黑马B站八股文学习笔记

绝地灬酷狼 2024-03-23 22:19 59阅读 0赞

视频地址：[https://www.yuque.com/linxun-bpyj0/linxun/vy91es9lyg7kbfnr][https_www.yuque.com_linxun-bpyj0_linxun_vy91es9lyg7kbfnr]

大纲

![03ce372023adafd52b81463aef029577.png][]

## 基础篇 ##

***基础篇要点：算法、数据结构、基础设计模式***

### 1. 二分查找 ###

**要求**

*  能够用自己语言描述二分查找算法
 *  能够手写二分查找代码
 *  能够解答一些变化后的考法

**算法描述**

1.  前提：有已排序数组 A（假设已经做好）
2.  定义左边界 L、右边界 R，确定搜索范围，循环执行二分查找（3、4两步）
3.  获取中间索引 M = Floor((L+R) /2)
4.  中间索引的值 A\[M\] 与待搜索的值 T 进行比较  
    ① A\[M\] == T 表示找到，返回中间索引  
    ② A\[M\] > T，中间值右侧的其它元素都大于 T，无需比较，中间索引左边去找，M - 1 设置为右边界，重新查找  
    ③ A\[M\] < T，中间值左侧的其它元素都小于 T，无需比较，中间索引右边去找， M + 1 设置为左边界，重新查找
5.  当 L > R 时，表示没有找到，应结束循环

*更形象的描述请参考：binary\_search.html*

**算法实现**

public static int binarySearch(int[] a, int t) {
        int l = 0, r = a.length - 1, m;
        while (l <= r) {
            m = (l + r) / 2;
            if (a[m] == t) {
                return m;
            } else if (a[m] > t) {
                r = m - 1;
            } else {
                l = m + 1;
            }
        }
        return -1;
    }

**测试代码**

public static void main(String[] args) {
        int[] array = {1, 5, 8, 11, 19, 22, 31, 35, 40, 45, 48, 49, 50};
        int target = 47;
        int idx = binarySearch(array, target);
        System.out.println(idx);
    }

**解决整数溢出问题**

当 l 和 r 都较大时，`l + r` 有可能超过整数范围，造成运算错误，解决方法有两种：

int m = l + (r - l) / 2;

还有一种是：

int m = (l + r) >>> 1;

**其它考法**

1.  有一个有序表为 1,5,8,11,19,22,31,35,40,45,48,49,50 当二分查找值为 48 的结点时，查找成功需要比较的次数
2.  使用二分法在序列 1,4,6,7,15,33,39,50,64,78,75,81,89,96 中查找元素 81 时，需要经过（ ）次比较
3.  在拥有128个元素的数组中二分查找一个数，需要比较的次数最多不超过多少次

对于前两个题目，记得一个简要判断口诀：奇数二分取中间，偶数二分取中间靠左。对于后一道题目，需要知道公式：

![Image 1][]

其中 n 为查找次数，N 为元素个数

### 2. 冒泡排序 ###

**要求**

*  能够用自己语言描述冒泡排序算法
 *  能够手写冒泡排序代码
 *  了解一些冒泡排序的优化手段

**算法描述**

1.  依次比较数组中相邻两个元素大小，若 a\[j\] > a\[j+1\]，则交换两个元素，两两都比较一遍称为一轮冒泡，结果是让最大的元素排至最后
2.  重复以上步骤，直到整个数组有序

*更形象的描述请参考：bubble\_sort.html*

**算法实现**

public static void bubble(int[] a) {
        for (int j = 0; j < a.length - 1; j++) {
            // 一轮冒泡
            boolean swapped = false; // 是否发生了交换
            for (int i = 0; i < a.length - 1 - j; i++) {
                System.out.println("比较次数" + i);
                if (a[i] > a[i + 1]) {
                    Utils.swap(a, i, i + 1);
                    swapped = true;
                }
            }
            System.out.println("第" + j + "轮冒泡"
                               + Arrays.toString(a));
            if (!swapped) {
                break;
            }
        }
    }

*  优化点1：每经过一轮冒泡，内层循环就可以减少一次
 *  优化点2：如果某一轮冒泡没有发生交换，则表示所有数据有序，可以结束外层循环

**进一步优化**

public static void bubble_v2(int[] a) {
        int n = a.length - 1;
        while (true) {
            int last = 0; // 表示最后一次交换索引位置
            for (int i = 0; i < n; i++) {
                System.out.println("比较次数" + i);
                if (a[i] > a[i + 1]) {
                    Utils.swap(a, i, i + 1);
                    last = i;
                }
            }
            n = last;
            System.out.println("第轮冒泡"
                               + Arrays.toString(a));
            if (n == 0) {
                break;
            }
        }
    }

*  每轮冒泡时，最后一次交换索引可以作为下一轮冒泡的比较次数，如果这个值为零，表示整个数组有序，直接退出外层循环即可

### 3. 选择排序 ###

**要求**

*  能够用自己语言描述选择排序算法
 *  能够比较选择排序与冒泡排序
 *  理解非稳定排序与稳定排序

**算法描述**

1.  将数组分为两个子集，排序的和未排序的，每一轮从未排序的子集中选出最小的元素，放入排序子集
2.  重复以上步骤，直到整个数组有序

*更形象的描述请参考：selection\_sort.html*

**算法实现**

public static void selection(int[] a) {
        for (int i = 0; i < a.length - 1; i++) {
            // i 代表每轮选择最小元素要交换到的目标索引
            int s = i; // 代表最小元素的索引
            for (int j = s + 1; j < a.length; j++) {
                if (a[s] > a[j]) { // j 元素比 s 元素还要小, 更新 s
                    s = j;
                }
            }
            if (s != i) {
                swap(a, s, i);
            }
            System.out.println(Arrays.toString(a));
        }
    }

*  优化点：为减少交换次数，每一轮可以先找最小的索引，在每轮最后再交换元素

**与冒泡排序比较**

1.  二者平均时间复杂度都是 ![Image 1][]
2.  选择排序一般要快于冒泡，因为其交换次数少
3.  但如果集合有序度高，冒泡优于选择
4.  冒泡属于稳定排序算法，而选择属于不稳定排序

*   *  稳定排序指，按对象中不同字段进行多次排序，不会打乱同值元素的顺序
     *  不稳定排序则反之

**稳定排序与不稳定排序**

System.out.println("=================不稳定================");
    Card[] cards = getStaticCards();
    System.out.println(Arrays.toString(cards));
    selection(cards, Comparator.comparingInt((Card a) -> a.sharpOrder).reversed());
    System.out.println(Arrays.toString(cards));
    selection(cards, Comparator.comparingInt((Card a) -> a.numberOrder).reversed());
    System.out.println(Arrays.toString(cards));
    
    System.out.println("=================稳定=================");
    cards = getStaticCards();
    System.out.println(Arrays.toString(cards));
    bubble(cards, Comparator.comparingInt((Card a) -> a.sharpOrder).reversed());
    System.out.println(Arrays.toString(cards));
    bubble(cards, Comparator.comparingInt((Card a) -> a.numberOrder).reversed());
    System.out.println(Arrays.toString(cards));

都是先按照花色排序（♠♥♣♦），再按照数字排序（AKQJ…）

*  不稳定排序算法按数字排序时，会打乱原本同值的花色顺序

[[♠7], [♠2], [♠4], [♠5], [♥2], [♥5]]
    [[♠7], [♠5], [♥5], [♠4], [♥2], [♠2]]

原来 ♠2 在前 ♥2 在后，按数字再排后，他俩的位置变了

*  稳定排序算法按数字排序时，会保留原本同值的花色顺序，如下所示 ♠2 与 ♥2 的相对位置不变

[[♠7], [♠2], [♠4], [♠5], [♥2], [♥5]]
    [[♠7], [♠5], [♥5], [♠4], [♠2], [♥2]]

### 4. 插入排序 ###

**要求**

*  能够用自己语言描述插入排序算法
 *  能够比较插入排序与选择排序

**算法描述**

1.  将数组分为两个区域，排序区域和未排序区域，每一轮从未排序区域中取出第一个元素，插入到排序区域（需保证顺序）
2.  重复以上步骤，直到整个数组有序

*更形象的描述请参考：insertion\_sort.html*

**算法实现**

// 修改了代码与希尔排序一致
    public static void insert(int[] a) {
        // i 代表待插入元素的索引
        for (int i = 1; i < a.length; i++) {
            int t = a[i]; // 代表待插入的元素值
            int j = i;
            System.out.println(j);
            while (j >= 1) {
                if (t < a[j - 1]) { // j-1 是上一个元素索引，如果 > t，后移
                    a[j] = a[j - 1];
                    j--;
                } else { // 如果 j-1 已经 <= t, 则 j 就是插入位置
                    break;
                }
            }
            a[j] = t;
            System.out.println(Arrays.toString(a) + " " + j);
        }
    }

**与选择排序比较**

1.  二者平均时间复杂度都是 ![Image 1][]
2.  大部分情况下，插入都略优于选择
3.  有序集合插入的时间复杂度为 ![Image 1][]
4.  插入属于稳定排序算法，而选择属于不稳定排序

**提示**

*插入排序通常被同学们所轻视，其实它的地位非常重要。小数据量排序，都会优先选择插入排序*

### 5. 希尔排序 ###

**要求**

*  能够用自己语言描述希尔排序算法

**算法描述**

1.  首先选取一个间隙序列，如 (n/2，n/4 … 1)，n 为数组长度
2.  每一轮将间隙相等的元素视为一组，对组内元素进行插入排序，目的有二  
    ① 少量元素插入排序速度很快  
    ② 让组内值较大的元素更快地移动到后方
3.  当间隙逐渐减少，直至为 1 时，即可完成排序

*更形象的描述请参考：shell\_sort.html*

**算法实现**

private static void shell(int[] a) {
        int n = a.length;
        for (int gap = n / 2; gap > 0; gap /= 2) {
            // i 代表待插入元素的索引
            for (int i = gap; i < n; i++) {
                int t = a[i]; // 代表待插入的元素值
                int j = i;
                while (j >= gap) {
                    // 每次与上一个间隙为 gap 的元素进行插入排序
                    if (t < a[j - gap]) { // j-gap 是上一个元素索引，如果 > t，后移
                        a[j] = a[j - gap];
                        j -= gap;
                    } else { // 如果 j-1 已经 <= t, 则 j 就是插入位置
                        break;
                    }
                }
                a[j] = t;
                System.out.println(Arrays.toString(a) + " gap:" + gap);
            }
        }
    }

**参考资料**

*  [https://en.wikipedia.org/wiki/Shellsort][https_en.wikipedia.org_wiki_Shellsort]

### 6. 快速排序 ###

**要求**

*  能够用自己语言描述快速排序算法
 *  掌握手写单边循环、双边循环代码之一
 *  能够说明快排特点
 *  了解洛穆托与霍尔两种分区方案的性能比较

**算法描述**

1.  每一轮排序选择一个基准点（pivot）进行分区

1.  1.  让小于基准点的元素的进入一个分区，大于基准点的元素的进入另一个分区
    2.  当分区完成时，基准点元素的位置就是其最终位置

1.  在子分区内重复以上过程，直至子分区元素个数少于等于 1，这体现的是分而治之的思想 （[divide-and-conquer][]）
2.  从以上描述可以看出，一个关键在于分区算法，常见的有洛穆托分区方案、双边循环分区方案、霍尔分区方案

*更形象的描述请参考：quick\_sort.html*

**单边循环快排（lomuto 洛穆托分区方案）**

1.  选择最右元素作为基准点元素
2.  j 指针负责找到比基准点小的元素，一旦找到则与 i 进行交换
3.  i 指针维护小于基准点元素的边界，也是每次交换的目标索引
4.  最后基准点与 i 交换，i 即为分区位置

public static void quick(int[] a, int l, int h) {
        if (l >= h) {
            return;
        }
        int p = partition(a, l, h); // p 索引值
        quick(a, l, p - 1); // 左边分区的范围确定
        quick(a, p + 1, h); // 左边分区的范围确定
    }
    
    private static int partition(int[] a, int l, int h) {
        int pv = a[h]; // 基准点元素
        int i = l;
        for (int j = l; j < h; j++) {
            if (a[j] < pv) {
                if (i != j) {
                    swap(a, i, j);
                }
                i++;
            }
        }
        if (i != h) {
            swap(a, h, i);
        }
        System.out.println(Arrays.toString(a) + " i=" + i);
        // 返回值代表了基准点元素所在的正确索引，用它确定下一轮分区的边界
        return i;
    }

**双边循环快排（不完全等价于 hoare 霍尔分区方案）**

1.  选择最左元素作为基准点元素
2.  j 指针负责从右向左找比基准点小的元素，i 指针负责从左向右找比基准点大的元素，一旦找到二者交换，直至 i，j 相交
3.  最后基准点与 i（此时 i 与 j 相等）交换，i 即为分区位置

要点

1.  基准点在左边，并且要先 j 后 i
2.  while( **i** **< j** && a\[j\] > pv ) j–
3.  while ( **i** **< j** && a\[i\] **<=** pv ) i++

private static void quick(int[] a, int l, int h) {
        if (l >= h) {
            return;
        }
        int p = partition(a, l, h);
        quick(a, l, p - 1);
        quick(a, p + 1, h);
    }
    
    private static int partition(int[] a, int l, int h) {
        int pv = a[l];
        int i = l;
        int j = h;
        while (i < j) {
            // j 从右找小的
            while (i < j && a[j] > pv) {
                j--;
            }
            // i 从左找大的
            while (i < j && a[i] <= pv) {
                i++;
            }
            swap(a, i, j);
        }
        swap(a, l, j);
        System.out.println(Arrays.toString(a) + " j=" + j);
        return j;
    }

**快排特点**

1.  平均时间复杂度是 ![Image 1][]，最坏时间复杂度 ![Image 1][]
2.  数据量较大时，优势非常明显
3.  属于不稳定排序

**洛穆托分区方案 vs 霍尔分区方案**

*  霍尔的移动次数平均来讲比洛穆托少3倍
 *  [https://qastack.cn/cs/11458/quicksort-partitioning-hoare-vs-lomuto][https_qastack.cn_cs_11458_quicksort-partitioning-hoare-vs-lomuto]

***补充代码说明***

*  day01.sort.QuickSort3 演示了空穴法改进的双边快排，比较次数更少
 *  day01.sort.QuickSortHoare 演示了霍尔分区的实现
 *  day01.sort.LomutoVsHoare 对四种分区实现的移动次数比较

### 7. ArrayList ###

**要求**

*  掌握 ArrayList 扩容规则

**扩容规则**

1.  ArrayList() 会使用长度为零的数组
2.  ArrayList(int initialCapacity) 会使用指定容量的数组
3.  public ArrayList(Collection<? extends E> c) 会使用 c 的大小作为数组容量
4.  add(Object o) 首次扩容为 10，再次扩容为上次容量的 1.5 倍
5.  addAll(Collection c) 没有元素时，扩容为 Math.max(10, 实际元素个数)，有元素时为 Math.max(原容量 1.5 倍, 实际元素个数)

其中第 4 点必须知道，其它几点视个人情况而定

**提示**

*  测试代码见 `day01.list.TestArrayList` ，这里不再列出
 *  要**注意**的是，示例中用反射方式来更直观地反映 ArrayList 的扩容特征，但从 JDK 9 由于模块化的影响，对反射做了较多限制，需要在运行测试代码时添加 VM 参数 `--add-opens java.base/java.util=ALL-UNNAMED` 方能运行通过，后面的例子都有相同问题

***代码说明***

*  day01.list.TestArrayList\#arrayListGrowRule 演示了 add(Object) 方法的扩容规则，输入参数 n 代表打印多少次扩容后的数组长度

### 8. Iterator ###

**要求**

*  掌握什么是 Fail-Fast、什么是 Fail-Safe

Fail-Fast 与 Fail-Safe

*  ArrayList 是 fail-fast 的典型代表，遍历的同时不能修改，尽快失败
 *  CopyOnWriteArrayList 是 fail-safe 的典型代表，遍历的同时可以修改，原理是读写分离

**提示**

*  测试代码见 `day01.list.FailFastVsFailSafe`，这里不再列出

### 9. LinkedList ###

**要求**

*  能够说清楚 LinkedList 对比 ArrayList 的区别，并重视纠正部分错误的认知

**LinkedList**

1.  基于双向链表，无需连续内存
2.  随机访问慢（要沿着链表遍历）
3.  头尾插入删除性能高
4.  占用内存多

**ArrayList**

1.  基于数组，需要连续内存
2.  随机访问快（指根据下标访问）
3.  尾部插入、删除性能可以，其它部分插入、删除都会移动数据，因此性能会低
4.  可以利用 cpu 缓存，局部性原理

***代码说明***

*  day01.list.ArrayListVsLinkedList\#randomAccess 对比随机访问性能
 *  day01.list.ArrayListVsLinkedList\#addMiddle 对比向中间插入性能
 *  day01.list.ArrayListVsLinkedList\#addFirst 对比头部插入性能
 *  day01.list.ArrayListVsLinkedList\#addLast 对比尾部插入性能
 *  day01.list.ArrayListVsLinkedList\#linkedListSize 打印一个 LinkedList 占用内存
 *  day01.list.ArrayListVsLinkedList\#arrayListSize 打印一个 ArrayList 占用内存

### 10. HashMap ###

**要求**

*  掌握 HashMap 的基本数据结构
 *  掌握树化
 *  理解索引计算方法、二次 hash 的意义、容量对索引计算的影响
 *  掌握 put 流程、扩容、扩容因子
 *  理解并发使用 HashMap 可能导致的问题
 *  理解 key 的设计

#### 1）基本数据结构 ####

*  1.7 数组 + 链表
 *  1.8 数组 + （链表 | 红黑树）

更形象的演示，见资料中的 hash-demo.jar，运行需要 jdk14 以上环境，进入 jar 包目录，执行下面命令

java -jar --add-exports java.base/jdk.internal.misc=ALL-UNNAMED hash-demo.jar

#### 2）树化与退化 ####

**树化意义**

*  红黑树用来避免 DoS 攻击，防止链表超长时性能下降，树化应当是偶然情况，是保底策略
 *  hash 表的查找，更新的时间复杂度是 ![Image 1][]，而红黑树的查找，更新的时间复杂度是 ![Image 1][]，TreeNode 占用空间也比普通 Node 的大，如非必要，尽量还是使用链表
 *  hash 值如果足够随机，则在 hash 表内按泊松分布，在负载因子 0.75 的情况下，长度超过 8 的链表出现概率是 0.00000006，树化阈值选择 8 就是为了让树化几率足够小

**树化规则**

*  当链表长度超过树化阈值 8 时，先尝试扩容来减少链表长度，如果数组容量已经 >=64，才会进行树化

**退化规则**

*  情况1：在扩容时如果拆分树时，树元素个数 <= 6 则会退化链表
 *  情况2：remove 树节点时，若 root、root.left、root.right、root.left.left 有一个为 null ，也会退化为链表

#### 3）索引计算 ####

**索引计算方法**

*  首先，计算对象的 hashCode()
 *  再进行调用 HashMap 的 hash() 方法进行二次哈希

*   *  二次 hash() 是为了综合高位数据，让哈希分布更为均匀

*  最后 & (capacity – 1) 得到索引

**数组容量为何是 2 的 n 次幂**

1.  计算索引时效率更高：如果是 2 的 n 次幂可以使用位与运算代替取模
2.  扩容时重新计算索引效率更高： hash & oldCap == 0 的元素留在原来位置 ，否则新位置 = 旧位置 + oldCap

**注意**

*  二次 hash 是为了配合 **容量是 2 的 n 次幂** 这一设计前提，如果 hash 表的容量不是 2 的 n 次幂，则不必二次 hash
 *  **容量是 2 的 n 次幂** 这一设计计算索引效率更好，但 hash 的分散性就不好，需要二次 hash 来作为补偿，没有采用这一设计的典型例子是 Hashtable

#### 4）put 与扩容 ####

**put 流程**

1.  HashMap 是懒惰创建数组的，首次使用才创建数组
2.  计算索引（桶下标）
3.  如果桶下标还没人占用，创建 Node 占位返回
4.  如果桶下标已经有人占用

1.  1.  已经是 TreeNode 走红黑树的添加或更新逻辑
    2.  是普通 Node，走链表的添加或更新逻辑，如果链表长度超过树化阈值，走树化逻辑

1.  返回前检查容量是否超过阈值，一旦超过进行扩容

**1.7 与 1.8 的区别**

1.  链表插入节点时，1.7 是头插法，1.8 是尾插法
2.  1.7 是大于等于阈值且没有空位时才扩容，而 1.8 是大于阈值就扩容
3.  1.8 在扩容计算 Node 索引时，会优化

**扩容（加载）因子为何默认是 0.75f**

1.  在空间占用与查询时间之间取得较好的权衡
2.  大于这个值，空间节省了，但链表就会比较长影响性能
3.  小于这个值，冲突减少了，但扩容就会更频繁，空间占用也更多

#### 5）并发问题 ####

**扩容死链（1.7 会存在）**

1.7 源码如下：

void transfer(Entry[] newTable, boolean rehash) {
        int newCapacity = newTable.length;
        for (Entry<K,V> e : table) {
            while(null != e) {
                Entry<K,V> next = e.next;
                if (rehash) {
                    e.hash = null == e.key ? 0 : hash(e.key);
                }
                int i = indexFor(e.hash, newCapacity);
                e.next = newTable[i];
                newTable[i] = e;
                e = next;
            }
        }
    }

*  e 和 next 都是局部变量，用来指向当前节点和下一个节点
 *  线程1（绿色）的临时变量 e 和 next 刚引用了这俩节点，还未来得及移动节点，发生了线程切换，由线程2（蓝色）完成扩容和迁移

![6ce9d762a6d64ca5fc88092985810200.png][]

*  线程2 扩容完成，由于头插法，链表顺序颠倒。但线程1 的临时变量 e 和 next 还引用了这俩节点，还要再来一遍迁移

![95b2afa2c4214530e9c0bb7fbe7b1225.png][]

![Image 1][]

*  第一次循环

*   *  循环接着线程切换前运行，注意此时 e 指向的是节点 a，next 指向的是节点 b
     *  e 头插 a 节点，注意图中画了两份 a 节点，但事实上只有一个（为了不让箭头特别乱画了两份）
     *  当循环结束是 e 会指向 next 也就是 b 节点

![a0bdfa0de65c0e60ce6f9ba11f7cb413.png][]

![Image 1][]

*  第二次循环

*   *  next 指向了节点 a
     *  e 头插节点 b
     *  当循环结束时，e 指向 next 也就是节点 a

\[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-A3enIgab-1691920287269)()\]

*  第三次循环

*   *  next 指向了 null
     *  e 头插节点 a，**a 的 next 指向了 b**（之前 a.next 一直是 null），b 的 next 指向 a，死链已成
     *  当循环结束时，e 指向 next 也就是 null，因此第四次循环时会正常退出

![d17fd3ae8a6ae22a1347d0069cb925de.png][]

![Image 1][]

**数据错乱（1.7，1.8 都会存在）**

*  代码参考 `day01.map.HashMapMissData`，具体调试步骤参考视频

***补充代码说明***

*  day01.map.HashMapDistribution 演示 map 中链表长度符合泊松分布
 *  day01.map.DistributionAffectedByCapacity 演示容量及 hashCode 取值对分布的影响

*   *  day01.map.DistributionAffectedByCapacity\#hashtableGrowRule 演示了 Hashtable 的扩容规律
     *  day01.sort.Utils\#randomArray 如果 hashCode 足够随机，容量是否是 2 的 n 次幂影响不大
     *  day01.sort.Utils\#lowSameArray 如果 hashCode 低位一样的多，容量是 2 的 n 次幂会导致分布不均匀
     *  day01.sort.Utils\#evenArray 如果 hashCode 偶数的多，容量是 2 的 n 次幂会导致分布不均匀
     *  由此得出对于容量是 2 的 n 次幂的设计来讲，二次 hash 非常重要

*  day01.map.HashMapVsHashtable 演示了对于同样数量的单词字符串放入 HashMap 和 Hashtable 分布上的区别

#### 6）key 的设计 ####

**key 的设计要求**

1.  HashMap 的 key 可以为 null，但 Map 的其他实现则不然
2.  作为 key 的对象，必须实现 hashCode 和 equals，并且 key 的内容不能修改（不可变）
3.  key 的 hashCode 应该有良好的散列性

如果 key 可变，例如修改了 age 会导致再次查询时查询不到

public class HashMapMutableKey {
        public static void main(String[] args) {
            HashMap<Student, Object> map = new HashMap<>();
            Student stu = new Student("张三", 18);
            map.put(stu, new Object());
    
            System.out.println(map.get(stu));
    
            stu.age = 19;
            System.out.println(map.get(stu));
        }
    
        static class Student {
            String name;
            int age;
    
            public Student(String name, int age) {
                this.name = name;
                this.age = age;
            }
    
            public String getName() {
                return name;
            }
    
            public void setName(String name) {
                this.name = name;
            }
    
            public int getAge() {
                return age;
            }
    
            public void setAge(int age) {
                this.age = age;
            }
    
            @Override
            public boolean equals(Object o) {
                if (this == o) return true;
                if (o == null || getClass() != o.getClass()) return false;
                Student student = (Student) o;
                return age == student.age && Objects.equals(name, student.name);
            }
    
            @Override
            public int hashCode() {
                return Objects.hash(name, age);
            }
        }
    }

**String 对象的 hashCode() 设计**

*  目标是达到较为均匀的散列效果，每个字符串的 hashCode 足够独特
 *  字符串中的每个字符都可以表现为一个数字，称为 ![Image 1][]，其中 i 的范围是 0 ~ n - 1
 *  散列公式为： ![Image 1][]
 *  31 代入公式有较好的散列特性，并且 31 \* h 可以被优化为

*   *  即 $32 ∗h -h $
     *  即 ![Image 1][]
     *  即 ![Image 1][]

### 11. 单例模式 ###

**要求**

*  掌握五种单例模式的实现方式
 *  理解为何 DCL 实现时要使用 volatile 修饰静态变量
 *  了解 jdk 中用到单例的场景

**饿汉式**

public class Singleton1 implements Serializable {
        private Singleton1() {
            if (INSTANCE != null) {
                throw new RuntimeException("单例对象不能重复创建");
            }
            System.out.println("private Singleton1()");
        }
    
        private static final Singleton1 INSTANCE = new Singleton1();
    
        public static Singleton1 getInstance() {
            return INSTANCE;
        }
    
        public static void otherMethod() {
            System.out.println("otherMethod()");
        }
    
        public Object readResolve() {
            return INSTANCE;
        }
    }

*  构造方法抛出异常是防止反射破坏单例
 *  `readResolve()` 是防止反序列化破坏单例

**枚举饿汉式**

public enum Singleton2 {
        INSTANCE;
    
        private Singleton2() {
            System.out.println("private Singleton2()");
        }
    
        @Override
        public String toString() {
            return getClass().getName() + "@" + Integer.toHexString(hashCode());
        }
    
        public static Singleton2 getInstance() {
            return INSTANCE;
        }
    
        public static void otherMethod() {
            System.out.println("otherMethod()");
        }
    }

*  枚举饿汉式能天然防止反射、反序列化破坏单例

**懒汉式**

public class Singleton3 implements Serializable {
        private Singleton3() {
            System.out.println("private Singleton3()");
        }
    
        private static Singleton3 INSTANCE = null;
    
        // Singleton3.class
        public static synchronized Singleton3 getInstance() {
            if (INSTANCE == null) {
                INSTANCE = new Singleton3();
            }
            return INSTANCE;
        }
    
        public static void otherMethod() {
            System.out.println("otherMethod()");
        }
    
    }

*  其实只有首次创建单例对象时才需要同步，但该代码实际上每次调用都会同步
 *  因此有了下面的双检锁改进

**双检锁懒汉式**

public class Singleton4 implements Serializable {
        private Singleton4() {
            System.out.println("private Singleton4()");
        }
    
        private static volatile Singleton4 INSTANCE = null; // 可见性，有序性
    
        public static Singleton4 getInstance() {
            if (INSTANCE == null) {
                synchronized (Singleton4.class) {
                    if (INSTANCE == null) {
                        INSTANCE = new Singleton4();
                    }
                }
            }
            return INSTANCE;
        }
    
        public static void otherMethod() {
            System.out.println("otherMethod()");
        }
    }

为何必须加 volatile：

*  `INSTANCE = new Singleton4()` 不是原子的，分成 3 步：创建对象、调用构造、给静态变量赋值，其中后两步可能被指令重排序优化，变成先赋值、再调用构造
 *  如果线程1 先执行了赋值，线程2 执行到第一个 `INSTANCE == null` 时发现 INSTANCE 已经不为 null，此时就会返回一个未完全构造的对象

**内部类懒汉式**

public class Singleton5 implements Serializable {
        private Singleton5() {
            System.out.println("private Singleton5()");
        }
    
        private static class Holder {
            static Singleton5 INSTANCE = new Singleton5();
        }
    
        public static Singleton5 getInstance() {
            return Holder.INSTANCE;
        }
    
        public static void otherMethod() {
            System.out.println("otherMethod()");
        }
    }

*  避免了双检锁的缺点

**JDK 中单例的体现**

*  Runtime 体现了饿汉式单例
 *  Console 体现了双检锁懒汉式单例
 *  Collections 中的 EmptyNavigableSet 内部类懒汉式单例
 *  ReverseComparator.REVERSE\_ORDER 内部类懒汉式单例
 *  Comparators.NaturalOrderComparator.INSTANCE 枚举饿汉式单例

## 并发篇 ##

### 1. 线程状态 ###

**要求**

*  掌握 Java 线程六种状态
 *  掌握 Java 线程状态转换
 *  能理解五种状态与六种状态两种说法的区别

**六种状态及转换**

![6e3bc168c4b431965136572c49b3a6fa.png][]

![Image 1][]

分别是

*  新建

*   *  当一个线程对象被创建，但还未调用 start 方法时处于**新建**状态
     *  此时未与操作系统底层线程关联

*  可运行

*   *  调用了 start 方法，就会由**新建**进入**可运行**
     *  此时与底层线程关联，由操作系统调度执行

*  终结

*   *  线程内代码已经执行完毕，由**可运行**进入**终结**
     *  此时会取消与底层线程关联

*  阻塞

*   *  当获取锁失败后，由**可运行**进入 Monitor 的阻塞队列**阻塞**，此时不占用 cpu 时间
     *  当持锁线程释放锁时，会按照一定规则唤醒阻塞队列中的**阻塞**线程，唤醒后的线程进入**可运行**状态

*  等待

*   *  当获取锁成功后，但由于条件不满足，调用了 wait() 方法，此时从**可运行**状态释放锁进入 Monitor 等待集合**等待**，同样不占用 cpu 时间
     *  当其它持锁线程调用 notify() 或 notifyAll() 方法，会按照一定规则唤醒等待集合中的**等待**线程，恢复为**可运行**状态

*  有时限等待

*   *  当获取锁成功后，但由于条件不满足，调用了 wait(long) 方法，此时从**可运行**状态释放锁进入 Monitor 等待集合进行**有时限等待**，同样不占用 cpu 时间
     *  当其它持锁线程调用 notify() 或 notifyAll() 方法，会按照一定规则唤醒等待集合中的**有时限等待**线程，恢复为**可运行**状态，并重新去竞争锁
     *  如果等待超时，也会从**有时限等待**状态恢复为**可运行**状态，并重新去竞争锁
     *  还有一种情况是调用 sleep(long) 方法也会从**可运行**状态进入**有时限等待**状态，但与 Monitor 无关，不需要主动唤醒，超时时间到自然恢复为**可运行**状态

***其它情况（只需了解）***

*  可以用 interrupt() 方法打断**等待**、**有时限等待**的线程，让它们恢复为**可运行**状态
 *  park，unpark 等方法也可以让线程等待和唤醒

**五种状态**

五种状态的说法来自于操作系统层面的划分

![c7303780b2ece144ef2b2c5c8f802d05.png][]

*  运行态：分到 cpu 时间，能真正执行线程内代码的
 *  就绪态：有资格分到 cpu 时间，但还未轮到它的
 *  阻塞态：没资格分到 cpu 时间的

*   *  涵盖了 java 状态中提到的**阻塞**、**等待**、**有时限等待**
     *  多出了阻塞 I/O，指线程在调用阻塞 I/O 时，实际活由 I/O 设备完成，此时线程无事可做，只能干等

*  新建与终结态：与 java 中同名状态类似，不再啰嗦

### 2. 线程池 ###

**要求**

*  掌握线程池的 7 大核心参数

**七大参数**

1.  corePoolSize 核心线程数目 - 池中会保留的最多线程数
2.  maximumPoolSize 最大线程数目 - 核心线程+救急线程的最大数目
3.  keepAliveTime 生存时间 - 救急线程的生存时间，生存时间内没有新任务，此线程资源会释放
4.  unit 时间单位 - 救急线程的生存时间单位，如秒、毫秒等
5.  workQueue - 当没有空闲核心线程时，新来任务会加入到此队列排队，队列满会创建救急线程执行任务
6.  threadFactory 线程工厂 - 可以定制线程对象的创建，例如设置线程名字、是否是守护线程等
7.  handler 拒绝策略 - 当所有线程都在繁忙，workQueue 也放满时，会触发拒绝策略

1.  1.  抛异常 java.util.concurrent.ThreadPoolExecutor.AbortPolicy
    2.  由调用者执行任务 java.util.concurrent.ThreadPoolExecutor.CallerRunsPolicy
    3.  丢弃任务 java.util.concurrent.ThreadPoolExecutor.DiscardPolicy
    4.  丢弃最早排队任务 java.util.concurrent.ThreadPoolExecutor.DiscardOldestPolicy

\[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-U9e6Mevj-1691920287271)()\]

***代码说明***

day02.TestThreadPoolExecutor 以较为形象的方式演示了线程池的核心组成

### 3. wait vs sleep ###

**要求**

*  能够说出二者区别

**一个共同点，三个不同点**

共同点

*  wait() ，wait(long) 和 sleep(long) 的效果都是让当前线程暂时放弃 CPU 的使用权，进入阻塞状态

不同点

*  方法归属不同

*   *  sleep(long) 是 Thread 的静态方法
     *  而 wait()，wait(long) 都是 Object 的成员方法，每个对象都有

*  醒来时机不同

*   *  执行 sleep(long) 和 wait(long) 的线程都会在等待相应毫秒后醒来
     *  wait(long) 和 wait() 还可以被 notify 唤醒，wait() 如果不唤醒就一直等下去
     *  它们都可以被打断唤醒

*  锁特性不同（重点）

*   *  wait 方法的调用必须先获取 wait 对象的锁，而 sleep 则无此限制
     *  wait 方法执行后会释放对象锁，允许其它线程获得该对象锁（我放弃 cpu，但你们还可以用）
     *  而 sleep 如果在 synchronized 代码块中执行，并不会释放对象锁（我放弃 cpu，你们也用不了）

### 4. lock vs synchronized ###

**要求**

*  掌握 lock 与 synchronized 的区别
 *  理解 ReentrantLock 的公平、非公平锁
 *  理解 ReentrantLock 中的条件变量

**三个层面**

不同点

*  语法层面

*   *  synchronized 是关键字，源码在 jvm 中，用 c++ 语言实现
     *  Lock 是接口，源码由 jdk 提供，用 java 语言实现
     *  使用 synchronized 时，退出同步代码块锁会自动释放，而使用 Lock 时，需要手动调用 unlock 方法释放锁

*  功能层面

*   *  二者均属于悲观锁、都具备基本的互斥、同步、锁重入功能
     *  Lock 提供了许多 synchronized 不具备的功能，例如获取等待状态、公平锁、可打断、可超时、多条件变量
     *  Lock 有适合不同场景的实现，如 ReentrantLock， ReentrantReadWriteLock

*  性能层面

*   *  在没有竞争时，synchronized 做了很多优化，如偏向锁、轻量级锁，性能不赖
     *  在竞争激烈时，Lock 的实现通常会提供更好的性能

**公平锁**

*  公平锁的公平体现

*   *  **已经处在阻塞队列**中的线程（不考虑超时）始终都是公平的，先进先出
     *  公平锁是指**未处于阻塞队列**中的线程来争抢锁，如果队列不为空，则老实到队尾等待
     *  非公平锁是指**未处于阻塞队列**中的线程来争抢锁，与队列头唤醒的线程去竞争，谁抢到算谁的

*  公平锁会降低吞吐量，一般不用

**条件变量**

*  ReentrantLock 中的条件变量功能类似于普通 synchronized 的 wait，notify，用在当线程获得锁后，发现条件不满足时，临时等待的链表结构
 *  与 synchronized 的等待集合不同之处在于，ReentrantLock 中的条件变量可以有多个，可以实现更精细的等待、唤醒控制

***代码说明***

*  day02.TestReentrantLock 用较为形象的方式演示 ReentrantLock 的内部结构

### 5. volatile ###

**要求**

*  掌握线程安全要考虑的三个问题
 *  掌握 volatile 能解决哪些问题

**原子性**

*  起因：多线程下，不同线程的**指令发生了交错**导致的共享变量的读写混乱
 *  解决：用悲观锁或乐观锁解决，volatile 并不能解决原子性

**可见性**

*  起因：由于**编译器优化、或缓存优化、或 CPU 指令重排序优化**导致的对共享变量所做的修改另外的线程看不到
 *  解决：用 volatile 修饰共享变量，能够防止编译器等优化发生，让一个线程对共享变量的修改对另一个线程可见

**有序性**

*  起因：由于**编译器优化、或缓存优化、或 CPU 指令重排序优化**导致指令的实际执行顺序与编写顺序不一致
 *  解决：用 volatile 修饰共享变量会在读、写共享变量时加入不同的屏障，阻止其他读写操作越过屏障，从而达到阻止重排序的效果
 *  注意：

*   *  **volatile 变量写**加的屏障是阻止上方其它写操作越过屏障排到 **volatile 变量写**之下
     *  **volatile 变量读**加的屏障是阻止下方其它读操作越过屏障排到 **volatile 变量读**之上
     *  volatile 读写加入的屏障只能防止同一线程内的指令重排

***代码说明***

*  day02.threadsafe.AddAndSubtract 演示原子性
 *  day02.threadsafe.ForeverLoop 演示可见性

*   *  注意：本例经实践检验是编译器优化导致的可见性问题

*  day02.threadsafe.Reordering 演示有序性

*   *  需要打成 jar 包后测试

*  请同时参考视频讲解

### 6. 悲观锁 vs 乐观锁 ###

**要求**

*  掌握悲观锁和乐观锁的区别

**对比悲观锁与乐观锁**

*  悲观锁的代表是 synchronized 和 Lock 锁

*   *  其核心思想是【线程只有占有了锁，才能去操作共享变量，每次只有一个线程占锁成功，获取锁失败的线程，都得停下来等待】
     *  线程从运行到阻塞、再从阻塞到唤醒，涉及线程上下文切换，如果频繁发生，影响性能
     *  实际上，线程在获取 synchronized 和 Lock 锁时，如果锁已被占用，都会做几次重试操作，减少阻塞的机会

*  乐观锁的代表是 AtomicInteger，使用 cas 来保证原子性

*   *  其核心思想是【无需加锁，每次只有一个线程能成功修改共享变量，其它失败的线程不需要停止，不断重试直至成功】
     *  由于线程一直运行，不需要阻塞，因此不涉及线程上下文切换
     *  它需要多核 cpu 支持，且线程数不应超过 cpu 核数

***代码说明***

*  day02.SyncVsCas 演示了分别使用乐观锁和悲观锁解决原子赋值
 *  请同时参考视频讲解

### 7. Hashtable vs ConcurrentHashMap ###

**要求**

*  掌握 Hashtable 与 ConcurrentHashMap 的区别
 *  掌握 ConcurrentHashMap 在不同版本的实现区别

更形象的演示，见资料中的 hash-demo.jar，运行需要 jdk14 以上环境，进入 jar 包目录，执行下面命令

java -jar --add-exports java.base/jdk.internal.misc=ALL-UNNAMED hash-demo.jar

**Hashtable 对比 ConcurrentHashMap**

*  Hashtable 与 ConcurrentHashMap 都是线程安全的 Map 集合
 *  Hashtable 并发度低，整个 Hashtable 对应一把锁，同一时刻，只能有一个线程操作它
 *  ConcurrentHashMap 并发度高，整个 ConcurrentHashMap 对应多把锁，只要线程访问的是不同锁，那么不会冲突

**ConcurrentHashMap 1.7**

*  数据结构：`Segment(大数组) + HashEntry(小数组) + 链表`，每个 Segment 对应一把锁，如果多个线程访问不同的 Segment，则不会冲突
 *  并发度：Segment 数组大小即并发度，决定了同一时刻最多能有多少个线程并发访问。Segment 数组不能扩容，意味着并发度在 ConcurrentHashMap 创建时就固定了
 *  索引计算

*   *  假设大数组长度是 ![Image 1][]，key 在大数组内的索引是 key 的二次 hash 值的高 m 位
     *  假设小数组长度是 ![Image 1][]，key 在小数组内的索引是 key 的二次 hash 值的低 n 位

*  扩容：每个小数组的扩容相对独立，小数组在超过扩容因子时会触发扩容，每次扩容翻倍
 *  Segment\[0\] 原型：首次创建其它小数组时，会以此原型为依据，数组长度，扩容因子都会以原型为准

**ConcurrentHashMap 1.8**

*  数据结构：`Node 数组 + 链表或红黑树`，数组的每个头节点作为锁，如果多个线程访问的头节点不同，则不会冲突。首次生成头节点时如果发生竞争，利用 cas 而非 syncronized，进一步提升性能
 *  并发度：Node 数组有多大，并发度就有多大，与 1.7 不同，Node 数组可以扩容
 *  扩容条件：Node 数组满 3/4 时就会扩容
 *  扩容单位：以链表为单位从后向前迁移链表，迁移完成的将旧数组头节点替换为 ForwardingNode
 *  扩容时并发 get

*   *  根据是否为 ForwardingNode 来决定是在新数组查找还是在旧数组查找，不会阻塞
     *  如果链表长度超过 1，则需要对节点进行复制（创建新节点），怕的是节点迁移后 next 指针改变
     *  如果链表最后几个元素扩容后索引不变，则节点无需复制

*  扩容时并发 put

*   *  如果 put 的线程与扩容线程操作的链表是同一个，put 线程会阻塞
     *  如果 put 的线程操作的链表还未迁移完成，即头节点不是 ForwardingNode，则可以并发执行
     *  如果 put 的线程操作的链表已经迁移完成，即头结点是 ForwardingNode，则可以协助扩容

*  与 1.7 相比是懒惰初始化
 *  capacity 代表预估的元素个数，capacity / factory 来计算出初始数组大小，需要贴近 ![Image 1][]
 *  loadFactor 只在计算初始数组大小时被使用，之后扩容固定为 3/4
 *  超过树化阈值时的扩容问题，如果容量已经是 64，直接树化，否则在原来容量基础上做 3 轮扩容

### 8. ThreadLocal ###

**要求**

*  掌握 ThreadLocal 的作用与原理
 *  掌握 ThreadLocal 的内存释放时机

**作用**

*  ThreadLocal 可以实现【资源对象】的线程隔离，让每个线程各用各的【资源对象】，避免争用引发的线程安全问题
 *  ThreadLocal 同时实现了线程内的资源共享

**原理**

每个线程内有一个 ThreadLocalMap 类型的成员变量，用来存储资源对象

*  调用 set 方法，就是以 ThreadLocal 自己作为 key，资源对象作为 value，放入当前线程的 ThreadLocalMap 集合中
 *  调用 get 方法，就是以 ThreadLocal 自己作为 key，到当前线程中查找关联的资源值
 *  调用 remove 方法，就是以 ThreadLocal 自己作为 key，移除当前线程关联的资源值

ThreadLocalMap 的一些特点

*  key 的 hash 值统一分配
 *  初始容量 16，扩容因子 2/3，扩容容量翻倍
 *  key 索引冲突后用开放寻址法解决冲突

**弱引用 key**

ThreadLocalMap 中的 key 被设计为弱引用，原因如下

*  Thread 可能需要长时间运行（如线程池中的线程），如果 key 不再使用，需要在内存不足（GC）时释放其占用的内存

**内存释放时机**

*  被动 GC 释放 key

*   *  仅是让 key 的内存释放，关联 value 的内存并不会释放

*  懒惰被动释放 value

*   *  get key 时，发现是 null key，则释放其 value 内存
     *  set key 时，会使用启发式扫描，清除临近的 null key 的 value 内存，启发次数与元素个数，是否发现 null key 有关

*  主动 remove 释放 key，value

*   *  会同时释放 key，value 的内存，也会清除临近的 null key 的 value 内存
     *  推荐使用它，因为一般使用 ThreadLocal 时都把它作为静态变量（即强引用），因此无法被动依靠 GC 回收

[https_www.yuque.com_linxun-bpyj0_linxun_vy91es9lyg7kbfnr]: https://www.yuque.com/linxun-bpyj0/linxun/vy91es9lyg7kbfnr
[03ce372023adafd52b81463aef029577.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/14/4a85e734d0e4478f8626bbb04d858778.png
[Image 1]: 
[https_en.wikipedia.org_wiki_Shellsort]: https://en.wikipedia.org/wiki/Shellsort
[divide-and-conquer]: https://en.wikipedia.org/wiki/Divide-and-conquer_algorithm
[https_qastack.cn_cs_11458_quicksort-partitioning-hoare-vs-lomuto]: https://qastack.cn/cs/11458/quicksort-partitioning-hoare-vs-lomuto
[6ce9d762a6d64ca5fc88092985810200.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/14/b1f3bc188bf340b69fc78d8b24df8583.png
[95b2afa2c4214530e9c0bb7fbe7b1225.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/14/241f1809038d4056a2ea749f46a36092.png
[a0bdfa0de65c0e60ce6f9ba11f7cb413.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/14/2fe5e6356d7141b895d52e851aa82dc2.png
[d17fd3ae8a6ae22a1347d0069cb925de.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/14/3697054ce2664bc0af8a96eb2ddbddd8.png
[6e3bc168c4b431965136572c49b3a6fa.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/14/8ecc317d3ea54ebc83716285d4ffb60a.png
[c7303780b2ece144ef2b2c5c8f802d05.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/14/92537feaacd2476a862e28489bfe8f32.png