ArrayList和LinkedList的区别,包括源码分析

其实也不像大家说的那回事,主要还是根据数据量和操作有关系!
我们先从add() 方法比较
ArrayList

 public boolean add(E e) {
        ensureCapacityInternal(size + 1);  // Increments modCount!!
        elementData[size++] = e;
        return true;
    }
  
 //指定下标添加元素
  public void add(int index, E element) {
        if (index > size || index < 0)
            throw new IndexOutOfBoundsException(outOfBoundsMsg(index));

        ensureCapacityInternal(size + 1);  // Increments modCount!!
        System.arraycopy(elementData, index, elementData, index + 1,
                         size - index);
        elementData[index] = element;
        size++;
    }

private void ensureCapacityInternal(int minCapacity) {
        if (elementData == DEFAULTCAPACITY_EMPTY_ELEMENTDATA) {
            minCapacity = Math.max(DEFAULT_CAPACITY, minCapacity);
        }

        ensureExplicitCapacity(minCapacity);
    }

    private void ensureExplicitCapacity(int minCapacity) {
        modCount++;

        // overflow-conscious code
        /*
         * 判断是否扩容数组
         */
        if (minCapacity - elementData.length > 0)
            //扩容数组
            grow(minCapacity);
    }

 中间省略了一些方法
 private void grow(int minCapacity) {
        // overflow-conscious code
        int oldCapacity = elementData.length;
        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:
        elementData = Arrays.copyOf(elementData, newCapacity);
    }

 当ArrayList去add数据的时候
 elementData[size++] = e; 先去把元素添加进去 ,因为容量肯定是够用的

oldCapacity + (oldCapacity >> 1) 这里面则是用到了位运算进行扩容数组

 elementData = Arrays.copyOf(elementData, newCapacity);

LikedList

 public boolean add(E e) {
        linkLast(e);
        return true;
    }


 void linkLast(E e) {
        final Node<E> l = last;
        final Node<E> newNode = new Node<>(l, e, null);
        last = newNode;
        if (l == null)
            first = newNode;
        else
            l.next = newNode;
        size++;
        modCount++;
    }

  public void add(int index, E element) {
        checkPositionIndex(index);

        if (index == size)
            linkLast(element);
        else
            linkBefore(element, node(index));
    }

  void linkBefore(E e, Node<E> succ) {
        // assert succ != null;
        final Node<E> pred = succ.prev;
        final Node<E> newNode = new Node<>(pred, e, succ);
        succ.prev = newNode;
        if (pred == null)
            first = newNode;
        else
            pred.next = newNode;
        size++;
        modCount++;
    }

对于add(int index,Element element)这个方法在中间添加数据
因为ArrayList去添加数据 会移动数组或者扩容数组 !内部实现还是根据逻辑去扩容数组,是同数组具有下标的。

而LikedList在添加数据的时候只是new 一个Note对象并重新修改上一节点或下一个节点。达到目的

在内存方面ArrayList应该是占的块内存

我這面做的一个测试,如果add(0,element)的时候

   getTime = System.currentTimeMillis();
        for(int i = 0; i < 900;i++){
            arrayList.add(0,i);
        }
        Log.e("time", "array" + (System.currentTimeMillis() - getTime));

   getTime = System.currentTimeMillis();
        for(int i = 0; i < 900;i++){
            linkedList.add(0,i);
        }
        Log.e("time", "linked" + (System.currentTimeMillis() - getTime));

小数据的时候偶尔集合会较快,偶尔链表快,当数据量大的时候会更加明显集合大于链表的添加时间。

我這面做的一个测试,如果add(size,element)的时候
小数据的时候偶尔集合会较快,大多数还是链表快,当数据量大的时候会更加明显集合大于链表的添加时间。

我這面做的一个测试,如果add(2,element)的时候 ,也就是Index的时候 小数据的时候偶尔集合会较快,大多数还是链表快,大数据的话还是链表快的

remove对比

ArrayList

 public E remove(int index) {
        if (index >= size)
            throw new IndexOutOfBoundsException(outOfBoundsMsg(index));

        modCount++;
        E oldValue = (E) elementData[index];

        int numMoved = size - index - 1;
        if (numMoved > 0)
            System.arraycopy(elementData, index+1, elementData, index,
                             numMoved);
        elementData[--size] = null; // clear to let GC do its work

        return oldValue;
    }

 通过下标index 执行这段代码
 System.arraycopy(elementData, index+1, elementData, index,
                             numMoved);
 这面我举个例子说明下
 因为原码里面都是elementData,也就是一个数组,
 {0,1,2,3,4}
 如果当remove的index为1的时候
 走完System.arraycopy()这个方法数组将会发生改变
 {0,2,3,4,4}

 然后 elementData[--size] = null; 
 size减减 保证arrayList.size()方法的准确拿取ArrayList的size大小
 并把数组的最后一个数据设为null
 {0,2,3,4,null}
 可见移除了下标为1的数据
 作为
 public static void arraycopy(
                Object src,  //源数组
        int srcPos,  //源数组的起始位置
        Object dest, //目标数组
        int destPos, //目标数组的起始位置
        int length   //复制长度
                             )
     这个方法 当remove的时候内部实现会复制数组  index下标越小  复制的数组量越大,数组移动也就越多 耗时越大!

这面是这么想的 但是当ArrayList add(int index)集合的时候,却是index越小时间越短 和上面的分析完全相反!
这面我有点蒙,希望看到文章的评论解释下~

LikedList

public E remove(int index) {
        checkElementIndex(index);
        return unlink(node(index));
    }
        checkElementIndex(index);  检查是否下标越界

Node<E> node(int index) {
        // assert isElementIndex(index);

        if (index < (size >> 1)) {
            Node<E> x = first;
            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;
        }

E unlink(Node<E> x) {
        // assert x != null;
        final E element = x.item;
        final Node<E> next = x.next;
        final Node<E> prev = x.prev;

        if (prev == null) {
            first = next;
        } else {
            prev.next = next;
            x.prev = null;
        }

        if (next == null) {
            last = prev;
        } else {
            next.prev = prev;
            x.next = null;
        }

        x.item = null;
        size--;
        modCount++;
        return element;
    }

先解释第一个方法,  Node<E> node(int index)通过此方法其实也就是和二分法差不多 通过遍历集合拿到此下标下的Note对象

然后在通过 E unlink(Node<E> x) 这一方法 重新关联 prev 和 next 的Note对象 并把当前的Note对象
和当前Note对象的prev和next设置 null

所以相对于remove这一方法的总结 LikedList是相对快于ArrayList的

而对于get(int index)这个方法 可想而知肯定是ArrayList比较快的,因为内部实现是数组是有下标的,而 LikedList 是通过和二分法差不多的查找Note对象。

最后总结下 :
add(0,element)
add(2,element)
add(size,element) ,
小数据确实ArrayList和 LikedList难以分辩谁快,因为不是确定的
但是当数据大的话还是LikedList快于ArrayList的

remove(int index),LikedList快于ArrayList

get(int index),ArrayList快于LikedList

但是对于 public static void arraycopy(
Object src, //源数组
int srcPos, //源数组的起始位置
Object dest, //目标数组
int destPos, //目标数组的起始位置
int length //复制长度
)
这个方法还是存在困惑,对于ArrayList的add(index ,element)到底是index越大越费时还是index越小费时!

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 194,242评论 5 459
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 81,769评论 2 371
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 141,484评论 0 319
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 52,133评论 1 263
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 61,007评论 4 355
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 46,080评论 1 272
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 36,496评论 3 381
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 35,190评论 0 253
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 39,464评论 1 290
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 34,549评论 2 309
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 36,330评论 1 326
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 32,205评论 3 312
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 37,567评论 3 298
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 28,889评论 0 17
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 30,160评论 1 250
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 41,475评论 2 341
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 40,650评论 2 335

推荐阅读更多精彩内容