Java数据结构(5)-LinkedList

上一篇讲过，ArrayList在指定位置增加和删除性能较低。而有一种公认的观点：在经常添加和删除的场景下，LinkedList性能比ArrayList更高，这种说法是否可靠？本篇就来探讨一下。

Node结构

LinkedList集合中的每一个元素都是一个结点，将多个结点链接到一起，就是链表结构。以下是结点Node的源码，它是LinkedList的内部类。这段内容很简单，结点有三个引用变量和一个基本的构造方法。

    private static class Node<E> {
        E item;
        Node<E> next;
        Node<E> prev;

        Node(Node<E> prev, E element, Node<E> next) {
            this.item = element;
            this.next = next;
            this.prev = prev;
        }
    }

• E item：E是泛型，item就是list.add()方法的参数，即集合中的每个元素，都保存在其Node结点的item参数中。
• Node<E> next：它指向当前结点的下一个结点。
• Node<E> prev：它指向当前结点的上一个结点。

LinkedList结构 

在eclipse中调试以下代码

		list = new LinkedList();
		System.out.println("断点1");
		list.add(1);
		list.add(2);
		list.add(3);
		System.out.println("断点2");

• 断点 1，创建一个空的LinkedList，下图可以看到其四个参数，modCount和size在ArrayList中也有，这两个我们不关心。重点关注first和last，用来存储链表的第一个节点和最后一个节点。那么，如何找到中间的节点？

• 断点 2，添加了三个元素，此时first结点的next参数会指向第二个结点，即标识 373。而373的next参数又会指向第三个结点，即标识371。也就是说，链表结构可以从第一个结点找到第二个，再从第二个结点找到第三个，但是从第一个结点无法找到第三个，不能跳着找。很显然，这样一个一个的查找方式比ArrayList的数组查找方式要慢的多 。

添加的性能

上一篇测过，ArrayList添加5亿数据量仅耗时1080毫秒，现在就来看一下LinkedList能否打破ArrayList的纪录。

		int size=50000000;
		List list = new LinkedList();		
		long t1 = System.currentTimeMillis();
		for(int i=0;i<size;i++){
			list.add(1);
		}
		long t2 = System.currentTimeMillis();
		System.out.println(t2-t1);

• 耗时：28531毫秒

注意：数据量只有5千万，少了十倍，性能反而慢了20多倍。这是为何？

内存分配的开销

上一篇讲过，list.add(1)并没有创建对象。而LinkedList集合中存储的是Node，通过Node的item来存储添加的1，因此LinkedList创建了5千万个Node对象。创建对象需要占用内存，当程序发现内存不够用就去分配内存。等分配的内存用完了又不够了，就又去分配，反复分配内存的开销才是真正的性能杀手。要想解决这个问题，可在eclipse中打开运行配置，设置jvm参数：-Xms7g，初始分配堆内存7g，一次性分配足够大的空间，就不用反复分配了。以后章节测试都会设置这个参数，不再解释。如下图

注意：vm参数7g是根据数据量来设定的，同时还要调大eclipse的内存。如果是5亿数据还得设的更大，我个人电脑内存有限，所以只测了5千万数据量。如果数据量不大，也可以设置一个较小的vm参数如100m。再次运行

• 耗时：668毫秒

数据量比ArrayList少10倍，耗时却差不太多，性能明显低于ArrayList。原因其实上面已经说了，LinkedList创建了5千万个对象，而且还要维护结点之间的next和prev参数，而ArrayList不需要。下图是分别执行5千万数据量时，任务管理器中的内存走势图，可以明显看出LinkedList额外创建对象的内存开销。在java程序中，内存运行状况对时间性能的影响，往往比分析时间复杂度还更加重要。

从头部添加

上一篇说过，ArrayList从位置0添加数据，性能会很低。LinkedList表现又会如何？由于性能低下，现在把size改小到10万，分别测试它们

		int size=100000;
		List list = new ArrayList(size);	//测试ArrayList
		//List list = new LinkedList();		//测试LinkedList
		long t1 = System.currentTimeMillis();
		for(int i=0;i<size;i++){
			list.add(0,1);
		}
		long t2 = System.currentTimeMillis();
		System.out.println(t2-t1);

• ArrayList耗时：765毫秒
• LinkedList耗时：8毫秒

LinkedList性能高出10倍。如下图，LinkedList在结点1和结点2之间添加一个结点，只要修改它们的next和prev参数，分别指向新结点即可，而ArrayList却要移动n个元素。LinkedList终于找到了存在的价值

从中间添加

我们再换一个位置添加，比如说中间，看是什么效果。将list.add(0,1);改成list.add(i/2,1)

		int size=100000;
		List list = new ArrayList(size);	//测试ArrayList
		//List list = new LinkedList();		//测试LinkedList
		long t1 = System.currentTimeMillis();
		for(int i=0;i<size;i++){
			list.add(i/2,1);
		}
		long t2 = System.currentTimeMillis();
		System.out.println(t2-t1);

• ArrayList耗时：343毫秒
• LinkedList耗时：4971毫秒

ArrayList又比LinkedList快了10倍，为何？

查询的性能

• LinkedList在添加时，首先要查找到添加的位置。如果位置在前半区，就从first结点开始，通过next一个个往后找。如果位置在后半区，就从last结点开始，通过prev一个个往前找。也就是说，离first或last最近的结点最容易找到，所以从头部和尾部添加性能最高。而离first和last最远的中间节点，就是LinkedList性能最低的位置。
• ArrayList从头部添加的时候，需要移动的元素是最多的，也就是性能最低的。而从中间添加的时候，需要移动的元素处于平均数，所以反而性能还提高了。ArrayList添加时也要查找位置，但由于其使用数组，查询任意位置都是瞬间完成的，不存在性能问题。

删除的性能

删除结点时，会删除其前后链路，然后让其前后结点互相建立链路。删除和添加的原理是一样的，两头快，中间慢。

特性

• 双端链表：记录了头结点和尾结点，处理离头尾越近的数据，性能越高，中间最慢。
• 每个结点需要创建node对象：由此决定了其最高性能无法超越数组。

应用场景

• 默认添加性能不如ArrayList，查询性能更不如，所以在大众场景无法取代ArrayList。
• 擅长在头部及尾部操作，真正适用的场景是栈和队列，即先进后出和先进先出，它们只处理头部和尾部数据，而不会去处理中间的数据。比如生产者和消费者模式，如不了解请自行百度。

Deque

LinkedList实现了Deque接口，专门用于处理栈和队列的场景。

• 双端队列的常用方法 

		//声明双端队列 
		Deque deque = new LinkedList();
		deque.addFirst(1);	//从队列头部添加数据
		deque.addLast(1);	//从队列尾部添加数据
		deque.pollFirst();	//从队列头部取出数据
		deque.pollFirst();	//从队列尾部取出数据

• 栈的常用方法 

		//声明栈
		Deque deque = new LinkedList();
		deque.push(1);	//从栈顶添加数据
		deque.pop();	//从栈顶取出数据

如上，这两种场景内部结构仍然是LinkedList，性能特点和前面说的一样。