以下是总结的高频的面经和考点：【书写不易,有用赶紧M住】

1.Java集合框架主要分为哪两大类？各自的核心接口是什么？列举常见的实现类。

1. 单列集合 (Collection):

2. 双列集合 (Map): 存储键值对 (Key-Value)

2. 为什么需要集合？数组/链表的局限性是什么？

核心原因：我们需要更高效、更便捷地处理特定操作

集合（如 HashSet, TreeSet）提供了一种更高层次的抽象，它封装了内部数据结构（通常基于数组、链表、树或哈希表），并专门优化了某些关键操作，特别是：

1. 快速成员检测： 判断一个元素是否存在于集合中。
2. 自动去重： 保证集合中不包含重复的元素。
3. 数学集合运算： 方便地进行交集、并集、差集等操作。

数组的局限性：

1. 固定大小（静态数组）：问题： 必须预先知道或估计最大元素数量。如果实际元素数量超过初始分配大小，需要手动创建更大的新数组并复制所有元素（扩容），效率低（时间复杂度 O(n)）。集合如何解决： 动态集合（如 HashSet, ArrayList 作为 List 的集合）在底层会自动处理扩容，程序员无需关心初始大小限制。
2. 低效的查找：问题： 检查一个元素是否在数组中（contains 操作）通常需要线性搜索（遍历整个数组）。即使数组有序，可以使用二分查找（O(log n)），但插入元素时为了保持有序，插入点之后的所有元素都需要移动（O(n)）。集合如何解决：HashSet 通过哈希表实现平均 O(1) 时间复杂度的 contains 和 add 操作（不考虑哈希冲突的最坏情况）。TreeSet 通过红黑树实现 O(log n) 时间复杂度的 contains, add, remove 操作，同时保持元素有序。
3. 允许重复：问题： 数组本身不阻止重复元素。如果需要唯一性，程序员必须自己在添加元素时遍历检查是否已存在，效率很低（O(n) 每次添加）。集合如何解决：Set 的核心特性就是元素唯一性。add 操作会自动检查并拒绝重复元素，内部机制（哈希或树）使得这种检查非常高效。
4. 插入/删除效率（特定位置）：问题： 在数组中间插入或删除元素，需要移动该位置之后的所有元素以保持连续性，时间复杂度 O(n)。集合如何解决：Set 通常不关心元素的物理插入顺序（HashSet）或根据值排序（TreeSet），所以它们的 add 和 remove 操作不涉及在“中间”插入的概念，其效率由底层数据结构（哈希表 O(1) 平均 / 树 O(log n)）决定，远高于在数组中间操作的 O(n)。（注：List 接口的集合如 ArrayList 也有在中间插入删除慢的问题，但 LinkedList 可以解决）。
5. 缺乏高级抽象：问题： 数组是一个低级的、连续内存块的概念。它没有内置的方法直接支持集合运算（如并集、交集）、迭代器（虽然可以用循环）或直接提供大小信息（需要额外变量跟踪实际元素数）。集合如何解决： 集合框架（如 Java Collections Framework, C++ STL, Python Sets）提供了丰富的接口和方法（add, remove, contains, size, isEmpty, iterator, addAll (并集), retainAll (交集), removeAll (差集) 等），极大地简化了代码并提高了开发效率。

链表的局限性：

1. 低效的查找：问题： 这是链表最大的弱点。查找特定元素（按值而非索引）必须从链表头（或尾）开始逐个遍历节点，时间复杂度 O(n)。即使是有序链表，也无法进行二分查找（因为不支持随机访问）。集合如何解决： 同数组的查找问题。HashSet 和 TreeSet 提供了远超链表的查找效率。
2. 允许重复：问题： 链表本身也不阻止重复元素。同样需要程序员手动遍历检查去重，效率低。集合如何解决： 同数组的重复问题。Set 自动保证唯一性。
3. 内存开销：问题： 每个链表节点除了存储数据本身，还需要额外的指针（引用）来存储前驱和后继节点的地址。在存储大量小元素时，指针的空间开销可能比数据本身还大。集合如何解决：HashSet 基于数组（桶）和链表/红黑树（解决冲突），TreeSet 基于树节点（也需要左右子节点指针）。虽然它们也有额外开销，但通常是为了换取更高效的查找和去重能力。对于纯粹需要唯一性和快速查找的场景，HashSet 的空间效率通常优于手动维护去重的链表。数组实现的集合（如 ArrayList）在空间上更紧凑。
4. 缓存不友好：问题： 链表节点在内存中通常是分散存储的，访问时局部性差，导致 CPU 缓存命中率低，可能影响实际性能。集合如何解决：HashSet 的主要部分（桶数组）和 ArrayList 是连续内存，对缓存更友好。TreeSet 的节点也可能分散，但高效的树操作（O(log n)）弥补了部分缓存劣势。

3. ArrayList 和 LinkedList 的区别？ (必考！)

核心区别在底层数据结构与操作效率

非常好的 ArrayList 和 LinkedList 对比表格，信息非常全面且准确。我将其整理如下，以便更好地呈现：

记忆口诀：“数组连续随机快，链表灵活插删妙。” 或 联想：ArrayList`像书架(取书快，塞书慢)，LinkedList像珠链(加珠子快，找珠子慢)。

4. HashMap 的核心原理是什么？

基于哈希表 (数组 + 链表/红黑树)，核心是哈希函数与解决冲突。

1.数据结构：数组 + 链表 + 红黑树

HashMap 采用数组 + 链表 + 红黑树的复合结构。数组作为主体存储数据，每个数组元素称为一个 “桶”；当发生哈希冲突时，冲突元素通过链表形式存储在对应桶中。当链表长度超过 8 且数组长度大于 64 时，链表会转换为红黑树，将查询时间复杂度从链表的 O (n) 优化至红黑树的 O (logn)，大幅提升查询效率。

2.容量机制：初始容量与扩容

• 初始容量：HashMap 默认初始容量为 16，若初始化时传入非 2 的幂次方值（如 17），会自动调整为大于等于该值的最小 2 的幂次方（即 32）。
• 扩容机制：当键值对数量超过 ** 容量 × 负载因子（默认 0.75）** 时触发扩容。扩容时，创建容量为原来 2 倍的新数组，并将旧数组元素重新分配到新数组。JDK 8 采用尾插法，通过(e.hash & oldCap) == 0判断元素位置，避免重新计算哈希值，提高扩容性能。

3.put 流程

1. 哈希寻址：通过哈希函数计算键的哈希值，并与数组长度 - 1 进行按位与运算，确定元素所在桶的索引。
2. 判断桶状态：若桶为空，直接插入；若不为空，判断是链表还是红黑树。
3. 处理冲突：链表结构按顺序遍历插入，红黑树按树结构插入；若键已存在，则覆盖旧值。
4. 扩容判断：插入后检查键值对数量是否超过阈值，超过则触发扩容。

get 流程

1. 通过哈希值定位数组索引，找到对应桶。
2. 检查桶中第一个节点，若匹配则直接返回；否则根据节点类型遍历链表或红黑树查找，找到则返回结果，未找到返回 null。

补充：

1.如何减少哈希冲突

• 哈希值计算：通过高位与低位异或运算，让哈希值更均匀分布。

索引计算：利用h & (n - 1)（n 为数组长度且是 2 的幂次方）按位与运算替代取模运算，提高计算效率。

2.解决哈希冲突方法

• 拉链法：HashMap 采用的方法，用链表处理冲突，链表过长时转换为红黑树，扩容时树元素个数小于 6 则退化为链表。
• 再哈希法：准备多套哈希算法，冲突时切换算法直至找到空槽，对算法设计要求高。
• 开放地址法：包括线性探测（顺序查找空槽）、二次探测（按平方步长查找）、双重哈希（使用备用哈希函数）。

3.线程安全性对比

• HashMap：线程不安全，多线程环境下可能出现数据覆盖、死循环等问题。
• Hashtable：通过synchronized修饰方法实现线程安全，但锁粒度大，性能差。
• ConcurrentHashMap：Java 8 后采用CAS 操作 + synchronized 锁，写操作通过 CAS 插入节点，冲突时对链表 / 红黑头结点加锁；读操作大多无锁，通过volatile保证可见性，性能更优，推荐使用。

5.HashMap 如何扩容?

触发条件： 元素数量 > 容量

1.扩容触发条件

当 HashMap 中元素个数 size 超过 阈值（threshold） 时，触发扩容：

thresh