- 分析常用集合的底层的原理：
ArrayList、Vector、LinckedList、HashMap、HashSet、LinkedHashMap、LruCache、SparseArray、ConcurrentHashMap
一、ArrayList
最佳的做法是将
ArrayList作为默认的首选，当你需要而外的功能的时候，或者是当程序性能由于经常需要从表中间插入和删除而变差的时候，才会去选择LinkedList来源于THinking in Java-
源码分析
- 最重要的两个属性分别是:
elementData数组size的大小
transient Object[] elementData; /** * The size of the ArrayList (the number of elements it contains). * * @serial */ //以及 size 大小 private int size;-
transient:java:语言的关键字，变量修饰符，如果用transient声明一个实例变量，当对象存储时，它的值不需要维持。换句话来说就是，用transient关键字标记的成员变量不参与序列化过程。 - 构造函数:
new ArrayList()的时候，会指定一个Object[]
private static final Object[] EMPTY_ELEMENTDATA = {}; public ArrayList() { super(); this.elementData = EMPTY_ELEMENTDATA; }- 指定长度
public ArrayList(int initialCapacity) { super(); if (initialCapacity < 0) throw new IllegalArgumentException("Illegal Capacity: "+ initialCapacity); this.elementData = new Object[initialCapacity]; }-
new Collection()添加一个集合
public ArrayList(Collection<? extends E> c) { elementData = c.toArray(); size = elementData.length; // c.toArray might (incorrectly) not return Object[] (see 6260652) if (elementData.getClass() != Object[].class) elementData = Arrays.copyOf(elementData, size, Object[].class); }- 添加元素
add()将指定的元素追加到列表的末尾
public boolean add(E e) { // 比如说加了一个元素 ensureCapacityInternal(size + 1); // Increments modCount!! elementData[size++] = e;//这里的推算是 elementData[0]=e return true; }-
ensureCapacityInternal()方法详情，如果是add一个元素，那么就会走到ensureExplicitCapacity()的方法中！同时第一次扩容的最小的值为DEFAULT_CAPACITY=10;
private void ensureCapacityInternal(int minCapacity) { // 如果 是直接new ArrayList的话，那么扩容的最小的值为10 if (elementData == EMPTY_ELEMENTDATA) { minCapacity = Math.max(DEFAULT_CAPACITY, minCapacity); } //开始扩展 ensureExplicitCapacity(minCapacity); }-
ensureExplicitCapacity(minCapacity),其中minCapacity是最小的长度，如果是使用的new ArrayList<E>()然后add(E),那么这个minCapacity=10.具体请看代码的逻辑
private void ensureExplicitCapacity(int minCapacity) { modCount++; // overflow-conscious code if (minCapacity - elementData.length > 0) grow(minCapacity); }-
grow(minCapactity)增加容量以确保它至少能容纳由最小容量参数指定的元素数量。
private void grow(int minCapacity) { // overflow-conscious code int oldCapacity = elementData.length; //(oldCapacity >> 1)等于 oldCapacity%2 意思就是除以2，取整数 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: //最小容量通常接近大小，所以这是一个胜利： elementData = Arrays.copyOf(elementData, newCapacity); }- 分析上面的问题，假如第一次添加数据，那么
oldCapacity =0;0>>2=0;newCapacity - minCapacity < 0就是 ：0-10肯定小于0的,所以newCapacity = minCapacity;，根据前面的分析，minCapacity=10! -
minCapacity is usually close to size, so this is a win:翻译为：最小容量通常接近大小，所以这是一个胜利： 最后调用等到一个容器长度为10的elementData: - 最后一步在
elementData[size++] = e;就是把elementData[0] = e;赋值完成了，size才会++ ，等于size=1 - 关于
>>代表右移;2的二进制是10，>>代表右移，10右移1位是二进制的1，<<代表左移，10左移1位是二进制的100，也就是十进制的4。
- 最重要的两个属性分别是:
往指定角标中添加元素 ,过程和添加一个元素一样，只不过这个方法更加的高效
System.arraycopy()
public void add(int index, E element) {
if (index > size || index < 0)
throw new IndexOutOfBoundsException(outOfBoundsMsg(index));
// 首先扩容校验。
ensureCapacityInternal(size + 1); // Increments modCount!!
// TODO: 2018/8/16 使用了 native的方法
// 复制，向后移动 接着对数据进行复制，目的是把 index 位置空出来放本次插入的数据，并将后面的数据向后移动一个位置。
System.arraycopy(elementData, index, elementData, index + 1,
size - index);
elementData[index] = element;
size++;
}
- 在
ArrayList中自定义了writeObject和readObject,目的是为了：JVM会调用这两个自定义方法来实现序列化与反序列化ArrayList只序列化(序列化 (Serialization)将对象的状态信息转换为可以存储或传输的形式的过程。在序列化期间，对象将其当前状态写入到临时或持久性存储区。以后，可以通过从存储区中读取或反序列化对象的状态，重新创建该对象)了被使用的数据。
private void writeObject(java.io.ObjectOutputStream s)
throws java.io.IOException{
...
}
private void readObject(java.io.ObjectInputStream s) throws java.io.IOException, ClassNotFoundException {
...
}
-
ArrayList的线程不安全,通过下面的方式证明
final ArrayList<String> lists=new ArrayList<>();
Thread t1= new Thread(){
@Override
public void run() {
super.run();
for (int i=0;i<25;i++){
lists.add("我是i="+i);
}
}
};
Thread t2= new Thread(){
@Override
public void run() {
super.run();
for (int i=25;i<50;i++){
lists.add("我是i="+i);
}
}
};
//主线程休眠1秒钟，以便t1和t2两个线程将lists填装完毕。
t1.start();
t2.start();
try {
Thread.sleep(1000);
// 即使睡完觉了，但是也有可能长度不对
for(int l=0;l<lists.size();l++){
// todo 两个线程不断的插入的话，就会导致插入的是null 我是i=34 我是i=10 我是i=35 我是i=11 null null 我是i=12 我是i=38 我是i=13 我是i=39
System.out.print(lists.get(l)+" ");
}
} catch (InterruptedException e) {
e.printStackTrace();
}
- 两个线程不断的插入的话，就会导致插入的是
null我是i=34 我是i=10 我是i=35 我是i=11 null null 我是i=12 我是i=38 我是i=13 我是i=39- 如果要使用安全的线程的话，可以通过
List<String> data=Collections.synchronizedList(new ArrayList<String>());得到线程安全的集合，
*Collections.synchronizedList的原理,如下代码
public static <T> List<T> synchronizedList(List<T> list) { return (list instanceof RandomAccess ? new SynchronizedRandomAccessList<>(list) : new SynchronizedList<>(list)); }- 可以在
SynchronizedList类中方法加入了关键字synchronized
public E get(int index) { synchronized (mutex) {return list.get(index);} } public E set(int index, E element) { synchronized (mutex) {return list.set(index, element);} } public void add(int index, E element) { - 如果要使用安全的线程的话，可以通过
- 关于原型模式，
ArrayList实现了接口Cloneable;这个接口只有一个作用，就是在运行时候通知虚拟机可以安全的实现,在java的虚拟机中，只有实现了这个接口的类才可以被拷贝，否者会抛出CloneNotSupportedException
public Object clone() {
try {
ArrayList<?> v = (ArrayList<?>) super.clone();
v.elementData = Arrays.copyOf(elementData, size);transient
v.modCount = 0;
return v;
} catch (CloneNotSupportedException e) {
// this shouldn't happen, since we are Cloneable
throw new InternalError(e);
}
}
-
我们可以看到这里有个深拷贝和 浅拷贝,幸运的是
java中大部分都容器都实现了Cloneable这个接口，所以在程度上去实现深入拷贝不太难。- 深拷贝：就是需要拷贝的类中，所有的东西，比如说：原型类中的数组，容器，饮用对象等
- 浅拷贝：就是只拷贝基本东西，容器这些不拷贝
- 更多的设计模式 二十三种设计模式
ArrayList遍历的速度快，插入删除速度慢，随机访问的速度快
二、Vector
- 关注
add get方法:可以得出：使用synchronized进行同步写数据，但是开销较大，所以Vector是一个同步容器并不是一个并发容器。
public synchronized boolean add(E e) {
modCount++;
ensureCapacityHelper(elementCount + 1);
elementData[elementCount++] = e;
return true;
}
public synchronized E get(int index) {
if (index >= elementCount)
throw new ArrayIndexOutOfBoundsException(index);
return elementData(index);
}
- 应该避免使用
Vector，它只存在支持遗留代码的类中（它能正常的工作的唯一原因是：因为为了向前兼容，它被适配成为了List） - 其他的不想多说，浪费电！
三、LinckedList
- 变量: 集合元素数量;链表头节点;链表尾节点
//集合元素数量
transient int size = 0;
//链表头节点
transient Node<E> first;
//链表尾节点
transient Node<E> last;
-
Node类，数据结构的关键类，每一个元素值，都存在两个结点，前一个，后一个
private static class Node<E> {
E item;//元素值
Node<E> next;//后置节点
Node<E> prev;//前置节点
Node(Node<E> prev, E element, Node<E> next) {
this.item = element;
this.next = next;
this.prev = prev;
}
}
- 构造方法
public LinkedList() {
}
public LinkedList(Collection<? extends E> c) {
this();
addAll(c);
}
- 关注
add(E)方法,可以看到这个返回值永远为true; 每次插入都是移动指针，和ArrayList的拷贝数组来说效率要高上不少
public boolean add(E e) {
linkLast(e);
return true;
}
-
linkLast(E)方法:生成新节点 并插入到 链表尾部， 更新last/first节点。
void linkLast(E e) {
final Node<E> l = last;
final Node<E> newNode = new Node<>(l, e, null);
last = newNode;
if (l == null) //若原链表为空链表，需要额外更新头结点
first = newNode;
else//否则更新原尾节点的后置节点为现在的尾节点（新节点）
l.next = newNode;
size++;
modCount++;
}
如果说，最后的一个结点为
null;那么我们新加入的元素，就是最后一个结点，如果最后一个结点不为null,那么我们插入的新的值就是最后结点的l.next = newNode.get()方法
public E get(int index) {
// 常看数组角标是否越界
checkElementIndex(index);
return node(index).item;
}
-
node(index)的方法
Node<E> node(int index) {
//二分查找来看 index 离 size 中间距离来判断是从头结点正序查还是从尾节点倒序查
// assert isElementIndex(index);
//通过下标获取某个node 的时候，（增、查 ），会根据index处于前半段还是后半段 进行一个折半，以提升查询效率
if (index < (size >> 1)) {
Node<E> x = first;
//不断的往前面找 ，如果查找的角标比linkedList的size的取余还小的话，就通过不断的循环去得到相对应的值
for (int i = 0; i < index; i++)
x = x.next;
return x;
} else {
Node<E> x = last;
for (int i = size - 1; i > index; i--)
x = x.prev;
return x;
}
}
- 可以看出这是一个二分查找，如果
index < (size >> 1),>>代表右移,其实就是%2,这里查找下去，知道找到为止 - 如果假如，我们查找的
index约接近size的一半，那么我们需要的次数就会越低，总结一句话：效率是非常低的，特别是当index越接近size的中间值。 - 来源于
gitHub
Linckedlist底层的原理.jpg
四、HashMap
- 在 1.6 1.7
hashmap的类的代码一共1500行左右，在1.8一共有2000行左右! 这里直接看的是JDK1.8的代码。 - 关于变量
static final int DEFAULT_INITIAL_CAPACITY = 1 << 4; // aka 16
//左移运算符，num << 1,相当于num乘以2 最大的长度
static final int MAXIMUM_CAPACITY = 1 << 30;// 相当于把1 位移30为等于 1 + 30个0的长度
// 填充比 因为如果填充比很大，说明利用的空间很多，如果一直不进行扩容的话，链表就会越来越长，这样查找的效率很低，因为链表的长度很大（当然最新版本使用了红黑树后会改进很多），扩容之后，将原来链表数组的每一个链表分成奇偶两个子链表分别挂在新链表数组的散列位置，这样就减少了每个链表的长度，增加查找效率
// hashMap本来是以空间换时间，所以填充比没必要太大。但是填充比太小又会导致空间浪费。如果关注内存，填充比可以稍大，如果主要关注查找性能，填充比可以稍小。
static final float DEFAULT_LOAD_FACTOR = 0.75f;
//当add一个元素到某个位桶，其链表长度达到8时将链表转换为红黑树
static final int TREEIFY_THRESHOLD = 8;
static final int UNTREEIFY_THRESHOLD = 6;
static final int MIN_TREEIFY_CAPACITY = 64;
-
关于
Node内部类static class Node<K,V> implements Map.Entry<K,V> { final int hash; final K key; V value; Node<K,V> next; //todo 构造函数 hash值 key 和value 和 下一个结点 Node(int hash, K key, V value, Node<K,V> next) { this.hash = hash; this.key = key; this.value = value; this.next = next; } public final K getKey() { return key; } public final V getValue() { return value; } public final String toString() { return key + "=" + value; } // 是去key的hash值和 value的hash值 然后做位异运算 转为二进制 相同为0，不同为1 public final int hashCode() { // todo 位异或运算（^） // 运算规则是：两个数转为二进制，然后从高位开始比较，如果相同则为0，不相同则为1 return Objects.hashCode(key) ^ Objects.hashCode(value); } public final V setValue(V newValue) { V oldValue = value; value = newValue; return oldValue; } // todo 判断两个 node 结点是否相等，一个比较自身相等，一个是比较key和value public final boolean equals(Object o) { if (o == this) return true; if (o instanceof Map.Entry) { Map.Entry<?,?> e = (Map.Entry<?,?>)o; if (Objects.equals(key, e.getKey()) && Objects.equals(value, e.getValue())) return true; } return false; } }-
Node类的中存储了hashkeyvalue和下一个结点Node,后面解释 -
Node类的hashCode是Objects.hashCode(key) ^ Objects.hashCode(value);位异或运算（^）: 运算规则是两个数转为二进制，然后从高位开始比较，如果相同则为0，不相同则为1 - 判断两个
node是否相等：一个比较自身相等，一个是比较key和value
-
HashMap的构造方法,指定容量和扩展因子！
public HashMap(int initialCapacity, float loadFactor) {
if (initialCapacity < 0)
throw new IllegalArgumentException("Illegal initial capacity: " +
initialCapacity);
//如果最大的长度大于最大的话，就默认最大的
if (initialCapacity > MAXIMUM_CAPACITY)
initialCapacity = MAXIMUM_CAPACITY;
//填充比为正
if (loadFactor <= 0 || Float.isNaN(loadFactor))
throw new IllegalArgumentException("Illegal load factor: " +
loadFactor);
this.loadFactor = loadFactor;
// 加入指定的容量为 10 那么新的扩容的临界值为 13
this.threshold = tableSizeFor(initialCapacity);
}
- 关于
tableSizeFor(initialCapacity)方法，说白了就是算法，给你一个接近的值，设置hashmap的长度为10，那么他的新的扩容的临界值=16
int cap=10;
int n = cap - 1;//9
n |= n >>> 1;//9的二进制=1001 >>>表示无符号的右移 100 =十进制 4 n= 1001 |= 100
System.out.println("n="+n); // n=13; 其实就是等于 n= 1001 |= 100 也就是n=1101 换成十进制等于13
n |= n >>> 2;
n |= n >>> 4;
n |= n >>> 8;
n |= n >>> 16;
int i= (n < 0) ? 1 : (n >= 1000000) ? 1000000 : n + 1;
无符号的右移（
>>>）:按照二进制把数字右移指定数位，高位直接补零，低位移除！a=a|b等于a|=b的意思就是把a和b按位或然后赋值给a 按位或的意思就是先把a和b都换成2进制，然后用或操作比如：
9的二进制1001>>>表示无符号的右移 得到100等于十进制4n=1001 |= 100，最后n=1101转化为十进制等于n=13。-
上面函数的运算过程
- n |= n >>> 1;//9的二进制=1001 >>>表示无符号的右移 100 =十进制 4 n= 1001 |= 100
- n |= n >>> 2; // 1101 移动两位 0011 |1101 等于1111
- n |= n >>> 4;// 1111 移动4为 0000 |1111 =1111
- n |= n >>> 8;// 1111 移动8为 0000 |1111 =1111
- n |= n >>> 16;// 1111 移动16为 0000 |1111 =1111
HashMap的构造方法,设置容器的长度 但是指定的默认的扩展因子为0.75
public HashMap(int initialCapacity) {
this(initialCapacity, DEFAULT_LOAD_FACTOR);
}
-
HashMap的构造方法,什么都不指定 都给默认的,我们自己最常用的。
//什么都不指定 都给默认的
public HashMap() {
this.loadFactor = DEFAULT_LOAD_FACTOR; // all other fields defaulted
}
*HashMap的构造方法, 也可以new一个 map进去，这种的方式 我们使用的比较少
public HashMap(Map<? extends K, ? extends V> m) {
//默认指定了扩展的因子
this.loadFactor = DEFAULT_LOAD_FACTOR;
putMapEntries(m, false);
}
-
putMapEntries()方法,如果是构造函数到这里来的话，就会进入到threshold = tableSizeFor(t);这里来，然后遍历m,然后一个个元素去添加，如果装载进来的map集合过于巨大，建议使用源map的原型模式clone方法克隆一个。
final void putMapEntries(Map<? extends K, ? extends V> m, boolean evict) {
int s = m.size();
if (s > 0) {
// 如果是hashmap中填充了一个map 就会走到这里来 table == null =true
if (table == null) { // pre-size
float ft = ((float)s / loadFactor) + 1.0F;
int t = ((ft < (float)MAXIMUM_CAPACITY) ?
(int)ft : MAXIMUM_CAPACITY);
// t=ft
if (t > threshold)
//也就会走到这里来
threshold = tableSizeFor(t);
} else if (s > threshold) {
// 扩容机制
resize();
}
// copy的过程 遍历hashmap的话，这个应该是最高效的方式
for (Map.Entry<? extends K, ? extends V> e : m.entrySet()) {
K key = e.getKey();
V value = e.getValue();
putVal(hash(key), key, value, false, evict);
}
}
}
- 关键方法
put，了解如何储存的数据
public V put(K key, V value) {
return putVal(hash(key), key, value, false, true);
}
-
putVal方法的详情，假装put数据去分析。// 在构造函数中，也调用了这个方法，唯一不同的地方就是 evict=fasle final V putVal(int hash, K key, V value, boolean onlyIfAbsent, boolean evict) { Node<K,V>[] tab; Node<K,V> p; int n, i; if ((tab = table) == null || (n = tab.length) == 0) n = (tab = resize()).length; /*如果table的在（n-1）&hash的值是空，就新建一个节点插入在该位置*/ if ((p = tab[i = (n - 1) & hash]) == null) // todo LinkedHashMap 重新重写了这个方法，然后使用了 LinkedHashMap.Entry 里面多了两个结点 Entry<K,V> before, after; tab[i] = newNode(hash, key, value, null); ///*表示有冲突,开始处理冲突*/ else { Node<K,V> e; K k; /*检查第一个Node，p是不是要找的值*/ if (p.hash == hash && ((k = p.key) == key || (key != null && key.equals(k)))) e = p; else if (p instanceof TreeNode) e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value); else { for (int binCount = 0; ; ++binCount) { /*指针为空就挂在后面*/ if ((e = p.next) == null) { p.next = newNode(hash, key, value, null); //如果冲突的节点数已经达到8个，看是否需要改变冲突节点的存储结构， //treeifyBin首先判断当前hashMap的长度，如果不足64，只进行 //resize，扩容table，如果达到64，那么将冲突的存储结构为红黑树 if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st treeifyBin(tab, hash); break; } /*如果有相同的key值就结束遍历*/ if (e.hash == hash && ((k = e.key) == key || (key != null && key.equals(k)))) break; p = e; } } /*就是链表上有相同的key值*/ if (e != null) { // existing mapping for key V oldValue = e.value; if (!onlyIfAbsent || oldValue == null) e.value = value; // todo LinkedHashMap 对其重写 afterNodeAccess(e); return oldValue; } } ++modCount; /*如果当前大小大于门限，门限原本是初始容量*0.75*/ if (++size > threshold) resize(); // todo LinkedHashMap 对其重写 afterNodeInsertion(evict); return null; }-
1、可以发现
table肯定为null,没有初始化，所以第一个判断条件肯定成立tab = table) == null || (n = tab.length) == 0,这里有个小小的问题，当tab = table) == null成立的时候，后面||的代码是不会执行的，所以不会抛出空指针的异常。也就会执行n = (tab = resize()).length;的代码transient Node<K,V>[] table;// 第一次table没有去初始化，肯定为null -
2、关于
resize()的方法，其实这个也是很关键的方法，扩容// 扩容机制 HasMap的扩容机制resize(); final Node<K,V>[] resize() { Node<K,V>[] oldTab = table; int oldCap = (oldTab == null) ? 0 : oldTab.length; int oldThr = threshold; int newCap, newThr = 0; /*如果旧表的长度不是空*/ if (oldCap > 0) { if (oldCap >= MAXIMUM_CAPACITY) { threshold = Integer.MAX_VALUE; return oldTab; } /*把新表的长度设置为旧表长度的两倍，newCap=2*oldCap*/ else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY && oldCap >= DEFAULT_INITIAL_CAPACITY) /*把新表的门限设置为旧表门限的两倍，newThr=oldThr*2*/ newThr = oldThr << 1; // double threshold } else if (oldThr > 0) // initial capacity was placed in threshold newCap = oldThr; /*如果旧表的长度的是0，就是说第一次初始化表*/ else { // zero initial threshold signifies using defaults // todo 在new hashMap中的长度 ，然后调用了 put的方法的时候，就会发生一次扩容 ，长度为16 newCap = DEFAULT_INITIAL_CAPACITY; newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY); } if (newThr == 0) { float ft = (float)newCap * loadFactor;//新表长度乘以加载因子 newThr = (newCap < MAXIMUM_CAPACITY && ft < (float)MAXIMUM_CAPACITY ? (int)ft : Integer.MAX_VALUE); } threshold = newThr; @SuppressWarnings({"rawtypes","unchecked"}) /*下面开始构造新表，初始化表中的数据*/ Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap]; table = newTab; if (oldTab != null) { for (int j = 0; j < oldCap; ++j) { Node<K,V> e; if ((e = oldTab[j]) != null) { oldTab[j] = null; if (e.next == null)//说明这个node没有链表直接放在新表的e.hash & (newCap - 1)位置 newTab[e.hash & (newCap - 1)] = e; else if (e instanceof TreeNode) ((TreeNode<K,V>)e).split(this, newTab, j, oldCap); else { // preserve order Node<K,V> loHead = null, loTail = null; Node<K,V> hiHead = null, hiTail = null; Node<K,V> next; do { next = e.next; //记录下一个结点 //新表是旧表的两倍容量，实例上就把单链表拆分为两队， //e.hash&oldCap为偶数一队，e.hash&oldCap为奇数一对 if ((e.hash & oldCap) == 0) { if (loTail == null) loHead = e; else loTail.next = e; loTail = e; } else { 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; }- 扩容方法也比较复杂，带着问题来分析，第一次，
put数据的时候，可以得出oldCap=0、oldThr=0;那么新的长度newCap = DEFAULT_INITIAL_CAPACITY=16;newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY)=0.75*16=12,把新的长度赋值给threshold = newThr; - 然后
Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap];,根据上面我们可以的得出newCap=16; - 由于
oldTab==null，所以，这几返回一个newTab这是一个长度为16的Node的数组
- 扩容方法也比较复杂，带着问题来分析，第一次，
3、回到
putVal的方法中，那么n = (tab = resize()).length;也就是n=16-
4、那么
(p = tab[i = (n - 1) & hash]) == null是否成立呢，其实我们可以猜测下，第一次肯定是成立的，这里有个运算符，位与运算符&,把做运算的两个数都转化为二进制的，然后从高位开始比较，如果两个数都是1则为1，否者为0.如下面的HashMap中的算法int newHash=hash("test"); // 1的hash值=1 test :hash值=3556516 System.out.println( "newHash 1的hash值="+newHash); i = (16 - 1) & newHash; // i值=1 test值=4 System.out.println("newHash的 i值="+i); int hash(Object key) { int h; return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16); } -
5、这样就是走到这里来
tab[i] = newNode(hash, key, value, null);，也就是tab[0]=newNode。这里有个面试，面试经常问，这里注意到tab是resize()方法返回的，在resize()方法中，又把table = newTab;,那么我们改动tab能否去改变table呢？其实是能够的，这里传递是地址值，如下面的DemoString[] newS=setTest(); newS[0]="16"; // newS =[Ljava.lang.String;@1e0b9a System.out.println("newS ="+newS); //newS =[Ljava.lang.String;@1e0b9a System.out.println("test ="+test); System.out.println("test="+test.length); System.out.println("test="+test[0]); } String[] test; public String[] setTest(){ String[] newS=new String[10]; test=newS; return newS; } 以上就是
HashMap第一次put数据的完整过程。
-
当多次的
put数据的时候，如果 某个位置上的hash值相同的话，准确的讲i = (n - 1) & hash是这个值，取出来的tab不为null，那么储存的结构转化为链表
for (int binCount = 0; ; ++binCount) {
/*指针为空就挂在后面*/
if ((e = p.next) == null) {
p.next = newNode(hash, key, value, null);
//如果冲突的节点数已经达到8个，看是否需要改变冲突节点的存储结构，
//treeifyBin首先判断当前hashMap的长度，如果不足64，只进行
//resize，扩容table，如果达到64，那么将冲突的存储结构为红黑树
if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st
treeifyBin(tab, hash);
break;
}
/*如果有相同的key值就结束遍历*/
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
break;
- 当一个位置上的大于
TREEIFY_THRESHOLD - 1也就是7的话，看是否需要改变冲突节点的存储结构.treeifyBin首先判断当前hashMap的长度，如果不足64，只进行resize，扩容table，如果达到64，那么将冲突的存储结构为红黑树.如下图的结构
HashMap
final void treeifyBin(Node<K,V>[] tab, int hash) {
int n, index; Node<K,V> e;
if (tab == null || (n = tab.length) < MIN_TREEIFY_CAPACITY)
resize();
else if ((e = tab[index = (n - 1) & hash]) != null) {
TreeNode<K,V> hd = null, tl = null;
do {
TreeNode<K,V> p = replacementTreeNode(e, null);
if (tl == null)
hd = p;
else {
p.prev = tl;
tl.next = p;
}
tl = p;
} while ((e = e.next) != null);
if ((tab[index] = hd) != null)
hd.treeify(tab);
}
}
- 是所有链表上的数据结构都会转，不可能在一个链表上，即存在红黑树，也存在链表
-
get方法相对应就简单了
public V get(Object key) {
Node<K,V> e;
return (e = getNode(hash(key), key)) == null ? null : e.value;
}
// 不断的去取结点，是红黑树就去找红黑树，是聊边就去找链表
final Node<K,V> getNode(int hash, Object key) {
Node<K,V>[] tab; Node<K,V> first, e; int n; K k;
if ((tab = table) != null && (n = tab.length) > 0 && (first = tab[(n - 1) & hash]) != null) {
if (first.hash == hash && // always check first node
((k = first.key) == key || (key != null && key.equals(k))))
return first;
if ((e = first.next) != null) {
if (first instanceof TreeNode)
return ((TreeNode<K,V>)first).getTreeNode(hash, key);
do {
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
return e;
} while ((e = e.next) != null);
}
}
return null;
}
-
HashMap是一个线程不安全的容器，发生扩容时会出现环形链表从而导致死循环 -
HashMap是一个无序的Map，因为每次根据key的hashCode映射到Entry数组上，所以遍历出来的顺序并不是写入的顺序。 -
HashMap遍历的速度慢，底层决定了，插入删除的速度快，随机访问的速度也比较快
五、ConcurrentHashMap
- 支持线程安全的并发容器
ConcurrentHashMap,原理和HashMap差不多，区别就是采用了CAS + synchronized来保证并发安全性 -
putVal加了同步锁synchronized
final V putVal(K key, V value, boolean onlyIfAbsent) {
if (key == null || value == null) throw new NullPointerException();
//根据 key 计算出 hashcode
int hash = spread(key.hashCode());
int binCount = 0;
for (Node<K,V>[] tab = table;;) {
Node<K,V> f; int n, i, fh;
// 判断是否需要进行初始化
if (tab == null || (n = tab.length) == 0)
tab = initTable();
//f 即为当前 key 定位出的 Node，如果为空表示当前位置可以写入数据，利用 CAS 尝试写入，失败则自旋保证成功
else if ((f = tabAt(tab, i = (n - 1) & hash)) == null) {
if (casTabAt(tab, i, null,
new Node<K,V>(hash, key, value, null)))
break; // no lock when adding to empty bin
}
else if ((fh = f.hash) == MOVED)
tab = helpTransfer(tab, f); //如果当前位置的 hashcode == MOVED == -1,则需要进行扩容
else {
//如果都不满足，则利用 synchronized 锁写入数据
V oldVal = null;
// todo put 数据的时候 加入了锁
synchronized (f) {
if (tabAt(tab, i) == f) {
if (fh >= 0) {
binCount = 1;
for (Node<K,V> e = f;; ++binCount) {
K ek;
if (e.hash == hash &&
((ek = e.key) == key ||
(ek != null && key.equals(ek)))) {
oldVal = e.val;
if (!onlyIfAbsent)
e.val = value;
break;
}
Node<K,V> pred = e;
if ((e = e.next) == null) {
pred.next = new Node<K,V>(hash, key,
value, null);
break;
}
}
}
else if (f instanceof TreeBin) {
Node<K,V> p;
binCount = 2;
if ((p = ((TreeBin<K,V>)f).putTreeVal(hash, key,
value)) != null) {
oldVal = p.val;
if (!onlyIfAbsent)
p.val = value;
}
}
else if (f instanceof ReservationNode)
throw new IllegalStateException("Recursive update");
}
}
if (binCount != 0) {
//如果数量大于 TREEIFY_THRESHOLD 则要转换为红黑树
if (binCount >= TREEIFY_THRESHOLD)
treeifyBin(tab, i);
if (oldVal != null)
return oldVal;
break;
}
}
}
addCount(1L, binCount);
return null;
}
-
get方法
public V get(Object key) {
Node<K,V>[] tab; Node<K,V> e, p; int n, eh; K ek;
int h = spread(key.hashCode());
if ((tab = table) != null && (n = tab.length) > 0 &&
(e = tabAt(tab, (n - 1) & h)) != null) {
//根据计算出来的 hashcode 寻址，如果就在桶上那么直接返回值
if ((eh = e.hash) == h) {
if ((ek = e.key) == key || (ek != null && key.equals(ek)))
return e.val;
}
//如果是红黑树那就按照树的方式获取值
else if (eh < 0)
return (p = e.find(h, key)) != null ? p.val : null;
// 就不满足那就按照链表的方式遍历获取值
while ((e = e.next) != null) {
if (e.hash == h &&
((ek = e.key) == key || (ek != null && key.equals(ek))))
return e.val;
}
}
return null;
}
- 基本上的变量都是被
volatile关键字修饰
transient volatile Node<K,V>[] table;
private transient volatile Node<K,V>[] nextTable;
private transient volatile long baseCount;
...
volatile关键字 Java多线程的三大核心
1、 原子性 :java原子性和数据库事务的原子性差不多，一个操作要么是全部执行成功或者是失败.
- JVM 只保证了基本的原子性，但是类似 i++ 之类的操作，看着好像是原子的操作，其实里面涉及到了三个步骤
- 获取 i 的值
- 自增
- 在赋值给 i
- 这三个步骤 要实现
i++这样的原子操作就需要用到synchronized或者是 了lock进行加锁处理。 - 如果是基础类的自增操作可以使用
AtomicInteger这样的原子类来实现(其本质是利用了CPU级别的 的CAS指令来完成的)。AtomicInteger是线程安全的 - 其中用的最多的方法就是: incrementAndGet() 以原子的方式自增
AtomicInteger atomicInteger=new AtomicInteger(); int i = atomicInteger.incrementAndGet(); System.out.println("i="+i); public final int incrementAndGet() { return U.getAndAddInt(this, VALUE, 1) + 1; }
2、可见性
现在的计算机，由于
cpu直接从 主内存中读取数据的效率不高。所以都会对应的cpu高速缓存，先将主内存中的数据读取到缓存中，线程修改数据之后首先更新到缓存中，之后才会更新到主内存。如果此时还没有将数据更新到主内存其他的线程此时读取就是修改之前的数据volatile关键字就是用于保存内存的可见性，当线程A更新了volatite的修饰的变量的话，他会立即刷新到主线程，并且将其余缓存中该变量的值清空，导致其余线程只能去主内存读取最新的值
*synchronized 和加锁也能保证可见性，实现原理就是在释放锁之前其余线程是访问不到这个共享变量的。但是和volatile 相比较起来开销比较大 ！
- 但是
volatile不能够替换synchronized因为volatile不能够保证原子性 (要么执行成功或者失败，没有中间的状态)
3、顺序性
int a = 100 ; //1
int b = 200 ; //2
int c = a + b ; //3
正常的代码的执行顺序应该是
1》》2》》3。但是有时候JVM为了提高整体的效率会进行指令重排导致执行顺序可能是2》》1》》3。但是JVM也不能是 什么都进行重排，是在保证最终结果和代码顺序执行结果是一致的情况下才可能会进行重排重排在单线程中不会出现问题，但是在多线程中就会出现顺序不一致的问题
java中可以使用volatile关键字来保证顺序性，synchronized和lock也可以来保证有序性，和保证 原子性的方式一样，通过同一段时间只能一个线程访问来实现的除了
volatile关键字显式的保证顺序之外，jvm HIA通过happen-before原则来隐式来保证顺序性。-
volitle的应用，主要是在单利，个人感觉这是常用的在移动端的开发!当然可以使用内部类或者是单利去实现，更多的设计模式- 1、
volatile实现一个双重检查锁的单例模式
public class Singleton { private static volatile Singleton singleton; private Singleton() { } public static Singleton getInstance() { if (singleton == null) { synchronized (Singleton.class) { if (singleton == null) { singleton = new Singleton(); } } } return singleton; } }- 这里的
volatile关键字主要是为了防止指令重排。 如果不用volatile，singleton = new Singleton();，这段代码其实是分为三步：- 分配内存空间。(1)
- 初始化对象。(2)
- 将 singleton 对象指向分配的内存地址。(3)
- 加上
volatile是为了让以上的三步操作顺序执行，反之有可能第三步在第二步之前被执行就有可能导致某个线程拿到的单例对象还没有初始化，以致于使用报错。
- 1、
2、控制停止线程的标记
private volatile boolean flag ;
private void run(){
new Thread(new Runnable() {
@Override
public void run() {
doSomeThing();
}
});
}
private void stop(){
flag = false ;
}
- 如果没有用
volatile来修饰flag，就有可能其中一个线程调用了stop()方法修改了flag的值并不会立即刷新到主内存中，导致这个循环并不会立即停止.这里主要利用的是volatile的内存可见性 .
六、HashSet
-
HashSet是一个不允许存储重复元素的集合。 -
HashSet的源码只有三百多行，原理非常简单，主要底层还是HashMap。 -
map和PERSENT:
// map ：用于存放最终数据的。
private transient HashMap<E,Object> map;
// Dummy value to associate with an Object in the backing Map
// PRESENT ：是所有写入 map 的 value 值。
private static final Object PRESENT = new Object();
- 构造方法:底层一个hashMap
public HashSet() {
map = new HashMap<>();
}
- 关键的就是这个
add()方法。 可以看出它是将存放的对象当做了HashMap的健，value都是相同的RESENT。由于HashMap的key是不能重复的，所以每当有重复的值写入到HashSet时，value会被覆盖，但key不会受到影响，这样就保证了HashSet中只能存放不重复的元素。
public boolean add(E e) {
return map.put(e, PRESENT)==null;
}
七、LinkedHashMap
-
HashMap是一个无序的Map，每次根据key的hashcode映射到Entry数组上，所以遍历出来的顺序并不是写入的顺序。 因此JDK推出一个基于HashMap但具有顺序的LinkedHashMap来解决有排序需求的场景。它的底层是继承于HashMap实现的，由一个双向链表所构成。 -
LinkedHashMap的排序方式有两种：- 根据写入顺序排序。
- 根据访问顺序排序(LRU底层的原理)。 其中根据访问顺序排序时，每次
get都会将访问的值移动到链表末尾，这样重复操作就能得到一个按照访问顺序排序的链表。
-
LinkedHashMap中的Entry:利用了头节点和其余的各个节点之间通过Entry中的after和before指针进行关联static class Entry<K,V> extends HashMap.Node<K,V> { Entry<K,V> before, after; Entry(int hash, K key, V value, Node<K,V> next) { super(hash, key, value, next); } } - 变量
// 用于指向双向链表的头部
transient LinkedHashMap.Entry<K,V> head;
//用于指向双向链表的尾部
transient LinkedHashMap.Entry<K,V> tail;
// LinkedHashMap 如何达到有序的关键
// todo 还有一个 accessOrder 成员变量，默认是 false，默认按照插入顺序排序，为 true 时按照访问顺序排序，也可以调用
final boolean accessOrder;
- 构造方法，
LRUchace最近最少使用的缓存底层就是这个构造函数。
public LinkedHashMap(int initialCapacity,
float loadFactor,
boolean accessOrder) {
super(initialCapacity, loadFactor);
this.accessOrder = accessOrder;
}
-
侧重关注
put，会走父类HashMap中的put方法，具体请看HashMapput方法的解释- 1、 在
LinkedHashMap重写了,newNode的方法。 使用了LinkedHashMap.Entry里面多了两个结点Entry<K,V> before, after;
Node<K,V> newNode(int hash, K key, V value, Node<K,V> e) { LinkedHashMap.Entry<K,V> p = new LinkedHashMap.Entry<K,V>(hash, key, value, e); //秘密就在于 new的是自己的Entry类，然后调用了linkedNodeLast linkNodeLast(p); return p; }- 2、实现了
afterNodeAccess()方法，void afterNodeAccess(Node<K,V> p) { }！此函数执行的效果就是将最近使用的Node，放在链表的最末尾。特别说明一下，这里是显示链表的修改后指针的情况，实际上在桶里面的位置是不变的，只是前后的指针指向的对象变了！
// 此函数执行的效果就是将最近使用的Node，放在链表的最末尾 void afterNodeAccess(Node<K,V> e) { // move node to last LinkedHashMap.Entry<K,V> last; //仅当按照LRU原则且e不在最末尾，才执行修改链表，将e移到链表最末尾的操作 if (accessOrder && (last = tail) != e) { //将e赋值临时节点p， b是e的前一个节点， a是e的后一个节点 LinkedHashMap.Entry<K,V> p = (LinkedHashMap.Entry<K,V>)e, b = p.before, a = p.after; //设置p的后一个节点为null，因为执行后p在链表末尾，after肯定为null p.after = null; //p前一个节点不存在，情况一 if (b == null) head = a; else b.after = a; if (a != null) a.before = b; //p的后一个节点不存在，情况二 else last = b; if (last == null) head = p; else { //正常情况，将p设置为尾节点的准备工作，p的前一个节点为原先的last，last的after为p p.before = last; last.after = p; } //将p设置为将p设置为尾节点 tail = p; ++modCount; // 修改计数器+1 } }- 3、
put方法 执行的第二个步骤 ，这个方法没什么用尽可能删除最老的 插入后把最老的Entry删除，不过removeEldestEntry总是返回false，所以不会删除，估计又是一个方法给子类用的
void afterNodeInsertion(boolean evict) { // possibly remove eldest LinkedHashMap.Entry<K,V> first; if (evict && (first = head) != null && removeEldestEntry(first)) { K key = first.key; // todo hashmap中移除 Node结点 removeNode(hash(key), key, null, false, true); } } // 如果映射表示缓存，这是有用的：它允许通过删除过时条目来减少内存消耗的映射。 protected boolean removeEldestEntry(Map.Entry<K,V> eldest) { return false; }- 4 、
afterNodeRemoval()移除结点也会重写，因为结点都不一样
void afterNodeRemoval(Node<K,V> e) { // unlink //与afterNodeAccess一样，记录e的前后节点b，a LinkedHashMap.Entry<K,V> p = (LinkedHashMap.Entry<K,V>)e, b = p.before, a = p.after; //p已删除，前后指针都设置为null，便于GC回收 p.before = p.after = null; //与afterNodeAccess一样类似，一顿判断，然后b，a互为前后节点 if (b == null) head = a; else b.after = a; if (a == null) tail = b; else a.before = b; } - 1、 在
-
get()方法详情,然后调用父类HashMap的getNode()去找结点public V get(Object key) { Node<K,V> e; //调用HashMap的getNode的方法， if ((e = getNode(hash(key), key)) == null) return null; if (accessOrder) afterNodeAccess(e); return e.value; }-
HashMap中的getNode()方法
final Node<K,V> getNode(int hash, Object key) { Node<K,V>[] tab; Node<K,V> first, e; int n; K k; if ((tab = table) != null && (n = tab.length) > 0 && (first = tab[(n - 1) & hash]) != null) { if (first.hash == hash && // always check first node ((k = first.key) == key || (key != null && key.equals(k)))) return first; if ((e = first.next) != null) { if (first instanceof TreeNode) return ((TreeNode<K,V>)first).getTreeNode(hash, key); do { if (e.hash == hash && ((k = e.key) == key || (key != null && key.equals(k)))) return e; } while ((e = e.next) != null); } } return null; } -
关于访问顺序排序的Demo,我只想说明了一下，等于用了的数据，就会放在链表的末尾，这个类也是安卓中
LruCache的底层原理
LinkedHashMap<String, Integer> map1 = new LinkedHashMap<String, Integer>(10, (float) 0.75,true);
map1.put("1",1) ;
map1.put("2",2) ;
map1.put("3",3) ;
map1.put("4",4) ;
map1.put("5",5) ;
map1.put("6",6) ;
map1.put("7",7) ;
map1.put("8",8) ;
map1.put("9",9) ;
map1.put("10",10) ;
map1.get("6");
// {1=1, 2=2, 3=3, 4=4, 5=5, 7=7, 8=8, 9=9, 10=10, 6=6}
System.out.println("map1=="+map1);
LinkedHashMap的原理.png
八、LruCache
-
Android中提供了一种基本的缓存策略，即LRU（least recently used）。基于该种策略，当存储空间用尽时，缓存会清除最近最少使用的对象 -
LRU（Least Recently Used）最近最少使用的，看了源码才知道核心是LRUCache类，这个类的核心其实是LinkedHashMap类. - Demo 如下
LruCache<Integer,String> lruCache=new LruCache<>(5);
lruCache.put(1,"1");
lruCache.put(2,"2");
lruCache.put(3,"3");
lruCache.put(4,"4");
lruCache.put(5,"5");
lruCache.get(1);
lruCache.get(2);
lruCache.get(3);
lruCache.get(4);
Map<Integer, String> snapshot = lruCache.snapshot();
//lruCache={5=5, 1=1, 2=2, 3=3, 4=4} 5最少使用到
System.out.println("lruCache="+snapshot.toString());
//当多添加一个的话，那么5就会被删除，加入6上去
lruCache.put(6,"6");
// new lruCache={1=1, 2=2, 3=3, 4=4, 6=6}
Map<Integer, String> snapshot1 = lruCache.snapshot();
System.out.println(" new lruCache="+snapshot1.toString());
- 构造方法,可以明显看出，底层使用的是
LinkedHashMap.
public LruCache(int maxSize) {
if (maxSize <= 0) {
throw new IllegalArgumentException("maxSize <= 0");
}
this.maxSize = maxSize;
// 初始化这里 就是 new的 true的 所以使用的顺序排序
this.map = new LinkedHashMap<K, V>(0, 0.75f, true);
}
-
put方法 :重要的就是在添加过缓存对象后，调用trimToSize()方法，来判断缓存是否已满，如果满了就要删除近期最少使用的算法.同时线程也是安全的。
public final V put(K key, V value) {
//不可为空，否则抛出异常
if (key == null || value == null) {
throw new NullPointerException("key == null || value == null");
}
V previous;
// 多线程 可以使用
synchronized (this) {
//插入的缓存对象值加1
putCount++;
//增加已有缓存的大小
size += safeSizeOf(key, value);
//向map中加入缓存对象
previous = map.put(key, value);
if (previous != null) {
//如果已有缓存对象，则缓存大小恢复到之前
size -= safeSizeOf(key, previous);
}
}
//entryRemoved()是个空方法，可以自行实现
if (previous != null) {
entryRemoved(false, key, previous, value);
}
//调整缓存大小(关键方法)
trimToSize(maxSize);
return previous;
}
- 1、
safeSizeOf方法,这个sizeof的方法，就是我们自己需要重写的，记得图片加载框架的设计，就会运用到他
private int safeSizeOf(K key, V value) {
// 每一个的需要缓存的大小
int result = sizeOf(key, value);
if (result < 0) {
throw new IllegalStateException("Negative size: " + key + "=" + value);
}
return result;
}
protected int sizeOf(K key, V value) {
return 1;
}
- 2、调整缓存大小(关键方法)
trimToSize(maxSize);maxSize也就是指定的大小，当if (size <= maxSize) { break; }这个判断不成立的时候，就会往下走，迭代器就会去获取第一个对象，即队尾的元素，近期最少访问的元素。然后把它删除该对象，并更新缓存大小map.remove(key);
private void trimToSize(int maxSize) {
while (true) {
K key;
V value;
synchronized (this) {
if (size < 0 || (map.isEmpty() && size != 0)) {
throw new IllegalStateException(getClass().getName()
+ ".sizeOf() is reporting inconsistent results!");
}
if (size <= maxSize) {
break;
}
//迭代器获取第一个对象，即队尾的元素，近期最少访问的元素
Map.Entry<K, V> toEvict = null;
for (Map.Entry<K, V> entry : map.entrySet()) {
toEvict = entry;
}
if (toEvict == null) {
break;
}
key = toEvict.getKey();
value = toEvict.getValue();
//删除该对象，并更新缓存大小
map.remove(key);
size -= safeSizeOf(key, value);
evictionCount++;
}
// 空实现
entryRemoved(true, key, value, null);
}
}
- 关于
get方法！也是一个同步的方法。
public final V get(K key) {
//key为空抛出异常
if (key == null) {
throw new NullPointerException("key == null");
}
V mapValue;
synchronized (this) {
//获取对应的缓存对象
//get()方法会实现将访问的元素更新到队列头部的功能
// todo LinkedHashMap 里面已经实现了 如果 添加到头部去
mapValue = map.get(key);
if (mapValue != null) {
hitCount++;
return mapValue;
}
missCount++;
}
...
}
-
LruCache使用的Demo,这个Demo就看看，没吊用。
public class ImageCache {
//定义LruCache，指定其key和保存数据的类型
private LruCache<String, Bitmap> mImageCache;
ImageCache() {
//获取当前进程可以使用的内存大小，单位换算为KB
final int maxMemory = (int)(Runtime.getRuntime().maxMemory() / 1024);
//取总内存的1/4作为缓存
final int cacheSize = maxMemory / 4;
//初始化LruCache
mImageCache = new LruCache<String, Bitmap>(cacheSize) {
//定义每一个存储对象的大小
@Override
protected int sizeOf(String key, Bitmap bitmap) {
return bitmap.getRowBytes() * bitmap.getHeight() / 1024;
}
};
}
//获取数据
public Bitmap getBitmap(String url) {
return mImageCache.get(url);
}
//存储数据
public void putBitmap(String url, Bitmap bitmap) {
mImageCache.put(url, bitmap);
}
}
九、SparseArray
SparseArray是android里为<Interger,Object>这样的Hashmap而专门写的类,目的是提高效率，其核心是折半查找函数（binarySearch）。SparseArray仅仅提高内存效率，而不是提高执行效率，所以也决定它只适用于android系统（内存对android项目有多重要）SparseArray不需要开辟内存空间来额外存储外部映射，从而节省内存。变量,核心就是两个数组:
mKeysmValues
//是否可以回收，即清理mValues中标记为DELETED的值的元素
private boolean mGarbage = false;
private int[] mKeys; //保存键的数组
private Object[] mValues; //保存值的数组
private int mSize; //当前已经保存的数据个数
- 构造方法 ：如果
initialCapacity=0那么mKeys,mValuse都初始化为size=0的数组，当initialCapacity>0时，系统生成length=initialCapacity的value数组，同时新建一个同样长度的key数组。
public SparseArray() {
this(10);
}
public SparseArray(int initialCapacity) {
if (initialCapacity == 0) {
mKeys = EmptyArray.INT;
mValues = EmptyArray.OBJECT;
} else {
/* ArrayUtils.newUnpaddedObjectArray 的源码
public static Object[] newUnpaddedObjectArray(int minLen) {
return (Object[])VMRuntime.getRuntime().newUnpaddedArray(Object.class, minLen);
}
*/
mValues = ArrayUtils.newUnpaddedObjectArray(initialCapacity);
mKeys = new int[mValues.length];
}
mSize = 0;
}
- 关于
put方法,关键是通过二分查找，查找相对应的i角标,如果存在的话，直接赋值新的值，如果不存在的话，取~i位非运算符（~）: 十进制变二进制：原码--反码--加一（补码），相当于 value +1 然后 取反 就可以了.然后就会走到mKeys = GrowingArrayUtils.insert(mKeys, mSize, i, key);和mValues = GrowingArrayUtils.insert(mValues, mSize, i, value);中，这样就完成了赋值的过程。
public void put(int key, E value) {
// 二分查找，这个i的值,
int i = ContainerHelpers.binarySearch(mKeys, mSize, key);
//如果找到了，就把这个值给替换上去 ，或者是赋值上去
// 这里 也就可以解释出为啥 替换为最新的值
if (i >= 0) {
mValues[i] = value;
} else {
//这里就是key要插入的位置，上面二分查找方法提到过
//位非运算符（~）
i = ~i;
if (i < mSize && mValues[i] == DELETED) {
mKeys[i] = key;
mValues[i] = value;
return;
}
if (mGarbage && mSize >= mKeys.length) {
gc();
// Search again because indices may have changed.
i = ~ContainerHelpers.binarySearch(mKeys, mSize, key);
}
// 一个新的值 ，就会把key 和 value 和 i值插入到两个数组中
mKeys = GrowingArrayUtils.insert(mKeys, mSize, i, key);
mValues = GrowingArrayUtils.insert(mValues, mSize, i, value);
// todo 然后长度 加上 1 nice
mSize++;
}
}
-
get方法:通过二分查找法，在mKeys数组中查询key的位置，然后返回mValues数组中对应位置的值，找不到则返回默认值
public E get(int key, E valueIfKeyNotFound) {
// 二分查找 感觉不像啊 卧槽
int i = ContainerHelpers.binarySearch(mKeys, mSize, key);
if (i < 0 || mValues[i] == DELETED) {
return valueIfKeyNotFound;
} else {
return (E) mValues[i];
}
}
-
delete其实就是把这个mValues[i]标记为DELETED.
public void delete(int key) {
int i = ContainerHelpers.binarySearch(mKeys, mSize, key);
/*
i>0表示，找到了key对应的下标，否则应该是负数。同时判断mValues[i] 是不是Object这个对象，如果不是，直接替换为Object（DELETE起到标记删除位置的作用）,并标记 mGarbage=true，注意：这里delete只操作了values数组，并没有去操作key数组;
*/
if (i >= 0) {
if (mValues[i] != DELETED) {
mValues[i] = DELETED;
mGarbage = true;
}
}
}
-
removeReturnOld其实就是多了一步，把要删除的值返回，其余同delete一样
public E removeReturnOld(int key) {
int i = ContainerHelpers.binarySearch(mKeys, mSize, key);
if (i >= 0) {
if (mValues[i] != DELETED) {
final E old = (E) mValues[i];
mValues[i] = DELETED;
mGarbage = true;
return old;
}
}
return null;
}
-
clear这里要留意，clear只是清空了values数组，并没有操作keys数组,这里也是传递的地址值，然后通过for循环，把每个元素清空！
public void clear() {
int n = mSize;
Object[] values = mValues;
for (int i = 0; i < n; i++) {
values[i] = null;
}
mSize = 0;
mGarbage = false;
}
- 其实还有个方法
append,添加数据的时候最好去使用它，因为它会判断下mSize != 0 && key <= mKeys[mSize - 1]、如果满足了才会调用put方法，不满足，直接添加数据，而不是一上来就开始进行二分查找。
// 要使用这个方法 好点 。
public void append(int key, E value) {
// 判断了是否 需要 二分查找，还是直接插入
if (mSize != 0 && key <= mKeys[mSize - 1]) {
put(key, value);
return;
}
if (mGarbage && mSize >= mKeys.length) {
// 通过gc的方法，把DELETED值的 values 清空
gc();
}
// 可以直接都要这里来 ，是最节约能量
mKeys = GrowingArrayUtils.append(mKeys, mSize, key);
mValues = GrowingArrayUtils.append(mValues, mSize, value);
mSize++;
}
- 关于原型模式中的深拷贝的实现，这里也帮我指明了，一定要记得拷贝类中的容器
@Override
@SuppressWarnings("unchecked")
public SparseArray<E> clone() {
SparseArray<E> clone = null;
try {
clone = (SparseArray<E>) super.clone();
// 原型模式的深拷贝 两个容器的拷贝的过程----！！！
clone.mKeys = mKeys.clone();
clone.mValues = mValues.clone();
} catch (CloneNotSupportedException cnse) {
/* ignore */
}
return clone;
}
其他的
SparseBooleanArray SparseIntArray SparseLongArray的原理一样SparseArray与HashMap无论是怎样进行插入,数据量相同时,前者都要比后者要省下一部分内存,但是效率呢？----在倒序插入的时候,SparseArray的插入时间和HashMap的插入时间远远不是一个数量级.由于SparseArray每次在插入的时候都要使用二分查找判断是否有相同的值被插入.因此这种倒序的情况是SparseArray效率最差的时候.附赠一个二分查找
/**
* 二分查找
* @param ints 需要被查找的数组
* @param length 数组的长度
* @param value 查找的值
*/
private int binarySearch(int[] ints, int length, int value) {
int i = 0;
int h = length - 1;
while (i <= h) {
/**
* >>>与>>唯一的不同是它无论原来的最左边是什么数，统统都用0填充。
* —比如你的例子，byte是8位的，-1表示为byte型是11111111(补码表示法）
* b>>>4就是无符号右移4位，即00001111，这样结果就是15。
* 这里相当移动一位，除以二
*/
//中间的角标
final int mid = (i + h) >>> 1;// 第一次 2 第二次 mid=3 第三次mid=4
final int midVal = ints[mid];// 第一次 3 第二次 midVal=4 第三次mid=5
if (midVal < value) {
i = mid + 1;// 第一次 3 第二次 i=4
} else if (value < midVal) {
h = mid - 1;
} else if (value == midVal) {
return mid; //第三次mid=5 返回了
}
}
// 这个取反 ，相当于 value +1 然后 取反 就可以了
return ~value;
}
- 附赠
System.arraycopy()的用法
int[] mKeys={10,5,14,5,46};
int[] newKeys=new int[5];
/*
* @param src 源数组。
* @param srcPos 表示源数组要复制的起始位置，
* @param dest 目的地数组。
* @param destPos 在目标数据中的起始位置。
* @param length 要复制的数组元素的数目。
*/
// todo source of type android.util.SparseArray is not an array
// destPsot +length 不能超过 新的数组的长度
System.arraycopy(mKeys,0, newKeys, 2, 3);
for (Integer str : newKeys) {
System.out.print("newKeys="+str+" ");
}
最后说明几点
-
ArrayList的主要消耗是数组扩容以及在指定位置添加数据，在日常使用时最好是指定大小，尽量减少扩容。更要减少在指定位置插入数据的操作。 -
ArrayList遍历的速度快，插入删除速度慢，随机访问的速度快 -
LinkedList插入，删除都是移动指针效率很高。查找需要进行遍历查询，效率较低。二分查找，如果查找的index的越接近size的一半的话，这样查找的效率很低 -
HashMap是一个线程不安全的容器，发生扩容时会出现环形链表从而导致死循环 -
HashMap是一个无序的Map，因为每次根据key的hashCode映射到Entry数组上，所以遍历出来的顺序并不是写入的顺序。 -
HashMap遍历的速度慢，底层决定了，插入删除的速度快，随机访问的速度也比较快 -
ConcurrentHashMap并发容器，区别就是采用了CAS + synchronized 来保证并发安全性 - 位与运算符
&,把做运算的两个数都转化为二进制的，然后从高位开始比较，如果两个数都是1则为1，否者为0 - 无符号的右移（
>>>）:按照二进制把数字右移指定数位，高位直接补零，低位移除！ -
a=a|b等于a|=b的意思就是把a和b按位或然后赋值给a按位或的意思就是先把a和b都换成2进制，然后用或操作 - 位异或运算（
^）: 运算规则是两个数转为二进制，然后从高位开始比较，如果相同则为0，不相同则为1 -
HashSet底层其实就是HashMap，只不过是一个value都一样的HashSet. -
LRU（Least Recently Used）最近最少使用的，看了源码才知道核心是LRUCache类，这个类的核心其实是LinkedHashMap类. -
~i位非运算符（~）: 十进制变二进制：原码--反码--加一（补码），相当于 value +1 然后 取反 就可以了 -
SparseArraySparseBooleanArray SparseIntArray SparseLongArray的原理一样 -
SparseArray与HashMap无论是怎样进行插入,数据量相同时,前者都要比后者要省下一部分内存,但是效率呢？----在倒序插入的时候,SparseArray的插入时间和HashMap的插入时间远远不是一个数量级.由于SparseArray每次在插入的时候都要使用二分查找判断是否有相同的值被插入.因此这种倒序的情况是SparseArray效率最差的时候. - 二分查找，是当角标越接近数组长度的一半，效率越低
- 卧槽，刚看了一下总共将近一万字，光写的过程用了16个小时，整理资料大概是10个小时。
