JDK 7的算法和数据结构

在定期检查JDK中是否存在一种或另一种标准算法时，我决定进行这种索引。有趣的是，为什么其中包含一些著名的数据结构或算法，而另一些却没有？此调查的格式仅涉及JDK的算法和数据结构的关键特性和功能，所有详细信息和完整描述-您可以在javadoc或jdk源代码中轻松找到。让我们从简单开始到复杂！

JDK的数据结构

堆

jdk中有一个堆栈，它是从堆栈中出现的-类Stack ，但不建议使用它，它很复杂又很奇怪：它继承自Vector ，因此基于Dynamic Array并已同步。为什么一个简单的栈需要这一切，为什么它不只是一个接口-目前尚不清楚（讨论过很多次： 1 ， 2 ），但似乎只是一个架构的错误，同样与载体本身。顺便说一句，JDK作者自己建议使用Deque 。

Deque – 双端队列的接口（api）（O中的LIFO + FIFO（1）），其中包括堆栈操作（push，pop，isEmpty，size），并且到目前为止在jdk中可用（1.6+）。当然，将这些堆栈操作放在接口Stack中会更合乎逻辑，例如让Deque继承它，但是由于Stack已经存在，并且向后兼容性是Java的“圣杯” –他们不得不牺牲常规设计。 Deque的实现是ArrayDeque和LinkedList ，它们也是常规队列的实现者–因此我们将在后面讨论。

队列

接下来，让我们看一下队列数据类型。这里的一切都很好，设计得很好。队列 – FIFO队列的接口（api），以恒定时间O（1）添加到开头并从结尾删除。

主要实现有： ArrayDeque ，基于动态可扩展数组的循环缓冲区（填充时加倍）和LinkedList （经典的双向链接列表）（大小不受限制）。令人惊讶的是，第一个不支持随机访问（使用索引添加/删除/获取），第二个却支持O（n）时间并通过链表进行迭代。这些类还实现了上述Deque，因此它们支持从末尾移除并在恒定时间内添加到顶部。

接下来，从jdk 1.5+开始，添加了PriorityQueue ，这实际上违反了合同，因为队列元素不是从末尾检索的（并且也不添加到头部），而是根据优先级检索的。 PriorityQueue基于可扩展的二进制堆，其顶部最小（根据其比较器），并且在填充时提高了1.5倍。关键特征分别是：元素的添加/删除在O（log N）中，而对最小值（标头）的引用在O（1）中。

其他类型的队列是为多线程使用而设计的，它们是： BlockingQueue ， TransferQueue ， ConcurrentLinkedQueue和ConcurrentLinkedDeque 。

BlockingQueue （ ArrayBlockingQueue ， LinkedBlockingQueue ， PriorityBlockingQueue ）的实现是其原始版本的一种同步版本，即几乎每个操作都是串行执行的（具有独占锁定）。对于DelayQueue也是如此：也是同步的，并且在内部使用PriorityQueue 。

其他实现： SynchronousQueue ， TransferQueue （ LinkedTransferQueue ）， ConcurrentLinkedQueue ， ConcurrentLinkedDeque –基于不同的方法：它们使用基于链表和CAS指令的非阻塞队列算法，这些算法在多处理器环境中可以很好地并行化。详细描述在源代码中。

这类算法的理论是一个非常庞大且现代的话题，因此还没有很好的标准化和结构化，它们超出了本文的讨论范围，也不属于另一篇文章的主题。

优先队列

就像从jdk 1.5+开始所说的那样，有一个通用的PriorityQueue根据元素比较器工作。而且，jdk中还有堆的另一种实现。这是很好的旧Timer ，它是内部类– TaskQueue（顶部的延迟最小的任务）。当然，这是一个私有类，除了在Timer内部，不能使用。

清单

如您所知，有顺序和/或随机访问类型列表。在Java中，它是List ，主要有2种实现：首先-是ArrayList ，支持随机访问，基于动态可扩展数组（填充时增加一半），但是在删除所有元素后不会缩小，您需要调用a特殊方法（ trimToSize ）。

第二个-再次是LinkedList，它是一个双链表顺序访问大小，仅受jvm的内存限制。尽管也存在随机访问（索引）的方法–如前所述，它们需要O（n）时间。

因此，java集合中没有最简单的链表实现，尽管这是一个好主意（链接的开销减少了2倍），并且没有简单的堆栈。

要在多线程环境中使用列表，有几个选项： CopyOnWriteArrayList （更改操作– O（n）），包装器（ synchonizedList ）以及过时的Vector 。

符号表

它们在JDK中显示为二进制树和哈希表。二叉树 –它是TreeMap （或TreeSet ）， SortedMap （也是SortedSet）的实现，它基于经典的红黑树，即是平衡的，并且对于O（log N）保证了其基本操作，并且不限大小。 jdk中不存在其他类型的树。

哈希表是HashMap （也是HashSet ），它可能是Java中最常用的结构，它基于可动态扩展的哈希表，具有与链表的单独链接，具有所有功能：性能取决于哈希函数的质量，因此最坏的情况是O（N）。当大小达到预定的loadFactor时， HashMap的大小将增加一倍。值得注意的是，为了保护错误的哈希函数，使用了双哈希，并且对调用hashCode（）的结果应用了棘手的位算法。

在JDK中，也有带有开放地址（线性探测）的哈希表实现。其中之一是IdentityHashMap ，当键和值都存储在彼此相邻的同一数组中时，它会使用经典线性探测的优化版本，以实现更好的数据缓存（javadoc：«大型表的局部性比使用单独的数组»）

第二种开放寻址实现是非常特定的：它仅用于存储ThreadLocal元素（ ThreadLocalMap中的内部隐藏类），当然不可用。

还有多线程版本： ConcurrentHashMap中，包装synchronizedMap ，哈希表和ConcurrentSkipListMap 。包装器-自然只是阻止了常规HashMap Hashtable的版本-同一件事（并且是旧的，不建议使用）， ConcurrentHashMap-锁条版本，减少了关键的锁部分（最好阅读JCiP ，这里是（摘录） ConcurrentSkipListMap –是哈希表的非阻塞命名算法的改编版本（有关详细信息，请参见源代码）。

集合（不包含重复项）–在Java中设置，并通过HashMap实现，因此所有被称为哈希表的对象–对HashSet有效。

图表

图结构和算法未在jdk中表示。因此，您只能为此使用第三方库。

弦乐

java中通常有一个字符串实现：基于unicode字符数组。值得一提的是，从1.7_17版本开始，由于已复制子字符串，因此子字符串的性能为O（n）。

有趣的是，此实现使用了一种简单的（强力）子字符串搜索算法，该算法在最坏的情况下以O（N * M）运行，并且没有一些有效的算法（在有限状态机上构建：Knuth-Morris-Pratt等）。

原因有几个：字母UTF字符大（〜65K），因此存储状态机的开销很大，而就采用了蛮力算法（不使用额外的内存）。其次，在平均输入字符串上–根据统计数据，该算法与其他算法相比并没有很多。

与排序相同：有有效的基数排序字符串algs（LSD，MSD等），但是在jdk中，有一个用于字符串的标准对象排序，如果运行，则以O（M * N * log N）运行大部分线相差不大（M –线长）。原因是相同的：快速计数字符串算法需要额外的UTF字母大小的数组，这使得它们在平均输入上非常无效。

JDK算法

排序

由于jdk7发生了许多有关各种选项的更改，因此讨论了很多次，关于此主题的信息和文章很多，您可以轻松地将其搜索出来。

简而言之，这是jdk中排序实现的实际列表： TimSort –默认情况下对对象进行排序； mergesort –还用于对象；旧版本（通过系统属性启用）； Dual-Pivot Quick sort –用于基元；然后按计数排序用于字节/字符数组，最后插入排序用于任何情况下使用的小数组。

集合内容使用Collections.sort（List…）进行排序，仍然可以通过将集合复制到数组中，对其进行排序，然后相应地覆盖集合内容来完成。因此，尽管没有开销，对集合进行排序仍然是不可能的，尽管我认为拥有就地排序的链表是一个好主意。 Java中的字符串排序也使用对象版本完成，原因已经提到。

正在搜寻

对于原语和对象的所有数组以及随机访问列表实现（例如ArrayList等），都存在传统的二进制搜索。此外，JDK中还有一个二进制搜索链接列表的版本！令人惊讶的是：JDK没有对链表进行排序，但是对它们进行二进制搜索！尽管没有太大意义，因为这种版本的性能为O（N）。

常用表达

为此提供了Pattern和Matcher类。 Java使用基于带回溯的非确定性有限状态机（ NFA ）的传统实现。因此，在退化的输入上，在最坏的情况下它给出了指数复杂度 O（m ^ N），例如，在Java中运行此regexp并尝试添加/删除“ a”符号：“ aaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaa.aa ）* b”）

此外，还有所谓的有序交替-此功能可在找到第一个匹配项后停止搜索，但不会显示最具体（最长）的搜索结果（例如）。

哈希函数，校验和

jdk中有hashCode实现的六个版本，并且Park-Miller_random_number_generator是默认版本，其他很简单，例如常量或对象内存地址，并且不使用算法，您可以在c ++ jdk源代码中找到它们。 MessageDigest类中还有行业标准的哈希算法（SHA-*，MD5和变体）。

对于校验和，有Adler-32 （ javadoc ）和CRC32 （ javadoc ）算法的实现。