测试结果node
废话很少说,先上测试结果。做者分别在ArrayList和LinkedList的头部、尾部和中间三个位置插入与查找100000个元素所消耗的时间来进行对比测试,下面是测试结果数组
测试结论微信
ArrayList的查找性能绝对是一流的,不管查询的是哪一个位置的元素数据结构
ArrayList除了尾部插入的性能较好外(位置越靠后性能越好),其余位置性能就不如人意了app
LinkedList在头尾查找、插入性能都是很棒的,可是在中间位置进行操做的话,性能就差很远了,并且跟ArrayList彻底不是一个量级的ide
源码分析函数
咱们把Java中的ArrayList和LinkedList就是分别对顺序表和双向链表的一种实现,因此在进行源码分析以前,咱们先来简单回顾一下数据结构中的顺序表与双向链表中的关键概念源码分析
顺序表:须要申请连续的内存空间保存元素,能够经过内存中的物理位置直接找到元素的逻辑位置。在顺序表中间插入or删除元素须要把该元素以后的全部元素向前or向后移动。性能
双向链表:不须要申请连续的内存空间保存元素,须要经过元素的头尾指针找到前继与后继元素(查找元素的时候须要从头or尾开始遍历整个链表,直到找到目标元素)。在双向链表中插入or删除元素不须要移动元素,只须要改变相关元素的头尾指针便可。测试
因此咱们潜意识会认为:ArrayList查找快,增删慢。LinkedList查找慢,增删快。但实际上真的是这样的吗?咱们一块儿来看看吧。
测试程序
测试程序代码基本没有什么养分,这里就不贴出来了,可是得把程序的运行结果贴出来,方便逐个分析。
运行结果
ArrayList尾部插入100000个元素耗时:26ms LinkedList尾部插入100000个元素耗时:28ms ArrayList头部插入100000个元素耗时:859ms LinkedList头部插入100000个元素耗时:15ms ArrayList中间插入100000个元素耗时:1848ms LinkedList中间插入100000个元素耗时:15981ms ArrayList头部读取100000个元素耗时:7ms LinkedList头部读取100000个元素耗时:11ms ArrayList尾部读取100000个元素耗时:12ms LinkedList尾部读取100000个元素耗时:9ms ArrayList中间读取100000个元素耗时:13ms LinkedList中间读取100000个元素耗时:34928ms
ArrayList尾部插入
源码
add(E e)方法
public boolean add(E e) { // 检查是否须要扩容
ensureCapacityInternal(size + 1); // Increments modCount!!
// 直接在尾部添加元素
elementData[size++] = e;
return true;
}
能够看出,对ArrayList的尾部插入,直接插入便可,无须额外的操做。
LinkedList尾部插入
源码
LinkedList中定义了头尾节点
/**
* Pointer to first node.
*/
transient Node<E> first; /**
* Pointer to last node.
*/
transient Node<E> last;
add(E e)方法,该方法中调用了linkLast(E e)方法
public boolean add(E e) {
linkLast(e);
return true;
}
linkLast(E e)方法,能够看出,在尾部插入的时候,并不须要从头开始遍历整个链表,由于已经事先保存了尾结点,因此能够直接在尾结点后面插入元素
/**
* Links e as last element.
*/
void linkLast(E e) { // 先把原来的尾结点保存下来
final Node<E> l = last; // 建立一个新的结点,其头结点指向last
final Node<E> newNode = new Node<>(l, e, null); // 尾结点置为newNode
last = newNode;
if (l == null)
first = newNode;
else // 修改原先的尾结点的尾结点,使其指向新的尾结点
l.next = newNode;
size++;
modCount++;
}
总结
对于尾部插入而言,ArrayList与LinkedList的性能几乎是一致的
ArrayList头部插入
源码
add(int index, E element)方法,能够看到经过调用系统的数组复制方法来实现了元素的移动。因此,插入的位置越靠前,须要移动的元素就会越多
public void add(int index, E element) {
rangeCheckForAdd(index);
ensureCapacityInternal(size + 1); // Increments modCount!!
// 把原来数组中的index位置开始的元素所有复制到index+1开始的位置(其实就是index后面的元素向后移动一位)
System.arraycopy(elementData, index, elementData, index + 1,
size - index); // 插入元素
elementData[index] = element;
size++;
}
LinkedList头部插入
源码
add(int index, E element)方法,该方法先判断是不是在尾部插入,若是是调用linkLast()方法,不然调用linkBefore(),那么是否真的就是须要重头开始遍历呢?咱们一块儿来看看
public void add(int index, E element) {
checkPositionIndex(index);
if (index == size)
linkLast(element);
else
linkBefore(element, node(index));
}
在头尾之外的位置插入元素固然得找出这个位置在哪里,这里面的node()方法就是关键所在,这个函数的做用就是根据索引查找元素,可是它会先判断index的位置,若是index比size的一半(size >> 1,右移运算,至关于除以2)要小,就从头开始遍历。不然,从尾部开始遍历。从而能够知道,对于LinkedList来讲,操做的元素的位置越往中间靠拢,效率就越低
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;
}
}
这个函数的工做就只是负责把元素插入到相应的位置而已,关键的工做在node()方法中已经完成了
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++;
}
总结
对于LinkedList来讲,头部插入和尾部插入时间复杂度都是O(1)
可是对于ArrayList来讲,头部的每一次插入都须要移动size-1个元素,效率可想而知
可是若是都是在最中间的位置插入的话,ArrayList速度比LinkedList的速度快将近10倍
ArrayList、LinkedList查找
这就没啥好说的了,对于ArrayList,不管什么位置,都是直接经过索引定位到元素,时间复杂度O(1)
而对于LinkedList查找,其核心方法就是上面所说的node()方法,因此头尾查找速度极快,越往中间靠拢效率越低
感谢你们看到这里,文章有不足,欢迎你们指出;若是你以为写得不错,那就给我一个赞吧。