JDK成长记9(集合篇的总结和练习)

JDK成长记9(集合篇的总结和练习)
文章图片

这一节主要是抛出一些面试题让大家检验一下学习成果,也会小结一下集合篇的知识点。 所以不会特别长。
练习-模拟面试 练习-模拟面试

先给大家讲一个简单的面试场景
快手Java面试一、二面:
(一面一般会问一些各种基础,比如集合、并发、锁、JVM、MySql、Redis,IO模型,网络模型等基本原理和知识。二面也会掺杂一些基础,还会有些项目相关、框架的原理,中间件的原理,一些架构和思想,三面也是多方面的,但是基础会少,一般是一些底层原理,系统设计或者架构等)
面试官:你好
候选人:你好
大家寒暄一下……
面试官:在你的简历上面看了你的履历……
之后你总结一面和二面,问了一些ArrayList如下问题:
\1) 新建一个ArrayList会分配内存吗?
\2) ArrayList和LinkedList的区别?
\3) ArrayList扩容机制?
\4) ArrayList的一些API,逐个分析他们的时间复杂度?
\5) Hashmap底层数据结构,什么时候转化为红黑树,put操作的流程。
\6) Hashmap线程安全吗?线程安全的方式有哪些?
再给大家讲几个比较猛的面试题
阿里面试 HashMap连环炮
\1) hash值计算的算法是什么?就是key.hashCode()吗?
\2) 默认情况下,put第一个元素时候容量大小是多少?扩容阈值又是多少?
\3) hash寻址如何进行的?
\4) hash值如果计算的相同该怎么解决冲突?
\5) HashMap扩容后怎么进行rehash的?
\6) 指定大小的HashMap,扩容阈值算法是什么?
\7) Hashmap死循环问题解释一下?
美团面试题(深入)
HashMap的JDK1.8和JDK1.7的实现不同之处?(大家可以看下JDK1.7的源码找下不同)
字节跳动面试题(果然有算法)
\1) 算法:翻转一下单向链表--->单向链表每k个元素翻转一次(升级版)
\2) 介绍HashMap ,与TreeMap区别?
\3) 用HashMap实现一个有过期功能的缓存,怎么实现?
https://blog.csdn.net/zhouyan...
ArrayList小结 ArrayList小结

1、 ArrayList的基本原理底层是一个Object数组。优点主要是随机访问快,缺点是扩容和插入和删除元素,会进行元素拷贝性能较差,不是线程安全的。
2、 创建ArrayList时,不指定大小, ArrayList第一次添加元素,会指定默认的容量大小为10。
【JDK成长记9(集合篇的总结和练习)】3、 ArrayList的扩容机制主要两点,一个是计算扩容大小=原值+原值右移1(等价1.5倍),一个是底层通过System.arraycopy来拷贝元素和创建新数组,来最终实现空间的扩容。
4、 核心方法大多是通过System.arraycopy进行拷贝元素做到的,removeIf方法中
5、 遍历通过内部类Itr遍历时向后访问,ListItr遍历时向前、向后均可访问,由于不是线程安全,通过modcout的检测,实现了fail-fast机制。
6、 Vector使用了synchronized关键字的ArrayList,线程安全,扩容是原来的2倍。Stack继承了Vector,使用数组模仿了栈的操作而已。
LinkedList小结 LinkedList小结

1、 LinkedList的基本原理,底层是一个双向链表。优点主要是插入和删除元素性能好,确定是随机访问性能差,不是线程安全的。链表元素具有prev和next、item组成,内部存在first和last两个头尾指针。
2、 在LinkedList的尾、头添加或者删除元素,使用l辅助指针记录原last元素或first指针位置。
3、 定位元素,采用二分法思想,根据size>>1进行了二分,通过for循环定位元素,时间复杂度O(n)
4、 中间添加或者删除元素时候,先定位元素,之后使用两个前后辅助指针,进行元素的插入或者删除。
HashMap小结 HashMap小结

1、 HashMap底层数据结构,JDK1.7数组+链表、JDK1.8数组+链表+红黑树。优点访问时间复杂度O(1),很快,缺点不是线程安全的。
2、 hash值计算的算法是什么?就是key.hashCode()吗?不是,基于hashCode进行计算的,高16位和低16位进行了异或操作。让高16位尽可能计算,减少hash冲突的概率。具体:hash=hashCode^hashCode>>>16。一般称之为扰动处理。
3、 默认情况下,put第一个元素时候容量大小是多少?扩容阈值又是多少?
put第一个元素的时候默认容量时16,扩容阈值是0.75*16=12。
4、 hash寻址如何进行的?
index = (n-1) & hash等价于 index =hash % n。不过&与操作性能更高。
5、 hash值如果计算的相同该怎么解决冲突?
3种情况,第一种hash值相同,key值也相同,进行覆盖操作。第二种hash值相同,key值不同,链接为单向链表结构,第二种hash值相同,key值不同,单向链表长度达到8,会将链表变为红黑树。
6、 HashMap扩容后怎么进行rehash的?
对应hash冲突产生的3中情况,扩容rehash也有3种情况。
情况1:如果数组位置只有一个值:使用新的容量进行rehash,即e.hash & (newCap - 1)
情况2:如果数组位置有链表,根据 e.hash & oldCap == 0进行判断,结果为0的使用原位置,否则使用index + oldCap位置,放入元素形成新链表,这里不会和情况1新的容量进行rehash与运算了,index + oldCap这样更省性能。
情况3:如果数组位置有红黑树,根据split方法,同样根据 e.hash & oldCap == 0进行树节点个数统计,如果个数小于6,将树的结果恢复为普通Node,否则使用index + oldCap,调整红黑树位置,这里不会和新的容量进行rehash与运算了,index + oldCap这样更省性能。
7、 指定大小的HashMap,扩容阈值算法是什么?
由于指定容量大小时,会计算扩容阈值,会将传入的容量大小调整为最接近2的次幂大小,设置为扩容阈值,构造函数时候,只是计算了扩容阈值,没有初始化数组大小。在添加元素时候数组大小等于了扩容阈值。
为什么这么做呢?一句话,为了提高hash寻址和扩容计算的的效率。因为无论扩容计算还是寻址计算,都是二进制的位运算,效率很快。另外之前你还记得取余(%)操作中如果除数是2的幂次方则等同于与其除数减一的与(&)操作。即 hash%size = hash & (size-1)。这个前提条件是除数是2的幂次方。
8、 HashMap死循环问题
在JDK1.8引入红黑树之前,JDK1.7由于只有单向链表解决hash冲突,除了遍历性能可能会慢,还有几率在多线程同时扩容,rehash的时候发生死循环问题,造成cpu100%。
造成死循环的核心脉络有如下几步:
1、首先原位置得有hash冲突,比如链表元素有4个。
2、之后需要有2个线程,同时添加元素,均满足扩容条件,进行扩容
3、一个线程刚刚进行了rehash操作,之后另一个线程开始rehash操作,会形成环向链表
4、get操作时候发生无限死循环,cpu可能达到100%
HashMap的兄弟姐妹们小结 HashMap的兄弟姐妹们小结

1、 LinkedHashMap 继承与HashMap,底层结构基于HashMap,增加了2个before和after指针,形成双向链表,可以维护插入有序或者访问有序,访问有序可用来做LRUMap或者适用需要顺序遍历的场景,但是它仍然不是线程安全的。
2、 TreeMap 可以自定义Key值的排序规则,底层数据结构是红黑树。应用场景很灵活,可以用来请求参数排序或者最近一次心跳时间、续约时间排序,来实现心跳或续约过期机制等。
3、 HashTable和HashMap核心区别就是使用synchronized保证线程安全,这个和Vector+ArrayList很像
4、 HashSet使用了HashMap,只不过add方法时候的value都是new Object()而已,结合map的特性,同一个key值只能存在一个,map在put的时候,会hash寻址到数组的同一个位置去,然后覆盖原来的值,所以Set是去重的。默认是无序的。
5、 LinkedHashSet继承了HashSet,此时HashSet通过使用LinkedHashMap,是可以进行访问有序的保证
6、 TreeSet也同理,默认是根据key值的compare方法来排序的,可以自定义Comparator,底层使用了TreeMap,add元素时,同样是空的Object,同样去重,但是TreeSet访问是可以有序。
7、 LinkedHashSet/TreeSet/HashTable/HashSe的原理都极其简单,都是基于之前的HashMap、LinkedHashMap、TreeMap而已。
阅读源码的思想和方法总结 阅读源码的思想和方法总结

1、 抓大放小的、对先脉络后细节、连蒙带猜的思想
2、 举例子、画图的方法
观念心态成长总结 观念心态成长总结

5个更重要
? 成长比成功更重要
? 改变自己比改变别人更重要
? 榜样比说服力更重要
? 借力比努力更重要
? 相信比知道更重要
3个坚持秘诀
? 坚持的三个秘诀之一视觉化
? 坚持的三个秘诀之一目标化
? 坚持的三个秘诀之一个性化

本文由博客一文多发平台 OpenWrite 发布!

    推荐阅读