[核心工具] Collections

核心类关系图：

    首先说明，这里说道的Collections是 java.lang 中相对早期就有实现的那些基础核心类，而不包括current包下的工具类。current包下的工具类会在另一篇中讲解。

List

    List中最常用的有三个：ArrayList, Vector，LinkedList。

• ArrayList, Vector

    基于数组实现，允许null元素。而ArrayList和Vector的区别在于，Vector所有方法都是线程同步的，而ArrayList则没有因此也是线程不安全的。创建一个同步的List还可以这样 List list = Collections.synchronizedList(new LinkedList(...));。

    Vector是同步的，当一个Iterator被创建而且正在被使用，另一个线程改变了Vector的状态（例如，添加或删除了一些元素），这时调用Iterator的方法时将抛出ConcurrentModificationException，因此必须捕获该异常。

    由于基于数组实现，导致以下几个特点：

        0：size，isEmpty，get，set方法运行时间为常数。

        1：Add的过程中需要校验数组大小，当数组不够用则需要扩容。扩容过程中涉及到数组复制，影响性能。添加一个元素需要O(n)的时间

        2：优秀的随机访问，直接通过下标完成。

        3：随机或者删除需要大量的移动数组元素，性能较差。

        4：有一个容量参数可以用于指定初始大小（每次默认扩展到原来的1.5倍）。

• LinkedList

    基于循环双向链表实现的，LinkedList本身即使为空也包含一个链表的Header节点。

    由于基于链表实现，导致以下几个特点：

        0：size需要遍历列表。

        1：优秀的随机插入删除性能

        2：不需要预先分配连续内存空间，也不需要容量调整

        3：随机访问需要从Header节点逐一往后找，性能很差。

        4：for(int I=0; I<linkedLis.size(); I++) 这样的操作非常慢，因为每次实际上都是一个随机访问。需要用forEach或者迭代器进行循环操作。

• Stack 类

     Stack继承自Vector，实现一个后进先出的堆栈。Stack提供5个额外的方法使得Vector得以被当作堆栈使用。基本的push和pop方法，还有peek方法得到栈顶的元素，empty方法测试堆栈是否为空，search方法检测一个元素在堆栈中的位置。Stack刚创建后是空栈。

     RandomAccess接口。由于List有基于数组和基于链表的两种实现方法，而链表不支持随机访问。因此Java提供了RandomAccess接口，基于数组实现的都实现了该接口，而基于链表实现的都没有实现该接口。因此 RandomAccess 才适合用 for(int&nbsp;I=0;&nbsp;I&lt;linkedLis.size();&nbsp;I++) 这样的操作，否则最好用forEach或者迭代器。

Map

     请注意，Map没有继承Collection接口，Map提供key到value的映射。线程不安全。

    一个Map中不能包含相同的key，每个key只能映射一个value。

    Map接口提供3种集合的视图，Map的内容可以被当作一组key集合，一组value集合，或者一组key-value映射。

    AbstractMap抽象类覆盖了equals()和hashCode()方法以确保两个相等键值对返回相同的哈希码。 

• HashMap类

     HashMap是非同步的，并且允许null，即null value和null key。HashMap基于数组 + 链表的形式来。其中数组中是Entry类，包含了：key, value, next, hash四个值。

    在不冲突的情况下，直接从Key的Hash定位到数组中的位置，而在冲突的情况下，会在对应位置上的链表上增加元素。Hash定位是通过：hashCode() + hash() 方法来实现的。

    当向HashMap中添加元素的时候：

        首先计算元素的hashcode值，然后用这个（元素的hashcode）%（HashMap集合的大小）+1计算出这个元素的存储位置，

        如果这个位置位空，就将元素添加进去；如果不为空，则用equals方法比较元素是否相等，相等就不添加，否则找一个空位添加。

     

    java.lnag.Object中对hashCode的约定：

        1) 在一个应用程序执行期间，如果一个对象的equals方法做比较所用到的信息没有被修改的话(不是所有字段, 而是equals用到的字段)，则对该对象调用hashCode方法多次，它必须始终如一地返回同一个整数。

        2) 如果两个对象根据equals(Object o)方法是相等的，则调用这两个对象的hashCode方法必须产生相同的整数结果。

        3) 如果两个对象根据equals(Object o)方法是不相等的，则调用这两个对象中任一个对象的hashCode方法，不要求产生不同的整数结果。但如果能不同，则可能提高散列表的性能。

    从这个实现可以看出，有以下几个特点：

        1：hash算法和hashCode算法影响性能。HashMap的hash方法是基于位操作的，而Object的默认hashCode方法是Native方法。注意，hashCode是可以重载的，因此需要注意实现性能。

        2：当 hash算法和hashCode算法很合理，而容量也足够大的时候，Value很难产生冲突，那么约等于是随机访问。但是，如果出现大量的冲突，那么则退化成几个链表。

        3：既然是数组，那么就有容量参数。后面会单独分析这个过程。

• TreeMap

    实现了SortedMap接口，它用来保持键的有序顺序。添加到SortedMap实现类的元素必须实现Comparable接口。TreeMap类是它的唯一一份实现。

    线程不安全。

    TreeMap是基于红黑树实现的，这是一种平衡查找树。

    TreeMap提供了：subMap, headMap, tailMap方法，用于返回部分子树。其返回的子树还是有序的。

    由于是基于树实现的，有如下的特性：

        1：插入删除过程可能涉及到树的再平衡，所以可能造成性能影响，此外查找也不能直接进行下标访问。因此这些过程是一般是慢于基于数组的实现。

        2：由于红黑树算法，最坏的情况下也能以o(log n)时间内做到查找删除等。

• 其他早期Map类型

     Hashtable：任何非空（non-null）的对象都可作为key或者value。基于数组实现。和HashMap不同之处在于，Hashtable是同步的。

     WeakHashMap：一种改进的HashMap，它对key实行“弱引用”，如果一个key没有被除了WeakHashMap之外的其他方所引用，那么在内存不足的时候该key可以被GC回收（弱引用的特点）。因为值可能被回收，不能存放重要数据，因此特别适合做缓存。

    LinkedHashMap：一种改进的HashMap，为key增加了一个额外链表，用于维护插入或者读取顺序（而SortedMap维护的是比较顺序），两个顺序只能取其一。LinkedHashMap.Entry在HashMap.Enty基础上增加了before和after属性用于构成链表。如果需要保持的是读取顺序，那么每次 get 就会修改链表，将当前取得的元素移到队尾。

     EnumMap：使用EnumMap时，Key必须指定为枚举类型且不能为 null。它的key为枚举元素，value自定义。在工作中我们也可以用其他的Map来实现我们关于枚举的需求，但是为什么要用这个EnumMap呢？但是使用EnumMap会更加高效：它只能接收同一枚举类型的实例作为键值，并且由于枚举类型实例的数量相对固定并且有限，所以EnumMap使用数组来存放与枚举类型对应的值。这使得EnumMap的效率非常高。

    注：迭代器和LinkedHashMap在get过程中的错误

    集合在使用迭代器过程中禁止对元素内容进行修改，而一般认为get()方法是只读的。但是对于LinkedHashMap，其为了维护读取顺序，需要修改链表，所以在迭代器中也会报错。

Set

    Set是一种不包含重复的元素的Collection, 确切地说，是不包含e1.equals(e2)的元素对。Set最多有一个null元素。很明显，Set的构造函数有一个约束条件，传入的Collection参数不能包含重复的元素。

    请注意：必须小心操作可变对象（Mutable Object）。如果一个Set中的可变元素改变了自身状态导致Object.equals(Object)=true将导致一些问题。

    Set接口有四个常见实现 HashSet、TreeSet、EnumSet、LinkedHashSet,都是基于 Map作为最终实现方式的, 分别对应 HashMap、TreeMap、EnumMap、LindexHashSet. 

    这两个 Set 都不是同步的, 所以可以通过 Set<String> synset = Collections.synchronizedSet(set); 来获取同步的 Set. 

• Set 不重复实现原理

     以HashSet为例，在HashSet中，基本的操作都是有HashMap底层实现的，因为HashSet底层是用HashMap存储数据的。

public class HashSet<E>  extends AbstractSet<E> implements Set<E>, Cloneable, java.io.Serializable {    

    static final long serialVersionUID = -5024744406713321676L;    

    private transient HashMap<E,Object> map;    // 底层使用HashMap来保存HashSet中所有元素。    

    private static final Object PRESENT = new Object();   // 定义一个虚拟的Object对象作为HashMap的value，将此对象定义为static final。    

    public HashSet() {    

        map = new HashMap<E,Object>();    //默认的无参构造器，构造一个空的HashSet。

        // 实际底层会初始化一个空的HashMap，并使用默认初始容量为16和加载因子0.75。   

    }    

  

    public HashSet(Collection<? extends E> c) {    

        map = new HashMap<E,Object>(Math.max((int) (c.size()/.75f) + 1, 16));  // 构造一个包含指定collection中的元素的新set。  

        // 实际底层使用默认的加载因子0.75和足以包含指定, collection中所有元素的初始容量来创建一个HashMap。

        addAll(c); 

    }    

    public HashSet(int initialCapacity, float loadFactor) {    

        map = new HashMap<E,Object>(initialCapacity, loadFactor); // 以指定的initialCapacity和loadFactor构造一个空的HashSet。  

    }    

    public HashSet(int initialCapacity) {    

        map = new HashMap<E,Object>(initialCapacity);    // 以指定的initialCapacity构造一个空的HashSet。  

        // 实际底层以相应的参数及加载因子loadFactor为0.75构造一个空的HashMap。

    }    

    // 以指定的initialCapacity和loadFactor构造一个新的空链接哈希集合。  

    // 此构造函数为包访问权限，不对外公开，实际只是是对LinkedHashSet的支持。 

    HashSet(int initialCapacity, float loadFactor, boolean dummy) {    

        map = new LinkedHashMap<E,Object>(initialCapacity, loadFactor);    

    }    

    public Iterator<E> iterator() {    

        return map.keySet().iterator(); // 返回对此set中元素进行迭代的迭代器。返回元素的顺序并不是特定的。  

    }    

    // ……. 一下省略，size, isEmpty, contains, add, remove, clear 等等都是直接调用的HashMap的方法。

     既然是利用 HashMap 来实现的, 那么为什么还需要 HashSet?

     Set使用Map实现其功能只是一种方式罢了，CopyOnWriteArraySet可以用ArrayList实现. 实际使用中, Set 和 Map 确实不是一个场景, 利用 HashMap来模拟HashSet 的功能, 的确是可以的, 但是这样用的多了, 不如提供一个封装.Set 单独存在是有必要的, 毕竟是有特定用途的, 而 HashSet 只是恰好用 HashMap 来作为实现而已.

HashMap重要性质和优化总结

由于HashMap用的非常多，而且相对List来说结构复杂不少，同时常见的HashSet又是基于HashMap来实现的，因此需要单独讲HashMap拿出来分析。

DEFAULT_INITIAL_CAPACITY = 16;map的初始大小, 默认为16, 必须是2的幂次MAXIMUM_CAPACITY = 1 << 30;最大容量，如果指定的容量大于最大容量，将使用此值 1<<30, 必须是2的幂次.DEFAULT_LOAD_FACTOR = 0.75f;负载因子threshold;map是否扩容的决定性因素, 每次 resize 的大小都是增加 (capacity * load factor)bucket数组中最小存储单元，在源码中为Entry链表

HashMap创建到put流程基本介绍

     hashMap由其名字可以知道，它使用的是哈希算法来管理存储其中的对象的，具体是用数组和链表两种数据结构管理的。

1: 初始化

程序将利用initialCapacity计算一个新的capacity，capacity大小为大于初始容易值的最小的2的整数次幂的值(如初始容量为15，则capacity为16.初始为3，则capacity为4)，

threshold = (int)(capacity * loadFactor);

table = new Entry[capacity];

如果参数均未指定，则使用默认值初始化

2: put如果一个对象hash到同一个bucket，则会形成一个链表，链表查询是线性的。在对象放入map后，会检查map大小。如果map的size大于或等于threshold(capacity * load factor)，注意不是在size大于capacity时扩容，则会以map两倍容量扩容(此步骤设计到重新申请空间和计算hash值，性能消耗比较大)

     调整 Map 实现的大小

     在哈希术语中，内部数组中的每个位置称作“存储桶”(bucket)，而可用的存储桶数（即内部数组的大小）称作容量 (capacity)。为使 Map 对象有效地处理任意数目的项，Map 实现可以调整自身的大小。

     但调整大小的开销很大。调整大小需要将所有元素重新插入到新数组中，这是因为不同的数组大小意味着对象现在映射到不同的索引值。先前冲突的键可能不再冲突，而先前不冲突的其他键现在可能冲突。这显然表明，如果将 Map 调整得足够大，则可以减少甚至不再需要重新调整大小，这很有可能显著提高速度。

     使用负载因子

     基于哈希的 Map 使用一个额外参数并粗略计算存储桶的密度。Map 在调整大小之前，使用名为“负载因子”的参数指示 Map 将承担的“负载”量，即它的负载程度。负载因子、项数（Map 大小）与容量之间的关系简单明了：

如果（负载因子）x（容量）>（Map 大小），则调整 Map 大小

    例如，如果默认负载因子为 0.75，默认容量为 11，则 11 x 0.75 = 8.25，该值向下取整为 8 个元素。因此，如果将第 8 个项添加到此 Map，则该 Map 将自身的大小调整为一个更大的值。相反，要计算避免调整大小所需的初始容量，用将要添加的项数除以负载因子，并向上取整. 例如，对于负载因子为 0.75 的 100 个项，应将容量设置为 100/0.75 = 133.33，并将结果向上取整为 134.

     1.4 版后的某些 Map（如 HashMap 和 LinkedHashMap，而非 Hashtable 或 IdentityHashMap）使用需要 2 的幂容量的哈希函数，但下一个最高 2 的幂容量由这些 Map 计算，因此您不必亲自计算。

     负载因子本身是空间和时间之间的调整折衷。较小的负载因子将占用更多的空间，但将降低冲突的可能性，从而将加快访问和更新的速度。使用大于 0.75 的负载因子可能是不明智的，而使用大于 1.0 的负载因子肯定是不明智的，这是因为这必定会引发一次冲突。使用小于 0.50 的负载因子好处并不大，而且将HashMap视为Collection时（values()方法可返回Collection），其迭代子操作时间开销和HashMap的容量成比例。因此，如果迭代操作的性能相当重要的话，不要将HashMap的初始化容量设得过高，或者load factor过低。

参考：

http://www.tuicool.com/articles/NN7ZzqJ

http://ifeve.com/why-is-there-not-concurrent-arraylist-in-java-util-concurrent-package/

《Java程序性能优化》 葛一鸣