMap、LinkedHashMap、TreeMap。

补充知识：散列表，也叫哈希表（Hash table），是根据关键码值(Key value)而直接进行访问的数据结构。也就是说，它通过把关键码值映射到表中一个位置来访问记录，以加快查找的速度。这个映射函数叫做散列函数，存放记录的数组叫做散列表。

一、Collection接口

（1）List列表 —— 有序、值可重复

1、ArrayList
优点: 底层数据结构是数组Array，查询快。增删慢。
缺点: 线程不安全，效率高

2、Vector
优点: 底层数据结构是数组Array，查询快。增删慢。
缺点: 线程安全，效率低

*Vector是实现了 synchronized 的，这也是Vector和ArrayList的唯一的区别。

3、LinkedList
优点: 底层数据结构是链表LinkedList，增删快。查询慢。
缺点: 线程不安全，效率高

*链表的每一个节点（Node）都包含两方面的内容：1.节点本身的数据（data）；2.下一个节点的信息（nextNode）。所以当对LinkedList做添加，删除动作的时候就不用像基于Array的List一样，必须进行大量的数据移动。只要更改nextNode的相关信息就可以实现了。这就是LinkedList的优势。

（2）Set 集 —— 值不可重复

1、HashSet
调用add（）方法向Set中添加对象，底层数据结构是哈希表，无序。
依赖两个方法来保证元素唯一性：hashCode()和equals()。使用对象的值来计算hashcode值，对于两个对象来说hashcode可能相同，所以equals()方法用来判断对象的相等性。

2、LinkedHashSet
底层数据结构是双向链表和哈希表，有序。
由链表保证元素有序，由哈希表保证元素唯一。

3、TreeSet
底层数据结构是红黑树，内部实现排序，也可以自定义排序规则。
自然排序、比较器排序保证元素排序。根据比较的返回值是否是0来保证元素唯一性。

4、ArraySet

底层数据结构是双数组，有序。

Android.util包下的类，实时扩容，节约内存。推荐代替使用HashSet。
ArraySet添加元素的源码：

    @Override
    public boolean add(@Nullable E value) {
        final int hash;
        int index;
        if (value == null) {//允许key、value有一个为null
            hash = 0;
            index = indexOfNull();
        } else {
            hash = value.hashCode();//算出hash码
            index = indexOf(value, hash);//在hash码数组中，二分查找拿到index值
        }
        if (index >= 0) {
            return false;
        }
        index = ~index;
        if (mSize >= mHashes.length) {//安全判断
            final int n = mSize >= (BASE_SIZE * 2) ? (mSize + (mSize >> 1))
                    : (mSize >= BASE_SIZE ? (BASE_SIZE * 2) : BASE_SIZE);
            final int[] ohashes = mHashes;
            final Object[] oarray = mArray;
            allocArrays(n);
            if (mHashes.length > 0) {
                System.arraycopy(ohashes, 0, mHashes, 0, ohashes.length);
                System.arraycopy(oarray, 0, mArray, 0, oarray.length);
            }
            freeArrays(ohashes, oarray, mSize);
        }
        if (index < mSize) {
            System.arraycopy(mHashes, index, mHashes, index + 1, mSize - index);
            System.arraycopy(mArray, index, mArray, index + 1, mSize - index);
        }
        mHashes[index] = hash;//hash码数组
        mArray[index] = value;//存放数据
        mSize++;
        return true;
    }
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36

碰撞冲突：如果在第二个数组键值对中的key和前面输入的查询key不一致时产生。

开放地址法：以该key为中心点，分别上下展开，逐个去对比查找，直到找到匹配的值。

扩容机制：在创建时是严格按照大小创建，如下：

 System.arraycopy(ohashes, 0, mHashes, 0, mSize);
 System.arraycopy(oarray, 0, mArray, 0, mSize);
1
2

在添加、删除操作方法中都会调用如下：

  System.arraycopy(mHashes, index, mHashes, index + 1, mSize - index);
  System.arraycopy(mArray, index, mArray, index + 1, mSize - index);
1
2

小结：
ArraySet通过调用System中提供的一个native静态方法arraycopy()，实现数组之间的复制。采取一种用时间换取内存空间的优化思路，其元素扩容是时刻变化的，也就是说会随时根据内容动态调整数组的大小。

因为每次操作都要实现数组复制，会影响到元素操作的效率。理论上来说，在大数据量的情况下，更频繁的数据条数大幅度变化下，效率会变低。但实际上，发现其速度在数万条数据的情况下，相差无几。

二、Map接口

Map接口有三个比较重要的实现类：HashMap、TreeMap、HashTable。

（1）HashMap —— 无序

如上图，HashMap是链表散列的数据结构，即数组和链表的结合体。底层是一个数组结构，数组中的每一项元素又是一个链表结构，即Entry，如下：

transient Entry[] table;
static class Entry<K,V> implements Map.Entry<K,V> {
    final K key;
    V value;
    Entry<K,V> next;
    final int hash;
}
1
2
3
4
5
6
7

Entry就是数组中的元素，每个 Map.Entry 其实就是一个key-value对，它持有一个指向下一个元素的引用，这就构成了链表。下面看一下put方法，如下：

public V put(K key, V value) {
    // 当key为null时，调用putForNullKey方法，将value放置在数组第一个位置。
    if (key == null)
        return putForNullKey(value);
    // 根据key的keyCode重新计算hash值。
    int hash = hash(key.hashCode());
    // 搜索指定hash值在对应table中的索引。
    int i = indexFor(hash, table.length);
    // 如果 i 索引处的 Entry 不为 null，通过循环不断遍历 e 元素的下一个元素。
    for (Entry<K,V> e = table[i]; e != null; e = e.next) {
        Object k;
        if (e.hash == hash && ((k = e.key) == key || key.equals(k))) {
            // 如果发现已有该键值，则存储新的值，并返回原始值
            V oldValue = e.value;
            e.value = value;
            e.recordAccess(this);
            return oldValue;
        }
    }
    // 如果i索引处的Entry为null，表明此处还没有Entry。
    modCount++;
    // 将key、value添加到i索引处。
    addEntry(hash, key, value, i);
    return null;
}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25

小结：

• 如果key相同，则覆盖原始值；如果key出现冲突，则将当前的key-value放入链表。在链表中做进一步的对比value。
• 没有 synchronized关键字，即非线程安全，因此效率较高；
• 允许存放null键和null值

工作原理：

通过put()方法传递键(key)和值(value)时，我们先对键调用hashCode()方法，计算并返回的hashCode是用于找到Map数组的位置来储存Entry对象。hashCode()方法中是根据key的hash值来求得对应数组中的位置。因为HashMap的数据结构是数组和链表的结合，如果元素位置尽量的分布均匀些，使得每个位置上的元素数量只有一个，当我们用hash算法求得这个位置的时候，马上就可以知道对应位置的元素就是我们要的，而不用再去遍历链表。所以，我们首先想到的就是把hashcode对数组长度取模运算。

1、取模法

假如数组的长度等于5，这时有一个数据6，我们如何把这个6储存到长度只有5的数组中呢？取余法计算6%5等于1，即把6这个数据放到数组下标为1的位置。如果再有一个数据需要存储，取余法计算后也等于1，就调用equals()判断值是否相同，相同的话就不存储。但是，问题来了，值不相同就会造成Hash碰撞冲突了。

2、Hash碰撞冲突

HashCode()的作用就是保证对象返回唯一hash值对应Map数组中的bucket存储位置，但当两个数据计算后的值一样时，这就发生了碰撞冲突。例如，前面有6%5=1
得到数组下标为1的位置。此时，有个数据是11，那么11%5=1，但是这个为1的位置已经有了6这个数据了，这就叫Hash冲突。

3、解决Hash冲突

（1）开放定址法

开放地址法有个非常关键的特征，就是所有输入的元素全部存放在哈希表里。它的实现是，发生哈希冲突，就以当前地址为基准，某种探查技术在散列表中形成一个探查(测)序列，去寻找下一个地址，若发生冲突再去寻找，直至找到一个为空的地址为止。假如关键字key的哈希地址（hashCode）的值
p = H（key），此时出现冲突，就以p为基础，产生另一个哈希地址p1，如果p1仍然冲突，再以p为基础，产生另一个哈希地址p2，…，直到找出一个不冲突的哈希地址pi，将相应元素存入其中。所以这种方法又称为再散列法。

开放定址法分为：线性探查法、二次探查法、伪随机探测法

• 线性探查：顺序查看表中下一单元，直到找出一个空单元或查遍全表；
• 二次探查：在表的左右进行跳跃式探测，比较灵活；
• 伪随机探测：建立一个伪随机数序列，如i=(i+p) % m，并给定一个随机数做起点，每次去加上这个伪随机数就可以了。

（2）拉链法

HashMap、HashSet其实都是采用的拉链法来解决哈希冲突的。主要是采用链表的形式去处理发生哈希冲突的关键字key。（jdk1.8之后采用链表+红黑树）

实现思想：将所有哈希地址为 i
的元素构成一个称为同义词链的单链表，并将单链表的头指针存在哈希表的第i个单元中，因而查找、插入和删除主要在同义词链中进行。

①插入操作：在输入域的关键字发生哈希冲突的时候，我们先检查带插入元素是否出现在表中。这个查找所用的次数最坏时间复杂度为O(1)。

②删除操作：在删除一个元素的时候，需要更改该元素的前驱元素的next指针的属性，把该元素从链表中删除。这个操作的时间复杂度也是O(1)的。

（3）小结

拉链法与开放定址法相比

①拉链法处理冲突简单，且无堆积现象，即非同义词决不会发生冲突，因此平均查找长度较短；

②由于拉链法中各链表上的结点空间是动态申请的，故它更适合于造表前无法确定表长的情况；

③开放定址法为减少冲突，要求装填因子α较小，故当结点规模较大时会浪费很多空间。而拉链法中可取α≥1，且结点较大时，拉链法中增加的指针域可忽略不计，因此节省空间；

④在用拉链法构造的散列表中，删除结点的操作易于实现。只要简单地删去链表上相应的结点即可。

拉链法需要额外的空间，故当结点规模较小时，开放定址法较为节省空间，而若将节省的指针空间用来扩大散列表的规模，可使装填因子变小，这又减少了开放定址法中的冲突，从而提高平均查找速度。

（2）HashTable —— 无序

散列表，也叫哈希表，存储的内容是键值对(key-value)映射；
Hashtable源码所有 public 方法声明中都有 synchronized关键字，线程安全，效率低；
不允许null值；（因为equlas()方法需要对象）
父类是Dictionary。

（3）TreeMap —— 有序
父类是SortMap接口。能够把它保存的键值对根据key排序，基于红黑树，从而保证TreeMap中所有键值对处于有序状态。
*红黑色的见解

1. 每个节点非红即黑
2. 根节点总是黑色的
3. 如果节点是红色的，则它的子节点必须是黑色的（反之不一定）
4. 每个叶子节点都是黑色的空节点（NIL节点）
5. 从根节点到叶节点或空子节点的每条路径，必须包含相同数目的黑色节点（即相同的黑色高度）

（4）ArrayMap——有序

1、概述

Hashmap和HashSet都是Java util包下的类，而ArrayMap与ArraySet都是 android.util包下的类，是google 在Android平台上作出优化后的类，在Android 源码中大量地使用了arraymap进行内存中的数据储存和管理，比如Intent.putExtra、Bundle。二者读写速度差不多，但是ArrayMap比hashmap减少30%的内存消耗。对于经常内存空间紧张，可以缓解OOM。

2、实现原理

当调用 get(key) 方法 获取某个 value 时，通过计算key得到转换过后的hash值，再对（左）hash数组使用二分查找法寻找到对应的下标索引值 index，然后就可以通过这个 index 在key-value数组（右）中直接访问到需要的键值对。

源码和原理基本与ArraySet的相同。此处就不在复制黏贴了。

三、List、Set、Map的值能否为null？

（1）List —— 允许为null

1、可以看到ArrayList可以存储多个null，ArrayList底层是数组，添加null并未对他的数据结构造成影响。

 public void testArrayList(){
        ArrayList<String> list = new ArrayList<>();
        list.add(null);
        list.add(null);
        Assert.assertEquals(2,list.size()); // success
    }
1
2
3
4
5
6

2、LinkedList底层为双向链表，node.value = null 也没有问题。

   public void testLinkedList(){
        LinkedList<String> list = new LinkedList<>();
        list.add(null);
        list.add(null);
        Assert.assertEquals(2,list.size()); // success
    }
1
2
3
4
5
6

3、Vector 底层是数组，所以不会管你元素的内容是什么，可以存储多个null。

public void VectorTest(){
        Vector box = new Vector();
        box.add(null);
        box.add(null);
        Assert.assertEquals(2,box.size()); //success
    }
 
    //Vector的add函数源码
    public synchronized boolean add(E e) {
        modCount++;
        ensureCapacityHelper(elementCount + 1);
        elementData[elementCount++] = e;
        return true;
    }
1
2
3
4
5
6
7
8
9
10
11
12
13
14

（2）Set

1、HashSet底层是HashMap，可以有1个为null的元素。

public void testHashSet(){
        HashSet<String> set = new HashSet<>();
        set.add(null);
        Assert.assertEquals(1,set.size()); //OK size = 1
        set.add(null);
        Assert.assertEquals(2,set.size()); //Error size = 1
 
    }
1
2
3
4
5
6
7
8

2、LinkHashSet底层也是hashmap，允许存在一个为null的元素。

3、TreeSet不能有key为null的元素，会报NullPointerException

（3）Map

1、HashMap中只能有一个key为null的节点。因为Map的key相同时，后面的节点会替换之前相同key的节点。

 public void testHashMap(){
        HashMap<String,String> map = new HashMap<>();
        map.put(null,null);
        Assert.assertEquals(1,map.size()); //OK size = 1
 
        map.put(null,null);
        Assert.assertEquals(2,map.size()); //Error size = 1
    }
1
2
3
4
5
6
7
8

2、TreeMap的put方法会调用compareTo方法，对象为null时，会报空指针错。

   public void testTreeMap(){
        TreeMap<String,String> map = new TreeMap<>();
        map.put(null,null);
        Assert.assertEquals(1,map.size()); //Error NullPointException
        
    }
1
2
3
4
5
6

3、HashTable底层为散列表，无论是key为null，还是value为null，都会报错

public void HashTableTest(){
        Hashtable table = new Hashtable();
        table.put(new Object(),null); //Exception
        table.put(null,new Object()); //Exception
        table.put(null,null); //Exception
        Assert.assertEquals(1,table.size());
    }
 
    //hashTable  put函数源码
   public synchronized V put(K key, V value) {
        if (value == null) {   //value 需要判空，所以value不可为null
            throw new NullPointerException();
        }
        Entry<?,?> tab[] = table;
        int hash = key.hashCode();     //key需要拥有实例去调用hashCode方法，所以也不能为空
        int index = (hash & 0x7FFFFFFF) % tab.length;
        @SuppressWarnings("unchecked")
        Entry<K,V> entry = (Entry<K,V>)tab[index];
        for(; entry != null ; entry = entry.next) {
            if ((entry.hash == hash) && entry.key.equals(key)) {
                V old = entry.value;
                entry.value = value;
                return old;
            }
        }
        addEntry(hash, key, value, index);
        return null;
    }
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28