--- title: 常见算法、数据结构 date: 2022-03-10 10:13:24 updated: tags: categories: keywords: description: top_img: comments: cover: toc: toc_number: toc_style_simple: copyright: copyright_author: copyright_author_href: copyright_url: copyright_info: katex: aside: --- > 注：以下内容收集自互联网。 # 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** ```java 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** ```java 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： ```java int m = l + (r - l) / 2; ``` 还有一种是： ```java 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： $$n = log_2N = log_{10}N/log_{10}2$$ 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** ```java 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** ```java 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** ```java 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 $O(n^2)$ 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** ```java 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** ```java // 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 $O(n^2)$ 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 $O(n)$ 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** ```java 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 ## 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. 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 2. 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](https://en.wikipedia.org/wiki/Divide-and-conquer_algorithm)） 3. 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 ```java 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++ ```java 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 $O(nlog_2⁡n )$，最坏时间复杂度 $O(n^2)$ 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 > ***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 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 $O(1)$，而红黑树的查找，更新的时间复杂度是 $O(log_2⁡n )$，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. 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 5. 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： ```java void transfer(Entry[] newTable, boolean rehash) { int newCapacity = newTable.length; for (Entry e : table) { while(null != e) { Entry 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 ![image-20210831084325075](https://imgs-1302910354.cos.ap-shanghai.myqcloud.com/images/image-20210831084325075.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 ![image-20210831084723383](https://imgs-1302910354.cos.ap-shanghai.myqcloud.com/images/image-20210831084723383.png) * 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 ![image-20210831084855348](https://imgs-1302910354.cos.ap-shanghai.myqcloud.com/images/image-20210831084855348.png) * 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 ![image-20210831085329449](https://imgs-1302910354.cos.ap-shanghai.myqcloud.com/images/image-20210831085329449.png) * 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 ![image-20210831085543224](https://imgs-1302910354.cos.ap-shanghai.myqcloud.com/images/image-20210831085543224.png) **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 ```java public class HashMapMutableKey { public static void main(String[] args) { HashMap 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 $S_i$，其中 i 的范围是 0 ~ n - 1 * 散列公式为： $S_0∗31^{(n-1)}+ S_1∗31^{(n-2)}+ … S_i ∗ 31^{(n-1-i)}+ …S_{(n-1)}∗31^0$ * 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 $2^5 ∗h -h$ * 即 $h≪5 -h$ ## 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** ```java 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** ```java 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** ```java 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** ```java 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** ```java 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