zoukankan      html  css  js  c++  java
  • Java数据结构之LinkedList、ArrayList的效率分析

    前言:

         在我们平常开发中难免会用到List集合来存储数据,一般都会选择ArrayList和LinkedList,以前只是大致知道ArrayList查询效率高LinkedList插入删除效率高,今天来实测一下。

    先了解一下List     

      List列表类,顺序存储任何对象(顺序不变),可重复。

      List是继承于Collection的接口,不能实例化。实例化可以用:

    • ArrayList(实现动态数组),查询快(随意访问或顺序访问),增删慢。整体清空快,线程不同步(非线程安全)。数组长度是可变的百分之五十延长
    • LinkedList(实现链表),查询慢,增删快。
    • Vector(实现动态数组),都慢,被ArrayList替代。长度任意延长。线程安全(同步的类,函数都是synchronized)
    • Stack(实现堆栈)继承于Vector,先进后出。

        List基本操作

    • 插入:add()
    • 查找:get()
    • 删除:remove(int index)
    • 修改:set()
    • 清空表:clear()
    • 遍历:用Iterator迭代器遍历每个元素

    ArrayList、LinkedList性能对比

    为了很好的对比效率,直接写个测试程序看下运行结果

    模拟5w条数据指定插入第一位,然后查询全部,循环删除第一位,下面是测试ArrayList函数

    private void testArrayList(){
            ArrayList<String> list=new ArrayList<>();
            int maxTestCount=50000;
    
            //测试添加
            long start =System.currentTimeMillis();
    
            for(int i =0;i<maxTestCount;i++){
                list.add(0,String.valueOf(i));
            }
    
            long end =System.currentTimeMillis();
    
            Log.e(TAG,"ArrayList add cost time :"+(end-start));
    
            //测试查询
            start =System.currentTimeMillis();
    
            for(int i =0;i<maxTestCount;i++){
                list.get(i);
            }
    
            end =System.currentTimeMillis();
    
            Log.e(TAG,"ArrayList get cost time :"+(end-start));
    
            //测试查询
            start =System.currentTimeMillis();
    
            for(int i =maxTestCount;i>0;i--){
                list.remove(0);
            }
    
            end =System.currentTimeMillis();
    
            Log.e(TAG,"ArrayList remove cost time :"+(end-start));
    
        }

    测试LinkedList函数

    private void testLinkedList(){
            LinkedList<String> list=new LinkedList<>();
            int maxTestCount=50000;
    
            //测试添加
            long start =System.currentTimeMillis();
    
            for(int i =0;i<maxTestCount;i++){
                list.add(0,String.valueOf(i));
            }
    
            long end =System.currentTimeMillis();
    
            Log.e(TAG,"LinkedList add cost time :"+(end-start));
    
            //测试查询
            start =System.currentTimeMillis();
    
            for(int i =0;i<maxTestCount;i++){
                list.get(i);
            }
    
            end =System.currentTimeMillis();
    
            Log.e(TAG,"LinkedList get cost time :"+(end-start));
    
    
            //测试查询
            start =System.currentTimeMillis();
    
            for(int i =maxTestCount;i>0;i--){
                list.remove(0);
            }
    
            end =System.currentTimeMillis();
    
            Log.e(TAG,"LinkedList remove cost time :"+(end-start));
    
        }

    先后调用两个函数,看下运行结果

    通过上面的运行结果可以大致得出以下结论:

    • ArrayList插入、删除效率明显低于LinkedList
    • ArrayList查询效率远远高于LinkedList

    通过上面的结构是不是就可以认为插入删除频繁选择LinkedList,追求查询效率就选择ArrayList呢,我们先来分析一下效率差别的原因,这个就跟数据结构有关系了,可以参考一些数据结构中链表的知识,arraylist 顺序表,用数组的方式实现。想想数组要查询那个元素只给出其下标即可,所以才说arraylist随机访问多的场景比较合适。但是如果删除某个元素比如第 i 个元素,则要将 i 之后的元素都向前移一位以保证顺序表的正确,增加也是一样,要移动多个元素。要多次删除增加的话是很低效的。而LinkedList是双向链表,注意是链表。要查询只能头结点开始逐步查询,没有什么给出下标即可直接查询的便利,需要遍历。但是,如果要增加后删除一个元素的话,只需要改变其前后元素的指向即可,不需要像arraylist那样整体移动,所以才说多用于增删多的场合。

    很感谢博友的建议与帮助,由于LinkedList查询只能从头结点开始逐步查询的,可以使用 iterator 的方式,就不用每次都从头结点开始访问,因为它会缓存当前结点的前后结点。实测查询效率与ArrayList没有太大差别

    LinkedList<String> list = new LinkedList<>();
    Iterator<String> it = list.iterator();
     while(it.hasNext()){
          String s = it.next();
        }

    List其他知识扩展

    Vector 是矢量队列,和ArrayList一样,它也是一个动态数组,由数组实现。但是ArrayList是非线程安全的,而Vector是线程安全的。
    Stack 是栈,它继承于Vector。它的特性是:先进后出(FILO, First In Last Out)。

    总结:

       通过运行结果和查阅资料基本上验证了ArrayList和LinkedList效率问题,有助于在以后的开发中根据实际场景选择合适的技术方案。

  • 相关阅读:
    [MAC]如何抹掉 Mac 磁盘
    [MAC]出售、赠送或折抵 Mac 前该怎么做
    转载 软件项目计划如何编写举例
    GIT
    AWR实战分析之----direct path read temp
    ASM 磁盘组的的scrip
    巨杉db
    High waits on control file sequential read
    如何减小SQL 的物理读,。
    block size大小
  • 原文地址:https://www.cnblogs.com/whoislcj/p/6508851.html
Copyright © 2011-2022 走看看