Java集合框架(例如基本的數據結構)里包含了最常見的Java常見面試問題。很好地理解集合框架，可以幫助你理解和利用Java的一些高級特性。下面是面試Java核心技術的一些很實用的問題。

Q：最常見的數據結構有哪些，在哪些場景下應用它們？

A. 大部分人都會遺漏樹和圖這兩種數據結構。樹和圖都是很有用的數據結構。如果你在回答中提及到它們的話，面試者可能會對你進行進一步進行的考核。

Q:你如何自己實現List，Set和Map?

A:雖然Java已經提供了這些接口的經過實踐證明和測試過的實現，但是面試者還是喜歡這樣問，來測試你對數據結構的理解。我寫的《Core Java Career Essentials》一書中通過圖例和代碼詳細地講解了這些內容。

常見的數據結構

數組是最常用的數據結構。數組的特點是長度固定，可以用下標索引，并且所有的元素的類型都是一致的。數組常用的場景有把：從數據庫里讀取雇員的信息存儲為EmployeeDetail[]，把一個字符串轉換并存儲到一個字節數組中便于操作和處理，等等。盡量把數組封裝在一個類里，防止數據被錯誤的操作弄亂。另外，這一點也適合其他的數據結構。

列表和數組很相似，只不過它的大小可以改變。列表一般都是通過一個固定大小的數組來實現的，并且會在需要的時候自動調整大小。列表里可以包含重復的元素。常用的場景有，添加一行新的項到訂單列表里，把所有過期的商品移出商品列表，等等。一般會把列表初始化成一個合適的大小，以減少調整大小的次數。

集合和列表很相似，不過它不能放重復的元素。當你需要存儲不同的元素時，你可以使用集合。

堆棧只允許對最后插入的元素進行操作(也就是后進先出，Last In First Out – LIFO)。如果你移除了棧頂的元素，那么你可以操作倒數第二個元素，依次類推。這種后進先出的方式是通過僅有的peek(),push()和pop()這幾個方法的強制性限制達到的。這種結構在很多場景下都非常實用，例如解析像(4+2)*3這樣的數學表達式，把源碼中的方法和異常按照他們出現的順序放到堆棧中，檢查你的代碼看看小括號和花括號是不是匹配的，等等。

這種用堆棧來實現的后進先出(LIFO)的機制在很多地方都非常實用。例如，表達式求值和語法解析，校驗和解析XML，文本編輯器里的撤銷動作，瀏覽器里的瀏覽記錄，等等。這里是一些關于堆棧的一些Java面試題。

隊列和堆棧有些相似，不同之處在于在隊列里第一個插入的元素也是第一個被刪除的元素(即是先進先出)。這種先進先出的結構是通過只提供peek()，offer()和poll()這幾個方法來訪問數據進行限制來達到的。例如，排隊等待公交車，銀行或者超市里的等待列隊等等，都是可以用隊列來表示。

這里是一個用多線程來訪問阻塞隊列的例子。

http://java-success.blogspot.com.au/2012/04/multi-threading-with-blocking-queues.html

鏈表是一種由多個節點組成的數據結構，并且每個節點包含有數據以及指向下一個節點的引用，在雙向鏈表里，還會有一個指向前一個節點的引用。例如，可以用單向鏈表和雙向鏈表來實現堆棧和隊列，因為鏈表的兩端都是可以進行插入和刪除的動作的。當然，也會有在鏈表的中間頻繁插入和刪除節點的場景。Apache的類庫里提供了一個TreeList的實現，它是鏈表的一個很好的替代，因為它只多占用了一點內存，但是性能比鏈表好很多。也就是說，從這點來看鏈表其實不是一個很好的選擇。

ArrayList是列表的一個很好的實現。相比較TreeList而言，ArrayList在除了在列表中間插入或者刪除元素的情況，其他操作都比TreeList快很多。TreeList的實現是在內部使用了一個樹形的結構來保證所有的插入和刪除動作的復雜度都是O(log n)的。這種實現方式使得TreeList在頻繁插入和刪除元素的時候的性能遠遠高于ArrayList和LinkedList。

class Link { private int id; // data private String name; // data private Link next; // reference to next link}

HashMap的訪問時間接近穩定，它是一種鍵值對映射的數據結構。這個數據結構是通過數組來實現的。它通過hash函數來給元素定位，并且用沖突檢測算法來處理被hash到同一位置的值。例如，保存雇員的信息可以用雇員的id來作為key，對從properties文件里讀入的屬性-屬性值可以用key/value對來保存，等等。HashMap在初始化的時候，給定一個合適的大小可以減少調整大小的次數。

樹是一種由節點組成的數據結構，每個節點都包含數據元素，并且有一個或多個子節點，每個子節點指向一個父節點(譯者注：除了根節點)可以表示層級關系或者數據元素的順序關系。常用的場景有表示一個組織里的雇員層級關系，XML元素的層級關系，等等。如果樹的每個子節點最多有兩個葉子節點，那么這種樹被稱為二叉樹。二叉樹是一種非常常用的樹形結構， 因為它的這種結構使得節點的插入和刪除都非常高效。樹的邊表示從一個節點到另外一個節點的快捷路徑。

Java里面沒有直接提供樹的實現，但是它很容易通過下面的方式來實現。只需要創建一個Node對象，里面包含一個指向葉子節點的ArrayList。

package bigo; import java.util.ArrayList;import java.util.List; public class Node { private String name; private List children = new ArrayList( ); private Node parent; public Node getParent( ) { return parent; } public void setParent(Node parent) { this.parent = parent; } public Node(String name) { this.name = name; } public void addChild(Node child) { children.add(child); } public void removeChild(Node child) { children.remove(child); } public String toString( ) { return name; } }

只要數據元素的關系可以表示成節點和邊的網狀結構的話，就可以用圖來表示。樹是一種特殊的圖，它的所有節點都只能有一個父節點。和樹不同的是，圖的形狀是由實際問題或者問題的抽象來決定的。例如，圖中節點(或者頂點)可以表示不同的城市，而圖的邊則可以表示兩個城市之間的航線。

在Java里構造一個圖，你需要解決數據通過什么方式保存和訪問的問題。在圖里面也會用到上面提到的數據結構。Java的API里沒有提供圖的實現。不過有很多第三方庫里提供了，例如JUNG，JGraphT，以及JDSL(不過好像不支持泛型)。《Core Java Career Essential》一書包含了用Java實現的可用示例。

Q:你對大O這個符號有什么了解呢，你是否可以根據不同的數據結構舉出一些列子來？

A：大O符號可以表示一個算法的效率，也可以用來描述當數據元素增加時，最壞情況下的算法的性能。大O符號也可以用來衡量的性能，例如內存消耗量。有時候你可能會為了減少內存使用量而選擇一個比較慢的算法。大O符號可以表示在大量數據的情況下程序的性能。不過，對于程序在大量數據量下的性能的測量，唯一比較實際的方式是行用較大的數據集來進行性能基準測試，這樣可以把一些在大O復雜度分析里沒有考慮到的情況包含進去，例如在虛擬內存使用比較多的時候系統會發生換頁的情況。雖然基準測試比大O符號表示的結果更加實際，但是它不適用于設計階段，所以在這個這時候大O復雜度分析是最合適的選擇。

各種數據結構在搜索，插入和刪除算法上的性能都可以用下面方式表示：常量復雜度O(1)，線性復雜度O(n)，對數復雜度O(log n)，指數復雜度O(c^n)，多項式復雜度O(n^c)，平方復雜度O(n^2)以及階乘復雜度O(n!)，這里面的n都指的是數據結構里的元素的數量。性能和內存占用是可以相互權衡的。下面是一些示例。

示例1：在HashMap里查找一個元素的的時間復雜度是常量的，也即是O(1)。這是因為查找元素使用的是哈希函數，并且計算一個哈希值的時間是不受HashMap里的元素的個數的影響的。

示例2：線性搜索一個數組，列表以及鏈表都是的復雜度線性的，也即是O(n)，這是查找的時候需要遍歷整個列表。也就是說，如果一個列表的長度是原來的兩倍，那么搜索所花的時間也是原來的兩倍。

示例3：一個需要比較數組里的所有元素的排序算法的復雜度是多項式的，即是O(n^2)。這是因為一個嵌套的for循環的復雜度是O(n^2)。在搜素算法里有這樣的例子。

示例4：二分搜索一個數組或者數組列表的復雜度是對數的，即是O(log n)。在鏈表里查詢一個節點的復雜度一般是O(n)。相比較數組鏈表和數組的O(log n)的性能而言，隨著元素數量的增長，鏈表的O(n)的復雜度的性能就比較差了。對數的時間復雜度就是如果10個元素花費的時間是x單位的話，100個元素最多花費2x單位的時間，而10000個元素最多花費4x個單位的時間。如果你在一個平面坐標上畫出圖形的話，你會發現時間的增長沒有n(元素的個數)快。

Q：HashMap和TreeMap在性能上有什么樣的差別呢？你比較傾向于使用哪一個?

A：一個平衡樹的性能是O(logn)。Java里的TreeMap用一個紅黑樹來保證key/value的排序。紅黑樹是平衡二叉樹。保證二叉樹的平衡性，使得插入，刪除和查找都比較快，時間復雜度都是O(log n)。不過它沒有HashMap快，HashMap的時間復雜度是O(1)，但是TreeMap的優點在于它里面鍵值是排過序的，這樣就提供了一些其他的很有用的功能。

Q：怎么去選擇該使用哪一個呢？

A:使用無序的HashSet和HashMap，還是使用有序的TreeSet和TreeMap，主要取決于你的實際使用場景，一定程度上還和數據的大小以及運行環境有關。比較實際的一個原因是，如果插入和更新都比較頻繁的話，那么保證元素的有序可以提高快速和頻繁查找的性能。如果對于排序操作(例如產生一個報表合作者運行一個批處理程序)的要求不是很頻繁的話，那么把數據以無序的方式存儲，然后在需要排序的時候用Collections.sort(…)來進行排序，會比用有序的方式來存儲可能會更加高效。這個只是一種可選的方式，沒人能給你一個確切的答案。即使是復雜度的理論，例如O(n)，成立的前提也是在n足夠大的情況下。只要在n足夠小的情況下，就算是O(n)的算法也可能會比O(log n)的算法更加高效。另外，一個算法可能在AMD處理器上的速度比在Intel處理器上快。如果你的系統有交換區的話，那么你還要考慮磁盤的性能。唯一可以確定的性能測試途徑是用大小合適的數據來測試和衡量程序的性能和內存使用量。在你所選擇的硬件上來測試這兩種指標，是最合適的方法。

Q：如何權衡是用無序的數組還是有序的數組呢？

A：有序數組最大的優點在于n比較大的時候，搜索元素所花的時間O(log n)比無序素組所需要的時間O(n)要少很多。有序數組的缺點在于插入的時間開銷比較大(一般是O(n))，因為所有比插入元素大的值都要往后移動。而無序數組的插入時間開銷是常量時間，也就是說，插入的速度和元素的數量無關。下面的代碼片段展示了向有序數組和無序數組插入元素。

插入元素到一個無序的數組里

package bigo; import java.util.Arrays; public class InsertingElementsToArray { public static void insertUnsortedArray(String toInsert) { String[ ] unsortedArray = { "A

總結

以上是生活随笔為你收集整理的java 最快平衡几个值_Java 集合框架面试问题集锦的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。