在 Java 开发中，集合类是处理数据的核心工具。合理选择集合，不仅可以提高代码效率，还能让代码更简洁。本篇文章将重点探讨 List、Set 和 Map 的适用场景及优缺点，帮助你在实际开发中找到最佳解决方案。

一、List：有序存储的/最佳选择

1. ArrayList：快速查询与动态数组

应用场景：当你需要频繁查询元素，或者存储的元素数目动态变化时p[，ArrayList 是首选。例如：分页展示用户数据。

代码示例：

java">List<String> users = new ArrayList<>();
users.add("Alice");
users.add("Bob");
System.out.println(users.get(1)); // 输出 Bob

底层结构：ArrayList 使用一个 动态数组 来存储元素。初始时，数组的大小是固定的，当元素超过数组的容量时，会自动扩展数组的大小。

优点：

• 查询效率高：数组支持按索引快速访问元素，时间复杂度为 O(1)，因此 get() 操作非常高效。

• 内存局部性：数组存储在连续的内存空间中，CPU 缓存友好，可以利用 CPU 的缓存机制提高访问效率。

缺点：

• 插入和删除效率低：当插入或删除元素时，尤其是在中间位置时，必须移动数组中的大量元素，时间复杂度为 O(n)。

• 扩容操作代价高：数组扩容时需要分配新的数组并将旧数组元素复制到新数组，操作的时间复杂度为 O(n)。

---

2. LinkedList：高效增删的双向链表

应用场景：需要频繁在列表中间或首尾插入、删除数据时，例如实现任务队列。

代码示例：

java">LinkedList<String> tasks = new LinkedList<>();
tasks.addFirst("Task1");
tasks.addLast("Task2");
tasks.removeFirst();

底层结构：LinkedList 使用 双向链表，每个元素都有两个指针：一个指向前一个元素，一个指向下一个元素。这样可以在常数时间内插入或删除元素。

优点：

• 插入和删除高效：无论是在链表的头部、中部还是尾部，插入和删除元素的时间复杂度都为 O(1)，因为只需要改变相关节点的指针。

• 内存使用灵活：每个元素的内存可以分散存储，不需要连续的内存块。

【比如在中间插入】

假设需要在链表中的某个位置 node 前插入新节点 newNode：

1. 将 newNode 的 next 指向 node，将 newNode 的 prev 指向 node.prev。

2. 更新 node.prev.next 为 newNode，更新 node.prev 为 newNode。

这只涉及 4 次指针操作，与链表的长度无关，因此在已定位到目标节点后，插入操作的时间复杂度为 O(1)。

缺点：

• 查询效率低：为了查找元素，必须从头节点或尾节点开始遍历链表，时间复杂度为 O(n)。

• 内存开销大：每个元素都需要额外存储指向前后元素的指针，相较于数组，占用更多的内存。

---

二、Set：无重复集合的首选

1. HashSet：高效去重

应用场景：当需要存储一组不允许重复的元素，且对顺序没有要求时，例如用户注册时验证用户名的唯一性。

代码示例

java">Set<String> usernames = new HashSet<>();
usernames.add("Alice");
usernames.add("Bob");
usernames.add("Alice"); // 重复的元素会被忽略
System.out.println(usernames.size()); // 输出 2

底层结构：HashSet 使用 哈希表（HashMap）【哈希表在文末有补充讲解】来存储元素。哈希表通过将元素的哈希码映射到表中的桶来进行存储，确保元素是唯一的。

优点：

• 去重高效：哈希表能够快速判断元素是否已存在，因为它通过哈希值进行查找，时间复杂度为 O(1)。

• 查询效率高：哈希表的查找时间复杂度为 O(1)，因此 contains() 和 add() 操作非常高效。

缺点：

• 无序存储：哈希表并不维护元素的顺序，因此 HashSet 中的元素是无序的。

• 哈希冲突：不同的元素可能具有相同的哈希值，哈希冲突会影响性能，但通常情况下，哈希表的设计会尽量减少冲突的概率。

---

2. LinkedHashSet：有序去重

应用场景：当需要去重的同时保留插入顺序，例如记录用户最近浏览的商品。

代码示例：

java">Set<String> products = new LinkedHashSet<>();
products.add("Laptop");
products.add("Phone");
products.add("Laptop"); // 再次添加无效
System.out.println(products); // 输出 [Laptop, Phone]

底层结构：LinkedHashSet 使用一个 哈希表 来存储元素，并通过一个 双向链表 来维护元素的插入顺序。

优点：

• 有序存储：由于链表的存在，LinkedHashSet 能够保持元素的插入顺序，访问时能够按照插入的顺序遍历元素。

• 去重高效：与 HashSet 一样，哈希表提供了快速的查找和去重机制。

缺点：性能略低于 HashSet，由于还需要维护链表，LinkedHashSet 的操作稍微比 HashSet 慢，但差距通常不大。

---

3. TreeSet：排序与去重兼备

应用场景：当需要去重的同时对元素进行排序，例如实现排行榜或数据字典。

代码示例：

java">TreeSet<Integer> scores = new TreeSet<>();
scores.add(50);
scores.add(80);
scores.add(70);
System.out.println(scores); // 输出 [50, 70, 80]

底层结构：TreeSet 使用 红黑树 来存储元素。红黑树是一种自平衡的二叉搜索树，能够确保树的深度保持在对数级别。

优点：

• 有序存储：TreeSet 会自动对元素进行排序，默认按自然顺序排序（compareTo(Object obj)）或者通过传入 Comparator 自定义排序）。

• 查找、插入和删除的时间复杂度为 O(log n)：由于红黑树的结构特性，所有操作的时间复杂度为对数级别。

缺点：性能较低，相比哈希表，红黑树的插入、删除和查找操作的时间复杂度为 O(log n)，因此在大量数据操作时，性能略逊色于 HashSet 和 LinkedHashSet。

三、Map：键值对存储的首选

Map 是存储键值对的集合类，每个键唯一对应一个值。常用于快速查找和关联关系的存储。

1. HashMap：高效的键值映射

应用场景：需要高效查找时，例如存储用户 ID 和用户信息的映射。

代码示例：

java">Map<Integer, String> userMap = new HashMap<>();
userMap.put(1, "Alice");
userMap.put(2, "Bob");
System.out.println(userMap.get(1)); // 输出 Alice

底层结构：HashMap 使用 哈希表 来存储键值对，通过键的哈希码来确定存储位置。

优点：

• 查找和插入高效：查找、插入和删除操作的时间复杂度为 O(1)，通过哈希值直接定位位置。

• 支持键值对的存储：每个键对应唯一的值，适合各种映射操作。

缺点：

• 无序存储：哈希表中的元素是无序的，因此遍历时无法保证顺序。

---

2. LinkedHashMap：有序的键值映射

应用场景：需要既保持插入顺序，又能高效查找，例如实现最近访问页面的缓存。

代码示例：

java">Map<Integer, String> accessLog = new LinkedHashMap<>();
accessLog.put(1, "HomePage");
accessLog.put(2, "ProfilePage");
accessLog.put(3, "SettingsPage");
System.out.println(accessLog); // 输出 {1=HomePage, 2=ProfilePage, 3=SettingsPage}

底层结构：LinkedHashMap 使用 哈希表 存储元素，并通过 双向链表 维护元素的插入顺序。

优点：

• 有序存储：保持了元素的插入顺序，遍历时能够按照插入顺序输出。

• 高效查找：与 HashMap 一样，查询和插入操作的时间复杂度为 O(1)。

缺点：内存开销较大，需要额外的内存来存储链表指针。

---

3. TreeMap：有序的键值存储

应用场景：需要按键排序存储键值对，例如实现字典或排行榜。

代码示例：

java">Map<Integer, String> sortedMap = new TreeMap<>();
sortedMap.put(3, "C");
sortedMap.put(1, "A");
sortedMap.put(2, "B");
System.out.println(sortedMap); // 输出 {1=A, 2=B, 3=C}

• 底层结构：TreeMap 使用 红黑树 来存储键值对，按照键的自然顺序（或通过指定的 Comparator）进行排序。

• 优点：

  • 有序存储：自动对键进行排序，适用于需要顺序访问键值对的场景。

  • 高效的查找、插入和删除：操作时间复杂度为 O(log n)。

• 缺点：性能略低于 HashMap 和 LinkedHashMap，由于红黑树需要维护平衡，操作的时间复杂度为对数级别，性能不如哈希表

4. Properties

应用场景

• Properties 常用于管理应用程序的配置信息，如数据库连接信息、语言国际化资源等。

• 它可以方便地加载和存储键值对到 .properties 文件中，支持流式操作。

代码示例：

java">import java.io.*;
import java.util.Properties;
​
public class PropertiesExample {public static void main(String[] args) throws IOException {Properties properties = new Properties();// 设置键值对properties.setProperty("database.url", "jdbc:mysql://localhost:3306/mydb");properties.setProperty("database.user", "root");properties.setProperty("database.password", "password");
​// 保存到文件try (FileOutputStream output = new FileOutputStream("config.properties")) {properties.store(output, "Database Configuration");}
​// 从文件加载try (FileInputStream input = new FileInputStream("config.properties")) {properties.load(input);}
​// 打印所有属性properties.forEach((key, value) -> System.out.println(key + ": " + value));}
}

底层结构

• Properties 的基础是 Hashtable：

  • 底层采用线程安全的哈希表结构。

  • 键和值均为字符串类型（String），以适应配置文件的存储和解析需求。

  • 提供了 load() 和 store() 方法，用于流式操作，方便配置文件的读写。

优点

1. 简单直观：内置方法支持直接操作配置文件，减少手动解析的复杂性；适合存储和管理小规模配置。

2. 线程安全：继承自 Hashtable，所有操作均是同步的，适合简单的多线程环境。

3. 与文件系统集成良好：提供了流式操作接口，方便将键值对直接保存为 .properties 文件或从文件中加载。

缺点

1. 性能较低：由于继承自同步的 Hashtable，在现代高并发场景下不推荐使用，性能落后于 HashMap。

2. 局限性：仅支持 String 类型的键值对，若需要存储复杂对象，需额外序列化。

3. 不适合大规模配置：适合小型项目或简单模块的配置管理，大型系统建议采用更复杂的配置管理工具（如 Apache Commons Configuration 或 Spring）。

总结

集合类	底层数据结构	主要优点	主要缺点
ArrayList	动态数组	查询效率高，支持随机访问	插入删除效率低，扩容代价大
LinkedList	双向链表	插入删除效率高，内存灵活	查询效率低，占用内存大
HashSet	哈希表	查询和去重效率高	无序存储，受哈希冲突影响
LinkedHashSet	哈希表 + 双向链表	有序存储，去重效率高	内存占用较高
TreeSet	红黑树	有序存储，按自然顺序或自定义顺序排序	性能略低于哈希表，操作复杂度为 O(log n)
HashMap	哈希表	查找和插入效率高，支持键值对映射	无序存储，受哈希冲突影响
LinkedHashMap	哈希表 + 双向链表	有序存储，按插入顺序遍历键值对	内存开销较高
TreeMap	红黑树	有序存储，按键自然顺序或自定义顺序排序	性能略低于哈希表，操作复杂度为 O(log n)
Properties	哈希表（继承自 Hashtable）	专为存储键值对配置设计，支持读写 .properties 文件	性能较低（继承自同步的 Hashtable），不适合高并发

知识点补充

1. 什么是哈希表？

哈希表是一种用来存储 键值对 的工具，它能非常快速地找到数据。你可以把它想象成一个 带编号的储物柜，每个柜子都有一个编号（索引），你把东西存进去时，会根据物品的特点计算出一个编号，然后直接放进对应的柜子里。取东西时也用相同的方法计算编号，直接找到对应的柜子打开拿走。

例子：

• 假如你有一本字典，查找某个单词（键）对应的解释（值）。

• 传统查找方法：逐页翻阅，耗时长。

• 使用哈希表：计算单词的编号，直接跳到对应的位置查看解释，速度非常快。

总结类比：

• 键是 “单词”，值是 “解释”。

• 哈希表通过哈希函数快速找到这个单词在哪页。

---

2. 哈希表是如何存数据的？

哈希表的核心在于 哈希函数。这个函数就像一个计算器，可以把一个键（比如一个字符串）变成一个数字（哈希值）。哈希值用来确定数据存储的位置。

步骤：

1. 计算位置：用哈希函数把键变成一个数字，然后对储物柜的总数取模（%），确定放在哪个柜子里。假如储物柜有 10 个，"Alice" 的哈希值是 42，42 % 10 = 2，所以数据放到第 2 个柜子。

2. 存储值：把数据放到计算出的柜子里。