摘要:有序可重復數組,線程不安全。是基于鏈接節點的線程安全的隊列。它實質上就是一種帶有一點扭曲的數據結構。鏈表結構,結構新特性,當節點數大于時,將鏈表轉換為紅黑樹過長的鏈表搜索性能降低,使用紅黑樹來提高查找性能。
Collection List(有序,可重復) ArrayList
數組,線程不安全。
查詢:帶下標訪問數組,O(1)
修改:由于arraylist不允許空的空間,當在一個arraylist的中間插入或者刪除元素,需要遍歷移動插入/刪除位置到數組尾部的所有元素。另外arraylist需要擴容時,需要將實際存儲的數組元素復制到一個新的數組去,因此一般認為修改的時間復雜度O(N)
擴容/*minCapacity為原list長度*/ private void ensureCapacityInternal(int minCapacity) { ensureExplicitCapacity(calculateCapacity(elementData, minCapacity)); } private void ensureExplicitCapacity(int minCapacity) { modCount++; // overflow-conscious code if (minCapacity - elementData.length > 0) grow(minCapacity); } private void grow(int minCapacity) { // overflow-conscious code int oldCapacity = elementData.length; int newCapacity = oldCapacity + (oldCapacity >> 1); if (newCapacity - minCapacity < 0) newCapacity = minCapacity; if (newCapacity - MAX_ARRAY_SIZE > 0) newCapacity = hugeCapacity(minCapacity); // minCapacity is usually close to size, so this is a win: elementData = Arrays.copyOf(elementData, newCapacity); }
默認情況1.5倍增長
Vector數組,線程安全(條件)
與ArrayList不同的是使用了同步(Synchronized),基本實現了線程安全
對象進行操作時,不加鎖的話還是有問題,例如下面的例子
public Object deleteLast(Vector v){ int lastIndex = v.size()-1; v.remove(lastIndex); }
執行deleteLast操作時如果不加鎖,可能會出現remove時size錯誤
擴容默認2倍增長
Stack堆棧繼承Vector
通過push、pop進行入棧,出棧
雙向鏈表,線程不安全
查詢,需要遍歷鏈表,時間復雜度O(N)
修改,只需要修改1~2個節點的指針地址,時間復雜度O(1)
Set(無序,唯一) HashSetHashMap, 線程不安全
操作元素時間復雜度, O(1)
LinkedHashSetLinkedHashMap,線程不安全
public class LinkedHashSetextends HashSet implements Set , Cloneable, java.io.Serializable { ... public LinkedHashSet() {super(16, .75f, true);} } //hashset.java中的構造方法 HashSet(int initialCapacity, float loadFactor, boolean dummy) { map = new LinkedHashMap<>(initialCapacity, loadFactor); }
操作元素 O(1)
由于底層結構是LinkedHashMap,可以記錄元素之間插入的順序
TreeSetTreeMap, 線程不安全
由于是樹結構,可以保證數據存儲是有序的
操作元素時間復雜度,O(logN)
Queue隊列queue使用時要盡量避免Collection的add()和remove()方法,而是要使用offer()來加入元素,使用poll()來獲取并移出元素。它們的優
點是通過返回值可以判斷成功與否,add()和remove()方法在失敗的時候會拋出異常。 如果要使用前端而不移出該元素,使用
element()或者peek()方法。
1、沒有實現的阻塞接口的LinkedList:
實現了java.util.Queue接口和java.util.AbstractQueue接口
內置的不阻塞隊列: PriorityQueue 和 ConcurrentLinkedQueue
PriorityQueue 和 ConcurrentLinkedQueue 類在 Collection Framework 中加入兩個具體集合實現。
PriorityQueue 類實質上維護了一個有序列表。加入到 Queue 中的元素根據它們的天然排序(通過其 java.util.Comparable 實現)或者根據傳遞給構造函數的 java.util.Comparator 實現來定位。
ConcurrentLinkedQueue 是基于鏈接節點的、線程安全的隊列。并發訪問不需要同步。因為它在隊列的尾部添加元素并從頭部刪除它們,所以只要不需要知道隊列的大小, ConcurrentLinkedQueue 對公共集合的共享訪問就可以工作得很好。收集關于隊列大小的信息會很慢,需要遍歷隊列。
2)實現阻塞接口的
java.util.concurrent 中加入了 BlockingQueue 接口和五個阻塞隊列類。它實質上就是一種帶有一點扭曲的 FIFO 數據結構。不是立即從隊列中添加或者刪除元素,線程執行操作阻塞,直到有空間或者元素可用。
五個隊列所提供的各有不同:
ArrayBlockingQueue :一個由數組支持的有界隊列。
LinkedBlockingQueue :一個由鏈接節點支持的可選有界隊列。
PriorityBlockingQueue :一個由優先級堆支持的無界優先級隊列。
DelayQueue :一個由優先級堆支持的、基于時間的調度隊列。
SynchronousQueue :一個利用 BlockingQueue 接口的簡單聚集(rendezvous)機制。
Map HashMap鏈表結構,Node結構
static class Nodeimplements Map.Entry { final int hash; final K key; V value; Node next; Node(int hash, K key, V value, Node next) { this.hash = hash; this.key = key; this.value = value; this.next = next; }
JDK 1.8新特性,當節點數大于8時,將鏈表轉換為紅黑樹
static final int TREEIFY_THRESHOLD = 8; if (binCount >= TREEIFY_THRESHOLD - 1) treeifyBin(tab, hash);
過長的鏈表搜索性能降低,使用紅黑樹來提高查找性能。
hash值計算static final int hash(Object key) { int h; return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16); }
對key的hash碼高16位實現異或
a⊕b = (?a ∧ b) ∨ (a ∧?b)
如果a、b兩個值不相同,則異或結果為1。如果a、b兩個值相同,異或結果為0
final V putVal(int hash, K key, V value, boolean onlyIfAbsent, boolean evict) { Node[] tab; Node p; int n, i; if ((tab = table) == null || (n = tab.length) == 0) n = (tab = resize()).length; if ((p = tab[i = (n - 1) & hash]) == null) tab[i] = newNode(hash, key, value, null); ...
插入table時,下標index = (n - 1) & hash
在n較小時,hash碼的低位的0和1不均勻,容易沖突導致碰撞。而通過上述XOR算法調整后,hash的低16位會變大,從而使得0和1分布更加均勻。
static final int MAXIMUM_CAPACITY = 1 << 30; public HashMap(int initialCapacity, float loadFactor) { /**省略此處代碼**/ this.loadFactor = loadFactor; this.threshold = tableSizeFor(initialCapacity); } static final int tableSizeFor(int cap) { int n = cap - 1; n |= n >>> 1; n |= n >>> 2; n |= n >>> 4; n |= n >>> 8; n |= n >>> 16; return (n < 0) ? 1 : (n >= MAXIMUM_CAPACITY) ? MAXIMUM_CAPACITY : n + 1;
假設cap=37,則n=36, 100100
右移1, 010010,或結果=110110
右移2, 001101,或結果=111111
右移4, 000011,或結果=111111
右移8, 000000,或結果=111111
右移16, 000000,或結果=111111
結果為63,二進制或操作只有在兩數都為0時,才為0,因此通過循環右移,或操作,實際是為了找到n的最高位,并將后面的數字全部全改寫為1,從而實現返回大于等于initialCapacity的最小的2的冪。
擴容final Node[] resize() { Node [] oldTab = table; int oldCap = (oldTab == null) ? 0 : oldTab.length; int oldThr = threshold; int newCap, newThr = 0; if (oldCap > 0) { if (oldCap >= MAXIMUM_CAPACITY) { threshold = Integer.MAX_VALUE; return oldTab; } else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY && oldCap >= DEFAULT_INITIAL_CAPACITY) newThr = oldThr << 1; // double threshold } else if (oldThr > 0) // initial capacity was placed in threshold newCap = oldThr; else { // zero initial threshold signifies using defaults newCap = DEFAULT_INITIAL_CAPACITY; newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY); } if (newThr == 0) { float ft = (float)newCap * loadFactor; newThr = (newCap < MAXIMUM_CAPACITY && ft < (float)MAXIMUM_CAPACITY ? (int)ft : Integer.MAX_VALUE); } threshold = newThr; @SuppressWarnings({"rawtypes","unchecked"}) Node [] newTab = (Node [])new Node[newCap]; table = newTab; if (oldTab != null) { for (int j = 0; j < oldCap; ++j) { //遍歷舊鏈表 Node e; if ((e = oldTab[j]) != null) { oldTab[j] = null; if (e.next == null) //單節點 newTab[e.hash & (newCap - 1)] = e; else if (e instanceof TreeNode) //樹 ((TreeNode )e).split(this, newTab, j, oldCap); else { //鏈表 Node loHead = null, loTail = null; Node hiHead = null, hiTail = null; Node next; do { next = e.next; if ((e.hash & oldCap) == 0) { if (loTail == null) loHead = e; else loTail.next = e; loTail = e; } else { //尾部指針hi if (hiTail == null) hiHead = e; else hiTail.next = e; hiTail = e; } } while ((e = next) != null); if (loTail != null) { loTail.next = null; newTab[j] = loHead; } if (hiTail != null) { hiTail.next = null; newTab[j + oldCap] = hiHead; } } } } } return newTab; }
這段代碼的含義是將oldTab[j]中的鏈表對半拆到newTab[j]和newTab[j + oldCap]
if ((e.hash & oldCap) == 0)怎么理解
我們知道oldTab中的index = (n - 1) & hash,假設n=8,則
newTab中的index = (16-1) & hash,那么在newTab中的index為index或者index + 8,那么e.hash & oldCap == 0 ,hash 必然為 X001000的形態才有可能,也就是說
if ((e.hash & oldCap) == 0)代表newindex == index的情況
loHead loTail/ hiTail hiHead 這2對指針
前面說了if ((e.hash & oldCap) == 0)表示newindex == index,那么lo指針指向的就是此類節點,hi指針指向剩下的節點
通過tail指針的移動,實現鏈表拆分以及各節點next指針的更新
Dictionary, 線程安全
操作元素時間復雜度, O(1)
synchronized 線程安全
寫入數據public synchronized V put(K key, V value) { // Make sure the value is not null if (value == null) { throw new NullPointerException(); } // Makes sure the key is not already in the hashtable. Entry,?> tab[] = table; int hash = key.hashCode(); int index = (hash & 0x7FFFFFFF) % tab.length; @SuppressWarnings("unchecked") Entry擴容entry = (Entry )tab[index]; for(; entry != null ; entry = entry.next) { //遍歷鏈表 if ((entry.hash == hash) && entry.key.equals(key)) { V old = entry.value; entry.value = value; return old; } } addEntry(hash, key, value, index); return null; } private void addEntry(int hash, K key, V value, int index) { modCount++; Entry,?> tab[] = table; if (count >= threshold) { // Rehash the table if the threshold is exceeded rehash(); tab = table; hash = key.hashCode(); index = (hash & 0x7FFFFFFF) % tab.length; } // Creates the new entry. @SuppressWarnings("unchecked") Entry e = (Entry ) tab[index]; tab[index] = new Entry<>(hash, key, value, e); count++; }
遍歷,重新計算index,并填入newMap
protected void rehash() { int oldCapacity = table.length; Entry,?>[] oldMap = table; // overflow-conscious code int newCapacity = (oldCapacity << 1) + 1; if (newCapacity - MAX_ARRAY_SIZE > 0) { if (oldCapacity == MAX_ARRAY_SIZE) // Keep running with MAX_ARRAY_SIZE buckets return; newCapacity = MAX_ARRAY_SIZE; } Entry,?>[] newMap = new Entry,?>[newCapacity]; modCount++; threshold = (int)Math.min(newCapacity * loadFactor, MAX_ARRAY_SIZE + 1); table = newMap; for (int i = oldCapacity ; i-- > 0 ;) { for (EntryTreeMapold = (Entry )oldMap[i] ; old != null ; ) { Entry e = old; old = old.next; int index = (e.hash & 0x7FFFFFFF) % newCapacity; e.next = (Entry )newMap[index]; //反轉鏈表 newMap[index] = e; } } }
紅黑樹是平衡二叉樹排序樹,我們來看下它的特性
紅黑樹特性二叉排序樹特性
是一棵空樹,
或者是具有下列性質的二叉樹
左子樹也是二叉排序樹,且非空左子樹上所有結點的值均小于它的根結點的值
右子樹也是二叉排序樹,且非空右子樹上所有結點的值均大于它的根結點的值
平衡二叉樹特性
它是一棵空樹或它的左右兩個子樹的高度差的絕對值不超過1
左右兩個子樹都是一棵平衡二叉樹。
紅黑樹的特性:
節點是紅色或黑色。
根節點是黑色。
每個葉節點(NIL節點,空節點)是黑色的。
每個紅色節點的兩個子節點都是黑色。(從每個葉子到根的所有路徑上不能有兩個連續的紅色節點)
從任一節點到其每個葉子的所有路徑都包含相同數目的黑色節點。
查找基于遞歸的思想處理
/*查找大于等于K的最小節點*/ final Entry恢復平衡getCeilingEntry(K key) { Entry p = root; while (p != null) { int cmp = compare(key, p.key); if (cmp < 0) { //key < p.key if (p.left != null) p = p.left; else return p; } else if (cmp > 0) { key > p.key if (p.right != null) { p = p.right; } else { //叔節點 Entry parent = p.parent; Entry ch = p; while (parent != null && ch == parent.right) { ch = parent; parent = parent.parent; } return parent; } } else return p; } return null; } /*查找小于等于K的最大節點, 原理類似,省略*/ final Entry getFloorEntry(K key) { ... } /*查找大于K的最大節點, 原理類似,省略*/ final Entry getHigherEntry(K key) { ... } /*查找小于K的最大節點, 原理類似,省略*/ final Entry getLowerEntry(K key) { ... }
插入/刪除節點會破壞紅黑樹的平衡,為了恢復平衡,可以進行2類操作:旋轉和著色
旋轉private void rotateLeft(Entryp) { if (p != null) { Entry r = p.right; p.right = r.left; if (r.left != null) r.left.parent = p; r.parent = p.parent; if (p.parent == null) root = r; else if (p.parent.left == p) p.parent.left = r; else p.parent.right = r; r.left = p; p.parent = r; } }
插入節點總是為紅色
場景分析
情形1: 新節點位于樹的根上,沒有父節點
將新節點(根節點設置為黑色)
情形2: 新節點的父節點是黑色
無處理
情形3:新節點的父節點是紅色,分3類情況
3A: 當前節點的父節點是紅色,且當前節點的祖父節點的另一個子節點(叔叔節點)也是紅色。
3B: 當前節點的父節點是紅色,叔叔節點是黑色,且當前節點是其父節點的右孩子
3C: 當前節點的父節點是紅色,叔叔節點是黑色,且當前節點是其父節點的左孩子
總結
==為了保證紅黑樹特性5,插入的節點需要是紅色==
==根節點是紅色或者黑色,都不影響紅黑樹特性5,也就是說當父節點和叔節點均為紅色時,可以通過將互換祖父與父、叔節點的顏色來上朔不平衡,并最終通過將根節點從紅色設置為黑色來解決不平衡==
==當叔節點為黑色,父節點為紅色時,按照上述思路將父節點與祖父節點顏色互換后,必然會使得當前節點所在的子樹黑色節點過多而影響紅黑樹特性5,因此需要通過旋轉將黑色節點向相反方向轉移,以平衡根的兩側==
當前節點的父節點是紅色,且當前節點的祖父節點的另一個子節點(叔叔節點)也是紅色。
處理思路:
父節點與叔節點變黑色
祖父節點變紅色
當前節點轉換為祖父節點,迭代處理
graph TD 1[祖父紅]-->2[父黑] 1-->3[叔黑] 2-->4{新紅} 2-->5[兄]
當前節點的父節點是紅色,叔叔節點是黑色,且當前節點是其父節點的右孩子
處理思路:
左旋/右旋父節點
后續操作見3C
當前節點的父節點是紅色,叔叔節點是黑色,且當前節點是其父節點的左孩子
處理思路
父節點設置為黑色
祖父節點設置為紅色
右旋/左旋祖父節點
private void fixAfterInsertion(Entry刪除節點x) { x.color = RED; //新插入的節點為紅色 while (x != null && x != root && x.parent.color == RED) { // x的父節點 == x的父-父-左子節點 if (parentOf(x) == leftOf(parentOf(parentOf(x)))) { Entry y = rightOf(parentOf(parentOf(x))); // y為x的叔節點 if (colorOf(y) == RED) { //叔節點為紅色, 3A setColor(parentOf(x), BLACK); setColor(y, BLACK); setColor(parentOf(parentOf(x)), RED); x = parentOf(parentOf(x)); } else { //叔節點為黑色 if (x == rightOf(parentOf(x))) { //3B x = parentOf(x); rotateLeft(x); } //3C setColor(parentOf(x), BLACK); setColor(parentOf(parentOf(x)), RED); rotateRight(parentOf(parentOf(x))); } } else { Entry y = leftOf(parentOf(parentOf(x))); if (colorOf(y) == RED) { //3A setColor(parentOf(x), BLACK); setColor(y, BLACK); setColor(parentOf(parentOf(x)), RED); x = parentOf(parentOf(x)); } else { if (x == leftOf(parentOf(x))) { //3C x = parentOf(x); rotateRight(x); } //3B setColor(parentOf(x), BLACK); setColor(parentOf(parentOf(x)), RED); rotateLeft(parentOf(parentOf(x))); } } } root.color = BLACK; }
情況分析
被刪除節點沒有兒子,即為葉節點。那么,直接將該節點刪除就OK了。
被刪除節點只有一個兒子。那么,直接刪除該節點,并用該節點的唯一子節點頂替它的位置。
被刪除節點有兩個兒子。那么,先找出它的后繼節點;然后把“它的后繼節點的內容”復制給“該節點的內容”;之后,刪除“它的后繼節點”。在這里,后繼節點相當于替身,在將后繼節點的內容復制給"被刪除節點"之后,再將后繼節點刪除。這樣就巧妙的將問題轉換為"刪除后繼節點"的情況了,下面就考慮后繼節點。 在"被刪除節點"有兩個非空子節點的情況下,它的后繼節點不可能是雙子非空。既然"的后繼節點"不可能雙子都非空,就意味著"該節點的后繼節點"要么沒有兒子,要么只有一個兒子。若沒有兒子,則按"情況①"進行處理;若只有一個兒子,則按"情況② "進行處理。
private void deleteEntry(Entry重新平衡p) { modCount++; size--; // 情況3 將p的值賦予后繼節點s,并轉換為刪除s if (p.left != null && p.right != null) { Entry s = successor(p); p.key = s.key; p.value = s.value; p = s; } // 情況2 Entry replacement = (p.left != null ? p.left : p.right); if (replacement != null) { // Link replacement to parent replacement.parent = p.parent; if (p.parent == null) root = replacement; else if (p == p.parent.left) p.parent.left = replacement; else p.parent.right = replacement; // Null out links so they are OK to use by fixAfterDeletion. p.left = p.right = p.parent = null; // Fix replacement if (p.color == BLACK) fixAfterDeletion(replacement); } else if (p.parent == null) { root = null; //p是根節點 } else { //情況1 if (p.color == BLACK) fixAfterDeletion(p); if (p.parent != null) { if (p == p.parent.left) p.parent.left = null; else if (p == p.parent.right) p.parent.right = null; p.parent = null; } } }
刪除節點x,根據上文分析,x有0或1個子節點
x是紅色節點,那么刪除它不會破壞平衡
如果x是黑色
4A 兄節點為紅色
4B 兄節點的兩個子節點均為黑色
4C 兄節點的遠端子節點為黑色,另一個為紅色或無
4D 兄節點的遠端子節點為紅色,另一個為紅色或無
兄節點及其子樹的黑色節點應該比X多一個
處理方法:
兄節點設置為黑色
父節點設置為紅色
左旋/右旋父節點,變形為B/C/D情況
處理方法:
兄節點設置為紅色
x設置為父節點,上溯不平衡
處理方法
近端侄節點設置為黑色
兄節點設置為紅色
右旋/左旋兄節點
轉換為4D處理
處理方法
將父節點的顏色賦予兄節點
將父節點設置為黑色
將遠端侄節點的顏色設置為黑色
左旋父節點
文章版權歸作者所有,未經允許請勿轉載,若此文章存在違規行為,您可以聯系管理員刪除。
轉載請注明本文地址:http://specialneedsforspecialkids.com/yun/73022.html
摘要:哪吒社區技能樹打卡打卡貼函數式接口簡介領域優質創作者哪吒公眾號作者架構師奮斗者掃描主頁左側二維碼,加入群聊,一起學習一起進步歡迎點贊收藏留言前情提要無意間聽到領導們的談話,現在公司的現狀是碼農太多,但能獨立帶隊的人太少,簡而言之,不缺干 ? 哪吒社區Java技能樹打卡?【打卡貼 day2...
??前面的話?? 大家好!這是Java基礎知識與數據結構博文的導航帖,收藏我!學習Java不迷路! ?博客主頁:未見花聞的博客主頁 ?歡迎關注?點贊?收藏??留言? ?本文由未見花聞原創,CSDN首發! ?首發時間:?2021年11月11日? ??堅持和努力一定能換來詩與遠方! ?參考書籍:?《Java核心技術卷1》,?《Java核心技術卷2》,?《Java編程思想》 ?參考在線編程網站:?牛...
摘要:學編程真的不是一件容易的事不管你多喜歡或是多會編程,在學習和解決問題上總會碰到障礙。熟練掌握核心內容,特別是和多線程初步具備面向對象設計和編程的能力掌握基本的優化策略。 學Java編程真的不是一件容易的事,不管你多喜歡或是多會Java編程,在學習和解決問題上總會碰到障礙。工作的時間越久就越能明白這個道理。不過這倒是一個讓人進步的機會,因為你要一直不斷的學習才能很好的解決你面前的難題...
閱讀 2860·2019-08-30 15:44
閱讀 1888·2019-08-29 13:59
閱讀 2845·2019-08-29 12:29
閱讀 1090·2019-08-26 13:57
閱讀 3202·2019-08-26 13:45
閱讀 3330·2019-08-26 10:28
閱讀 825·2019-08-26 10:18
閱讀 1695·2019-08-23 16:52